ارکیده حامدی - استادیار و عضو هیئت علمی گروه مدیریت، اقتصاد و حسابداری، دانشگاه پیام نور، تهران( صندوق پستی۴۶۹۷-۱۹۳۹۵ تهران)، ایران
محمدامین ترابی - گروه مدیریت، اقتصاد و حسابداری، دانشگاه پیام نور، تهران، ایران
محمد رفیعی نیا - کارشناسی ارشد مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد همدان، ایران
نوید اسفندیاری - گروه مدیریت، اقتصاد و حسابداری، دانشگه پیام نور، تهران( صندوق پستی۴۶۹۷-۱۹۳۹۵ تهران)، ایران

مروزه، دستگاههای خودپرداز عملیات بانکی را متحول کردهاند. با وجود این دستگاهها، دیگر لازم نیست کسی برای دریافت پول در صفهای طولانی بانک معطل شود. نصب این دستگاه در یک مکان برای بانکها میتواند ازنظر امنیتی خطرساز باشد. ازاینرو، مکانیابی صحیح امنیتی و مناسب خودپرداز در یک شهر میتواند باعث افزایش امنیت بانک و جلوگیری از سرقت شود. در این مقاله با استفاده از روشهای مختلف دادهکاوی مانند الگوریتم نزدیکترین همسایه، رافست، الگوریتم درخت طبقهبندی، رگرسیون و شبکه عصبی به پیشبینی تعداد دستگاههای خودپرداز موردنیاز یک بانک و جانمایی صحیح آن میپردازیم. با توجه به نتایج بهدستآمده از تحقیق، دریافتیم که استفاده از ابزارهای دادهکاوی میتواند به مسئولین در پیشبینی و جانمایی تعداد خودپرداز موردنیاز در شهر همدان کمک کند و باعث جلوگیری از سرقت، افزایش ضریب امنیتی و بهبود فعالیتهای امنیتی پلیس گردد. در این پژوهش، علاوه بر درنظرگرفتن سوددهی خودپردازها، ضریب امنیتی مکانیابی هر شعبه را نیز در الگوریتمهای دادهکاوی مدنظر قرار دادیم. نتایج نشان داد که توجه به شاخصهای: مدت قرارداد، کل کارمزد، کل تراکنشها و تعداد خودپردازها در هر منطقه، میزان سرقت در منطقه، مسافت نزدیکترین کلانتری، تعداد دوربینهای مداربسته منطقه، تراکم جمعیت و تعداد نگهبانها، در تصمیمگیری، پیشبینی تعداد و جانمایی خودپردازها بسیار حائز اهمیت است. این شاخصها مبنایی برای پیشبینی تعداد خودپردازهای سودده نیز خواهند بود. همچنین، الگوریتم ماشین بردار پشتیبان با جذر میانگین مربعات خطای ۸ درصد، قابلیت برآورد بهتری را نسبت به سایر الگوریتمها دارد.

دادهکاوی, امنیت خودپردازها, جلوگیری از سرقت