PENERAPAN ALGORITMA RANDOM FOREST DALAM ANALISIS DAN PREDIKSI TINGKAT KEJAHATAN DI KABUPATEN JEMBER BERDASARKAN DATA KRIMINALITAS POLRES JEMBER



YOANDITO, NURFARSYAH (2025) PENERAPAN ALGORITMA RANDOM FOREST DALAM ANALISIS DAN PREDIKSI TINGKAT KEJAHATAN DI KABUPATEN JEMBER BERDASARKAN DATA KRIMINALITAS POLRES JEMBER. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[thumbnail of a.Halaman depan.pdf] Text
a.Halaman depan.pdf

Download (1MB)
[thumbnail of b.abstrak.pdf] Text
b.abstrak.pdf

Download (385kB)
[thumbnail of c.bab 1.pdf] Text
c.bab 1.pdf

Download (435kB)
[thumbnail of d.bab 2.pdf] Text
d.bab 2.pdf
Restricted to Repository staff only

Download (617kB) | Request a copy
[thumbnail of e.bab 3.pdf] Text
e.bab 3.pdf
Restricted to Repository staff only

Download (664kB) | Request a copy
[thumbnail of f. bab 4.pdf] Text
f. bab 4.pdf
Restricted to Repository staff only

Download (859kB) | Request a copy
[thumbnail of g. bab 5.pdf] Text
g. bab 5.pdf
Restricted to Repository staff only

Download (370kB) | Request a copy
[thumbnail of h. daftar pustaka.pdf] Text
h. daftar pustaka.pdf

Download (340kB)
[thumbnail of i. lampiran.pdf] Text
i. lampiran.pdf
Restricted to Repository staff only

Download (454kB) | Request a copy

Abstract

Kejahatan merupakan permasalahan sosial yang dapat mengganggu stabilitas masyarakat, terutama di wilayah dengan intensitas aktivitas tinggi seperti Kota Jember. Penelitian ini bertujuan untuk menganalisis dan memprediksi tingkat kejahatan berdasarkan data kriminalitas dari Polres Jember tahun 2019–2023 menggunakan algoritma Random Forest. Data yang digunakan mencakup informasi jenis kejadian, waktu kejadian, tanggal, dan lokasi kejadian. Tahapan penelitian meliputi Preprocessing Data, pembentukan model klasifikasi kerawanan kejahatan (rawan dan tidak rawan), serta evaluasi performa model berdasarkan akurasi, presisi, Recall, dan F1-Score. Untuk mendukung visualisasi spasial dari hasil prediksi, digunakan perangkat lunak QGIS. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki akurasi sebesar 98% pada data uji, Recall 100%, dan F1-score 71,16%, dengan presisi sebesar 55,26%. Meskipun model memiliki sensitivitas tinggi terhadap kejadian rawan, presisi yang relatif rendah menunjukkan perlunya peningkatan dalam penanganan kesalahan klasifikasi positif palsu. Integrasi antara machine learning dan analisis spasial ini diharapkan dapat membantu aparat penegak hukum dalam merancang strategi pencegahan kejahatan yang lebih efektif dan berbasis data

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
Dosen Pembimbing
ANISATUR ROSYIDAH, ULYA
NIDNO710037903
Dosen Pembimbing
GINANJAR, ABDURRAHMAN
NIDN0714078704

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: Kejahatan, Random Forest, Prediksi, Klasifikasi, QGIS.
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Nurfarsyah Yoandito | yoandito03@gmail.com
Date Deposited: 21 Aug 2025 07:50
Last Modified: 21 Aug 2025 07:50
URI: http://repository.unmuhjember.ac.id/id/eprint/27300

Actions (login required)

View Item View Item