Kartu kredit merupakan alat pembayaran pengganti uang tunai yang dapat digunakan oleh konsumen untuk ditukarkan dengan barang atau jasa yang diinginkan di tempat-tempat yang dapat menerima pembayaran secara kredit. Kartu kredit memudahkan pembayaran para nasabah, disamping itu pengaruh budaya hidup modern dan gaya konsumtif juga melanda masyarakat berpengaruh juga pada pola belanja masyarakat. Menurut Laporan kredit global kerugian penipuan kartu berjumlah total kerugian moneter sebesar 16 miliar dolar pada tahun 2014. Sebuah laporan yang diterbitkan oleh Asosiasi Perbankan Kanada pada tahun 2014 menunjukkan bahwa meskipun pengenalan chip keamanan EMV, penipuan kartu kredit di Kanada mendapatkan kerugian yang meningkat sekitar delapan belas persen (18%) pada tahun 2014. Dengan melakukan prediksi pada penipuan kartu kredit maka tindakan awal sebagai bentuk pencegahan dapat dilakukan. Penelitian ini bertujuan untuk mendeteksi data penipuan dengan menerapkan metode oversampling ADASYN dan Modified ADASYN dan metode klasifikasi Random Forest. Metode oversampling ADASYN digunakan untuk menyeimbangkan data yang tidak seimbang. Fitur yang berpengaruh terhadap data fraud. Dataset yang digunakan adalah dataset Credit Card Fraud 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 94.9% dan nilai recall sebesar 95.1%. Hasil tersebut diraih dengan model dengan kombinasi dari perhitungan jarak Manhattan Distance dengan nilai 20 n neighbors dalam proses Modified ADASYN dan 100 n estimators, 3 max depth, 2 min samples split dan sqrt pada max f eatures dalam metode klasifikasi Random Forest.