<![CDATA[Salah satu teknik data mining yang efektif adalah penggunaan algoritma machine learning. Machine learning, sebagai cabang dari kecerdasan buatan (AI), memungkinkan komputer belajar dari data dan pengalaman tanpa pemrograman eksplisit. Penelitian ini tertarik mengeksplorasi potensi sistem prediksi untuk membantu kepolisian RI dalam menangani dan mencegah tindak kriminal, khususnya pencurian. Studi dilakukan dengan membandingkan dua algoritma, yaitu k-Nearest Neighbors (K-NN) dan Naive Bayes, dalam memprediksi tindak pidana pencurian di wilayah Polres Buol. K-NN bekerja berdasarkan kedekatan data, sementara Naive Bayes menggunakan pendekatan probabilistik berbasis teorema Bayes. Hasil penelitian menunjukkan bahwa K-NN memiliki kinerja lebih unggul dalam klasifikasi data pencurian berdasarkan lokasi, waktu, dan jenis kejadian. K-NN mencatat nilai akurasi, presisi, recall, dan F1-score yang lebih tinggi dibandingkan Naive Bayes. Prediksi juga mengungkapkan bahwa sebagian besar pencurian terjadi pada dini hari, diduga karena minimnya pengawasan atau ketidakhadiran pemilik. Temuan ini menyarankan perlunya peningkatan patroli pada waktu rawan, baik malam maupun siang hari di lokasi padat penduduk. Patroli acak di malam hari dinilai efektif mencegah aksi kejahatan dengan menciptakan rasa diawasi bagi pelaku.]]>
Copyrights © 2025
