PRADHANA, Agung Wira (2025) Implementasi Random Forest Regression Untuk Prediksi Tingkat Kriminalitas Berdasarkan Faktor Sosial di Wilayah Banyumas Berbasis Website. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Download (338kB) |
|
PDF (Legalitas)
LEGALITAS-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Restricted to Repository staff only Download (3MB) |
|
PDF (Abstrak)
ABSTRAK-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Download (458kB) |
|
PDF (BabI)
BAB-I-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Restricted to Repository staff only until 14 October 2026. Download (1MB) |
|
PDF (BabII)
BAB-II-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Restricted to Repository staff only until 15 October 2026. Download (6MB) |
|
PDF (BabIII)
BAB-III-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Restricted to Repository staff only until 15 October 2026. Download (3MB) |
|
PDF (BabIV)
BAB-IV-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Restricted to Repository staff only Download (25MB) |
|
PDF (BabV)
BAB-V-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Download (559kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Agung Wira Pradhana-H1D021009-Skripsi-2025.pdf Download (1MB) |
Abstract
Penelitian ini mengeksplorasi pemanfaatan algoritma random forest regression (RFR) dalam memprediksi tingkat kriminalitas berdasarkan faktor¬faktor sosial di wilayah Kabupaten Banyumas. Data yang digunakan terbatas pada 12 entri tahunan, sehingga diterapkan teknik augmentasi data untuk memperkaya variasi dan mengatasi kendala deret waktu. Hasil model menunjukkan performa prediktif yang cukup andal, dengan nilai mean absolute percentage error (MAPE) stabil di kisaran 11–15%. Meskipun nilai R-squared (R²) menunjukkan fluktuasi, model tetap relevan sebagai alat bantu analisis awal. Analisis feature importance mengidentifikasi bahwa kemiskinan dan pengangguran memiliki kontribusi paling signifikan terhadap prediksi kriminalitas. Temuan ini mendukung teori bahwa kondisi sosial ekonomi berperan penting dalam dinamika kriminalitas. Penelitian ini menegaskan potensi pendekatan machine learning, khususnya RFR, dalam memahami fenomena sosial kompleks, namun tetap menekankan pentingnya interpretasi hasil secara kritis serta perlunya penelitian lanjutan dengan data yang lebih representatif.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | H25284 |
| Uncontrolled Keywords: | Random Forest Regression, Prediksi Kriminalitas, Faktor Sosial Ekonomi, Machine Learning, Kabupaten Banyumas |
| Subjects: | C > C690 Computer programming |
| Divisions: | Fakultas Teknik > S1 Teknik Informatika |
| Depositing User: | Mr. Agung Wira Pradhana |
| Date Deposited: | 15 Oct 2025 00:53 |
| Last Modified: | 15 Oct 2025 00:53 |
| URI: | http://repository.unsoed.ac.id/id/eprint/37694 |
Actions (login required)
 |
View Item |