ANALISIS TINGKAT DAERAH RAWAN KRIMINALITAS MENGGUNAKAN METODE KERNEL DENSITY DI WILAYAH HUKUM POLRESTABES KOTA SEMARANG

Abstract

ABSTRAK

Tindak kriminalitas merupakan suatu permasalahan yang terjadi di setiap wilayah termasuk di Kota Semarang, namun di Polrestabes Kota Semarang belum dapat memvisualisasikan kejadian kriminalitas ke dalam bentuk peta sehingga diperlukan suatu metode untuk menganalisis dan menentukan daerah rawan kriminalitas. Pada penelitian ini, dilakukan pemetaan daerah rawan kriminalitas di Kota Semarang. Metode Clustering yang digunakan dalam penelitian ini adalah Kernel Density. Metode Kernel Density adalah pengelompokan data berdasarkan kerapatan TKP dari tindak kejahatan berdasarkan radius tertentu. Hasil penelitian ini menunjukan terdapat 1965 kasus kriminalitas selama tahun 2016-2018. Daerah tingkat kerawanan untuk seluruh kasus dan setiap kasus di 16 Kecamatan Kota Semarang  terbagi menjadi 5 kelas, yaitu daerah rawan sangat tinggi, tinggi, sedang, rendah dan sangat rendah. Berdasarkan hasil verifikasi menggunakan metode Kernel Density berdasarkan data kriminalitas tahun 2019, nilai rata-rata yang di peroleh sebesar 49,13%

Kata Kunci : Kernel Density, Kriminalitas, Sistem Informasi Geografis.

ABSTRACT

Crime is a problem that occurs in every region including in the city of Semarang, but in Polrestabes city of Semarang has not been able to visualize the incidence of crime into the form of map so it is needed a method to Analyzing and determining areas of crime prone. In this research, conducted mapping of crime prone areas criminality in Semarang. The Clustering method used in this study is Kernel Density. The Kernel Density method is a grouping of data based on crime SCENE density from a specific radius. The results of this study showed 1965 cases of criminality during the year 2016-2018. Areas of insecurity for all cases and each case in 16 districts of Semarang is divided into 5 classes, namely the area is very high, high, medium, low and very low. Based on the verification results using Kernel Density method based on the crime data of 2019, the average value gained by 49,13%

Keywords : Criminality, Geographic Information Systems, Kernel Density.