IDENTIFIKASI PELAKU UTAMA PADA JARINGAN TINDAK KRIMINAL BERKELOMPOK MENGGUNAKAN METODE SEMANTIC SOCIAL NETWORK ANALYSIS (Studi Kasus : Polresta Yogyakarta)

SYLVERT P TAHALEA, Dr. Azhari SN., M.T.

2017 | Tesis | S2 Ilmu Komputer

Kriminalitas merupakan masalah sosial yang memberikan dampak negatif bagi masyarakat. Kasus kejahatan dimasyarakat sangat beragam, salah satunya adalah kasus kejahatan berkelompok.Pihak kepolisian sebagai penegak hukum yang merupakan pihak berwenang dalam hal perlindungan masyarakat diharapkan mampu melakukan baik itu upaya pencegahan maupun upaya penyelidikan serta penyelesaian terhadap kasus tindak kriminal yang terjadi di masyarakat. Namun, terdapat beberapa permasalahan yang terjadi yang dapat memperlambat proses penyelidikan dari data kasus kejahatan tersebut. Dalam penelitian ini, semantic social network analysis digunakan untuk membantu mempercepat proses penyelidikan yang dilakukan pihak kepolisian terkhusus dalam kasus kejahatan berkelompok. Pengukuran sentralitas yang dilakukan pada penelitian ini menggunakan hubungan kekerabatan yang terjadi antar pelaku kejahatan berkelompok untuk mengidentifikasi pelaku utama dari kasus kejahatan tersebut. Relasi-relasi yang digunakan antara lain keluarga, teman dekat, pacar, suami istri, rekan kerja, dan kenalan. Relasi kemudian diberikan bobot yang berbeda sesuai dengan tingkat kedekatan masing-masing relasi. Pengukuran sentralitas yang digunakan antara lain, pengukuran sentralitas tingkatan digunakan untuk menghitung sentralitas pelaku berdasarkan banyaknya relasi yang dimiliki, sentralitas kedekatan digunakan untuk mehitung posisi pelaku sebagai perantara dalam suatu kasus, sentralitas kedekatan digunakan untuk menghitung kedekatan pelaku dengan pelaku lainnya, sentralitas eigenvektor untuk menghitung sentralitas pelaku berdasarkan relasi yang dimiliki pelaku sedangkan sentralitas menyeluruh digunakan untuk menentukan pelaku utama dari kasus berdasarkan hasil perhitungan sentralitas lainnya. Hasil pengujian sistem menggunakan data kriminal berkelompok menunjukan bahwa sistem mampu memberi visualiasi jaringan dalam bentuk graf dan mengidentifikasi pelaku utama dengan menggunakan metode semantic social network analysis dengan akurasi sebesar 80,39%.

Criminality is a social problem that has a negative impact on society. Cases of crime in the community is very diverse, one of which is a case of group crime. In the case of criminal or group crimes this can happen on a small scale or large scale. The police as law enforcers who are the party authorities in terms of society protection is expected to do both the prevention and investigation efforts also the settlement of criminal cases that occurred in the society. However, there are some problems that can slow down the process of crime investigation. In this study, semantic social network analysis is used to help speed up the crime investigation process especially in cases of group crime. Relationship between criminals used as weight in centrality measure to identify central actor in those criminal cases. Relationships used are family, spouse, co-workers, close friend or best friend, friend, and usual contacts. As for centrality measure used degree centrality, closeness centrality, betweenness centrality, eigenvector centrality, and overall centrality. Degree centrality measure is used to measure actor's centrality based on the number of relations he had, betweenness centrality used to calculate the positions of actors as middleman, closeness centrality used to calculate the closeness of the actor with other actors, overall centrality used to determine the central actor of the case based on other centrality calculations. The results show graphs that visualize the network of criminal cases and system has 80,39% accuracy in identifying key actors.

Kata Kunci : semantic social network analysis, ontologi, graf, sentralitas / semantic social network analysis, ontology, graph, centrality