<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="141703">
 <titleInfo>
  <title></title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Anisa Yuliani</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas mipa</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Kriminalitas merupakan tindakan yang melanggar hukum dan dapat merugikan baik secara ekonomis maupun psikologis, serta menimbulkan permasalahan dalam kehidupan masyarakat. Rendahnya tingkat kriminalitas dianggap sebagai salah satu indikator keberhasilan pembangunan, karena mencerminkan kesejahteraan dan keamanan masyarakat. Data yang digunakan pada penelitian ini adalah data jumlah kriminalitas di Pulau Sumatera tahun 2022 beserta faktor-faktor yang memengaruhinya. Data tersebut merupakan data sekunder yang berasal dari publikasi resmi Badan Pusat Statistik di setiap kabupaten/kota di Pulau Sumatera tahun 2022. Berdasarkan uji asumsi yang dilakukan, didapatkan bahwa data jumlah kriminalitas memiliki efek spasial. Hal ini berarti bahwa terdapat keterkaitan antara kriminalitas di satu daerah dan kriminalitas daerah lain di sekitarnya. Oleh karena itu, penelitian ini menggunakan analisis regresi spasial dengan metode Geographically Weighted Regression (GWR) menggunakan dua jenis fungsi pembobot, yaitu Adaptive Gaussian Kernel dan Adaptive Bisquare Kernel. Metode tersebut bertujuan untuk memodelkan dan mengetahui faktor-faktor yang memengaruhi data jumlah kriminalitas di Pulau Sumatera tahun 2022. Hasil pemodelan dengan metode GWR didapatkan model yang berbeda-beda untuk setiap kabupaten/kota di Pulau Sumatera. Setiap daerah yang berdekatan cenderung memiliki kesamaan dalam variabel yang signifikan memengaruhi jumlah kriminalitas. Hasil perbandingan antara dua jenis fungsi pembobot yang digunakan pada penelitian ini menunjukkan bahwa model GWR terbaik adalah model GWR dengan fungsi pembobot Adaptive Bisquare Kernel yang memiliki nilai AIC terkecil yaitu 2.007,37 dan nilai R2 terbesar yaitu 94,45%. Pemodelan GWR dengan fungsi pembobot terbaik yang terbentuk berjumlah 154 model. Tiga faktor yang dominan dalam memengaruhi jumlah kriminalitas di Pulau Sumatera adalah jumlah penduduk miskin (X2), kepadatan penduduk (X8), dan jumlah penduduk pernah menikah (X9). Pemodelan yang dibentuk menghasilkan 48 kombinasi variabel yang signifikan pada model GWR terbaik.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>REGRESSION ANALYSIS</topic>
 </subject>
 <classification>519.536</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>141703</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-11-25 13:05:15</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-11-25 16:26:34</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>