ANALISIS BERITA KRIMINAL BERBASIS GRAPH CLASSIFICATION

Abstract

Analisis berita kriminal berbasis klasifikasi graf merupakan pendekatan inovatif yang menggunakan representasi graf untuk memahami hubungan antar entitas dalam data kriminal. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis Deep Graph Convolutional Neural Networks (DGCNN) untuk berita kriminal, mengevaluasi efektivitasnya, dan menghasilkan analisis prediktif yang mendukung penegakan hukum. Metode penelitian dimulai dengan pengumpulan data dari 1.500 berita kriminal, yang diproses melalui tahapan preprocessing seperti tokenisasi dan filtering untuk menghasilkan graf yang merepresentasikan hubungan antar entitas. Selanjutnya, model DGCNN dilatih menggunakan dataset ini, dengan metrik akurasi, precision, dan recall sebagai indikator kinerjanya. Hasil penelitian menunjukkan bahwa DGCNN mampu menangkap pola-pola kompleks, seperti keterkaitan antara pelaku, korban, lokasi, dan waktu kejadian. Namun, terdapat kendala pada overfitting dan underfitting, terutama pada dataset dengan distribusi yang tidak seimbang. Kesimpulannya, meski DGCNN menunjukkan potensi signifikan dalam analisis kriminal, peningkatan pada teknik regulasi, augmentasi data, dan pemilihan parameter diperlukan untuk memaksimalkan generalisasi model, sehingga mendukung prediksi kriminal yang lebih akurat dan strategis.