PERBANDINGAN K-MEANS DAN K-MEDOIDS DALAM PENGELOMPOKKAN TINGKAT KEJAHATAN PADA PROVINSI JAWA TENGAH

Abstrak

Tindak kejahatan merupakan pelanggaran hukum dan norma sosial yang menimbulkan keresahan masyarakat serta mencerminkan dinamika sosial yang terus berkembang. Sepanjang tahun 2023, Provinsi Jawa Tengah mencatat 7.606 kasus kejahatan berdasarkan data dari Badan Pusat Statistik (BPS) Jawa Tengah pada website https://jateng.bps.go.id/id. Jenis kejahatan yang tercakup dalam data merupakan kejahatan konvensional, seperti pencurian, penganiayaan, dan penipuan. Penelitian ini bertujuan untuk mengelompokkan data kriminalitas menggunakan algoritma clustering K-Means dan K-Medoids guna mengidentifikasi pola kejahatan berdasarkan karakteristik wilayah. Data yang digunakan meliputi jumlah kejahatan, jumlah penduduk, dan jumlah penduduk tidak bekerja per kabupaten/kota, serta dua atribut turunan, yaitu Rasio_Kejahatan_Penduduk dan Rasio_Kejahatan_Tidak_Bekerja. Seluruh data numerik dinormalisasi menggunakan metode Min-Max agar memiliki skala yang sebanding. Pemilihan algoritma K-Means dan K-Medoids dilakukan karena keduanya merupakan metode partitional clustering yang banyak digunakan, namun memiliki pendekatan yang berbeda dalam menentukan pusat klaster, sehingga memberikan perbandingan hasil yang relevan. Evaluasi hasil klaster dilakukan dengan Davies-Bouldin Index (DBI) karena metrik ini mampu menilai validitas klaster berdasarkan tingkat kedekatan dan keterpisahan antar klaster. Klasterisasi dilakukan dengan jumlah klaster 3, 4, dan 5. Hasil evaluasi menunjukkan bahwa pembentukan 3 klaster adalah yang paling optimal, dengan nilai DBI terendah pada K-Means sebesar 0,082, sedikit lebih baik dibandingkan K-Medoids sebesar 0,084. Nilai DBI yang lebih rendah menunjukkan K-Means menghasilkan klaster yang lebih terpisah secara baik. Oleh karena itu, K-Means dipilih sebagai algoritma terbaik dalam penelitian ini. Hasil pengelompokan diharapkan menjadi dasar dalam pepersamaanan kebijakan.