Pengelompokan Pola Musiman Tindak Pidana Asal Menggunakan Metode Hierarchical Clustering dan K-Means Berdasarkan Data LTKM PPATK

Abstract

Laporan Transaksi Keuangan Mencurigakan (LTKM) merupakan salah satu indikator penting dalam mendeteksi tindak pidana pencucian uang dan tindak pidana asal yang mendasarinya. Perbedaan jumlah LTKM pada setiap kategori tindak pidana asal menunjukkan adanya pola musiman yang beragam sehingga diperlukan metode yang mampu mengelompokkan tindak pidana berdasarkan kemiripan karakteristiknya. Penelitian ini bertujuan untuk mengelompokkan tindak pidana asal berdasarkan pola musiman data LTKM PPATK tahun 2024 menggunakan metode Hierarchical Clustering dan K-Means Clustering. Data yang digunakan berupa jumlah LTKM bulanan dari 28 kategori tindak pidana asal selama periode Januari–Desember 2024. Data distandarisasi menggunakan metode Z-score dan kemiripan antarobjek diukur menggunakan Euclidean Distance. Hierarchical Clustering dengan metode Ward digunakan untuk menentukan struktur pengelompokan, sedangkan K-Means Clustering digunakan untuk memperoleh hasil cluster akhir. Hasil penelitian menunjukkan bahwa tiga cluster memberikan struktur pengelompokan yang paling informatif dengan nilai Silhouette Score sebesar 0,794. Cluster yang terbentuk memiliki karakteristik pola musiman yang berbeda sehingga mampu menggambarkan tingkat aktivitas LTKM pada masing-masing kelompok tindak pidana asal. Hasil penelitian menunjukkan bahwa kombinasi kedua metode clustering efektif dalam mengidentifikasi kemiripan pola musiman data LTKM.