Tugas Pertemuan 12
1.1 STUDI KASUS 1
1.1.1 FITUR DATA
• Komponen (C): Apakah komponen elektronik yang digunakan adalah berkualitas tinggi atau rendah.
• Proses Produksi (P): Apakah proses produksi dilakukan di bawah stan dar atau sesuai standar.
• Cacat (D): Status cacat produk (ya/tidak)
1.1.2 Data Historis (Contoh)
Probabilitas produk cacat (𝑃(𝐷 = Yes)) = 5%
Probabilitas produk tidak cacat (𝑃(𝐷 = No)) = 95%
Probabilitas menggunakan komponen berkualitas rendah (𝑃(𝐶 = Low)) = 30%
Probabilitas menggunakan komponen berkualitas tinggi (𝑃(𝐶 = High)) = 70%
Probabilitas proses produksi di bawah standar (𝑃(𝑃 = Below)) = 40%
Probabilitas proses produksi sesuai standar (𝑃(𝑃 = Standard)) = 60%
1.1.3 Data Pendukung
- Proporsi Produk Cacat:
- Produk cacat: Hanya 5% dari produk yang diproduksi cacat (\(P(D = \text{Yes}) = 0.05\)).
- Produk tidak cacat: Sebanyak 95% produk tidak cacat (\(P(D = \text{No}) = 0.95\)).
- Kualitas Komponen:
- 30% produk menggunakan komponen berkualitas rendah (\(P(C = \text{Low}) = 0.3\)).
- 70% produk menggunakan komponen berkualitas tinggi (\(P(C = \text{High}) = 0.7\)).
- Proses Produksi:
- 40% produk dibuat menggunakan proses di bawah standar (\(P(P = \text{Below}) = 0.4\)).
- 60% menggunakan proses sesuai standar (\(P(P = \text{Standard}) = 0.6\)).
- Informasi Tambahan:
- Jika produk cacat (\(D =
\text{Yes}\)):
- 80% disebabkan oleh komponen berkualitas rendah (\(P(C = \text{Low} | D = \text{Yes}) = 0.8\)).
- 90% disebabkan oleh proses di bawah standar (\(P(P = \text{Below} | D = \text{Yes}) = 0.9\)).
- Jika produk tidak cacat (\(D =
\text{No}\)):
- 20% menggunakan komponen berkualitas rendah (\(P(C = \text{Low} | D = \text{No}) = 0.2\)).
- 30% dibuat dengan proses di bawah standar (\(P(P = \text{Below} | D = \text{No}) = 0.3\)).
- Jika produk cacat (\(D =
\text{Yes}\)):
1.1.4 Hitungan Manual
Langkah 1: Probabilitas Gabungan
- Untuk 𝐷 = Yes :
\[ \begin{align*} P(C = \text{Low}, P = \text{Below} \mid D = \text{Yes}) &= P(C = \text{Low} \mid D = \text{Yes}) \cdot P(P = \text{Below} \mid D = \text{Yes}) \\ &= 0.8 \cdot 0.7 \\ &= 0.56 \end{align*} \]
- Untuk 𝐷= No :
\[ \begin{align*} P(C = \text{Low}, P = \text{Below} \mid D = \text{No}) &= P(C = \text{Low} \mid D = \text{No}) \cdot P(P = \text{Below} \mid D = \text{No}) \\ &= 0.2 \cdot 0.3 \\ &= 0.06 \end{align*} \]
Langkah 2: Menghitung Probabilitas Total
\[ \begin{align*} P(C = \text{Low}, P = \text{Below}) &= P(C = \text{Low}, P = \text{Below} \mid D = \text{Yes}) \cdot P(D = \text{Yes}) \\ &\quad + P(C = \text{Low}, P = \text{Below} \mid D = \text{No}) \cdot P(D = \text{No}) \\ &= (0.56 \cdot 0.05) + (0.06 \cdot 0.95) \\ &= 0.028 + 0.057 \\ &= 0.085 \end{align*} \]
Langkah 3: Menghitung Probabilitas Bersyarat Menggunakan Teorema Bayes
\[ \begin{align*} P(D = \text{Yes} \mid C = \text{Low}, P = \text{Below}) &= \frac{P(C = \text{Low}, P = \text{Below} \mid D = \text{Yes}) \cdot P(D = \text{Yes})}{P(C = \text{Low}, P = \text{Below})} \\ &= \frac{0.56 \cdot 0.05}{0.085} \\ &= \frac{0.028}{0.085} \\ &\approx 0.3294 \end{align*} \]
Hasil Akhir :
Probabilitas bahwa produk cacat (\(D = \text{Yes}\))) jika diketahui komponen berkualitas rendah dan proses produksi di bawah standar adalah sekitar:
\[ P(D = \text{Yes} \mid C = \text{Low}, P = \text{Below}) \approx 32.94\%. \]
Kesimpulan :
Berdasarkan perhitungan di atas, dapat disimpulkan bahwa kondisi penggunaan komponen berkualitas rendah (\(C = \text{Low}\))) dan proses produksi di bawah standar (\(P = \text{Below}\))) secara signifikan meningkatkan probabilitas produk cacat menjadi sekitar \(32.94\%\), jauh lebih tinggi dibandingkan probabilitas awal produk cacat sebesar \(5\%\). Hal ini menunjukkan bahwa kualitas komponen dan standar proses produksi memiliki pengaruh besar terhadap kualitas akhir produk. Oleh karena itu, langkah-langkah untuk meningkatkan kualitas komponen dan memperbaiki proses produksi harus menjadi prioritas untuk mengurangi risiko cacat pada produk.
Langkah Rekomendasi :
- Peningkatan Kualitas Komponen:
Seleksi Pemasok yang Lebih Ketat: Perusahaan harus melakukan uji kualitas yang lebih ketat terhadap pemasok komponen untuk memastikan bahan yang digunakan memiliki kualitas yang tinggi dan sesuai dengan standar.
Audit Pemasok Secara Berkala: Melakukan audit dan evaluasi kualitas komponen dari pemasok secara teratur untuk memastikan kualitasnya tetap terjaga.
- Perbaikan Proses Produksi:
Pelatihan untuk Pekerja: Memberikan pelatihan berkelanjutan kepada operator dan teknisi tentang cara mengoperasikan mesin dengan benar dan mematuhi prosedur standar operasi (SOP) untuk menghindari kesalahan dalam produksi.
Pemeliharaan Mesin Secara Rutin: Melakukan pemeliharaan dan kalibrasi mesin produksi untuk memastikan bahwa mesin berfungsi dengan efisien dan sesuai dengan standar kualitas yang diinginkan.
- Penerapan Kontrol Kualitas yang Ketat:
Inspeksi Kualitas pada Setiap Tahap Produksi: Meningkatkan pengawasan dan pemeriksaan kualitas pada setiap tahap produksi untuk mendeteksi potensi cacat lebih dini.
Sistem Deteksi Dini Cacat: Menggunakan teknologi seperti sensor atau perangkat lunak berbasis AI untuk mendeteksi cacat produk lebih cepat dan akurat selama proses produksi.
- Peningkatan R&D untuk Pengembangan Produk:
Penelitian tentang Material dan Proses: Investasi dalam riset dan pengembangan untuk mencari material baru yang lebih baik dan proses produksi yang lebih efisien dalam mengurangi cacat produk.
Uji Coba Prototipe: Menguji prototipe produk dengan berbagai kondisi untuk memastikan kualitas dan daya tahan produk sebelum diproduksi dalam jumlah besar.
5.Peningkatan Kolaborasi dengan Tim Pengendalian Mutu:
Koordinasi yang Lebih Baik: Meningkatkan kolaborasi antara tim produksi dan tim pengendalian mutu untuk memastikan bahwa standar kualitas dipatuhi sepanjang proses produksi.
Umpan Balik dari Proses Pengendalian Mutu: Membuat mekanisme umpan balik yang efektif agar tindakan perbaikan dapat segera diambil jika ditemukan cacat atau kekurangan dalam produk.
Manfaat Implementasi Rekomendasi
Mengurangi Cacat Produk: Dengan meningkatkan kualitas komponen dan memperbaiki proses produksi, jumlah produk cacat dapat dikurangi secara signifikan. Ini akan mengurangi biaya perbaikan, pengembalian produk, dan klaim garansi.
Meningkatkan Kepuasan Pelanggan: Produk dengan kualitas yang lebih baik akan meningkatkan kepuasan pelanggan, yang berujung pada peningkatan loyalitas dan reputasi merek.
Efisiensi Operasional: Proses produksi yang lebih baik dan penggunaan komponen yang lebih berkualitas akan meningkatkan efisiensi, mengurangi pemborosan, dan meminimalkan downtime produksi.
Pengurangan Biaya Produksi: Meskipun ada investasi awal untuk perbaikan kualitas, dalam jangka panjang, pengurangan produk cacat akan menurunkan biaya produksi akibat pengembalian produk, perbaikan, atau garansi.
Keunggulan Kompetitif: Perusahaan yang mampu menjaga kualitas produk akan memperoleh keunggulan kompetitif di pasar, meningkatkan posisi pasar, dan menarik lebih banyak pelanggan.
Peningkatan Reputasi Perusahaan: Konsistensi dalam menghasilkan produk berkualitas akan memperkuat reputasi perusahaan sebagai produsen yang dapat diandalkan, yang pada gilirannya dapat mendukung pertumbuhan bisnis dan hubungan jangka panjang dengan pelanggan.
Hitungan Menggunakan Sistem
# Probabilitas dari data historis
P_D_Yes <- 0.05
P_D_No <- 0.95
P_C_Low_given_D_Yes <- 0.8
P_P_Below_given_D_Yes <- 0.7
P_C_Low_given_D_No <- 0.2
P_P_Below_given_D_No <- 0.3
# Menghitung probabilitas gabungan
P_C_Low_P_Below_given_D_Yes <- P_C_Low_given_D_Yes * P_P_Below_given_D_Yes
P_C_Low_P_Below_given_D_No <- P_C_Low_given_D_No * P_P_Below_given_D_No
# Menghitung probabilitas total
P_C_Low_P_Below <- (P_C_Low_P_Below_given_D_Yes * P_D_Yes) + (P_C_Low_P_Below_given_D_No * P_D_No)
# Menghitung probabilitas bersyarat menggunakan Teorema Bayes
P_D_Yes_given_C_Low_P_Below <- (P_C_Low_P_Below_given_D_Yes * P_D_Yes) / P_C_Low_P_Below
# Menampilkan hasil
cat("Probabilitas bahwa produk cacat jika komponen berkualitas rendah dan proses produksi di bawah standar adalah:",
round(P_D_Yes_given_C_Low_P_Below, 3) * 100, "%\n")## Probabilitas bahwa produk cacat jika komponen berkualitas rendah dan proses produksi di bawah standar adalah: 32.9 %1.2 STUDI KASUS 2
1.2.1 FITUR DATA
• Lokasi (\(L\)): Negara atau kota tempat transaksi dilakukan.
• Jumlah Pembelian (\(A\)): Jumlah uang yang dibelanjakan.
• MetodePembayaran (\(M\)):Metodepembayaranyangdigunakan (kartu kredit, dompet digital, dll).
• Penipuan (\(F\)): Status transaksi apakah penipuan atau tidak.
1.2.2 Data Historis (Contoh)
Probabilitas transaksi adalah penipuan (\(𝑃(𝐹\) = Fraud)) = 1%
Probabilitas transaksi bukan penipuan (\(𝑃(𝐹\) = Not Fraud)) = 99%
Probabilitas lokasi tertentu adalah di luar negeri (\(𝑃(𝐿\) = Foreign)) = 20%
Probabilitas jumlah pembelian lebih dari 500(\(P(A = High)\)) = 10%
Probabilitas menggunakan kartu kredit sebagai metode pembayaran (\(𝑃(𝑀\) =Credit Card)) = 50%
1.2.3 Data Pendukung
- Probabilitas Transaksi Penipuan (F = Fraud):
- \(1\%\) dari transaksi adalah penipuan (\(P(F = \text{Fraud}) = 0.01\))).
- \(99\%\) dari transaksi adalah bukan penipuan (\(P(F = \text{Not Fraud}) = 0.99\))).
- Lokasi Transaksi:
- \(60\%\) transaksi penipuan dilakukan dari luar negeri (\(P(L = \text{Foreign} \mid F = \text{Fraud}) = 0.6\))).
- \(10\%\) transaksi bukan penipuan dilakukan dari luar negeri (\(P(L = \text{Foreign} \mid F = \text{Not Fraud}) = 0.1\))).
- Jumlah Pembelian:
- \(70\%\) transaksi penipuan memiliki jumlah pembelian lebih dari $500(\(P(A = \text{High} \mid F = \text{Fraud}) = 0.7\))).
- \(5\%\) transaksi bukan penipuan memiliki jumlah pembelian lebih dari $500(\(P(A = \text{High} \mid F = \text{Not Fraud}) = 0.05\))).
- Metode Pembayaran:
- \(80\%\) transaksi penipuan menggunakan kartu kredit sebagai metode pembayaran (\(P(M = \text{Credit Card} \mid F = \text{Fraud}) = 0.8\))).
- \(40\%\) transaksi bukan penipuan menggunakan kartu kredit sebagai metode pembayaran (\(P(M = \text{Credit Card} \mid F = \text{Not Fraud}) = 0.4\))).
1.2.4 Hitungan Manual
Langkah 1: Menghitung probabilitas gabungan
- Untuk (\(F = \text{Fraud}\)):
\[ \begin{align*} P(L = \text{Foreign}, A = \text{High}, M = \text{Credit Card} \mid F = \text{Fraud}) \end{align*} \] \[ \begin{align*} = P(L = \text{Foreign} \mid F = \text{Fraud}) \cdot P(A = \text{High} \mid F = \text{Fraud}) \cdot P(M = \text{Credit Card} \mid F = \text{Fraud}) \end{align*} \] \[ \begin{align*} &= 0.6 \cdot 0.7 \cdot 0.8 \\ &= 0.336 \end{align*} \]
- Untuk (\(F = \text{Not Fraud}\)):
\[ \begin{align*} P(L = \text{Foreign}, A = \text{High}, M = \text{Credit Card} \mid F = \text{Not Fraud}) \end{align*} \] \[ \begin{align*} = P(L = \text{Foreign} \mid F = \text{Not Fraud}) \cdot P(A = \text{High} \mid F = \text{Not Fraud}) \cdot P(M = \text{Credit Card} \mid F = \text{Not Fraud}) \end{align*} \] \[ \begin{align*} &= 0.1 \cdot 0.05 \cdot 0.4 \\ &= 0.002 \end{align*} \]
Langkah 2: Menghitung probabilitas Total
\[ \begin{align*} P(L = \text{Foreign}, A = \text{High}, M = \text{Credit Card}) \end{align*} \] \[ \begin{align*} = P(L, A, M \mid F = \text{Fraud}) \cdot P(F = \text{Fraud}) + P(L, A, M \mid F = \text{Not Fraud}) \cdot P(F = \text{Not Fraud}) \end{align*} \] \[ \begin{align*} &= (0.336 \cdot 0.01) + (0.002 \cdot 0.99) \\ &= 0.00336 + 0.00198 \\ &= 0.00534 \end{align*} \]
Langkah 3: Menghitung probabilitas Bersyarat
\[ \begin{align*} P(F = \text{Fraud} \mid L = \text{Foreign}, A = \text{High}, M = \text{Credit Card}) \end{align*} \] \[ \begin{align*} = \frac{P(L, A, M \mid F = \text{Fraud}) \cdot P(F = \text{Fraud})}{P(L = \text{Foreign}, A = \text{High}, M = \text{Credit Card})} \end{align*} \] \[ \begin{align*} &= \frac{0.336 \cdot 0.01}{0.00534} \\ &= \frac{0.00336}{0.00534} \\ &\approx 0.629 \end{align*} \]
Hasil Akhir :
Probabilitas bahwa suatu transaksi adalah penipuan (\(F = \text{Fraud}\)), jika diketahui transaksi dilakukan dari lokasi luar negeri (\(L = \text{Foreign}\)), jumlah pembelian lebih dari $500 (\(A = \text{High}\)), dan metode pembayaran menggunakan kartu kredit (\(M = \text{Credit Card}\)), adalah sekitar:
\[ P(F = \text{Fraud} \mid L = \text{Foreign}, A = \text{High}, M = \text{Credit Card}) \approx 62.9\%. \]
Kesimpulan :
Dengan probabilitas sebesar 62.9%, dapat disimpulkan bahwa transaksi dengan karakteristik lokasi luar negeri, nilai pembelian tinggi, dan metode pembayaran menggunakan kartu kredit memiliki potensi besar untuk menjadi aktivitas penipuan. Sehingga dapat menggaris bawahi pentingnya peran analisis data dan penerapan langkah pengamanan yang lebih ketat untuk mencegah risiko tersebut.
Pendekatan ini tidak hanya melindungi aset perusahaan, tetapi juga meningkatkan kepercayaan pelanggan terhadap layanan yang diberikan. Dengan langkah-langkah yang tepat, perusahaan dapat memanfaatkan hasil analisis ini untuk menciptakan lingkungan transaksi yang lebih aman dan efisien di masa mendatang.
Langkah Rekomendasi :
Pengawasan Transaksi Otomatis: Implementasikan algoritma berbasis probabilitas atau machine learning untuk mendeteksi transaksi yang memiliki karakteristik risiko tinggi, seperti lokasi luar negeri, jumlah pembelian besar, dan metode pembayaran kartu kredit.
Pemberian Skor Risiko: Berikan skor risiko pada setiap transaksi berdasarkan faktor-faktor tersebut untuk membantu memprioritaskan pemeriksaan.
Proses Verifikasi Tambahan: Lakukan verifikasi identitas tambahan untuk transaksi yang terdeteksi memiliki risiko tinggi. Kirimkan pemberitahuan atau permintaan konfirmasi kepada pelanggan saat transaksi mencurigakan terdeteksi.
Pemantauan dan Peninjauan Manual: Untuk transaksi dengan skor risiko tertinggi, lakukan peninjauan manual oleh tim keamanan sebelum transaksi disetujui. Buat daftar pengawasan untuk pola transaksi berulang yang mencurigakan.
Penggunaan Teknologi Canggih: Terapkan teknologi biometrik atau otentikasi dua faktor untuk meningkatkan keamanan transaksi. Gunakan model prediksi berbasis machine learning yang dapat terus belajar dari data baru untuk meningkatkan akurasi deteksi penipuan.
Pelatihan dan Edukasi: Berikan pelatihan kepada karyawan tentang tanda-tanda transaksi mencurigakan dan cara menanganinya. Edukasi pelanggan tentang pentingnya menjaga keamanan data pribadi dan transaksi.
Peningkatan Basis Data dan Analisis Historis: Perluas analisis data historis untuk memahami pola transaksi penipuan baru. Kolaborasi dengan institusi lain untuk berbagi data tentang pola penipuan yang sedang berkembang.
Peningkatan Kebijakan dan Proses Internal: Perbarui kebijakan keamanan transaksi secara berkala berdasarkan hasil analisis dan perkembangan teknologi. Tetapkan prosedur eskalasi yang jelas untuk menangani kasus penipuan yang terdeteksi.
Monitoring dan Evaluasi: Lakukan pemantauan berkelanjutan terhadap efektivitas sistem deteksi penipuan. Tinjau dan evaluasi data transaksi secara periodik untuk mengidentifikasi kebutuhan penguatan sistem.
Manfaat Implementasi Rekomendasi
Pengurangan Risiko: Mengurangi kemungkinan kerugian finansial akibat penipuan.
Kepercayaan Pelanggan: Meningkatkan rasa aman pelanggan terhadap layanan perusahaan.
Efisiensi Operasional: Fokus pada transaksi yang benar-benar berisiko tinggi, sehingga menghemat sumber daya.
Hitungan menggunakan sistem
# Probabilitas dari data historis
P_Fraud <- 0.01
P_NotFraud <- 0.99
P_L_Foreign_given_Fraud <- 0.6
P_A_High_given_Fraud <- 0.7
P_M_CreditCard_given_Fraud <- 0.8
P_L_Foreign_given_NotFraud <- 0.1
P_A_High_given_NotFraud <- 0.05
P_M_CreditCard_given_NotFraud <- 0.4
# Menghitung probabilitas gabungan
P_L_A_M_given_Fraud <- P_L_Foreign_given_Fraud * P_A_High_given_Fraud * P_M_CreditCard_given_Fraud
P_L_A_M_given_NotFraud <- P_L_Foreign_given_NotFraud * P_A_High_given_NotFraud * P_M_CreditCard_given_NotFraud
# Menghitung probabilitas total
P_L_A_M <- (P_L_A_M_given_Fraud * P_Fraud) + (P_L_A_M_given_NotFraud * P_NotFraud)
# Menghitung probabilitas bersyarat menggunakan Teorema Bayes
P_Fraud_given_L_A_M <- (P_L_A_M_given_Fraud * P_Fraud) / P_L_A_M
# Menampilkan hasil
cat("Probabilitas bahwa transaksi adalah penipuan adalah:",
round(P_Fraud_given_L_A_M, 3) * 100, "%\n")## Probabilitas bahwa transaksi adalah penipuan adalah: 62.9 %