Kejahatan merupakan segala bentuk kegiatan yang sifatnya merugikan, baik berupa ucapan maupun perbuatan. Data registrasi Polri menunjukkan fluktuasi jumlah kejahatan di Indonesia dan terjadi peningkatan signifikan di tahun 2022, yaitu mencapai 372.965 kejadian. Penelitian ini bertujuan untuk menganalisis prioritas penanganan kasus kriminalitas di Kabupaten Kuningan. Metode penyelesaian masalah yang digunakan adalah data mining, khususnya algoritma K-Means. Algoritma K-Means merupakan algoritma klaster non-hirarki dan dipergunakan untuk mengelompokkan data. Penelitian ini menggunakan data tindak kriminalitas dari Polres Kuningan dari tahun 2021 sampai dengan 2023. Atribut pada K-Means adalah tindak kriminalitas, total kriminalitas, penyelesaian kriminalitas, dan tingkat penyelesaian. Hasil penelitian menunjukkan bahwa terdapat 4 klaster dengan prioritas penanganan kasus rendah pada klaster 1 yang terdiri dari 7 jenis kasus, klaster 2 prioritas sangat rendah terdiri dari 38 jenis kasus, klaster 3 prioritas sedang terdiri dari 7 kasus, klaster 4 prioritas tinggi terdiri dari 2 jenis kasus. Hasil evaluasi model K-Means menggunakan DBI (Davies-Bouldin Index) mendapatkan nilai 0.5951, nilai dibawah 1 menunjukkan bahwa pengelompokkan tersebut terpisah dengan baik. Dari hasil penelitian ini diharapkan dapat mendukung Polres Kuningan dalam mengambil keputusan secara strategis pada setiap klasternya untuk mengurangi kasus kriminalitas di Kabupaten Kuningan.

Crime refers to any form of activity that is harmful in nature, whether in speech or action. The Polri registration data shows fluctuations in the number of criminal cases in Indonesia, with a significant increase in 2022, reaching 372,965 incidents. This study aims to analyze the prioritization of criminal case handling in Kuningan Regency. The problem-solving method used is data mining, specifically the K-Means algorithm. The K-Means algorithm is a non-hierarchical clustering algorithm used to group data. This study utilizes criminal case data from the Kuningan Police Department from 2021 to 2023. The attributes used in K-Means are types of criminal acts, crime total, crime clearance, and clearance rates. The results show that there are four clusters Cluster 1 is low priority consisting of 7 types of cases, Cluster 2 is very low priority consisting of 38 types of cases, Cluster 3 is medium priority consisting of 7 types of cases, and Cluster 4 is high priority consisting of 2 types of cases. The K-Means model evaluation using the Davies-Bouldin Index (DBI) resulted in a score of 0.5951, indicating that the clustering is well-separated, as values below 1 signify good cluster separation. These findings are expected to support the Kuningan Police Department in making strategic decisions for each cluster to reduce criminal cases in Kuningan Regency.