| Judul | SISTEM PREDIKSI LOKASI POTENSI TERORISME DI INDONESIA BERBASIS DATA SPASIAL MENGGUNAKAN METODE RANDOM FOREST UNTUK MENDUKUNG PERTAHANAN NEGARA |
| Pengarang | ECA INDAH ANGGRAINI Asep Adang Supriyadi Aris Poniman Kertopermono Rudy A. G. Gultom Yahya Darmawan Novky Asmoro |
| Penerbitan | Bogor : Universitas Pertahanan Republik Indonesia, 2024 |
| Subjek | Pertahanan Negara -- Teknologi Penginderaan -- random forest -- Data Geospasial -- Prediksi Lokasi Terorisme -- NDVI |
| Catatan | Banyaknya kasus terorisme yang terjadi di Indonesia, kasus terorisme menimbulkan korban jiwa, kerusakan terhadap objek vital strategis dan fasilitas publik. Kemampuan memprediksi lokasi terorisme sangat penting untuk lembaga pertahanan dan keamanan pemerintah untuk dapat mencegah kasus terorisme. Pada penelitian ini, peneliti menggunakan data GTD dan 5 faktor pendorong terorisme yaitu Kepadatan Penduduk, Indeks Cahaya Malam Hari, Aksebilitasi Perkotaan, Elevasi, NDVI. Metode pembelajaran mesin Random Forest digunakan untuk memprediksi lokasi potensi terorisme di setiap pulau di Indonesia yaitu Sumatera, Jawa, Kalimantan, Sulawesi, dan Papua. Model Random Forest menghasilkan akurasi dan faktor pendorong tertinggi yang berbeda untuk di setiap pulau, pulau Sumatera 90,53% dan Sulawesi 92,5% dengan faktor pendorong tertinggi indeks cahaya malam hari, sedangkan pulau Jawa 96,59%, Kalimantan 100%, dan Papua 92,31% dengan faktor pendorong tertinggi kepadatan penduduk. Pada penelitian ini menunjukan bahwa metode Random Forest berhasil memprediksi lokasi potensi terorisme dengan baik dan dapat memberikan informasi mengenai faktor pendorong terorisme yang berbeda di setiap pulau. Dengan hasil ini, peneliti dapat merancang strategi pertahanan yang tepat untuk di setiap pulau berdasarkan faktor pendorong kasus terorisme yang terjadi di pulau tersebut. |
| Bentuk Karya | Tidak ada kode yang sesuai |
| Target Pembaca | Tidak ada kode yang sesuai |
Informasi: Di sini Anda dapat mengakses seluruh konten digital yang tersedia untuk koleksi ini.
Tombol "Baca Buku" di bawah sampul hanya menampilkan file pertama sebagai preview.
| No | Nama File | Nama File Format Flash | Format | Aksi |
|---|---|---|---|---|
| 1 | 2171666302cb05f0df87926b168f188d.pdf | 2171666302cb05f0df87926b168f188d.pdf | Baca | |
| 2 | fdce68096ee97f3f54770928c01b4416.pdf | fdce68096ee97f3f54770928c01b4416.pdf | Baca | |
| 3 | e686888aeb31db1499fa572f10dc730d.pdf | e686888aeb31db1499fa572f10dc730d.pdf | Baca | |
| 4 | 863809996701b6ad24497bc386d4c9d3.pdf | 863809996701b6ad24497bc386d4c9d3.pdf | Baca | |
| 5 | 8edc8f3464e3552ba0afdb13797f7c26.pdf | 8edc8f3464e3552ba0afdb13797f7c26.pdf | Baca |
Informasi: Di sini Anda dapat melihat ketersediaan eksemplar fisik koleksi ini di perpustakaan beserta lokasinya.
| No | No Barcode | No. Panggil | Akses | Lokasi | Ketersediaan | Aksi |
|---|
| Tag | Ind1 | Ind2 | Isi |
| 001 | INLIS000000000003146 | ||
| 005 | 20260212093727 | ||
| 008 | 260212################|##########|#|## | ||
| 035 | # | # | $a 0010-1225003146 |
| 041 | $a id | ||
| 082 | # | # | $a NONE |
| 100 | 0 | # | $a ECA INDAH ANGGRAINI |
| 245 | 1 | # | $a SISTEM PREDIKSI LOKASI POTENSI TERORISME DI INDONESIA BERBASIS DATA SPASIAL MENGGUNAKAN METODE RANDOM FOREST UNTUK MENDUKUNG PERTAHANAN NEGARA |
| 260 | # | # | $a Bogor :$b Universitas Pertahanan Republik Indonesia,$c 2024 |
| 500 | # | # | $a Banyaknya kasus terorisme yang terjadi di Indonesia, kasus terorisme menimbulkan korban jiwa, kerusakan terhadap objek vital strategis dan fasilitas publik. Kemampuan memprediksi lokasi terorisme sangat penting untuk lembaga pertahanan dan keamanan pemerintah untuk dapat mencegah kasus terorisme. Pada penelitian ini, peneliti menggunakan data GTD dan 5 faktor pendorong terorisme yaitu Kepadatan Penduduk, Indeks Cahaya Malam Hari, Aksebilitasi Perkotaan, Elevasi, NDVI. Metode pembelajaran mesin Random Forest digunakan untuk memprediksi lokasi potensi terorisme di setiap pulau di Indonesia yaitu Sumatera, Jawa, Kalimantan, Sulawesi, dan Papua. Model Random Forest menghasilkan akurasi dan faktor pendorong tertinggi yang berbeda untuk di setiap pulau, pulau Sumatera 90,53% dan Sulawesi 92,5% dengan faktor pendorong tertinggi indeks cahaya malam hari, sedangkan pulau Jawa 96,59%, Kalimantan 100%, dan Papua 92,31% dengan faktor pendorong tertinggi kepadatan penduduk. Pada penelitian ini menunjukan bahwa metode Random Forest berhasil memprediksi lokasi potensi terorisme dengan baik dan dapat memberikan informasi mengenai faktor pendorong terorisme yang berbeda di setiap pulau. Dengan hasil ini, peneliti dapat merancang strategi pertahanan yang tepat untuk di setiap pulau berdasarkan faktor pendorong kasus terorisme yang terjadi di pulau tersebut. |
| 650 | 4 | $a Pertahanan Negara -- Teknologi Penginderaan -- random forest -- Data Geospasial -- Prediksi Lokasi Terorisme -- NDVI | |
| 700 | 0 | # | $a Aris Poniman Kertopermono |
| 700 | 0 | # | $a Asep Adang Supriyadi |
| 700 | 0 | # | $a Novky Asmoro |
| 700 | 0 | # | $a Rudy A. G. Gultom |
| 700 | 0 | # | $a Yahya Darmawan |
Content Unduh katalog
Karya Terkait :