Penerapan Algoritma Random Forest Dalam Analisis Dan Prediksi Tingkat Kejahatan Berdasarkan Data Kriminalitas Polres Jember

Nurfarsyah Yoandito, Ulya Anisatur Rosyidah, Ginanjar Abdurrahman

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

Kata Kunci: Kejahatan, Random Forest, Prediksi, Klasifikasi, QGIS.

Full Text:

PDF

References


Alma Zuhairah. (2022). Penerapan Algoritma Random Forest, Support Vector Machine (SVM) dan Gradient Boosted Tree(GBT) untuk deteksi penipuan (Fraud Detection) padatransaksikartu kredit.

Badan Pusat Statistik Kabupaten Jember. (2023). Laporan Kriminalitas Kabupaten Jember

Cahyo, A. E., & Nilogiri, A. (2021). Klasifikasi Gangguan Autisme Pada Anak Menggunakan Algoritma C4.5 Dengan Teknik Random Forest.

Kepolisian Negara Republik Indonesia Daerah Jawa Timur Resort Jember. (2024, September). POLRES JEMBER. Https://Jember.Jatim.Polri.Go.Id/.

Khairunnisa, A. (2023). Perbandingan Model Random Forest Dan Xgboost Untuk Prediksi Kejahatan Kesusilaan Di Provinsi Jawa Barat. JIKO (Jurnal Informatika Dan Komputer), 7(2), 202. https://doi.org/10.26798/jiko.v7i2.799

Khatun, R., Ayon, S. I., Hossain, R., & Alam, J. (2021). Data mining technique to analyse and predict crime using crime categories and arrest records. Indonesian Journal of Electrical Engineering and Computer Science, 22(2), 1052–1060. https://doi.org/10.11591/ijeecs.v22.i2.pp1052-1060

Moerdyanto, O. P., Kadek, I., & Nuryana, D. (2023). Prediksi Kelulusan Tepat Waktu Menggunakan Pendekatan Pohon Keputusan Algoritma Decision Tree. Journal of Informatics and Computer Science, 05.

qgis.org. (2025, June 20). QGIS. Www.Qgis.Org.

Reyvan Maulid. (2024, August 21). Pentingnya File CSV dalam Python Data Science. Belajar Data Science Di Rumah.

Sari, L. (2024). Optimasi Algoritma Machine Learning untuk Prediksi Kejahatan Berbasis Temporal.

shodiq, nur, & papilaya, samuel. (2019). Analisis Pola Spasial Kriminalitas Wilayah Hukum Kepolisian Resort Kota Salatiga.

Surya Ningsih, K., Jamilah Aruan, N., & Taufik Al Afkari Siahaan, A. (2022). Yayasan Insan Cipta Medan Aplikasi Buku Tamu Menggunakan Fitur Kamera Dan Ajax Berbasis Website Pada Kantor Dispora Kota Medan.

Trivusi. (2022, September 17). Algoritma Random Forest: Pengertian dan Kegunaannya. Https://Www.Trivusi.Web.

Id/2022/08/Algoritma-Random-Forest. Html.

Wijoyo, A., Saputra, A. Y., Ristanti, S., Sya’ban, R., Amalia, M., & Febriansyah, R. (2024). Pembelajaran Machine Learning.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.