Klasifikasi Laporan Kriminalitas Pada Situs Lapor Dengan Naïve Bayes Classifier (NBC) Menggunakan Bahasa Pemrograman R

Putri, Rizka Amalia (2016) Klasifikasi Laporan Kriminalitas Pada Situs Lapor Dengan Naïve Bayes Classifier (NBC) Menggunakan Bahasa Pemrograman R. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5212100072-Undergradute Thesis.pdf - Published Version

Download (2MB) | Preview

Abstract

Data LAPOR! yang tergolong sebagai laporan kriminalitas merupakan laporan yang diarsipkan dan tidak memiliki prosedur tindak lanjut. Laporan ini berasal dari pengguna yang menjadi korban atau saksi dari kejadian kriminalitas dan mereka laporkan melalui situs LAPOR!. Pada penelitian ini, dibangun model klasifikasi dengan Naïve Bayes Classifier (NBC) untuk mengetahui kategori kriminalitas yang tepat diterapkan pada data LAPOR!. Kategori kriminalitas yang digunakan bersumber dari Reserse Kriminal Umum POLDA Jatim. Hasil penelitian menunjukkan bahwa kategori 5 subdit lebih baik digunakan pada data penelitian ini daripada kategori 30 jenis kejahatan. Semua model pada percobaan subdit dapat menjadi pengklasifikasi walaupun dengan performa yang tidak semuanya baik. Sedangkan untuk model dengan 30 kategori, tidak semua dapat menjadi pengklasifikasi karena keterbatasan data. Model klasifikasi terbaik yang dihasilkan mampu bekerja akurat pada kelas penyuapan dengan nilai f – measure 100%. Disusul dengan kelas perjudian, penipuan, pengerusakan, korupsi, dan narkoba dengan nilai f – measure lebih dari 80%. Sedangkan untuk kelas pencurian ringan, lantas, perkosaan,penganiayaan, penghinaan, curas, curat, jabatan, penggelapan, pemerasan, curanmor, dan implikasi kontijensi memiliki nilai f – measure kurang dari 80%. Sementara untuk 12 kelas lainnya tidak mampu untuk melakukan proses klasifikasi. Sedangkan performa yang dihasilkan pada kelas subdit yaitu subdit II dan II mampu melakukan kasifikasi dengan nilai f – measure masing – masing 85.5% dan 85.4%. Disusul dengan model subdit V sebesar 77.7% dan subdit I sebesar 66.6%. Sedangkan model IV hanya mampu mengklasifikasi model dengan f – measure 14.2%. Pada penelitian ini juga dibentuk visualisasi berupa grafik alir dan wordcloud yang ditampikan pada aplikasi R berbasis web yang interaktif yaitu Shiny

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 006.312 Put k
Uncontrolled Keywords: Kriminalitas, Klasifikasi, Text Mining, Naïve Bayes Classifier (NBC), R, Shiny, LAPOR!
Subjects: Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: ansi aflacha
Date Deposited: 25 Jun 2019 03:46
Last Modified: 25 Jun 2019 03:46
URI: http://repository.its.ac.id/id/eprint/63233

Actions (login required)

View Item View Item