Analisis dan Pemeringkatan Outlier sebagai Indikator Perilaku Transaksi Nasabah Tabungan Emas Berbasis Profil Akun Menggunakan COPOD, HOPE, dan HDBSCAN

Luthfia, Denis Tiara (2026) Analisis dan Pemeringkatan Outlier sebagai Indikator Perilaku Transaksi Nasabah Tabungan Emas Berbasis Profil Akun Menggunakan COPOD, HOPE, dan HDBSCAN. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002221081-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Peningkatan volume dan kompleksitas transaksi keuangan digital menuntut pendekatan analitik yang mampu memantau perilaku transaksi nasabah secara adaptif pada data tanpa label. Pada layanan tabungan emas, perilaku transaksi nasabah terepresentasi dari variasi nominal, berat emas, frekuensi, serta pola waktu transaksi. Adanya perilaku yang tidak sesuai dapat menyebabkan penyimpangan baik sebagai nilai ekstrem tunggal maupun penyimpangan pola relatif yang menjadi outlier atau anomali terhadap mayoritas populasi nasabah. Oleh karena itu,penelitian ini bertujuan menganalisis dan memeringkat outlier berdasarkan tingkat penyimpangan pola perilaku transaksi sebagai indikator perilaku nasabah berbasis akun pada layanan tabungan emas. Model Copula-Based Outlier Detection (COPOD) digunakan untuk menghasilkan skor anomali kontinu dan pemeringkatan akun berdasarkan ekstremitas fitur tanpa asumsi distribusi tertentu. Sebagai skenario pembanding, embedding graf Higher-Order Proximity Preserved Embedding (HOPE) ditambahkan untuk merepresentasikan struktur relasi dalam jaringan transaksi. Selain itu, Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) digunakan sebagai analisis eksploratif untuk memberi konteks segmentasi perilaku. Hasil penelitian pada 10.698 CIF menunjukkan bahwa model COPOD berbasis fitur perilaku transaksi transfer menghasilkan ROC-AUC sebesar 0,5438 dan PR-AUC sebesar 0,0936. Nasabah yang terprediksi anomali berhasil masuk ke peringkat teratas dengan presisi pada 10 peringkat teratas mencapai 0,600. Hasil menunjukkan bahwa CIF dengan risiko tinggi cenderung ekstrem dalam volume, frekuensi, dan luasnya relasi transaksi sekaligus. Penambahan embedding HOPE meningkatkan ROC-AUC menjadi 0,7823 dan PR-AUC menjadi 0,1534. Kemudian, integrasi HDBSCAN pada model COPOD-HOPE melalui AND-rule meningkatkan precision pada 100 peringkat teratas dari 32,00% menjadi 54,55%, meskipun disertai penurunan recall global menjadi 0,0191. Hasil tersebut menunjukkan bahwa integrasi fitur perilaku, relasi graf, dan segmentasi kepadatan dapat mendukung mekanisme early warning dalam prioritisasi pemeriksaan transaksi dan pengelolaan risiko pada layanan tabungan emas di institusi keuangan.
========================================================================================================================================
The increasing volume and complexity of digital financial transactions demand an analytical approach capable of adaptively monitoring customer transaction behavior on
unlabeled data. In gold savings services, customer transaction behavior is reflected through variations in nominal value, gold weight, frequency, and temporal transaction patterns. The presence of irregular behaviors may lead to deviations, either as single extreme values or relative pattern anomalies, which become outliers or anomalies relative to the majority of the customer population. Therefore, this study aims to analyze and rank outliers based on the degree of deviation in transaction behavior patterns as an indicator of account-based customer behavior in gold savings services. The Copula-Based Outlier Detection (COPOD) model is employed to generate continuous anomaly scores and rank accounts based on feature extremity without assuming any specific distribution. As a comparative scenario, Higher-Order Proximity Preserved Embedding (HOPE) is incorporated to represent relational structures within the transaction network. Additionally, Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) is utilized as an exploratory analysis to provide behavioral segmentation context. The results on 10,698 CIFs show that the COPOD model based on transfer transaction behavior features achieved an ROC-AUC of 0.5438 and a PR-AUC of 0.0936. Predicted anomalous customers successfully ranked in the top positions, with a precision@10 of 0.600. The addition of HOPE embedding improved the ROCAUC to 0.7823 and the PR-AUC to 0.1534. Furthermore, integrating HDBSCAN into the COPOD-HOPE model through an AND-rule increased precision@100 from 32.00% to 54.55%, although accompanied by a decline in global recall to 0.0191. These results indicate that integrating behavioral features, graph-based relational information, and density-based segmentation can support early warning mechanisms for prioritizing transaction reviews and risk management in gold savings services at financial institutions.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	deteksi outlier, analisis perilaku nasabah, tabungan emas, profil akun, COPOD, HOPE, HDBSCAN,outlier detection, customer behavior analysis, gold saving transactions, account profiling, COPOD, HDBSCAN
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Denis Tiara Luthfia
Date Deposited:	03 Aug 2026 08:48
Last Modified:	03 Aug 2026 08:48
URI:	http://repository.its.ac.id/id/eprint/141574

Actions (login required)

View Item