<![CDATA[Dalam sistem baru pembinaan narapidana, remisi merupakan pengurangan hukuman terhadap narapidana dan anak pidana yang berkelakuan baik dengan tujuan untuk berbuat baik dan segera menjalani kehidupan di masyarakat. Kriteria pemberian remisi perlu diperjelas sehingga dapat menutup peluang remisi menjadi komoditas. Untuk itu perlu dilakukan klasifikasi terhadap pemberian remisi bagi narapidana. Pendekatan melalui computer science diterapkan sebagai model yang dapat membantu Klasifikasi. Metode Klasifikasi yang akan diterapkan dalam penelitian ini yaitu algoritma K-Nearest Neighbors (K-NN). Salah satu kelemahan dari K-NN adalah pemilihan nilai k, jika k sangat kecil maka akan mengakibatkan hasil klasifikasi terasa kaku. Sebaliknya jika k terlalu besar dapat menyebabkan hasil klasifikasi semakin kabur. Model klasifikasi remisi tahanan pertama dengan K-NN tanpa optimasi bertujuan untuk menentukan nilai k optimal secara manual. Selanjutnya K-NN dioptimasi dengan Algoritma Genetika untuk menentukan nilai k secara optimal.Hasil dari proses analisa untuk menentukan remisi narapidana dengan Metode K-NN dioptimasi menggunakan Algoritma Genetika memiliki tingkat akurasi yang lebih tinggi dengan nilai k = 7 yaitu 91.36% dari pada penggunaan Metode K-NN yaitu sebesar 87.50 %. Hasil penerapan Algoritma Genetika pada Metode K-NN pada klasifikasi remisi narapidana, dengan terdiri dari 1.760 data dan 9 indikator dengan 1 label, di proses Nilai Crossover = 0.5, Fitness = ~ dan Mutation = -1, dari 9 indikator dengan 1 label, dihasilkan indikator X1 = Golongan Registrasi, X3 = Warga Negara, X4 = Agama, X5 = Lama Pidana, X6 = Jenis Kejahatan, X7 = Besaran Denda, X9 = Status JC. Sehingga atribut-atribut tersebut adalah atribut yang paling menentukan dalam ketepatan dan keefektifan klasifikasi penentuan Remisi Narapidana.]]>
Copyrights © 2022
