Analisis Datamining Pada Pengelompokkan Penduduk Yang Menjadi Korban Kekerasan Fisik Menurut Wilayah

Dini Rizky Sitorus P, Agus Perdana Windarto, Dedy Hartama, Eka Irawan

Abstract


Tujuan penelitian ini adalah untuk mengelompokkan wilayah yang memiliki tingkat kekerasan fisik berat dengan menggunakan algoritma datamining. Data diperoleh dari Badan Pusat Statistik Indonesia (BPS) yang diolah dengan menggunakan bantuan software RapidMiner. Data yang digunakan adalah data kekerasan fisik berat di wilayah indonesia yang terdir dari 31 wilayah mulai dari sabang sampai merauke. Metode penyelesain dengan metode K-Means dengan variabel jumlah penganiayaan berat. Data diclustering dalam 2 bagian antara lain:  cluster tingkat tinggi (C1) dan tingkat cluster rendah (C2). Hasil yang diperoleh  Dari 31 data jumlah kasus yang mengalami kekerasan fisik berat berdasarkan wilayah dapat diketahui, 3 wilayah tingkat kekerasan fisik tertinggi (C1): Sumatra Utara, Sumatra Selatan, Metro Jaya dan 28 wilayah tingkat kekerasan fisik rendah (C2): Aceh, Sumatra Barat, Riau, Jambi, Bengkulu, Lampung, Bangka Belitung, Kepulauan Riau, Jawa Barat, jawa Tengah, jawa Timur, Di Yogyakarta, Banten, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur, Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, kalimantan Timur, Sulawesi Utara, Sulawesi Tengah, Sulawesi Selatan, Sulawesi Tenggara, Gorontalo, Maluku, Maluku Utara, Papua. Hal ini dapat menjadi masukan kepada pemerintah dalam memberikan informasi tentang wilayah yang memiliki tingkat kekerasan yang tinggi agar dapat meminimalisir tingkat kekerasan di wilayah indonesia.

Kata Kunci: Datamining, K-means, Kekerasan Fisik, Penduduk, wilayah


Full Text:

PDF

References


Sub Diroktorat Statistik Politik dan Keamanan, “Statistik Kriminal 2014,” Badan Pus. Stat., no. 023, pp. 30–80, 2014.

F. Purnama, “Kekerasan Dalam Pacaran Pada Remaja,” J. Harkat Media Komun. Gend., vol. 12, no. 2, pp. 160–170, 2019.

W. Anjari, “Fenomena Kekerasan sebagai Bentuk Kejahatan (Violence),” vol. 1, no. April, pp. 42–51, 2014.

“Korban Akibat Tindak Kekerasan Fisik dalam Rumah Tangga,” Direktorat Jenderal Peraturan Perundang-Undangan (Ditjen PP). [Online]. Available: http://ditjenpp.kemenkumham.go.id/hukum-pidana/650-korban-akibat-tindak-kekerasan-fisik-dalam-rumah-tangga.html.

A. P. Windarto, “Penerapan Datamining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering Method,” Techno.Com, vol. 16, no. 4, pp. 348–357, 2017.

A. P. Windarto, “Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method,” Int. J. Artif. Intell. Res., vol. 1, no. 2, p. 26, 2017.

A. Wanto, A. P. Windarto, D. Hartama, and I. Parlina, “Beck’scher Studienführer Jura : Universitäten, Literatur, Tipps, Adressen.,” IJISTECH (International J. Inf. Syst. Technol., vol. 1, no. 1, pp. 43–54, 2017.

K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018.

M. G. Sadewo, A. P. Windarto, and A. Wanto, “Penerapan Algoritma Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi Dengan K-Means,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 311–319, 2018.

M. K. Arzoo, A. Prof, and K. Rathod, “K-Means algorithm with different distance metrics in spatial data mining with uses of NetBeans IDE 8 . 2,” Int. Res. J. Eng. Technol., vol. 4, no. 4, pp. 2363–2368, 2017.

Agus Perdana Windarto, “Implementasi Jst Dalam Menentukan Kelayakan Nasabah Pinjaman Kur Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropogation,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 1, no. 1, pp. 12–23, 2017.

A. P. Windarto, M. R. Lubis, and S. Solikhun, “Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 411, 2018.

A. P. Windarto, M. R. Lubis, and S. Solikhun, “Model Arsitektur Neural Network Dengan Backpropogation Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional,” Klik - Kumpul. J. Ilmu Komput., vol. 5, no. 2, p. 147, 2018.

A. Wanto and A. P. Windarto, “Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation,” J. Penelit. Tek. Inform., vol. 2, no. 2, pp. 37–44, 2017.

T. Imandasari, A. Wanto, and A. P. Windarto, “Analisis Pengambilan Keputusan Dalam Menentukan Mahasiswa PKL Menggunakan Metode PROMETHEE,” JURIKOM (Jurnal Ris. Komputer), vol. 5, no. 3, pp. 234–239, 2018.

D. N. Batubara, D. R. S. P, and A. P. Windarto, “Penerapan Metode PROMETHEE II Pada Pemilihan Situs Travel Berdasarkan Konsumen,” no. 1.

N. Butarbutar, A. P. Windarto, D. Hartama, and S. Solikhun, “Komparasi Kinerja Algoritma Fuzzy C-Means Dan K-Means Dalam Pengelompokan Data Siswa Berdasarkan Prestasi Nilai Akademik Siswa,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 1, no. 1, pp. 46–55, 2016.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Seminar Nasional Sains dan Teknologi Informasi (SENSASI)