Kajian penggunaan Smote-Nc pada model pembelajaran mesin untuk klasifikasi transaksi penipuan

Abstract

Model-model pembelajaran mesin tersupervisi umunya diasumsikan untuk dilatih dengan dataset seimbang, padahal banyak permasalahan klasifikasi di dunia nyata berasal dari dataset timpang, seperti contohnya deteksi transaksi penipuan (fraud). Dataset timpang dapat menyebabkan model klasifikasi biner menjadi kurang sensitif terhadap kategori minoritas (fraud) – yang tentunya tidak diharapkan terjadi pada detektor fraud. Salah satu cara untuk mengatasi masalah tersebut adalah dengan menggunakan teknik pengambilan ulang sampel pada kategori minoritas yang disebut SMOTE-NC (Synthetic Minority Oversampling Technique for Nominal and Continuous) – khususnya untuk data tipe numerik dan kategorial. Eksperimen dilakukan untuk menguji efek penggunaan SMOTE-NC dalam meningkatkan performa dan efisiensi data training pada empat jenis model pembelajaran mesin – Regresi Logistik dan SVC (Support Vector Classifier) Linier sebagai model linier, serta Pohon Keputusan dan Random Forest sebagai model non-linier. Secara umum SMOTE-NC meningkatkan performa model dengan trade-off antara precision dan recall, sehingga model mampu mendeteksi lebih banyak transaksi fraud yang sesungguhnya, tetapi juga lebih banyak salah memprediksi transaksi non-fraud sebagai fraud.