Penerapan Data Mining Dalam Mengelompokkan Provinsi Rawan Kejahatan Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.30865/komik.v4i1.2576Abstract
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
References
Y. Darmi and A. Setiawan, “Penerapan Metode Clustering K-means Dalam Pengelompokan Penjualan Produk,†J. Media Infotama, vol. 12, no. 2, pp. 148–157, 2016.
H. Siska, A. Sudarsono, and S. Eko, “Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus : Universitas Dehasean Bengkulu),†J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.
Marlindawati and Andri, “Model Data Mining Dalam Pengklasifikasian Ketertarikan Belajar Mahasiswa Menggunakan Metode Clustering,†Semin. Nas. Teknol. Inf. dan Multimed., pp. 6–8, 2015.
M. K. Dewi Eka Putri, S.Kom, “Metode Non Hierarchy Algoritma K-means Dalam Mengelompokkan Tingkat Kelarisan Barang (Studi Kasus : Koperasi Keluarga Besar Semen Padang),†J. Senat., vol. 1, no. Senatkom, 2015.
S. Rahayu, D. T. Nugrahadi, and F. Indriani, “Clustering Penentuan Potensi Kejahatan Daerah Di Kota Banjarbaru Dengan Metode K-means,†Kumpul. J. Ilmu Komput., vol. 1, no. 1, pp. 33–45, 2014.
Asroni and R. Andrian, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,†J. Ilm. Semesta Tek., vol. 18, no. 1, pp. 76–82, 2015.
S. Defiyanti, M. Jajuli, T. Informatika, F. Ilmu, K. Universitas, and S. Karawang, “Implementasi Algoritma K-means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,†JITTER, vol. I, no. 2, pp. 62–68, 2015.
F. Hardiyanti, H. S. Tambunan, I. S. Saragih, P. Studi, and S. Informasi, “PENERAPAN METODE K-MEDOIDS CLUSTERING PADA PENANGANAN KASUS,†vol. 3, no. 2012, pp. 598–603, 2019.
