ANALISIS PERBANDINGAN ALGORITMA ANN DAN KNN DALAM PREDIKSI TINDAK PIDANA PENCURIAN KENDARAAN BERMOTOR DI POLRESTA MALANG KOTA

Abstract

Penelitian ini bertujuan untuk membandingkan perfiorma dua algoritma machine learning, yaitu Artificial Neural Network (ANN) dan K-Nearest Neighbours (KNN), dalam memprediksi dengan mengklasifikan tindak pidana pencurian kendaraan bermotor di Kota Malang. Tingkat kejahatan jalanan, khususnya pencurian kendaraan bermotor, telah menjadi perhatian utama pemerintah setempat, seperti yang terlihat dari catatan Polresta Malang Kota. Dataseet yang berhasil dicatat dan dirapihkan sejak tahun 2018 hingga 2023 sejumlah 606. Penelitian ini memanfaatkana dua algoritma machine learning , yaitu ANN dan KNN. untuk menganalisis dan memprediksi tindak pidana pencurian kendaraan bermotor (curanmor) di wilayah hukum Polresta Malang Kota. Penelitian ini memanfaatkan prediksi kejahatan yang menggunakan pendekatan research and development (R&D)v dengan algoritma machine learning, seperti ANN dan KNN, untuk mengidentifikasi pola kejahatan, lokasi kejadian, dan faktor-faktor yang mempengaruhi tingkat kejahatan. Metode penelitian melibatkan pengumpulan data, preprocessing, pemilihan fitur dan model, pengembangan model, serta validasi dan evaluasi. Data yang digunakan berasal dari catatan Polresta Malang Kota tentang kasus curanmor dari tahun 2018 hingga 2023 sebagai data primer dan menggunakan kuesioner yang diberikan kepada 10 penyidik polisi di Polresta Malang Kota sebagai data sekunder. Untuk memprediksi tingkat kejahatan tindak pidana pencurian kendaraan bermotor di Kota Malang, dapat menggunakan data jenis kelamin, usia korban, kecamatan TKP, waktu kejadian, hari kejadian dan tindak pidana sebagai atribut fitur dan data tingkat kejahatan sebagai atribut target. Kemudian dilakukan normalisasi preprocessing dengan melakukan pembersihan dan normalisasi dataset. Tingkat kejahatan ditentukan berdasarkan gabungan dari 6 faktor yang berbeda yang digunakan sebagai fitur. Kemudian dihitung jumlah duplikasi data atau berapa kali kejadian dengan 6 faktor itu terjadi. Tingkat kejahatan dianggap tinggi jumlah kejahatan terjadi lebih dari 2 kali. Sementara jika kejahatan terjadi kurang dari 2 kali maka tingkat kejahatan dianggap rendah. Hasil dari pembuatan tingkat kejahatan membuat jumlah dataset menyusut dari yang awalnya berjumlah 1005 menjadi 606 karena pada dataset yang baru tersebut tidak terdapat duplikasi data untuk kolom yang digunakan sebagai fitur. Dengan menggunakan data yang sudah diolah, penulis dapat memprediksi tingkat kejahatan pencurian kendaraan bermotor di Kota Malang menggunakan dua metode: Artificial Neural Network dan K-Nearest Neighbors. Hal ini menghasilkan dataset yang lebih kecil dari awalnya, yaitu 606 dari 1005 data. Dalam penelitian ini, eksperimen dilakukan untuk menerapkan nilai k=7 dan k=9 pada algoritma KNN. Rasio perbandingan antara data training dan testing adalah 0.6:0.4, 0.7:0.3, 0.8:0.2, dan 0.9:0.1, kemudian dibandingkan untuk mencari model prediksi terbaik antara ANN dan KNN dalam memprediksi tindak kejahatan curanmor. Metode terbaik teridentifikasi sebagai ANN, yang menunjukkan recall yang lebih tinggi dengan rasio pembagian data training dan testing 0.9:0.1. Pada rasio tersebut, dengan 545 data training dan 61 data testing, nilai akurasi mencapai 96.72%, recall 97.50%, presisi 95.65%, dan f1-score 96.44%. Menggunakan hasil dapat membantu pihak Polresta Malang Kota dalam perencanaan dan pelaksanaan tindakan pencegahan dengan alokasi sumber daya yang lebih efektif dan efisien.