Memuat
Memuat
Sisihkan transaksi yang janggal dari ribuan pembayaran vendor agar auditor fokus.
0 kali dilihat
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.

Read CSV memuat transaksi_pembayaran.csv (2.500 pembayaran vendor). id_transaksi menjadi id; kolom hasil_audit hanya dipakai untuk membandingkan hasil di akhir.
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.
Normalize (Z-transformation) memastikan atribut bernilai besar seperti jumlah rupiah tidak menutupi atribut lain saat jarak dihitung.
Multiply membuat dua salinan agar dua metode deteksi dapat dijalankan pada data yang sama.
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.
Generate Attributes membuat kolom tanda_lof dengan rumus if(outlier>2,"anomali","wajar"). Ambang 2 adalah titik awal yang lazim dan dapat diubah.
Detect Outlier (Distances) memakai 10 tetangga terdekat dan menandai 75 transaksi (3%) dengan jarak terbesar sebagai pencilan.
Dua operator Write CSV menyimpan skor dan tanda. Gabungkan dengan kolom hasil_audit berdasarkan id_transaksi untuk menghitung precision dan recall.
transaksi_pembayaran.csv
2.500 baris · 10 kolom
Data 2.500 pembayaran vendor fiktif: nilai, jam, hari ke jatuh tempo, frekuensi vendor, rasio ke rata-rata vendor, level persetujuan, selisih dengan pesanan, serta hasil audit (wajar atau anomali).
Proses RapidMiner (.rmp) siap jalan; Dataset CSV beserta kamus data; Panduan praktik dan pertanyaan latihan (PDF/MD); Video tutorial langkah demi langkah.
Tidak harus. Proyek ini bertingkat "lanjut", dan setiap langkah prosesnya dijelaskan sehingga Anda bisa mengikuti bagaimana data menjadi hasil.
Bisa. Ganti dataset di langkah pertama dan sesuaikan peran atributnya; sisa prosesnya tetap sama. Bila ingin kami yang menyesuaikan, hubungi kami lewat WhatsApp.
Proyek ini seharga Rp 449.000. Gunakan tombol "Beli via WhatsApp" di halaman ini; berkas proyek dikirim setelah pembayaran dikonfirmasi.
Menemukan kendala atau punya saran untuk proyek ini? Beri tahu kami lewat WhatsApp
Kembali ke portofolio RapidMiner