Perpustakaan Digital ITB

Kejahatan merupakan masalah serius yang memengaruhi keamanan dan kesejahteraan masyarakat. Dengan perkembangan teknologi informasi, analisis data kriminal menggunakan metode klasifikasi dan temporal-spasial yang telah menjadi fokus utama dalam upaya pencegahan dan penanganan kejahatan, khususnya di kota besar seperti Bandung. Penelitian ini mengeksplorasi berbagai metode klasifikasi data, termasuk Decision Tree, Random Forest, dan Analisis Diskriminan (Linier dan Kuadratik), untuk mengidentifikasi faktor-faktor yang memengaruhi kejadian kejahatan. Teknik Synthetic Minority Oversampling Technique (SMOTE) dan Tomek Link digunakan untuk mengatasi ketidakseimbangan kelas dalam dataset kejahatan. Hasil penelitian menunjukkan bahwa model Random Forest dengan teknik sampling data dan hyperparameter tuning menggunakan Grid Search Optimization memberikan prediksi yang lebih baik dibandingkan dengan model Decision Tree dan Analisis Diskriminan (Linier dan Kuadratik). Selain itu, penelitian ini juga menerapkan metode Ordinary Kriging (OK) untuk analisis temporal-spasial kejahatan, yang melibatkan tiga tahap utama: mengklasifikasikan jarak ????????????, memilih semivariogram yang cocok, dan melakukan Ordinary Kriging (OK). Pendekatan ini membantu dalam pola dan tren pemetaan lokasi kejahatan dan deteksi konsentrasi spasial kejahatan.