##plugins.themes.academic_pro.article.main##
Analisis Clustering Kriminalitas Berdasarkan Tingkat Pendidikan Warga Binaan Pemasyarakatan Menggunakan Metode Agglomerative Hierarchical Clustering
Abstract
Kriminalitas merupakan permasalahan sosial yang memengaruhi keamanan dan ketertiban masyarakat, dan tingkat pendidikan diduga berkaitan dengan pola kriminalitas pada Warga Binaan Pemasyarakatan (WBP). Penelitian ini menganalisis pengelompokan kriminalitas berdasarkan tingkat pendidikan WBP di Rutan Kelas II Ternate menggunakan metode Agglomerative Hierarchical Clustering (AHC) dan mengevaluasi kualitas cluster menggunakan Silhouette Coefficient. Data yang digunakan adalah data sekunder WBP tahun 2018-2023 sebanyak 1.490 data yang mencakup tingkat pendidikan, jenis tindak pidana, usia, dan tahun perkara, yang diproses melalui preprocessing, transformasi data, pembentukan cluster dengan AHC, visualisasi dendrogram, serta evaluasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan AHC membentuk tiga cluster utama dengan nilai Silhouette Coefficient sebesar 0,3294, termasuk kategori weak structure yang masih dapat diterima dalam penelitian eksploratif dan menunjukkan pola pengelompokan awal pada data. Penelitian ini menghasilkan visualisasi tren cluster tahun 2018-2023 yang menggambarkan dinamika distribusi cluster dari waktu ke waktu, sehingga dapat menjadi dasar penyusunan strategi pembinaan yang lebih tepat sasaran.
##plugins.themes.academic_pro.article.details##

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Badan Pusat Statistik, "Statistik Kriminal 2023," Katalog: 4401002, Dec. 2023. [Online]. Available: https://www.bps.go.id/id/publication/2023/12/12/5edba2b0fe5429a0f232c736/statistik-kriminal-2023.html.
A. D. Putra, G. S. Martha, M. Fikram, and R. J. Yuhan, "Faktor-Faktor yang Memengaruhi Tingkat Kriminalitas di Indonesia Tahun 2018," Indonesian Journal of Applied Statistics, vol. 3, no. 2, Nov. 2021.
Y. Mayona, R. Buaton, and M. Simanjutak, "Data Mining Clustering Tingkat Kejahatan Dengan Metode Algoritma K-Means (Studi Kasus: Kejaksaan Negeri Binjai)," Jurnal Informatika Kaputama (JIK), vol. 6, no. 3, Aug. 2022.
I. Z. Muzakkiy et al., "Penggunaan Algoritma K-Means Pada Metode Clustering Untuk Menganalisa Tindak Kriminal," Journal of Informatics and Advanced Computing (JIAC), vol. 4, no. 1, May 2023.
N. Septiani and K. Erwansyah, "Analisis Data Mining Pengelompokkan Kasus Tindak Kejahatan Yang Terjadi Di Kecamatan Medan Polonia Dengan Menggunakan Metode K-Means Clustering," Jurnal Cyber Tech, vol. 3, no. 2, Feb. 2020.
U. T. Suryadi and Y. Supriatna, "Sistem Clustering Tindak Kejahatan Pencurian Di Wilayah Jawa Barat Menggunakan Algoritma K-Means," Jurnal Teknologi Dan Komunikasi STMIK Subang, vol. 12, no. 1, Apr. 2019.
Kusrini and E. T. Luthfi, Algoritma Data Mining. Yogyakarta: Andi Offset, 2009.
J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Waltham, MA: Morgan Kaufmann, 2012.
B. S. Everitt, S. Landau, M. Leese, and D. Stahl, Cluster Analysis, 5th ed. Chichester: John Wiley & Sons, 2011.
H. B. Tambunan, D. H. Barus, J. Hartono, A. S. Alam, D. A. Nugraha, and H. H. H. Usman, "Electrical Peak Load Clustering Analysis Using K-Means Algorithm and Silhouette Coefficient," in Proc. 2nd Int. Conf. on Technology and Policy in Electric Power and Energy, Oct. 2020.