PENERAPAN ALGORITMA K-MEANS UNTUK MENGETAHUI TINGKAT TINDAK KEJAHATAN DAERAH PEMATANGSIANTAR

Hotma Dame Tampubolon; Devi Gultom; Luvita Yolanda Hutabarat; Fikrul Ilmi R.H Zer; Dedy Hartama

doi:10.36294/jurti.v4i1.1263

PENERAPAN ALGORITMA K-MEANS UNTUK MENGETAHUI TINGKAT TINDAK KEJAHATAN DAERAH PEMATANGSIANTAR

Hotma Dame Tampubolon, Devi Gultom, Luvita Yolanda Hutabarat, Fikrul Ilmi R.H Zer, Dedy Hartama

Abstract

Abstract - Crime is now a concern and concern for the community, especially those in the Pematangsiantar Region. Acts of crime that often occur are murder, theft, drugs, rape. With the rampant crime in Pematangsiantar City, it is necessary to group each region using the K-Means algorithm. The data source in this study is a collection of various documents of information Criminal Acts by Pematangsiantar Police Law. The data used in this study are data from 2019 consisting of 6 Districts. In this study, the K-Means algorithm is used to find out areas that have high crime rates and low crime rates areas.

Keywords - Crime, K-Means, Clustering, Data Mining

Abstrak - Kejahatan saat ini menjadi perhatian dan ke khawatiran bagi masyarakat terutama yang ada di Wilayah Pematangsiantar. Aksi kejahatan yang sering terjadi ialah pembunuhan, pencurian, narkoba, Pemerkosaan. Dengan maraknya kejahatan di Kota Pematangsiantar maka di perlukan pengelompokkan tiap daerah menggunakan algoritma K-Means. Sumber data pada penelitian ini merupakan kumpulan dari berbagai dokumen-dokumen keterangan Aksi Kriminalitas oleh Hukum Polres Pematangsiantar. Data yang digunakan pada penelitian ini adalah data dari tahun 2019 yang terdiri dari 6 Kecamatan. Dalam penelitian ini algoritma K-Means digunakan untuk mengetahui daerah yang memiliki tingkat kejahatan tinggi dan daerah tingkat kejahatan rendah.

Kata Kunci - Kejahatan, K-Means, Clustering, Data Mining

Keywords

Crime, K-Means, Clustering, Data Mining

Full Text:

PDF

References

S. M. Dewi, A. P. Windarto, I. S. Damanik, and H. Satria, “Analisa Metode K-Means pada Pengelompokan Kriminalitas Menurut Wilayah,” Semin. Nas. Sains Teknol. Inf., pp. 620–625, 2019.

L. Suriani, “Pengelompokan Data Kriminal Pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Clustering,” J. Sist. Komput. dan Inform., vol. 1, no. 2, p. 151, 2020, doi: 10.30865/json.v1i2.1955.

F. Sembiring, O. Octaviana, and S. Saepudin, “Implementasi Metode K-Means Dalam Pengklasteran Daerah Pungutan Liar Di Kabupaten Sukabumi (Studi Kasus : Dinas Kependudukan Dan Pencatatan Sipil),” J. Tekno Insentif, vol. 14, no. 1, pp. 40–47, 2020, doi: 10.36787/jti.v14i1.165.

R. T. Vulandari, “Pengelompokan Tingkat Keamanan Wilayah Jawa Tengah Berdasarkan Indeks Kejahatan Dan Jumlah Pos Keamanan Dengan Metode Klastering K-Means,” J. Ilm. SINUS, vol. Vol 14, No, no. ISSN :1693-1173, pp. 59–72, 2016.

M. Simanjuntak and Dkk, “Penerapan Data Mining Pengelompokan Kejahatan Elektronik Sesuai UU ITE dengan Menggunakan Metode Clustering,” J. Mahajana Inf., vol. 3, no. 2, p. 3, 2018.

J. W. Anggoro, M. Awaluddin, and A. L. Nugraha, “Jurnal Geodesi Undip Oktober 2019 Jurnal Geodesi Undip Oktober 2019,” Geod. Undip, vol. 8, pp. 225–234, 2019.

R. A. Margolang, S. R. Andani, and M. R. Lubis, “Implementasi Data Mining dalam Mengelompokkan Rumah Tangga Kumuh di Perkotaan Berdasarkan Provinsi Menggunakan Algoritma K-Means,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 602, 2019, doi: 10.30645/senaris.v1i0.66.

DOI: https://doi.org/10.36294/jurti.v4i1.1263