BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan salah satu negara dengan jumlah penduduk terbesar di dunia. Pertumbuhan penduduk yang semakin meningkat selaras dengan pertumbuhan akan kebutuhan kehidupan begitu juga halnya dengan kebutuhan akan kendaraan bermotor khususnya kendaraan motor roda dua. Menurut data statistik BPS hingga tahun 2013 jumlah kendaraan bermotor roda dua atau yang sering disebut sepeda motor sebanyak unit. Berdasarkan data transportasi BPS juga menyatakan jumlah kendaraan bermotor khususnya sepeda motor di Indonesia trendnya terus menyatakan kenaikan setiap tahunnya. Daerah Istimewa Yogyakarta merupakan salah satu provinsi yang mengalami peningkatan jumlah kendaraan bermotor khususnya roda dua yang cukup signifikan. Berdasarkan data Dinas Perhubungan DIY yang dimuat dalam laman dishub-diy.net (2014) bahwa laju pertumbuhan kendaraan bermotor di Yogyakarta mengalami kenaikan tiap tahunnya. Menurut data Dinas Pendapatan Pengelolaan Keuangan dan Aset Yogyakarta, jumlah kendaraan bermotor tiap tahunnya naik sekitar 14-15%. Pada 2009, jumlah kendaraan bermotor di Yogyakarta mencapai dari empat Kabupaten dan Kota di Yogyakarta. Pada 2010 jumlahnya naik menjadi kendaraan bermotor dan makin bertambah pada 2011 dengan jumlah Pada 2012 kembali naik menjadi Angka terus meroket di pada Akan tetapi seiring dengan pertumbuhan penduduk dan jumlah kendaraan bermotor khususnya sepeda motor, tingkat kriminalitas terhadap sepeda motor terutama tindak pidana pencurian sepeda motor juga meningkat (berdasarkan Data BPS dan Kepolisian). Tindak pidana pencurian kendaraan bermotor roda dua atau sepeda motor sering marak terjadi di Yogyakarta. Seiring dengan banyaknya jumlah penduduk khususnya di daerah Yogyakarta, baik dari Jawa maupun luar Jawa menyebabkan meningkatnya kepemilikan dan pengguna kendaraan sepeda motor. Selain itu, salah satu faktor lain yan tidak bisa dikesampingkan dalam peningkatan jumlah tindak 1

2 2 pencurian sepeda motor adalah faktor jumlah pengangguran. Seiring dengan itu maka semakin meningkat pula tindak pidana pencurian sepeda motor di daerah Yogyakarta. Meskipun menurut dari data BPS dan Kepolisian pada laporan Statistik tahun 2012, kenaikan angka kejahatan pencurian tersebut cenderung fluktuatif. Berdasarkan data resmi dari BPS tahun 2012 menyatakan bahwa Tindak kejahatan yang dilaporkan ke polisi di D.I. Yogyakarta selama 3 tahun terakhir cenderung fluktuatif, tahun 2010 ke tahun 2011 mengalami penurunan sebesar 24,19 persen. Sedangkan dari tahun 2011 ke tahun 2012 mengalami kenaikan sebesar 10,96 persen. Bila dilihat menurut kabupaten/kota tindak kejahatan yang dilaporkan pada tahun 2012 terbanyak di Kabupaten Sleman, yakni sebesar kasus, disusul oleh Kota Yogyakarta (1.893 kasus) dan Kabupaten Kulonprogo (629 kasus). Kondisi ini sedikit berbeda dangan dua tahun sebelumnya. Selama periode tahun 2010 sampai dengan periode tahun 2011 tercatat tiga kabupaten/kota dengan jumlah tindak kejahatan terbanyak masing-masing adalah Kota Yogyakarta, Kabupaten Sleman, dan Kabupaten Bantul. Selama periode tahun 2010 sampai dengan tahun 2012, terdapat 3 jenis kejahatan yang selalu menonjol di D.I. Yogyakarta yaitu pencurian dengan pemberatan, pencurian kendaraan bermotor, serta narkotika. Persentase jumlah kejahatan tahun 2012 untuk ketiga jenis tindak kejahatan tersebut di atas 10 persen dari total kejahatan. Untuk tindak pidana pencurian kendaraan bermotor dengan prosentase sebesar 14,18% dari keseluruhan tindak kriminal yang terjadi, yang didominasi tindak pidana pencurian sepeda motor. Pencurian kendaraan bermotor merupakan salah satu tindak kriminal yang menonjol dari sisi tingkat kejadiannya di Indonesia (BPS dan Kepolisian). Dugaan penyebabnya ialah karena kendaraan bermotor merupakan sarana vital dengan mobilitas tinggi yang sangat diperlukan untuk kehidupan di era modern ini. Dengan semakin meningkatnya tindak pidana pencurian sepeda motor pada tiap tahunnya dan menjadi suatu ancaman pada suatu wilayah terhadap tindak pencurian sepeda motor, maka diperlukan suatu sistem yang dapat melakukan prediksi terhadap perkembangan kendaraan bermotor roda dua dan tindak pidana pencurian sepeda motor beserta aspek lain yang memungkinkan berpengaruh terhadap peningkatan dan kerawanan wilayah terhadap tindak pidana pencurian sepeda motor.

3 3 Analisis prediksi ini diharapkan mampu memberikan alternatif dalam meramalkan kerawanan suatu wilayah dengan melihat data masa lalu dari data stastistik baik data kriminal kepolisian dan pihak terkait lainnya (BPS, kependudukan, disnakertrans) yang dilakukan selama 5 tahun sebelumnya. Tujuan prediksi ini untuk memberikan kemudahan dalam memperkirakan kejadian di masa yang akan datang. Hasil dari prediksi ini dapat digunakan untuk informasi awal untuk melakukan tindakan-tindakan tertentu yang dapat untuk menekan tindak pidana pencurian sepeda motor pada masa yang akan datang oleh pihak Kepolisian atau pihak yang terkait. Salah satu parameter yang digunakan untuk melakukan prediksi terhadap kerawanan suatu wilayah adalah kasus, penduduk, pengangguran, kendaraan dan angkatan kerja. Alasan menggunakan variabel tersebut adalah variabel-variabel tersebut merupakan paramater awal yang digunakan untuk mendapatkan nilai-nilai yang dikonversi menjadi indikator-indikator kerawanan suatu wilayah terhadap tindak pencurian sepeda motor. Kasus adalah jumlah keseluruhan kasus pencurian sepeda motor yang terjadi dalam kurun waktu tertentu. Penduduk merupakan jumlah populasi disuatu daerah, dimana jumlah penduduk digunakan untuk mengetahui seberapa padat penduduk yang terdapat di suatu daerah. Pengangguran merupaan jumlah pengangguran terbuka yang ada pada suatu wilayah. Kendaraan adalah jumlah kendaraan bermotor roda dua yang ada. Angkatan kerja adalah jumlah angkatan kerja pada suatu wilayah. Dari sumber data tersebut memperlihatkan adanya pola data dari waktu ke waktu untuk masing-masing variabel tersebut baik secara trend maupun musiman (seasonal). Hal ini bersesuaian dengan pendekatan yang ada pada metode time series (Seasonal) ARIMA. Metode ini digunakan tidak hanya menghitung atau meramalkan dari sisi jumlah kasus pencurian sepeda motor tetapi juga jumlah penduduk, jumlah kendaraan dan jumlah pengangguran serta jumlah angkatan kerja. Namun, dalam menentukan kerawanan suatu wilayah terhadap tindak pencurian sepeda motor digunakan metode klasifikasi dengan menggunakan decision tree CART.

4 4 Metode CART merupakan metode dalam decision tree yang cukup banyak diterapkan dan menghasilkan hasil klasifikasi yang lebih baik. Selain itu, Metode CART merupakan salah satu metode dari salah satu teknik ekplorasi data yaitu teknik pohon keputusan. Metode CART merupakan metode statistik non parameterik yang dikembangkan untuk topik analisis klasifiikasi, baik untuk peubah respon kategorik maupun kontinu. Metode CART menghasilkan suatu pohon klasifikasi jika peubah responnya kategorik, dan menghasilkan pohon regresi jika peubahnya kontinu. Berdasarkan data yang ada para analis melakukan pemodelan sehingga memperoleh pohon tunggal yang dianggap baik. Selanjutnya dari pohon tunggal tersebut dapat dengan mudah mengubannya menjadi if then rule untuk diaplikasikan ke data lain dalam proses menghasilkan prediksi dengan cepat. Pada penelitian ini dilakukan kombinasi menggunakan metode (Seasonal) ARIMA dan klasifikasi decision tree CART untuk memprediksi kerawanan wilayah terhadap tindak pencurian sepeda motor. Pada penelitian ini, metode (Seasonal) ARIMA digunakan untuk melakukan peramalan terhadap data berkala (time series) untuk variabel jumlah kasus, kendaraan, penduduk dan pengangguran serta angkatan kerja. Hasil dari peramalan tersebut kemudian dihitung atau dikonversi ke dalam indeks kasus, autho-theft rate, crime rate, crime index, kepadatan penduduk, dan indeks pengangguran yang digunakan untuk proses klasifikasi decision tree CART untuk menentukan atau memprediksi kerawanan suatu wilayah terhadap tindak pidana pencurian sepeda motor. 1.2 Rumusan Masalah Berdasarkan latar belakang masalah maka yang menjadi rumusan masalah dalam penelitian ini yaitu: a. Apakah hasil peramalan berdasarkan data time series dapat digunakan untuk proses klasifikasi dalam menentukan atau memprediksi kerawanan wilayah terhadap tindak pidana pencurian sepeda motor. b. Faktor-faktor yang mempengaruhi kerawanan wilayah terhadap tindak pidana dari sisi sosial ekonomi berdasarkan hasil klasifikasi. c. Parameter apakah yang menjadi faktor penting dalam proses klasifikasi kerawanan wilayah terhadap tindak kriminalitas.

5 5 1.3 Batasan Masalah Permasalahan yang dibahas pada penelitian ini memiliki ruang lingkup yang cukup luas, sehingga diberikan batasan-batasan yang meliputi: a. Data yang digunakan yaitu data kasus pencurian sepeda motor pada wilayah hukum POLDA DIY. b. Data kasus pencurian sepeda motor yang diolah tersebut adalah yang dilaporkan ke pihak berwajib/kepolisian. c. Data kendaraan adalah data kendaraan yang terdaftar berdasarkan data Samsat, Ditlantas POLDA DIY dan Dinas Perhubungan DIY. d. Data penduduk adalah data jumlah penduduk yang terdaftar dalam bagian kependudukan DIY dan BPS DIY berdasarkan data historis/data bulanan. e. Data pengangguran dan angkatan kerja adalah data yang diperoleh dari BPS dan Dinas Nakertrans DIY. f. Data yang digunakan berupa data statistik dalam periode bulanan. 1.4 Tujuan Penelitian Adapun Penelitian ini bertujuan untuk: a. Membangun prototype prediksi kerawanan wilayah terhadap tindak pidana pencurian sepeda motor dengan mengkombinasikan metode (Seasonal) ARIMA dengan Decision Tree CART. b. Mendapatkan nilai peramalan metode (Seasonal) ARIMA berdasarkan model yang terbaik dan paling tepat. c. Mengklasifikasikan kerawanan suatu wilayah terhadap tindak pidana pencurian sepeda motor dengan metode Decision Tree CART berdasarkan hasil peramalan metode (Seasonal) ARIMA. d. Mendapatkan parameter atau indikator yang menjadi faktor yang mempengaruhi (penting) dalam klasifikasi kerawanan wilayah terhadap tindak pidana pencurian sepeda motor.

6 6 1.5 Manfaat Penelitian Adapun manfaat dari penelitian ini diantaranya adalah: a. Membantu pihak kepolisian untuk melihat trend tindak pidana pencurian sepeda motor di wilayah hukum POLDA DIY dan aspek-aspek yang turut mempengaruhinya. b. Membantu pihak kepolisian untuk memperkirakan kemungkinan kerawanan suatu wilayah terhadap tindak pidana pencurian sepeda motor. c. Dapat membantu sebagai referensi untuk pihak yang berwenang khususnya kepolisian dalam memprediksi kerawanan tindak pidana pencurian sepeda motor sehingga dapat diambil langkah langkah pencegahan untuk mengurangi/menekan maraknya tindak kriminal tersebut. d. Memperluas penerapan Metode (Seasonal) ARIMA dan CART pada kasus kriminal. 1.6 Keaslian Penelitian Berdasarkan referensi yang dimiliki, penelitian yang membahas mengenai analisis data untuk Prediksi Kerawanan Wilayah terhadap Tindak Pidana Pencurian Sepeda Motor dengan mengkombinasikan metode (Seasonal) ARIMA dan CART belum pernah dilakukan sebelumnya. Walaupun demikian, terdapat penelitian terdahulu tentang topik dan metode sejenis yang dipaparkan dalam tinjauan pustaka dalam usulan penelitian ini. 1.7 Metodologi Penelitian Dalam penelitian ini, beberapa tahapan yang dilakukan adalah sebagai berikut: a. Studi Pustaka Tahapan ini dilakukan dengan mencari bahan pustakan baik dari jurnal, digital library, buku, e-book, atau karya-karya ilmiah yang berkaitan dengan tindak pidana pencurian kendaraan bermotor roda dua, crime forecasting, time series, (Seasonal) ARIMA dan Decision Tree CART.

7 7 b. Pengumpulan data Pengumpulan data dilakukan dengan cara wawancara dan pengambilan data langsung. Wawancara dilaksanakan sebagai rangkaian untuk mendapatkan detail data yang dibutuhkan. Sebagai sumber wawanacara adalah pihak kepolisian dan Badan pusat statistik. Pada tahap ini, data yang dikumpulkan berupa: 1. Data Penduduk dari BPS dan DUKCAPIL DIY 2. Data Jumlah Kepemilikan dan Kendaraan bermotor roda dua dari Samsat/Ditlantas Polda DIY 3. Data Jumlah Kasus pencurian kendaraan bermotor roda dua DIY dari Ditreskrimum Polda DIY, Satreskrim Polresta Yogyakarta dan BPS DIY. 4. Data pengangguran dan angkatan kerja berdasarkan data dari Dinas Ketenagakerjaan dan Transmigrasi DIY dan BPS DIY. 5. Penentuan data parameter yang mempengaruhi kerawanan tindak pidana pencurian sepeda motor di wilayah DIY. Setelah data terkumpul selanjutnya dilakukan cleaning data/pembersihan data dengan melakukan preprocessing data, sehingga data yang digunakan untuk proses peramalan ini telah sesuai dengan yang diinginkan. c. Analisis Sistem Setelah data terkumpul selanjutnya dilakkan analisis data dengan melakukan preprocessing data. Tahapan dalam analisis data pada penelitian ini adalah: 1. Melakukan cleaning (pembersihan data) 2. Setelah data mejadi satu kesatuan dari data tersebut dilakukan proses pemodelan peramalan hingga mendapatkan nilai peramalan yang diinginkan, lalu dilakukan proses klasifikasi selanjutnya pengujian terhadap semua data pada proses klasifikasi tersebut untuk mendapatkan tingkat akurasi. d. Perancangan Sistem Setelah dianalisis maka selanjutnya dilakukan perancangan untuk sebuah sistem prediksi. Adapun perancangannya adalah:

8 8 1. Rancangan input Input berupa data time series dari data jumlah kasus pencurian sepeda motor, jumlah kendaraan, jumlah penduduk dan jumlah penggangguran serta jumlah angkatan kerja. Data tersebut diambil pada setiap bulannya di wilayah DIY dan Kota Yogyakarta. Data terdiri dari kota Yogyakarta dan data DIY yang masing-masing terdiri dari 5 tahun data sehingga jumlah data adalah (12x5) x 2 x 5 variabel= 600 data. Pada rancangan metode (Seasonal) ARIMA, semua data diinputkan berdasarkan variabel masing-masing. Kemudian setiap variabel dilakukan proses pemodelan untuk mendapatkan Model terbaik. Model terbaik tersebut digunakan untuk mendapatkan nilai peramalan. Setelah hasil peramalan setiap variabel diperoleh, selanjutnya dilakukan proses klasifikasi Decision Tree CART. Dalam klasifikasi CART, data dibagi menjadi data training dan data testing. Dalam hal ini data training menggunakan data 4 tahun pertama sejumlah 480 data dan testing digunakan data 1 tahun terakhir sejumlah 120 data. Input proses (Seasonal) ARIMA dilakukan untuk memperoleh nilai peramalan sedangkan proses pada CART digunakan dalam melakukan klasifikasi penentuan kerawanan wilayah terhadap tindak pidana pencurian sepeda motor. 2. Rancangan proses Pada rancangan proses dilakukan pemodelan metode (Seasonal) ARIMA terhadap data time series, yakni jumlah kasus pencurian sepeda motor, jumlah kendaraan, jumlah penduduk dan jumlah penggangguran. Dari data yang diperoleh tersebut dilakukan pemodelan (Seasonal) ARIMA untuk mendapatkan model (Seasonal) ARIMA terbaik yang digunakan untuk mendapatkan nilai peramalan. Tahapan dalam pemodelan (Seasonal) ARIMA: (1) Identifikasi Model, (2) Estimasi Parameter, (3) Cek Diagnostik, (4) Peramalan dengan model (Seasonal) ARIMA terbaik. Setelah mendapatkan nilai peramalan, selanjutnya data dilakukan perhitungan terhadap indeks kasus, auto-theft rate, crime rate, kepadatan penduduk, crime index, Index Kasus, indeks pengangguran. Perhitungan dilakukan terhadap nilai-nilai tersebut karena merupakan faktor-faktor yang

9 9 mempengaruhi kerawanan wilayah terhadap tindak kriminal. Setelah mendapatkan nilai-nilai tersebut maka nilai tersebut dijadikan data uji pada metode klasifikasi CART untuk menentukan kerawanan wilayah terhadap tindak pidana pencurian sepeda motor. 3. Rancangan output Output dari proses (Seasonal) ARIMA adalah hasil peramalan data series dari 5 (lima) atribut yang diramalkan yang masing masing dan diharapkan menghasilkan nilai peramalan yang tepat dengan error yang relatif kecil berdasarkan nilai AIC terkecil. Sedangkan pada proses klasifikasi diharapkan menghasilkan nilai akurasi klasifikasi CART dengan tingkat akurasi yang terbaik. e. Implementasi Seluruh data dilakukan prepocessing terlebih dahulu untuk mendapatkan sebuah data yang siap untuk pemodelan (Seasonal) ARIMA. Kemudian jika data telah selesai dilakukan preprocessing maka data tesebut siap disusun dan dilakukan proses prediksi, selanjutnya adalah tahap pembuatan aplikasi. Tahap ini dilakukan implementasi perancangan peramalan yang telah dibuat ke dalam R programming, sehingga dapat menghasilkan rangkaian prototype yang dapat digunakan untuk melakukan peramalan. Sementara untuk proses klasifikasi CART dan user interface dilakukan implementasinya menggunakan bahasa pemrograman Java. f. Pengujian Sistem Pengujian pertama dilakukan terhadap time series menggunakan (Seasonal) ARIMA dan kedua diuji menggunakan CART. Kemudian hasil klasifikasi dilakukan pengujian K-fold cross validation untuk pengujian akurasi dari model tersebut. Parameter yang digunakan dalam pengujian adalah tingkat akurasi data yang diperoleh dari metode yang digunakan.

10 Sistematika Penulisan Sistematika penulisan tesis ini adalah: BAB I. PENDAHULUAN Pada bab ini dibahas mengenai latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, keaslian penelitian, metode penelitian, dan sistematika penulisan laporan. BAB II. TINJAUAN PUSTAKA Pada bab ini mengulas penelitian-penelitian yang pernah dilakukan sebelumnya. Hal ini sebagai dasar rujukan ataupun referensi untuk penelitian yang dilakukan. BAB III. LANDASAN TEORI Dalam bab ini membahas yang berkaitan tentang dasar teori yang mendukung dan berhubungan dengan masalah yang dibahas dalam penelitian yang dilakukan. BAB IV. ANALISIS DAN PERANCANGAN SISTEM Pada bab ini membahas mengenai analisis masalah, analisis perangkat lunak, perancangan proses, perancangan perangkat lunak, perancangan antarmuka dari sistem, perancangan masukan dan perancangan keluaran. BAB V. IMPLEMENTASI Pada bab ini membahas mengenai batasan implementasi, penerapan program, kebutuhan perangkat keras dan perangkat lunak, serta implementasi program dan hasil dari sistem setelah diimplementasikan dengan bahasa pemrograman yang dipilih. BAB VI. HASIL DAN PEMBAHASAN Bab ini berisi dan membahas tentang pengujian dan analisis terhadap hasil pengujian sistem yang telah dikembangkan/dibangun. BAB VII. KESIMPULAN DAN SARAN Pada bab ini berisi kesimpulan dari penelitian yang dilakukan berdasarkan pembahasan dari permasalahan yang telah dicapai dan saran untuk pengembangan sistem selanjutnya.