Pelatihan ini dirancang untuk membekali peserta dengan kemampuan
mendeteksi, menganalisis, dan mencegah kecurangan (fraud) menggunakan pendekatan
berbasis data dan teknologi analitik modern. Peserta akan mempelajari bagaimana
memanfaatkan data secara sistematis untuk menemukan pola anomali, mengenali
indikasi manipulasi, serta membangun model prediktif yang mampu mengidentifikasi
potensi fraud secara dini.
Melalui kombinasi teori, studi kasus, dan praktik langsung, peserta akan
memahami bagaimana big data, machine learning, dan business intelligence berperan
dalam sistem deteksi fraud masa kini. Pelatihan ini menekankan pendekatan praktis
berbasis proyek nyata, sehingga peserta dapat langsung mengimplementasikan metode
dan algoritma deteksi fraud di lingkungan kerja masing-masing dengan hasil yang
terukur dan efektif.
OBJECTIVE
- Memahami konsep dasar dan jenis-jenis fraud dalam konteks organisasi dan bisnis.
- Menguasai prinsip dan teknik analitik data untuk mendeteksi indikasi fraud.
- Mampu membangun dan menginterpretasikan model deteksi fraud berbasis machine learning.
- Mengembangkan sistem monitoring fraud berbasis dashboard analitik.
- Meningkatkan kemampuan investigasi dan pengambilan keputusan berbasis data.
COURSE OUTLINE
A. Dasar-Dasar Deteksi Fraud
- Pengertian dan karakteristik fraud
- Jenis-jenis fraud (keuangan, operasional, digital, internal, eksternal)
- Siklus dan pola perilaku pelaku fraud
- Prinsip pencegahan dan deteksi dini
B. Pengantar Data Analytics untuk Fraud Detection
- Konsep data-driven decision making
- Jenis data dalam deteksi fraud (transaksional, log, metadata, dll.)
- Data cleaning, data integration, dan data preprocessing
- Exploratory Data Analysis (EDA) untuk menemukan anomali
C. Teknik Analitik dan Statistik dalam Deteksi Fraud
- Analisis korelasi dan regresi untuk mendeteksi penyimpangan
- Metode clustering (K-Means, DBSCAN) untuk menemukan pola mencurigakan
- Analisis jaringan (network analysis) dalam mendeteksi kolusi atau koneksi tersembunyi
- Anomaly detection dengan pendekatan statistik dan probabilistik
D. Penerapan Machine Learning untuk Fraud Detection
- Supervised vs. Unsupervised Learning dalam deteksi fraud
- Algoritma populer: Logistic Regression, Decision Tree, Random Forest, XGBoost
- Anomaly Detection menggunakan Autoencoder & Isolation Forest
- Evaluasi model dengan precision, recall, F1-score, dan confusion matrix
E. Teknologi Pendukung dan Sistem Deteksi Real-Time
- Pemanfaatan Big Data (Hadoop, Spark) dalam monitoring transaksi besar
- Implementasi real-time detection menggunakan streaming analytics
- Integrasi dengan sistem BI (Tableau, Power BI) untuk visualisasi fraud pattern
- Penerapan alert system berbasis rule & AI
F. Audit dan Investigasi Berbasis Data
- Data-driven audit trail
- Forensic data analysis: mengidentifikasi bukti digital fraud
- Penggunaan bahasa pemrograman (Python/R) untuk analisis investigatif
- Studi kasus: analisis dataset fraud nyata
G. Penerapan Strategi Pencegahan dan Governance
- Membangun budaya anti-fraud berbasis data
- Framework tata kelola dan kepatuhan (COSO, ISO 37001, dsb.)
- Pengembangan kebijakan internal berbasis hasil analitik
- Evaluasi efektivitas sistem deteksi fraud
