fbpx

Data Science di Industri Finansial untuk Menghindari Fraud

By Claureina Diana |   December 7, 2020

Data Science di Industri Finansial untuk Menghindari Fraud

Data Science di Industri Finansial

Kasus penipuan di sektor keuangan di Indonesia adalah salah satu berita yang sangat sering kita dengar setiap harinya. Untuk itulah peran data science di industri finansial amat dibutuhkan. Masih ingat kasus hilangnya tabungan sebesar Rp22 Miliar milik atlet e-sport Winda Lunardi di Bank Maybank Indonesia? Atau kasus pembobolan Bank BNI sebesar Rp1,7 Triliun oleh Maria Pauline Lumowa yang berhasil diungkap setelah 17 tahun terjadi? 

Kasus tersebut merupakan salah satu bentuk fraud dalam dunia perbankan di Indonesia. Terjadinya kasus ‘kebobolan’ semacam ini disebabkan oleh tingkat keamanan yang belum cukup kuat. Kasus serupa juga banyak terjadi di industri keuangan lainnya seperti dalam asuransi, investasi P2P Lending, kredit bank, dan berbagai bentuk lainnya. Dengan memanfaatkan data science di industri finansial, kasus seperti ini dapat dicegah.

Kasus fraud yang terjadi dalam industri keuangan sebagian besar merupakan ‘taktik’ penipuan yang dipakai oleh oknum tertentu guna mendapatkan keuntungan. Taktik yang digunakan pun beragam dan terus berkembang. Saat ini, pencurian data adalah senjata yang paling banyak digunakan oleh para pelaku fraudulent. Maka dari itu perlindungan data juga harus ditingkatkan guna menghilangkan celah-celah yang dapat disalahgunakan tersebut.

Penggunaan internet dan transaksi online yang tinggi membuat persebaran data sangat banyak setiap harinya. Penggunaan internet ini mempermudah akses data dari berbagai sumber, namun seringkali justru menjadi sumber kejahatan karena lemahnya perlindungan terhadap privasi pengguna. Penggunaan layanan keuangan digital yang tinggi saat ini belum dibarengi dengan peningkatan keamanan pada data client.  Selain itu kesadaran masyarakat sebagai pengguna layanan juga masih sangat rendah. Seringkali kebijakan privasi yang diajukan langsung disetujui tanpa pertimbangan yang lebih matang, karena seringkali dianggap sebagai hal yang ‘sepele’. 

Persebaran data yang begitu mudah sekarang ini, memaksa para pelaku industri keuangan ini untuk menaruh perhatian lebih pada keamanan data penggunanya agar terhindar dari kejahatan yang mungkin dilakukan dengan data-data tersebut. Kehadiran Data Science dan Machine Learning akan membantu melindungi data-data pengguna serta mendeteksi kemungkinan risiko bagi perusahaan. 

Pemanfaatan Data Science di Industri Finansial: REAL-TIME FRAUD DETECTION 

Data merupakan aset yang sangat berharga dalam industri keuangan. Data pribadi maupun jejak transaksi client adalah sumber paling penting dalam pengambilan keputusan di sektor keuangan. Namun hingga saat ini kemampuan sektor keuangan untuk menjaga keamanan data client masih tergolong rendah.Tercermin dari tingginya kasus fraudulent yang terjadi setiap hari.  

Penggunaan Machine Learning dan Artificial Intelligence dalam industri keuangan bisa meningkatkan perlindungan terhadap data client dan mencegah terjadinya fraudulent. Algoritma yang dibentuk dari sistem akan menilai kelayakan transaksi dan akan mempersempit celah hacker untuk melakukan fraudulent.

Kasus fraud yang terjadi dalam industri keuangan sebagian besar merupakan ‘taktik’ penipuan yang dipakai oleh oknum tertentu guna mendapatkan keuntungan. Taktik yang digunakan pun beragam dan terus berkembang. Saat ini, pencurian data adalah senjata yang paling banyak digunakan oleh para pelaku fraudulent. Maka dari itu perlindungan data juga harus ditingkatkan guna menghilangkan celah-celah yang dapat disalahgunakan tersebut.

Penggunaan internet dan transaksi online yang tinggi membuat persebaran data sangat banyak setiap harinya. Penggunaan internet ini mempermudah akses data dari berbagai sumber, namun seringkali justru menjadi sumber kejahatan karena lemahnya perlindungan terhadap privasi pengguna. Penggunaan layanan keuangan digital yang tinggi saat ini belum dibarengi dengan peningkatan keamanan pada data client.  Selain itu kesadaran masyarakat sebagai pengguna layanan juga masih sangat rendah. Seringkali kebijakan privasi yang diajukan langsung disetujui tanpa pertimbangan yang lebih matang, karena seringkali dianggap sebagai hal yang ‘sepele’. 

Persebaran data yang begitu mudah sekarang ini, memaksa para pelaku industri keuangan ini untuk menaruh perhatian lebih pada keamanan data penggunanya agar terhindar dari kejahatan yang mungkin dilakukan dengan data-data tersebut. Kehadiran Data Science dan Machine Learning akan membantu melindungi data-data pengguna serta mendeteksi kemungkinan risiko bagi perusahaan. 

Data Science di Industri Finansial untuk Menghindari Fraud

Variabel seperti lokasi, waktu, dan media adalah beberapa variabel pokok yang menjadi penentu apakah transaksi disetujui atau ditolak. Dalam kasus bank, data science dapat mendeteksi fraud dengan melihat hubungan antar variabel yang membentuk pola perilaku ‘normal’. Misalnya, pada saat tidak terduga tiba-tiba saja rekening melakukan transaksi dalam jumlah sangat besar dan tidak biasa. Sistem akan langsung mendeteksi dan menganalisa data saat itu juga apakah permohonan akan dilanjutkan atau harus ditolak. Pembuatan keputusan real-time ini dapat mengurangi kemungkinan terjadinya fraudulent karena data-data sudah tersimpan secara aman. Selain itu teknologi ini juga akan mengurangi tingkat transaksi gagal yang menyebabkan ketidaknyamanan.

CARA KERJA MACHINE LEARNING DALAM FINANCIAL FRAUD DETECTION

1.Data input

Untuk menciptakan model yang baik, machine learning (ML) perlu mengumpulkan data dalam jumlah banyak dan beragam sebagai dasar analisis. Kualitas data juga wajib diperhatikan, karena pada pemodelan machine learning dikenal prinsip “garbage in, garbage out” 

2. Extract features

Data-data yang dikumpulkan ini nantinya akan membaca jika ada kemungkinan fraudulent pada transaksi. Data-data tersebut dapat berupa waktu, identitas, nominal transaksi, metode pembayaran, lokasi, dsb. Maka pada tahapan ini data yang beragam itu akan dipilah dan dipersiapkan agar bisa terdeteksi oleh mesin. 

3. Membuat model machine learning

Tujuan dari penggunaan ML adalah untuk memprediksi kemungkinan fraud terjadi dalam transaksi. Pada tahap ini ML akan membentuk keputusan berdasarkan data-data apakah transaksi dianggap normal atau fraudulent melalui tiga tahapan yakni training, testing, dan cross-validation, yang nantinya membentuk pola perilaku ‘familiar’ customer tersebut.

4. Tahap evaluasi

Setelah melakukan evaluasi model serta improvisasi terhadap model untuk mendapatkan hasil yang sesuai, maka dibentuklah model ML yang dianggap paling sesuai dengan kebutuhan perusahaan.

Data Science di Industri Finansial untuk Menghindari Fraud

FRAUD DETECTION DALAM KEHIDUPAN SEHARI-HARI

KARTU KREDIT

Kasus pembobolan kartu kredit merupakan fraudulent yang paling sering dialami di sektor perbankan. Kehadiran Machine Learning akan mendeteksi pola perilaku customer untuk menciptakan sistem yang akurat dalam mencegah fraud. 

Contohnya: customer A selalu melakukan transaksi setiap pulang kerja di supermarket dekat kantor dengan jumlah transaksi yang kurang lebih sama. Pada satu ketika di jam yang sama pada hari kerja, muncul transaksi dengan jumlah sangat besar di kota lain, maka bank akan otomatis mengirimkan permohonan verifikasi ke handphone customer sebelum menyetujui transaksi tersebut. 

Data Science di Industri Finansial untuk Menghindari Fraud

KLAIM ASURANSI

Bagi asuransi yang memberikan jasa perlindungan terhadap properti, mobil, bahkan jiwa, seringkali penipuan dilakukan demi keuntungan satu pihak. Dalam hal ini peran algoritma machine learning akan membantu perusahaan untuk mendeteksi validasi laporan tersebut. Tulisan tangan dari polisi, agen, dan client merupakan salah satu bahan analisa yang mungkin tidak akan terdeteksi secara manual tapi dapat dibaca keasliannya dengan machine learning.

KEJAHATAN TERENCANA OLEH KELOMPOK

Kasus fraud dalam industri keuangan biasanya melibatkan jumlah uang yang sangat besar, dan tidak jarang kejahatan dilakukan oleh sekelompok orang. Machine Learning dapat mendeteksi data-data yang ada dan mencari korelasi dari kumpulan akun mencurigakan untuk kemudian menangkap kejanggalan yang ada. Hal ini juga dapat terjadi dalam kasus money-laundering yang seringkali merugikan lembaga keuangan, terutama jika dilakukan dalam jumlah besar. 

Yuk belajar data science di Algoritma Data Science School! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

PELAJARI LEBIH LANJUT