Kursus Skripsi Tesis Disertasi Data Science ~ Deteksi Kecurangan Transaksi Menggunakan Isolation Forest

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

1. 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

2. Sesi 2 – Instalasi Tools dan Pengantar Python

   • Instalasi Anaconda, Jupyter Notebook

   • Struktur dasar Python untuk data science

   • Library: NumPy, Pandas, Matplotlib, Scikit-learn

3. Sesi 3 – Exploratory Data Analysis (EDA) untuk Dataset Transaksi

   • Deskripsi dataset

   • Pembersihan data (missing values, outliers)

   • Statistik dasar dan distribusi

4. Sesi 4 – Visualisasi Data Transaksi

   • Visualisasi distribusi data normal vs anomali

   • Correlation matrix dan analisis fitur

   • Pairplot dan boxplot (fraud vs normal)

5. 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

6. Sesi 6 – Konsep Deteksi Anomali

   • Apa itu anomaly detection?

   • Supervised vs unsupervised

   • Contoh kasus fraud sebagai outlier

7. Sesi 7 – Pengantar Isolation Forest

   • Teori dasar Isolation Forest

   • Perbandingan dengan algoritma lain (One-Class SVM, LOF)

   • Skema isolasi dan depth tree

8. Sesi 8 – Implementasi Isolation Forest Dasar

   • Training Isolation Forest

   • Menggunakan sklearn.ensemble.IsolationForest

   • Parameter penting: contamination, n_estimators

9. Sesi 9 – Evaluasi Deteksi Anomali

   • Evaluasi tanpa label: precision@k, visualisasi hasil

   • Evaluasi dengan label: confusion matrix, ROC-AUC, F1-score

   • Mengatasi data tidak seimbang

10. Sesi 10 – Tuning Hyperparameter Isolation Forest

    • GridSearchCV untuk Isolation Forest

    • Pengaruh contamination dan threshold score

    • Optimalisasi performa model

📘 Bagian 3: Studi Kasus dan Pengembangan Sistem

11. Sesi 11 – Studi Kasus: Credit Card Fraud Detection

    • Dataset asli dari Kaggle

    • Penerapan EDA, pra-pemrosesan, dan Isolation Forest

12. Sesi 12 – Analisis Hasil Deteksi

    • Visualisasi hasil deteksi anomali

    • Menentukan threshold terbaik

    • Interpretasi dan pelaporan hasil

13. Sesi 13 – Perbandingan dengan Algoritma Lain

    • Menggunakan One-Class SVM dan LOF

    • Evaluasi performa dibanding Isolation Forest

    • Pilihan algoritma berdasarkan konteks

14. Sesi 14 – Integrasi Model dalam Aplikasi Sederhana

    • Membuat interface dasar (CLI/streamlit)

    • Input transaksi → output hasil deteksi

    • Interpretasi hasil deteksi bagi pengguna

15. Sesi 15 – Logging dan Audit Trail

    • Menyimpan hasil deteksi ke file/log

    • Merekam skor anomali per transaksi

    • Penerapan dalam sistem nyata

📘 Bagian 4: Finalisasi dan Presentasi

16. Sesi 16 – Dokumentasi dan Visualisasi Model

    • Membuat laporan otomatis dengan Python

    • Export hasil visualisasi dan metrik

17. Sesi 17 – Penanganan Dataset Real-Time

    • Simulasi deteksi fraud secara streaming

    • Deteksi anomali dari data yang terus masuk

18. Sesi 18 – Optimasi dan Deployment

    • Menyimpan model (joblib/pickle)

    • Deploy ke aplikasi web sederhana (Flask/Streamlit)

19. Sesi 19 – Penulisan Laporan Proyek/Skripsi

    • Struktur laporan: bab per bab

    • Menjelaskan Isolation Forest secara ilmiah

    • Pembahasan hasil eksperimen

20. Sesi 20 – Presentasi dan Simulasi Sistem

    • Simulasi real-time deteksi fraud

    • Presentasi hasil proyek/model

    • Diskusi dan Q&A