Electronic Theses and Dissertation

Kekerasan merupakan permasalahan sosial yang memiliki karakteristik dan tingkat keparahan yang berbeda antar wilayah. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan karakteristik kekerasan menggunakan algoritma K-Means Clustering. Data yang digunakan merupakan data kekerasan provinsi tahun 2023 dan 2024 yang mencakup beberapa jenis kekerasan. Penentuan jumlah cluster optimal dilakukan dengan menggunakan metode Elbow dan Silhouette Score, yang menunjukkan bahwa jumlah cluster optimal adalah empat cluster. Hasil penelitian menunjukkan bahwa algoritma K-Means Clustering mampu mengelompokkan provinsi berdasarkan kemiripan pola kekerasan, sehingga menghasilkan klasifikasi wilayah yang tidak hanya didasarkan pada jumlah kasus, tetapi juga pada karakteristik jenis kekerasan yang terjadi. Selain itu, perbandingan hasil clustering antara tahun 2023 dan 2024 menunjukkan adanya perubahan komposisi cluster, yang mengindikasikan dinamika pola kekerasan antar provinsi dari waktu ke waktu. Sehingga membuktikan bahwa algoritma K-Means Clustering tidak hanya efektif untuk pengelompokan statis, tetapi juga dapat digunakan sebagai alat analisis untuk memahami perubahan pola kekerasan secara temporal. Hasil pengelompokan ini diharapkan dapat menjadi dasar awal bagi pemangku kepentingan dalam memahami karakteristik kekerasan di setiap wilayah serta mendukung perumusan kebijakan dan intervensi yang lebih tepat sasaran.
Kata kunci: K-Means, Clustering, kekerasan, provinsi, Elbow Method, Silhouette Score

Violence is a social problem that has different characteristics and levels of severity across regions. This study aims to group provinces in Indonesia based on the characteristics of violence using the K-Means Clustering algorithm. The data used are provincial violence data for the years 2023 and 2024, covering several types of violence. The determination of the optimal number of clusters was carried out using the Elbow and Silhouette Score methods, which indicated that the optimal number of clusters is four. The research results show that the K-Means Clustering. algorithm is capable of clustering provinces based on similar patterns of violence, resulting in regional classifications that are not only based on the number of cases but also on the characteristics of the types of violence that occur. Furthermore, a comparison of clustering results between 2023 and 2024 shows changes in cluster composition, indicating the dynamics of violence patterns between provinces over time. This proves that the K-Means algorithm is not only effective for static clustering but can also be used as an analytical tool to understand temporal changes in violence patterns. These clustering results are expected to serve as an initial basis for stakeholders to understand the characteristics of violence in each region and to support the formulation of more targeted policies and interventions. Keywords: K-Means, Clustering, violence, province, Elbow Method, Silhouette Score