Tingginya angka kriminalitas di Indonesia menyulitkan aparat penegak hukum dan masyarakat dalam menentukan prioritas penanganan dan alokasi sumber daya keamanan secara efektif. Belum adanya pemetaan wilayah rawan kriminalitas berdasarkan jenis kejahatan menyebabkan kebijakan keamanan kurang tepat sasaran. Untuk mengatasi permasalahan tersebut, peneliti melakukan pengelompokan wilayah administratif di Indonesia berdasarkan tingkat kerawanan terhadap sembilan jenis kasus kriminal menggunakan metode K-Means Clustering. Peneliti menerapkan dua pendekatan inisialisasi centroid awal, yaitu secara acak (random) dan metode Pillar. Evaluasi jumlah cluster optimal dilakukan menggunakan Elbow Method dan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa pada inisialisasi acak, jumlah cluster optimal menurut Elbow Method adalah tiga cluster, sedangkan Silhouette Coefficient tertinggi sebesar 0,5686 diperoleh pada dua cluster. Pada metode Pillar, Elbow Method mengindikasikan empat cluster dengan nilai Silhouette Coefficient tertinggi sebesar 0,6382. Struktur cluster yang dihasilkan kedua metode berbeda, di mana metode random menghasilkan kategori rendah, sedang, dan tinggi, sedangkan metode Pillar mampu mengidentifikasi kategori tambahan “sangat tinggi.” Peneliti menemukan bahwa kejahatan kesusilaan, terhadap nyawa, narkotika, dan kekerasan terhadap hak milik menjadi indikator dominan pembentukan cluster, sementara kejahatan terhadap fisik/badan, hak milik tanpa kekerasan, dan penipuan berkontribusi kecil. Secara keseluruhan metode Pillar lebih sensitif dalam mengidentifikasi wilayah dengan tingkat kriminalitas ekstrem.

Kata kunci: Kriminalitas, K-Means, Elbow Method, Silhouette Coefficient, Pemetaan Kejahatan