PENGELOMPOKAN DAERAH RAWAN KEKERASAN TERHADAP PEREMPUAN DAN ANAK DI JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS

Raisya Rahma
Ratna Mufidah


DOI: https://doi.org/10.29100/jipi.v7i3.3144

Abstract


Kekerasan merupakan tindakan baik disengaja maupun tidak disengaja yang dapat menimbulkan dampak negatif terhadap fisik maupun psikis seseorang. Kekerasan yang terjadi seringkali menimpa perempuan dan anak. Berdasarkan rilis tahunan yang dikeluarkan oleh Komisi Nasional Anti Kekerasan terhadap Perempuan (Komnas Perempuan) di tahun 2020, Provinsi Jawa Barat menempati posisi tertinggi kedua di Indonesia dalam kasus kekerasan terhadap perempuan dan anak. Pengelompokan daerah dilakukan untuk memetakan daerah rawan kekerasan sebagai salah satu upaya membantu Pemerintah dalam menekan angka kasus kekerasan terhadap perempuan dan anak di Jawa Barat serta mempermudah dalam penanganan kasus kekerasan tersebut. Penelitian ini menggunakan algoritma k-means untuk mengelompokkan daerah rawan kekerasan berdasarkan data Dinas Pemberdayaan, Perempuan, Perlindungan Anak dan Keluarga Berencana tahun 2020- 2021. Hasil pengelompokan membagi daerah ke dalam 3 kelompok (cluster) yaitu cluster 0 yang mencakup 5 kabupaten/kota, cluster 1 yang mencakup 21 kabupaten/kota, dan cluster 2 yang mencakup 1 kabupaten. Hasil evaluasi pengelompokan dengan silhouette coefficient menghasilkan nilai sebesar 0,62 yang menunjukan bahwa kriteria pengelompokan yang dilakukan termasuk dalam struktur cluster yang standar (medium structure).


Full Text:

PDF

Article Metrics :

References


S. T. H. Bowo, Kekerasan terhadap Perempuan, Univ. Indones., pp. 25, 2010, [Online]. Available: www.langitperempuan.com/2008/11/komnas-perempuan-luncurkan-kampanye-16-hari-anti-kekerasan-

S. Purnamasari, K. Kusworo, and P. Y. Rahayu, Upaya Pencegahan Kekerasan Terhadap Anak dan Perempuan dalam Menciptakan Lingkungan Ramah Keluarga, J. Loyal. Sos. J. Community Serv. Humanit. Soc. Sci., vol. 1, no. 2, p. 71, 2019, doi: 10.32493/jls.v1i2.p71-81.

A. Hidayat, Kekerasan terhadap Anak dan Perempuan, AL-MURABBI J. Stud. Kependidikan dan Keislam., vol. 8, no. 1, pp. 2233, 2021, doi: 10.53627/jam.v8i1.4260.

I. Mawardi, Komnas Perempuan: Jumlah Kasus Kekerasan ke Perempuan di 2020 Tertinggi di DKI, news.detik.com. https://news.detik.com/berita/d-5482398/komnas-perempuan-jumlah-kasus-kekerasan-ke-perempuan-di-2020-tertinggi-di-dki

P. N. Siswa, 1 , 2 , 3 , 4, vol. 1, no. 2012, 2016.

W. Sirait, S. Defit, and G. W. Nurcahyo, Algoritma K-Means Untuk Klasterisasi Tugas Akhir Mahasiswa Berdasarkan Keahlian, J. Sistim Inf. dan Teknol., vol. 1, no. 3, pp. 2530, 2019, doi: 10.35134/jsisfotek.v1i3.6.

A. Bastian, H. Sujadi, and G. Febrianto, Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka), no. 1, pp. 2632.

N. Putu, E. Merliana, and A. J. Santoso, Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means, pp. 978979.

I. Wahyudi, M. B. Sulthan, and L. Suhartini, Analisa Penentuan Cluster Terbaik Pada Metode K-Means Menggunakan Elbow Terhadap Sentra Industri Produksi Di Pamekasan, J. Apl. Teknol. Inf. dan Manaj., vol. 2, no. 2, pp. 7281, 2021, doi: 10.31102/jatim.v2i2.1274.

A. T. Rahman, Wiranto, and A. Rini, Coal Trade Data Clustering Using K-Means (Case Study Pt. Global Bangkit Utama), ITSMART J. Teknol. dan Inf., vol. 6, no. 1, pp. 2431, 2017, [Online]. Available: https://jurnal.uns.ac.id/itsmart/article/download/11296/11108

U. T. Suryadi and Y. Supriatna, Sistem Clustering Tindak Kejahatan Pencurian Di Wilayah Jawa Barat Menggunakan Algoritma K-Means, J. Teknol. dan Komun. STMIK Subang, vol. 12, no. 1, pp. 1527, 2019, doi: 10.47561/a.v12i1.147.