ANALISIS TINGKAT KEJAHATAN PADA ANAK DIBAWAH UMUR MENGGUNAKAN METODE FP-GROWTH (STUDI KASUS DI POLDA SUMATERA BARAT)

Juledi, Angga Putra (2019) ANALISIS TINGKAT KEJAHATAN PADA ANAK DIBAWAH UMUR MENGGUNAKAN METODE FP-GROWTH (STUDI KASUS DI POLDA SUMATERA BARAT). Sarjana thesis, Universitas Putra Indonesia "YPTK".

Preview	Text (ABSTRAK) THESIS_ANGGA PUTRA JULEDI_172321053_abstrak.pdf Download (12kB) | Preview
Preview	Text (BAB 1) THESIS_ANGGA PUTRA JULEDI_172321053_Bab1.pdf Download (526kB) | Preview
Preview	Text (DAFTAR PUSTAKA) THESIS_ANGGA PUTRA JULEDI_172321053_Daftar Pustaka.pdf Download (362kB) | Preview
	Text (FULL TEXT) THESIS_ANGGA PUTRA JULEDI_172321053_FULL TEXT.pdf Restricted to Repository staff only Download (4MB)

Abstract

Pada Badan Keluarga Berencana dan Pemberdayaan Perempuan kota Padang tahun 2016, terdapat banyaknya kasus kejahatan yang dialami oleh lingkup rumah tangga terutama pada anak dibawah umur. Oleh karena itu, diperlukan informasi faktor-faktor apa saja yang paling sering menyebabkan tindakan kejahatan pada anak dibawah umur. Untuk mendapatkan informasi tersebut bisa menggunakan teknologi informasi yang ada pada saat ini seperti menggunakan metode FP-Growth. Tujuan dari penelitian ini untuk mengimplementasikan Data Mining, Association rule, dan Algoritma FP-Growth pada kasus kejahatan anak dibawah umur sehingga bisa mengekstrak ilmu pengetahuan serta informasi penting dan menarik dari database. Algoritma FP-Growth merupakan teknik dari data mining pengembangan algoritma apriori. Pada FP-Growth tidak dilakukan generate candidate karena FP-Growth menggunakan konsep pembangunan tree dalam pencarian frequent itemset. Sumber data yang digunakan adalah data kejahatan pada anak dibawah umur, dimana mencakup laporan kriminalitas di Polda Provinsi Sumatera Barat. data dicatat dan telah diambil dengan memiliki atribut yaitu tersangka, korban, kasus dan tempat kejadian perkara (TKP). Hasil pengujian bahwa tingkat kejahatan pada anak dibawah umur pada umumnya jika kasus cabul dan tersangka pengangguran maka korbanya adalah pelajar dengan nilai support 11% dan confidence 100%. Kata Kunci: Data Mining, Association Rules, FP-Growth, Frequent Itemset

Actions (login required)

View Item