Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer)
Eka Desriani Aritonang
STIKOM Tunas Bangsa, Pematangsiantar
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Data Mining Dalam Mengelompokkan Provinsi Rawan Kejahatan Menggunakan Algoritma K-Means Eka Desriani Aritonang; Heru Satria Tambunan; Jaya Tata Hardinata; Eka Irawan; Dedi Suhendro
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 4, No 1 (2020): The Liberty of Thinking and Innovation
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/komik.v4i1.2576

Abstract

Kemajuan Teknologi informasi saat ini berkembang sangat cepat yang mengakibatkan peningkatan pada data dalam jumlah besar. Meningkatnya jumlah kejahatan pada setiap provinsi di Indonesia menyebabkan penumpukan pada data. Beragam jenis kejahatan terjadi di lingkungan masyarakat, seperti pembunuhan, penganiayaan, pemerkosaan, pencurian, penipuan, penyalahgunaan narkoba, dan perjudian. Dengan melihat banyaknya jumlah kejahatan tersebut, masyarakat menjadi khawatir dan merasa tidak nyaman sehingga perlu dilakukan penelitian agar dapat mengetahui wilayah/provinsi yang rawan akan kejahatan. Tujuan dari penelitian yaitu sebagai referensi bagi pemerintah untuk meningkatkan keamanan untuk setiap wilayah pada tahun-tahun berikutnya. Penelitian ini menggunakan metode data mining dengan algoritma k-means clustering dan dibantu dengan aplikasi Rapidminer. Penelitian ini mengelompokkan provinsi dengan dua cluster yaitu cluster tinggi dan cluster rendah. Hasil dari penelitian ini diperoleh 4 provinsi dengan jumlah kejahatan tertinggi (C1), 30 provinsi dengan jumlah kejahatan rendah (C2) dan pengujian menggunakan Rapidminer mendapatkan hasil yang sama. Algoritma K-means dapat diterapkan dan memberikan informasi tentang provinsi yang rawan terjadinya kejahatan.Kata kunci: k-means, clustering, kejahatan
Co-Authors Dedi Suhendro Eka Irawan Heru Satria Tambunan Jaya Tata Hardinata