Metode Density Based Spatial Clustering of Applications with Noise (DBSCAN) dalam Mengelompokkan Provinsi di Indonesia Berdasarkan Kasus Kriminalitas Tahun 2022

Penulis

  • Syifa Miftahurrahmi Universitas Negeri Padang
  • Zilrahmi Universitas Negeri Padang
  • Nonong Amalita Universitas Negeri Padang
  • Tessy Octavia Mukhti Universitas Negeri Padang

DOI:

https://doi.org/10.24036/ujsds/vol2-iss3/203

Kata Kunci:

Analisis Klaster, DBSCAN, Kasus Kejahatan, Koefisien Silhouette, Provinsi di Indonesia

Abstrak

Berdasarkan data Badan Pusat Statistik 2023, pada tahun 2022 terjadi peningkatan yang signifikan pada jumlah kasus kriminalitas di Indonesia dibandingkan dengan tahun 2021, yaitu dari 239.481 kasus menjadi 372.965 kasus. Peningkatan jumlah tindak kriminalitas tersebut terjadi seiring dengan aktivitas masyarakat yang mulai mengendur pasca pandemi Covid-19. Jenis tindak kriminalitas yang terjadi di Indonesia sendiri beragam, mulai dari pembunuhan, pencurian, kejahatan terkait narkoba, dan lain-lain. Penelitian ini akan mengelompokkan provinsi-provinsi di Indonesia berdasarkan kasus kejahatan dengan jenis kejahatan tertentu pada tahun 2022 dengan menggunakan metode Density Based Spatial Clustering of Applications with Noise (DBSCAN). Hasil dari penelitian tersebut diharapkan dapat membantu pemerintah dan kepolisian dalam upaya menangani tindak kriminalitas di Indonesia. Clustering menggunakan metode DBSCAN menghasilkan 2 cluster dengan nilai koefisien silhouette sebesar 0,68. Cluster yang dihasilkan adalah cluster 0 dengan kategori noise yang terdiri dari 5 provinsi dengan jumlah kasus kriminalitas yang tinggi, sedangkan cluster 1 terdiri dari 29 provinsi dengan jumlah kasus kriminalitas yang rendah.

 

Unduhan

Diterbitkan

2024-08-24

Cara Mengutip

Miftahurrahmi, S., Zilrahmi, Amalita, N., & Mukhti, T. O. (2024). Metode Density Based Spatial Clustering of Applications with Noise (DBSCAN) dalam Mengelompokkan Provinsi di Indonesia Berdasarkan Kasus Kriminalitas Tahun 2022. UNP Journal of Statistics and Data Science, 2(3), 330–337. https://doi.org/10.24036/ujsds/vol2-iss3/203