bab ii tinjauan pustaka 2.1 data mining k-means pada
Post on 19-Oct-2021
11 Views
Preview:
TRANSCRIPT
9
BAB II
TINJAUAN PUSTAKA
2.1 Data Mining K-Means Pada Tindak Kejahatan Pencurian
2.1.1 Pengertian Data Mining
Data mining merupakan gabungan dari sejumlah disiplin ilmu komputer
yang di definisikan sebagai proses penemuan pola-pola baru di kumpulan-
kumpulan data sangat besar, meliputin metode-metode yang berupa irisan dari
artificial intelligence, machine learning, statistics, dan database sistem. Data
mining ditujukan untuk mengestrak (mengambil intisari) pengetahuan dari
sekumpulan data sehingga di dapatkan struktur yang dapat di mengerti oleh
manusia serta meliputi basisdata dan managemen data, prapemrosesan data,
pertimbangan model dan inferensi, ukuran karakteristik, pertimbangan
kompleksi pascapemprosesan terhadap struktur yang ditemukan, visualisasi,
dan online updating (Suyanto, 2019:1).
Data mining adalah serangkai proses yang menggali nilai tambah dalam
suatu kumpulan data berupa pengetahuan yang selama ini tidak di ketahui
secara manual dari suatu basis data. Informasi yang diperoleh dengan cara
mengekstraksi dan mengenali pola yang penting atau menarik dari data yang
terdapat pada basis data. Data mining terutma digunakan untuk mencari
pengetahuan yang terdapat dalam basis data yang besar sehingga disebut
Knowledge Discovery from Databases (KDD) (Vulandari., 2018 :1).
10
Data mining adalah serangkai proses yang menggali nilai tambah
dalamsuatu kumpulan data berupa pengetahuan yang selama ini tidak di ketahui
secara manual dan analisis otomatis dari data yang berjumlah besar atau
kompleks dengan tujuan unuk menentukan pola atau kecenderungan yang
penting yang biasanya tidak disadari keberadaannya atau serangkai proses
untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak di
ketahui secara manual dari suatu kumpulan data. Data mining sering juga
disebut sebagai Knowledge Discovery from Databases (KDD). KDD adalah
kegiatan yang meliputi pengumpulan, pemakaian data, historis untuk
menemukan keteraturan, pola atau hubungan dalam set data besar (Manik, et
al., 2017:37).
2.1.2 Kagunaan Data Mining
Secara umum, kegunaan dapat di bagi menjadi dua yaitu :
1. Deskriptif
Berarti data mining digunakan untuk mencari pola-pola yang dapat di
pahami manusia yang menjelaskan karakteristik data.
2. Prediktif
Bearti data mining digunakan untuk membentuk sebuah model
pengetahuan yang akan digunakan untuk melakukan prediksi (Suyanto,
2019:3).
11
2.1.3 Pengelompokan Data Mining
Data mining terbagi menjadi beberapakelompok yaitu sebagai berikut:
1. Model Prediksi
Pemodelan yang dapat melakukkan pemetaan dari setiap himpunan
variabel ke setiap targetnya, kemudian menggunakan model tersebut
untuk memberikan nilai target pada himpunan baru yang telah didapat.
2. Analisis Kelompok
Mengelompokkan sekumpulan data ke dalam kelompok (cluster) tertentu
berdasarkan karakteristik yang sama pada masing-masing data.
3. Analisis Asosiasi
Menentukan pola yang menggambarkan kekuatan hubungan fitur dalam
data.
4. Deteksi Anomaly
Pengamatan suatu data dari sekumpulan data yang secara signifikan
memiliki karakteristik yang berbeda dari sisa data yang lain (Sibuea, et al.,
2017:87).
2.1.4 Konsep Clustering
Clustering atau klasifikasi adalah metode yang digunakan membagi
rangkaian data menjadi beberapa group berdasarkan kesamaan-kesamaan yang
telah ditentukan sebelumnya (Mardalius, 2018:403).
Clustering merupakan salah satu teknik dari salah satu fungsionalitas
data mining, algoritma clustering merupakan algoritma pengelompokan
sejumlah data menjadi kelompok-kelompok data tertentu (cluster). Setiap
12
cluster memiliki centroid dihitung dari rata-rata nilai tiap items dari suatu
cluster dan juga memiliki medoid yang merupakan item yang letaknya paling
tengah. Sementara jarak antar cluster didefenisikan dengan menggunkan
beberapa metode-metode untuk menentukan cluster mana yang berdekatan
(Sibuea, et al.,2017:89).
1. Single Link
adalah jarak terkecil antara satu elemen cluster dalam suatu cluster
dengan elemen dalam suatu cluster dengan elemen lain di cluster yang
berbeda.
2. Complete Link
adalah jarak terbesar antara satu elmen dalam suatu cluster dengan elemen
lain di cluster yang berbeda.
3. Average
adalah jarak rata-rata antara satu elemen dalam suatu cluster dengan
elemen lain di cluster yang berbeda.
4. Centroid
adalah jarak anatar centroid dari tiap cluster dengan centroidcluster lainnya.
5. Medoid
adalah jarak antara medoid dari tiap cluster dengan medoid cluster lainya.
2.1.5 Metode K-Means
Algoritma K-Means adalah metode yang mempartisi data kedalam
kelompok sehingga data berkarakteristik sama dimasukan kedalam set kelompok
13
yang sama dan data yang berkerakteristik berbeda dikelompokkan ke dalam
kelompok yang lain (Mardalius, 2018:403).
K-Means merupakan metode non-hirarki yang berusaha mempartisi data
yang ada kedalam bentuk satu atau lebih kelompok (Rinawati, et al.,2020:79).
K-Means merupakan algoritma cluster yang berulang-ulang. Algoritma K-
Means menetapkan nillai-nilai cluster(K) secara rendom, untuk sementara nilai
tesebut menjadi pusat cluster atau disebut dengan centroid, mean atau “means”.
Kemudian perhitungan jarak setiap data yang ada terdapat masing-masing
centroid menggunakan rumus Euclidian hingga ditemukan jarak yang paling
dekat dari setiap data dengan centroid. Klasifikasi dari setiap data berdaarkan
kedekatannya dengan centroid (Vulandari,. 2018:54).
Pada algoritma K-MeansCluster Analysis terdapat beberapa langkah yang
harus dilakukan yaitu sebagai berikut:
1. Menentukan jumlah cluster, jumlah cluster merupakan jumlah kelompok
yang akan diselesaikan
2. Menentukan centroid awal, centroid awal diperoleh secara acak. Centroid
awal merupakan titik pusat cluster pertama.
Rumus menentukan centroid baru sebagai berikut :
∑
14
Keterangan :
Vij :Centroid, cluster pertama pada variabel ke-j
Ni : Jumlah data yang menjadi anggota cluster ke-i
i,k : Indeks dari cluster
j : Indeks dari variabel
Xkj : Nilai data ke-k yang ada di dalam cluster ini untuk variable ke-j
3. Menghitung jarak antara titik centroid dengan titik objek. digunakan rumus
sebagai berikut :
√
Keterangan :
De : jarak antara data pada posisi titik x dan y
xi : posisi titik data pertama (pusat klaster)
si : posisi titik data kedua (data dari N)
yi : Posisi titik data selanjutnya
ti : posisi data kedua
4. Pengelompokan objek untung menentukan anggotacluster, adalah dengan
memperhitungkan jarak minimum objek.
5. Kembali ke tahap 2, lakukan perulangan hingga nilai centroid yang dihasilkan
teteap dan anggota cluster tidak berpinda ke cluster lain.
15
Gambar 2.1 Contoh Pengelompokan Clustering
2.1.6 Pengetian Pencurian
Pencurian merupakan perilaku yang melanggar hukum yang dapat
menyebabkan korban jiwa, pencurian sering terjadi di pusat kota atau pusat
perbelanjaan seperti pasar karena pusat keramaian memicu pelaku untuk
melakukan tindakan pencurian, pelaku beroperasi secara individu atau
berkelompok (Rinawati, et al.,2020:77).
2.1.7 Perangkat Lunak yang Digunakan
2.1.7.1 PHP ( HypertextProcessor)
Hypertext Processor atau lebih akrab dengan sapaan PHP merupakan
bahasa pemograman script server-side yang didesain untuk membangun
web.PHP disebut bahasa pemograman server side karena di peroses pada
komputer server. Hal ini berbeda dengan bahasa pemograman client-side
seperti Javascript yang di proses dalam web browser (Jannah, et al.,2019 :1).
16
1. Keunggulan PHP
Ada beberapa alasan yang menjadi dasar pertimbangan mengapa
menggunkanPHP.
1. Web penggunaan PHP dapat digunakan dengan mudah dibuat dengan
memiliki kecepatan akses yang cukup tinggi.
2. Skrip-skrip PHP dapat berjalan dalam web server yang berbeda dan dalam
sistem operasi yang beda pula. PHP dapat berjalan disistem operasi UNIX,
Windows dan Macitosh.
3. PHP diterbitkan secara geratis.
4. PHP juga dapat berjalan pada Web Server Microsoft Personal Web Server,
Apache, IIS, Xitami dan sebagainya.
5. PHP adalah termaksud bahasa embedded (disa di setempel atau diletakan
dalam tag HTML)
6. PHP termasuk server side programming
Gambar 2.2 Simbol PHP
2.1.7.2 Sublime Text 3
Sublime Text adalah editor teks yang digunakan untuk menerjemahkan
hasil analisa dan rancangan kedalam bentuk code”. Berikut beberapa fitur yang
diunggulkan dari aplikasi sublime text :
17
1. Goto Anything
Fitur yang sangat membantu dalam membuka file ataupun menjelajahi
isi dari file hanya dengan beberapa keystrokes.
2. Multiple Selections
Fitur ini memungkinkan user untuk mengubah secara interaktif banyak
baris sekaligus, mengubah nama variabel dengan mudah, dan
memanipulasi file lebih cepat dari sebelumnya.
3. Command Pallete
Dengan hanya beberapa key storkes, user dapat dengan cepat mencari
fungsi yang diinginkan, tanpa harus menavigasi melalui menu.
4. Distraction Free Mode
Bila user memerlukan fokus penuh pada aplikasi ini, fitur ini dapat
membantu user dengan memberikan tampilan layar penuh. Split Editing
dapatkan hasil yang maksimal dari monitor layar lebar dengan dukungan
editing perpecahan. Mengedit sisi file dengan sisi, atau mengedit dua
lokasi disatu file. Anda dapat mengedit dengan banyak baris dan kolom
yang user inginkan.
5. Instant Project Switch
Menangkap semua file yang dimasukkan kedalam project pada aplikasi
ini. Terintegrasi dengan fitur Goto Anything untuk menjelajahi semua
file yang ada ataupun untuk beralih ke file dalam project lainnya dengan
cepat.
6. Plugin API
Dilengkapi dengan plugin API berbasis Phyton sehingga membuat aplikasi
18
inisangat tangguh.
7. Customize Anything
Aplikasi ini memberikan user fleksibilitas dalam hal pengaturan fungsional
dalam aplikasi ini.
8. Cross Platform
Aplikasi ini dapat berjalan hampir disemua operating system modern
seperti Windows, OS X, dan Linux based operating system (Pahlevi, et
al.,2019:29).
Gambar 2.3 Sembol Sublime text 3
2.1.7.3 MYSQL
MYSQL merupakan software yang tergolong sebagai DBMS (Database
Management System) yang bersifat open source. Open source menyatakan
bahwa software ini dilengkapi dengan source code (code yang dipakai untuk
membuat MySQL). Selain tentu saja bentuk executable-nya atau kode yang
dapat dijalankan secara langsung dalam sistem operasi danbisa diperoleh
secara gratis dengan mendownload diinternet (Santoso, et al.,2017:86).
19
Gambar 2.4 Sembol Mysql
2.1.7.4 XAMPP
Xampp merupakan alat bantu yang menyediakan paket perangkat
lunak kedala satu buah paket. Dengan menginstall XAMPP tidak perlu lagi
melakukan instalasi dan konfigurasi web server Apache, PHP dan MySQL
secara manual. XAMPP akan menginstalasi dan mengkonfigurasikannya secara
otomatis atau auto konfigurasi. XAMPP merupakan paket PHP yang berbasis
open source yang dikembangkan oleh sebuah komunitas Open Source.
Dengan menggunakan XAMPP tidak dibingungkan denganpenginstalan
program-program lain, karena semua kebutuhan telah tersedia oleh XAMPP.
Yang terdapat pada XAMPP di antaranya : Apache, MySQL, PHP, FilZilla
FTP Server, PHP my Admin dll (Santoso, et al.,2017:86).
Gambar 2.5 Simbol XAMPP
20
Gambar 2.6 Menu Utama XAMPP
2.1.7.5 Perancangan Sistem
2.1.7.5.1 UML (Unified Modeling Language)
Unified Modeling Language (UML) adalah bahasa spesifikasi standar yang
dipergunakan untuk mendokumentasikan, menspesifikasikan dan membanngun
perangkat lunak. UML merupakan metodologi dalam mengembangkan sistem
berorientasi objek dan juga merupakan alat untuk mendukung pengembangan
system (Hendini, 2016:108). Diagram-diagram yang digunakan pada UML
antara lain adalah use case diagram, activity diagram, squence diagram, class
diagram, dan deployment diagram.
2.1.7.5.2 Use Case Diagram
Use case diagram merupakan pemodelan untuk kelakuan (behavior)
sistem informasi yang akan dibuat. Use case digunakan untuk mengetahui
fungsi apa saja yang ada di dalam sistem informasi dan siapa saja yang
21
berhak menggunakan fungsi-fungsi tersebut (Hendini, 2016:108). Simbol-simbol
use case Diagram dapat dilihat pada Tabel 2.1
Tabel 2.1 Simbol-simbol Use Case Diagram
Sumber: (Hendini, 2016: 108)
2.1.7.5.3 Activity Diagram
Activity Diagram menggambarkan workflow (aliran kerja) atau
aktivitas dari sebuah sistem atau proses bisnis (Hendini, 2016:109). Simbol-
simbol Activity Diagram dapat dilihat pada Tabel 2.2
Tabel 2.2 Simbol-simbol Activity Diagram
Simbol Keterangan
Use Case menggambarkan fungsionalitas yang
disediakan sistem sebagaiunit-unit yang bertukar pesan antar unit dengan aktir, yang
dinyatakan dengan menggunakan kata kerja
Actor atau Aktor adalah Abstraction dari orang atau
sistem yang lain yang mengaktifkan fungsi dari
target sistem. Untuk mengidentifikasikan aktor,
harus ditentukan pembagian tenaga kerja dan tugas-
tugas yang berkaitan dengan peran pada konteks
target sistem.
Asosiasi antar aktor dan use case yan menggunakan
panahterbukuntukmengindikasikan bila
aktoberinteraksi secara pasif dengan sisem.
Simbol Keterangan
Start Point, diletakkan pada pojok kiri atas dan
merupakan awal aktivitas
End Point, akhir aktivitas
uc Use Case Model
uc Use Case Model
22
Sumber: (Hendini, 2016: 109)
2.1.7.5.4 Sequence Diagram
Sequence Diagram menggambarkan kelakuan objek pada use case
dengan mendeskripsikan waktu hidup objek dan pesan yang dikirimkan dan
diterima antar objek (Hendini, 2016:110). Simbol-simbol yang ada pada
Sequence diagram ditunjukan oleh Tabel 2.3:
Activities, menggambarkan suatu proses/kegiatan
bisnis
Swimlane, pembagian activity diagram untuk
menunjukkan siapa melakukan apa
Decision Points, menggambarkan pilihanuntuk
pengambilan keputusan, tru atau false
Fork/percabangan, digunakan untuk menunjukkan
kegiatan yang dilakukan secara paralel atau
untuk menggabungkan dua kegiatan paralel
menjadi satu
Join (penggabungan) atau rake, digunakan untuk
menunjukkan adanya dekomposisi
act ss
act ss
Swimlane
23
Tabel 2.3Simbol-simbol Sequence Diagram
Sumber: (Hendini, 2016: 110)
Simbol Keterangan
Entity Class, merupakan bagian dari sistem
yang berisi kumpulan kelas berupa entitas-
entitas yang membentuk gambaran awal sistem
dan menjadi landasan untuk menyusun basis
data.
Boundary Class, berisi kumpulan kelas yang
menjadi interfaces atau interaksi antara satu
atau lebih aktor dengan sistem, seperti tampilan
form entry dan form cetak.
Message digambarkan dengan anak panah
horizontal.
Control class, suatu objek yang berisi logika
aplikasi yang tidak memiliki tanggung jawab
kepada entitas, contohnya adalah kalkulasi dan
aturan bisnis yang melibatkan berbagai objek
Recursive, menggambarkan pengirimanpesan
yangdikirim untuk dirinya sendiri
Activation, mewakili sebuah eksekusi operasi
dari objek, panjang kotak ini berbanding lurus
dengan durasi aktivasi sebuah operasi
Lifeline, garis titik-titik yang terhubung dengan
objek sepanjang lifelineter dapat activation
sd mm
sd mm
sd mm
sd mm
sd mm
sd mm
24
2.1.7.5.5 Class Diagram
Class diagram menggambarkan struktur sistem dari segi pendefinisian
kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki apa
yang disebut atribut dan metode atau operasi. Atribut merupakan variabel-
variabel yang dimiliki oleh suatu kelas, sedangkan operasi atau metode adalah
fungsi-fungsi yang dimiliki oleh suatu kelas (Yunahar Heriyanto, 2018:68).
Simbol-simbol pada Class Diagram dapat dilihat pada Tabel 2.4.
Tabel 2.4 Simbol-simbol Class Diagram
Simbol Keterangan
Kelas
Kelas pada struktur sistem.
Antar muka/interface
nama_interface
Sama dengan konsep interface dalam
pemrograman berorientasi objek.
Asosiasi/association
Kelas antar kelas dengan makna umum,
asosiasi biasanya juga disertai dengan
multiplicity.
Asosiasi berarah
Kelas antar kelas dengan makna kelas yang
satu digunakan olehkelas yang lain, asosiasi
biasanya juga disertai dengan multiplicity.
Generalisasi Kelas antar kelas dengan makna generalisasi
spesialisasi (umum khusus).
Kebergantungan/dependency
Kelas antar kelas dengan makna
kebergantungan antar kelas.
Nama Kelas
+atribut
Oprasi()
25
Sumber: (Yunahar Heriyanto, 2018:68)
2.1.7.5.6 Deployment Diagram
DeploymentDiagram digunakan untukmenggambarkan detail bagaimana
komponen disusun di infrastruktur system (Hendini, 2016:111). Simbol-simbol
yang ada pada deploymentdiagram ditunjukan oleh Tabel 2.5.
Tabel 2.5Simbol-simbol Deployment Diagram
Simbol Keteragan
Pada deployment diagram, komponen-
komponen yang ada diletakkan didalam node
untuk memastikan keberadaan posisi
Mereka.
Node menggambarkan bagian-bagian hardware
dalamsebuah sistem. Notasi untuk node
digambarkan sebagai sebuahkubus 3 dimensi.
Sebuah association digambarkan sebagai
sebuah garis yang menghubungkan dua node
yang mengindikasikan jalur komunikasi antara
element-elemen hardware. Sumber: (Hendini, 2016:111)
2.1.5.7.7 Entity Relationship Diagram (ERD)
Entity Relationship Diagram adalah gambar atau diagram yang
menunjukkan informasi dibuat, disimpan, dan digunakan dalam sistem bisnis
Santoso, et al.,(2017:87). Simbol-simbol yang ada pada entity
relationshipdiagram ditunjukan oleh Tabel 2.6.
deployment ddd
Component1
deployment ddd
Node1
Package1
Component1
Agregasi / Aggregation
Kelas antar kelas dengan makna semua-
bagian (whole-part)
26
Tabel 2.6 Simbol-simbolEntity RelationshipDiagram
Nama Simbol Keterangan
Entitas
Persegi panjang menyatakan himpunan
entitas adalah orang, kejadian, atau
berada dimana data akan dikumpulkan.
Atribut
Atribut merupakan informasi yang
diambil tentang sebuahentitas.
Relasi
Belah ketupat menyatakan himpunan relasi merupakan hubungan antar
entitas.
Link
Garis sebagai penghubung antar
himpunan, relasi, dan himpunan entitas
dengan atributnya.
Sumber: Santoso, et al.,(2017:87).
2.1.5.7.8 Flowchart
Flowchart adalah representasi secara simbolik dari suatu algoritma atau
prosedur untuk menyelesaikan suatu masalah, dengan menggunakan flowchart
akan memudahkan pengguna melakukan pengecekan bagian-bagian yang
terlupakan dalam analisis masalah, disamping itu flowchart juga berguna
sebagai fasilitas untuk berkomunikasi antara pemrogram yang bekerjadalam
timsuatu proyek. Flowchart membantu memahami urutan-urutan logika yang
rumit dan pankng. Flowchart membantu mengkomunikasikan jalannya program
ke orang lain (bukan pemrogram) akan lebih mudah (Santoso, 2017:86). Simbol-
simbol flowchat dapat dilihat pada Tabel 2.7
27
Tabel 2.7 Simbol Flowchart
No Simbol Keterangan
1
Terminal
Untuk memulai dan mengakhiri system, orang
atau bagian luar system
2
Kegiatan manual
Kegiatan yang dilakukan secara manual tanpa
bantuan elektronik.
3
Catatan
Untuk jurnal, kartu, buku besar
4
Arsip permanen
Tempat untuk menyimpan arsip secara
permanan
5
Arsip Sementara
Tempat untuk menyimpan arsip secara
sementara
6
On page conector
Menghubungkan bagian flowcher yang satu
dengan bagian flowchart yang lain dalam
halaman desain yang sama
7
Off page conector
Menghubungkan bagian flowchart yang satu
dengan bagian flowchat lain dalam halaman
sedain yang berbeda
8
Komentar
Memberikan informasi atau keterangan yang
diperlukan untuk melengkapi
28
Sumber: (Santoso, 2017:86).
2.2 Tinjauan Penelitian
Dalam tinjauan penelitian ini dapat dijelaskan penelitian-penelitian relevan
yang menunjukkan bahwa skripsi yang ditulis terkait dengan hasil penelitian
terdahulu dan yang dituliskan cukup abstraksi.
1. Penelitian yang dilakukan oleh (Manik, et al.,2017) tentang DataMining
Pengelompokkan Kasus Kenakalan Remaja Dikota Binjai Dengan
Menggunakan Metode Clustering (Studi Kasus POLRES Binjai) : Kenakalan
remaja lebih banyak dilihat dari ketindakan yang merugikan diri sendiri,
seperti penyalahgunaan narkoba, perbuatan cabul, penganiayaan, berjudi,
mencuri, pemerkosaan, pembunuhan dan masih banyak lainnya. Tujuan dari
penelitian ini untuk memudahkan proses perhitungan dan analisis dalam
menentukan wilayah kota Binjai mana saja yang kasus kenakalan remajanya
masih tertinggi. Hasil akhir dari penelitian ini adalah mengetahui kasus
kenakalan remaja dikota Binjai berdasarkan wilayah, jenis kejahatan dan usia,
9
Garis alur
Alur informasi bagan flowchart
10
Basis Data
Untuk media penyimpanan secara
terkomputerisasi
29
serta dapat mempermudah pihak polres Binjai dalam menanggulangi
kenakalan remaja.
2. Penelitian yang dilakukan oleh (Sembiring, et al.,2020): Pungutan liar
(pungli) merupakan tindakan kejahatan yang dilakukan oleh pihak yang tidak
bertanggung jawab atau seseorang atau pegawai negeri atau pejabat negara
dengan cara meminta pembayaran uang yang tidak termasuk kedalam
aturan administrasi yang dibutuhkan. Metode K-Means dapat membantu
mengklasifikasikan daerah pungutan liar di kabupaten Sukabumi pada
dinas kependudukan dan pencatatan sipil. Variabel yang digunakan
dalam penelitian ini E-KTP, AKTA dan Kartu Keluarga Setiap variabel
memiliki nilai bobot yang berbeda. Data yang akan digunakan dalam
penelitian ini adalah data laporan pada bulan Januari 2019 berbentuk
SQL. Penelitian ini hanya akan membahas tentang berapa banyak kejadian
pungli yang terjadi di setiap kecamatan yang ada di kabupaten Sukabumi
tentang kependudukan dan pencatatan sipil. Adapun tujuan dari
penelitian ini adalah untuk menentukan cluster tingkat pungutan liar
tinggi, sedang dan rendah. Hasil dari penelitian ini memperoleh data
indeks kecamatan dengan tingkat jumlah laporan masyarakat daerah
terhadap pungutan liar, data dengan klasifikasi tingkat tinggi yaitu
Cireunghas, Gegerbitung, Kalapa Nunggal, Kalibunder, Purabaya, Simpenan,
Parung Kuda, Sukaraja, Nagrak, Nyalindung, Pelabuhanratu, Surade,
Warungkiara. Data tingkat pungutan liar sedang terdapat pada 19
kecamatan dan 15 tingkat pungutan liar rendah. Hal ini dapat menjadi
masukan kepada dinas kependudukan dan pencatatan sipil, kecamatan yang
30
menjadi tindakan pungutan liar paling tinggi diprioritas untuk melakukan
penyuluhan kepada kecamatan tersebut.
3. Penelitian yang dilakukan oleh (Sibue, at al.,2017) tentang Pemetaan Siswa
Berprestasi Menggunakan Metode K-Means Clustering : Tingginya tingkat
keberhasilan siswa dan rendahnya tingkat kegagalan siswa merupakan
cermin kualitas dunia pendidikan. Dunia pendidikan saat ini dituntut
untuk memiliki kemampuan bersaing dengan memanfaatkan semua sumber
daya yang dimiliki. Selain sumber daya sarana, prasarana dan manusia,
sistem informasi merupakan salah satu sumber daya yang dapat digunakan
untuk meningkatkan kemampuan barsaing. Data mining merupakan proses
analisa data untuk menemukan suatu pola dara kumpulan data. Datamining
mampu menganalisa jumlah data yang besar menjadi informasi yang
mempunyai arti bagi pendukung keputusan. Salah satu proses data
mining adalah clustring. Atribut yang digunakan dalam pengelompokan
prestasi siswa adalah Nama, Ekstrakulikuler, Nilai yang meliputi Nilai
Tugas, Nilai Uts, Nilai Uas, jumlah ketidak hadiran siswa (absensi), dan
Nilai sikap. Studi kasus pada 20 siswa dengan perhitungan jarak
menggunakan manhattan distance, chbychep distance dan euclidian
distance menghasilkan akurasi sebesar 67%.
4. Penelitian yang dilakukan oleh Rinawati, ea al., 2020) tentang Analisis
Algoritma Data mining pada Kasus Daerah Pelaku Kejahatan Pencurian
Berdasarkan Provinsi : Pencurian merupakan perilaku yang menyebabkan
kerugian bagi korban yang menjadi sasaran dan bisa menyebabkan
korban. Tingkat perilaku pencurian semakin meningkat di setiap daerah
31
karena semakin banyaknya tingkat pengangguran dan sifat malas bekerja
yang membuat seseorang melakukan pencurian untuk memenuhi
kebutuhan hidupnya. Tujuan penelitian adalah untuk menganalisa dengan
menggunakan teknik datamining pada daerah pelaku kejahatan pencurian
berdasarkan provinsi. Teknik yang digunakan adalah klastering dengan
metode K-means. Hasil dari penelitian dengan menggunakan teknik ini
adalah berupa cluster terdapat daerah di Indonesia yang memiliki tingkat
kejahatan pencurian
tertinggi. Dari hasil penelitian menggunakan teknik K-means, bahwa terdapat
17 provinsi dari 34 provinsi yang daerah pelaku kejahatan pencurian
tertinggi (C1) yakni: Aceh, Sumatera Utara, Sumatera Barat, Riau,
Jambi, Sumatera Selatan, Lampung, DKI Jakarta, Jawa Barat, Jawa
Tengah, Jawa Timur, Banten, Nusa Tenggara Barat, Nusa Tenggara Timur,
Kalimantan Selatan, Sulawesi Selatan, Papua. Hasil penelitian diharapkan
menjadi informasi bagi pemerintah dalam melakukan kebijakan mengurangi
tingkat kejahatan pencurian di Indonesia yang sangat tinggi (> 50%).
2.3 Kerangka Pemikiran
Peran dari Data Mining pada dasarnya dirancang sedemikian rupa
sehingga bersifat interaktif dengan pemakainya. Maksud dan tujuan adanya
DataMining yaitu membantu petugas untuk mengelompokkan tindak kejahatan
pencurian di Kabupaten Asahan sesuai dengan data tindak kejahatan pencurian
agar pihak POLRES mengetahui tidak kejahatan pencurian tertinggi dan
bagaimana mengcover dan mencegah serta strategi yang akan dilakukan untuk
32
mengurangi tindak kejahatan pencurian tersebut dan memudahkan para Polisi
untuk melakukan patroli. Hal ini yang membuat penulis ingin membuat sebuah
aplikasi dalam pengelompokkan tindak kejahatan pencurian menggunakan bahasa
pemrogramanPHP.
Langkah dalam kerangka pemikiran dapat digambarkan dalam bentuk
flowchart sebagai berikut ini:
Gambar 2.7Kerangka Pemikiran
Mulai
Studi Awal
Data Lapangan
Pengolahan Data
Pengujian
Implementasi
Teknik Data Mining
Kesimpulan Dan
Saran Hasil
33
Kerangka pemikiran dari penelitian ini dilakukan dengan beberapa tahapan,
antara lain :
1. Pendefinisian rumusan masalah
2. Kemudian pada tahapan kedua melakukan analisis dan desain dengan
penerapan teknik Data Mining untuk membantu memecahkan rumusan
masalah yang ada.
3. Tahap ketiga adalah metode pengumpulan data dimana data diambil sebagai
kepentingan penelitian dengan menggunakan sampel.
4. Di tahap keempat merupakan pencarian subjek penelitian, dimana penulis
mendapatkan data yang dibutuhkan dalam pencapaiaan tujuan.
5. Sedangkan tahap terakhir adalah penerapan dan pengujian dengan
menggunakan bahasa pemrograman php.
Hasil yang diperoleh dari penelitian ini adalah sistem Data Mining untuk
pengelompokkan data pencurian tertinggi.
34
2.4 Tinjauan Umum
2.4.1 Struktur Organisasi SAT RESKRIM POLRES ASAHAN
PERATURAN KAPOLRI NOMOR : 23 TAHUN 2010 TANGGAL 30 SEPTEMBER 2010
KASAT RESKRIM
ADRIAN RIZKY LUBIS, S.I.K AKP NRP 87041665
KAUR BIN OPS
ALI YUNUS. SIREGAR IPTU NRP 64020965
KAURMINTU
ALDO FAHREZI RAJA MUDA, S. Tr. K
IPDA NRP 95091192
KAUR IDENTIFIKASI
HANAFI GURU SINGA
AIPTU NRP 71100031
KAPOLRES ASAHAN
NUNGROHO DWI KARYANTO, S.I.K.
AKBP NRP 77040944
WAKA POLRES
MUHAMMAD IKHWAN, SH, M.H KOMPOL NRP 65110332
KANIT III / TIPIDKOR AGUS SETYAWAN, S.I.K, M.M
IPTU NRP 92080442
KANIT II / EKONOMI
NANIN APRILIA FITRIANI, S. Tr. K IPDA NRP 92040579
KANIT IV / TIPIDTER ERWIN SYAHRIZAL, SH
IPDA NRP 70100044
KANIT I / RESUM MUL;YOTO, SH
IPDA NRP 78100075
KANIT PPA ANWAR SANUSI. S, SH, M.H
IPDA NRP 79070523
UNIT JATANRAS / PIDUM PENYIDIK JATANRAS I :
1. AIPTU M. SITORUS NRP 62121071 2. AIPTU BZ. SIMANJUNTAK NRP 71110123 3. BRIPDA DEDI KURNIAWAN NRP
92110628
OPSNAL JATANRAS I : 4. BRIPKA SARIONO NRP 81061263 5. BRIPKA BAYU MAISA AIDIL NRP
85060470 6. BRIPKA BAMBANG PRIANTUSO NRP
83111315
PENYIDIK JATANRAS II 7. BRIPKA GOSYEN NA70, SH NRP 86080162 8. BRIPDA RUDY A. PRAMANA NRP
93110860 9. BRIPDA MICHAEL A. SAMOSIR NRP
95080466
UNIT EKONOMI PENYIDIK EKONOMI :
1. AIPTUAHMADI NRP 72100245 2. BRIPKA ROBET PADLI, SH NRP 79060359 3. BRIPKA RENER H TAMBUNAN, SH, MH
NRP 87070141
OPSNAL EKONOMI : 4. AIPTU JANES BUTAR BUTAR NRP
72010150 5. AIPTU PUJI SEMEDI NRP 72040204 6. AIPDA JONGGA MAHULAE, SH NRP
76100533
UNIT TIPIKOR PENYIDIK TIPIDKOR
1. BRIPKA GUNAWAN SAFI’I GINTING, SH NRP 83110049
2. BRIGADIR TOMAN NAPITUPULU, SH NRP 87020705
3. BRIGADIR AKHMAD EFENDI NRP 89080260
4 BRIPTU DAQSUR HASNAN HARAHAP NRP 92100209
OPSNAL TIPIDKOR : 4. AIPDA IWAN ARIF NRP 77070837 5. BRIPKA DICKY A. SIRINGORINGO, SH
NRP 82121050
UNIT TIPITER PENYIDIK TIPITER :
1. BRIPKADAVID. S. SILAEN NRP 84120568 2. BRIGADIR DODY AZHARI, SH NRP
85010865 3. BRIGADIR ASIDO NABABAN, SH NRP
85040836 4. BRIGADIR FERY HABEAHAAN, SH NRP
83031466 5. BRIPDA KRIS JUAN HAREFA NRP
95120631
OPSNAL TIPITER : 6. BRIPKA LAMBOK SIRINGORINGO, SH
NRP 81060286 7. BRIPKA M. ROY BUTAR BUTAR NRP
84030391 8. BRIPKA RAYON HR. ARUAN NRP
84070279 9. BRIGADIR HUZNI AFWA NRP 87010270
UNIT PPA PENYIDIK PPA:
1. AIPTU ERIKA .R. SIRAIT NRP 7810026 2. BRIGADIR RIYADI, SH NRP 78071143 3. BRIGADIR FRESCO EXTRADA. S, SH NRP
86111268 4. BRIPDA SRI ARMIDA NRP 94040923 5. BRIPDA RUMANTY V SITORUS NRP
95050399 6. BRIPDA RETNO REVITAYANI NRP
94090983
OPSNAL PPA : 7. AIPTU M. MUKHLIS HARAHAP NRP
72030257 8. BRIPKA ARMADA HUTAHAEAN NRP
80030994 9. BRIGADIR HASANUDDIN HASIBUAN 10. BRIPDA RAJA MUARA HUTAGAOL NRP 94100761
Gambar 2.8 Struktur Organisasi SAT RESKRIM
POLRES ASAHAN
2.4.2 Tugas Dan Wewenang
Dalam melakukan pengolahan suatu POLRES, Kapolres dan eakil-
wakilnya mempunyai tugas sebgai berikut :
1. Kapolres
Kapolres bertugas:
1) Memimpin, membina, mengawasi, dan mengendalikan satuan organisasi
dilingkungan POLRES dan unsur pelaksana kewilayahan daam
jajarannya; dan
2) Memberikan saran pertimbangan kepada Kapolda yang terkait dengan
pelaksanaan tugasnya.
2. Wakapolres
Wakapolres bertugas:
1) Membantu Kapolres dalam melaksanakan tugasnya dengan mengawasi,
mengendalikan, mengkoordinir pelaksana tugas seluruh satuan organisasi
POLRES.
2) Dalam batas kewenangannya memimpin POLRES dalam hal Kapolres
berhalangan; dan
3) Memberikan saran pertimbangan kepada Kapolres dalam hal
pengambilan keputusan berkaitan dengan tugas pokok POLRES.
3. Kasat Reskrim
Kasat Reskrim bertugas:
Membina fungsi dan menyelenggarakan kegiatan-kegiatan penyelidikan dan
penyidikan tindak pidana, termasuk fungsi identifikasi dalam rangka
penegakan hukum, koordinasi dan pengawasan operasional dan administrasi
penyidikan PPNS sesuai ketentuan hukum dan peraturan yang berlaku. Dalam
melaksanakan tugasnya Sat Reskrim menyelenggarakan fungsi:
1) Mengelola sumber daya yang tersedia secara optimal serta meningkatkan
kemampuan dan daya gunanya.
2) Mengelola ketertiban administrasi keuangan atau perbendaharaan baik
yang diadakan melalui program APBN maupun bantuan dari Pemda atau
masyarakat serta menggunakannya seoptimal mungkin bagi keberhasilan
pelaksanaan tugas.
3) Menjabarkan dan menindak lanjuti setiap kebijakan Pimpinan.
4) Dalam melaksanakan tugasnya wajib menerapkan prinsip koordinasi,
integrasi dan sinkronisasi POLRES maupun dalam hubungannya dengan
Instansi Pemerintah dan lembaga lainnya.
5) Menyelenggarakan kegiatan penyelidikan atau penyidikan tindak pidana
umum dan tertentu, dengan memberikan pelayanan atau perlindungan
khusus kepada korban atau pelaku remaja, anak-anak dan wanita, dalam
rangka penegakan hukum sesuai dengan ketentuan hukum yang berlaku.
4. Kaur Bin Ops
Urusan Pembinaan Operasional Sat Intelkam POLRES Asahan dipimpin
Kepala Urusan Pembinaan Operasional Intelkam POLRES Asahan, disingkat
Kaur Bin Operasional Intelkam yang bertanggung jawab atas pelaksanaan
tugas kewajibannya kepada Kasat Intelkam Polres Banjarbaru, Kaur Bin
Operasional bertugas:
1) Merumuskan dan mengembangkan prosedur dan tatacara kerja tetap bagi
pelaksanaan fungsi Reskrim serta mengawasi, mengarahkan, dan
mengevaluasi pelaksanaannya.
2) Menyiapkan rencana dan program kegiatan termasuk rencana pelaksaan
operasi khusus fungsi Reskrim.
3) Mengatur penyelenggaraan dukungan administrasi bagi pelaksana tugas
operasional.
4) Menyelenggarakan administrasi operasional termasuk administrasi
penyidikan serta mengatur penyelenggaraan gelar perkara.
5. Kaur Mintu
Urusan Administrasi dan Tata Usaha POLRES Asahan dipimpin oleh Kepala
Urusan Administrasi dan Tata Usaha disingkat Kaur Mintu yang
bertanggung jawab atas pelaksanaan tugas kewajibannya kepada Kasat
Intelkam POLRES Asahan, Kaur Mintu bertugas:
1) Kaur Mintu adalah Kepala Urusan Administrasi dan ketatausahaan
bertugas menyelenggarakan urusan administrasi, urusan ketatausahaan
dan urusan dalam, termasuk pelayanan keuangan, dilingkungan Sat
Lantas yang berada dibawah Kaur Bin Ops dan bertanggung jawab Kasat
Lantas.
2) Membantu Kasat Lantas mengendalikan satuan lalu lintas dalam urusan
administrasi dan ketatausahaan dan bertanggung jawab kepada Kaur Bin
Ops.
3) Menyelengarakan kegiatan pengumpulan, pengolahan dan penyajian
data/informasi yang berkenaan dengan aspek pembinaan dan pelaksanaan
fungsi lalu lintas.
6. Kaur Identifikasi
Kaur Identifikasi bertugas:
1) Membantu KBO Reskrim dalam pelaksanaan fungsi identifikasi yang
meliputi pelaksanaan pengambilan, perumusan, penyimpanan dan
pelayanan Sidik Jari yang menyangkut Kriminal maupun Non Kriminal,
termasuk dalam rangka mendukung pelaksanaan tugas satuan fungsi lain
serta pelaksanaan Fotografi Kepolisian dan upaya
pengenalan/pembuktian melalui ciri-ciri manusia (sinyalemen), termasuk
dalam rangka mendukung pelaksanaan tugas satuan fungsi lain.
2) Mengatur dan menjaga ketertiban dan kebersihan pelaksanaan Filling
dan Recording dari dokumentasi sidik jari, dokumentasi sinyalemen
pelaku-pelaku kejahatan dan dokumentasi sinyalemen orang umum
(untuk keperluan SIM, SKCK dan lain-lain).
3) Dalam melaksanakan tugas kewajiban bertanggung jawab kepada Kasat
Reskrim / KBO Reskrim.
7. Kanit I /Resum
Kanit I /Resum bertugas:
1) Menerima laporan Polisi dari Kaur Bin Ops untuk selanjutnya diserahkan
kepada anggota unit yang telah ditunjuk untuk menangani laporan Polisi
tersebut.
2) Mengontrol tahanan antara lain jumlah tahanan, kebersihan kamar
tahanan dan makanan tahan.
3) Mengawasi dan membimbing dalam pelaksanann penyidikan yang
ditandai oleh anggota unit.
4) Mengadakan koordinasi dengan jaksa dan penuntut umum yang berkaitan
dengan penyidik perkara yang sedang ditangani.
5) Mencatat keluar masuk tahanan.
6) Membuat regester kontrol perkara.
7) Membuat laporan hasil pelaksanaan tugas.
8) Memberikan APP kepada anggota unit sebelum melaksanakan kegiatan
operasional.
8. Kanit II /Ekonomi
Unit II adalah Unit Operasional yang bertugas melaksanakan kegiatan
penyelidikan, pengamanan dan penggalangan juga bertugas dalam melakukan
pendataan dan dokumentasi (Filling and recording) dalam bidang social
ekonomi, Kanit II /Ekonomi bertugas:
1) Masalah Moneter meliputi keuangan, perbankkan, investasi, dan
perpajakan.
2) Masalah Industri perdangan dan Koperasi.
3) Sumberdaya alam meliputi pertanian, kehutanan, pertambangan dan
energi.
4) Masalah pangan dan meliputi pengadaan, penyimpanan dan distribusi
terutama menyangkut 9 bahan pokok.
5) Pariwisata, Perhubungan, telekomonikasi dan transfortasi.
6) Pengawasan proyek pemerintah dan dana bantuan dari pemerintah
7) Melakukan deteksi terhadap gejolak yang akan timbul terkait dengan
bidang social ekonomi.
8) Melakukan pembentukan dan pembinaan jaringan Intelijen.
9) Menyusun Perkiraan Intelijen Keamanan dibidang sosial ekonomi dan
menyajikan hasil analisis setiap perkembangan yang perlu mendapat
perhatian pimpinan
10) Unit II dipimpin oleh Kepala Unit II yang di singkat Ka Unit II yang
bertanggung jawab atas pelaksanaan tugas dan kewajiban kepada
Intelkam POLRES Asahan.
9. Kanit III /Tipidkor
Kanit III Tipidkor adalah salah satu bagian/sub dari Ditreskrimsus yang
bertugas melakukan penyelidikan dan penyidikan tindak pidana korupsi yang
terjadi didaerah hukum, Kanit III Tipidkor bertugas:
1) Penyelidikan dan penyidikan tindak pidana korupsi yang terjadi di daerah
hukum.
2) Pemberkasan dan penyelesaian berkas perkara sesuai dengan ketentuan
administrasi penyelidikan dan penyidikan tindak pidana korupsi.
3) Penerapan manajemen anggaran, serta manajemen penyelidikan dan
penyidikan tindak pidana korupsi.
10. Kanit IV /Tipidter
Kanit IV /Tipidter adalah salah satu bagian/sub dari Ditreskrimsus yang
bertugas melakukan penyelidikan dan penyidikan Tipidter yang terjadi di
daerah hukum.
1) Penyelidikan dan penyidikan Tipidter yang terjadi di daerah hukum.
2) Pemberkasan dan penyelesaian berkas perkara sesuai dengan ketentuan
administrasi penyelidikan dan penyidikan Tipidter.
3) Penerapan manajemen anggaran, serta manajemen penyelidikan dan
penyidikan Tipidter.
11. Kanit PPA
Kanit PPA bertugas:
1) Unit ini melakukan penyelidikan dan penyidikan secara tintas terhadap
pengungkapan kasus tindak pidana yang berkaitan dengan
anak/remaja/wanita, asusila, imigran, human traficking serta KDRT
(kekerasan dalam rumah tangga) dan bertanggung jawab langsung
kepada Kasatreskrim. Kanit mengarahkan, memotivasi dan mengontrol
tentang lannya penyelidikan.
2) Perkembangan hasil penyidikan serta melaporkan semua kegiatan
anggota dan pengungkapan kasus kepada pimpinan.
3) Memberikan saran dan pendapat kepada pimpinan dalam rangka
penanganan kasus prioritas dan menonjol serta melakukan koordinasi
dengan unit lainnya dalam Satreskrim POLRES Asahan dan instansi
lintas sektoral.
4) Mengkoordinir dan memback up baik bimbingan taktis dan teknis Unit
Reskrim POLSEK dalam rangka ungkap kasus prioritas dan kasus
menonjol terkait bidang unit PPA.
5) Melakukan penyelidikan dan penyidikan terhadap laporan polisi yang
ditangani oleh Unit PPA Satreskrim Polres Asahan serta melakukan
pemberkasan perkara dan mengirim tersangka serta barang bukti kepada
jaksa penuntut umum.
2.4.3 Visi Dan Misi POLRES Asahan
2.4.3.1 Visi
Terwujudnya POLRI yang semakin profesional modern dan terpercaya guna
mendukung terciptanya indonesia yang berdaulat, mandiri dan berkepribadian
berdasarkan gotong royong.
2.4.3.2 Misi
1. berupaya melanjutkan reformasi internal POLRI
2. mewujudkan organisasi dan postur POLRI yang ideal dengan didukung
sarana dan prasarana kepolisian yang modern.
3. Mewujudkan pemberdayaan kualitas sumber daya manusia POLRI yang
profesional dan kompeten yang menjunjung etika dan HAM
4. Peningkatan kesejahteraan POLRI
5. Meningkatkan kualitas pelayanan prima dan kepercayaan publik kepada
kepolisian
6. Memperkuat kemampuan pencegahan kejahatan dan deteksi dini
berlandaskan prinsip pemolisian proaktif dan pemolisian yang berorientasi
pada penyelesaian akar masalah.
7. Meningkatkan HARKAMTIBNAS dengan mengikutsertakan publik melalui
sinergitas polisional.
8. Mewujudkan penegakkan hukum yang profesional, berkeadilan, menjunjung
tinggi HAM dan anti KKN.
2.4 Hipotesis
Menurut perumusan masalah dan kerangka kerja pemikiran sebelumnya,
dapat dirumuskan hipotesis mengenai penerapan metode K-Means dalam
pengelompokkan data tindak kejahatan pencurian berdasarkan tindak kejahatan
pencurian tertinggi.
Adapun yang dapat dituliskan penulis adalah sebagai berikut:
1. Dengan penerapan Metode Algoritma K-Means dalam pengelompokan tindak
kejahatan pencurian di Kaupaten Asahan penelitian ini dapat mempermudah
pihak POLRES ASAHAN dalam menetukan daerah yang sering terjadi
pencurian.
2. Dengan menggunakan Metode K-Means dan pemograman PHP. Sehingga,
dapat ditemukan solusi dari permasalahan dengan mengetahui tinggi
rendahnya kejahatan pencurian yang terjadi pada masing-masing daerah.
Maka di harapka petugas bisa melakukan sosialisasi dan pengawasan ekstra
atau tidak di daerah yang tepat.
top related