Sistem clustering tindak kejahatan pencurian di wilayah jawa barat menggunakan algoritma k-means

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.