Sarastuti, Elina
Universitas Budi Luhur

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

Found 1 Documents
Search

Classterization of Criminal Acts in West Java Province Using The K-Medoids Algorithm Sarastuti, Elina; Mahdiana, Deni; Kusumawardhany, Nidya
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 21, No 1 (2024): APRIL 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v21i1.2976

Abstract

Pada tahun 2022, Jawa Barat mengalami peningkatan angka tindak kriminalitas. Merujuk pada data Badan Pusat Statistik (BPS), pada 2021 Jawa Barat menduduki tindak kriminalitas pada posisi kesembilan di Indonesia. Selanjutnya berdasarkan Kementerian Koordinator Bidang Politik Hukum dan Keamanan (Kemenko Polhukam) pada tahun 2022 Jawa Barat mengalami lonjakan angka kriminalitas hingga sebesar 69 persen, dan menduduki peringkat kelima di Indonesia. Tujuan pada penelitian ini untuk menggunakan pendekatan data mining dalam mengelompokkan Kabupaten/Kota di Jawa Barat berdasarkan angka kriminilitas sehingga dapat membantu pihak kepolisian setempat untuk dapat melakukan pemetaan agar pencegahan serta penindakan kriminalitas dapat sesuai lebih efektif serta tegas, sehingga dapat menekan angka kriminalitas di Jawa Barat. Data penelitian yang digunakan adalah data kriminalitas di Jawa Barat pada tahun 2019 sampai 2021 dengan 9 jenis tindak kriminalitas, diantaranya pencurian, penipuan, penganiayaan, pembakaran, pemerkosaan, pengedar/penyalahgunaan narkoba, perjudian, pembunuhan, dan perdagangan manusia. Metode analisis menggunakan algoritma K-Medoids dengan tools Rapidminer untuk mengelompokkan pola kriminalitas ke dalam kelompok-kelompok yang memiliki kesamaan karakteristik. Pengelompokan dilakukan berdasarkan atribut-atribut tertentu seperti 9 jenis tindak kejahatan dan kabupaten/kota terjadinya tindak kejahatan tersebut. Hasil penelitian ini dapat dinyatakan akurat karena hasil akhir penggunaan tools dan perhitungan manual mendapatkan hasil yang sam, dengan hasil berupa klasterisasi status kabupaten/kota yang dibagi menjadi 2 cluster yaitu aman dan rawan dengan nilai DBI 0,761. Penelitian ini mendapatkan hasil yaitu, cluster aman terdiri dari 3 Kabupaten/Kota, diantaranya Kabupaten Kuningan, Kabupaten Pangandaran, dan Kota Banjar sedangkan cluster rawan terdiri dari 16 Kabupaten/Kota, diantaranya Kabupaten Bandung, Kabupaten Bandung Barat, Kabupaten Bekasi, Kabupaten Bogor, Kabupaten Ciamis, Kabupaten Cianjur, Kabupaten Cirebon, Kabupaten Garut, Kabupaten Indramayu, Kabupaten Karawang, Kabupaten Majalengka, Kabupaten Purwakarta, Kabupaten Subang, Kabupaten Sukabumi, Kabupaten Sumedang, dan Kabupaten Tasikmalaya.