Penerapan Algoritma K-Means dan K-Medoids Clustering untuk Mengelompokkan Tindak Kriminalitas Berdasarkan Provinsi

Abstract

Kriminalitas merupakan masalah yang sering terjadi di kehidupan sehari-hari dan dimana saja termasuk di berbagai provinsi yang ada di Indonesia. Dengan banyaknya tindak kriminalitas di Indonesia, diperlukan adanya pengelompokan daerah rawan tindak kriminalitas di Indonesia berdasarkan provinsi sebagai salah satu usaha untuk menentukan suatu daerah memerlukan pengawasan ekstra atau tidak. Pada penelitian ini akan dilakukan pengelompokkan tindak kriminalitas dengan menggunakan algoritma K-Means dan K-Medoids clustering. Data diolah menjadi dua cluster yaitu cluster tingkat tindak kriminalitas tinggi (C1) dan cluster tingkat tindak kriminalitas rendah (C2). Hasil algoritma K-Means diperoleh dengan C1 memiliki 6 anggota dan C2 memiliki 28 anggota. Sedangkan hasil algoritma K-Medoids diperoleh dengan C1 memiliki 7 anggota dan C2 memiliki 27 anggota. Perbedaan jumlah klaster pada kinerja tiap algoritma memiliki pola perhitungan yang berbeda sehingga keunggulan kinerja algoritma tergantung pada data yang akan diproses.