Prediksi Kerawanan Lokasi Terhadap Kasus Pencurian Kendaraan Menggunakan Algoritma Jaringan Syaraf Tiruan

Setyan, Ardath Prahara (2021) Prediksi Kerawanan Lokasi Terhadap Kasus Pencurian Kendaraan Menggunakan Algoritma Jaringan Syaraf Tiruan. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111950067007-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (11MB) | Request a copy

Abstract

Pencurian kendaraan di Jawa Timur, merupakan salah satu bentuk kejahatan yang menimbulkan keresahan dan kecemasan masyarakat. Peningkatan tingkat pencurian kendaraan di sebabkan oleh beberapa faktor, antara lain faktor ekonomi, faktor lingkungan, rendahnya pendidikan, meningkatnya pengangguran dan kurangnya kesadaran hukum. Salah satu upaya untuk mengantisipasi peningkatan tingkat pencurian adalah dengan memprediksi kemungkinan terjadinya tindak pencurian berdasarkan data-data kejadian sebelumnya. Fokus dalam penelitian ini adalah perancangan sistem cerdas untuk memprediksi rawan terjadinya pencurian kendaraan menggunakan Jaringan Syaraf Tiruan tipe Backpropagation. Dataset latih yang digunakan dalam penelitian ini bersumber dari data lokasi pencurian kendaraan di wilayah Polda Jawa Timur tahun 2015 hingga 2019. Penelitian ini menggunakan arsistektur Backpropagation model 7-10-6. Tingkat akurasi terbaik kinerja model ini adalah 100%, dengan epoch 65 eterasi dan cross entropy 5.188 serta tingakat nilai kesalahan 0. Tes prediksi dilakukan pada sepuluh data baru pencurian tahun 2020 dan 2021. Hasil dari tes prediksi menunjukkan bahwa tingkat akurasi prediksi lokasi rawan pencurian yang cukup akurat dalam waktu yang singkat dan memberikan hasil predikisi yang benar. =================================================================================================== Vehicle theft in East Java is a crime that causes unrest and anxiety in the public. The increased rate of vehicle theft is due to several factors, including economic, environment, low education, increased unemployment, and lacking legal awareness. One way to anticipate an increased level of theft is by predicting the possibility of theft based on previous incident data. This research is focused on the design of an intelligent system to predict the locations prone to vehicle theft using Backpropagation Neural Network. The training dataset used was obtained from data on the location of vehicle thefts in the East Java Regional Police from 2015 to 2019.Backpropagation architecture model 7-10-6 was used. The best level of accuracy for the performance of this model is 100%, with an epoch of 65 iterations, cross entropy of 5.188, and an error value of 0. Prediction test was carried out on ten new theft data in 2020 and 2021. The test resulted in a quite accurate level of accuracy in predicting locations prone to theft in a short time and gave correct prediction results.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Prediksi, Pencurian Kendaraan, Backpropagation, Jaringan Syaraf Tiruan, Sistem Cerdas.
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning.
Q Science > QA Mathematics > QA336 Artificial Intelligence
Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Ardath Prahara Setyan
Date Deposited: 13 Aug 2021 05:32
Last Modified: 13 Aug 2021 05:35
URI: https://repository.its.ac.id/id/eprint/86344

Actions (login required)

View Item View Item