ALGORITMA SPECTRAL CLUSTERING PADA PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS
Kriminalitas di Kota Bandung menunjukkan fluktuasi dalam beberapa tahun terakhir, dengan jumlah kasus mencapai 3.615 pada tahun 2019 dan mengalami penurunan hingga 2.482 kasus pada tahun 2022, sebelum meningkat kembali menjadi 2.626 kasus pada tahun 2023. Untuk mengidentifikasi daerah rawan kriminalitas secara lebih akurat, penelitian ini menggunakan algoritma spectral clustering, yang memanfaatkan pendekatan berbasis graf untuk mempartisi data berdasarkan nilai eigen dari matriks afinitas. Penelitian ini mengelompokkan 30 kecamatan di Kota Bandung menjadi tiga cluster, daerah tidak rawan C3, rawan C1, dan sangat rawan C2. Hasilnya menunjukkan bahwa 12 kecamatan tergolong rawan C1, 7 kecamatan sangat rawan C2, dan 11 kecamatan tidak rawan C3. Kinerja algoritma ini dinilai berdasarkan nilai Davies-Bouldin Index (DBI) yang mencapai 0,398, menunjukkan clustering yang cukup baik. Kata Kunci: algoritma spectral clustering, DBI, kriminalitas.
APA Style
. (2024).ALGORITMA SPECTRAL CLUSTERING PADA PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS ().Teknik Informatika:FTI
Chicago Style
.ALGORITMA SPECTRAL CLUSTERING PADA PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS ().Teknik Informatika:FTI,2024.Text
MLA Style
.ALGORITMA SPECTRAL CLUSTERING PADA PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS ().Teknik Informatika:FTI,2024.Text
Turabian Style
.ALGORITMA SPECTRAL CLUSTERING PADA PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS ().Teknik Informatika:FTI,2024.Text
