PEMETAAN KRIMINOLOGI TERHADAP PENCURIAN SEPEDA MOTOR MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

Abstract

Abstract: This study aims to map the crime rate of motorcycle theft in Aek Batu Village, Torgamba District, Labuhanbatu Selatan Regency, using the K-Means Clustering algorithm. This mapping system was developed to classify areas based on crime-prone levels, facilitating preventive actions and security improvements in the region. The data used includes motorcycle theft reports processed into numerical datasets as input for the algorithm. The clustering results classify areas into three categories: high, medium, and low crime levels. The implementation of this system is expected to provide clear information to the public to increase awareness and minimize crime risks. Keyword: K-Means Clustering, Crime Mapping, Motorcycle Theft, Data Mining, Regional Security

Abstrak: Penelitian ini bertujuan untuk memetakan tingkat kriminalitas pencurian sepeda motor di Desa Aek Batu, Kec. Torgamba, Kab. Labuhanbatu Selatan menggunakan algoritma K-Means Clustering. Sistem pemetaan ini dibangun untuk mengklasifikasikan wilayah berdasarkan tingkat rawan kejahatan, sehingga mempermudah pengambilan langkah preventif dan peningkatan keamanan di daerah tersebut. Data yang digunakan mencakup laporan pencurian sepeda motor yang diolah menjadi dataset numerik sebagai input algoritma. Hasil clustering menunjukkan pengelompokan wilayah ke dalam tiga kategori: tinggi, sedang, dan rendah tingkat kriminalitas. Implementasi sistem ini diharapkan memberikan informasi yang jelas kepada masyarakat untuk meningkatkan kewaspadaan dan meminimalkan risiko kejahatan.

Kata kunci: K-Means Clustering, Pemetaan Kriminalitas, Pencurian Sepeda Motor, Data Mining, Keamanan Wilayah.