Perbandingan Algoritma K-Means Dan K-Medoids Dalam Pengelompokkan Korban Kekerasan di Jawa Barat

Jumlah kasus kekerasan mengalami peningkatan, pada tahun 2021 tercatat sebanyak 25.210 kasus, lalu pada tahun 2022 meningkat menjadi 27.593 kasus. Kasus kekerasan paling banyak terjadi salah satunya di Provinsi Jawa. Berdasarkan jumlah kasus kekerasan yang semakin meningkat mencerminkan kurangnya penanganan yang memadai terhadap masalah ini, permasalahan ini harus ditangani secara lebih sistematis dan terstruktur karena dapat mengakibatkan dampak yang serius. Untuk memfasilitasi penyelesaian kasus yang lebih terstruktur, diperlukan pengendalian dan penekanan terhadap kasus kekerasan dengan menggunakan pengelompokan wilayah. melalui klasterisasi berdasarkan tingkat kekerasan di setiap kabupaten dan kota di Jawa Barat. penelitian ini bertujuan untuk mengelompokkan data korban kekerasan di Provinsi Jawa Barat menggunakan algoritma K-Means dan K-Medoids. Pengelompokkan ini dilakukan berdasarkan wilayah yang terdiri dari 27 kabupaten/kota di Jawa Barat menjadi dua klaster, yaitu klaster 0 (tinggi) dan klaster 1 (rendah). Berdasarkan hasil perhitungan pada penelitian ini, Algoritma K-Means menunjukkan performa yang lebih baik. Hal ini terlihat dari nilai Silhouette Coefficient yang mencapai 59%, mendekati angka 1, yang mengindikasikan kualitas clustering yang baik. Sementara itu, Algoritma K- Medoids hanya memperoleh nilai sebesar 58%. Selain itu, Algoritma K-Means juga memiliki nilai Davies Bouldin Index sebesar 51%, yang lebih mendekati 0 dibandingkan K-Medoids. Dengan demikian, dapat disimpulkan bahwa Algoritma K-Means lebih unggul dibandingkan Algoritma K-Medoids dalam pengelompokan data pada penelitian ini.

Kata Kunci: Clustering; DBI; K-Means; K-Medoids; Sillhoutte Coefficient