<![CDATA[Abstract. The development of technology makes it easier for the public to receive information, one of which is news abour crimes tha are occurring. This causes public unrest because many lives have been lost so people feel unsafe. This research aims to make it easier for law enforcement and the public to anticipate criminal acts. To find out the results of these objectives, the Agglomerative Hierarchical Clustering (AHC) method is used, where grouping is caried out to determine crime-prone areas. The data source used is the result of publications issued by the Central Statistics Agency. The data used is data on the number of crimes in 2021 consisting of 34 regional police forces in Indonesia where the data used is carried out by simple imputation first using the average due to missing data. Based on the results of cluster analysis of single linkage, complete linkage, average linkage, ward’s method and centroid method, 2 clusters were obtained each. The results of the cluster analysis were compared eith the k-means method which esulted in the AHC method being the best mehod eith better index values compared to k-means. Abstrak. Berkembangnya teknologi memudahkan masyarakat dalam menerima informasi, salah satunya adalah pemberitaan mengenai tindakan kejahatan yang sedang terjadi. Hal tersebut membuat keresahan masyarakat dikarenakan banyaknya nyawa yang hilang sehingga masyarakat merasa tidak aman. Tujuan dari penelitian ini adalah untuk memudahkan penegak hukum dan masyarakat dalam melakukan antisipasi tindakan kejahatan. Untuk mengetahui hasil dari tujuan tersebut digunakanlah metode Agglomerative Hierarchical Clustering (AHC) dimana dilakukan pengelompokan dalam menentukan daerah rawan kejahatan. Sumber data yang digunakan merupakan hasil publikasi yang dikeluarkan oleh Badan Pusat Statistik. Data yang digunakan adalah data jumlah kejahatan tahun 2021 ynag terdiri dari 34 kepolisian daerah di Indonesia dimana data yang digunakan dilakukan imputasi sederhana terlebih dahulu menggunakan rata-rata dikarenakan adanya data missing. Berdasarkan hasil analisis cluster single linkage, complete linkage, average linkage, ward’s method dan centroid method masing-masing diperoleh 2 cluster. Hasil analisis cluster tersebut dibandingkan dengan metode k-means yang menghasilkan bahwa metode AHC merupakan metode terbaik dengan nilai indeks yang lebih baik dibandingkan dengan k-means.]]>
