Berikut adalah silabus 20 sesi (masing-masing 1,5 jam) untuk kursus/proyek skripsi/tesis berjudul:
“Deteksi Kecurangan Transaksi Menggunakan Isolation Forest dalam Python”
Silabus ini dirancang untuk mahasiswa tingkat akhir atau profesional yang ingin mempelajari deteksi fraud berbasis machine learning, khususnya algoritma Isolation Forest, dengan pendekatan berbasis Python dan dataset nyata.
Silabus: 20 Sesi @1,5 Jam
Bagian 1: Dasar-Dasar Data Science & Fraud Detection
-
Sesi 1 – Pengenalan Data Science dan Deteksi Kecurangan Konsep data science dalam dunia nyata
-
Jenis-jenis kecurangan (fraud): finansial, kartu kredit, e-commerce
-
Studi kasus: credit card fraud detection
-
Sesi 2 – Instalasi Tools dan Pengantar Python Instalasi Anaconda, Jupyter Notebook
-
Struktur dasar Python untuk data science
-
Library: NumPy, Pandas, Matplotlib, Scikit-learn
-
Sesi 3 – Exploratory Data Analysis (EDA) untuk Dataset Transaksi Deskripsi dataset
-
Pembersihan data (missing values, outliers)
-
Statistik dasar dan distribusi
-
Sesi 4 – Visualisasi Data Transaksi Visualisasi distribusi data normal vs anomali
-
Correlation matrix dan analisis fitur
-
Pairplot dan boxplot (fraud vs normal)
-
Sesi 5 – Teknik Pra-Pemrosesan Data Encoding (label vs one-hot)
-
Normalisasi dan Standarisasi
-
Pembagian data: train-test split
Bagian 2: Anomaly Detection & Isolation Forest
-
Sesi 6 – Konsep Deteksi Anomali Apa itu anomaly detection?
-
Supervised vs unsupervised
-
Contoh kasus fraud sebagai outlier
-
Sesi 7 – Pengantar Isolation Forest Teori dasar Isolation Forest
-
Perbandingan dengan algoritma lain (One-Class SVM, LOF)



