UMIUMI

METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi

Penelitian ini mengevaluasi kualitas pengelompokan K-Medoids yang diterapkan pada data kejadian kriminal di Indonesia dari tahun 2000 hingga 2023. Analisis membandingkan kinerja pengelompokan pada data asli dan data yang dinormalisasi menggunakan berbagai metrik evaluasi, termasuk Davies-Bouldin Index (DBI), Silhouette Score (SS), Normalized Mutual Information (NMI), Adjusted Rand Index (ARI), dan Calinski-Harabasz Index (CH). Hasil menunjukkan bahwa data asli secara konsisten memberikan kinerja lebih baik dibandingkan data yang dinormalisasi pada semua metrik. Pengelompokan optimal dicapai pada iterasi ketujuh dari data asli, dengan nilai DBI terendah (0,438), SS tertinggi (0,683), NMI (0,916), ARI (0,984), dan CHI (57,418). Sebaliknya, data yang dinormalisasi menunjukkan nilai DBI yang lebih tinggi dan, dalam beberapa kasus, Silhouette Score negatif, menandakan kluster yang kurang jelas. Temuan ini menunjukkan bahwa untuk dataset ini, pengelompokan K-Medoids lebih efektif dilakukan pada data asli tanpa normalisasi, menghasilkan kluster kejadian kriminal yang lebih akurat dan terdefinisi dengan baik. Wawasan ini penting untuk penelitian dan aplikasi praktis di bidang analisis data kriminal, menekankan pentingnya pra-pemrosesan dataset dalam metodologi pengelompokan.

Penelitian ini menunjukkan bahwa algoritma K-Medoids dapat diterapkan secara efektif pada data kejahatan asli dan dinormalisasi, tetapi kinerjanya bervariasi tergantung pada metrik evaluasi.Data asli memberikan hasil yang lebih baik dalam menangkap struktur data yang mendasari, seperti yang ditunjukkan oleh nilai NMI dan CH yang lebih tinggi.Sementara itu, data yang dinormalisasi menunjukkan peningkatan dalam kohesi kluster dan keselarasan dengan label sebenarnya, tetapi tidak secara universal meningkatkan kualitas pengelompokan.

Pertama, perlu dilakukan penelitian untuk mengevaluasi efektivitas teknik normalisasi lainnya, seperti Min-Max Scaling atau Robust Scaling, dalam konteks data kejahatan Indonesia, agar dapat diketahui apakah hasil yang diperoleh bersifat khusus terhadap metode StandardScaler atau merupakan pola umum dari proses normalisasi. Kedua, penting untuk menguji algoritma pengelompokan alternatif seperti DBSCAN atau Hierarchical Clustering pada data kejahatan yang sama, untuk memahami apakah kinerja yang lebih baik dari data asli juga terjadi pada metode selain K-Medoids atau merupakan karakteristik khusus dari algoritma tersebut. Ketiga, penelitian lanjutan dapat mengeksplorasi integrasi data spasial atau temporal secara eksplisit ke dalam proses pengelompokan, sebagai upaya untuk meningkatkan akurasi identifikasi pola kriminal yang dinamis dan tersebar secara geografis, yang mungkin tidak sepenuhnya tertangkap oleh pendekatan berbasis tabel statis yang digunakan saat ini. Kombinasi dari ketiga arah penelitian ini dapat memberikan kerangka yang lebih komprehensif dalam menentukan pendekatan optimal untuk analisis data kriminal berbasis pengelompokan di Indonesia. Dengan membandingkan berbagai teknik pra-pemrosesan, algoritma, dan representasi data, hasil penelitian dapat memberikan panduan yang lebih kuat bagi praktisi dan peneliti. Pendekatan sistematis seperti ini akan membantu memahami interaksi kompleks antara karakteristik data dan pilihan metodologis dalam pengelompokan. Selain itu, penelitian semacam itu dapat mengungkap potensi bias atau keterbatasan tersembunyi dari metode yang umum digunakan. Hasilnya juga dapat berkontribusi pada pengembangan kerangka kerja adaptif yang memilih metode terbaik secara dinamis berdasarkan profil dataset tertentu. Hal ini sangat relevan mengingat variasi karakteristik data kejahatan antar wilayah di Indonesia. Dengan demikian, langkah-langkah penelitian yang diusulkan tidak hanya melengkapi temuan saat ini, tetapi juga memperluas cakupan dan kedalaman analisis secara signifikan.

  1. Evaluating The Quality of K-Medoids Clustering on Crime Data in Indonesia | METHOMIKA: Jurnal Manajemen... ejurnal.methodist.ac.id/index.php/methomika/article/view/3262Evaluating The Quality of K Medoids Clustering on Crime Data in Indonesia METHOMIKA Jurnal Manajemen ejurnal methodist ac index php methomika article view 3262
Read online
File size632.62 KB
Pages7
DMCAReport

Related /

ads-block-test