Detection of Credit Card Fraud in E-Commerce Using Data Mining

Yasin KIRELLİ; Seher ARSLANKAYA; Muhammed Taha ZEREN

doi:https://doi.org/10.31590/ejosat.747399

Article Details

Detection of Credit Card Fraud in E-Commerce Using Data Mining

Authors:

Yasin KIRELLİ | Seher ARSLANKAYA | Muhammed Taha ZEREN

Publisher:

Osman SAĞDIÇ

Main Topics:

Applied physics

Journal:

European Journal of Science and Technology 2020 Vol. Issue 20, pp.522-529

Document Type:

Article

Publication Date:

12/2020

Document Language:

English

Document ID (Org No.):

2000918601

Frequency:

Quarterly

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.747399

Keywords:

Abstract:

 

Credit card payment is one of the most preferred methods of e-commerce sites. Fraud orders are the biggest concerns for online shopping sites. Fraud operations affect not only customers but also companies and banks. Hence, companies should be able to classify orders and take measures against suspicious transactions. Classification is easier on the banking side because of more information about customers, but it is more difficult to determine this process on e-commerce sites.  In this study, the actual order data of a private e-commerce enterprise was examined and suspicious transactions were determined. First of all, all order data was analyzed and filtered. The best variables for classification were determined by variable selection algorithms. Afterwards, classification algorithms were applied and suspicious orders were determined with 92% success rate. Naïve Bayesian, Decision Trees and Artificial Neural Network were used as comparative data mining methods.

 

Kredi kartı ile ödeme, e-ticaret sitelerinin en çok tercih edilen yöntemlerinden biridir. Dolandırıcılık şüphesi olan siparişler, alışveriş siteleri için en büyük endişe kaynağıdır. Sahtekarlık işlemleri sadece müşterileri değil, aynı zamanda şirketleri ve bankaları da etkiler. Bu nedenle, şirketler emirleri sınıflandırabilmeli ve şüpheli işlemlere karşı önlemler alabilmelidir. Bankacılık tarafında, müşteriler hakkında daha fazla bilgi olması nedeniyle sınıflandırma daha kolaydır, ancak bu süreci e-ticaret sitelerinde belirlemek daha zordur. Bu çalışmada, özel bir e-ticaret girişiminin gerçek sipariş verileri incelenmiş ve şüpheli işlemler belirlenmiştir. Öncelikle, tüm sipariş verileri analiz edildi ve filtrelendi. Sınıflandırma için en iyi değişkenler değişken seçim algoritmaları ile belirlenmiştir. Daha sonra sınıflandırma algoritmaları uygulanmış ve %92 başarı oranı ile şüpheli siparişler belirlenmiştir. Karşılaştırmalı veri madenciliği yöntemleri olarak Naive Bayesian, Karar Ağaçları ve Yapay Sinir Ağı kullanılmıştır.

Article Details

Detection of Credit Card Fraud in E-Commerce Using Data Mining

Authors:

Yasin KIRELLİ | Seher ARSLANKAYA | Muhammed Taha ZEREN

Publisher:

Osman SAĞDIÇ

Main Topics:

Applied physics

Journal:

European Journal of Science and Technology 2020 Vol. Issue 20, pp.522-529

Document Type:

Article

Publication Date:

12/2020

Document Language:

English

Document ID (Org No.):

2000918601

Frequency:

Quarterly

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.747399

Kredi Kartı Dolandırıcılığı Tespiti

Sınıflandırma

Veri Madenciliği

Issues

Article Details

Detection of Credit Card Fraud in E-Commerce Using Data Mining

Authors: Yasin KIRELLİ | Seher ARSLANKAYA | Muhammed Taha ZEREN

Publisher: Osman SAĞDIÇ

Main Topics: Applied physics

Journal: European Journal of Science and Technology 2020 Vol. Issue 20, pp.522-529

Document Type: Article

Publication Date: 12/2020

Document Language: English

Document ID (Org No.): 2000918601

Frequency: Quarterly

eISSN: 2148-2683

DOI: https://doi.org/10.31590/ejosat.747399

Kredi Kartı Dolandırıcılığı Tespiti

Sınıflandırma

Veri Madenciliği

Issues

Authors:

Yasin KIRELLİ | Seher ARSLANKAYA | Muhammed Taha ZEREN

Publisher:

Osman SAĞDIÇ

Main Topics:

Applied physics

Journal:

European Journal of Science and Technology 2020 Vol. Issue 20, pp.522-529

Document Type:

Article

Publication Date:

12/2020

Document Language:

English

Document ID (Org No.):

2000918601

Frequency:

Quarterly

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.747399