Wulan Permata Sari, Wulan Permata Sari and Tata Sutabri, Tata Sutabri (2023) ANALISA CLUSTER DENGAN K-MEAN CLUSTERING UNTUK PENGELOMPOKAN DATA CYBERCRIME. JURNAL INFORMATIKA TEKNOLOGI DAN SAINS (JINTEKS), 5 (1). pp. 49-53. ISSN 2686-3359
|
Text
2209-Article Text-6803-1-10-20230205.pdf Download (322kB) | Preview |
Abstract
ujuan penelitian ini untuk melakukan cluster atau pengelompokan terhadap dataset cybercrime. Diketahui potensi kejahatan terkait data sangatlah mungkin untuk terjadi. Beberapa negara telah sejak lama memiliki perhatian yang lebih untuk keamanan data yang ada didalam dunia maya. Pada penelitian ini penulis ingin melakukan pengelompokan data atau clustering terhadap data Cybercrime yang didapat dari dataset kaggle. Untuk itu perlu dilakukan pengelompokan jenis kejahatan siber atau cybecrime dnegan menggunakan metode k-mean clustering yang dimana metode tersebut adalah suatu algoritma pengklasteran yang cukup sederhana yang mempartisi database kedalam beberapa clasteran k. Mempartisi data yang ada ke dalam bentuk dua atau lebih kelompok. Guna untuk mengetahui hasil cluster dari metode K-MeansClustering peneliti menggunakan alat bantu rapidminer, yang dimana didalam alat bantu tersebut sudah ada operator data K-Means Clustering, sehingga dengan tools tersebut akan didapat hasildari pola pengelompokan data dari dataset cybercrime yang telah dikumpulkan oleh penulis. Hasil penelitian ini adalah sebuah pengelompokan data terhadap dataset cybercrime yang dibagi kedalam 3 kelompok atau cluster yang dimana menghasilkan hasil uji dengan K-Mean Clustering didapati bahwa pola K yang digunakan dari 3 clustermemiliki cluster 1sebagai cluster yang paling dominandengan 20 record data.Kata Kunci : Analisa, Kluster, Kejahatan Siber, K-MeanAbstract: The purpose of this research is to cluster or group cybercrime datasets. It is known that the potential for data-related crimes is very likely to occur. Several countries have long paid more attention to data security in cyberspace. In this study, the authors wanted to group or cluster data on Cybercrime data obtained from the Kaggle dataset. For this reason, it is necessary to classify types of cybercrime using the k-mean clustering method, which is a fairly simple clustering algorithm that partitions the database into several k clusters. Partition existing data into two or more groups. In order to find out the cluster results from the K-Means Clustering method, researchers use the rapidminer tool, in which the K-Means Clustering data operator already exists in the tool, so that with these tools you will get results from data grouping patterns from cybercrime datasets that have been collected by writer. The results of this study are a grouping of data on cybercrime datasets which are dividedinto 3 groups or clusters which produce test results with K-Mean Clustering it is found that the K pattern used from 3 clusters has cluster 1 as the most dominant cluster with 20 data records.Keywords: Analytics, Clusters, Cybercrime, K-MeanPENDAHULUANPerkembangan teknologi informasi saat ini sudah berkembang dengan pesat[1].Hal yang merisaukan dari perkembangan teknologi informasi yang senantiasa berubah serta cepatnya dari perkembangan software, keamanan merupakan suatu isu yang sangat krusial dan setiap orang mempertaruhkan waktu dan biaya untuk melindungi data privasi di internet[2]. Pada eraglobalisasi seperti sekarang ini,perkembangan teknologi sangatlah pesat,Teknologi Informasi dan komunikasi (TIK) telah menjadi bagian hidup manusia. Keberadaan TIK membuat hidup menjadi lebih mudah dan menyenangkan. Tetapi TIK juga bisa digunakan untuk tindak kejahatan. Cybercrime adalah suatu tindak kriminal yang dilakukan dengan menggunakan Teknologi komputer sebagai alat kejahatan utama[3]. Potensi kejahatan terkait data sangatlah mungkin untuk terjadi. Beberapa negara telah sejak lama memiliki perhatian yang lebih untuk keamanan data yang ada didalam dunia maya. Implementasi dari perhatian tersebut tertuang dalam regulasi-regulasi nasional terkait teknologi informasi. Indonesia menuangkan segala hak dan kewajiban terkait hukum siber didalam UndangUndang Nomor 19 tahun 2016 tentang Informasi dan Transaksi Elektronik yang disingkat dengan UU ITE[4].Pada penelitian ini penulis ingin melakukan pengelompokan data atau clustering terhadapdata Cybercrime yang didapat dari dataset kaggle.Clustering adalah proses pengelompokan satu set data objek menjadi beberapa kelompok atau klaster sehingga objek dalam sebuah klaster memiliki kemiripan yang tinggi satu sama lain, tetapi sangat berbeda dengan objek dalam kelompok lainnya. Salah satu algoritma yang sering digunakan adalah algoritma k-means[5].Metode yang digunakan pada penelitian ini adalah metode K-Mean merupakan metode Analisa kelompok yang diarahkan pada pemartisian. N Obyek pengamatan kedalam K Kelomok atau disebut sebagai cluster, dimana setiap obyek pengamatan memiliki sebuah kelompok dengan rata-rata atau mean. K-mean merupakan salah satu metode pengelompokkan data sekatan (nonhierarki) yang berusaha mempartisi data yang ada kedalam bentuk
| Item Type: | Article |
|---|---|
| Subjects: | Q Science > Q Science (General) T Technology > T Technology (General) |
| Depositing User: | Dr. Tata Sutabri |
| Date Deposited: | 30 Mar 2023 00:44 |
| Last Modified: | 30 Mar 2023 00:44 |
| URI: | http://eprints.binadarma.ac.id/id/eprint/17444 |
Actions (login required)
 |
View Item |
