Data yang menumpuk tidak ada artinya kalau tidak pernah dibaca. Kami bantu mengolahnya jadi angka yang bisa dipakai mengambil keputusan.
Halaman ini untuk pengerjaan Deteksi Transaksi Mencurigakan dengan LOF untuk Pemeriksaan Audit menggunakan RapidMiner. Proyek ini mencari transaksi pembayaran vendor yang tidak wajar dari 2.500 transaksi fiktif memakai dua metode deteksi pencilan, yaitu LOF dan jarak ke tetangga terdekat. Hasilnya daftar transaksi berperingkat yang dapat langsung diperiksa auditor, lengkap dengan perbandingan terhadap hasil audit.
Yang Anda Terima
- Proses RapidMiner (.rmp) siap jalan, lengkap dengan pengaturan operator yang bisa Anda buka dan ubah
- Dataset yang sudah dibersihkan: duplikat, format berantakan, dan nilai kosong dirapikan dulu
- Hasil analisis berupa tabel CSV/Excel, misalnya transaksi ditandai lof (skor di atas 2)
- Laporan interpretasi manajerial dalam bahasa yang dimengerti orang non-teknis, lengkap dengan rekomendasi tindakan
- Sesi penjelasan hasil dan panduan singkat menjalankan ulang prosesnya
Operator yang Dipakai
Read CSV, Select Attributes, Normalize, Multiply, Detect Outlier (LOF), Detect Outlier (Distances), Generate Attributes, Write CSV.
Contoh Hasil pada Proyek Portofolio
- Transaksi ditandai LOF (skor di atas 2): 59
- Ketepatan LOF (precision): 98,3%
- Anomali ditemukan LOF (recall): 74,4%
- Anomali ditemukan metode jarak (75 teratas): 67 dari 78
- Recall gabungan kedua metode: 91,0%
Bagaimana Prosesnya
- Pemetaan pertanyaan — kami pastikan dulu keputusan apa yang mau diambil dari data ini
- Audit data — cek kelengkapan dan kualitas data sebelum dianalisis
- Pengolahan dan pemodelan — proses dijalankan di RapidMiner, asumsi dan parameter dicatat terbuka
- Review bersama — hasil dibahas, arah analisis bisa disesuaikan
- Serah terima — file proses, dataset bersih, dan laporan interpretasi
Biasanya Dipakai Untuk
- Mahasiswa Akuntansi dan Audit yang mengambil Analitik Bisnis
- Auditor internal dan staf pengendalian keuangan



