PREDIKSI TINGKAT KEKERASAN PADA PEREMPUAN DAN ANAK DI KABUPATEN GORONTALO MENGGUNAKAN MACHINE LEARNING

 Citra Ayu, Alter Lasarudin, Wahyudin Hasyim

Abstract


Kekerasan terhadap perempuan dan anak merupakan isu sosial yang masih perlu mendapatkan perhatian khusus, terutama di Kabupaten Gorontalo yang memiliki angka kasus tertinggi di Provinsi Gorontalo. Penelitian ini bertujuan untuk memprediksi tingkat kekerasan terhadap perempuan dan anak menggunakan metode Machine Learning dengan algoritma Naïve Bayes dan Regresi Linier Berganda. Hasil penelitian menunjukkan bahwa Naïve Bayes menghasilkan RMSE sebesar 0.174 untuk kasus perempuan dan 0.254 untuk kasus anak. Sementara itu, Regresi Linier Berganda menghasilkan RMSE yang sangat kecil yaitu 0.000, baik untuk kasus perempuan maupun kasus anak. Dari hasil tersebut, dapat disimpulkan bahwa algoritma Regresi Linier Berganda lebih akurat dalam memprediksi tingkat kekerasan. Dengan hasil penelitian ini, diharapkan dapat membantu pemerintah dan lembaga terkait dalam mengambil langkah pencegahan serta tindakan yang lebih cepat, sehingga kasus kekerasan terhadap perempuan dan anak di Kabupaten Gorontalo dapat dicegah.


Keywords


Prediction, Violence, Women and Children, Machine Learning, Naïve Bayes, Multiple Linear Regression

Full Text:

PDF

References


Noviya Adawiyah, Nina Sulistiyowat, and ohamad Jajuli, “Klasterisasi Kasus Kekerasan Terhadap Anak dan Perempuan Berdasarkan Algoritma K-Means,” Gener. J., vol. 5, no. 2, pp. 69–80, 2021.

S Ramadhan, “Analisis Kriteria Konten Dewasa Dalam Program Siaran Televisi: Perspektif Regulasi Dana Etika,” J. Stud. Media Dan Komukasi Indones., vol. 4, no. 2, pp. 89–103, 2024, [Online]. Available: https://sidiaperka.kemenpppa.go.id/kekerasan-terhadap-anak-dan-remaja-di-indonesia/#:~:text=Kekerasan fisik dibedakan menjadi 3,dengan pisau atau senjata lain

M. Triningsih E, Faizah M, Yulianti N, “Scientica Scientica,” J. Ilm. Sain dan Teknol., vol. 2, pp. 251–255, 2024.

M. I. Abas and I. Ibrahim, “Optimasi Support Vector Machine Particle Swarm Optimization Untuk Prediksi Konsumsi Energi Listrik,” Jambura J. Informatics, vol. 1, no. 2, pp. 47–56, 2019, doi: 10.37905/jji.v1i2.2646.

S. Prasetyo and T. Dewayanto, “Penerapan Machine Learning, Deep Learning, Dan Data Mining Dalam Deteksi Kecurangan Laporan Keuangan-a Systematic Literature Review,” Diponegoro J. Account., vol. 13, no. 3, pp. 1–12, 2024, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/accounting

Lemi, N. Ilma Hasana Kunio, and A. Sukma Wati, “Optimasi Metode Naïve Bayes Menggunakan Smoothing dan Feature Selection Untuk Penyakit Demam Berdarah Dengue,” JSAI (Journal Sci. Appl. Informatics), vol. 7, no. 3, pp. 435–439, 2024, doi: 10.36085/jsai.v7i3.7208.

A. Lasarudin, Hilmansyah Gani, and Misran Tomayahu, “Perbandingan Metode Naïve Bayes dan C4.5 Klasifikasi Status Gizi Bayi Balita,” SPECTA J. Technol., vol. 6, no. 3, pp. 273–283, 2023, doi: 10.35718/specta.v6i3.789.

A. D. Cahyo, “Metode Naïve Bayes Untuk Klasifikasi Masa Studi Sarjana | Junal Teknologi Pintar,” Junal Teknol. Pint., vol. 3, no. 4, 2023, [Online]. Available: http://teknologipintar.org/index.php/teknologipintar/article/view/385

Rahmadani Agung Prasetyo dan Helma, “Analisis Regresi Linear Berganda Untuk Melihat FaktorYang Berpengaruh Terhadap Kemiskinan di ProvinsiSumatera Barat,” J. Math. UNP, vol. 7, no. 2, p. 63, 2022.

I. Murni Pratiwi, A. Fauzi, S. Arum Puspita Lestari, Y. Cahyana, F. Ilmu Komputer, and U. Buana Perjuangan Karawang, “Penerapan Algoritma Naïve Bayes Untuk Prediksi Penerimaan Karyawan,” J. TEKINKOM, vol. 7, no. 1, pp. 236–243, 2024, doi: 10.37600/tekinkom.v7i1.1282.

A. Qoiriah and Y. Yamasari, “Prediksi Nilai Akhir Mahasiswa Dengan Metode Regresi (Studi Kasus Mata Kuliah Pemrograman Dasar),” J. Inf. Eng. Educ. Technol., vol. 5, no. 1, pp. 40–43, 2021, doi: 10.26740/jieet.v5n1.p40-43.

P. Kurniawan et al., “Prediksi Jumlah Penduduk Jakarta Selatan Menggunakan Metode Regresi Linear Berganda,” J. Sist. dan Teknol. Inf., vol. 10, no. 4, p. 518, 2022, doi: 10.26418/justin.v10i4.48331.


DOI: http://dx.doi.org/10.31314/juik.v5i3.4182

Article metrics

Abstract views : 263 | views : 546

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Jurnal Ilmu Komputer (JUIK)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.