Klasterisasi karakteristik kekerasan seksual terhadap anak dengan metode k-means cluster analysis

“Kekerasan seksual terhadap anak sudah termasuk masalah yang sangat meresahkan di masyarakat khususnya kota Pekanbaru. Semakin banyaknya kasus tindakan kekerasan seksual terhadap anak, maka perlu mencari solusi dan sebuah pengetahuan baru untuk mengatasi permasalahan ini dengan menggali data kasus disertai karakteristik jenis kekerasan, range usia dan faktor pemicu menggunakan algoritma K-Means untuk menghasilkan pola cluster yang terbentuk berdasarkan kedekatan kriteria antar variabel. Teknik yang digunakan dalam aplikasi data mining ini adalah teknik Clustering dengan algoritma K-Means. Algoritma K-Means ini melakukan proses iterasi untuk menghasilkan pola kelompok berdasarkan kedekatan kriteria yang mirip. Teknik ini membantu menganalisis data kasus kekerasan seksual terhadap anak berjumlah 335 data kasus. Melalui data tersebut diperoleh hasil sebanyak 3 cluster. Cluster yang mendominasi adalah cluster 1 dengan kriteria jenis kekerasan seksual pencabulan pada anak di range usia 3 sampai dengan 16 tahun dengan faktor pemicu terbesar adalah kesempatan.” Kata kunci : kekerasan, seksual, k-means, clustering, data mining.  Abstract “Sexual violence against children is one of the most troubling problems in the community, especially in Pekanbaru. The more cases of acts of sexual violence against children, it is necessary to find a solution and a new knowledge to overcome this problem by exploring case data along with the characteristics of violence, age range and trigger factors using the K-Means algorithm to produce cluster patterns based on the proximity of criteria variable. The technique used in data mining applications is the Clustering technique with the K-Means algorithm. This K-Means algorithm performs an iterative process to produce group patterns based on similar criteria proximity. This technique helps analyze data on cases of sexual violence against children totaling 335 case data. Through these data, there are 3 clusters of results. The cluster that dominates is cluster 1, with the criteria for the types of sexual abuse sexual abuse for children in the age range of 3 to 16 years with the greatest trigger factor is opportunity.”  Keywords: violence, sexual, k-means, clustering, data mining.