Pengelompokan Daerah Rawan Kriminalitas di Indonesia Menggunakan Analisis K-Means Clustering

Main Article Content

Dita Prima Tri Hapsari Edy Widodo

Abstract

Kriminalitas atau kejahatan adalah suatu perbuatan yang dapat mengakibatkan timbulnya masalah-masalah dan keresahan bagi kehidupan masyarakat. Di Indonesia, jumlah tindak kriminalitas semakin meningkat dari tahun ke tahun. Tujuan dari penelitian ini adalah melakukan pengelompokan daerah rawan kriminalitas dengan menggunakan analisis K-Means Clustering dan pemetaan. Variabel yang digunakan merupakan jenis-jenis kriminalitas, yaitu kejahatan terhadap nyawa, kejahatan terhadap fisik atau badan, kejahatan terhadap kesusilaan, kejahatan terhadap kemerdekaan orang, kejahatan terhadap hak milik atau barang, kejahatan terkait narkotika, kejahatan terkait penipuan, penggelapan, dan korupsi, dan kejahatan terhadap ketertiban umum. Hasil dari penelitian ini yaitu dibentuk empat kelompok, dimana kelompok I masuk ke dalam kategori daerah yang cukup aman, kelompok II masuk ke dalam kategori daerah rawan, kelompok III masuk ke dalam kategori daerah cukup rawan, dan kelompok IV masuk ke dalam kategori aman. Pemetaan didasarkan pada hasil analisis kelompok, daerah dengan tingkat kriminalitas yang tinggi atau rawan kriminalitas digambarkan dengan warna yang gelap, sedangkan daerah dengan tingkat kriminalitas yang rendah digambarkan dengan warna yang terang.

Article Details

How to Cite
TRI HAPSARI, Dita Prima; WIDODO, Edy. Pengelompokan Daerah Rawan Kriminalitas di Indonesia Menggunakan Analisis K-Means Clustering. Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami), [S.l.], v. 1, n. 1, p. 147-153, july 2017. Available at: <http://conferences.uin-malang.ac.id/index.php/SIMANIS/article/view/52>. Date accessed: 05 mar. 2024.
Section
Mathematics

References

[1] Abdulsyani, Sosilogi Kriminalitas, Bandung: Remadja Karya CV, 1987.
[2] "South-Eastern Asia: Crime Index by Country 2015," Numbeo, 2015. [Online]. Available: https://www.numbeo.com/crime/rankings_by_country.jsp?title=2015®ion=035. [Accessed 30 Januari 2017].
[3] BPS, Statistika Kriminal 2016, Jakarta: Badan Pusat Statistika, 2016.
[4] R. M. Nurman, "Sistem Informasi Pemetaan Profil Kriminalitas Berbasis Web (Studi Kasus: Kejahatan Konvensional Kota Bogor)," in Skripsi Departemen Ilmu Komputer FMIPA IPB, 2007.
[5] J. Supranto, Analisis Multivariat: Arti dan Interpretasi, Jakarta: PT. Rineka Cipta, 2004.
[6] S. Rahayu, D. T. Nugrahadi and F. Indriana, "Clustering Penentuan Potensi Kejahatan Daerah di Kota Banjarbaru dengan Metode K-Means," Kumpulan Jurnal Ilmu Komputer (KLIK), vol. 01, no. 2406-7857, p. 01, 2014.
[7] J. Hair, R. E. Anderson, R. L. Tahtam and W. C. Black, Multivariate Data Analysis (Fifth Edition), New Jersey: Prentice-Hall, 1998.
[8] Hasan, Muhammad Iqbal, Pokok-pokok Materi Statistik 2 (Statistik Inferensif), Jakarta: Bumi Aksara, 2002.
[9] H. Usman and N. Sobari, Aplikasi Teknik Multivariat untuk Riset Pemasaran, Jakarta: PT. Raja Grafindo Persada, 2013.
[10] L. A. Prasetyo, "Aplikasi Sistem Informasi Geografis pada Kerusakan Bangunan Akibat Erupsi Merapi Tahun 2010 di Kabupaten Sleman Daerah Istimewa Yogyakarta Berbasis WEB," in Skripsi Mahasiswa Statistika FMIPA UII, 2012.
[11] BPS, Statistika Politik dan Keamanan DIY 2011, DIY: Badan Pusat Statistika, 2012.