PERANCANGAN DAN IMPLEMENTASI PREDIKTOR BAD DEBT DAN FRAUD MANAGEMENT SYSTEM
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Bandung
Author
DESVASARI (NIM 23205019), WINY (STUDENT ID : )
Subject
Datestamp
0000-00-00 00:00:00
Abstract :
Dengan perkembangan industri telekomunikasi yang sangat pesat, bermacam-macam tindakan penyalahgunaan terhadap layanan telekomunikasi muncul dan mengakibatkan kerugian yang cukup besar pada pendapatan operator telekomunikasi. Kerugian akibat tidak terbayarnya tagihan atau bad debt ini dapat diminimalisasi dengan mendeteksi lebih awal terjadinya penyalahgunaan layanan atau fraud ini. Untuk mendeteksi lebih awal terjadinya fraud ini diperlukan konsep atau metoda yang tepat dalam menemukan pola pemakaian abnormal dari pelanggan. Salah satu teknologi data mining, yaitu teknologi decision trees yang berbasis rule, akan digunakan untuk menemukan pola pemakaian abnormal ini. Sistem yang transparan menjadi alasan dipilihnya teknologi ini. Berkaitan dengan hal tersebut di atas, tesis ini berusaha memberikan sumbangsih berupa desain dan implementasi prediktor Bad Debt dan Fraud Management System (FMS). Sistem ini akan menerapkan teknologi decision trees. Penelitian ini telah memberikan hasil yang baik berupa kemampuan prediksi bad debt hingga 85%. Sedangkan untuk FMS telah mencapai nilai 89%.
Dengan perkembangan industri telekomunikasi yang sangat pesat, bermacam-macam tindakan penyalahgunaan terhadap layanan telekomunikasi muncul dan mengakibatkan kerugian yang cukup besar pada pendapatan operator telekomunikasi. Kerugian akibat tidak terbayarnya tagihan atau bad debt ini dapat diminimalisasi dengan mendeteksi lebih awal terjadinya penyalahgunaan layanan atau fraud ini. Untuk mendeteksi lebih awal terjadinya fraud ini diperlukan konsep atau metoda yang tepat dalam menemukan pola pemakaian abnormal dari pelanggan. Salah satu teknologi data mining, yaitu teknologi decision trees yang berbasis rule, akan digunakan untuk menemukan pola pemakaian abnormal ini. Sistem yang transparan menjadi alasan dipilihnya teknologi ini. Berkaitan dengan hal tersebut di atas, tesis ini berusaha memberikan sumbangsih berupa desain dan implementasi prediktor Bad Debt dan Fraud Management System (FMS). Sistem ini akan menerapkan teknologi decision trees. Penelitian ini telah memberikan hasil yang baik berupa kemampuan prediksi bad debt hingga 85%. Sedangkan untuk FMS telah mencapai nilai 89%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
