Pemodelan Spatio-Temporal untuk Memprediksi Jumlah Kriminalitas Pencurian di Kota Surabaya Menggunakan Model GSTAR

Shobakh, Asrul Noris (2019) Pemodelan Spatio-Temporal untuk Memprediksi Jumlah Kriminalitas Pencurian di Kota Surabaya Menggunakan Model GSTAR. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111540000052-Undergraduate_Theses.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Kota Surabaya merupakan kota terbesar kedua di Indonesia yang tak lepas dari terjadinya tindak kriminalitas. Pencurian dengan kekerasan (curas), pencurian dengan pemberatan (curat), dan pencurian kendaraan bermotor (curanmor) merupakan jenis kriminalitas yang mendominasi di Kota Surabaya. Oleh karena itu, perlu dilakukan penelitian terhadap jumlah kriminalitas pencurian untuk mendapatkan model prediksi jumlah kejadian yang terbaik. Model yang dibentuk adalah model spatio-temporal menggunakan model GSTAR dengan bobot lokasi seragam dan normalisasi korelasi silang. Pemodelan dilakukan terhadap empat wilayah di Kota Surabaya karena dalam model GSTAR membutuhkan korelasi antar lokasi. Dari analisis yang telah dilakukan, diperoleh bahwa terdapat hubungan jumlah kriminalitas pencurian antar lokasi pada waktu sebelumnya dengan model yang sesuai dengan data adalah model GSTAR(2_1) dan GSTAR(1_1 ). Kemudian dipilih model yang terbaik dengan menggunakan nilai MAPE. Berdasarkan nilai rata-rata MAPE, model dengan ketepatan prediksi terbaik adalah model GSTAR(2_1 ) dengan bobot normalisasi korelasi silang dengan nilai rata-rata MAPE sebesar 20% yang berarti keakuratan model sebesar 80%.
=============================================================================================================================
City of Surabaya is the second largest city in Indonesia
which cann't be free from criminal acts. Theft by violence, theft with weighting, and theft of motorized vehicles is a type of crime that dominates in the city of Surabaya. Therefore, it is necessary to do a research on the amount of theft criminality to get the best predictive model. The model formed is a spatio-temporal model using the GSTAR model with uniform and normalization of cross correlation wight. Modeling was carried out on four areas in the city of Surabaya because in the GSTAR model requires correlation between locations. From the analysis, it is found that there are a connection in the number of teft crime between regions in the city of Surabaya with the suitable model are the GSTAR(2_1) and GSTAR(1_1) models. Then the model chosen using the MAPE value. Based on the MAPE value, the model with the best predictive accuracy is the GSTAR(2_1) model with normalization of cross correlation weight with the mean of MAPE value is 20% which means that the accuracy of model is 80%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	GSTAR, kriminalitas pencurian, model spatio-temporal, peramalan
Subjects:	H Social Sciences > HA Statistics > HA30.3 Time-series analysis H Social Sciences > HA Statistics > HA30.6 Spatial analysis
Divisions:	Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Asrul Noris Shobakh
Date Deposited:	06 Aug 2026 04:25
Last Modified:	06 Aug 2026 04:25
URI:	http://repository.its.ac.id/id/eprint/66325

Actions (login required)

View Item