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.
![]() |
Text
a.Halaman depan.pdf Download (1MB) |
![]() |
Text
b.abstrak.pdf Download (385kB) |
![]() |
Text
c.bab 1.pdf Download (435kB) |
![]() |
Text
d.bab 2.pdf Restricted to Repository staff only Download (617kB) | Request a copy |
![]() |
Text
e.bab 3.pdf Restricted to Repository staff only Download (664kB) | Request a copy |
![]() |
Text
f. bab 4.pdf Restricted to Repository staff only Download (859kB) | Request a copy |
![]() |
Text
g. bab 5.pdf Restricted to Repository staff only Download (370kB) | Request a copy |
![]() |
Text
h. daftar pustaka.pdf Download (340kB) |
![]() |
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
ContributionNama Dosen PembimbingNIDN/NIDKDosen PembimbingANISATUR ROSYIDAH, ULYANIDNO710037903Dosen PembimbingGINANJAR, ABDURRAHMANNIDN0714078704
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 |