Analisa Pemetaan Kriminalitas Kabupaten Bangkalan Menggunakan Metode K-Means dan K-Means++

Crime Mapping Analysis of Bangkalan Regency Using K-Means and K-Means Methods

Kriminalitas merupakan suatu permasalahan umum di kehidupan sehari-hari, tak terkecuali di Kabupaten Bangkalan. Bangkalan merupakan kabupaten yang terdiri dari 18 kecamatan, yang mana tindakan kriminalitas semakin meningkat di setiap tahun khususnya pencurian dengan pemberatan (curat) dan kasus pencurian kendaraan bermotor (curanmor). Maka dari itu perlu dilakukan pengelompokan daerah rawan kriminalitas dengan tujuan agar dapat membantu berupa pemberian informasi kepada pihak kepolisian setempat dalam upaya meningkatkan keamanan di Kabupaten Bangkalan. Dalam penelitian ini dengan menggunakan 10 dataset jenis kriminalitas dari 18 kecamatan di Kabupaten Bangkalan, dilakukan perbandingan antara dua metode clustering untuk memperoleh metode yang terbaik dalam pemetaan daerah kriminalitas. K-Means dan K-Means++ merupakan dua metode yang digunakan dalam penelitian ini. Dataset yang digunakan sebanyak 492 dari total kasus kriminalitas tahun 2021 di Kabupaten Bangkalan. Sebelum implementasi clustering, dilakukan validasi cluster dengan menentukan jumlah cluster optimum menggunakan metode Elbow. Hasil clustering pada 10 dataset jenis kriminalitas dengan menggunakan kedua metode terdapat perbedaan pemetaan pada 3 jenis kriminalitas yaitu penganiayaan, penipuan, dan perampokan. Selanjutnya dilakukan validitas dari kedua metode dengan menggunakan Silhouette Coefficient. Pada hasil validitas terdapat perbedaan nilai Silhouette pada 3 jenis kriminalitas yaitu penganiayaan, penipuan, dan perampokan. Hasil uji metode K-Means dan KMeans++ dengan Silhouette pada Penganiayaan sebesar 0,1683 dan 0,2314 secara berturut-turut, sedangkan pada hasil uji pada Penipuan masing-masing sebesar 0,2243 dan 0,2534, dan hasil uji pada Perampokan sebesar 0,4898 dan 0.4057. Berdasarkan hasil uji dengan Silhouette Coefficient, metode K-Means++ memberikan hasil uji yang lebih baik pada 2 jenis kriminalitas sed

Crime is a problem common in everyday life, not least in the district Bangkalan. Bangkalan is a district consisting of 18 sub-districts, where crime is increasing increasing every year, especially theft with weighting (curat) and cases of motor vehicle theft (stealing). Therefore, it is necessary to group crime-prone areas with the aim of helping in the form of providing information to the local police in an effort to improve security in Bangkalan Regency. In this study using 10 types of dataset crimes from 18 sub-districts in Bangkalan Regency, a comparison between the two clustering methods was carried out for get the best method in mapping the area crime. K-Means and K-Means++ are two methods used in this study. Datasets used as many as 492 of the total criminal cases in 2021 in  Bangkalan Regency. Before implementing clustering, cluster validation is performed by determining the number of clusters optimum using the Elbow method. Clustering results at 10 crime type dataset using both methods there are differences in the mapping of the 3 types of crime, namely: assault, fraud, and robbery. Next the validity of the two methods is carried out by using Silhouette Coefficient. In the validity results there are differences Silhouette scores on 3 types of crime, namely persecution, fraud, and robbery. The test results of K-Means and KMeans++ methods with Silhouette on Persecution are 0.1683 and 0.2314 respectively, while the test results at Fraud is 0.2243 and 0.2534, respectively, and the test results on Robbery of 0.4898 and 0.4057. Based on the results test with Silhouette Coefficient, K-Means++ method gives better test results on 2 types of moderate crime