ALGORITMA K-MEANS UNTUK MENINGKATKAN SEGMENTASI POLA KEKERASAN
DOI:
https://doi.org/10.23960/jitet.v13i1.5795Abstract Views: 324 File Views: 306
Abstract
Abstrak. Meningkatnya angka kekerasan terhadap perempuan dan anak-anak di berbagai wilayah telah menimbulkan kebutuhan mendesak akan strategi yang efektif untuk mengidentifikasi dan mengelompokkan daerah-daerah yang rawan kekerasan. Penelitian ini bertujuan untuk mengembangkan metode klasterisasi berbasis algoritma K-Means dalam upaya meningkatkan segmentasi pola kekerasan, khususnya dalam kasus yang melibatkan perempuan dan anak. Dengan menggunakan data kekerasan dari berbagai wilayah, algoritma K-Means diterapkan untuk mengelompokkan kasus berdasarkan karakteristik tertentu yang relevan. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki potensi yang kuat dalam segmentasi data kekerasan dan mampu memberikan hasil yang lebih optimal dibandingkan metode lain pada kasus yang dipelajari. Penelitian ini memberikan wawasan baru dalam pengelompokan data sosial menggunakan pendekatan klasterisasi, yang pada akhirnya dapat meningkatkan upaya penanganan kasus kekerasan di berbagai wilayah. Penelitian ini menggunakan tahapan Knowladge Discovery in Database (KDD). Data yang diperoleh bersumber dari situs portal https://www.kaggle.com/datasets . Metode k-means clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok/cluster. Berdasarkan hasil penelitian ini terdapat 2 cluster yaitu cluster 0 dengan jumlah anggota 1573 dan cluster 1 dengan jumlah anggota 3431. pengukuran kinerja menggunakan DBI, K=2 dengan tingkat kinerja 0,459 maka tingkat kinerja yang terbaik karena tingkat dalam dex mendekati 0.133
Downloads
References
R. Fauziah and A. I. Purnamasari, “Implementasi Algoritma K-Means pada Kasus Kekerasan Anak dan Perempuan Berdasarkan Usia,” Hello World J. Ilmu Komput., vol. 2, no. 1, pp. 34–41, 2023, doi: 10.56211/helloworld.v2i1.232.
L. Awaliyah, N. Rahaningsih, and R. Danar Dana, “Implementasi Algoritma K-Means Dalam Analisis Cluster Korban Kekerasan Di Provinsi Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 188–195, 2024, doi: 10.36040/jati.v8i1.8332.
M. Veronika, B. Tarigan, I. M. S. S, and P. S. M. Lumbanraja, “Penerapan Algoritma K-Medoids Untuk Mengelompokkan Penyebaran Tindak Kriminal Di Wilayah Hukum Polres Tanah Karo,” vol. 3, no. 1, pp. 77–86, 2023.
N. Adawiyah, N. Sulistiyowati, and M. Jajuli, “Klasterisasi Kasus Kekerasan Terhadap Anak dan Perempuan Berdasarkan Algoritma K-Means,” Gener. J., vol. 5, no. 2, pp. 69–80, 2021, doi: 10.29407/gj.v5i2.15995.
Fl. F. W. Daeli, D. Nofriansyah, and S. Yakub, “Implementasi Data Mining Untuk Mengelompokkan Lokasi Berdasarkan Tingkat Kejahatan Pada Kabupaten Nias Barat Menggunakan Metode K-Means Clustering,” Sains dan Komput., pp. 1–14, 2020.
M. Riskandi, M. Martanto, and U. Hayati, “Klasterisasi Korban Kekerasan Menggunakan Algoritma K-Means Di Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 820–826, 2024, doi: 10.36040/jati.v8i1.8457.
Y. Sopyan, A. D. Lesmana, and C. Juliane, “Analisis Algoritma K-Means dan Davies Bouldin Index dalam Mencari Cluster Terbaik Kasus Perceraian di Kabupaten Kuningan,” Build. Informatics, Technol. Sci., vol. 4, no. 3, pp. 1464–1470, 2022, doi: 10.47065/bits.v4i3.2697.
R. Buaton, Y. Sundari, and Y. Maulita, “Clustering Tindak Kekerasan Pada Anak Menggunakan Algoritma K-Means Dengan Perbandingan Jarak Kedekatan Manhattan City Dan Euclidean,” MEANS (Media Inf. Anal. dan Sist., vol. 1, no. 2, pp. 47–53, 2016, doi: 10.54367/means.v1i2.8.
N. Azizah, A. Fauzi, T. Rohana, and S. Faisal, “Perbandingan Metode K-Means dan K-Medoids Untuk Clustering Jenis Kriminalitas,” vol. 6, no. 2, pp. 1011–1019, 2024, doi: 10.47065/bits.v6i2.5723.
Ni Putu Viona Viandari, I Made Agus Dwi Suarjaya, and I Nyoman Piarsa, “Pemetaan Pelanggan dengan LRFM dan Two Stage Clustering untuk Memenuhi Strategi Pengelolaan,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 1, pp. 130–139, 2022, doi: 10.29207/resti.v6i1.3778.
M. Sholeh and K. Aeni, “Perbandingan Evaluasi Metode Davies Bouldin, Elbow dan Silhouette pada Model Clustering dengan Menggunakan Algoritma K-Means,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 8, no. 1, p. 56, 2023, doi: 10.30998/string.v8i1.16388.
Z. Nabila, A. Rahman Isnain, and Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, p. 100, 2021
