Implementasi Named Entity Recognition Untuk Analisis Kriminalitas: Peningkatan Efisiensi Dan Optimalisasi Strategi Keamanan Di Polres Kota Malang Kota
Abstrak
Kriminalitas merupakan salah satu masalah utama yang dihadapi di Kota Malang, dengan peningkatan kasus setiap tahunnya. Polres Kota Malang menghadapi tantangan dalam menganalisis dan merespons kasus-kasus kejahatan yang tersebar di berbagai wilayah. Untuk mengatasi masalah ini, penelitian ini mengimplementasikan metode Named Entity Recognition (NER) dalam analisis teks Twitter untuk mendeteksi pola kriminalitas. Penelitian ini menggunakan teknik crawling untuk mengumpulkan 254 tweet yang berhubungan dengan kejadian kriminalitas di Kota Malang antara tahun 2019 hingga 2023. Tahapan penelitian meliputi preprocessing teks yang mencakup pembersihan data (cleaning), normalisasi teks (case folding), tokenisasi, filtering kata-kata umum, serta stemming. Model NER dilatih menggunakan library SpaCy, yang memungkinkan identifikasi entitas seperti lokasi, jenis kejahatan, dan pelaku yang disebutkan dalam tweet. Model ini diuji dalam dua skenario: tanpa penambahan sinonim dan dengan penambahan sinonim jenis kejahatan serta nama daerah di Kota Malang. Hasil pengujian menunjukkan bahwa skenario pertama memiliki nilai precision sebesar 65.9%, recall sebesar 54.7%, dan akurasi entitas sebesar 55%. Sedangkan skenario kedua, yang melibatkan penambahan sinonim, menunjukkan penurunan performa dengan precision sebesar 60.5%, recall sebesar 40.1%, dan akurasi entitas sebesar 45%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa NER efektif dalam mengidentifikasi pola kriminalitas dari teks tidak terstruktur dan dapat digunakan sebagai alat bantu dalam optimalisasi strategi keamanan di Kota Malang.