Sistem Clustering Tindak Kejahatan Pencurian Di Wilayah Jawa Barat Menggunakan Algoritma K-Means

• Kategori : Jurnal Nasional
• Penulis : Usep Tatang Suryadi
• Identitas : Jurnal Teknologi Informasi dan Komunikasi, Volume 14, tahun 2019, no 1
• Abstrak :
  

  Pencurian adalah salah satu tindakan kriminalitas yang lebih diterima masyarakat. Khususnya di wilayah Jawa Barat, data Polda Jabar pada tahun 2013 mencatat kasus pencurian dengan pemberatan mencapai 3.421 kasus, pencurian dengan pertahanan sebanyak 1.031 kasus dan kasus curanmor sebanyak 7.199 kasus. Kemudian pada tahun 2014, dibatalkan kasus pencurian dengan pemberatan sebanyak 3.146 kasus, pencurian dengan 925 kasus, serta kasus curanmor sebanyak 6.305 kasus. Dari permaslahan inilah munculah yang menentukan untuk membuat aplikasi, yang disediakan dapat melakukan pengelompokan tingkat tindak kejahatan pada kabupaten / kota di provinsi Jawa Barat. Metodologi yang digunakan adalah algoritma K-Means Clustering.Hasil dari penelitian ini membentuk 3 klaster, dimana klaster 1 masuk ke kategori level tinggi, klaster 2 masuk ke kategori level sedang dan klaster 3 masuk ke level tinggi. Iterasi data pengelompokan yang terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL.Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. Iterasi data pengelompokan yang terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal.Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. Iterasi data pengelompokan yang terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL.10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111.Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal.