CRIME DATA ANALYSIS WITH ASSOCIATION RULE MINING

Abstract

Küreselleşen Dünya’nın hayatımıza kattığı olumlu gelişmeler ile birlikte, toplum refahını ve düzenini bozan sosyal medya dolandırıcılığı, uyuşturucu ticareti, araç hırsızlığı vb. gibi yeni suç türleri de ortaya çıkmıştır. Bilişim teknolojisindeki gelişmeler sayesinde bu suçların konusu, konum ve zaman bilgileri, suç türü gibi olaya ilişkin çeşitli verilerin gerçek zamanlı kayıt altına alınabilmesi mümkün olmaktadır. Kayıt altına alınan bu ham verilerin çeşitli veri madenciliği yöntemleri kullanılarak analiz edilmesi ile veriyi tanımlayan veya öngörü amaçlı kullanılabilecek bilgilerin ortaya çıkartılması mümkündür. Bu çalışmada, veri madenciliği uygulamalarından R programı ile Apriori algoritması ve Rapidminer programı ile FP-Growth algoritması kullanılarak, ABD’nin Maryland eyaletinde 2016 yılının Temmuz ayından 2018 Nisan ayına kadar meydana gelen suç verilerinden oluşan NIBRS Crime veriseti üzerinde birliktelik kuralları analizi uygulaması gerçekleştirilmiştir. Oluşturulan bu birliktelik kuralları ile hangi saat aralıklarında, hangi semtte, ne tür suçların, ne sıklıkla gerçekleştirildiği analiz edilmiş ve algoritmaların sonuçları sunulmuştur. Bu analiz sonucunda çıkan sonuçlar ile güvenlik güçleri ve kolluk kuvvetleri gibi toplumun huzurunu ve düzenini korumakla görevli olan kuruluşların; hangi semtte, hangi suçların daha sık işlendiği veya suçluların hangi saat aralığında daha aktif olduğu gibi faydalı bilgileri takip etmesi mümkün olmaktadır.