Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JurTI (JURNAL TEKNOLOGI INFORMASI) Jurnal Ilmu Komputer dan Teknologi (IKOMTI)
Luvita Yolanda Hutabarat
STIKOM TUNAS BANGSA PEMATANGSIANTAR
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
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
(JurTI) Jurnal Teknologi Informasi Vol 4, No 1 (2020): JUNI 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (492.196 KB) | DOI: 10.36294/jurti.v4i1.1263

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
Penerapan Algoritma K-Means Dalam Pengelompokan Jumlah Penduduk Berdasarkan Kelurahan Di Kota Pematangsiantar Luvita Yolanda Hutabarat; Indra Gunawan; Ika Purnamasari; M Safii; Widodo Saputra
Jurnal IT UHB Vol 2 No 2 (2021): Jurnal Ilmu Komputer dan Teknologi
Publisher : Universitas Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (520.37 KB) | DOI: 10.35960/ikomti.v2i2.704

Abstract

Pertambahan jumlah penduduk di suatu kota ataupun kabupaten jika tidak diselesaikan dengan baik dan sistematis akan mengakibatkan dampak-dampak yang buruk yang ditimbulkan dari peningkatan jumlah penduduk. Sehingga perlu dilakukan pengelompokan jumlah penduduk di kota Pematangsiantar untuk mengetahui jumlah penduduk yang rendah, sedang dan tinggi agar tidak terjadi kepadatan penduduk. Penelitian ini menggunakan teknik data mining dengan menggunakan algoritma K-Means Clustering. Dimana metode ini mempartisi data ke dalam Cluster/kelompok sehingga data yang memiliki karakteristik sama dikelompokkan ke dalam satu Cluster yang sama. Penelitian ini memakai 3 Cluster dan hasil yang didapatkan dari perhitungan algoritma K-Means adalah Cluster rendah sebanyak 29 kelurahan, Cluster sedang sebanyak 18 kelurahan, Cluster tinggi sebanyak 6 kelurahan. Dan berdasarkan hasil pengujian K-Means menggunakan Tools RapidMiner diperoleh hasil yang sama dengan analisis perhitungan algoritma K-Means.
Co-Authors Dedy Hartama Devi Gultom Fikrul Ilmi R.H Zer Hotma Dame Tampubolon Ika Purnama Sari Indra Gunawan M Safii Widodo Saputra