<![CDATA[Kriminalitas merupakan salah satu permasalahan yang memengaruhi keamanan dan ketertiban masyarakat. Pemanfaatan data historis perkara melalui pendekatan machine learning dapat mendukung penyusunan strategi pencegahan kejahatan yang lebih terarah. Penelitian ini bertujuan mengembangkan model klasifikasi tindak pidana menggunakan data Sistem Informasi Penelusuran Perkara (SIPP) Pengadilan Negeri Kebumen periode 2021–2025. Permasalahan utama yang dihadapi adalah ketidakseimbangan distribusi kelas dan rendahnya performa klasifikasi pada data dengan banyak kategori tindak pidana. Untuk mengatasinya, sembilan rumpun tindak pidana direkonstruksi menjadi dua kategori, yaitu Kejahatan Kekerasan dan Kejahatan Non-Kekerasan. Penyeimbangan data dilakukan menggunakan Synthetic Minority Over-sampling Technique (SMOTE), sedangkan proses klasifikasi menggunakan algoritma Decision Tree dan Random Forest dengan skema stratified split 80:20. Hasil pengujian menunjukkan bahwa Decision Tree memberikan performa terbaik dengan akurasi 73,81%, presisi 79,08%, recall 73,81%, dan F1-score 75,45%, sedangkan Random Forest memperoleh akurasi 65,48%. Analisis feature importance menunjukkan bahwa tingkat pendidikan, pekerjaan, dan lokasi kejadian merupakan faktor yang paling berkontribusi dalam membedakan kategori tindak pidana. Hasil penelitian menunjukkan bahwa pendekatan yang diusulkan berpotensi mendukung pengambilan keputusan dalam penyusunan strategi pencegahan kejahatan berbasis data.]]>
Copyrights © 2026
