Prediksi Jumlah Kriminalitas Menggunakan Metode Extreme Learning Machine (Studi Kasus Di Kabupaten Probolinggo)

Dewi, Sema Nabillah (2018) Prediksi Jumlah Kriminalitas Menggunakan Metode Extreme Learning Machine (Studi Kasus Di Kabupaten Probolinggo). Sarjana thesis, Universitas Brawijaya.

Abstract

Tingkat kejahatan di Indonesia semakin merajalela. Ambisi masyarakat akan memiliki harta kekayaan dari jalan yang tidak wajar dengan melakukan tindak kriminalitas. Kriminalitas merupakan tindakan yang melanggar aturan undangundang yang dapat meresahkan masyarakat. Setiap masyarakat memiliki resiko menjadi korban tindak kriminalitas. Semakin besar resiko yang dimiliki masyarakat menandakan semakin tidak amannya suatu daerah. Namun, tidak bisa dipastikan jumlah tindak kriminalitas dari waktu ke waktu karena jumlahnya yang tidak menentu. Hal ini menyebabkan pihak kepolisian mengalami kesulitan untuk mengatasi masalah tindak kriminalitas. Prediksi yang tepat dan akurat dapat membantu meminimalisir tidak kriminalitas yang akan terjadi. Penelitian ini bertujuan untuk memperoleh prediksi jumlah kriminalitas menggunakan metode Extreme Learning Machine (ELM). Berdasarkan implementasi dan pengujian yang dilakukan menggunakan data kriminalitas Polres Kabupaten Probolinggo tahun 2012 hingga 2017 diperoleh arsitektur jaringan yang maksimum yaitu jumlah fitur sebanyak 7, perbandingan rasio data yaitu 80%:20%, dan jumlah neuron pada hidden layer sebanyak 7 serta fungsi aktivasi sigmoid biner. Nilai error yang rendah dihitung menggunakan tingkat kesalahan Mean Square Error (MSE) yaitu sebesar 0,037662.

English Abstract

The crime rate in Indonesia is highly increased. A lot of people want to become wealthy in a wrong way by commiting a crime. Criminality is an act that violates the rules of the law that can disturb the public. Every society has a risk of becoming a victim of crime. The greater the risk that the community has, the more unsafe their area is. However, the number of criminal acts cant’t be ensured from time to time due to the uncertain number. This causes the police will having a trouble in resolving the criminal acts. A proper and accurate prediction can help minimizing criminal acts that will be happened. This research is intended to get predicted numbers of criminality using Extreme Learning Machine method (ELM). Based on the implementation and testing done by using crime data of Probolinggo District Police in 2012 until 2017, obtained the maximum network architecture that is the number of features as much as 7, the comparison of data ratio is 80%: 20%, and the number of neurons in the hidden layer as much as 7 and the binary sigmoid activation function. The low error value is calculated using the Mean Square Error (MSE) error rate and the result is 0.037662.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/314/051804127
Uncontrolled Keywords: Extreme Learning Machine, kriminalitas, Mean Square Error (MSE) Extreme Learning Machine, Criminality, Mean Square Error (MSE)
Subjects: 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono Wahyono
Date Deposited: 31 Jan 2019 03:58
Last Modified: 16 Oct 2021 04:43
URI: http://repository.ub.ac.id/id/eprint/13391
[thumbnail of Sema Nabillah Dewi.pdf]
Preview
Text
Sema Nabillah Dewi.pdf

Download (2MB) | Preview

Actions (login required)

View Item View Item