<![CDATA[Penelitian ini bertujuan untuk menganalisis jumlah tindak pidana di Indonesia berdasarkan wilayah Kepolisian Daerah (Polda) dengan menerapkan algoritma K-Means Clustering. Data yang digunakan meliputi berbagai fitur numerik terkait tindak pidana dari sejumlah Polda di Indonesia. Proses analisis dilakukan dengan teknik normalisasi data serta pengelompokan menggunakan tiga klaster utama (C1, C2, C3), yang menunjukkan tingkat keparahan atau intensitas tindak pidana di masing-masing wilayah. Validitas hasil klaster diukur menggunakan nilai Silhouette, yang menunjukkan rata-rata sebesar 0,63, menunjukkan bahwa kualifikasi antar klaster cukup baik dan representatif. Hasil clustering menampilkan bahwa Polda-Polda yang tergolong dalam klaster C1 cenderung memiliki tingkat tindak pidana yang lebih rendah, yang ditunjukkan oleh nilai fitur yang relatif kecil. Sebaliknya, klaster C3 berisi wilayah dengan tingkat tindak pidana tertinggi, seperti Sumatera Utara dan beberapa wilayah padat penduduk lainnya. Klaster C2 berada di antara kedua kategori tersebut. Pengelompokan ini dapat membantu pihak berwenang dalam menyusun strategi penanggulangan kejahatan yang lebih tepat sasaran, dengan fokus pada klaster yang menunjukkan tingkat kejahatan tinggi. Penelitian ini menegaskan bahwa pendekatan data mining seperti K-Means Clustering efektif digunakan dalam menganalisis data kriminalitas dan memberikan wawasan geografis yang berguna untuk pengambilan keputusan. Ke depan, penelitian serupa dapat ditingkatkan dengan menambahkan variabel sosio-ekonomi atau demografi untuk memperkaya pencetakan dan interpretasi hasil.]]>
Copyrights © 2025
