LAPORAN AKHIR

MAGANG PERJANJIAN KERJA SAMA

FRACTION : Web Apps Deteksi Fraud pada Saldo Akhir Nasabah BPR

DI PT MITRANET SOFTWARE ONLINE

Diajukan untuk memenuhi persyaratan kelulusan

Program Magang Perjanjian Kerja Sama Merdeka Belajar Kampus Merdeka

Oleh:
Hilman Adjie / K1B020065

KEMENTERIAN PENDIDIKAN, KEBUDAYAAN, RISET, DAN TEKNOLOGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN MATEMATIKA
PURWOKERTO
2024
 ABSTRAKSI

Magang merupakan salah satu program pendidikan yang diperkenalkan oleh

Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia.
Program Merdeka Belajar Kampus Merdeka (MBKM) di luar perguruan tinggi
memberikan kebebasan kepada mahasiswa dalam mengembangkan minat dan bakat
mereka di luar kurikulum formal yang ditetapkan oleh perguruan tinggi. PT
Mitranet Software Online merupakan sebuah perusahaan yang bergerak di bidang
pengembangan Teknologi Sistem Informasi perbankan berbasis teknologi
informasi realtime online. PT Mitranet Software Online memiliki tujuan untuk
memenuhi kebutuhan software core banking Bank Perkreditan Rakyat (BPR)
konvensional berikut dengan add-on aplikasi software pendukungnya. Terdapat 3
(tiga) divisi dalam struktur perusahaan, yaitu divisi core banking, divisi support
pelayanan, dan divisi digital banking. Kegiatan magang di PT Mitranet Software
Online selama enam bulan, penulis ditempatkan di divisi core banking. Topik akhir
magang adalah membuat aplikasi berbasis web dengan framework streamlit untuk
mendeteksi fraud pada saldo akhir nasabah BPR. Aplikasi tersebut dinamakan
FRACTION yang menggunakan metode K-Means Clustering untuk mempartisi
data yang ada dalam bentuk satu atau lebih cluster, sehingga data dengan
karakteristik yang sama dikelompokkan dalam satu cluster yang sama. Pada studi
kasus data nominatif tabungan BPR dari 332 nasabah, setelah dilakukan
pengecekan menggunakan aplikasi FRACTION, menunjukkan bahwa 9 nasabah
atau sekitar 2,7% nasabah terdeteksi terindikasi mengalami fraud.
Kata Kunci : magang, BPR, FRACTION, fraud, K-Means Clustering

iii
 ABSTRACT

Internship is one of the educational programs introduced by the Ministry of

Education, Culture, Research and Technology of the Republic of Indonesia. The
Merdeka Learning Campus Merdeka (MBKM) program outside of college gives
students the freedom to develop their interests and talents outside the formal
curriculum set by the college. PT Mitranet Software Online is a company engaged
in the development of banking Information System Technology based on online
realtime information technology. PT Mitranet Software Online aims to fulfill the
core banking software needs of conventional Rural Banks (BPR) along with add-
on software applications. There are 3 (three) divisions in the company structure,
namely the core banking division, service support division, and digital banking
division. Internship activities at PT Mitranet Software Online for six months, the
author was placed in the core banking division. The final topic of the internship
was to create a web-based application with the streamlit framework to detect fraud
in the final balance of BPR customers. The application is called FRACTION which
uses the K-Means Clustering method to partition existing data into one or more
clusters, so that data with the same characteristics are grouped in the same cluster.
In the case study of BPR savings nominative data from 332 customers, after
checking using the FRACTION application, it shows that 9 customers or around
2.7% of customers are detected as indicating fraud.
Keywords : internship, BPR, FRACTION, fraud, K-Means Clustering

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.

Purwokerto, 16 Februari 2024

Hilman Adjie
NIM. K1B020065

vi
 DAFTAR ISI

LEMBAR PENGESAHAN ..................................................................................... i

ABSTRAKSI.......................................................................................................... iii
ABSTRACT ............................................................................................................. iv
KATA PENGANTAR ............................................................................................ v
DAFTAR ISI ......................................................................................................... vii
DAFTAR TABEL .................................................................................................. ix
DAFTAR GAMBAR .............................................................................................. x
BAB 1 PENDAHULUAN...................................................................................... 1
1.1 Latar Belakang .............................................................................................. 1
1.2 Rumusan Masalah ........................................................................................ 2
1.3 Tujuan ........................................................................................................... 2
1.3.1 Tujuan Magang ..................................................................................... 2
1.3.2 Tujuan Proyek ....................................................................................... 2
1.4 Manfaat ......................................................................................................... 2
1.4.1 Manfaat Magang ................................................................................... 2
1.4.2 Manfaat Proyek ..................................................................................... 3
BAB 2 ORGANISASI PT MITRANET SOFTWARE ONLINE .......................... 4
2.1 Struktur Organisasi ....................................................................................... 4
2.2 Lingkup Pekerjaan ........................................................................................ 4
2.3 Deskripsi Pekerjaan ...................................................................................... 5
2.4 Jadwal Kerja ................................................................................................. 6
BAB 3 FRACTION (Fraud Detection) ................................................................. 7
3.1 Kecurangan (Fraud) ..................................................................................... 7
3.2 K-Means Clustering ...................................................................................... 7
3.3 K-Means Clustering Menggunakan Phyton dan Framework Streamlit ....... 9
3.3.1 Work Flow Web Apps FRACTION ....................................................... 9
3.3.2 Landing Page Web Apps FRACTION ................................................ 10
3.3.3 Data ..................................................................................................... 10
3.3.4 Analisis Data ....................................................................................... 11
BAB 4 PENUTUP ................................................................................................ 14
4.1 Kesimpulan ................................................................................................. 14
4.2 Saran ........................................................................................................... 14

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

Gambar 2.1 Logo PT Mitranet Software Online ..................................................... 5

Gambar 2.2 Struktur Organisasi PT Mitranet Software Online .............................. 5
Gambar 3.1 Fraud yang paling banyak terjadi di Indonesia
(Survei Fraud Indonesia 2019) .......................................................... 7
Gambar 3.2 Workflow Aplikasi FRACTION ......................................................... 9
Gambar 3.3 Landing page web apps FRACTION ............................................... 10
Gambar 3.4 Data Mutasi Saldo Nasabah ............................................................. 10
Gambar 3.5 Perbandingan Nasabah Potensial Fraud dan Tidak Fraud ............... 11
Gambar 3.6 Daftar Nasabah Potensial Fraud ...................................................... 11
Gambar 3.7 Persebaran Nasabah Potensial Fraud Berdasarkan Kecamatan ....... 12
Gambar 3.8 Persebaran Nasabah Potensial Fraud Berdasarkan Kantor .............. 12
Gambar 3.9 Persebaran Nasabah Potensial Fraud Berdasarkan Produk ............. 13
Gambar 3.10 Persebaran Nasabah Potensial Fraud Berdasarkan Resiko ............ 13

x
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Kampus Merdeka merupakan wujud pembelajaran di perguruan tinggi yang
otonom dan fleksibel sehingga tercipta kultur belajar yang inovatif, tidak
mengekang, dan sesuai dengan kebutuhan mahasiswa. Merdeka Belajar Kampus
Merdeka adalah kebijakan Menteri Pendidikan dan Kebudayaan yang bertujuan
mendorong mahasiswa agar menguasai berbagai keilmuan untuk memasuki dunia
kerja (Simatupang & Yuhertiana, 2021). Berbagai bentuk kegiatan belajar di luar
perguruan tinggi, di antaranya melakukan magang di industri atau tempat kerja
lainnya, melaksanakan proyek pengabdian kepada masyarakat di desa, mengajar di
satuan pendidikan, mengikuti pertukaran mahasiswa, melakukan penelitian,
melakukan kegiatan kewirausahaan, membuat studi/proyek independen, dan
mengikuti program kemanusisaan. Oleh karena itu, seiring dengan tujuan program
kampus merdeka, PT Mitranet Software Online ikut bekerjasama dalam program
magang MBKM tahun 2023.
PT Mitranet Software Online merupakan sebuah perusahaan yang bergerak
di bidang pengembangan Teknologi Sistem Informasi perbankan berbasis teknologi
informasi realtime online. PT MSO memiliki tujuan untuk memenuhi kebutuhan
software core banking Bank Perkreditan Rakyat (BPR) konvensional berikut add-
on aplikasi softaware pendukungnya. Saat ini PT MSO memiliki total 72 klien
dengan rincian 64 BPR dan 9 Koperasi Simpan Pinjam (Kospin).
PT MSO sebagai mitra Jurusan Matematika Universitas Jenderal Soedirman
menyediakan fasilitas kepada mahasiswa untuk melaksanakan program magang
selama 6 bulan. Kegiatan yang dilakukan adalah ekspor laporan nominatif kredit
semua klien, ekspor laporan nominatif tabungan semua klien, menghitung PYAD
manual dari semua BPR untuk dibandingkan dengan PYAD sistem, cleaning data
agunan BPR sebelum migrasi data, membuat surat balasan backdate, membuat
laporan kinerja SLA semua klien, mengirim e-mail pemberitahuan (update versi
MBS-Online, backdate dan proses ulang, hasil Koreksi OJK), membuat laporan
bulanan dan mendeteksi fraud dengan algoritma K-Means Clustering.

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.

1.2 Rumusan Masalah

Berkaitan dengan latar belakang yang telah diuraikan sebelumya, dalam
proyek ini masalah yang akan diteliti adalah bagaimana mendeteksi adanya fraud
pada data saldo akhir nasabah menggunakan K-Means Clustering?

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

1.4.2 Manfaat Proyek

Manfaat dari proyek akhir yaitu menjadi sarana bagi penulis dalam
mengkaji K-Means Clustering di pyhton dan menerapkan dalam mendeteksi fraud
dari data saldo akhir nasabah.
 BAB 2
ORGANISASI PT MITRANET SOFTWARE ONLINE

2.1 Struktur Organisasi

PT Mitranet Software Online merupakan perusahaan pengembangan sistem
pengolahan data keuangan dan layanan perbankan elektronik berbasis teknologi
informasi online real-time dan menyediakan layanan untuk desain dan
pengembangan jaringan LAN dan WAN, router jaringan, situs web, termasuk
desain perangkat keras / perangkat lunak, pemrograman dan pemeliharaan serta
Pengadaan barang dan jasa bagi Bank Perkreditan Rakyat (BPR).
PT Mitranet Software Online merupakan kelanjutan dari CV. MSO
berdasarkan akta pendirian perseroan terbatas No.02 tanggal 04 Februari 2015
melalui Notaris Ahmad Priyo Susetyo, S.H. di Purwokerto Jawa Tengah dan
berdasarkan pengukuhan Ditjend AHU Kementrian Hukum dan Hak Asasi Manusia
Republik Indonesia tanggal 11 Februari 2015. Logo perusahaan dan struktur
organisasi PT MSO disajikan pada Gambar 2.1 dan Gambar 2.2.

2.2 Lingkup Pekerjaan

Berdasarkan Gambar 2.2, PT Mitranet Software Online dipimpin oleh
direktur yang mengoordinasi divisi masing-masing. Divisi support, divisi core
banking, dan divisi digital banking dipimpin oleh direktur operasional, divisi
umum, dan divisi keuangan dipimpin oleh direktur keuangan. Adapun penempatan
divisi mahasiswa magang dilakukan selama satu kali pada awal berlangsungnya
kegiatan. Selama 6 (enam) bulan, penulis ditempatkan pada divisi core banking.
Divisi core banking merupakan divisi yang memiliki tugas utama dalam melayani
permasalahan atau permintaan klien dalam sistem informasi teknologi perbankan.
Divisi core banking tersusun dari beberapa subdivisi pendukung yang masing-
masing dipimpin oleh seorang kepala subdivisi. Subdivisi tersebut yaitu subdivisi
pengembangan, subdivisi implementator, subdivisi helpdesk, dan sekretaris
pelayanan.

4
 5

Gambar 2.1 Logo PT Mitranet Software Online

Gambar 2.2 Struktur Organisasi PT Mitranet Software Online

2.3 Deskripsi Pekerjaan

Pekerjaan yang dilakukan di divisi core banking di bidang administrasi
terbagi dua yaitu pekerjaan rutin harian dan pekerjaan rutin bulanan. Pekerjaan rutin
harian antara lain menerima surat request dari BPR dan Kospin, membuat draft
surat balasan, mengirim surat balasan melalui email dan mengarsipkan surat. Selain
itu terdapat pekerjaan tambahan seperti menghitung nilai Pendapatan Yang Akan
Diterima (PYAD) manual untuk dibandingkan dengan nilai PYAD sistem,
melakukan cleaning data untuk data inventaris sebelum dilakukan migrasi data
BPR, Simulasi cek balance closing akhir tahun dari laba rugi dan neraca dari semua
 6

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.

2.4 Jadwal Kerja

Program magang di PT MSO dilakukan selama enam bulan dimulai pada
tanggal 23 Agustus 2023 hingga 22 Februari 2024. Rincian jadwal kegiatan harian
disajikan dalam Tabel 2.1 dan Tabel 2.2 sebagai berikut.
Tabel 2.1 Jadwal Harian Senin – Jumat Pegawai Magang PT MSO

No Nama Kegiatan Pukul

1. Briefing pagi 08.00 - 08.30
2. Bekerja 08.30 - 12.00
3. Ishoma 12.00 - 13.00
4. Bekerja 13.00 – 17.00

Tabel 2.2 Jadwal Harian Sabtu Pegawai Magang PT MSO

No Nama Kegiatan Pukul

1. Briefing pagi 08.15 - 08.40
2. Bekerja 08.40 - 12.00
3. Ishoma 12.00 - 12.30
4. Bekerja 12.30 - 13.15
 7

BAB 3
FRACTION (Fraud Detection)

3.1 Kecurangan (Fraud)

Fraud merupakan pelanggaran yang disengaja oleh seseorang dengan tujuan
mendapatkan keuntungan pribadi (Bwarleling, 2017). ACFE yang merupakan
orgasisasi anti kecurangan terbesar di dunia, mendefinisikan bahwa fraud
merupakan segala aktivitas yang mengandalkan tindak penipuan untuk mencari
keuntungan (ACFE, 2020). Berdasarkan hasil survei oleh ACFE yang melibatkan
239 responden menunjukkan bahwa fraud yang paling banyak terjadi di Indonesia
adalah korupsi dengan persentase sebesar 64,4%, kemudian penyalahgunaan
aktiva/kekayaan negara dan perusahaan sebesar 28,9% dan fraud penyalahgunaan
laporan keuangan sebanyak 6,7%.

Gambar 3.1 Fraud yang paling banyak terjadi di Indonesia

(Survei Fraud Indonesia 2019)

Faktor risiko terjadinya fraud dikelompokkan menjadi lima antara lain

tekanan finansial perusahaan, pembatasan yang dikenakan kepada perusahaan,
beberapa keputusan bisnis yang kurang tepat, kondisi ekonomi eksternal dan
kesulitan hukum yang dialami perusahaan (Bwawerling, 2017). Faktor risiko fraud
yang dilakukan oleh karyawan disebabkan oleh tekanan kondisi keuangan pribadi
sehingga mendorong untuk melakukan tindakan fraud.

3.2 K-Means Clustering

Analisis pengelompokan (clustering) merupakan proses membagi data dalam
suatu himpunan ke dalam beberapa kelompok yang kesamaan datanya dalam suatu
kelompok lebih besar daripada kesamaan data tersebut dengan data dalam

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

3.3 K-Means Clustering Menggunakan Phyton dan Framework Streamlit

3.3.1 Work Flow Web Apps FRACTION
Langkah-langkah pengklasifikasian menggunakan K-Means dalam aplikasi
Phyton tersaji pada Gambar 3.2.

Mulai

Buka Aplikasi

Autentikasi Gagal Hubungi

/ Login Administrator

Berhasil

Masukan
Dataset
Tabungan
Nasabah
(csv)

Menampilkan nasabah
yang berpotensi
mengalami fraud

Dashboard
visualisasi
berdasarkan
variabel

Download Audit Data

Gambar 3.2 Workflow Aplikasi FRACTION

 10

3.3.2 Landing Page Web Apps FRACTION

Halaman utama FRACTION menampilkan deskripsi umum petunjuk
penggunaan aplikasi FRACTION serta dataset untuk memulai program.

Gambar 3.3 Landing page web apps FRACTION

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.

Gambar 3.4 Data Mutasi Saldo Nasabah

 11

3.3.4 Analisis Data

Pada tahap ini data yang telah memenuhi kriteria yang diperlukan untuk
memulai aplikasi FRACTION dilakukan standarisasi menggunakan
‘StandardScaler’ dari library scikit-learn. Algoritma K-Means Clustering
diterapkan dengan jumlah klaster menjadi 2, nasabah diberikan klaster 0 atau
klaster 1 berdasarkan data kolom saldo akhir. Nasabah dalam klaster bukan
mayoritas dianggap berpotensi melakukan kecurangan, ini didasarkan pada asumsi
bahwa perilaku tidak biasa mungkin menunjukan aktivitas penipuan. Klaster
minoritas diidentifikasi menggunakan fungsi ‘mode()’. Berdasarkan Gambar 3.5
terdapat 9 atau sebesar 2.7% nasabah yang berpotensi mengalami fraud dari total
nasabah 323, dan daftar nasabah yang terindikasi fraud tersaji pada Gambar 3.6.

Gambar 3.5 Perbandingan Nasabah Potensial Fraud dan Tidak Fraud

Gambar 3.6 Daftar Nasabah Potensial Fraud

 12

Selanjutnya, untuk mengetahui persebaran nasabah yang berpotensi mengalami

fraud terdapat visualisasi bar chart dengan parameter kecamatan nasabah, produk
keuangan, kantor cabang, dan profil resiko nasabah.

Gambar 3.7 Persebaran Nasabah Potensial Fraud Berdasarkan Kecamatan

Gambar 3.8 Persebaran Nasabah Potensial Fraud Berdasarkan Kantor

 13

Gambar 3.9 Persebaran Nasabah Potensial Fraud Berdasarkan Produk

Gambar 3.10 Persebaran Nasabah Potensial Fraud Berdasarkan Resiko

 BAB 4
PENUTUP

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:

1. PT MSO diharapkan memberikan pelatihan / bootcamp kepada pegawai magang

mengenai dunia perbankan dan memberikan kesempatan pegawai magang di
libatkan kedalam proyek yang sedang dikembangkan.
2. PT MSO diharapkan menganalisis lebih lanjut mengenai hasil deteksi nasabah
yang terindikasi fraud dengan melakukan proses audit end-to-end

14
 DAFTAR PUSTAKA

ACFE Indonesia Chapter#111. (2020). Survei Fraud Indonesia 2019. Jakarta:

ACFE Indonesia Chapter, 20.

Bwarleling, T. H. (2017). "Pendeteksian Fraud Dengan Hukum Benford. " Jurnal

Akuntansi Bisnis 4(2): 56–74

Mara, N., dan Intisari, N. S. (2013). Pengklasifikasian Karakteristik dengan Metode

K-Means Cluster Analysis. In Buletin Ilmiah Mat. Stat. dan Terapannya
(Bimaster) (Vol. 02, Issue 2).

Simatupang, E., dan Yuhertiana, I. (2021). Merdeka belajar kampus merdeka

terhadap perubahan paradigma pembelajaran pada pendidikan tinggi:
Sebuah tinjauan literatur. Jurnal Bisnis, Manajemen, Dan Ekonomi, 2(2),
30-38.

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.

Windarto, A. P. (2017). Penerapan Datamining pada Ekspor Buah-Buahan Menurut

Negara Tujuan Menggunakan K-Means Clustering Method. Techno. Com,
16(4), 348-357.

Yolanda, E. (2023). Penerapan Algoritma K-Means Clustering untuk

Pengelompokan Data Pasien Rehabilitasi Narkoba. KLIK: Kajian Ilmiah
Informatika dan Komputer, 4(1), 182-191.

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

# Judul Aplikasi Web

st.markdown('''
# **FRACTION - APLIKASI DETEKSI FRAUD PADA SALDO AKHIR NASABAH
BPR**
---

**Credit:**App built in `Python` + `Streamlit` by [CUCU JENDRAL

TEAMS]

---
''')

# Menambahkan gambar pada aplikasi

image_url = 'https://img.freepik.com/free-photo/fraud-word-
magnifying-glass_23-
2148783089.jpg?size=626&ext=jpg&ga=GA1.1.335645936.1700024977&semt
=aisg'
st.image(image_url, caption='Gambar Ilustrasi',
use_column_width=True)

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:

1. **Otentikasi Pengguna:** Pengguna diharuskan untuk melakukan

login dengan username dan password.
2. **Unggah Data:** Pengguna dapat mengunggah file CSV yang
mengandung kolom seperti 'NASABAH ID', 'SALDO AKHIR', dan 'TRANS
TERAKHIR'.
3. **Deteksi Fraud:** Aplikasi akan melakukan analisis data
menggunakan k-means clustering pada fitur saldo akhir.
4. **Hasil Deteksi:** Menampilkan informasi nasabah yang
berpotensi mengalami fraud, perbandingan nasabah potensial fraud
dan tidak fraud, serta visualisasi persebaran nasabah potensial
fraud berdasarkan variabel tertentu.
5. **Download Audit Data:** Pengguna dapat mengunduh data audit
nasabah potensial fraud dalam format CSV.

Pastikan dataset yang diunggah mengandung kolom yang diperlukan,

seperti 'NASABAH ID', 'SALDO AKHIR', dan 'TRANS TERAKHIR' untuk
hasil yang akurat.
''')

# Fitur Keamanan: Otentikasi

# Accessing the secrets

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.

# Tulisan di atas sidebar login

st.sidebar.title("LOGIN TO FRACTION")

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()

# Upload CSV data

with st.sidebar.header('1. Upload your CSV data'):
uploaded_file = st.sidebar.file_uploader("Upload your input
CSV file", type=["csv"])

# Definisi fungsi untuk mendapatkan tautan unduhan CSV

def get_table_download_link(df):
csv = df.to_csv(index=False)
b64 = base64.b64encode(csv.encode()).decode() # Convert to
base64 encoding
href = f'<a href="data:file/csv;base64,{b64}"
download="fraud_audit.csv">Download CSV</a>'
return href

# Load dataset dari file yang sudah diupload

if uploaded_file is not None:
# Validasi Nama Kolom
required_columns = ['NASABAH ID', 'SALDO AKHIR', 'TRANS
TERAKHIR']

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']]

# Standarisasi fitur menggunakan StandardScaler

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# Menentukan jumlah cluster (bisa disesuaikan sesuai

kebutuhan)
num_clusters = 2

# Membuat model k-means

kmeans = KMeans(n_clusters=num_clusters, random_state=42)
data['cluster'] = kmeans.fit_predict(X_scaled)

# Menampilkan nasabah yang berada di cluster minoritas

(potensial fraud)
fraudulent_customers = data[data['cluster'] !=
data['cluster'].mode().iloc[0]]

# Menampilkan hasil di Streamlit dengan fitur audit

st.header("Nasabah yang berpotensi mengalami fraud:")

for index, row in fraudulent_customers.iterrows():

st.write(f"**Nasabah ID:** {row['NASABAH ID']}")
st.write(f"**Saldo Akhir:** {row['SALDO AKHIR']}")
st.write(f"**Detail Transaksi Terakhir:** {row['TRANS
TERAKHIR']}") # Ganti dengan kolom yang sesuai
st.write("---") # Garis pemisah antara nasabah

# Visualisasi pie chart

st.header("Perbandingan Nasabah Potensial Fraud dan Tidak
Fraud")

# Hitung jumlah nasabah berpotensi fraud dan tidak fraud

fraudulent_count = fraudulent_customers.shape[0]
non_fraudulent_count = data.shape[0] - fraudulent_count

# Buat data untuk pie chart

fraud_data = [fraudulent_count, non_fraudulent_count]
labels = ['Potensial Fraud', 'Tidak Fraud']

# Plot pie chart

fig, ax = plt.subplots()
ax.pie(fraud_data, labels=labels, autopct='%1.1f%%',
startangle=90, colors=['red', 'green'])
ax.axis('equal') # Equal aspect ratio ensures that pie is
drawn as a circle.

# Tampilkan gambar Matplotlib tanpa menyimpannya

st.write(fig)

# Tambahkan visualisasi bar chart

st.header("Persebaran Nasabah Potensial Fraud")

# Pilih variabel untuk diplot

18
 variable_to_plot = st.selectbox("Pilih variabel:",
['KECAMATAN', 'PRODUK', 'KANTOR', 'RESIKO'])

# Buat diagram batang menggunakan Seaborn

plt.figure(figsize=(10, 6))
sns.countplot(x=variable_to_plot, data=fraudulent_customers,
hue=variable_to_plot)
plt.title(f'Persebaran Nasabah Potensial Fraud Berdasarkan
{variable_to_plot}')
plt.xlabel(variable_to_plot)
plt.ylabel('Jumlah Nasabah Potensial Fraud')
plt.xticks(rotation=45, ha='right')
st.pyplot(plt)
st.write("---")

# Tambahkan opsi untuk mengunduh data audit dalam format CSV

st.markdown("### Download Audit Data")
st.write("Anda bisa mengunduh data audit nasabah yang
berpotensi mengalami fraud.")
st.markdown(get_table_download_link(fraudulent_customers),
unsafe_allow_html=True)

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)

Waktu Deskripsi Pekerjaan

1. Masa orientasi pengenalan setiap divisi

2. Membuat surat pemberitahuan update MBS
Minggu 1 3. Membuat draft surat balasan
(23 – 26 Agustus) 4. Mengirim surat balasan
2023 5. Arsip semua proses surat
6. Arsip berita acara
7. Instalasi MBS-Online & MBS-Admin
8. Patching MBS-Online & MBS-Admin
9. Switching database MBS Online ke MBS Backup
10.Mengikuti kegiatan tasyakuran HUT RI
1. Pengenalan menu dan fitur MBS Online
2. Menghitung PYAD manual untuk dibandingkan dengan
Minggu 2 PYAD sistem all klien
(28 Agustus – 2 September) 3. Finalisasi hitungan PYAD manual semua klien
2023 4. Arsip berita acara
5. Arsip semua proses surat
6. Mengirimkan surat balasan
7. Membuat draft surat balasan
1. Input surat masuk (Buku dan SISM)
Minggu 3
2. Membuat draft surat balasan klien
(4 – 9 September)
3. Mengirim email surat balasan
2023
4. Mencatat proses request tiket dari klien
Minggu 4 1. Input surat masuk (Buku dan SISM)
(11 – 16 September) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Mencatat proses request tiket dari klien
Minggu 5 1. Input surat masuk (Buku dan SISM)
(18 – 23 September) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Mencatat proses request tiket dari klien
1. Input surat masuk (Buku dan SISM)
Minggu 6 2. Membuat draft surat balasan klien
(25 – 30 September) 3. Mengirim email surat balasan
2023 4. Mencatat proses request tiket dari klien
5. Membuat dashboard kepuasan pelatihan CKPN dari BPR
Minggu 7 1. Input surat masuk (Buku dan SISM)
(2 – 7 Oktober) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Mencatat proses request tiket dari klien
Minggu 8 1. Input surat masuk (Buku dan SISM)
(9 – 14 Oktober) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Mencatat proses request tiket dari klien
Minggu 9 1. Input surat masuk (Buku dan SISM)
(16 – 21 Oktober) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Mencatat proses request tiket dari klien

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

Minggu 12 1. Input surat masuk (Buku dan SISM)

(6 – 11 November) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Export laporan nominatif kredit 4 BPR
Minggu 13 1. Input surat masuk (Buku dan SISM)
(13 – 18 November) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
Minggu 13 1. Input surat masuk (Buku dan SISM)
(20 – 25 November) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
1. Input surat masuk (Buku dan SISM)
Minggu 14 2. Membuat draft surat balasan klien
(27 November – 2 Desember) 3. Mengirim email surat balasan
2023 4. Memisahkan sheet file agunan gabungan BPR menjadi
partisi file per BPR
Minggu 15 1. Input surat masuk (Buku dan SISM)
(4 - 9 Desember) 2. Membuat draft surat balasan klien
2023 3. Mengirim email surat balasan
4. Cleaning data aset inventaris BPR Batang semua KC
1. Input surat masuk (Buku dan SISM)
Minggu 16 2. Membuat draft surat balasan klien
(11 - 16 Desember) 3. Mengirim email surat balasan
2023 4. Menghitung nilai ledger dan sub-ledger dari Neraca dan
Laba Rugi bulan Desember all klien
1. Input surat masuk (Buku dan SISM)
Minggu 17 2. Membuat draft surat balasan klien
(18 - 23 Desember) 3. Mengirim email surat balasan
2023 4. Menghitung nilai ledger dan sub-ledger dari Neraca dan
Laba Rugi bulan Desember all klien
1. Input surat masuk (Buku dan SISM)
Minggu 18 2. Input surat masuk (Buku dan SISM)
(25 - 30 Desember) 3. Membuat draft surat balasan klien
2023 4. Mengirim email surat balasan
5. Menghitung nilai ledger dan sub-ledger dari Neraca dan
Laba Rugi bulan Desember all klien
1. Input surat masuk (Buku dan SISM)
Minggu 19 2. Membuat draft surat balasan klien
(1 - 6 Januari) 3. Mengirim email surat balasan
2024 4. Merekap SLA setiap BPR
5. Pembuatan laporan akhir magang
Minggu 20 1. Input surat masuk (Buku dan SISM)
(8 - 13 Januari) 2. Membuat draft surat balasan klien
2024 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)

Briefing Pagi Seluruh Divisi

Briefing Divisi Corebanking

32
Workshop C6 Aplikasi Analisa Kredit di PT BPR BKK Kebumen

Sesi Tanya Jawab Workshop

33
 LAMPIRAN E (Riwayat Hidup)

Nama : Hilman Adjie

NIM : K1B020065
Tempat, Tanggal Lahir : Bekasi, 19 Februari 2002
Jenis Kelamin : Laki-laki
Alamat Asal : Bonang II, Jatiasih, RT 001/RW 07, Kota Bekasi
Telepon : 087875379587
E-mail : hilman.adjie@mhs.unsoed.ac.id
Riwayat Pendidikan :
1. SD Negeri 3 Jatiasih, Kota Bekasi, 2008 – 2014
2. SMP Negeri 12 Kota Bekasi, 2014 – 2017
3. SMA Negeri 6 Kota Bekasi, 2017- 2020
4. Universitas Jenderal Soedirman : Angkatan 2020

34