Clustering Menggunakan Algoritma K-Means Untuk Mengelompokan Daerah Berdasarkan Tingkat Kriminalitas Di Wilayah Kota Bandung

Muhammad, Hilmi (2024) Clustering Menggunakan Algoritma K-Means Untuk Mengelompokan Daerah Berdasarkan Tingkat Kriminalitas Di Wilayah Kota Bandung. Other thesis, Universitas Komputer Indonesia.

	Text UNIKOM_HILMI MUHAMMAD_COVER.pdf - Published Version Download (705kB)
	Text UNIKOM_HILMI MUHAMMAD_LEMBAR PENGESAHAN.pdf - Published Version Download (776kB)
	Text UNIKOM_HILMI MUHAMMAD_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (183kB)
	Text UNIKOM_HILMI MUHAMMAD_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (132kB)
	Text UNIKOM_HILMI MUHAMMAD_KATA PENGANTAR.pdf - Published Version Download (606kB)
	Text UNIKOM_HILMI MUHAMMAD_DAFTAR ISI.pdf - Published Version Download (822kB)
	Text UNIKOM_HILMI MUHAMMAD_BAB 1.pdf - Published Version Download (809kB)
	Text UNIKOM_HILMI MUHAMMAD_BAB 2.pdf - Published Version Download (1MB)
	Text UNIKOM_HILMI MUHAMMAD_BAB 3.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy
	Text UNIKOM_HILMI MUHAMMAD_BAB 4.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_HILMI MUHAMMAD_BAB 5.pdf - Published Version Download (428kB)
	Text UNIKOM_HILMI MUHAMMAD_DAFTAR PUSTAKA.pdf - Published Version Download (543kB)
	Text UNIKOM_HILMI MUHAMMAD_LEMBAR KONTAK PENULIS & KONTRIBUTOR.pdf - Published Version Download (28kB)

Abstract

Kriminalitas merupakan tindakan perbuatan yang merugikan masyarakat dan menjadi masalah penting bagi seluruh wilayah. Tujuan dari penelitian ini adalah membantu pihak Kanit Sat Reskrim Polrestabes Bandung dalam merekomendasikan pemetaan wilayah berdasarkan tingkat kriminalitas di wilayah Kota Bandung. Kanit Sat Reskrim Polrestabes Bandung merasa kesulitan dalam hal menentukan daerah-daerah berdasarkan tingkat kriminalitas untuk operasi patroli ke seluruh wilayah Kota Bandung. Karena, proses penentuan daerah yang saat ini dilakukan adalah dengan cara manual yaitu melihat data laporan dan waktu kejadian perbulan berdasarkan jenis dan wilayah kriminalitas, serta menghitung jumlah kejadian kriminalitas nya, yang hal ini dapat menyebabkan kurang efektif dan efisien. Untuk membantu proses penentuan operasi patroli, maka akan digunakan data mining dengan metode clustering dan algoritma K-Means. Algoritma K-Means¬ merupakan salah satu algoritma yang mampu mengelompokan sejumlah data menjadi kelompok-kelompok data tertentu. Data yang akan dianalisis untuk penentuan operasi patroli di daerah Kota Bandung yaitu data kriminalitas januari 2023 dan data waktu kriminalitas januari 2023. Hasil evaluasi cluster yang terbentuk pada proses pengelompokan tingkat kriminalitas yang menghasilkan rata-rata 1,5. Hasil tersebut menunjukan bahwa sistem rekomendasi penentuan tingkat kriminalitas daerah kota Bandung yang dibangun mampu menghasilkan rekomendasi operasi patroli yang memudahkan pihak Sat Reskrim Polrestabes Bandung dalam proses penentuan operasi patroli berdasarkan tingkat kriminalitas di daerah Kota Bandung.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Data Mining, Clustering, K-Means, Kriminalitas
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	29 Aug 2025 08:22
Last Modified:	29 Aug 2025 08:22
URI:	http://elibrary.unikom.ac.id/id/eprint/10818

Actions (login required)

View Item