Kartu kredit merupakan metode pembayaran yang umum digunakan oleh masyarakat. Kejahatan Penipuan kartu kredit adalah bentuk kejahatan penipuan yang melibatkan metode pembayaran kartu kredit yang terjadi ketika pelaku kejahatan menggunakan data pemilik kartu kredit untuk melakukan transaksi. Kejahatan ini mengalami peningkatan yang signifikan setiap tahunnya dan mengakibatkan kerugian yang cukup besar. Dataset penipuan kartu kredit memiliki jumlah data antar kelas yang sangat tidak seimbang (imbalance) sehingga menjadi salah satu masalah untuk melakukan pelatihan pada model machine learning. Pada penelitian ini, akan dilakukan klasifikasi menggunakan Extreme Gradient Boosting (XGBoost). Untuk mengatasi masalah data latih yang terbatas, akan dilakukan oversampling menggunakan metode Synthetic Minority Oversampling Technique (SMOTE). Proses pelatihan akan menggunakan metode k-fold cross validation serta grid search untuk mencari hyperparameter terbaik yang cukup sensitif untuk mendeteksi penipuan kartu kredit. Untuk mendapatkan nilai sensitivitas tertinggi, maka pengujian akan menggunakan confusion matrix sebagai pengukuran khususnya untuk mencari nilai recall tertinggi. Berdasarkan hasil pengujian yang dilakukan, nilai recall tertinggi yang diperoleh sebesar 85.26% yang diperoleh dengan menggunakan hyperparameter n estimators = 50, max depth = 5, eta = 0.3, lambda = 0.5, gamma = 0.5.