VISUALISASI TINDAK KEJAHATAN PENCURIAN MENGGUNAKAN DATA MEDIA SOSIAL TWITTER DI PULAU JAWA TAHUN 2021 - 2022
Dwi Rizki Fajar Ebita, Dr. Noorhadi Rahardjo, M.Si., P.M.
2024 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH
Ilmu pengetahuan dan teknologi mengalami kemajuan yang pesat terutama pada era modern. Salah satu perkembangan teknologi adalah munculnya Big Data sebagai salah satu sumber perolehan data untuk pemetaan. Pembuatan peta menggunakan big data dilakukan dengan memanfaatkan crowdsourcing data media sosial. Twitter merupakan media sosial untuk bertukar informasi terkait suatu peristiwa yang sekaligus menyertakan informasi lokasi dari fitur geolocated, sehingga data Twitter dapat digunakan untuk melakukan pemetaan tindak kejahatan pencurian. Tujuan penelitian ini yaitu 1) Mendapat data kejahatan pencurian dari media sosial Twitter dan membandingkan dengan data pemerintah, 2) Memvisualisasikan data kejahatan pencurian yang diperoleh dari media sosial, dan 3) Mengkaji akurasi peta yang dibuat berdasarkan data dari media sosial dengan data pemerintah.
Ektraksi data Twitter dilakukan menggunakan script python dengan modul Snscrape untuk mendapatkan informasi yang berhubungan dengan tindak kejahatan pencurian. Hasil akuisisi data perlu diberi beberapa perlakuan agar dapat diolah menjadi peta tindak kejatahan pencurian di Pulau Jawa tahun 2021 – 2022. Perlakuan tersebut diantaranya adalah data selection, data cleaning, geocode lokasi tindak pencurian, klasifikasi jenis pencurian berdasarkan KUHP pasal 363 – 365, dan transformasi data.
Hasil pertama penelitian menunjukkan perolehan tindak kejahatan pencurian yang terjadi selama tahun 2021 – 2022 adalah 4.109 kasus. Jumlah tersebut hanya mencakup 2,67?ri total jumlah data yang telah diakuisisi. Hasil kedua menunjukkan visualisasi peta menggunakan 3 jenis visualisasi yaitu peta choropleth, peta simbol proporsional, dan peta diagram. Hasil ketiga terkait akurasi data menunjukkan nilai p-value untuk setiap periode memiliki nilai lebih besar dari taraf signifikansi yang menunjukkan bahwa crowdsourcing data dan data pemerintah tidak memiliki perbedaan yang signifikan, sehingga dapat dijadikan sebagai alternative untuk memperoleh informasi tindak kejahatan pencurian. Hasil yang serupa juga diperoleh dengan pengecekan menggunakan grafik scatterplot dan perbandingan menggunakan peta simbol proporsional.
Science and technology have experienced rapid progress, especially in the modern era. One of the technological developments is the emergence of Big Data as a source of data acquisition for mapping. Making maps using big data is done by utilizing social media data crowdsourcing. Twitter is a social media for exchanging information related to an event which also includes location information from the geolocated feature, so that Twitter data can be used to map theft crimes. The objectives of this research are 1) Obtain theft crime data from Twitter social media and compare it with government data, 2) Visualize theft crime data obtained from social media, and 3) Assess the accuracy of maps created based on data from social media with government data.
Twitter data extraction was carried out using a python script with the Snscrape module to obtain information related to theft crimes. The results of data acquisition need to be given several treatments so that they can be processed into a map of theft crimes on the island of Java in 2021 - 2022. These treatments include data selection, data cleaning, geocoding the location of theft, classification of types of theft based on Criminal Code articles 363 - 365, and transformation data.
The first results of the research show that the number of theft crimes that occurred during 2021 - 2022 was 4,109 cases. This amount only covers 2.67% of the total amount of data that has been acquired. The second result shows map visualization using three types of visualization, namely choropleth maps, proportional symbol maps, and diagram maps. The third result related to data accuracy shows that the p-value for each period has a value greater than the significance level, which shows that crowdsourcing data and government data do not have a significant difference, so they can be used as an alternative to obtain information on theft crimes. Similar results were also obtained by checking using scatterplot graphs and comparing using proportionl symbol map.
Kata Kunci : pencurian, twitter, Pulau Jawa, visualisasi peta, ekstraksi data