IMPLEMENTASI DATA MINING PADA KINERJA

IMPLEMENTASI DATA MINING PADA KINERJA
KEPOLISIAN
(Studi Kasus : Kepolisian Atlanta)
1. Pendahuluan
Arie Vatresia, S.T., M.T.I.
Universitas Bengkulu, Fakultas Teknik, Program Studi Teknik Informatika
([email protected])
ABSTRAK
Data Mining atau penambangan data merupakan
suatu metodologi untuk mengambil suatu
keputusan dan mengambil informasi dari gudang
data yang sudah dimiliki oleh suatu organisasi
atau
perusahaan.
Metodologi
ini
telah
dimanfaatkan oleh berbagai perusahaan dan
organisasi untuk memenuhi kebutuhan mereka.
Pemanfaatan data mining meliputi bidang
pemerintahan, bisnis, kesehatan, keamanan,
intelejen, biologi, dan masih banak bidang lain
yang mendapatakan manfaat dari keberadaan data
mining dalam kehidupan sehari-hari. Pemanfaatan
data mining pada bidang kepolisian juga dapat
ditemukan dalam aplikasi kepolisian. Dari
pemfaatan ini ternyata metodologi data mining
dapat meningkatkan keamanan yang ada pada
daerah atlanta dan memberikan manfaat yang baik
bagi kinerja kepolisian untuk menjaga keamanan
dan menanggulangi kriminalitas.
Kata Kunci : Data Mining, Kepolisian, Atlanta,
Clamentine
I. PENDAHULUAN
Tahun 90-an telah melahirkan banyak data di
bidang ilmu pengetahuan, bisnis dan pemerintah.
Kemampuan
teknologi
informasi
untuk
mengumpulkan dan menyimpan berbagai tipe data
jauh
meninggalkan
kemampuan
untuk
menganalisis, meringkas dan mengekstraksi
“pengetahuan” dari data tersebut. Metodologi
tradisional untuk menganalisis data yang ada, tidak
dapat menangani data dalam jumlah besar.
Sementara para pelaku bisnis memiliki kebutuhankebutuhan untuk memanfaatkan gudang data yang
sudah dimiliki, para peneliti melihat peluang untuk
melahirkan sebuah teknologi baru yang menjawab
kebutuhan ini, yaitu datamining. Teknologi ini
sekarang sudah ada dan diaplikasikan oleh
perusahaan-perusahaan
untuk
memecahkan
berbagai permasalahan bisnis. Makalah ini akan
membahas tentang pemanfaatan data mining pada
bidang kepolisian dan intelejen yang ada pada
kepolisian Atlanta dan bagaimana data mining
mempengaruhi kinerja kepolisian tersebut. Bahasan
akan diberikan dari sudut pandang kepolisian dan
peneliti. Hal ini dimaksudkan agar para pembaca
1 |Page
memperoleh gambaran yang kongkret mengenai
data mining di bidang kepolisian.
Saat ini teknologi informasi berbasis sistem yang
terbuka sudah dapat diadopsi secara luas. Ini
termasuk sistem manajemen basis data, kakas
penganalisis, dan yang terkini adalah pertukaran
informasi dan publikasi melalui jaringan Intranet.
Faktor-faktor tersebut di atas dikombinasikan
dengan konsep solusi bisnis yang telah diuraikan
sebelumnya, telah melahirkan teknologi data
mining. Data mining dimaksudkan untuk
memberikan solusi nyata bagi para pengambil
keputusan di dunia bisnis, untuk mengembangkan
bisnis mereka.
2. Kebutuhan Bisnis
Dunia kepolisian merupakan suatu dunia yang
dinamis dan penuh dengan tantangan, para polisi
harus selalu waspada dengan segala bentuk
kejahatan yang pernah atau belum terjadi di
lingkungan kerjanya. Hal ini dikarenakan karena
bentuk kejahatan pun bersifat dinamis dan terus
berkembang dalam tata cara dan jenisnya. Oleh
karena itu dapat diringkas bahwa kepolisisan juga
membutuhkan beberapa hal untuk menunjang
kinerjanya, yaitu :
1. Peningkatan keamanan dan sensitifitas
dalam kejahatan
2. Pengambangan
metode
penanganan
kejahatan
3. Efektifitas dan Efisiensi kinerja kepolsian
Untuk memenuhi kebutuhan tersebut, kepolisian
memiliki banyak cara yang dapat digunakan
diantaranya adalah dengan menggunakan teknologi
dan pemanfaatan data yang dapat mengefektifkan
kinerja kepolisian.
Pemahaman Permasalahan dan
Pengembangan data mining juga telah digunakan
untuk mengambil keputusan. SPSS merupakan
suatu organisasi yang mengeluarkan aplikasi data
mining yang dapat dimanfaatkan oleh berbagai
organisasi. SPSS mengeluarkan Clementine
Solution yang dimanfaatkan oleh kepolisian
Atlanta. Dalam makalah ini juga akan dijelaskan
tentang bagaimana kinerja Clementine dalam
membangun solusi data mining yang akan
dijalankan oleh suatu organisasi atau perusahaan.
Tujuan dari penulisan paper ini adalah :
1. Untuk mengetahui pemanfaatan gudang
data dan data mining sebagai solusi
2. Untuk mengetahui penerapan teknologi
data mining dalam bidang keamanan,
khususnya pada Departemen Kepolisian
Atlanta
Sementara ruang lingkup dalam makalah ini adalah
membahas tentang penrapan teknologi data mining
pada Kepolisian Atlanta, khususnya pada bidang
kejahatan yang berhubungan dengan senjata api.
II. PEMBAHASAN
Data mining didefinisikan sebagai satu set
teknik yang digunakan secara otomatis untuk
mengeksplorasi secara menyeluruh dan membawa
ke permukaan relasi-relasi yang kompleks pada set
data yang sangat besar. Set data yang dimaksud di
sini adalah set data yang berbentuk tabulasi, seperti
yang banyak diimplementasikan dalam teknologi
manajemen basis data relasional. Akan tetapi,
teknik-teknik data mining dapat juga diaplikasikan
pada representasi data yang lain, seperti domain
data spatial, berbasis text, dan multimedia (citra).
Data mining dapat juga didefinisikan sebagai
“pemodelan dan penemuan polapola yang
tersembunyi dengan memanfaatkan data dalam
volume yang besar”. Data mining menggunakan
pendekatan discovery-based dimana pencocokan
pola (pattern-matching) dan algoritmaalgoritma
yang lain digunakan untuk menentukan relasi-relasi
kunci di dalam data yang diekplorasi. Data mining
merupakan komponen baru pada arsitektur sistem
pendukung keputusan (DSS) di perusahaanperusahaan.
Data mining (penambangan data), sesuai dengan
namanya, berkonotasi sebagai pencarian informasi
bisnis yang berharga dari basis data yang sangat
besar. Usaha pencarian yang dilakukan dapat
dianalogikan dengan penambangan logam mulia
dari lahan sumbernya. Dengan tersedianya basis
data dalam kualitas dan ukuran yang memadai,
teknologi data mining memiliki kemampuankemampuan sebagai berikut:
 Mengotomatisasi prediksi tren dan sifatsifat.
Data mining mengotomatisasi proses
pencarian informasi pemprediksi di dalam
basis
data
yang
besar.
Pertanyaanpertanyaan yang berkaitan
dengan prediksi ini dapat cepat dijawab
langsung dari data yang tersedia. Contoh
dari masalah prediksi ini misalnya target
kejahatan, prediksi metode kejahatan
yang digunakan oleh para penjahat.
2 |Page
 Mengotomatisasi penemuan pola-pola
yang tidak diketahui sebelumnya
Kakas data mining “menyapu” basis data,
kemudian mengidentifikasi pola-pola yang
sebelumnya tersembunyi dalam satu
sapuan. Contohnya adalah pendeteksian
transaksi palsu dengan kartu kredit dan
identifikasi adanya data anomali yang
dapat diartikan sebagai data salah ketik
(karena kesalahan operator).
SPSS merupakan salah satu program atau
perangkat lunak yang dapat membantu organisasi
atau perusahaan untuk mengambil keputusan suatu
kebijakan. Aplikasi SPSS telah dimanfaatkan untuk
permasalahan statistik dan memberikan solusi.
SPSS melibatkan metodologi data mining untuk
meningkatkan kemampuannya dalam mengambil
keputusan. SPSS juga membuat tool atau alat yang
berguna untuk penerapan data mining dalam suatu
organisasi. Dalam situsnya SPSS menyebutkan
bahwa solusi SPSS membantu perusahaan untuk
menemukan dan mengimplementasikan sumber
baru dari keuntungan kompetitif melalui analisis
prediksi. Hal ini merupakan hal yang sejalan
dengan tujuan dari perusahaan prediksi. Salah satu
contoh aplikasi yang melibatkan data mining
adalah produk SPSS yang bernama clementine
SPSS.
Clementine merpakan salah satu produk SPSS yang
mendukung kinerja dari SPSS. Adapun sistem yang
disarankan adalah sebagai berikut agar clementine
dpat bekerja dengan baik, Yaitu :
•
•
•
•
•
Operating system: Microsoft® Windows®
Vista® (Business and Enterprise) x32 or
x64 Edition; Microsoft® Windows® XP
Professional with Service Pack 2 x32 or
x64 Edition;
Windows Server™ 2003 (Terminal
Services).
Hardware:
o Processor:Intel® Pentium® or
Pentium-class processor or higher
(for 32-bit Windows); x64 (AMD
64 and EM64T) processor family
(for 64-bit Windows)
o Monitor: 1024x768 resolution
atau lebih
o A CD-ROM drive is also
required if you are installing from
a CD-ROM
Minimum free disk space: 1 GB of
available hard-disk space
Minimum RAM: 1 GB of RAM minimum;
2 GB or more recommended
Software: Microsoft® Internet Explorer®
6.0 or higher for online help
Server
•
•
•
•
Batch
•
•
•
•
•
Operating system: Windows Server 2003
(Standard and Enterprise) x32 or x64
Editions; Windows Server 2003®
(Standard and Enterprise) x32 or x64
Edition, Red Hat® Enterprise Linux® ES4
AND 5 (32-bit and 64-bit processors); Sun
Solaris (TM) 9 or 10 (for SPARC 64-bit
machines); HP-UX 11i V2 64-bit version,
HP-UX 11.23 and HP-UX 11.i V3 64-bit
version, or HP-UX 11.31; IBM AIX® 5L
64-bit, versions 5.2 and 5.3; OS/400® 64bit (on the IBM eServer™ iSeries™ V5R3
AND V5R4 with OS/400 Portable
Applications Solution Environment
(PASE, 5722-SS1, Option 33)
Hardware:
o Pentium® or Pentium-class
processor or higher (for 32-bit
Windows);
x64 (AMD 64 and EM64T)
processor family (for 64-bit
Windows), running at 1GHz or
faster
o A CD-ROM drive
o A network adapter running the
TCP/IP network protocol
Minimum free disk space: 1GB
recommended
Minimum RAM: 4GB recommended
Operating system: Windows Server
2003® (Standard and Enterprise) x32 or
x64 Edition, Windows Server 2003 R2
(Standard and Enterprise) x32 or x64
Edition
Hardware:
o Pentium® or Pentium-class
processor or higher (for 32-bit
Windows); x64 (AMD 64 and
EM64T) processor family (for
64-bit Windows), running at
1GHz or faster
Minimum free disk space: 1GB
recommended
MinimumRAM:4GB recommended
Pendukung untuk Data Mining
• Untuk pemodelan database Oracle® :
o Oracle Data Mining (ODM
10gR1, 10gR2)
• Untuk pemodelan dengan IBM®
Intelligent Miner™:
o Intelligent Miner 8.2 and IBM
DB2® 8.2 or Intelligent Miner
9.1 and DB2 8.2 (DWE 9.1)
3 |Page
Untuk pemodelan dengan menggunakan
Microsoft SQL Server™ 2005 Analysis
Services:
o SQL Analysis Server 2005 with
access to SQL Server 2005
o Enterprise edition recommended
Clemetine dalam SPSS dapat dibangun dengan cara
seperti gambar di bawah ini:
Gambar 1. Proses Data Mining dalam Clementine
Dari gambar di atas dapat disimpulkan bahwa
proses pembangunan data mining dengan
menggunakan clementine adalah sebagai berikut :
1. Membangun Proses data mining
Dalam proses awal ini, clememntine
digunakan untuk membangun proses yang
ada pada database organisasi untuk
diambil informasi dan data yang baik
menjadi sistem yang kuat dan berguna.
2. Mempublikasikan proses yang terjadi
Kemudian, spesifikasikan dan
publikasikan solusi dalam bahasa C, SQL
dan file lain yang dibutuhkan untuk mengcompile proses sebagaimana program
dijalankan dalam organisasi tersebut.
3. Membangun aplikasi
Setelah meng-compile seluruh proses yang
terjadi dan membangunnya pada target
permasalahan. Maka akan dibangun
aplikasi untuk user yang bersifat user
interface untuk merancang aplikasi untuk
penerapan.
4. Penerapan aplikasi
Lalu, terapkan aplikasi data mining dalam
organisasi tersebut. Letakkan data base
dalam suatu main frame atau platform lain
atau aplikasi lain yang tidak mendukung
Clementine. Atau jangan mengaktifkan
pembuat keputusan untuk membuat
keputusan yang mempunyai informasi
yang lebih baik.
5. Meningkatkan Solusi Data Mining yang
ditawarkan oleh Clementine
Akhirnya, tingkatkan solusi data mining
tersebut dengan menganalisa hasilnya
dalam operasinya. Ketika menggunakan
solusi tersebut dalam aktivitas sehari-hari
ini, maka akan tercipta siklus tertutup
yang membuat tetap up to date dengan
perkembangan organisasi dalam
organisasi atau dalam dunia pemasaran.
Kepolisian Atlanta merupakan salah satu pengguna
clementine yang memanfaatkan metode data
mining. Atlanta merupakan kepolisisan yang
termasuk dalam wilayah kerja Amerika. Adapun
keterangan detai tentang atlanta akan dijelaskan di
bawah ini.
Project Safe Neighborhoods, merupakan suatu
inisitif federal yang dimulai oleh United States
Attorney General, bekerja untuk menciptakan
lingkungan yang lebih aman di Amerika dengan
mengkoordinasikan dengan program yang ada pada
daerah masing-masing yang merupakan daerah
target kejahatan bersenjata. Di Atlanta, Project Safe
Neighborhoods dikhususkan dalam Atlanta Police
Department's (APD) kejahatan yang berhubungan
dengan sejata api.
Departemen Kepolisian Atlanta menyadari bahwa
data detail tentang sejarah kejahatan yang terdapat
di Kepolisian Atlanta tidak digunakan sepenuhnya,
dan mereka menyadari bahwa para polisi akan
lebih lengkap dan siap menangani kejahatan dan
kejadian yang berulang yang terjadi jika mereka
memiliki informasi yang lebih lengkap. Salah satu
hal yang mendukung pemikiran ini adalah
banyaknya data dan informasi pada penyimpanan
data sejarah kejahatan di Negara bagian Georgia
yang berisi data setiap individu yang pernah
dipenjara atau ditangkap di Georgia selama sepuluh
tahun sebelumnya.
Kepolisian Atlanta akhirnya menerapkan Pelayanan
Penelitian Terapan, sebuah firma peneliti polisi
umum, untuk mengatur data sejarah kejahatan yang
ada pada Kepolisian Atlanta. Dengan menggunakan
SPSS untuk windows, Pelayanan Penelitian
Terapan mengurutkan dan merengking semua file
dalam tempat penyimpanan berdasarkan nomor dan
tingkat keseriusan dari kejahatan yang terjadi,
mengidentifikasikan kejahatan yang paling keji dan
tingkat resiko yang tinggi bagi para pegawai
operasi dalam kepolisian Atlanta. Hal ini
diterapkan seperti gambar di bawah ini :
Gambar 2. Penerapan Clementine
Salah satu kunci untuk mengurangi kejahatan dan
kekerasan adalah dengan menyandarkan pada
kolaborasi dan sharing informasi dalam agen
penegak hukum. Setiap hari, agen pelaksana hukum
general, penjaga penjara, polisi local, dan pegawai
tidak tetap kepolisian menemukan pelanggar yang
sama, sementara mereka tidak memiliki informasi
yang lengkap. Secara sejarah, agen-agen penegak
hukum yang berbeda tidak memiliki sumber atau
komitmen untuk membagi pengetahuan tentang
kejahatan dengan polisi yang lain. Sehingga sesama
polisi tidak memiliki pengetahuan yang sama
dalam hal kejahatan dan sejarah kejahatan yang ada
pada daerah lingkungan mereka. Hal ini membuat
polisi tidak bergerak dengan efisien dan seringkali
melakukan kesalahan yang berulang dalam
menindaklanjuti kejahatan dan kekerasan yang
mungkin saja pernah terjadi di lingkungan mereka.
Namun setelah menggunakan teknologi data
mining dan clementine, kinerja kepolisian Atlanta
berubah menjadi lebih baik.
Di bawah proyek Penyelamatan Lingkungan,
kepolisian berinisiatif untuk mendesain lingkungan
yang
lebih
aman
di
Amerika
dengan
mengkoordinasikannya dengan program lokal yang
ada dan berhubungan dengan kejahatab atas
kepemilikan senjata, Departemen Kepolisian
Atlanta bekerja sama dengan perusahaan umum
Pelayanan Penelitian Terapan untuk memfasilitasi
kerjasama antar egen-egen penegak dan pelaksana
hukum. Proyek Lingkingan Aman yang dilakukan
Atlanta bekerja sama dengan jaksa dari kantor
Atlanta City Solicitor's, kantor Fulton County
District Attorney, dan kantor U.S. Attorney.
Project Safe Neighborhoods Task Force di atlanta
menyediakan koleksi data dan anlisis untuk
4 |Page
Departemen Kepolisian Atlanta, dan membuat
kepolisisan Atlanta mendesain strategi yang lebih
efektif mengurangi kejahatan yang berhubungan
dengan senjata api. Dengan SPSS yang berbasis
windows, sebuah data statistik dan data manajemen
data manajemen disediakan untuk para analist dan
pekerja/pegawai, Pelayan Penelitian Terapan
mengurutkan dan merengking semua file dalam
tempat penyimpanan berdasarkan nomor dan
tingkat keseriusan dari kejahatan yang terjadi,
mengidentifikasikan kejahatan yang paling keji dan
tingkat resiko yang tinggi bagi para pegawai
operasi dalam kepolisian Atlanta.
Setiap kali seseorang ditahan atau terlibat dalam
suatu tindak kejahatan, maka data mereka
dimasukkan dalam tempat penyimpanan data
kejahatan. Lembaran kecil ini terdiri dari semua
informasi yang dibutuhkan, termasuk data
identifikasi (tanggal lahir, nomor keamanan
pribadi, alias, dsb), tagihan, dan lahan disposisi
untuk setiap tagihan atau keuangan yang
menyangkut orang tersebut.
Pelayanan
Penelitian
Terapan
merupakan
perusahaan peneliti pertama di Negara tersebut
yang diberikan akses untuk mengelola data
kejahatan yang ada pada kepolisian Atlanta. Alasan
utama dari fakta tersebut adalah banyaknya
informasi yang berjumlah sangat besar yang hampir
sebagian besar organisasi tidak mengetahui
pemnfaatan dan keberadaannya yang sangat
bernilai untuk meningkatkan kinerja organisasi
dalam kegiatan dan aktivitas keseharian. Terdapat
2,1 juta orang yang termasuk dalam data asosiasi
dengan informasi yang mencapai 9 juta kesempatan
perbuatan kriminal dan 8 juta kali di tahan dalam
penjara.
John Speir, yang merupakan koordinator dari
Perusahaan
Pelayanan
Penelitian
Terapan
mengantakan bahwa mereka mengelola data dalam
bentuk file multi record yang mencapai 20 gigabyte. Dan mereka juga menyadari bahwa
pentingnya terdapat alat yang dapat mengelola
informasi yang banyak dan terorganisir.
Pemanfaatan metode data mining dalam
mengangani kasus ini merupakan langkah yang
tepat mengingat manfaat yang dapat diperoleh oleh
Kepolisian Atlanta saat ini.
Georgia. Dengan menggunakan program SPSS,
setiap individu yang ditahan selama setahun yang
lalu menjadi berkurang pada tahun ini, dari list
yang berjumlah lebih dari 2 juta orang menjadi
12,000 orang pada tahun berikutnya. Setiap orang
melengkapi semua sejarah kejahatan dan telah
diperiksa, dan penjahat yang memiliki sejarah
pernah ditahan kali kali atau lebih dalam hal
pelanggaran dengan kekerasan – kejahatan tersebut
berada dalam daftar lima tahun terakhir – dan
setidaknya memiliki 1 alibi, maka mereka
dimasukkan ke dalam “hot list”. Tipikal individu
dalam daftar ini beberapa merupakan penjahat
kelas kakap, pelanggar yang telah dipenjara 14 kali
untuk kejahatan berupa pembunuhan, pemerkosaan,
pembantaian, atau berkelahi dengan pihak
kepolisian.
Daftar tersebut,yang diletakkan dalam program
SPSS,
kemudian
didistribusikan
untuk
Departement
Kepolisian
Atlanta
bagian
pembebasan,Departemen Koreksi Georgia, dan
kantor U.S. Attorney, mengizinkan departemen
tersebut
untuk
mengkoordinasikan
dan
memfokuskan kekuatan mereka untuk membuatan
jalanan di kota Atlanta menjadi lebih aman dari
sebelumnya.
Tammy Meredith, koordinaor di Pelayanan
Penelitian terapan mengatakan bahwa dia sangat
berharap untuk menyebarkan peringatan bahwa
operasi database tersebut tidak harus selalu berada
dalam kantor namun juga berfungsi pula dalam
kehidupan masyarakat. Karena dalam pemanfaatan
data base yang besar tersebut dapat menolong
pembuat keputusan ketika dianalisa dan digunakan
secara benar dan baik. Dan dengan pemanfaatan
metode data Mining menunjukkan terdapat indikasi
bahwa kejahatan di daerah atlanta telah mengalami
kemunduran.
Pada tahun 2003, proyek Keamanan Lingkungan
melaporkan terdapat 40 persen pengurangan pada
pembunuhan dengan menggunakan senjata api dan
23 persen pengurangan pada pembunuhan fatal
ketika dibandingkan dengan daftar pada tahun
2002. Dan terdapat pula 39 persen penururnan
dalam jumlah panggilan 911 yang berhubungan
dengan penggunaan senjata api.
Mengatur "Hot List" dari 500 kejahatan paling
berbahaya di Atlanta
Mencegah individu yang berada dalam masa
percobaan (tahanan luar) untuk
menambah jenis kejahatan
Setelah menggunakan suatu seri dari kriteria
kriminal ke dalam file penyimpanan, Pelayanan
Penelitian Terapan membuat Daftar Teratas dari
500 kejahatan dan kekerasan yang paling
berbahaya yang dilakukan oleh para pelanggar di
Suatu komponen penting dari inisiatif proyek
keamanan Lingkungan An important component of
the Project Safe Neighborhoods melibatkan
penerimaan pesan penundaan kepada pelanggar
kejahatan yang aktif. Para pegawai bagian
5 |Page
pembebasan bekerja dengan jaksa untuk mebuat
suatu pertemuan dengan individu yang berada
dalam
daftar pembebasan
bersyarat
dan
diidentifikasikan sebagai pelanggar yang berisiko
tinggi. "Hot List" mengizinkan pegawai
pembebasan bersyarat dan jaksa daerah untuk
memfokuskan pengawasan pada satu orang dalam
satu waktu, hal ini sangat mempermudah mereka
untuk mengkoordinasikan kekuatan mereka.
Ssehingga semua tindakan yang dilakukan
merupakan suatu tindakan yang bernilai.
Dalam setiap pertemuan tersebut, Fulton County
District Attorney memberitahu kepada setiap
individu yang berada dalam “hot list” tentang
konsukuensi yang akan terjadi jika mereka
tertangkap menggunakan sebuah senjata api atau
mereka akan dipenjarakan lagi. Sebagai tambahan,
distrik Attorney menginformasikan kepada para
penjahat tersebut bahwa mereka dimonitor secara
teliti dengan polisi dalam suatu masa percobaan
untuk mencegah mereka berpartisipasi dalam
aktivitas kejahatan di masa yang akan datang.
Dengan pencegahan jenis ini, maka para penjahat
akan memikirkan kembali keputusannya untuk
kembali terlibat dalam suatu tindakan kejahatan.
Menyebarkan Polisi ke area berfrekuensi
dengan
Kejahatan
dan
Tindak
Kriminal yang berbahaya
"Hot List" juga menolong rute rencana polisis
secara strategi untuk polisi patroli. Data yang ada
pada daftar tersebut sangat m,enolong penanganan
setiap kejahatan yang terjadi dalam suatu daerah di
Atlanta, khususnya para polisi patroli. Dengan
menyingkirkan para pelanggar dari jalanan yang
biasa menjadi tempat kejahatan para penjahat
tersebut secara signifikan mengurangi jumlah
kejahatan yang terjadi dalam daerah Atlanta.
Pegawai kantor polisi memonitor dan mengawasi
penjahat kelas kakap tersebut dengan menggunakan
program SPSS untuk mengatur “Hot List”
berdasarkan lokasi tempat daerah penjahat tersebut
melakukan kejahatan. Polisi dan pegawai patroli
lapangan dikumpulkan ke area tersebut dengan
strategi tertentu terutama daerah yang merupakan
daerah yang sering menjadi lokasi tempat kejahatan
terjadi, dan merupakan tempat sasaran para
pelanggar hukum yang berbahaya tersebut.
Penyebaran polisi ini membuat Departemen
Kepolisian atlanta memaksimalkan kemampuan
patrolinya dan meningkatkan efisiensi dalam kurun
waktu tertentu ketika mereka tidak memiliki biaya
untuk menyewa petugas patroli tambahan untuk
membantu tugas mereka.
6 |Page
Mayor Jim, salah seorang pegwai dari Departemen
Kepolisian Atlanta menyatakan bahwa dengan
memfokuskan kekuatan pasukan mereka pada
individu yang secara kriminal dikatakan sebagai
pelaku aktif dan memiliki sejarah kekerasan dan
kejahata, Departemen Kepolisian Atlanta memiliki
waktu yang lebih panjang untuk mengurangi tindak
kejahatan yang terjadi di daerah Atlanta
Meningkatkan Keamanan Polisi
Menginformasikan Pegawai
Tentang Loasi Kriminal
bertugas
dengan
Patroli
tampat
Data yang disediakan oleh Pelayanan Peneliti
Terapan juga meningkatkan keamanan para
pegawai kepolisian. Dengan menggunakan peta
informasi dalam konjungsi SPSS, para pegawai
diperingatkan dan diberitahukan dimana tempat
tinggal pelanggar dengan resiko tinggi akan
diletakkan untuk menanggulanginya. Informasi ini
mengizinkan para pegawai untuk mempersiapkan
dirinya dengan lebih baik untuk menangani
kejahatan dan mengurangi kejutan kejahatan dalam
rutinitas keseharian kepolisian. Dengan mengetahui
bagaimana kondisi dari para pelanggar hukum dan
mengetahui dengan baik bagaiamana harus
mempersiapkan diri, kepoilisian menjadi bekerja
dengan lebih efektif dan baik.
Dengan SPSS untuk window, pelayanan Penelitian
terapan bekerja untuk menciptakan kesimpulan
sementara untuk setiap tindak kejahatan yang telah
direkam dalam penyimpanan data. Tujuan dari
program ini adalah untuk menciptakan sebuah
dokumen ringan yang menyatakan jumlah dari
tahanan, tanggung jawab, dan hal lain yang
berhubungan dengan individu dengan sejarah
kriminalnya.
Kesimpulan informasi sementara merupakan suatu
hal yang paling dibutuhkan yang dihasilkan dalam
pelaksanaan proyek ini. Dengan bantuan dari SPSS
program, informasi yang penting diletakkan pada
posisi teratas, sehingga para pegawai dapat
menentukan secara cepat bagaimana menangani
suatu
individu
berdasarkan
sejarah
dan
kebiasaannya di masa lalu.
Kesimpulan sementara ini bisa diakses dalam suatu
web site berkeamanan tinggi sehingga para
pegawai dapat mengakses data tersebut secara
fleksibel. Website tersebut akan memuat fitur yang
mengizinkan para petugas untuk memanggil tingkat
kesimpulan yang akan mengurutkan tingat
kriminalitas berdasarkan resiko level yang telah
ditentukan. Selanjutnya, data tersebut, yang bisa
dihubungkan pada matrik kehidupan berupa sidik
jari, akan memberikan kemampuan kepada para
pegawai untuk mengakses sidik jari dari para
kriminal di dalam mobil patroli mereka sehingga
mereka bisa mengakses informasi ini dengan lebih
cepat.
III. KESIMPULAN DAN SARAN
1.
Pemanfaatan gudang data merupakan
teknik baru yang sudah berkembang di
lingkungan kehidupan sehari-hari. Data
Mining merupakan metodologi yang baik
untuk pengembangan kebijakan organisasi
yang melingkupi bidang intelejen,
keamanan,
bisnis,
pemerintahan,
kesehatan, asuransi,dsb.
2. Pemanfaatan
data
mining
pada
Departemen Kepolisian Atlanta membawa
efek yang positif dan baik bagi kinerja
kepolisian.
Adapun saran untuk penerapan paper ini adalah :
1. Hendaknya
kepolisian
Indonesia
menerapkan teknik data mining untuk
meningkatkan keamanan dan kebaikan
lingkungan
2. Perkembangan
data
mining
terus
ditingkatkan untuk dapat memperoleh
manfaat yang baik.
REFERENSI
7 |Page
J. Magidson. The chaid approach to segmentation
modeling: Chi-squared automatic interaction
detection. In R. P. Bagozzi, editor, Advanced
Methods of Marketing Research, pages 118-159.
Blackwell Business, Cambridge Massechusetts,
1994.
M. Mehta, R. Agrawal, and J. Rissanen. SLIQ : A
fast scalable classifier for data mining. In Proc.
1996 Int. Conf. Extending Database Technology
(EDBT'96), Avignon, France, March 1996.
S. K. Murthy, Automatic Construction of Decision
Trees from Data: A Multi-Diciplinary Survey, Data
Mining and Knowledge Discovery 2(4): 345-389,
1998
J. R. Quinlan. Bagging, boosting, and c4.5. In Proc.
13th Natl. Conf. on Artificial Intelligence
(AAAI'96), 725-730, Portland, OR, Aug. 1996.
R. Rastogi and K. Shim. Public: A decision tree
classifer that integrates building and pruning. In
Proc. 1998 Int. Conf. Very Large Data Bases, 404415, New York, NY, August 1998.
J. Shafer, R. Agrawal, and M. Mehta. SPRINT : A
scalable parallel classifier for data mining. In Proc.
1996 Int. Conf. Very Large Data Bases, 544-555,
Bombay, India, Sept. 1996.
S. M. Weiss and C. A. Kulikowski. Computer
Systems that Learn: Classification and Prediction
Methods from Statistics, Neural Nets, Machine
Learning,
and
Expert
Systems.
Morgan
Kaufman,1991