KLASTERISASI DAERAH RAWAN KRIMINALITAS DI MEDAN TIMUR BERDASARKAN DATA KEPOLISIAN MENGGUNAKAN ALGORITMA K-MEANS DAN DBSCAN

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.