VISUALISASI DATA TINDAK KEJAHATAN BERDASARKAN JENIS KRIMINALITAS DI KABUPATEN KARAWANG DENGAN MENGGUNAKAN ALGORITMA CLUSTERING K-MEANS
DOI:
https://doi.org/10.23960/jitet.v11i3s1.3347Abstract Views: 938 File Views: 781
Abstract
Tingkat kejahatan yang meningkat di Kabupaten Karawang merupakan tantangan yang serius bagi penegakan hukum dan keamanan masyarakat. Visualisasi data kriminalitas berdasarkan jenis kejahatan dapat memberikan wawasan yang berharga bagi penegak hukum dan pengambil keputusan dalam mengidentifikasi pola kejahatan, alokasi sumber daya, serta pengembangan strategi pencegahan kejahatan yang efektif. Dalam penelitian ini, kami menggunakan dataset terbuka dari Open Data Jabar yang mencakup informasi tentang tindak kejahatan di Kabupaten Karawang. Metode yang digunakan adalah algoritma clustering k-means untuk mengelompokkan jenis kejahatan berdasarkan pola yang ada. Pertama, data kejahatan diolah dan disiapkan dengan membersihkan dan mengintegrasikan setiap entri. Selanjutnya, algoritma clustering k-means diterapkan untuk mengelompokkan data kejahatan menjadi klaster yang berbeda berdasarkan kemiripan pola. Hasil analisis tersebut kemudian divisualisasikan menggunakan tools QGIS. Hasil pengelompokan daerah rawan kriminalitas di Karawang pada tahun 2021 didapatkan cluster rendah sebanyak 10 kecamatan masuk kedalam cluster rendah tingkat kriminalitasnya, 8 kecamatan masuk kedalam cluster sedang, 8 kecamatan masuk kedalam cluster tinggi, 4 kecamatan masuk kedalam cluster tinggi sekaliDownloads
References
F. M. I. 16611050 and JURUSAN, “OPTIMASI JUMLAH CLUSTER K-MEANS DENGAN METODE ELBOW DAN SILHOUETTE PADA PRODUKTIVITAS TANAMAN PANGAN DI PROVINSI JAWA TENGAH TAHUN 2018,” 2020.
J. Prima et al., “PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENENTUKAN JUDUL SKRIPSI DAN JURNAL,” vol. 5, no. 2, pp. 80–85, 2022.
F. A. Dewa and M. T. Jatipaningrum, “SEGMENTASI E-COMMERCE DENGAN CLUSTER K-MEANS DAN FUZZY C-MEANS ( Studi Kasus : Media Sosial di Indonesia yang diunduh di Play Store ),” vol. 4, no. 1, pp. 53–67, 2019.
E. Muningsih and S. Kiswati, “Sistem Aplikasi Berbasis Optimasi Metode Elbow Untuk Penentuan Clustering Pelanggan,” Joutica, vol. 3, no. 1, p. 117, 2018, doi: 10.30736/jti.v3i1.196.
H. W. S. Rina Yuliana Sari1, Hardian Oktavianto2, “ALGORITMA K-MEANS DENGAN METODE ELBOW UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN MANUSIA,” pp. 1–9, 2018.
S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat,” vol. 6, no. 2, pp. 48–54, 2021.
D. Andiani, S. Dwi, R. Septiani, and A. Riana, “Analisis Teknik non-Hierarki untuk Pengelompokan Kabupaten / Kota di Provinsi Jawa Barat Berdasarkan Indikator Kesejahteraan Rakyat 2020,” vol. 2, pp. 21–28, 2022.
