Deteksi Anomali Transaksi E-Commerce Menggunakan Support Vector Machine Berbasis Data Mining

Abstrak

Dalam era digital yang semakin berkembang, e-commerce telah menjadi salah satu sektor penting dalam transaksi ekonomi. Namun, peningkatan transaksi juga diiringi oleh risiko terjadinya anomali, seperti penipuan dan aktivitas tidak wajar lainnya, yang dapat merugikan perusahaan dan konsumen. Penelitian ini bertujuan untuk mendeteksi anomali transaksi pada platform e-commerce menggunakan metode Support Vector Machine (SVM) berbasis data mining. Data yang digunakan terdiri atas dataset transaksi e-commerce yang mencakup atribut seperti nilai transaksi, waktu, lokasi, dan pola perilaku pengguna. Proses penelitian melibatkan preprocessing data, ekstraksi fitur, dan penerapan SVM untuk klasifikasi data normal dan anomali. Hasil evaluasi menunjukkan bahwa metode SVM mampu mencapai akurasi deteksi yang tinggi dengan tingkat false positive yang minimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem keamanan pada e-commerce, sekaligus mendukung keberlanjutan operasional platform digital secara lebih aman dan efisien.