Prediksi Jumlah Kriminalitas Menggunakan Metode Extreme Learning Machine (Studi Kasus Di Kabupaten Probolinggo)

Abstrak

Tingkat kejahatan di Indonesia semakin merajalela. Ambisi masyarakat akan memiliki harta kekayaan dari jalan yang tidak wajar dengan melakukan tindak kriminalitas. Kriminalitas merupakan tindakan yang melanggar aturan undang-undang yang dapat meresahkan masyarakat. Setiap masyarakat memiliki resiko menjadi korban tindak kriminalitas. Semakin besar resiko yang dimiliki masyarakat menandakan semakin tidak amannya suatu daerah. Namun, tidak bisa dipastikan jumlah tindak kriminalitas dari waktu ke waktu karena jumlahnya yang tidak menentu. Hal ini menyebabkan pihak kepolisian mengalami kesulitan untuk mengatasi masalah tindak kriminalitas. Prediksi yang tepat dan akurat dapat membantu meminimalisir tidak kriminalitas yang akan terjadi. Penelitian ini bertujuan untuk memperoleh prediksi jumlah kriminalitas menggunakan metode Extreme Learning Machine. Berdasarkan implementasi dan pengujian yang dilakukan menggunakan data kriminalitas Polres Kabupaten Probolinggo tahun 2012 hingga 2017 diperoleh arsitektur jaringan yang maksimum yaitu jumlah fitur sebanyak 7, perbandingan rasio data yaitu 80%:20%, dan jumlah neuron pada hidden layer sebanyak 7 serta fungsi aktivasi sigmoid biner. Nilai error yang rendah dihitung menggunakan tingkat kesalahan Mean Square Error (MSE) yaitu sebesar 0,037662.