Penipuan asuransi adalah fenomena umum yang sering dilakukan terhadap perusahaan asuransi. Penipuan asuransi terjadi ketika individu berusaha mendapatkan keuntungan meskipun gagal memenuhi persyaratan perjanjian asuransi. Salah satu jenis penipuan yang muncul di industri asuransi adalah penipuan asuransi kendaraan. Kerugian yang muncul akibat penipuan tersebut akan berdampak sangat besar. Namun, terkadang jumlah data yang memang bersifat penipuan jauh lebih sedikit jika dibandingkan dengan data aktual yang bukan penipuan. Hal ini menyebabkan data menjadi tidak seimbang dan menyebabkan bias dalam model deteksi. Penelitian ini bertujuan untuk mendeteksi data penipuan dengan menerapkan metode oversampling ADASYN dan metode klasifikasi Random Forest. Metode oversampling ADASYN digunakan untuk menyeimbangkan data yang tidak seimbang. Fitur yang berpengaruh terhadap data fraud juga diidentifikasi dengan menggunakan metode seleksi fitur Chi Square. Dataset yang digunakan adalah dataset Vehicle Insurance Claim Fraud Detection yang diperoleh dari Kaggle. Hasil penelitian akan dievaluasi dengan menghitung nilai accuracy dan recall. Nilai recall sangat berpengaruh karena nilai ini menekan data fraud yang tidak terdeteksi yang merugikan. Dari beberapa pengujian yang dilakukan, hasil terbaik memiliki nilai accuracy sebesar 60.16% dan nilai recall sebesar 94.21%. Hasil tersebut diraih dengan model yang menggunakan 5 fitur hasil seleksi Chi Square, 5 n neighbor dalam proses ADASYN dan 100 n estimators, 4 max depth, 2 min samples split dan 1 (seluruh data) max samples dalam metode klasifikasi Random Forest.