Comparison of Kernel Support Vector Machine in Predicting Judges' Decisions at the Bekasi District Court

Abstract

Proses persidangan suatu perkara pidana di Pengadilan Negeri Bekasi pada tahun 2019-2021 dengan rata-rata lama proses yang diperlukan untuk memutuskan perkara oleh hakim adalah 65-an hari. Pada penelitian ini mengusulkan penggunaan machine learning sebagai alat bantu untuk mempercepat keputusan hakim. Kasus tindak pidana berdasarkan jenis acara pidana dibagi menjadi 3 jenis yaitu pidana biasa, pidana singkat, dan pidana cepat. Data penelitian yang digunakan adalah jenis acara pidana biasa dengan status perkara minutasi yang dipublikasikan sebanyak 1.642 kasus. Proses pengolahan data mengunakan python dengan preprocessing data case folding, remove punctuation, tokenization dan removal stopword kemudian untuk pembobotan kata menggunakan TF-IDF. Untuk memprediksi putusan lama pemidanaan menggunakan pendekatan klasifikasi Support Vector Machine. Sebelum pemodelan dilakukan splitting data dengan perbandingan 80:20 dan hasil perbandingan pemodelan klasifikasi menggunakan SVM dengan 4 kernel yaitu linear (89,4%), RBF (88,4%), sigmoid (88,4%), dan polynomial (89,1%). Kernel SVM terbaik adalah kernel linear dengan nilai akurasi sebesar 89,4% dan nilai error sebesar 10,6%.