Abstract:
Kriminalitas merupakan permasalahan sosial yang serius, khususnya di Kecamatan
Medan Timur, Kota Medan. Penelitian ini bertujuan untuk mengklasterisasikan
daerah rawan kriminalitas di Medan Timur berdasarkan data kepolisian dari Polsek
Medan Timur tahun 2023–2025 menggunakan algoritma K-Means dan DBSCAN
(Density-Based Spatial Clustering of Applications with Noise), serta
membandingkan performa keduanya menggunakan metrik evaluasi Silhouette
Index dan Davies-Bouldin Index. Data yang digunakan mencakup jenis kriminalitas
pencurian, yakni pencurian kendaraan bermotor (curanmor), pencurian dengan
kekerasan (curas), dan pencurian dengan pemberatan (curat) yang tersebar di 20
kelurahan. Tahapan penelitian meliputi preprocessing data, feature engineering,
normalisasi Min-Max, implementasi algoritma, serta evaluasi kualitas klaster. Hasil
penelitian menunjukkan bahwa algoritma K-Means dengan K=3 menghasilkan tiga
klaster yang mencakup seluruh 20 kelurahan dengan Silhouette Index sebesar
0.4128 (kategori lemah). Sementara itu, algoritma DBSCAN dengan parameter
eps=0.20 dan minPts=2 menghasilkan dua klaster dari 9 kelurahan dengan
Silhouette Index sebesar 0.5173 (kategori sedang). Evaluasi tambahan
menggunakan Davies-Bouldin Index (DBI) menghasilkan nilai DBI K-Means
sebesar 0.835 dan DBI DBSCAN sebesar 0.5976, di mana nilai DBI yang lebih
rendah pada DBSCAN mengonfirmasi kualitas klaster yang lebih baik.
Berdasarkan evaluasi tersebut, DBSCAN menghasilkan kualitas klaster yang lebih
baik dibandingkan K-Means, meskipun K-Means lebih unggul dalam kelengkapan
pengelompokan seluruh wilayah. Hasil pemetaan ini diharapkan dapat menjadi
rekomendasi bagi pihak kepolisian dalam merancang strategi pencegahan
kriminalitas yang lebih efektif dan efisien di wilayah Medan Timur.
