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 (arie.vatresia@gmail.com)

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 seharihari. 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

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.

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

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.

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

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

Server

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

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

Batch

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

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. Mengatur "Hot List" dari 500 kejahatan paling berbahaya di Atlanta 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

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. Mencegah individu yang berada dalam masa percobaan (tahanan luar) untuk menambah jenis kejahatan 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.

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

6| Page

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

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. 1.

REFERENSI

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

7| Page