Pemetaan Tindak Kejahatan Jalanan di Kota Semarang Menggunakan Algoritma K-Means Clustering

Widi Astuti, Djoko Adi Widodo

Abstract


Data kejahatan di Polrestabes Semarang merupakan kumpulan berbagai kasus kejahatan yang kemudian dikelompokkan berdasarkan peraturan yang mengatur yaitu KUHP (Kitab Undang-undang Hukum Pidana) dan Non KUHP, jumlah kejahatan per wilayah polisi sektor, dan jumlah kejahatan per jenis kasus kejahatan. Pengelompokan data dapat memberikan penemuan informasi baru yang sebelumnya tidak diketahui.Penelitian ini bertujuan untuk memetakan data kejahatan jalanan di Kota Semarang periode tahun 2014. Penelitian ini menggunakan metode observasi dan metode studi pustaka. Analisis data menggunakan teknik text mining yang terdiri tiga tahapan yaitu preprocessing, representation, dan knowledge discovery (penggalian informasi menggunakan clustering algoritma k-means. Selanjutnya dievaluasi menggunakan metode Entropy. Hasil penelitian diperoleh 3 cluster/kelompok tindak kejahatan jalanan berdasarkan waktu kejadian dan 7 kelompok menurut modus operandi. Berdasarkan nilai Entropy, kualitas algoritma k-means dalam pengelompokan waktu kejadian adalah baik karena data yang terkumpul dalam satu kelompok memiliki kemiripan tinggi dibandingkan data pada kelompok lain dan untuk pengelompokan modus operandi adalah cukup baik karena ada satu kelompok yang anggota kelompoknya memiliki tingkat kemiripan yang rendah. Simpulan dari penelitian ini yaitu algoritma k-means dapat digunakan untuk pengelompokan data teks kejahatan jalanan. Saran yang dapat diberikan adalah supaya lebih teliti dalam menentukan  jumlah kelompok sehingga data dapat terkelompok dengan baik sesuai kemiripan masing-masing data.

Full Text:

PDF

References


Fadlina. 2014. Data Mining untuk Analisa Tingkat Kejahatan Jalanan dengan Algoritma Association Rule Metode Apriori. Majalah Ilmiah 3(1): 144-154.

Megawati, C. 2015. Analisis Aspirasi dan Pengaduan di Situs LAPOR! Dengan Menggunakan Text Mining. Skripsi. Program Studi Teknik Industri Universitas Indonesia. Depok.

Miner, G., Delen, D., Elder, J., Fast, A., Hill, T., & Nisbet, R. 2012. Partical Text Mining and Statistical Analysis for Non-Structured Text Data Application. Oxford: Elsevier.

Ediyanto, Muhiasah N. M., dan Neva S. 2013. Pengklasifikasian Karakteristik dengan Metode K-Means Cluster Analysis. Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) 02(2): 133-136.

Suliyanto. 2005. Analisis Data dalam Aplikasi Pemasaran. Bogor: Ghalia Indonesia

Langgeni, D. P., ZK. A. Baizal, dan Yanuar F. A. W. 2010. Clustering Artikel Berita Berbahasa Indonesia Menggunakan Unsupervised Feature Selection. Seminar Nasional Informatika 2010 UPN “Veteran” Yogyakarta. 22 Mei 2010: D-1 – D-10.




DOI: https://doi.org/10.15294/jte.v8i1.8788

Refbacks

  • There are currently no refbacks.