Mineração de dados na análise da criminalidade
um estudo de caso em Carapicuíba (2014-2016)
DOI:
https://doi.org/10.26853/Refas_ISSN-2359-182X_v12n03_01Keywords:
KDD, SIPINA, Algorithm C4.5Abstract
This article explores the application of data mining in the study of crime and violence in Carapicuíba during the period from 2014 to 2016, focusing on the importance of understanding these events for public security strategies. Using the KDD process, predictive analysis algorithms and the SIPINA Research mining software, this article aims to analyze information related to crime and the demographic profile of the region. The use of the Knowledge Discovery in Databases (KDD) process allowed the extraction of valuable insights from its selection, pre-processing, and interpretation stages, where it was possible to transform raw information into useful and actionable knowledge, while the tool open source SIPINA, although limited in processing capacity, facilitated exploratory investigations, modeling and visualization of results. By combining KDD with the predictive modeling of the C4.5 algorithm, the study demonstrates how data examination can be used to gain insights and support informed decisions in civil protection. The results indicated the most frequent types of infractions, highlighting significant patterns such as the relationship between ages and sex and revealing trends such as the level of education of the perpetrators.
Downloads
References
Amazon Web Services (AWS). O que é mineração de dados? Disponível em: https://aws.amazon.com/pt/what-is/data-mining/. Acesso em: 22 de março de 2024.
BUENO, Felipe. "Violência urbana no Brasil: faltam dados para identificar com precisão os índices de homicídio." (“Violência urbana no Brasil: faltam dados para identificar com precisão ...”) Jornal da USP. Disponível em: https://jornal.usp.br/radio-usp/violencia-urbana-no-brasil-faltam-dados-para-identificar-com-precisao-os-indices-de-homicidio/. Acesso em: 11 de abril de 2024.
DevMedia. Descoberta de conhecimento utilizando o processo KDD. Disponível em: https://www.devmedia.com.br/descoberta-de-conhecimento-utilizando-o-processo-kdd/38709. Acesso em: 02 de abril de 2024.
Google Cloud. O que é análise preditiva? Disponível em: https://cloud.google.com/learn/what-is-predictive-analytics?hl=pt-br#:~:text=A%20an%C3%A1lise%20preditiva%20%C3%A9%20o,que%20possam%20prever%20comportamentos%20futuros. Acesso em: 20 de abril de 2024.
IBM. Data Mining. Disponível em: https://www.ibm.com/br-pt/topics/data-mining. Acesso em: 05 de abril de 2024.
KAHN, Túlio. Manual de Interpretação de Estatística de Criminalidade. São Paulo: Coordenadoria de Análise e Planejamento, Secretaria da Segurança Pública, 2005.
MORENO, Ana Carolina; JESUS, Cleber; JOZINO, Lucas et al. Raio-x da criminalidade: 138 ruas estão entre as que mais tiveram registros de roubos e furtos em 2023 na Grande SP (São Paulo). São Paulo, TV Globo, 11 mar. 2024. Disponível em: https://g1.globo.com/sp/sao-paulo/noticia/2024/03/11/raio-x-da-criminalidade-138-ruas-estao-entre-as-que-mais-tiveram-registros-de-roubos-e-furtos-em-2023-na-grande-sp-veja-lista.ghtml. Acesso em: 08 de abril de 2024.
REDALYC, Análise de Algoritmos de Indução de Árvores de Decisão. Disponível em: https://www.redalyc.org/journal/5606/560662202029/html/. Acesso em: 22 de março de 2024.
SAS INSTITUTE INC. Mineração de Dados. Disponível em: https://www.sas.com/pt_br/insights/analytics/mineracao-de-dados.html. Acesso em: 20 de abril de 2024.
SAS. "Análises Preditivas: O que são e qual sua importância?" Acessado em: 12 de abril de 2024. Disponível em: https://www.sas.com/pt_br/insights/analytics/analises-preditivas.html
TEÓFILO, Daniel. KDD - Knowledge Discovery in Database. Banco de Dados. Disponível em: https://danielteofilo.wordpress.com/2015/02/16/kdd-knowlegde-discovery-in-database/. Acesso em: 15 de abril de 2024.
ZANCHI, Marco et al. Crime Data in Brazil. Updated 5 years ago. Disponível em: https://www.kaggle.com/datasets/inquisitivecrow/crime-data-in-brazil/code. Acesso em: 25 de março de 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Refas - Revista Fatec Zona Sul
This work is licensed under a Creative Commons Attribution 4.0 International License.
1 - As fontes dos dados, as autorizações pertinentes e os textos publicados na revista são de inteira responsabilidade de seus autores.
2 - É permitida a reprodução, desde que citada a fonte e o autor.
3 - Após o artigo aprovado, o autor principal deverá enviar declaração, conforme o modelo:
Refas - Revista Fatec Zona Sul
Autorização par publicação
(Nome do autor), (no caso de vários autores citar todos), autorizo (ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade para a primeira publicação pela Revista Fatec Zona Sul, em meio eletrônico.
A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".
Dados de todos os autores:
Nome completo:
Instituição:
E-mail:
Telefone:
Obs.: Informar os códigos dos serviços DDD e DDI.
Assinatura do autor principal: ____________________________________
Aviso de Direito Autoral
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
c)Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC Attribution 4.0, acessável em Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.