ANALISIS ALGORITMA K-MEANS UNTUK KLASTERISASI TINDAK PIDANA KORUPSI DI WILAYAH HUKUM INDONESIA

Wahyu Saputro, Moh Reza Pahlevi, Arief Arief

Sari


Pasca kemerdekaan, Indonesia masih menghadapi perang yaitu perang melawan korupsi yang sudah menjadi budaya di Indonesia selama ini. Ditahun 1999 pemerintah telah mengeluarkan UU No 31 tentang pemberantaasan korupsi dan pada tahun 2001 pemerintah memperbaruhinya dengan UU No 20. Menurut UU No. 31 Thn 1999 tentang tindak pidan korupsi dan sudah dilakukan pembaruan dengan UU No. 20 Thn 2001, definisi korupsi atau rasuah merupakan sebuah perbuatan tidak jujur atau penyelewengan yang dilakukan karena adanya suatu pemberian. Dalam prakteknya, korupsi lebih dikenal sebagai menerima uang yang ada hubungannya dengan jabatan atas imbalan tertentu yang diberikan. Menurut data dari Kejaksaan RI tingkat korupsi di Indonesia makin tahun makin meningkat baik dari tingkat daerah hingga tingkat Pusat. Usaha dalam pemberantasan korupsi di Indonesia sudah dilakukan berbagai cara, namun masih saja terjadi korupsi dengan segala macam cara yang dilakukan oleh berbagai lembaga. Oleh karena itu perlu dilakukan analisis data untuk mengetahui kecenderungan seseorang melakukan korupsi. Tujuan dari penelitian ini mendapatkan analisis data  korupsi di Indonesia. Metode yang digunakan K-Means untuk mengklasterisasi pada data korupsi di Indonesia.

Teks Lengkap:

PDF

Referensi


R. Hablum, A. Khairan, and R. Rosihan, “Clustering Hasil Tangkap Ikan Di Pelabuhan Perikanan Nusantara (Ppn) Ternate Menggunakan Algoritma K-Means,” JIKO (Jurnal Inform. dan Komputer), vol. 2, no. 1, pp. 26–33, 2019, doi: 10.33387/jiko.v2i1.1053.

M. Metode and S. M. Som, “Clustering Kelompok Swadaya Masyarakat ( KSM ) dalam Menentukan Kebijakan Bantuan Badan Pemberdayaan Masyrakat di Kota Surabaya dengan,” no. September, 2012.

L. Suriani, “Pengelompokan Data Kriminal Pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Clustering,” J. Sist. Komput. dan Inform., vol. 1, no. 2, p. 151, 2020, doi: 10.30865/json.v1i2.1955.

T. Panorama, N. Cerah, O. D. Nurhayati, R. R. Isnanto, O. D. Nurhayati, and R. R. Isnanto, “Perbandingan Metode Segmentasi K-Means Clustering dan Segmentasi Region Growing untuk Pengukuran Luas Wilayah Hutan Mangrove Comparison of K-Means Clustering and Growing Region Segmentation Methods for Area Measurement of Mangrove Forests,” vol. 7, no. March, pp. 31–37, 2019, doi: 10.14710/jtsiskom.7.1.2019.31-37.

U. T. Suryadi and Y. Supriatna, “Sistem Clustering Tindak Kejahatan Pencurian Di Wilayah Jawa Barat Menggunakan Algoritma K-Means,” J. Teknol. Inf. dan Komun., no. April, pp. 1–13, 2019.

W. Astuti, A. Widodo, J. T. Elektro, F. Teknik, and U. N. Semarang, “Pemetaan Tindak Kejahatan Jalanan di Kota Semarang Menggunakan Algoritma K-Means Clustering,” vol. 8, no. 1, pp. 5–7, 2016.

J. J. Purnama, “Analisa Algoritma K-Means Clustering Pemetaan Jumlah Tindak Pidana,” Klik - Kumpul. J. Ilmu Komput., vol. 6, no. 2, p. 128, 2019, doi: 10.20527/klik.v6i2.208.

I. T. Utami, R. Rais, and W. Seftiani, “Analisis Klaster Pautan Lengkap Untuk Mengelompokkan Kabupaten/Kota Di Provinsi Sulawesi Tengah Berdasarkan Indikator Kriminalitas,” J. Ilm. Mat. Dan Terap., vol. 16, no. 1, pp. 79–88, 2019, doi: 10.22487/2540766x.2019.v16.i1.12757.

M. S. Fajar, “DI KOTA SEMARANG MENGGUNAKAN METODE K-MEANS CLUSTERING,” 2015.

I. Method, K. C. Based, S. Value, W. Interface, C. Study, and I. U. M. M. Magelang, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” vol. 18, no. 1, pp. 76–82, 2015..




DOI: http://dx.doi.org/10.33387/jiko.v3i3.1960

Refbacks

  • Saat ini tidak ada refbacks.



 

 

 

P-ISSN : 2614 - 8897 | E-ISSN : 2656 -1948

View JiKO Stats :



Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.