SISTEM CLUSTERING TINDAK KEJAHATAN PENCURIAN DI WILAYAH JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS

Jurnal Teknologi dan Komunikasi STMIK Subang

View Publication Info
 
 
Field Value
 
Title SISTEM CLUSTERING TINDAK KEJAHATAN PENCURIAN DI WILAYAH JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS
SISTEM CLUSTERING TINDAK KEJAHATAN PENCURIAN DI WILAYAH JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS
 
Creator Suryadi, Usep Tatang
Supriatna, Yana
 
Subject Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL.
Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL.
 
Description Pencurian adalah salah satu tindakan kriminalitas yang lebih diterima masyarakat. Khususnya di wilayah Jawa Barat, data Polda Jabar pada tahun 2013 mencatat kasus pencurian dengan pemberatan mencapai 3.421 kasus, pencurian dengan pertahanan sebanyak 1.031 kasus dan kasus curanmor sebanyak 7.199 kasus. Kemudian pada tahun 2014, dibatalkan kasus pencurian dengan pemberatan sebanyak 3.146 kasus, pencurian dengan 925 kasus, serta kasus curanmor sebanyak 6.305 kasus. Dari permaslahan inilah munculah yang menentukan untuk membuat aplikasi, yang disediakan dapat melakukan pengelompokan tingkat tindak kejahatan pada kabupaten / kota di provinsi Jawa Barat. Metodologi yang digunakan adalah algoritma K-Means Clustering.Hasil dari penelitian ini membentuk 3 klaster, dimana klaster 1 masuk ke kategori level tinggi, klaster 2 masuk ke kategori level sedang dan klaster 3 masuk ke level tinggi. Iterasi data pengelompokan yang terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL.Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. Iterasi data pengelompokan yang terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal.Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. Iterasi data pengelompokan yang terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL.10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111.Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Berarti dapat melakukan klasterisasi dengan ideal.
Pencurian adalah salah satu tindakan kriminalitas yang lebih banyak diterima di masyarakat. Khususnya di wilayah Jawa Barat, data Polda Jabar pada 2013 mencatat kasus pencurian dengan pemberatan mencapai 3.421 kasus, pencurian dengan pertahanan sebanyak 1.031 kasus dan kasus curanmor sebanyak 7.199 kasus. Kemudian pada tahun 2014, dibatalkan kasus pencurian dengan pemberatan sebanyak 3.146 kasus, pencurian dengan 925 kasus, serta kasus curanmor sebanyak 6.305 kasus. Dari permaslahan inilah munculah yang menentukan untuk membuat aplikasi, yang di dalamnya dapat melakukan pengelompokan tingkat tindak kejahatan pada kabupaten / kota di provinsi Jawa Barat. Metodologi yang digunakan adalah algoritma K-Means Clustering. Hasil dari penelitian ini membentuk 3 cluster, dimana cluster 1 masuk ke kategori tingkat pencurian tinggi, klaster 2 masuk ke kategori level sedang sedang dan klaster 3 masuk ke tingkat pencurian rendah. Iterasi pengelompokan data terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Means dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. Iterasi pengelompokan data terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Means dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. Iterasi pengelompokan data terjadi sebanyak 6 kali iterasi dengan menggunakan WCV dan BCV sebagai acuan iterasi. Memiliki 8 wilayah dengan tingkat pencurian tinggi, 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Means dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Means dapat melakukan klasterisasi dengan ideal. Kata Kunci: Kriminalitas, Pencurian, K-Means Clustering, PHP, MySQL. 10 wilayah dengan tingkat pencurian sedang dan 9 wilayah dengan tingkat pencurian rendah. Menemukan pusat cluster dengan Cluster 1 = 297,65; 22.375, Cluster 2 = 169.200; 11 dan Cluster 3 = 35.222; 6,111. Dalam membuat sistem ini menggunakan bahasa pemrograman PHP dan HTML. Databasenya menggunakan MySQL. Pada penelitian ini, algoritma K-Means dapat melakukan klasterisasi dengan ideal. 
 
Publisher STMIK SUBANG
 
Date 2019-04-01
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier http://jurnalstmiksubang.ac.id/index.php/jtik/article/view/147
 
Source Jurnal Teknologi dan Komunikasi STMIK Subang; Vol. 14 No. 1 (2019): Arpil; 15-27
Jurnal Teknologi dan Komunikasi STMIK Subang; Vol 14 No 1 (2019): April; 15-27
2252-4517
2252-4517
 
Language ind
 
Relation http://jurnalstmiksubang.ac.id/index.php/jtik/article/view/147/pdf
 
Rights Copyright (c) 2019 Jurnal Teknologi dan Komunikasi STMIK Subang
https://creativecommons.org/licenses/by/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library