LEMBAR HASIL PENILAIAN SEJAWAT SEBIDANG ATAU PEER REVIEW KARYA ILMIAH : JURNAL ILMIAH Analisis Algoritma Datamining pada Kasus Daerah Pelaku Kejahatan Pencurian Berdasarkan Provinsi

LEMBAR HASIL PENILAIAN SEJAWAT SEBIDANG ATAU PEER REVIEW KARYA ILMIAH : JURNAL ILMIAH Analisis Algoritma Datamining pada Kasus Daerah Pelaku Kejahatan Pencurian Berdasarkan Provinsi

• By Rinawati Sihombing, Erene Gernaria Dewi, Linda Sari Arisawati, Ester;
• Dokumen Institusi
• 553
• 77-87

Pencurian merupakan perilaku yang menyebabkan kerugian bagi korban yang menjadi sasaran dan bisa menyebabkan korban. Tingkat perilaku pencurian semakin meningkat di setiap daerah karena semakin banyaknya tingkat pengangguran dan sifat malas bekerja yang membuat seseorang melakukan pencurian untuk memenuhi kebutuhan hidupnya. Tujuan penelitian adalah untuk menganalisa dengan menggunakan teknik datamining pada daerah pelaku kejahatan pencurian berdasarkan provinsi. Teknik yang digunakan adalah klastering dengan metode K-means. Data bersumber dari Badan Pusat Statistik Indonesia dengan alamat url: https://www.bps.go.id/. Hasil dari penelitian dengan menggunakan teknik ini adalah berupa cluster terdapat daerah di Indonesia yang memiliki tingkat kejahatan pencurian tertinggi. Dari hasil penelitian menggunakan teknik K-means, bahwa terdapat 17 provinsi dari 34 provinsi yang daerah pelaku kejahatan pencurian tertinggi (C1) yakni: Aceh, Sumatera Utara, Sumatera Barat, Riau, Jambi, Sumatera Selatan, Lampung, DKI Jakarta, Jawa Barat, Jawa Tengah, Jawa Timur, Banten, Nusa Tenggara Barat, Nusa Tenggara Timur, Kalimantan Selatan, Sulawesi Selatan, Papua. Hasil penelitian diharapkan menjadi informasi bagi pemerintah dalam melakukan kebijakan mengurangi tingkat kejahatan pencurian di Indonesia yang sangat tinggi (> 50%).

• Katakunci Datamining, Klastering, K-means, Kejahatan Pencurian, Indonesia
• URL http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/189/171
• Penerbit IJCIT(Indonesia Journal On Computer and Informatika Tecnology), Jakarta DKI Jakarta

REFERENSI

[1] N. Wakhidah, “Clustering Menggunakan K-Means Algorithm ( K-Means Algorithm Clustering ),” Fak. Teknol. Inf., vol. 21, no. 1, pp. 70–80, 2014.
[2] M. G. Sadewo, A. P. Windarto, and D. Hartama, “Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means,” pp. 60–67, 2016.
[3] Windha Mega Pradnya Dhuhita, “Clustering Menggunakan Metode K-Means untuk Menentukan Status Gizi Balita,” J. Inform., vol. 15, no. 2, pp. 160–174,2016.
[4] B. M. Metisen and H. L. Sari, “Analisis Clustering Menggunakan Metode K-Means dalam Pengelompokkan Penjualan Produk pada Swalayan Fadhila,” J. Media Infotama, vol. 11, no. 2, pp. 110–118, 2015.
[5] L. Teori, “( K-Means Algorithm Implementation For Clustering Of Patients Disease In Kajen Clinic Of Pekalongan) Anindya Khrisna Wardhani Magister Sistem Informasi Universitas Diponegoro,” vol. 14, pp. 30–37, 2016.
[6] S. Agustina, D. Yhudo, H. Santoso, N. Marnasusanto, A. Tirtana, and F. Khusnu, “Clustering Kualitas Beras Berdasarkan Ciri Fisik Menggunakan Metode K-Means Algoritma,” Clust. K-Means, pp. 1–7, 2012.
[7] N. Hasanah, M. Ugiarto, and N. Puspitasari, “Sistem Pengelompokan Curah Hujan Menggunakan Metode K-Means Di Wilayah Kalimantan Timur,” in Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi, 2017, vol. 2, no. 2, pp. 122–126.