Sistem Informasi Prediksi Penjual Palsu di Platform Belanja Online Menggunakan K-Nearest Neighbor

Abstract

Penipuan oleh pihak penjual yang tidak sah di platform belanja online semakin meningkat dan menimbulkan kerugian serta menurunkan kepercayaan konsumen. Untuk mengatasi masalah ini, dikembangkan sebuah sistem informasi yang memanfaatkan pendekatan data mining guna mengidentifikasi pola perilaku penjual yang mencurigakan. Metode klasifikasi yang digunakan adalah K-Nearest Neighbor, yang bekerja dengan membandingkan data baru terhadap sejumlah tetangga terdekat berdasarkan fitur tertentu seperti volume transaksi, tingkat pengembalian, jumlah keluhan, lama operasional toko, dan skor penilaian. Data yang dianalisis terlebih dahulu melalui proses normalisasi untuk menjaga konsistensi skala antaratribut. Hasil pengujian menunjukkan bahwa sistem mampu memprediksi penjual palsu dengan akurasi tinggi, menunjukkan potensi penerapan nyata dalam pemantauan aktivitas penjual secara otomatis. Sistem ini dapat membantu penyedia platform dalam mengurangi risiko penipuan melalui identifikasi awal terhadap penjual berisiko. Dengan demikian, pendekatan ini menawarkan kontribusi praktis dalam meningkatkan keamanan dan kepercayaan pengguna pada platform belanja daring.