Prediksi Pencurian Sepeda Motor Menggunakan Model Time Series (Studi Kasus: Polres Kotabumi Lampung Utara)

Abstract

Tindak kriminal adalah kejahatan yang melanggar undang-undang suatu Negara atau melanggar norma yang berlaku dalam masyarakat. Pencurian merupakan salah satu bentuk dari perbuatan tindak kriminal. Dampak yang ditimbulkan dari adanya pencurian adalah perasaan kurang aman, takut, dan tenang. Salah satu model yang digunakan untuk memprediksi jumlah kasus pencurian yaitu model time series. Model time series adalah serangkaian nilai pengamatan yang diambil selama periode waktu tertentu. Pada umumnya, dalam interval-interval yang sama panjang, (Spuege & Stephens, 2004). Penelitian ini bertujuan memodelkan data tindak kriminal yang terjadi di Lampung Utara dengan model Autoregressive (AR), Moving Average (MA), dan Autoregressive Integrated Moving Average (ARIMA). Selanjutnya dari model terbaik akan digunakan untuk peramalan 6 bulan kedepan. Hasil penelitian model AR , model AR , model MA , ARIMA , dan model ARIMA . Model MA memiliki koefisien parameter yang signifikan, memenuhi uji diagnostic tidak adanya residual pada model dan memiliki nilai RMSE dan AIC terkecil dengan nilai RMSE sebesar dan nilai AIC sebesar . Hasil prediksi model MA untuk 6 bulan ke depan cenderung mendatar.

Prediksi Jumlah Kejahatan Di Indonesia Pada Tahun 2023 Dengan Metode Autoregressive Integrate Moving Average (Arima)

“…Model umum ARIMA, yaitu (p,d,q) di mana p adalah nilai dari Autoregressive (AR), d adalah nilai dari banyakanya proses differencing, dan q adalah nilai dari Moving Average (MA). Adapun model-model yang signifikan yaitu model ARIMA (1,1,1), ARIMA (1,1,2), ARIMA (1,1,3), ARIMA (1,1,4), ARIMA (2,1,3), ARIMA (2,1,4), ARIMA (3,1,1), ARIMA (3,1,3), ARIMA (3,1,4), ARIMA (4,1,1), ARIMA (4,1,2), ARIMA (4,1,3), ARIMA (4,1,4), ARIMA (5,1,3), ARIMA (5,1,4). Model ARIMA signifikan karena memiliki nilai p-value < 0,05 sehingga memenuhi asumsi signifikansi parameter.…”

“…Uji residual white noise dapat dilakukan menggunakan uji statistik Ljung-Box. Adapun model-model yang white noise diantaranya model ARIMA (1,1,1), ARIMA (1,1,2), ARIMA (1,1,3), ARIMA (1,1,4), ARIMA (2,1,3), ARIMA (2,1,4), ARIMA (3,1,1), ARIMA (3,1,3), ARIMA (3,1,4), ARIMA (4,1,1), ARIMA (4,1,2), ARIMA (4,1,3), ARIMA (4,1,4), ARIMA (5,1,3), ARIMA (5,1,4). Model ARIMA white noise karena memiliki nilai p-value > 0,05 sehingga memenuhi asumsi residual white noise.…”

“…Dalam uji asumsi ditribusi normal, statistik uji yang akan digunakan yaitu uji Kolmogorov Smirnov. Adapun model-model yang berdistribusi normal diantaranya model ARIMA (1,1,4), ARIMA (2,1,4), ARIMA (3,1,1), ARIMA (3,1,3), ARIMA (3,1,4), ARIMA (4,1,1), ARIMA (4,1,2), ARIMA (4,1,3), ARIMA (4,1,4), ARIMA (5,1,4). Model ARIMA berdistribusi normal karena memiliki nilai p-value ≥ 0,05 sehingga memenuhi asumsi residual berdistribusi normal.…”

“…Penelitian terkait dengan menggunakan metode ARIMA dilakukan oleh Desvina, dkk., (2021) untuk meramalkan jumlah narapidana kelas II A Kota Pekanbaru, di mana hasil analisis menunjukkan bahwa model yang tepat untuk data jumlah narapidana di Lapas Kelas II A Kota Pekanbaru adalah ARIMA(0,1,1) dengan nilai MAPE sebesar 2,83% (3). Selain itu, penelitian lainnya juga dilakukan oleh Pranata, dkk., (2021) untuk meramalkan pencurian sepeda motor, di mana hasil analisis menunjukkan bahwa model MA(1) adalah model terbaik karena memiliki koefisien parameter yang signifikan, memenuhi uji diagnostik, dan menunjukkan nilai RMSE dan AIC terendah, yaitu sebesar 6.5612926 dan 394.82, serta hasil peramalan untuk 6 bulan ke depan menunjukkan tren yang relatif datar, berbeda dengan data asli yang menunjukkan kecenderungan menurun (4).…”

Web-Based Information System Prediction of Vehicle Theft Vulnerability in Jayapura Using Regression Analysis

“…In addition, population growth, unemployment participated affect the increase in such crime. Therefore, we need a system that can predict the susceptibility of an area to the crime of motorcycles theft as well as the factors that influence it [1]. The next research entitled "Application of the Simple Linear Regression Method to Predict the Distribution of the Covid 19 Vaccine in Cilacap Regency", the linear regression prediction method can produce predictions with several criteria, where there is a linear regression prediction model that has an error value of less than 18%, meaning it has accuracy amounting to 82% or included in the good category [2].…”