Penerapan Algoritma K-Means untuk Pengelompokan Daerah Berdasarkan Waktu Kejadian Curas di Kabupaten Bekasi
DOI:
https://doi.org/10.24114/cess.v10i2.66501Keywords:
K-Means, Clustering, Curas, Waktu Kejadian, Kabupaten BekasiAbstract
Kabupaten Bekasi merupakan wilayah dengan intensitas aktivitas ekonomi yang tinggi, namun rawan terhadap tindak kriminalitas seperti pencurian dengan kekerasan (curas) yang berdampak pada ketidaknyamanan dan kekhawatiran masyarakat. Penelitian ini bertujuan untuk mengelompokkan waktu kejadian curas guna mengidentifikasi jam-jam rawan kriminalitas. Data yang digunakan berasal dari Polres Kabupaten Bekasi sebanyak 25 entri dan dianalisis menggunakan algoritma K-Means Clustering. Hasil menunjukkan bahwa data terbagi menjadi dua cluster waktu, yaitu malam hari (21.00–23.59) dan dini hari (00.00–05.00), dengan nilai Silhouette Score sebesar 0.4795, Davies-Bouldin Index 0.5922, dan Calinski-Harabasz Index 52.3170. Visualisasi dilakukan menggunakan Folium dengan penambahan pop-up interaktif. Hasil ini dapat digunakan oleh pihak kepolisian atau dinas terkait sebagai acuan dalam menyusun jadwal patroli malam yang lebih efisien dan berbasis data.References
[1] R. Astuti and F. Muhammad Basysyar, “Penerapan Data Mining Clustering Menggunakan Metode K-Means Pada Data Tindak Kriminalitas di Polres Kabupaten Kuningan,” 2024.
[2] P. S. Rosiana et al., “Visualisasi Data Tindak Kejahatan Berdasarkan Jenis Kriminalitas di Kabupaten Karawang Dengan Menggunakan Algoritma Clustering K-Means,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 3, pp. 2830–7062, doi: 10.23960/jitet.v11i3%20s1.3347.
[3] H. S. Firdaus, A. L. Nugraha, B. Sasmito, M. Awaluddin, and C. A. Nanda, “Perbandingan Metode Fuzzy C-Means dan K-Means Untuk Pemetaan Daerah Rawan Kriminalitas di Kota Semarang,” 2021.
[4] I. Insiyah, M. Khasanah, and T. P. Hendarsyah, “Penerapan Metode Ward Clustering Untuk Pengelompokkan Daerah Rawan Kriminalitas Di Jawa Timur Tahun 2021,” Jurnal Statistika dan Komputasi, vol. 2, no. 1, pp. 44–54, Jun. 2023, doi: 10.32665/statkom.v2i1.1664.
[5] A. Hoerunnisa, G. Dwilestari, F. Dikananda, H. Sunana, and D. Pratama, “Komparasi Algoritma K-Means dan K-Medoids Dalam Analisis Pengelompokan Daerah Rawan Kriminalitas di Indonesia,” 2024. [Online]. Available: https://opendata.jabarprov.go.id/id
[6] E. Ramadanti and M. Muslih, “Penerapan Data Mining Algoritma K-Means Clustering Pada Populasi Ayam Petelur di Indonesia,” Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 7, no. 1, pp. 1–7, Jan. 2022, doi: 10.36341/rabit.v7i1.2155.
[7] A. Prasetio, M. Makmun, and M. N. Dwi, “Analisis Gempa Bumi Di Indonesia Dengan Metode Clustering,” Bulletin of Information Technology (BIT), vol. 4, no. 2, pp. 338–343, 2023, doi: 10.47065/bit.v3i1.
[8] F. Firdaus, A. I. Hadiana, and E. Ramadhan, “Penggunaan Algoritma Geoshashing Dalam Pencarian Letak Informasi Geografis Pengganti Kooordinat Latitude dan Longitude,” Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 9, no. 2, pp. 295–305, Jul. 2024, doi: 10.36341/rabit.v9i2.4848.
[9] A. P. R. Pinem, “Web-Based Mapping Untuk Pemetaan Lokasi Kerusakan Jalan Raya Menggunakan Cluster Marker,” 2018.
[10] V. Purwayoga, “Optimasi Jumlah Cluster pada Algoritme K-Means untuk Evaluasi Kinerja Dosen,” Jurnal Informatika Universitas Pamulang, vol. 6, no. 1, p. 118, Mar. 2021, doi: 10.32493/informatika.v6i1.9522.
[11] D. A. Manalu and G. Gunadi, “Implementasi Metode Data Mining K-Means Clustering Terhadap Data Pembayaran Transaksi Menggunakan Bahasa Pemrograman Python Pada CV Digital Dimensi,” Infotech: Journal of Technology Information, vol. 8, no. 1, pp. 43–54, Jun. 2022, doi: 10.37365/jti.v8i1.131.
[12] N. Wisna, S. Aulia Putri Lisna, T. Fahrudin, and R. Boing Kotjoprayudi, “Analisis Gross Profit Margin (GPM) Dan Net Profit Margin (NPM) Dengan Metode Algoritma K-Means Menggunakan Bahasa Pemrograman Python,” vol. 7, no. 2, 2023.
[13] R. Gelar Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 1, pp. 55–60, Feb. 2023, doi: 10.47233/jteksis.v5i1.750.
[14] R. Nazar, “Implementasi Pemrograman Python Menggunakan Google Colab,” 2024.
[15] N. Sukarno Wijaya, M. Jajuli, and B. A. Dermawan, “Penerapan Algoritma K-Means Clustering Dalam Menentukan Daerah Prioritas Penanganan Kemiskinan di Wilayah Jawa Timur,” 2024.
[16] S. Harsono, T. Dwi Prihatin, A. Sadad, and D. Maulina, “Penerapan Algoritma K-Means Untuk Pemetaan Biodiversity Kayu Bulat di Indonesia Application of the K-Means Algorithm for Mapping Roundwood Biodiversity in Indonesia,” Cogito Smart Journal |, vol. 9, no. 1, 2023.
[17] Shella Ardhaneswari Santosa, “Implementasi Kernel Density Sebagai Monitoring Potensi Laka Pada Daerah Rawan Kecelakaan Lalu Lintas Kabupaten Sleman (Studi Kasus: Jasa Raharja Area Kabupaten Sleman),” 2023.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
