PENERAPAN MACHINE LEARNING UNTUK DETEKSI ANOMALI SISTEM KEAMANAN PAYMENT GATEWAY DI PT DIBUILTADI TEKNOLOGI KREATIF

• Ananda Dimmas Budiarto

---

ABSTRAK

ABSTRAK

 

Dalam era digital saat ini, transaksi keuangan telah mengalami transformasi signifikan dengan adopsi teknologi modern, termasuk sistem payment gateway yang memungkinkan transaksi elektronik dilakukan dengan cepat, aman, dan efisien. Namun, tantangan baru dalam hal keamanan siber muncul, seperti penipuan transaksi dan pencurian data. Penelitian ini bertujuan mengembangkan dan menerapkan teknologi machine learning untuk mendeteksi anomali dalam sistem keamanan payment gateway. Dengan menggunakan algoritma seperti Isolation Forest, K-means Clustering, dan Neural Networks, data transaksi dianalisis untuk mengidentifikasi pola-pola mencurigakan. Implementasi sistem ini menunjukkan bahwa machine learning efektif dalam mendeteksi anomali, sehingga dapat meningkatkan keamanan transaksi, mengurangi risiko penipuan, dan meningkatkan efisiensi operasional. Penerapan teknologi ini memberikan solusi yang andal untuk mengatasi tantangan keamanan dalam transaksi keuangan digital.

Kata Kunci: Machine Learning, Deteksi Anomali, Payment Gateway, Isolation Forest, Neural Networks.

KATA KUNCI

penerapan,machine learning

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1] S. Parulian, D. A. Pratiwi, and M. Cahya Yustina, “Ancaman dan Solusi Serangan Siber di Indonesia,” Telecommun. Networks, Electron. Comput. Technol., vol. 1, no. 2, pp. 85–92, 2021, [Online]. Available: http://ejournal.upi.edu/index.php/TELNECT/

[2] D. Luthfah, “Penguatan Keamanan Siber Pada Sektor Jasa Keuangan Indonesia,” J. Penelit. Dan Karya Ilm. Lemb. Penelit. Univ. Trisakti, vol. 9, pp. 259–267, 2023, doi: 10.25105/pdk.v9i1.18643.

[3] F. Zamachsari and N. Puspitasari, “Penerapan Deep Learning dalam Deteksi Penipuan Transaksi Keuangan Secara Elektronik,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 203–212, 2021, doi: 10.29207/resti.v5i2.2952.

[4] N. I. Putri and Z. Munawar, “Deep Learning Dan Teknologi Big Data Untuk Keamanan Iot,” J. Inform. – Comput., vol. 7, no. 1, pp. 48–73, 2020.

[5] R. A. Putra, “Penerapan Machine Learning Dalam Deteksi Kecurangan Pada Transaksi Keuangan Online,” J. Dunia Data, vol. 1, no. 4, pp. 1–16, 2024, [Online].  Available:  http://www.pustakailmu.id/index.php/duniadata/article/view/87

[6] E. Susanto, Lady Antira, K. Kevin, E. Stanzah, and A. A. Majid, “Manajemen Keamanan Cyber Di Era Digital,” J. Bus. Entrep., vol. 11, no. 1, p. 23, 2023,doi: 10.46273/jobe.v11i1.365.

[7] I. M. S. Taksa Wibawa, “Isolation Forest dengan Exploratory Data Analysis pada Anomaly Detection untuk Data Transaksi,” vol. 1, pp. 803–810, 2023.

[8] S. Susanto, M. A. S. Arifin, and H. O. L. Wijaya, “IoT Botnet Detection Using Autoencoders and Decision Trees,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 3, pp. 329–334, 2023, doi: 10.32736/sisfokom.v12i3.1693.

[9] E. C. Putro, R. M. Awangga, and R. Andarsyah, Tutorial Object Detection People With Faster region-Based Convolutional Neural Network(Faster RCNN). in Computer Vision. Kreatif, 2020. [Online]. Available: https://books.google.co.id/books?id=wawGEAAAQBAJ

[10] Wardana, Dasar-Dasar Data Science dan Aplikasinya dengan Python. wawasan  Ilmu. [Online]. Available: https://books.google.co.id/books?id=vbYOEQAAQBAJ

[11] J. Efendi, I. Gunadi Widodo, and F. Lutfianigsih fitri, Kamus Istilah Hukum Populer. Prenadamedia Group, 2009. [Online]. Available: https://books.google.co.id/books?id=4KRPDwAAQBAJ

[12] P. D. I. S. Riphat, Pajak E-Commerce: Sebuah Pengertian Awal. PT Elex Media Komputindo, 2022. [Online].  Available: https://books.google.co.id/books?id=I_5pEAAAQBAJ

[13] M. M. M. S. D. T. M. S. Prof. Dr. Ir. Riri Fitri Sari and A. Utami, REKAYASA PERANGKAT LUNAK BERORIENTASI OBJEK MENGGUNAKAN PHP. Penerbit  Andi, 2021. [Online]. Available: https://books.google.co.id/books?id=x8xEEAAAQBAJ

[14] M. P. PASKA MARTO HASUGIAN, M.KOM, HARVEI DESMON HUTAHAEAN, M.KOM, BOSKER SINAGA, M.KOM , DRS. SRIADHI, M.PD., M.KOM., PH.D, DR. SARONOM SILABAN, Teknologi Big Data Untuk Klasifikasi Status Desa Berdasarkan Indeks Desa Membangun (Idm) Melibatkan Algoritma K-Means Untuk Mendukung Program Kerja Kemendesa Pdtt. Cattleya Darmaya Fortuna, 2022. [Online]. Available: https://www.google.co.id/books/edition/TEKNOLOGI_BIG_DATA_UNTUK _KLASIFIKASI_STA/WTRcEAAAQBAJ?hl=id&gbpv=0

[15] L. P. I. Kharisma et al., METODE SPK FAVORIT DI MASA DEPAN?: Teori dan Contoh. PT. Sonpedia Publishing Indonesia, 2023. [Online]. Available: https://books.google.co.id/books?id=JxLAEAAAQBAJ

[16] Milka Wijayanti Sunarto, Dendy Kurniawan, Edy Siswanto, and Haris Ihsanil Huda, “Deteksi Anomali Menggunakan Extended Isolation Forest (Eif),” Tek. J. Ilmu Tek. dan Inform., vol. 1, no. 2, pp. 96–111, 2023, doi:10.51903/teknik.v1i2.324.