KLASTERISASI WILAYAH RAWAN KRIMINALITAS DI KOTA JAMBI (2022-2024) MENGGUNAKAN ALGORITMA K-MEANS

Sri Sulistina; Pradita Eko Prasetyo Utomo; Benedika Ferdian Hutabarat

doi:10.24252/instek.v10i2.62051

Authors

Sri Sulistina Universitas Jambi
Pradita Eko Prasetyo Utomo Universitas Jambi
Benedika Ferdian Hutabarat Universitas Jambi

DOI:

https://doi.org/10.24252/instek.v10i2.62051

Keywords:

Kriminalitas, Clustering, Elbow, Silhouette Coefficient, Davies–Bouldin Index, K-Means

Abstract

Penelitian ini bertujuan mengelompokkan kerawanan kriminalitas di 11 kecamatan Kota Jambi pada periode 2022–2024 menggunakan algoritma K-Means. Data kriminalitas diperoleh dari Polresta Kota Jambi, sedangkan data demografis (jumlah penduduk, luas wilayah, dan kepadatan penduduk) diperoleh dari BPS Kota Jambi. Seluruh variabel numerik dinormalisasi menggunakan metode min–max. Penentuan jumlah klaster dievaluasi pada K = 2–10 menggunakan Elbow Method , Silhouette Coefficient, dan Davies Bouldin Index (DBI). Pada tahun 2022 dan 2023, Elbow menunjukkan titik siku pada K = 3 (masing-masing bernilai 0,872 dan 1,124), dengan nilai Silhouette maksimum pada K = 3 (0,476 dan 0,466), sedangkan DBI mencapai nilai minimum pada K = 9 (0,197 dan 0,3963). Pada tahun 2024, Elbow kembali mengarah ke K = 3 (1,182), Silhouette tertinggi diperoleh pada K = 5 (0,536) dengan nilai yang masih kompetitif pada K = 3 (0,492), dan DBI kembali minimum pada K = 9 (0,2458). Dengan mempertimbangkan konsistensi Elbow dan Silhouette serta kemudahan interpretasi, dipilih K = 3 sebagai jumlah klaster optimal. Evaluasi konsistensi menggunakan Rand Index menunjukkan nilai 1 sepanjang periode, sehingga menguatkan bahwa tiga klaster merupakan struktur pengelompokan yang stabil.

Downloads

Download data is not yet available.

References

[1] Data Indonesia, “Data jumlah kejahatan di Indonesia pada 2023,” Data Indonesia, 2023. [Online]. Available: https://dataindonesia.id/varia/detail/data-jumlah-kejahatan-di-indonesia-pada-2023 (accessed Sep. 5, 2025)

[2] Badan Pusat Statistik Provinsi Jambi, Provinsi Jambi dalam Angka 2024, Jambi: Badan Pusat Statistik Provinsi Jambi, 2024. [Online]. Available: https://jambi.bps.go.id

[3] L. Suriani, “Pengelompokan Data Kriminal Pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Klastering,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 1, no. 2, p. 151, Jan. 2020, doi: 10.30865/json.v1i2.1955.

[4] R. N. Fahmi, M. Jajuli, N. Sulistiyowati, and U. S. Karawang, “Analisis pemetaan tingkat kriminalitas di Kabupaten Karawang menggunakan algoritma K Means / Mapping analysis of criminality level in Karawang using K Means algorithm,” INTECOMS: Journal of Information Technology and Computer Science, vol. 4, no. 1, pp. 67–79, 2021. doi: 10.31539/intecoms.v4i1.2413

[5] Badan Pusat Statistik, Statistik Kriminal 2024, Jakarta: Badan Pusat Statistik, 2024. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/MTY2MSMy/statistik-kriminal.html

[6] L. Wulandari and B. O. Yogantara, “Algorithm Analysis of K-Means and Fuzzy C-Means for Klastering Countries Based on Economy and Health,” Faktor Exacta, vol. 15, no. 2, Aug. 2022, doi: 10.30998/faktorexacta.v15i2.12106.

[7] D. Yuliyanti, “Klastering tingkat kejahatan kriminal menggunakan metode K Means di wilayah Kabupaten Cirebon,” JATI: Jurnal Administrasi dan Teknologi Informasi, vol. 7, no. 6, 2023, doi: 10.36040/jati.v7i6.8894.

[8] Kolavennu, M. S. T. Saravanan, B. Nishanth, K. Nithin, D. Vishal, dan U. G. Student, “Crime Rate Prediction and Analysis Using K-Means Algorithm,” International Journal of Research Publication and Reviews, vol. 5, no. 5, pp. 8487–8490, May 2024. [Online]. Available: https://www.ijrpr.com

[9] I. Kamila and U. Khairunnisa, “Perbandingan algoritma K-Means dan K-Medoids untuk pengelompokan transaksi bongkar muat di Provinsi Riau,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119–125, 2019. doi: 10.24014/rmsi.v5i1.7381.

[10] R. Hidayat, “Klastering menggunakan algoritma K-Means untuk mengelompokan wilayah rawan kejahatan di wilayah Kabupaten Solok,” Jurnal Ilmiah Mahasiswa Manajemen, Bisnis dan Akuntansi (JIMMBA), vol. 4, no. 5, pp. 646–654, 2022. doi: 10.32639/jimmba.v4i5.169.

[11] I. F. Ashari, E. D. Nugroho, R. Baraku, I. N. Yanda, and R. Liwardana, “Analysis of Elbow, Silhouette, Davies-Bouldin, Calinski-Harabasz, and Rand-Index Evaluation on K-Means Algorithm for Classifying Flood-Affected Areas in Jakarta,” Jurnal Analisis dan Informatika Computasional (JAIC), vol. 7, no. 1, Jul. 2023. doi: 10.30871/jaic.v7i1.4947.

[12] P.W.Rahayu, I.G.I.Sudipa, Suryani, A. Surachman, A. Ridwan,

I. G. M. Darmawiguna, M. N. Sutoyo, I. Slamet, S. Harlina, and

I. M. D. Maysanjaya, Buku Ajar Data Mining. Indonesia: PT Sonpedia Publishing Indonesia, 2024.

[13] F. Alghifari and D. Juardi, “Penerapan Data Mining pada Penjualan Makanan dan Minuman Menggunakan Metode Algoritma Naïve Bayes: Studi Kasus: Makan Barbeque Sepuasnya,” Jurnal Ilmiah Informatika, vol. 9, no. 2, pp. 75–81, 2021. doi: 10.33884/jif.v9i02.3755.

[14] E. Rossalina Fitria, F. Rozci, and E. R. Fitria, “Penerapan Metode Regresi Least Absolute Shrinkage and Selection Operator (LASSO) dan Regresi Linier untuk Memprediksi Tingkat Kemiskinan di Indonesia,” Jurnal Informatika dan Statistik Aplikasi (JISA), vol. 22, no. 2, 2022, doi: 10.30742/jisa22220222620.

[15] I. Permana and F. N. Salisah, “Pengaruh normalisasi data terhadap performa hasil klasifikasi algoritma Backpropagation / The Effect of Data Normalization on the Performance of the Classification Results of the Backpropagation Algorithm,” Indonesian Journal of Informatic Research and Software Engineering (IJIRSE), vol. 2, no. 1, pp. 67–72, Mar. 2022. doi: 10.57152/ijirse.v2i1.311.

[16] M. Qusyairi, Zul Hidayatullah, and Arnila Sandi, “Penerapan K-Means Klastering Dalam Pengelompokan Prestasi Siswa Dengan Optimasi Metode Elbow,” Infotek: Jurnal Informatika dan Teknologi, vol. 7, no. 2, pp. 500–510, Jul. 2024, doi: 10.29408/jit.v7i2.26375.

[17] D. A. I. C. Dewi and D. A. K. Pramita, “Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Klastering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,” Matrix : Jurnal Manajemen Teknologi dan Informatika, vol. 9, no. 3, pp. 102–109, Nov. 2019, doi: 10.31940/matrix.v9i3.1662.

[18] A. Tira and B. Nurina Sari, “Penerapan Silhouette Coefficient, Elbow Method dan Gap Statistics untuk Penentuan Klaster Optimum dalam Pengelompokkan Provinsi di Indonesia Berdasarkan Indeks Kebahagiaan,” Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 17, pp. 76–86, 2023. doi: 10.5281/zenodo.8282638.

[19] N. Nugroho and F. D. Adhinata, “Penggunaan Metode K-Means dan K-Means++ Sebagai Klastering Data Covid-19 di Pulau Jawa,” Teknika, vol. 11, no. 3, pp. 170–179, 2022. doi: 10.34148/teknika.v11i3.502.

[20] P. Abela, R. Buaton, M. Simanjuntak, S. Kaputama, and I. Binjai, “Penerapan Metode Klastering Pada Kasus Kecelakaan Kerja,” vol. 2, no. 5, pp. 3031–8904, 2024, doi: 10.61132/merkurius.v2i4.

[21] D. Gultom et al., “Penerapan Algoritma K-Means untuk Mengetahui Tingkat Tindak Kejahatan Daerah Pematangsiantar,” Jurnal Teknologi Informasi, vol. 4, no. 1, pp. 146–151, Jun. 2020. doi: 10.36294/jurti.v4i1.1263.

[22] M. N. Zhafar, K. Usman, and F. Akhyar, “Penerapan Metode Klastering dengan Algoritma K Means untuk Analisa Persebaran Varian COVID 19 (Studi Kasus Kelurahan Antapani Kidul),” e Proceeding of Engineering, vol. 10, no. 5, Okt. 2023. [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/21215

[23] M. Mutmainah and W. Yustanti, “Studi Komparasi Local Outlier Factor (LOF) dan Isolation Forest (IF) pada Analisis Anomali Kinerja Dosen,” JINACS: Journal of Informatics and Computer Science, vol. 6, no. 2, pp. 532–540, 2024. doi: 10.26740/jinacs.v6n02.p532-540.