Show simple item record

dc.contributor.authorGunawan, Muhammad
dc.contributor.authorAditya, Trias
dc.date.accessioned2019-06-18T03:02:42Z
dc.date.available2019-06-18T03:02:42Z
dc.date.issued2019-04
dc.identifier.citation[1] Sahu R, dan Srivastava P. 2010. “Effective crime control using GIS.” Geospatial Media and Communications. https://www.geospatialworld.net/article/effective-crime-controlusing- gis/. [2] W. Jentner, G. Ellis, F. Stoffel, D. Sacha, dan D. Keim, “A Visual Analytics Approach for Crime Signature Generation and Exploration,” IEEE VIS 2016 Work. Temporal Seq. Event Anal., hal. 1–4, 2016. [3] T. F. Balogun, H. Okeke, dan C. I. Chukwukere, “Crime Mapping in Nigeria Using GIS,” J. Geogr. Inf. Syst., vol. 6, no. October, hal. 453–466, 2014. [4] S. N. de Melo, R. Frank, dan P. Brantingham, “Voronoi Diagrams and Spatial Analysis of Crime,” Prof. Geogr., vol. 69, no. 4, hal. 579–590, 2017. [5] A. A. Reid, R. Frank, N. Iwanski, V. Dabbaghian, dan P. Brantingham, “Uncovering the Spatial Patterning of Crimes : A Criminal Movement Model ( CriMM ),” vol. 51, no. 2, hal. 230–255, 2014. [6] Abdulsyani, 1987. Sosiologi Kriminalitas. Bandung : Remaja Karya [7] Nassaruddin, E. H. (2016). Kriminologi. Bandung: Pustaka Setia [8] Dermawanti dkk., (2015). Faktor-Faktor yang Mempengaruhi Kriminalitas di Kabupaten Batang Tahun 2013 dengan Analisis Jalur. Jurnal Gaussian., vol 4, no. 2, hal. 247-256. [9] Thomas, J. J. and Cook, K. A. (2005) “The Ilumninating the Path: the Research amd Development Agenda for Visual Analytics", IEE Computer Society Press. [10] Mitchell, A. (2005). GIS Analysis volume 2: Spatial Measurements & Statistics. California: ESRI Press. [11] G. Andrienko, N. Andrienko, P. Bak, D. Keim, dan S. Wrobel, Visual Analytics of Movement. . [12] Smith, M.J. de dkk., (2007) Geospatial Analysis : A Comprehensive Guide to Principles, Techniques and Software Tools. UK : Matadorid_ID
dc.identifier.issn2580-8796
dc.identifier.urihttp://hdl.handle.net/11617/10829
dc.description.abstractPertumbuhan penduduk di negara berkembang sangat berpengaruh terhadap fenomena kriminalitas. Jakarta merupakan salah satu Kota megapolitan dengan kepadatan penduduk tertinggi dan pengguna media sosial terbanyak di Indonesia. Laporan melalui media sosial mengenai terjadinya tindakan kriminalitas dapat digunakan sebagai pendekatan untuk melakukan analisis fenomena kriminalitas. Artikel ini bertujuan untuk memberikan gambaran pemanfaatan analitik geovisual kriminalitas untuk mengidentifikasi pola dan pergerakan kejadian dengan memanfaatkan variabel spasial-temporal melalui data media sosial. Analitik geovisual dilakukan dengan menggunakan metode analisis pola spasial dan pergerakan rentetan kejadian kriminalitas berdasarkan aggregasi waktu. Hasil analitik geovisual memperoleh visualisasi yang memperlihatkan pola kejadian kriminalitas dalam bentuk peta voronoi yang beroverlay dengan tingkat kepadatan dan pengganguran penduduk dalam bentuk proporsi lingkaran. Selain itu visualisasi pola pergerakan diperlihatkan dalam bentuk garis lengkung yang memiliki informasi arah pergerakan, lokasi asal dan tujuan dari fenomena kriminalitas. Berdasarkan interpretasi visual diketahui pola kejadian kriminalitas di Jakarta cenderung membentuk pola yang berkelompok sebanyak 43 kelurahan. Pola pergerakan kriminalitas membentuk 51 pergerakan dalam periode 1 jam dan menjadi dasar untuk menetapkan kategori tingkat kerawanan berdasarkan jumlah total kunjungan kejadian yang terjadi. Informasi yang diperoleh diharapkan mampu memberikan pengetahuan baru yang dapat digunakan oleh berbagai pihak dalam pengambilan keputusan untuk meningkatkan keamanan di lingkungan.id_ID
dc.language.isootherid_ID
dc.publisherSeminar Nasional GEOTIK 2019id_ID
dc.titleAnalitik Geovisual Pola Kejadian dan Pergerakan Kriminalitas berbasis Data Media Sosialid_ID
dc.typeArticleid_ID


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record