Text

Pengelompokan Daerah Rawan Kriminalitas di Indonesia Tahun 2021 Menggunakan Metode K-means Clustering & Fuzzy C-Means

---

Kriminalitas merupakan salah satu aspek yang dapat mempengaruhi
stabilitas dan keamanan nasional. Pada penelitian ini, menggunakan data
kriminalitas untuk mengelompokkan daerah rawan kriminalitas serta dijadikan
sebagai bahan pertimbangan apakah daerah tersebut memerlukan pengawasan
ekstra atau tidak. Penelitian ini menggunakan metode K-means dan Fuzzy C-Means.
Metode K-means mengelompokkan data berdasarkan kemiripan data dengan
centroid. Algoritma ini memiliki tingkat kompleksitas yang cukup efisien dan
mudah dipahami. K-means secara tegas mengalokasikan data ke klaster tertentu.
Fuzzy C-Means mampu menempatkan suatu data yang terletak diantara dua atau
lebih klaster yang lain pada suatu klaster. Hal ini terjadi karena setiap data memiliki
derajat keanggotaan untuk menentukkan pengelompokan data, sehingga sangat
kecil kemungkinan untuk mengalami kegagalan converge atau pusat kelompok
yang stabil. Jumlah klaster optimum dipilih menggunakan validasi Davies Bouldin
Index dan Calinski Harabasz Index. Hasil penelitian menunjukkan bahwa
pengelompokan daerah rawan kriminalitas dengan kedua metode tersebut
memperoleh hasil yang sama yaitu 2 klaster. Klaster 1 memiliki tingkat kriminalitas
yang lebih tinggi dibandingkan dengan klaster 2, diindikasikan oleh nilai rata-rata
anggota kelompok yang lebih tinggi. Indeks Davies Bouldin terendah adalah
1,04948 dan Indeks Calinski Harabasz tertinggi adalah sekitar 24,36783.
Kata Kunci : Clustering ; K-means; Fuzzy C-Means; Davies Bouldin Index;
Calinski Harabasz Index; Kriminalitas

---

Ketersediaan

1128E2023

1128 E 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1128 E 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Wulan Cahya Rahmadani

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar