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.
HALAMAN DEPAN.pdf
Download (2MB)
BAB 1.pdf
Download (530kB)
BAB II.pdf
Download (2MB)
BAB III.pdf
Restricted to Registered users only
Download (2MB)
BAB IV.pdf
Restricted to Registered users only
Download (4MB)
BAB V.pdf
Restricted to Registered users only
Download (368kB)
DAFTAR PUSTAKA.pdf
Download (531kB)
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.
| Dosen Pembimbing: | UNSPECIFIED | UNSPECIFIED |
|---|---|
| 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 |
