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.
Tujuan Bisnis
Sisihkan transaksi yang janggal dari ribuan pembayaran vendor agar auditor fokus. Bidang penerapan: Akuntansi / Audit. Tingkat proyek: lanjut.
Alat dan Operator RapidMiner
Proses dibangun dengan operator berikut:
- Read CSV
- Select Attributes
- Normalize
- Multiply
- Detect Outlier (LOF)
- Detect Outlier (Distances)
- Generate Attributes
- Write CSV
Yang Akan Anda Pelajari
- Memahami deteksi pencilan tanpa label dan cara memeriksa hasilnya dengan data audit
- Membandingkan metode berbasis kepadatan (LOF) dan berbasis jarak
- Menyusun daftar transaksi berperingkat sebagai dasar sampling audit
Langkah Pengerjaan
- Baca data transaksi — Read CSV memuat transaksi_pembayaran.csv (2.500 pembayaran vendor). id_transaksi menjadi id; kolom hasil_audit hanya dipakai untuk membandingkan hasil di akhir.
- Pilih atribut numerik — Select Attributes menyisakan tujuh atribut numerik: nilai, jam transaksi, hari ke jatuh tempo, frekuensi vendor, rasio ke rata-rata vendor, level persetujuan, dan selisih dengan pesanan.
- Samakan skala — Normalize (Z-transformation) memastikan atribut bernilai besar seperti jumlah rupiah tidak menutupi atribut lain saat jarak dihitung.
- Gandakan data — Multiply membuat dua salinan agar dua metode deteksi dapat dijalankan pada data yang sama.
- Hitung skor LOF — Detect Outlier (LOF) dengan minimal points 30 sampai 50 memberi skor kepadatan lokal. Skor sekitar 1 berarti wajar, makin besar makin janggal. Rentang MinPts dibuat lebih besar daripada kelompok transaksi aneh agar kelompok itu tetap terdeteksi.
- Tandai berdasarkan ambang — Generate Attributes membuat kolom tanda_lof dengan rumus if(outlier>2,"anomali","wajar"). Ambang 2 adalah titik awal yang lazim dan dapat diubah.



