CLUSTERING DAERAH RAWAN KRIMINALITAS MENGGUNAKAN ALGORITMA FUZZY C-MEANS

Jauharotul Inayah; Diva Ayu Safitri Nur Maghfiroh; Dian Candra Rini Novitasari

doi:10.35760/ik.2022.v27i2.6019

CLUSTERING DAERAH RAWAN KRIMINALITAS MENGGUNAKAN ALGORITMA FUZZY C-MEANS

Jauharotul Inayah
UIN Sunan Ampel Surabaya
Indonesia

Diva Ayu Safitri Nur Maghfiroh
UIN Sunan Ampel Surabaya
Indonesia

Dian Candra Rini Novitasari
UIN Sunan Ampel Surabaya
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2022.v27i2.6019

Article Submitted: 24 February 2022

Article Published: 29 June 2022

Abstract

Kriminalitas merupakan kejahatan atau tindakan ilegal yang dapat di hukum. Kejahatan seperti pembunuhan, penyerangan, pemerkosaan dan lain-lain, tumbuh secara luas saat ini. Indonesia berada dalam peringkat ke-70 sebagai salah satu negara di Dunia dengan banyaknya kriminalitas berdasarkan pada Numbeo 2022. Pengklasteran daerah rawan kejahatan ini dilakukan di Indonesia agar masyarakat dan pihak keamanan dapat lebih waspada terhadap kriminalitas, sehingga dapat menurunkan angka kriminalitas di Indonesia. Metode yang digunakan pada pengklasteran ini adalah metode Fuzzy C-Means dan menghasilkan 3 cluster, yakni daerah rawan kriminalitas tingkat tinggi, sedang, dan rendah pada tahun 2018 hingga 2021 dengan diperoleh nilai uji silhouette coefficient rata-rata sebesar 0,8322.

Keywords

Clustering; Fuzzy C-Means; Kriminalitas; Silhouette

References

M. Premasundari and C. Yamini, “A violent crime analysis using fuzzy C-Means Clustering Approach,” Ictact J. Soft Comput., vol. 6956, no. April, p. 3, 2019, doi: 10.21917/ijsc.2019.0270.

Badan Pusat Statistik, Statistik Kriminal 2020. Badan Pusat Statistik, 2020.

Numbeo, “Crime Index by Country 2022,” 2022. https://www.numbeo.com/crime/rankings_by_country.jsp

X. Zhao and J. Tang, “Crime in Urban Areas: A Data Mining Perspective,” ACM SIGKDD Explor. Newsl., vol. 20, no. 1, pp. 1–12, 2018, doi: 10.1145/3229329.3229331.

M. R. Gottfredson and T. Hirschi, A General Theory of Crime. 2022.

A. D. Putra, G. S. Martha, M. Fikram, and R. J. Yuhan, “Faktor-Faktor yang Memengaruhi Tingkat Kriminalitas di Indonesia Tahun 2018,” Indones. J. Appl. Stat., vol. 3, no. 2, p. 123, 2021, doi: 10.13057/ijas.v3i2.41917.

R. Rustiyan and M. Mustakim, “Penerapan Algoritma Fuzzy C Means untuk Analisis Permasalahan Simpanan Wajib Anggota Koperasi,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, p. 171, 2018, doi: 10.25126/jtiik.201852605.

A. Ramadhan, Z. Efendi, and Mustakim, “Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling,” Semin. Nas. Teknol. Informasi, Komun. dan Ind. 9, pp. 219–226, 2017.

D. ARMETIYANA MARGARETTA, I. RAHMI HG, and H. YOZZA, “Pengklasteran Provinsi-Provinsi Di Indonesia Berdasarkan Indikator Yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Metode Fuzzy C-Means,” J. Mat. UNAND, vol. 10, no. 1, p. 79, 2021, doi: 10.25077/jmu.10.1.79-86.2021.

B. Saini, D. K. Saini, S. Srivastava, and M. Aggarwal, “A Study of Lightweight Approach to Analyze Crime Conditions in India,” J. Appl. Secur. Res., pp. 1–25, 2021, doi: https://doi.org/10.1080/19361610.2021.2006031.

J. Tamaela, E. Sediyono, and A. Setiawan, “Cluster Analysis Menggunakan Algoritma Fuzzy C-means dan K-means Untuk Klasterisasi dan Pemetaan Lahan Pertanian di Minahasa Tenggara,” J. Buana Inform., vol. 8, no. 3, pp. 151–160, 2017, doi: 10.24002/jbi.v8i3.1317.

S. Askari, “Fuzzy C-Means clustering algorithm for data with unequal cluster sizes and contaminated with noise and outliers: Review and development,” Expert Syst. Appl., vol. 165, p. 113856, Mar. 2021, doi: 10.1016/j.eswa.2020.113856.

Badan Pusat Statistik, Statistik Kriminal 2021. Badan Pusat Statistik, 2021. [Online]. Available: https://www.bps.go.id/publication/2021/12/15/8d1bc84d2055e99feed39986/statistik-kriminal-2021.html

D. Abdullah, S. Susilo, A. S. Ahmar, R. Rusli, and R. Hidayat, “The application of K-Means clustering for province clustering in Indonesia of the Risk of the COVID-19 pandemic based on COVID-19 data,” Qual. Quant., vol. 56, no. 3, pp. 1283–1291, 2022, doi: 10.1007/s11135-021-01176-w.

S. Askari, N. Montazerin, and M. H. Fazel Zarandi, “Generalized Possibilistic Fuzzy C-Means with novel cluster validity indices for clustering noisy data,” Appl. Soft Comput., vol. 53, pp. 262–283, Apr. 2017, doi: 10.1016/j.asoc.2016.12.049.

P. Wang, Q. Liu, G. Xu, and K. Wang, “A Three-Way Clustering Method Based on Ensemble Strategy and Three-Way Decision,” Information, vol. 10, no. 2, p. 59, Feb. 2019, doi: 10.3390/info10020059.

A. K. Dubey, U. Gupta, and S. Jain, “Comparative Study of K-means and Fuzzy C-means Algorithms on The Breast Cancer Data,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 8, no. 1, p. 18, Feb. 2018, doi: 10.18517/ijaseit.8.1.3490.

A.-M. Shoolihah, M. T. Furqon, and A. W. Widodo, “Implementasi Metode Improved K-Means untuk Mengelompokkan Titik Panas Bumi,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 11, pp. 1270–1276, 2017.