skip to main content

ZONASI DAERAH RAWAN PENCURIAN KENDARAAN BERMOTOR (CURANMOR) DI KOTA SEMARANG DENGAN MENGGUNAKAN METODE CLUSTER ANALYSIS

Departemen Teknik Geodesi, Universitas Diponegoro, Indonesia

Received: 2 Oct 2019; Published: 7 Oct 2019.

Citation Format:
Abstract

ABSTRAK

Tindak pencurian kendaraan bermotor (curanmor) merupakan salah satu tindakan kriminal yang terjadi di setiap daerah terutama Kota Semarang, namun belum ada visualisasi kejadian curanmor ke dalam bentuk peta dari Polrestabes Kota Semarang, sehingga Metode Cluster Analisis dalam SIG dapat digunakan untuk menentukan dan menganalisis daerah rawan curanmor. Pada penelitian ini, dilakukan pemetaan daerah rawan curanmor di Kota Semarang dengan menggunakan tiga Metode Cluster Analisis, yaitu Kernel Density, K-Means dan K-Medoids. Metode Kernel Density adalah pengelompokan data berdasarkan kerapatan/density TKP dari tindak curanmor, metode K-Means adalah pengelompokan data berdasarkan centroid/pusat kejadian curanmor di tiap kelurahan, sedangkan metode K-Medoids adalah pengelompokan data berdasarkan nilai medoids yang di ambil dari objek data jumlah kejadian curanmor di tiap kelurahan. Hasil penelitian ini terdapat 1286 kasus curanmor yang terdiri dari 275 kasus pada tahun  2014, 424 kasus pada tahun 2015, 307 kasus pada tahun 2016, 161 kasus pada tahun 2017 dan 119 kasus pada tahun 2018. Daerah kerawanan dari metode Kernel Density, K-Means dan K-Medoids mempunyai hasil yang berbeda-beda. Berdasarkan hasil dari verifikasi menggunakan data kasus bulan Januari – April 2019, metode Kernel Density memiliki nilai verifikasi daerah rawan (tingkat kerawanan tinggi dan sedang)  yang paling besar dibanding dengan metode K-Means dan K-Medoids, yaitu 82,35%.

 

Kata Kunci : Curanmor, K-Means, K-Medoids, Kernel Density, SIG.

 

 

ABSTRACT

Motor vehicle theft (curanmor) is one of the criminal acts that occurred in each area, especially Semarang City, but there is no visualization of the event of curanmor in the form of maps from the Semarang City Polrestabes, so the Cluster Analysis Method in GIS can be used to determine and analyze vulnerable areas chancel. In this study, mapping of the area of hazard-prone areas in Semarang using three Cluster Analysis Methods, namely Kernel Density, K-Means and K-Medoids. Kernel Density method is a grouping of data based on the density of the crime scene from the act of curanmor, the K-Means method is grouping data based on centroids/center of curanmor events in each village office, while the K-Medoids method is grouping data based on medoids values taken from the number of data objects incidents of fraud in each village. The results of this study were 1286 cases of fraud consisting of 275 cases in 2014, 424 cases in 2015, 307 cases in 2016, 161 cases in 2017 and 119 cases in 2018. The area of vulnerability from the Kernel Density method, K-Means and K-Medoids have different results. Based on the results of the verification using case data for January - April 2019, the Kernel Density method has the highest value of verification of hazard areas (high and medium vulnerability) compared to the K-Means and K-Medoids methods, which is 82.35%.

 

Keyword : Curanmor, K-Means, K-Medoids, Kernel Density, GIS.

Fulltext View|Download
Keywords: Curanmor, K-Means, K-Medoids, Kernel Density, SIG.

Article Metrics:

Last update:

No citation recorded.

Last update:

No citation recorded.