FRACTION : Web Apps Deteksi Fraud pada Saldo Akhir Nasabah BPR
Oleh:
Hilman Adjie / K1B020065
iii
ABSTRACT
iv
KATA PENGANTAR
Segala puji bagi Allah SWT, Tuhan Semesta alam yang telah melimpahkan
rahmat, perlindungan, serta hidayah-Nya. Shalawat dan salam semoga senantiasa
ditunjukkan atas Rasulullah, keluarga, dan para sahabat beliau. Laporan akhir
magang ini dapat diselesaikan di PT. Mitranet Software Online (MSO) pada tanggal
23 Agustus 2023 sampai 22 Februari 2024 sebagai salah satu prasyarat
penyelesaian kegiatan magang MBKM Universitas Jenderal Soedirman. Laporan
ini disusun dengan tujuan agar informasi yang diperoleh penulis dapat bermanfaat
bagi penulis dan pembaca. Penulis ingin menyampaikan ucapan terima kasih
kepada semua pihak yang telah membantu serta membimbing penulis dalam
melaksanakan Magang MBKM sampai dengan tersusunnya laporan ini kepada:
1. Prof. Drs. Budi Pratikno, M.Stat.Sci., Ph.D, selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Jenderal Soedirman.
2. PT Mitranet Software Online yang telah memberikan kesempatan bagi penulis
untuk memperoleh ilmu dan pengalaman sebagai bekal memasuki dunia kerja.
3. Prof. Dr. Idha Sihwaningrum, M.Sc.St., selaku Ketua Jurusan Matematika
Universitas Jenderal Soedirman.
4. Ibu Niken Larasati, S.Si, M.Si., selaku Dosen Pembimbing Program MBKM
Magang yang telah memberikan kritik, saran, bimbingan, dan arahan yang
membangun selama penyusunan laporan akhir magang ini.
5. Ibu Tri Resmiati selaku Kadiv Umum yang telah memberikan pelayanan
administrasi kepada mahasiswa magang di PT MSO.
6. Ibu Indriana Suryadini, S.Kom., selaku PLT Kadiv core banking yang telah
bersedia menjadi pembimbing teknis dan juga memberikan bimbingan serta
dukungan selama magang di PT MSO.
7. Ibu Siti Mutmainah, S.E., selaku sekretaris divisi core banking yang selalu
membimbing dan membantu pekerjaan harian dari divisi core banking.
8. Bapak Burhan dan Ibu Irma Kusuma selaku orang tua penulis yang selalu
memberikan motivasi, baik material maupun spiritual.
9. Seluruh pegawai PT MSO yang telah memberikan dukungan, dan semangat
kepada penulis.
v
10. Seluruh pihak yang tidak dapat disebutkan yang telah membantu dalam
penyusunan laporan akhir magang.
Penulis menyadari bahwa laporan ini masih jauh dari kesempurnaan, baik
secara bahasa maupun aspek lainnya. Oleh karena itu, penulis mengharapkan kritik
dan saran yang bersifat membangun demi kesempurnaan laporan kerja praktik ini
agar dapat memberikan informasi yang bermanfaat kepada pembaca.
Hilman Adjie
NIM. K1B020065
vi
DAFTAR ISI
vii
DAFTAR PUSTAKA ........................................................................................... 15
LAMPIRAN A (Syntax)........................................................................................ 16
LAMPIRAN B (TOR)........................................................................................... 20
LAMPIRAN C (Logbook Kegiatan) ..................................................................... 29
LAMPIRAN D (Dokumentasi Kegiatan).............................................................. 32
LAMPIRAN E (Riwayat Hidup) .......................................................................... 34
viii
DAFTAR TABEL
Tabel 2.1 Jadwal Harian Senin – Jumat Pegawai Magang PT MSO ...................... 6
Tabel 2.2 Jadwal Harian Sabtu Pegawai Magang PT MSO.................................... 6
ix
DAFTAR GAMBAR
x
BAB 1
PENDAHULUAN
1
2
K-Means dapat juga diartikan merupakan metode klaster yang termasuk dalam
pendekatan partitioning. Algoritma K-Means dapat diartikan sebagai algoritma
pembelajaran yang sederhana untuk memecahkan suatu permasalahan
pengelompokan yang bertujuan untuk meminimalkan kesalahan ganda (Windarto,
2017). K-Means Clustering banyak digunakan dalam berbagai bidang dan efektif
dalam mendeteksi fraud dalam data transaksi saldo akhir nasabah.
1.3 Tujuan
Tujuan dalam pelaksanaan program ini terbagi menjadi dua yaitu tujuan
magang dan tujuan proyek.
1.3.1 Tujuan Magang
Tujuan dari pelaksanaan magang yaitu mahasiswa mengetahui suasana
dalam dunia kerja, melatih softskill dan hardskill, meningkatkan keterampilan,
memperluas networking, menambah kepercayaan diri dan melatih kedisiplinan.
1.3.2 Tujuan Proyek
Tujuan dari proyek akhir yaitu mengetahui adanya fraud pada data saldo
akhir nasabah menggunakan K-Means Clustering.
1.4 Manfaat
Manfaat dalam pelaksanaan program ini terbagi menjadi dua yaitu manfaat
magang dan manfaat proyek.
1.4.1 Manfaat Magang
Manfaat dari pelaksanaan magang yaitu mahasiswa mendapat pengalaman
kerja, networking, uang insentif, serta terjalin kerjasama yang baik antara
Universitas Jenderal Soedirman dan PT MSO.
3
4
5
klien, membuat template Risk Based Approach (RBA), membuat dashboard rekap
jumlah transaksi dari email maupun tiket CCS dari semua klien, mengekspor
laporan nominatif tabungan, kredit, akuntansi, deposito, neraca, mencatat tanggal
setiap disposisi yang masuk dan keluar, serta mengecek adanya fraud atau
kecurangan pada saldo akhir.
BAB 3
FRACTION (Fraud Detection)
7
8
kelompok lain (Mara & Intisari, 2013). Clustering dapat digunakan untuk
mengetahui struktur dalam data yang dapat dipakai lebih lanjut dalam berbagai
aplikasi secara luas seperti klasifikasi, pengolahan gambar, dan pengenalan pola.
Salah satu metode clustering adalah K-Means Clustering.
K-Means merupakan salah satu metode data clustering nonhierarki yang
berusaha mempartisi data yang ada dalam bentuk satu atau lebih klaster, sehingga
data dengan karakteristik yang sama dikelompokan dalam satu klaster yang sama
pula. Data dengan karakteristik yang berbeda dikelompokan dalam kelompok yang
lain. Metode yang termasuk dalam algoritma clustering berbasis jarak yang
membagi data kedalam sejumlah klaster dan algoritma ini hanya bekerja pada
atribut numerik (Talakua et al, 2017).
Adapun langkah-langkah melakukan clustering dengan metode K-Means
diketahui sebagai berikut:
1. Memilih jumlah cluster sebanyak K
2. Menginisialisasi sejumlah K pusat cluster. Pusat cluster diberi nilai awal
random.
3. Mengalokasikan semua data atau objek ke cluster terdekat. Kedekatan dua data
atau objek ditentukan berdasarkan jarak kedua data atau objek tersebut. Untuk
menghitung jarak data ke setiap titik pusat cluster dapat menggunakan teori jarak
Euclidean yang dirumuskan adalah:
2 2 2
𝐷𝑖,𝑗 = √(𝑥1𝑖 − 𝑥1𝑗 ) + (𝑥2𝑖 − 𝑥2𝑗 ) + ⋯ + (𝑥𝑘𝑖 − 𝑥𝑘𝑗 ) 3.1
dengan :
𝐷𝑖,𝑗 ∶ jarak data ke x𝑖 ke pusat 𝑐𝑙𝑢𝑠𝑡𝑒𝑟 𝑗;
𝑥 𝑘,𝑖 ∶ data ke 𝑖 pada atribut ke 𝑘;
𝑥 𝑘,𝑗 ∶ titik pusat ke 𝑗 pada atribut ke 𝑘.
4. Menghitung kembali pusat cluster dengan keanggotaan cluster yang sekarang.
Pusat cluster adalah rata-rata semua dari data atau objek dalam cluster tertentu.
Jika dikehendaki bisa juga menggunakan median dari cluster tersebut.
Menugaskan kembali setiap objek memakai pusat cluster yang baru. Jika pusat
cluster tidak berubah lagi maka proses clustering selesai. Atau kembali ke
langkah no. 3 sampai pusat cluster tidak berubah lagi.
9
Mulai
Buka Aplikasi
Berhasil
Masukan
Dataset
Tabungan
Nasabah
(csv)
Menampilkan nasabah
yang berpotensi
mengalami fraud
Dashboard
visualisasi
berdasarkan
variabel
3.3.3 Data
Data yang digunakan oleh penulis dalam mendeteksi adanya fraud adalah
laporan nominatif tabungan nasabah dengan mengambil beberapa kolom seperti
kode kantor, jenis produk, kecamatan, resiko nasabah, transaksi terakhir, saldo
awal, dan saldo akhir nasabah dari salah satu cabang BPR. Data tersebut diambil
dari MBS Online, terdapat 332 data yang disajikan dalam excel seperti Gambar 3.4.
4.1 Kesimpulan
Program magang adalah praktik kerja yang dilakukan penulis, dengan tujuan
untuk menerapkan ilmu pengetahuan dan kompetensi di dunia kerja secara
langsung. Kegiatan magang di PT MSO dalam periode bulan Agustus 2023 sampai
dengan Februari 2024 penulis mendapat banyak pengalaman, relasi, mengetahui
suasana dalam dunia kerja dan ilmu melalui proyek magang.
Aplikasi FRACTION merupakan aplikasi yang ditujukan untuk digunakan
pihak ketiga yaitu lembaga pengecekan transaksi keuangan seperti Otoritas Jasa
Keuangan (OJK). Aplikasi ini digunakan sebagai alat untuk menemukan adanya
indikasi awal fraud pada saldo akhir nasabah yang disebabkan oleh berbagai faktor
seperti, kesalahan sistem, missing values, manipulasi data, dan lainnya. Pada proyek
magang, penulis mencoba menemukan fraud pada laporan nominatif tabungan dari
332 nasabah. Setelah melakukan analisa menggunakan metode K-Means
Clustering, didapatkan hasil 9 nasabah atau sekitar 2,7% potensial fraud.
4.2 Saran
Berdasarkan kesimpulan yang telah diambil, maka didapati beberapa saran
sebagai berikut:
14
DAFTAR PUSTAKA
Talakua, M. W., Leleury, Z. A., dan Taluta, A. W. (2017). Analisis cluster dengan
menggunakan metode k-means untuk pengelompokkan Kabupaten/Kota di
provinsi maluku berdasarkan indikator indeks pembangunan manusia tahun
2014. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 11(2), 119-128.
15
LAMPIRAN A (Syntax)
import numpy as np
import pandas as pd
import streamlit as st
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import base64
import matplotlib.pyplot as plt
import seaborn as sns
---
''')
st.markdown('''
Aplikasi ini menggunakan metode deteksi fraud pada saldo akhir
nasabah BPR dengan memanfaatkan algoritma k-means clustering.
Berikut langkah-langkah cara kerja aplikasi:
16
# secrets.toml digunakan untuk menyimpan kredensial atau data
sensitif yang ingin Anda gunakan di aplikasi Anda, seperti
username dan password untuk otentikasi.
# Dalam contoh dibawah, kita memiliki dua kunci, yaitu username
dan password, yang akan digunakan dalam aplikasi Streamlit. file
ini aman dan tidak diunggah ke repositori publik karena berisi
informasi rahasia.
# File secrets.toml harus ditempatkan di direktori .streamlit di
direktori project kita. Streamlit akan secara otomatis akan
mengenali dan membaca file ini ketika aplikasi Anda dijalankan.
USERNAME = st.secrets["username"]
PASSWORD = st.secrets["password"]
# Otentikasi Pengguna
user_auth = st.sidebar.text_input("username:")
password_auth = st.sidebar.text_input("password:",
type="password")
# Validasi Otentikasi
if user_auth == USERNAME and password_auth == PASSWORD:
st.success("Otentikasi berhasil! Anda dapat mengakses
aplikasi.")
else:
st.error("Otentikasi gagal. Silakan coba lagi atau hubungi
administrator.")
st.stop()
data = pd.read_csv(uploaded_file)
if set(required_columns).issubset(data.columns):
st.success("Dataset berisi kolom yang diperlukan.")
else:
st.error(f"Dataset tidak memiliki kolom yang diperlukan.
Kolom yang diperlukan: {', '.join(required_columns)}")
st.stop()
17
# Pilih fitur yang akan digunakan untuk clustering (misalnya,
hanya saldo akhir)
X = data[['SALDO AKHIR']]
18
variable_to_plot = st.selectbox("Pilih variabel:",
['KECAMATAN', 'PRODUK', 'KANTOR', 'RESIKO'])
else:
st.warning("Silakan unggah file CSV untuk melanjutkan.")
19
LAMPIRAN B (TOR)
20
21
22
23
24
25
26
27
28
LAMPIRAN C (Logbook Kegiatan)
29
1. Input surat masuk (Buku dan SISM)
Minggu 10 2. Membuat draft surat balasan klien
(23 – 28 Oktober) 3. Mengirim email surat balasan
2023 4. Scan dan arsip berita acara
Minggu 11 1. Input surat masuk (Buku dan SISM)
(30 Oktober – 4 November) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
30
4. Merekap SLA setiap BPR
5. Pembuatan laporan akhir magang
1. Input surat masuk (Buku dan SISM)
Minggu 21 2. Membuat draft surat balasan klien
(15 - 20 Januari) 3. Mengirim email surat balasan
2024 4. Merekap SLA setiap BPR
5. Pembuatan laporan akhir magang
1. Input surat masuk (Buku dan SISM)
Minggu 22 2. Membuat draft surat balasan klien
(22 - 27 Januari) 3. Mengirim email surat balasan
2024 4. Download software C6 pada ip BPR Kebumen
5. Pembuatan laporan akhir magang
1. Input surat masuk (Buku dan SISM)
Minggu 23 2. Membuat draft surat balasan klien
(29 Januari – 3 Februari) 3. Mengirim email surat balasan
2024 4. Sosialisasi software C6 analisa kredit online di Kebumen
5. Merekap SLA setiap BPR
6. Pembuatan laporan akhir magang
1. Input surat masuk (Buku dan SISM)
Minggu 24 2. Membuat draft surat balasan klien
(5 – 10 Februari) 3. Mengirim email surat balasan
2024 4. Merekap surat masuk dan surat keluar all klien per Januari
5. Pembuatan laporan akhir magang
Minggu 25 1. Input surat masuk (Buku dan SISM)
(12 – 17 Februari) 2. Membuat draft surat balasan klien
2024 3. Mengirim email surat balasan
4. Membuat draft jurnal H2H (dari umum ke ob)
1. Input surat masuk (Buku dan SISM)
Minggu 26 2. Membuat draft surat balasan klien
(19 – 22 Februari) 3. Mengirim email surat balasan
2024 4. Evaluasi kinerja pegawai magang
5. Acara pelepasan pegawai magang
31
LAMPIRAN D (Dokumentasi Kegiatan)
32
Workshop C6 Aplikasi Analisa Kredit di PT BPR BKK Kebumen
33
LAMPIRAN E (Riwayat Hidup)
34