Research Article
BibTex RIS Cite

Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi

Year 2020, , 28 - 33, 09.04.2021
https://doi.org/10.20854/bujse.873804

Abstract

Kredi kartları, dünya üzerindeki yaygınlığı ve güçlü altyapısı sayesinde çok kısa bir sürede insanların hayatlarına girmiş ve korkusuzca kullanabilecekleri ödeme aracı haline gelmiştir. Kredi kartlarının sayılarının her geçen gün takip edilmesi zor bir hal alması ve bunun paralelinde işlem hacminin hızla büyümesi, bu pazardan haksız kazanç elde etmek isteyen dolandırıcıları ortaya çıkarmıştır. Günümüzde herhangi bir insanın kredi kartı bilgilerini elde etmenin oldukça kolay hale gelmesi kredi kartı dolandırıcılarının işini kolaylaştırmaktadır. Gelişen teknoloji sayesinde, gerçekleşen hesap hareketleri değişikliğinde zaman ve harcamaların analiz edilmesi ile kötü amaçla elde edilen verilerin kullanıldığı analiz edebilir. Kaggle veritabanından elde edilen Kredi Kartı Dolandırıcılık Teşhis veri seti kullanılarak Çok Katmanlı Yapay Sinir Ağı ve Naive Bayes yöntemleri ile modelleme yapılmıştır. Bu çalışmada ki amaç kişilerin kredi kartlarını kullanma zaman aralıklarını analiz ederek yapılan işlemin farklı kişi tarafından yapıldığını tespit etmektir. En yüksek başarı oranı çok katmanlı yapay sinir ağlı ile %99,943 elde edilmiştir. Naive Bayes yöntemi ile %98,207 başarı elde edilmiştir.

References

  • [1] KAYA F. “Türkiye’de Kredi Karı Uygulaması” (No.263), İstanbul: Türkiye Bankalar Birliği, 2009
  • [2]ÖZBAY E. , “Finans Sektöründe Veri Madenciliği ile Dolandırıcılık Tespiti” (Doctoral Dissertation, Selçuk Üniversitesi Fen Bilimleri Enstitüsü), 2007
  • [3] ADALI B.“Kredi Kartı Dolandırıcılığı Saptama Yöntemleri” (Dissertation, İstanbul Teknik Üniversitesi Bilgisayar ve Bilişim Fakültesi), Haziran 2012
  • [4] GÜLTEKİN S. U. “Yapay Sinir Ağı ve Doğrusal Regresyon Yöntemleri İle Fiyat Tahmini” (Master’ thesis, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü) Ağustos 2017
  • [5] SOYLU K.“Kredi Kartı Sahte İşlem Tespiti” 2018
  • [6]ÖZMEN E. P. , ÖZCAN T. , “Finans Sektöründe Dolandırcılık Tespiti Üzerine Melez Sınıflandırma ve Regresyon Ağacı Uygulaması” Cilt5, Sayı2, Sayfa12-20, 2019
  • [8] Credit Card Fraud Detection Dataset, https://www.kaggle.com/mlg-ulb/creditcardfraud (09.12.2020)
  • [9] BİLGİN M. , YILMAZ A. , Makine Öğrenmesi, Papatya Bilim, 2018
  • [10] ŞENGÜR D. , TEKİN A. , Öğrencilerin Mezuniyet Notlarının Veri Madenciliği Metotları ile Tahmini, Bilişim Teknolojileri Dergisi, Sayı3, Cilt6, 2013
  • [11] YILMAZ A. , R Programlama, Kodlab, 2020.
Year 2020, , 28 - 33, 09.04.2021
https://doi.org/10.20854/bujse.873804

Abstract

References

  • [1] KAYA F. “Türkiye’de Kredi Karı Uygulaması” (No.263), İstanbul: Türkiye Bankalar Birliği, 2009
  • [2]ÖZBAY E. , “Finans Sektöründe Veri Madenciliği ile Dolandırıcılık Tespiti” (Doctoral Dissertation, Selçuk Üniversitesi Fen Bilimleri Enstitüsü), 2007
  • [3] ADALI B.“Kredi Kartı Dolandırıcılığı Saptama Yöntemleri” (Dissertation, İstanbul Teknik Üniversitesi Bilgisayar ve Bilişim Fakültesi), Haziran 2012
  • [4] GÜLTEKİN S. U. “Yapay Sinir Ağı ve Doğrusal Regresyon Yöntemleri İle Fiyat Tahmini” (Master’ thesis, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü) Ağustos 2017
  • [5] SOYLU K.“Kredi Kartı Sahte İşlem Tespiti” 2018
  • [6]ÖZMEN E. P. , ÖZCAN T. , “Finans Sektöründe Dolandırcılık Tespiti Üzerine Melez Sınıflandırma ve Regresyon Ağacı Uygulaması” Cilt5, Sayı2, Sayfa12-20, 2019
  • [8] Credit Card Fraud Detection Dataset, https://www.kaggle.com/mlg-ulb/creditcardfraud (09.12.2020)
  • [9] BİLGİN M. , YILMAZ A. , Makine Öğrenmesi, Papatya Bilim, 2018
  • [10] ŞENGÜR D. , TEKİN A. , Öğrencilerin Mezuniyet Notlarının Veri Madenciliği Metotları ile Tahmini, Bilişim Teknolojileri Dergisi, Sayı3, Cilt6, 2013
  • [11] YILMAZ A. , R Programlama, Kodlab, 2020.
There are 10 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Articles
Authors

Melike Selimoglu

Atınç Yılmaz 0000-0003-0038-7519

Publication Date April 9, 2021
Published in Issue Year 2020

Cite

APA Selimoglu, M., & Yılmaz, A. (2021). Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi. Beykent Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 13(2), 28-33. https://doi.org/10.20854/bujse.873804
AMA Selimoglu M, Yılmaz A. Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi. BUJSE. April 2021;13(2):28-33. doi:10.20854/bujse.873804
Chicago Selimoglu, Melike, and Atınç Yılmaz. “Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri Ile Tahmin Edilmesi”. Beykent Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 13, no. 2 (April 2021): 28-33. https://doi.org/10.20854/bujse.873804.
EndNote Selimoglu M, Yılmaz A (April 1, 2021) Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi. Beykent Üniversitesi Fen ve Mühendislik Bilimleri Dergisi 13 2 28–33.
IEEE M. Selimoglu and A. Yılmaz, “Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi”, BUJSE, vol. 13, no. 2, pp. 28–33, 2021, doi: 10.20854/bujse.873804.
ISNAD Selimoglu, Melike - Yılmaz, Atınç. “Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri Ile Tahmin Edilmesi”. Beykent Üniversitesi Fen ve Mühendislik Bilimleri Dergisi 13/2 (April 2021), 28-33. https://doi.org/10.20854/bujse.873804.
JAMA Selimoglu M, Yılmaz A. Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi. BUJSE. 2021;13:28–33.
MLA Selimoglu, Melike and Atınç Yılmaz. “Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri Ile Tahmin Edilmesi”. Beykent Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, vol. 13, no. 2, 2021, pp. 28-33, doi:10.20854/bujse.873804.
Vancouver Selimoglu M, Yılmaz A. Kredi Kartı Dolandırıcılık Tespitinin Makine Öğrenmesi Yöntemleri ile Tahmin Edilmesi. BUJSE. 2021;13(2):28-33.