Electronic Theses and Dissertation

Penelitian ini mengembangkan model peramalan tingkat kriminalitas di kota banda aceh menggunakan fuzzy inference system mamdani dengan optimasi parameter menggunakan metode newton-conjugate gradient. variabel input yang digunakan meliputi tingkat kemiskinan, tingkat pengangguran, dan tingkat pendidikan, dengan tingkat kriminalitas sebagai variabel output. data yang digunakan mencakup periode 2009-2021 sebagai data latih dan 2022-2024 sebagai data uji. model awal tanpa optimasi menghasilkan mape sebesar 108.33%, menunjukkan perlunya penerapan optimasi parameter. optimasi dilakukan melalui sepuluh pendekatan berbeda, dan pendekatan optimasi parameter pusat dan lebar secara bersamaan terbukti menghasilkan performa terbaik dengan mape latih sebesar 14.51% dan mape uji sebesar 25.37%. evaluasi linguistik terhadap model teroptimasi menunjukkan bahwa ke-27 aturan fuzzy dapat direduksi menjadi lima kategori linguistik, dengan sebagian besar pola aturan konsisten terhadap logika fenomena kriminalitas. ditemukan pula bahwa kegagalan optimasi pada satu himpunan fuzzy variabel pengangguran berdampak terhadap kejanggalan yang muncul pada beberapa aturan. berdasarkan model teroptimasi, tingkat kriminalitas tahun 2025 diramalkan sebesar 107.99. secara keseluruhan ditemukan bahwa keunggulan linguistik model mamdani bermanfaat pada analisis hubungan antar variabel dan memiliki potensi untuk dikembangkan lebih jauh. kata kunci: fuzzy inference system mamdani, newton-conjugate gradient, optimasi parameter, peramalan kriminalitas, evaluasi linguistik

This study develops a crime rate forecasting model for Banda Aceh City using the Mamdani Fuzzy Inference System with parameter optimization through the Newton-Conjugate Gradient method. The input variables consist of poverty rate, unemployment rate, and education level, with crime rate as the output variable. The dataset covers the period 2009–2021 as training data and 2022–2024 as testing data. The initial model without optimization yielded a MAPE of 108.33%, indicating the necessity of parameter optimization. Optimization was conducted through ten different approaches, with simultaneous center and width parameter optimization proving to be the best-performing approach, achieving a training MAPE of 14.51% and a testing MAPE of 25.37%. Linguistic evaluation of the optimized model revealed that all 27 fuzzy rules could be reduced to five meaningful linguistic categories, with the majority of rule patterns consistent with the logical phenomenon of crime. It was also found that the optimization failure of a single fuzzy membership function in the unemployment variable caused a cascading effect on anomalies observed in several rules. Based on the optimized model, the projected crime rate for 2025 is 107.99. Overall, the findings indicate that the linguistic advantages of the Mamdani model are highly beneficial for analyzing relationships between variables and hold significant potential for further development. Keywords: Mamdani Fuzzy Inference System, Newton-Conjugate Gradient, parameter optimization, crime rate forecasting, linguistic evaluation