PENERAPAN BAYESIAN BELIEF NETWORK UNTUK ANALISIS DATA KRIMINAL

Abstract

Fokus utama dalam penelitian ini untuk membangun model bayesian terbaik dalam mencari profil kejahatan di Indonesia dengan mengunakan metode Bayesian Belief Network. Bayesian Belief Network atau biasa disbut Bayesian Network adalah model distribusi probabilitas gabungan yang digunakan untuk membantu dalam pengambilan keputusan pada keadaan yang tidak pasti. Bayesian Network ditampilkan dalam bentuh grafik yang merepresentasi suatu kumpulan variabel yang acak dan ketergantungan secara kondisional yang disebut directed acyclic graph(DAG). Dikarenakan Weka merupakan aplikasi pembelajaran mesin yang menyediakan berbagai algoritma untuk membantu dalam tugas penggalian data, seperti klasifikasi, regresi dan clusetering untuk tujuan penelitian, kami menggunakan Weka untuk membangun model DAG dengan menggunakan modul bayesnet classifier pada Weka yang berisi berbagai algoritma pencarian model seperti K2, Hillclimber, Tabu Search, Tree Augmented Naive Bayes dan lainya. Pencarian yang dilakukan dengan melakukan perbandingan algoritma pencarian untuk mencari model DAG dengan akurasi terbaik yang akan digunakan untuk pencarian profil kriminalitas di Indonesia. Setelah model DAG terbaik didapatkan, tahap selanjutnya adalah membuat rumus klasifikasi dari model DAG yang telah terbentuk sebelumnya. Algoritma pencarian terbaik yang dihasilkan Weka juga dibuat versi sendiri dengan tujuan sebagai pembanding dengan model yang telah dibentuk oleh Weka.

Key words Bayesian Belief Networks, Data Mining, Neural Network, Weka, directed acyclic graph .