Implementasi Algoritma K-Means Dan K-Medoids Dalam Klaterisasi Kasus Kekerasan Terhadap Perempuan

Jumlah kekerasan perempuan di Indonesia semakin meningkat. Di Jawa Barat sendiri, tercatat sebanyak 58.395 kasus kekerasan perempuan. Kekerasan perempuan yang terjadi di Jawa Barat ini termasuk yang paling banyak dibandingkan dengan provinsi lainnya. Tingginya angka tersebut menunjukan bahwa kekerasan perempuan masih belum ditangani secara serius. Oleh karena itu dilakukan klasterisasi untuk mencapai penyelesaian yang lebih terstruktur agar dapat membantu pemerintah dalam memberikan respons secara tepat dan sesuai terhadap kondisi setiap wilayah, sehingga penanganan kasus dapat lebih terfokus. Adapun tujuan penelitian ini untuk mengelompokan kabupaten atau kota di Jawa Barat pada kasus kekerasan terhadap perempuan menggunakan algoritma K-Means dan K-Medoids kedalam dua klaster yaitu, tinggi dan rendah. Pada penelitian ini pengelompokan data dilakukan menggunakan 2 metode yaitu Algoritma K-Means dan K-Medoids untuk mengetahui perbandingan antara kedua algoritma tersebut lebih optimal yang mana. Penelitian ini diharapkan akan menghasilkan klaster terbaik, dari hasil klaster tersebut dapat membantu pemerintah dan dinas terkait untuk menentukan kabupaten atau kota mana yang harus lebih diprioritaskan dalam penangananya terhadap kasus kekerasan perempuan di Jawa Barat. Pada hasil penelitian ini menghasilkan 2 klaster. Klaster 0 (tinggi) dan klaster 1 (rendah). Adapun jumlah klaster 0 (tinggi) sebanyak 14 kabupaten dan kota sedangkan klaster 1 (rendah) sebanyak 13 kabupaten dan kota. Perbandingan evaluasi klasterisasi antara K-Means dan K-Medoids didapatkan nilai evaluasi klaster terbaik yaitu menggunakan Algoritma K-Medoids dengan evaluasi Silhoutte Coefficient sebesar 0.43 sedangkan hasil evaluasi Davies Bouldin Index menunjukan hasil klaster terbaik menggunakan Algoritma K-Means dengan nilai DBI 0.95.
Kata Kunci: Clustering; K-Means; K-Medoids; Silhoutte Coefficient; Davies Bouldin Index