Penipuan kartu kredit menjadi salah satu ancaman
yang signifikan dengan adanya peningkatan penggunaan transaksi online seiring
perkembangan teknologi. Kerugian akibat penipuan kartu kredit juga meningkat
setiap tahunnya. Karena itu berbagai model machine
learning dan deep learning
digunakan untuk membantu dalam mendeteksi penipuan kartu kredit yang terjadi.
Dalam penelitian ini dilakukan implementasi model BiLSTM dan algoritma PSO
dalam mendeteksi penipuan kartu kredit. BiLSTM merupakan model deep learning yang memiliki performa
yang lebih baik daripada model LSTM. Algoritma PSO digunakan untuk meningkatkan
performa model BiLSTM dengan mengoptimasi hyperparameter
dari model, sehingga akurasi deteksi penipuan kartu kredit dapat dilakukan
dengan lebih baik. Terdapat berbagai variasi algoritma PSO, dan dalam
penelitian ini digunakan tujuh variasi dari PSO dalam mengoptimasi hyperparameter BiLSTM. Model BiLSTM dilatih dengan dataset mlg-ulb. Kemudian hasil evaluasi performa model BiLSTM yang menggunakan
hyperparameter teroptimasi dari setiap variasi PSO dibandingkan satu dengan
yang lain. Setelah itu model BiLSTM dengan performa
terbaik dibandingkan dengan metode LSTM sebelumnya. Hasil perbandingan ini
menunjukkan bahwa model terbaik yang diajukan (BiLSTM-AIW PSO) memiliki akurasi
99.93% yang lebih baik daripada metode sebelumnya, HS-SAL-BiLSTM yang memiliki akurasi
99.1%, dengan peningkatan akurasi sebesar 0.83%.
