Perbandingan Algoritma K-Means dan K-Medoids Dalam Clustering Kasus Kekerasan Berdasarkan Tempat Kejadian di Jawa Barat

Kasus kekerasan di Jawa Barat terus meningkat setiap tahun. Peningkatan ini mencerminkan bahwa kekerasan masih menjadi masalah serius yang perlu ditangani secara menyeluruh. Pada penelitian ini menerapkan metode clustering dengan menggunakan dua algoritma clustering, yaitu K-Means dan K-Medoids. Tujuan penelitian ini untuk mengelompokkan kasus kekerasan di Jawa Barat berdasarkan tempat kejadian kedalam dua klaster, klaster 0 (tinggi) dan klaster 1 (rendah). Hasil pengelompokan terbagi menjadi 2 klaster. Klaster 0 (tinggi) mencakup 14 kabupaten/kota dengan lokasi kejadian yang beragam, seperti di lingkungan rumah tangga, sekolah, tempat kerja, fasilitas umum, serta lembaga pendidikan kilat. Sementara itu, klaster 1 (rendah) mencakup 13 kabupaten/kota, dengan pola lokasi kejadian yang serupa. Berdasarkan hasil penghitungan Algoritma K-Means memberikan hasil terbaik. Hal ini ditunjukkan dengan nilai Silhouette Coefficient sebesar 0,590.

Kata Kunci: Clustering; Kekerasan; K-Means; K-Medoids; Silhouette Coefficient