Implementasi hu-model untuk mendeteksi korupsi dengan pembelajaran mesin menggunakan model jaringan syaraf tiruan (jst)
Info Katalog
File Repositori
Subyek : -
Penerbit : FEB - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2024
Pembimbing 1 : Haryono Umar
Pembimbing 2 : Sekar Mayangsari
Kata Kunci : Detecting Corruption; HU-Model; Machine Learning; Artificial Nerual Network (ANN).
Status Posting : Published
Status : Lengkap
File Repositori
| No. | Nama File | Hal. | Link |
|---|---|---|---|
| 1. | 2024_TS_MAK_123012001079_Halaman-Judul.pdf | 12 | |
| 2. | 2024_TS_MAK_123012001079_Surat-Pernyataan-Revisi-Terakhir.pdf | 1 | |
| 3. | 2024_TS_MAK_123012001079_Surat-Hasil-Similaritas.pdf | ||
| 4. | 2024_TS_MAK_123012001079_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf | 1 | |
| 5. | 2024_TS_MAK_123012001079_Lembar-Pengesahan.pdf | 1 | |
| 6. | 2024_TS_MAK_123012001079_Pernyataan-Orisinalitas.pdf | 1 | |
| 7. | 2024_TS_MAK_123012001079_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf | ||
| 8. | 2024_TS_MAK_123012001079_Bab-1.pdf | 14 | |
| 9. | 2024_TS_MAK_123012001079_Bab-2.pdf | 59 |
|
| 10. | 2024_TS_MAK_123012001079_Bab-3.pdf | 9 |
|
| 11. | 2024_TS_MAK_123012001079_Bab-4.pdf | 39 |
|
| 12. | 2024_TS_MAK_123012001079_Bab-5.pdf | 7 | |
| 13. | 2024_TS_MAK_123012001079_Daftar-Pustaka.pdf | 3 | |
| 14. | 2024_TS_MAK_123012001079_Lampiran.pdf | 14 |
|
D Deteksi Korupsi; HU-Model; Pembelajaran Mesin; Jaringan Syaraf Tiruan (JST).Penelitian ini bertujuan untuk menerapkan HU-Model sebagai metode deteksikorupsi menggunakan pembelajaran mesin (machine learning) melalui algoritmaArtificial Neural Network (ANN)/ Jaringan Syaraf Tiruan (JST). Denganmemanfaatkan ANN, HU-Model dikembangkan untuk mendeteksi perilaku korupsidi lingkungan pemerintahan Indonesia, terutama dengan fokus pada kasus yangdilaporkan di wilayah Jawa Barat. Model ini menggunakan indikator fraud staryang mencakup tekanan, peluang, rasionalisasi, kemampuan, dan kurangnyaintegritas sebagai variabel masukan untuk JST. Penelitian ini menguji keefektifanHU-Model dalam meningkatkan akurasi deteksi korupsi dengan mengevaluasi datadari berbagai instansi pemerintahan.Hasil penelitian menunjukkan bahwa penggunaan HU-Model pada ANN dapatmeningkatkan kualitas audit dan membantu auditor dalam mendeteksi potensitindak korupsi, dengan hasil akurasi yang cukup tinggi. Penelitian ini jugamemberikan wawasan tentang pentingnya pemanfaatan teknologi ArtificialIntelligence (AI) dalam upaya pemberantasan korupsi di Indonesia
T This study aims to implement the HU-Model as a method for detecting corruption using machine learning through the Artificial Neural Network (ANN) algorithm. By utilizing the Neural Network, the HU-Model is developed to detect corrupt behavior within the Indonesian government, particularly focusing on cases reported in the West Java region. This model employs fraud star indicators, which include pressure, opportunity, rationalization, capability, and lack of integrity as input variables for the neural network. The study evaluates the effectiveness of the HU-Model in improving the accuracy of corruption detection by analyzing data from various government institutions.The results indicate that the use of the HU-Model in ANN significantly enhances audit quality and assists auditors in detecting potential corruption, achieving a relatively high accuracy. This research also provides insights into the importance of AI technology in efforts to combat corruption in Indonesia.