Metode K-Means Clustering Dan Analisis Spasial Untuk Monitoring Sebaran Kriminalitas

Henny Hamsinar, Wa Ode Rahma Agus Udaya Manarfa, Adhelia Putri Cahyani Salam

Abstract


Kriminalitas merupakan masalah umum yang sering terjadi dalam kehidupan sehari-hari, termasuk di Kota Bau-Bau. Berbagai tindakan kriminalitas yang telah terjadi di sana, seperti penganiayaan, persetubuhan anak, kekerasan anak, penipuan, keroyokan, dan pembunuhan, dengan waktu, tempat, serta jenis kejadian yang berbeda-beda, menyebabkan kesulitan bagi masyarakat untuk mengetahui informasi suatu wilayah yang rawan tindak kriminalitas karena belum adanya sebuah sistem informasi khusus yang mampu memberikan informasi wilayah mana saja yang tingkat kriminalitasnya tinggi, sedang, dan rendah. Metode K-means digunakan untuk melakukan pengelompokan data (clustering) terkait sebaran kriminalitas di Kota Bau-Bau K-means adalah algoritma yang membagi data ke dalam beberapa kelompok (cluster) berdasarkan kesamaan karakteristik, dalam konteks ini metode K-means akan mengelompokkan lokasi-lokasi kejadian kriminalitas sehingga dapat dianalisis pola sebarannya.  Penelitian ini bertujuan untuk merancang dan membangun aplikasi berbasis Android untuk memonitor sebaran kriminalitas di Kota Bau-Bau menggunakan metode k-means clustering dan analisis spasial. Penelitian ini menggunakan metode k-means clustering dan analisis spasial untuk membuat peta yang memvisualisasikan sebaran kriminalitas. Hasil dari penelitian ini adalah sebuah aplikasi untuk memonitor sebaran kriminalitas di Kota Bau-Bau menggunakan metode k-means clustering untuk mengelompokkan tingkat kriminalitas dari 181 kasus yang terjadi di 8 kecamatan yang ada di Kota Bau-Bau, serta analisis spasial yang dapat memudahkan pihak kepolisian dalam melihat titik lokasi serta menerima informasi tentang tindak kriminalitas. Aplikasi ini juga memudahkan masyarakat dalam memberikan informasi mengenai kasus kriminalitas kepada pihak kepolisian.


Keywords


Kriminalitas, Memonitoring, metode k-means clustering, analisis spasial

Full Text:

PDF

References


U. T. Suryadi dan Y. Supriatna, “Sistem Clustering Tindak Kejahatan Pencurian Di Wilayah Jawa Barat Menggunakan Algoritma K-Means,” JTIK, vol. 12, no. 1, hlm. 15–27, Apr 2019, doi: 10.47561/a.v12i1.147.

Nurjoko, Defi Dwirohayati, dan Novi Herawadi Sudibyo, “Sistem Informasi Pemetaan Wilayah Rawan Kriminalitas Polresta Bandar Lampung Menggunakan K-Means Clustering,” Journal homepage, vol. 14, no. 2, hlm. 127–135, 2020.

R. Watrianthos, S. Suryadi, Kusmanto, dan S. Samsir, “Pemetaan Tingkat Kriminalitas di Indonesia: Analisis Spasial dengan Pendekatan SIG pada Tingkat Provinsi,” bit, vol. 4, no. 3, hlm. 353–360, Sep 2023, doi: 10.47065/bit.v4i3.861.

H. Rakuasa, S. Supriatna, M. P. Tambunan, M. Salakory, dan Wiclif. S. Pinoa, “Analisis Spasial Daerah Potensi Rawan Longsor Di Kota Ambon Dengan Menggunakan Metode Smorph,” JTSL, vol. 9, no. 2, hlm. 213–221, Jul 2022, doi: 10.21776/ub.jtsl.2022.009.2.2.

D. Budiyanto, T. Septiana, dan M. A. Muda, “Pemanfaatan Analisis Spasial Untuk Pemetaan Risiko Bencana Alam Tsunami Menggunakan Pengolahan Data Spasial Sistem Informasi Geografis,” klik, vol. 7, no. 2, hlm. 210, Jun 2020, doi: 10.20527/klik.v7i2.324.

M. Ali Hasymi, A. Faisol, dan Fx. Ariwibisono, “Sistem Informasi Geografis Pemetaan Warga Kurang Mampu Di Kelurahan Karang Besuki Menggunakan Metode K-Means Clustering,” jati, vol. 5, no. 1, hlm. 284–290, Feb 2021, doi: 10.36040/jati.v5i1.3269.

S. M. Dewi, A. P. Windarto, I. S. Damanik, dan H. Satria, “Analisa Metode K-Means pada Pengelompokan Kriminalitas Menurut Wilayah,” Seminar Nasional Sains & Teknologi Informasi (SENSASI), hlm. 620–625, 2019.

I. Irwan, W. Sanusi, dan F. Saman, “Pengelompokan Daerah Rawan Kriminalitas di Sulawesi Selatan Menggunakan Metode K-means Clustering,” JMathCoS, vol. 5, no. 1, hlm. 12, Mei 2022, doi: 10.35580/jmathcos.v5i1.32719.

D. Sutejo, Y. A. Pranoto, dan H. Z. Zahro’, “Sistem Informasi Geografis Pengelompokan Tingkat Kriminalitas Kota Malang Menggunakan Metode K-Means,” jati, vol. 4, no. 1, hlm. 356–363, Sep 2020, doi: 10.36040/jati.v4i1.2315.

Zulrahmadi, S. Defit, dan Y. Yunus, “Pemetaan Wilayah Potensial Terhadap Penjualan Sepeda Motor Honda Menggunakan K-Means Clustering,” INFEB, vol. 2, no. 2, hlm. 53–59, Jun 2020, doi: 10.37034/infeb.v2i2.41.




DOI: https://doi.org/10.55340/jiu.v13i2.2151

Refbacks

  • There are currently no refbacks.


___________________________________________________________________________________________________________________________________________

Editorial Address :

Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Jl. Dayanu Ikhsanuddin no.124 Baubau, Sulawesi Tenggara 

Jurnal Informatika by Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Baubau, Indonesia is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. Based on work at  https://ejournal.unidayan.ac.id/index.php/JIU