KOMPARASI MODEL PREDIKSI PENANGANAN KASUS NARKOTIKA
DOI:
https://doi.org/10.47775/ictech.v17i1.239Abstrak
Narkotika terdiri dari obat-obatan, zat maupun bahan apabila dikonsumsi dan masuk kedalam tubuh dapat mempengaruhi kesehatan fungsi organ dalam manusia yaitu otak. Permasalahan tentang narkoba di Indonesia sangat menghawatirkan dimana pada tahun 2019 yaitu sebesar 2,4% adalah pengguna yang berarti bahwa dari 10.000 penduduk Indonesia ada 240 berusia 15-64 tahun atau berjumlah 4,5 juta jiwa. Adapun research problem yang pada penelitian yang dilakukan adalah bagaimana menentukan metode prediksi jumlah penanganan kasus narkotika terbaik sehingga dapat meminimalkan jumlah korban jiwa. Dalam penelitian yang dilakukan menggunakan metode komparasi algoritma prediksi yaitu Linear Regresion, Neural Network, Support Vector Machine (SVM) tentang pengguna narkotika sehingga dihasilkan prediksi yang mendekati nilai sesungguhnya dari kasus yang ada. Ouput yang dihasilkan didapatkan hasil bahwa performance prediksi dengan algoritma SVM pada penanganan kasus narkotika memiliki tingkat prediksi lebih baik disbanding dengan algoritma prediksi yang lain yaitu nilai RMSE 169.533 +/- 0.000. Untuk kegiatan penelitian yang akan datang dapat mengitegrasikan dengan algoritma klasifikasi untuk menentuka jenis narkotika yang paling banyak dipakai.
Kata kunci: Narkotika. Rapid Miner, Support Vector Machine
Referensi
Adinugroho, Sigit, Yuita Arum Sari, and Nurul Hidayat. 2019. “Drug Usage Duration Classification Using Extreme Learning Machine Based on Personality Features.” Proceedings of 2019 4th International Conference on Sustainable Information Engineering and Technology, SIET 2019, 33–37.
https://doi.org/10.1109/SIET48054.2019.8 986131.
Azahari, Azahari, Yulindawati Yulindawati, Dewi Rosita, and Syamsuddin Mallala. 2020. “Komparasi Data Mining Naive Bayes Dan Neural Network Memprediksi
Masa Studi Mahasiswa S1.” Jurnal Teknologi Informasi Dan Ilmu Komputer 7 (3): 443.
https://doi.org/10.25126/jtiik.2020732093. Chai, Tianrui. 2019. “Predicting Potential Drug
Abusers Using Machine Learning Techniques.” ICIIBMS, 283–86.
Dejaeger, Karel, Wouter Verbeke, David Martens, and Bart Baesens. 2012. “Data Mining Techniques for Software Effort Estimation: A Comparative Study.” IEEE Transactions on Software Engineering 38 (2): 375–97.
https://doi.org/10.1109/TSE.2011.55.
Haidar, Laksamana Rajendra, Eko Sediyono, and Ade Iriani. 2020. “ANALISA PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA ID3 Dan
C4.5.” Jurnal Transformatika 17 (2): 97. https://doi.org/10.26623/transformatika.v1 7i2.1609.
Han, J., & Kamber, M. 2012. Data Mining?: Concepts and Techniques. 3nd Editio. Morgan Kaufmann Publishers.
Hidayanti, Alma, Amril Mutoi Siregar, Santi Arum, Puspita Lestari, and Yana Cahyana. 2022. “Model Analisis Kasus Covid-19 Di Indonesia Menggunakan.” Jurnal Pengkajian Dan Penerapan Teknik Informatika 15 (1): 91–101.
Kumari, Divya, Sumran Kilam, Priyanka Nath, and Aleena Swetapadma. 2018. “Prediction of Alcohol Abused Individuals Using Artificial Neural Network.” International Journal of Information Technology (Singapore) 10 (2): 233–37. https://doi.org/10.1007/s41870-018-0094- 3.
Laksono, Bagaskoro Cahyo, and Nucke Widowati Kusumo Projo. 2021.
“Pemodelan Analisis Rantai Markov Untuk Mengestimasi Potensi Kasus Narkoba Di Indonesia.” Seminar Nasional Official Statistics 2021 (1): 715–22. https://doi.org/10.34123/semnasoffstat.v20 21i1.1016.
Nath, Priyanka. 2017. “A Machine Learning Approach to Predict Volatile Substance Abuse for Drug Risk Analysis.” ICRCICN,
–58.
Rayendra, R. 2019. “Sistem Deteksi Penyalahgunaan Narkoba Menggunakan Jaringan Saraf Tiruan Model Backpropagation.” Jurnal Mantik Penusa 3 (1): 7–13. http://e- jurnal.pelitanusantara.ac.id/index.php/mant ik/article/view/571.
Sekretariat Negara RI. 2009. UU Nomor 35 Tahun 2009 Tentang Narkotika. Sekretariat Negara RI. Vol. 5.
http://downloads.esri.com/archydro/archyd ro/Doc/Overview of Arc Hydro terrain preprocessing workflows.pdf%0Ahttps://doi.org/10.1016/ j.jhydrol.2017.11.003%0Ahttp://sites.tufts. edu/gis/files/2013/11/Watershed-and- Drainage-Delineation-by-Pour- Point.pdf%0Awww.
United Nations Office on Drugs and Crime (ONUDC). 2021. Global Overview?: Drug Demand. World Drug Report 2. Global Overview: Drug Demand Drug Supply.
Witten, Ian H., Eibe Frank, and Mark A Hall.
Data Mining. Elsevier Inc.
Adinugroho, Sigit, Yuita Arum Sari, and Nurul Hidayat. 2019. “Drug Usage Duration Classification Using Extreme Learning Machine Based on Personality Features.” Proceedings of 2019 4th International Conference on Sustainable Information Engineering and Technology, SIET 2019, 33–37.
https://doi.org/10.1109/SIET48054.2019.8 986131.
Azahari, Azahari, Yulindawati Yulindawati, Dewi Rosita, and Syamsuddin Mallala. 2020. “Komparasi Data Mining Naive Bayes Dan Neural Network Memprediksi Masa Studi Mahasiswa S1.” Jurnal Teknologi Informasi Dan Ilmu Komputer 7 (3): 443.
https://doi.org/10.25126/jtiik.2020732093. Chai, Tianrui. 2019. “Predicting Potential Drug
Abusers Using Machine Learning Techniques.” ICIIBMS, 283–86.
Dejaeger, Karel, Wouter Verbeke, David Martens, and Bart Baesens. 2012. “Data Mining Techniques for Software Effort Estimation: A Comparative Study.” IEEE
Transactions on Software Engineering 38 (2): 375–97.
https://doi.org/10.1109/TSE.2011.55.
Haidar, Laksamana Rajendra, Eko Sediyono, and Ade Iriani. 2020. “ANALISA PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA ID3 Dan
C4.5.” Jurnal Transformatika 17 (2): 97. https://doi.org/10.26623/transformatika.v1 7i2.1609.
Han, J., & Kamber, M. 2012. Data Mining?: Concepts and Techniques. 3nd Editio. Morgan Kaufmann Publishers.
Hidayanti, Alma, Amril Mutoi Siregar, Santi Arum, Puspita Lestari, and Yana Cahyana. 2022. “Model Analisis Kasus Covid-19 Di Indonesia Menggunakan.” Jurnal Pengkajian Dan Penerapan Teknik Informatika 15 (1): 91–101.
Kumari, Divya, Sumran Kilam, Priyanka Nath, and Aleena Swetapadma. 2018. “Prediction of Alcohol Abused Individuals Using Artificial Neural Network.” International Journal of Information Technology (Singapore) 10 (2): 233–37. https://doi.org/10.1007/s41870-018-0094- 3.
Laksono, Bagaskoro Cahyo, and Nucke Widowati Kusumo Projo. 2021. “Pemodelan Analisis Rantai Markov Untuk Mengestimasi Potensi Kasus Narkoba Di Indonesia.” Seminar Nasional Official Statistics 2021 (1): 715–22. https://doi.org/10.34123/semnasoffstat.v20 21i1.1016.
Nath, Priyanka. 2017. “A Machine Learning Approach to Predict Volatile Substance Abuse for Drug Risk Analysis.” ICRCICN, 255–58.
Rayendra, R. 2019. “Sistem Deteksi Penyalahgunaan Narkoba Menggunakan Jaringan Saraf Tiruan Model Backpropagation.” Jurnal Mantik Penusa 3 (1): 7–13. http://e- jurnal.pelitanusantara.ac.id/index.php/mant ik/article/view/571.
Sekretariat Negara RI. 2009. UU Nomor 35 Tahun 2009 Tentang Narkotika. Sekretariat Negara RI. Vol. 5.
http://downloads.esri.com/archydro/archyd ro/Doc/Overview of Arc Hydro terrain preprocessing workflows.pdf%0Ahttps://doi.org/10.1016/ j.jhydrol.2017.11.003%0Ahttp://sites.tufts. edu/gis/files/2013/11/Watershed-and- Drainage-Delineation-by-Pour- Point.pdf%0Awww.
United Nations Office on Drugs and Crime (ONUDC). 2021. Global Overview?: Drug Demand. World Drug Report 2. Global Overview: Drug Demand Drug Supply.
Witten, Ian H., Eibe Frank, and Mark A Hall.
Data Mining. Elsevier Inc.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Tri Agus Setiawan, Agus Ilyas, Arochman Arochman
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
