IMPLEMENTASI DATA MINING DENGAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI TKP KRIMINALITAS DI KABUPATEN PONOROGO

Setyawati, Indra (2020) IMPLEMENTASI DATA MINING DENGAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI TKP KRIMINALITAS DI KABUPATEN PONOROGO. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text HALAMAN DEPAN.pdf Download (2MB)
	Text BAB 1.pdf Download (530kB)
	Text BAB II.pdf Download (2MB)
	Text BAB III.pdf Restricted to Registered users only Download (2MB)
	Text BAB IV.pdf Restricted to Registered users only Download (4MB)
	Text BAB V.pdf Restricted to Registered users only Download (368kB)
	Text DAFTAR PUSTAKA.pdf Download (531kB)
	Text LAMPIRAN.pdf Download (4MB)

Abstract

Kriminalitas merupakan sebuah perbuatan menyimpang serta merugikan banyak orang. Faktor utama penyebab adanya kriminalitas yaitu tingkat kesenjangan social, pengangguran, pergaulan, pendidikan sehingga banyak hal yang membuat tingkat kriminalitas tinggi di Kabupaten Ponorogo. Tujuan penelitian ini yatu untuk menganalisa dan memprediksi terjadinya tindakan kriminalitas di Kabupaten Ponorogo. Metode yang digunakan yaitu algoritma naïve bayes yang merupakan sebuah metode dimana dapat memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya. Atribut atau variabel yang digunakan dalam penelitian ini yaitu umur pelaku, jenis kriminalitas, modus operandi, umur korban, waktu kejadian, sasaran dan TKP. Hasil dari penelitian ini yaitu prediksi TKP kriminalitas di Kabupaten Ponorogo dengan visualisasi menggunakan web interaktif yang dibangun menggunakan R Shiny. Penelitian ini diharapkan dapat membantu masyarakat Kabupaten Ponorogo dan juga pihak kepolisisan untuk mengantisipasi adanya tindakan criminal di Kabupaten Ponorogo.

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	kriminalitas, naïve bayes, data mining
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > Department of Informatic Engineering
Depositing User:	Library Umpo
Date Deposited:	18 Mar 2021 04:39
Last Modified:	18 Mar 2021 04:39
URI:	https://eprints.umpo.ac.id/id/eprint/6235

Actions (login required)

View Item