Penerapan Association Rule dalam Mengidentifikasi Pola Kriminalitas di Wilayah Hukum Polsek Selebar Kota Bengkulu
DOI:
https://doi.org/10.55123/insologi.v5i4.9055Keywords:
GIS, QGIS, Theft Crime, FP-Growth, Association RuleAbstract
Crime data stored by law enforcement agencies have primarily been utilized as documentation and incident reports, resulting in the underutilization of information that could reveal relationships among criminal events. This study aims to implement the Association Rule method using the FP-Growth algorithm to identify theft crime patterns and visualize their spatial distribution through a Geographic Information System (GIS). The study utilized theft crime data from the jurisdiction of the Selebar Police Sector, Bengkulu City, with crime location, occurrence time, and type of theft as the primary parameters. The research process included data preprocessing, frequent itemset generation using the FP-Growth algorithm, association rule generation with a minimum support value of 2% and a minimum confidence value of 60%, and visualization of the results using QGIS software. The results indicate that the FP-Growth algorithm successfully identified relationships among crime locations, occurrence times, and types of theft. Several association rules achieved confidence values of up to 100%, while the highest lift value of 2.23 was found at Jl. Pancur Mas–Sukarami. Furthermore, GIS-based visualization successfully illustrated the spatial distribution of crime patterns, facilitating the identification of locations associated with theft incidents.
Downloads
References
Alfero, Y. (2024). Data Mining Penjualan Bibit Tanaman Menggunakan Algoritma Apriori. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 7(6). https://doi.org/10.32672/jnkti.v7i6.8346
Astuti, R., & Muhammad Basysyar, F. (2024). Penerapan Data Mining Clustering Menggunakan Metode K-Means Pada Data Tindak Kriminalitas Di Polres Kabupaten Kuningan. Jurnal Mahasiswa Teknik Informatika, 8(2). https://doi.org/https://doi.org/10.36040/jati.v8i2.8790
Bate’e, W. E., Fransiskus Marbun, S., Ridha, M., Damanik, S., Juli, A., & Astuti, D. (2025). Pemetaan Daerah Rawan Kriminalitas Di Kota Medan Menggunakan Perangkat Lunak QGIS. JURNAL MUDABBIR, 5(2). https://doi.org/https://doi.org/10.56832/mudabbir.v5i2.1911
Danu Candra Saputra, B. A. H. M. Kom. , A. K. A. (2024). Sistem Informasi Geografis Tindak Kriminal Di Jawa Tengah Tahun 2019-2021. Jurnal Ilmiah Sain Dan Teknologi, 2. https://doi.org/https://doi.org/10.572349/scientica.v2i1.850
Efriyanti, A., Farduwin, A., & Styawan, Y. (2025). Analisis Spasial Berbasis Sistem Informasi Geografis (Sig) Untuk Pemetaan Bahaya Dan Risiko Tanah Longsor Di Kabupaten Lampung Utara. Journal Online of Physics, 11(1), 79–88. https://doi.org/https://doi.org/10.22437/jop.v11i1.49284
Fitri, Y., Lubis, A., & Sundari, S. (2024). Implementasi Association Rules Dengan Algoritma Fp-Growth. In Jikstra (Vol. 6, Number 01). https://doi.org/https://doi.org/10.35447/jikstra.v6i1.1071
Kurniawan, D., Sahata Sipayung, M., Ismayanti, R., Rivani Ibrahim, M., Bintan, Y., & Aulia Miranda, S. (2022). Optimalisasi Strategi Pemenuhan Persediaan Stok Barang Menggunakan Algoritma Frequent Pattern Growth. METIK JURNAL, 6(2), 104–114. https://doi.org/10.47002/metik.v6i2.387
Mahendra, D., & Dona Sabilla, A. (2023). Sistem Analisis Pola Pembelian Konsumen Menggunakan Algoritma Fp-Growth. 14(1), 209–217. http://ejurnal.provisi.ac.id/index.php/JTIKP
Matto, G., & Mjema, L. (2024). Framework for extraction of crime insights from diversified data sources using a multiple minimum support FP-Growth Algorithm. Journal of Information Systems Engineering and Management, 2025(40s), 2468–4376. https://doi.org/https://doi.org/10.52783/jisem.v10i40s.7319
Nadia, N., Tripasha, G., Atya, N., & Sutejo, H. (2026). Implementasi Algoritma FP-Growth Untuk Menemukan Pola Hubungan Antar Barang pada Transaksi Penjualan. Jurnal Ilmiah Sistem Informasi, 4(2), 396–406. https://doi.org/10.51903/tc3ne886
Nugroho, R. A., Suarna, N., Ali, I., & Efendi, D. I. (2025). Penerapan Algoritma Fp-Growth Untuk Optimalisasi Pola Asosiasi Dalam Data Transaksi Penjualan Obat: Studi Kasus Di Apotek Xyz. Jurnal Informatika Dan Teknik Elektro Terapan, 13(1). https://doi.org/10.23960/jitet.v13i1.5621
Qamal, M., & Al kautsar Aidilof, H. (2025). Analisis Perbandingan Algoritma Fp – Growth Dan Apriori Untuk Menentukan Pola Kecelakaan Lalu Lintas Di Wilayah Polres Lhokseumawe. Jurnal Teknik Informatika, 4(1), 175–185. https://doi.org/https://doi.org/10.02220/jtinfo.v4i1.1094
Rahman, I. F., & Riana, D. (2025). Market Basket Analysis untuk Penjualan Retail: Perbandingan Akurasi Algoritma Apriori dan FP-Growth Berbasis CRISP-DM. Jurnal Algoritma, 22(1), 468–479. https://doi.org/10.33364/algoritma/v.22-1.2303
Rianti, A., Wachid, N., Majid, A., Fauzi, A., Sistem, P., Informasi, T., Telekomunikasi, S., Upi Di Purwakarta, K., & Edu, A. (2023). CRISP-DM: Metodologi Proyek Data Science. Prosiding Seminar Nasional Teknologi Informasi Dan Bisnis (SENATIB).
Rokhana Dwi Bekti, R. N. Z. M. K. D. W. J. P. E. S. (2024). Sistem Informasi Berbasis Website Untuk Pemetaan Wilayah Berdasarkan Clustering Kerentanan Kriminalitas. Jurnal Informatika Teknologi Dan Sains (JINTEKS), 6(3). https://doi.org/https://doi.org/10.51401/jinteks.v6i3.4421
Septianingsih, & Bayu Santoso, A. (2026). Implementasi Association Rule Mining Menggunakan Algoritma Apriori Untuk Rekomendasi Cross-Selling Produk Ritel. Jurnal Algoritma, 23(1). https://doi.org/10.33364/algoritma/v.23-1.3381
Setiawan, R., & Salam, B. (2021). Sistem Informasi Geografis Daerah Rawan Kriminalitas di Kabupaten Garut. Jurnal Algoritma, 19(1). https://doi.org/https://doi.org/10.33364/algoritma/v.18-1.824
Srirahayu, A., & Setya Pribadie, L. (2023). Review Paper Data Mining Klasifikasi Data Mining. JURNAL ILMIAH INFORMATIKA GLOBAL, 14(1). https://doi.org/10.36982/jiig.v13i2.2307
Valencia, S., & Tisno Atmojo, W. (2024). Analisis Pola Pembelian pada Data Penjualan CanNgopi menggunakan Algoritma FP-Growth. Jurnal Komtika (Komputasi Dan Informatika), 8(2), 214–224. https://doi.org/10.31603/komtika.v8i2.12672
Winarti, D., Kom, M., Revita, E., Yandani, E., Lintas Sumatera, J., 18 Koto, K. M., Dharmasraya, B., & Barat, S. (2021). Penerapan Data Mining untuk Analisa Tingkat Kriminalitas Dengan Algoritma Association Rule Metode FP-Growth. Jurnal SIMTIKA, 4(3).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Julia Dwi Azizah, Yudi Setiawan, Niska Ramadani
This work is licensed under a Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis.
Penulis mengakui bahwa INSOLOGI (Jurnal Sains dan Teknologi) sebagai publisher yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution 4.0 International License.
Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain, seperti: dikirim ke respository institusi penulis, publikasi kedalam buku, dan lain-lain. Dengan mengakui bahwa naskah telah terbit pertama kali pada INSOLOGI (Jurnal Sains dan Teknologi).
