ALGORITMA K-MEANS UNTUK CLUSTERING DATA PENYITAAN BARANG BUKTI KEJAHATAN PADA POLRES CIREBON

Abstract

Evidence is a crucial element in the criminal justice system used to prove the occurrence of a crime. The manual management of evidence by investigators often leads to errors in recording and difficulties in tracking the evidence. This study aims to develop a web-based application that uses the K-Means algorithm to cluster confiscated evidence data at the Cirebon Police Department. The results show that the K-Means algorithm effectively grouped the evidence into three categories based on the severity of the crime: minor, moderate, and serious crimes. The system proved to be effective in improving the efficiency of evidence management, reducing errors in manual recording, and facilitating the analysis of crime severity based on the confiscated evidence.

Abstrak

Barang bukti merupakan elemen penting dalam sistem peradilan pidana yang digunakan untuk membuktikan peristiwa tindak pidana. Pengelolaan barang bukti yang dilakukan secara manual oleh penyidik sering kali menyebabkan kesalahan pencatatan dan kesulitan dalam pelacakan barang bukti. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang menggunakan algoritma K-Means untuk mengelompokkan data penyitaan barang bukti di Polres Cirebon. Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan barang bukti ke dalam tiga kategori berdasarkan tingkat kejahatan: ringan, sedang, dan berat. Sistem ini terbukti efektif dalam meningkatkan efisiensi pengelolaan data barang bukti, mengurangi kesalahan pencatatan manual, dan mempermudah analisis tingkat kejahatan berdasarkan barang bukti yang ditemukan.