PERBANDINGAN ALGORITMA NAÏVE BAYES DAN SVM UNTUK ANALISIS PENYALAHGUNAAN KEJAHATAN CARDING

Abstract

Carding merupakan salah satu wujud aksi kejahatan siber( cybercrime) yang berkaitan dengan dunia perbankan ialah kartu kredit. Kejahatan tersebut merupakan metode pencurian no kartu kredit dari web sah ataupun spammer serta memakainya demi keuntungan pribadi. Permasalahan penipuan ini susah diidentifikasi sehingga yang sering dirasakan oleh korban carding merupakan kemunculan rasa ragu yang terus menerus dikala hendak memakai sistem belanja kartu kredit. Berdasarkan permasalahan ini, maka peneliti  ingin dapat menganalisa kejahatan carding tersebut menggunakan dua algoritma machine learning yaitu Naïve Bayes dan Support vector machine sehingga dapat membantu mendeteteksi kejahatan carding. Berdasarkan hasil penelitian dapat disimpulkan bahwasanya penyalahgunaan kejahatan carding dapat di prediksi secara akurat baik itu menggunakan Algoritma Naïve Bayes dan Support vector machine. Akan tetapi Algoritma Support Machine lebih akurat daripada Naïve Bayes. Algoritma Support Machine mendapatkan skor 99% lebih tinggi 1% daripada Naïve Bayes. Hal ini dikarenakan Pengklasifikasi Support vector machine menawarkan akurasi tinggi dan bekerja dengan baik.