1

Geovisualization untuk Keperluan Investigasi Kriminalitas

Muhammad Gunawan
Departemen Teknik Geodesi, Fakultas Teknik Universitas Gadjah Mada

Email: mhdgunawan8@gmail.com

Abstract
Tindakan kriminalitas merupakan perbuatan seseorang yang dapat diancam hukuman. Di
Indonesia jumlah kejadian kriminalitas berfluktuasi. Proses analisis data kejahatan merupakan
langkah mendasar sebagai alat untuk menilai kondisi dan memprediksi aspek kejahatan di
lingkungan. Proses analisis data kejahatan dapat lebih mudah dilakukan dengan dukungan
teknologi untuk memvisualisasikan, eksplorasi dan pemeriksaan kejadian kejahatan. Maka
dari itu, agar kinerja dalam menekan tingkat kejahatan dapat berjalan lebih baik perlu adanya
metode untuk melakukan analisis kejahatan yang lebih optimal. Analisis visual kriminalitas
dilakukan dengan tujuan untuk dapat mengoptimalkan sumber daya dalam kegiatan investigasi
dan monitoring kejahatan dengan memanfaatkan aspek geospasial. Penelitian ini
menggunakan metode analisis spasial berupa analisis pola, distribusi dan jaringan. Hasil
akhirnya akan diperoleh peta pola dan distribusi kriminalitas serta jaringan kriminalitas dalam
bentuk aplikasi web online
Kata kunci: kriminalitas, analisis visual, pola, distribusi, jaringan

1. Pendahuluan memiliki pekerjaan), taraf kesejahteraan,

Tindak kejahatan atau kriminalitas merupakan
perbuatan seseorang yang dapat diancam
hukuman berdasarkan Kitab Undang Undang
Hukum Pidana (KUHP) atau Undang-Undang
serta peraturan lainnya yang berlaku di
Indonesia (Badan Pusat Statistik, 2016).
Tindakan kriminalitas pada dasarnya dapat
dilakukan oleh setiap individu jika dipengaruhi
oleh faktor internal maupun eksternal. Faktor-
faktor tersebut merupakan variabel-variabel
yang menyebabkan terjadinya suatu tindak
kriminalitas meliputi kebutuhan ekonomi yang
mendesak, ketanagakerjaan (pengangguran atau
pendidikan, dan faktor pergaulan atau pengaruh
lingkungan.
Keamanan dapat diwujudkan dengan
mengurangi tindak kejahatan yang terjadi.
Tindak kejahatan tersebut dapat diukur dengan
mengetahui jumlah angka kejahatan, jumlah
orang yang beresiko terkena tindak kejahatan
dan selang waktu terjadinya kejahatan. Menurut
data statistik kriminal tahun 2017 selama
periode tahun 2013–2016, jumlah kejadian
kejahatan atau tindak kriminalitas di Indonesia
berfluktuasi. Jumlah kejadian kejahatan (crime
total) pada tahun 2013 sebanyak 342.084 kasus,
2
menurun menjadi sebanyak 325.317 kasus pada
tahun 2014 dan meningkat pada tahun 2015
menjadi 352.936 kasus. Sementara itu, jumlah
orang yang berisiko terkena tindak kejahatan
(crime rate) setiap 100.000 penduduk
diperkirakan sebanyak 140 orang pada tahun
2013, 131 orang pada tahun 2014, dan 140 orang
pada tahun 2015.
Untuk dapat menekan tingkat kejahatan yang
tinggi membutuhkan upaya dari berbagai pihak
yaitu Kepolisian Negara Republik Indonesia
(POLRI), Kepolisian Daerah (POLDA) dan
aparat hukum lainnya yang menangani
permasalahan terkait kriminalitas. Selain aparat
hukum perlu juga keikutsertaan sosial
masyarakat yang merupakan aspek penting yang
secara langsung mempengaruhi tumbuh dan
berkurangya perilaku kejahatan di lingkungan.
Menurut Dr. R. Sahu dan Peeyush Srivastava
(2010) kejahatan merupakan fenomena sosial
yang terdistribusi dan tidak bersifat acak.
Sehingga dapat dilakukan identifikasi pola dan
distribusi geografis kejahatan dan keterkaitannya
dengan variabel-variabel penyebab tindakan
kejahatan dapat terjadi. Selain itu dapat
dilakukan analisis variasi temporal untuk
estimasi kejadian kejahatan. Analisis tersebut
dilakukan dengan menggunakan data lokasi
kejahatan yang telah melalui proses geocoding.
Geocoding merupakan proses untuk
melampirkan indentitas spasial dalam bentuk
koordinat X, Y dua dimensi berdasarkan
informasi alamat yang terdapat di dalam
database (Brimicombe dkk., 2007). Fenomena
kejahatan dapat dianalisis secara visual dengan
memanfaatkan data lokasi kejahatan. Data lokasi
kejahatan bersumber dari data kepolisian dalam
bentuk alamat yang merupakan elemen-elemen
kode wilayah. Proses analisis dilakukan dengan
mempertimbangkan format dan kualitas data
yang menjadi masukan. Sehingga perlu
dilakukan proses geocoding dan berperan sangat
penting dalam mempersiapkan data awal untuk
keperluan analisis kejahatan.
Lembaga keamanan menangani jumlah laporan
kejahatan yang sangat besar. Laporan-laporan
tersebut terkait dengan metadata seperti waktu,
informasi lokasi dan jenis kejahatan (Jentner
dkk., 2016). Berdasarkan metadata tersebut
setelah melalui proses geocoding dapat
dilakukan analisis visual dengan menggunakan
aspek geospasial. Analisis tersebut dilakuakan
dengan mengekstraksi informasi seperti pola
yang terbentuk dari kejadian kejahatan. Menilai
kecenderungan kejadian kejahatan dengan
memepertimbangkan distribusi kejadian
kejahatan dan mengidentifikasi jaringan
kejahatan yang terbentuk. Selain itu dihasilkan
penyajian dalam bentuk peta interaktif.
Proses analisis data kejahatan merupakan
langkah mendasar sebagai alat untuk menilai
kondisi dan memprediksi aspek kejahatan di
lingkungan. Maka dari itu agar kinerja dalam
menekan tingkat kejahatan dapat berjalan lebih
baik perlu adanya metode untuk melakukan
analisis kejahatan yang lebih optimal. Untuk
mewujudkanya pada penelitian ini akan
dilakukan analisis spasial dan visualisasi
kejahatan. Analisis dilakukan dengan
menambahkan aspek geospasial di dalam
optimalisasi sumber daya dalam kegiatan
mengurangi dan investigasi kejahatan. Hal
tersebut merupakan satu langkah upaya
menciptakan keamanan dan ketertiban di
masyarakat.
2. Tinjauaan Pustaka
Kejahatan merupakan fenomena sosial,
perolehan data kejahatan membutuhkan inter-
grasi dari masyarakat dan lembaga keamanan
yang berada pada lokasi tertentu dimana ke-
jadian kejahatan tersebut terjadi (Balogun dkk.,
2014). Analisis kejahatan dapat dilakukan

dengan menggunakan aspek geospasial untuk
memonitor dan mengidentifikasi kejadian keja-
hatan di suatu wilayah. Penelitian terkait
analisis kejahatan menggunakan aspek
geospasial telah banyak dilakukan oleh peneliti
sebelumnya. Balogun dkk., (2014) melakukan
pemetaan kejahatan dengan menggunakan GIS.
Metode yang digunakan dengan analisis spasial
berupa query dan buffer. Analisis tersebut
memperlihatkan hot spot lokasi-lokasi kejadian
keja- hatan terjadi terhadap lokasi pos keamanan
di Kota Benin, Nigeria. Hasil penelitian terse-
but tidak mempertimbangkan kaitan variabel-
variabel penyebab kejadian kejahatan dengan
pola spasial kejahatan yang terbentuk.
Penentuan area hot spot hanya berdasarkan area
buffer dari lokasi-lokasi kejadian kejahatan yang
terjadi. Belum mempertimbangkan adakah
kedekatan antar lokasi untuk membentuk pola
yang tidak bersifat acak (random).
Penggunaan data spasial temporal kejahatan
untuk analisis kejahatan telah dilaukan oleh
Yar & Nasir (2016) Pereira et al., (2016). Yar &
Nasir (2016) melakukan penelitian kejahatan
terkait analisis spasial temporal. Analisis yang
dilakukan berupa penentuan dis- tribusi spasial
dari kejahatan yang agresif terjadi di Kota
Mardan, Pakistan. Periode waktu yang
digunakan dalam analisis temporal yaitu 12
bulan. Data temporal tersebut dianali- sis
untuk menemukan dan membangun apakah
terdapat hubugan antara kejahatan dengan cuaca
di Kota Mardan. Hasil penelitian berupa peta
tematik jenis kejahatan, distribusi pengaruh
cuaca terhadap kejahatan, peta hot spot, dan
distribusi area kejahatan. Berbeda halnya Pereira
et al., (2016) penelitiannya berfokus terhadap
kejadian pembunuhan (homi- cide). Metode
yang dilakukan dengan menginvestigasi variasi
temporal (season, month, days of week, dan
period of days) terhadap kejadian pembunuhan.
Hasil investigasi terse- but dikaitkan dengan
kondisi iklim. Hasil penelitian ditemukan bahwa
tidak terdapat pen- ingkatan yang signifikan
dengan temperatur di bulan-bulan dengan
kondisi iklim panas dan kering. Tetapi terjadi
peningkatan yang signifikan terhadap kejadian
3
pembunuhan yang terjadi di weekend dan sore
hari.
de Melo dkk., (2015) melakukan penelitian
mengenai analisis kejahatan menggunakan aspek
geospasial dengan metode voronoi diagram.
Analisis yang dilakukan berupa identi- fikasi
konsentrasi kejahatan melalui tampilan visual
voronoi diagram. Fenomena kejahatan tersebut
divisualisasikan dalam bentuk 3 dimensi.
Fenomena kejahatan yang dikaji spesifik
terhadap kelas kejahatan pencurian. Berdasarkan
hasil visualisasi dapat diekstraksi infor- masi
pola yang berhubungan dengan konsentrasi dan
distribusi kejahatan secara spasial.
Penelitian terkait analisis visual kejahatan telah
dilakukan oleh (Jentner dkk., 2016). Pendekatan
yang digunakan berbasis analisis visual untuk
mengeksplorasi data kejadian hasil ekstraksi
peristiwa kejahatan secara otomatis. Proses
eksplorasi tersebut dilakukan terhadap data
dalam format teks disebut dengan modus
operandi. Dataset tersebut berupa metadata
berisikan informasi tanggal, waktu dan kategori
kejahata. Analisis visual dilakukan terhadap
hasil ekstraksi informasi semantik berupa
komponen kejadian, pola dan keterkaitan
kejadian kejahatan dengan aspek temporal.
Berdasarkan penjabaran penelitian-penelitian
sebelumnya yang telah dilakukan dapat di-
jabarkan perbedaan penelitian ini dengan
sebelumnya adalah pada penelitian ini
menganali- sis pola spasial dari data kejahatan
yang terjadi dengan mempertimbangkan
autokorelasi dari setiap kejadian kejahatan. Pola
yang terbentuk dikaitkan dengan variabel-
variabel penye- bab terjadinya kejahatan.
Analisis distribusi spasial fenomena kejahatan
juga dilakukan. Analisis ini dilakukan dengan
mengidentifikasi fenomena kejahatan yang
terjadi pada tingkat signifikansi tertentu
sehingga dapat dinilai bagaimana kondisi
sebaran kejahatan yang dipengaruhi oleh faktor-
faktor utama penyebab terjadinya kejahatan.
Selain itu juga dilakukan analisis jaringan
terhadap data temporal kejadian kejahatan untuk
4
memprediksi jaringan kriminalitas yang
terbentuk dari sebaran kejadian.
3. Metode
Metodologi penelitian yang dilakukan secara
garis besar dijelaskan sebagai berikut:
1. Persiapan
Tahapan persiapan dimulai dengan
mempelajari bahan- bahan kepustakaan, yang
relevan terkait analisis visual data kejahatan.
Berbagai sumber penelitianpenelitian, jurnal
artikel, buku dan peraturan- peraturan juga
dijadikan sebagai acuan dan pertimbangan
dalam persiapan penelitian ini.
2. Pengumpulan data
Tahapan pengumpulan data dimulai dengan
kegiatan mempersiapkan data apa saja yang
akan digunakan dalam penelitian. Data dapat
berupa data kualitatif maupun data kuantitatif.
Pada penelitian digunakan data kualitatif yaitu
berupa data lokasi kantor polisi dan lokasi
kejadian kejahata, data karakteristik kejadian
kejahatan yang bersumber data Kepolisian. Data
crowdsourcing menggunakan media sosial
twitter. Selain data kuantitatif juga digunakan
data spasial berupa data batas administrasi
wilayah dan data jaringan jalan.
3. Identifikasi kesesuaiaan data
Yaitu kegiatan menelaah karakteristik dari
data yang telah diperoleh. Sehingga sesuai
dengan tujuan penelitian yang berkaitaan dengan
data lokasi kejahatan. Hasil identifikasi
selanjutnya dapat dilakukan analisis visual
terkait pola, distribusi dan jaringan kejahatan
berbasis spasial. Selain mengecek kesesuaiaan
data proses identifikasi dilakukan untuk
mempersiapkan data sehingga dapat menjadi
input dalam proses analisis. Persiapan data
tersebut pada diagram alir dengan melakukan
geocoding data kepolisian yang masih
berorientasikan informasi lokasi berupa alamat.
4. Analisis Spasial
Melakukan pengelolaan data kejahatan hasil
identifikasi data kepolisian dan media sosial.
Proses pengolahan dengan analisis pola dan
distribusi spasial dari sebaran fitur lokasi
kejadian kejahatan. Selain itu dilakukan analisis
jaringan kriminalitas berdasarkan data lokasi
kejahatan yang bersifat temporal. Hasil akhir
proses analisis ditampilkan dalam aplikasi
berbasis web.
4. Hasil dan Pembahasan
........................................................................
.....
5. Kesimpulan
........................................................................
......
6. Daftar Pustaka
Jentner dkk., 2016. “A Visual Analytics
Approach for Crime Signature Generation and
Exploration.” IEEE VIS 2016 Workshop on
Temporal & Sequential Event Analysis: 1–4.
Dr. R. Sahu, dan Peeyush Srivastava. 2010.
“Effective crime control using GIS.” Geospatial
Media and Communications.
https://www.geospatialworld.net/article/effective
-crime-control-using-gis/.
Brimicombe, Allan J., Lily C. Brimicombe, dan
Yang Li. 2007. “Improving geocoding rates in
preparation for crime data analysis.”
International Journal of Police Science &
Management 9(1): 80–92.
https://www.researchgate.net/publication/47529
054_Improving_Geocoding_Rates_in_Preparati
on_for_Crime_Data_Analysis