ANALISIS POLA TINDAK KEJAHATAN MENGGUNAKAN VISUALISASI ATURAN ASOSIASI BERBASIS GRAPH (Studi Kasus: Data Kepolisian Daerah Istimewa Yogyakarta)

EDUARDUS HARDIKA S.A, Dr. Azhari SN, M.T

2016 | Tesis | S2 Ilmu Komputer

Kriminalitas merupakan permasalahan sosial yang dapat mengakibatkan dampak negatif bagi kesejahteraan masyarakat. Kepolisian sebagai aparat penegak hukum dituntut untuk dapat melakukan upaya pencegahan kriminalitas yang semakin marak. Upaya tersebut dapat diwujudkan dengan cara mengalisis data kejahatan untuk mendapatkan informasi yang berguna bagi penyusunan strategi pencegahan kriminalitas. Namun, mereka menghadapi permasalahan untuk mengambil pengetahuan tersebut secara lebih efektif dari data kriminalitas. Dalam penelitian ini, data mining digunakan untuk menyelesaikan permasalahan kesulitan ekstraksi pengetahuan dari kumpulan data. Teknik tersebut bertujuan untuk mendapatkan informasi mengenai pola tindak kejahatan dengan cara menganalisis kebiasaan tindak kejahatan yang terjadi. Metode association rule mining dan algoritma apriori digunakan untuk menemukan pola tindak kejahatan. Pola tidak kejahatan yang dihasilkan oleh data mining menjadi sulit untuk dipahami maknanya ketika rule yang dihasilkan banyak. Visualisasi aturan asosiasi berbasis graph dirancang untuk mengatasi permasalahan kesulitan penyajian data dari association rule. Visualisasi yang dihasilkan berupa graph hubungan antara satu kejahatan dengan kejahatan lainnya. Dari visualisasi tersebut dapat terlihat kejahatan apa saja yang mungkin dilakukan ketika seseorang melakukan suatu kejahatan dengan disertai nilai pendukung. Visualisasi tersebut diharapkan dapat membantu pihak kepolisian untuk memahami pola tindak kejahatan sehingga dapat dilakukan upaya pencegahan secara lebih efektif. Association rule mining dan algoritma apriori diuji dengan mengubah nilai threshold yaitu support dan confidence. Hasilnya kemudian dibandingkan dengan hasil dari tool WEKA. Range nilai yang dapat menghasilkan keterkaitan antar kejahatan adalah minsup dari 0,01 sampai 0,54 dan minconf dari 0,01 sampai 0,82. Hasil penelitian menunjukkan bahwa visualisasi aturan asosiasi dapat menyajikan aturan asosiasi dengan lebih menarik serta mampu menggambarkan pola tindak kejahatan.

Criminality is a social problem causes negative impacts on society welfare. Police as law enforcement officers are required to take steps to prevent criminality which is increasingly widespread. Such efforts can be realized by analizing criminal data to obtain useful information for the preparation of criminal prevention strategies. However, extracting knowledge from criminal data effectively is problematique for them. In this study, data mining is used to solve knowledge extraction problem from the dataset. The technique aims to get information about crimes pattern by analyzing criminal activity habits. Association rule mining and apriori algorithm is used to find crimes pattern. Generating crime pattern in data mining is difficult to understand when there are too many rules. Graph based visualization of association rules designed to solve the data presentation problem from it. Generated visualization shows relationship graph between crimes. From it, can be seen what crimes might be when someone do a crime, accompanied by support value. That visualization are expected to help the police to understand the crime pattern so they can do prevention efforts more effectively. Association rule mining and apriori algorithm was tested by changing the threshold (support and confidence). The results compared with the results from WEKA tool. Range of values that can generate crimes association are minsup from 0,01 until 0,54 and minconf from 0,01 until 0,82. The results showed that the visualization of association rules can present association rules in more interesting way and describe the crime pattern.

Kata Kunci : data mining, association rule mining, apriori, visualization, graph