Ma'arif, Sulthon (2015) Klasterisasi dan visualisasi geografi tentang kriminalitas konvensional dengan metode algoritma K-means menggunakan R di Provinsi Jawa Timur : studi kasus di Polda Jatim. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5211100127-Undergraduate_Thesis.pdf Download (3MB) | Preview |
Preview |
Text
5211100127-Paper-5211100127-paperpdf.pdf Download (669kB) | Preview |
Preview |
Text
5211100127-Presentation-5211100127-presentationpdf.pdf Download (2MB) | Preview |
Abstract
Kriminalitas adalah tindakan melanggar hukum yang membuat
rakyat gelisah dan menjadi isu tren pada saat ini. Kerugian
yang ditimbulkan akibat kriminalitas tidak hanya materi dan
sosial tetapi menurunkan rasa nyaman masyarakat,
menurunkan produktivitas bahkan dapat membuat hilangnya
nyawa seseorang. Untuk itu diperlukan sebuah rancangan
strategi &kebijakan yang tepat sasaran oleh para penegak
hukum untuk menekan tingkat kriminalitas. Supaya mudah
dalam menganalisis dan menginterpretasikan sebuah data
informasi kriminalitas menjadi sebuah acuan kebijakan maka
diperlukan penggalian data teknik clustering untuk
menganalisis kelompok berdasar data kejahatan menggunakan
algoritma K-means. Analisis polanya berdasar faktor – faktor
yang mempengaruhi resiko tingkat kriminalitas yang ada
hubungannya seperti pola pelaku, umur pelaku, pola korban,
pola sasaran dan tempat kejadian.Sedangkan dalam upaya
penyajian informasi yang dapat menunjukkan analisis yang
telah dilakukan maka dibutuhkan visualisasi geografis untuk
melihat informasi per daerah dan kota. Dalam tugas akhir ini,
data yang dipakai adalah data kriminal Jawa Timur tahun 2012
– 2014 dari Reskrimum Polda Jatim. Hasil dari tugas akhir ini
adalah analisis klaster menggunakan algoritma K-means & visualisasi geografis setiap daerah & kota di Jawa Timur. Dari
tugas akhir ini tentunya dapat memberikan informasi yang
bermanfaat umumnya buat masyarakat dan khususnya buat
Polda Jatim dalam memberikan referensi tentang analisis data
untuk membuat rancangan strategi, kebijakan tepat sasaran
dan keputusan penanganan masalah kriminalitas kedepan.
Hasil dari tugas akhir ini berupa klasterisasi 3 kategori ini
adalah kategori kasus kriminal terdapat 7 klaster, kategori
pelaku terdapat 6 klaster dan kategori korban terdapat 3
klaster. Analisa tindakan disesuaikan terhadap karakteristik
klaster masing-masing kategori dan divisualisasikan.
============================================================================================================
Crime is an act against the law that is deemed to the people,
public welfare and morals and creates violation and punishable
by law. Losses incurred due to crime is not only the material
and social but also harmful to the comfort of society, lowering
productivity and even make the loss of someone's life.
Undoubtedly, it required a strategy and policies targeted by law
enforcement to reduce the level of crime. In this study, we would
like to use criminal data provided by police department in
province level (East Java) in 2012 - 2014. So easy to analyze
and interpret a criminal information data into a reference
policy is needed extracting data clustering techniques to
analyze the data based crime groups using the K-means
algorithm. Pattern analysis based on factors - factors that affect
the risk level of criminality that are related as actors pattern,
age of the actor, the victim pattern, the pattern of the target and
the scene. The crime data is processed into the visualization to
find information about fourteen
types of specific crimes defined by the police department of
Indonesia (Kepolisian Republik Indonesia or POLRI). The
results of this research is the clustering analysis using the Kmeans
algorithm and visualization of geographic every county
and city in East Java. The result is a map visualization, where the type used is choropleth maps created using application R.
This map will display information about a crime that can be
easily accessed by the public, so that it will raise public
awareness about the criminal acts that occurred in specific
region, especially in the area of East Java. The result of final
project in the form of clustering third category are the criminal
case category there are 7 clusters, categories of perpetrators
are 6 clusters and categories of victims there are 3 clusters.
Analysis of measures adapted to the characteristics of the
cluster each category and visualized.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 004.35 Maa k |
| Uncontrolled Keywords: | Kriminalitas, Visualisasi, K-Means, Klasterisasi, Aplikasi R, Shiny, SSE, DBI. |
| Subjects: | Q Science > QA Mathematics > QA76.6 Computer programming. |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | - Taufiq Rahmanu |
| Date Deposited: | 05 Dec 2019 06:45 |
| Last Modified: | 05 Dec 2019 06:45 |
| URI: | http://repository.its.ac.id/id/eprint/72229 |
Actions (login required)
 |
View Item |