PEMODELAN JUMLAH KRIMINALITAS DI KABUPATEN/KOTA PULAU SUMATERA DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PEMODELAN JUMLAH KRIMINALITAS DI KABUPATEN/KOTA PULAU SUMATERA DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION


Pengarang

Anisa Yuliani - Personal Name;

Dosen Pembimbing

Latifah Rahayu Siregar - 198409282015042002 - Dosen Pembimbing I
Fitriana AR - 197410152006042002 - Dosen Pembimbing II



Nomor Pokok Mahasiswa

2008108010065

Fakultas & Prodi

Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201

Penerbit

Banda Aceh : Fakultas mipa., 2024

Bahasa

Indonesia

No Classification

519.536

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

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.

Crime is an act that violates the law and can cause economic and psychological harm, creating problems in society. A low crime rate is considered an indicator of successful development, as it reflects the well-being and safety of the community. This study uses data on the number of crimes in Sumatra Island in 2022 and the factors influencing it. The data is secondary data originating from the official publication of the Central Statistics Agency in each district/city on Sumatra Island in 2022. Based on assumption tests, it was found that the crime data has a spatial effect. This means that there is a correlation between crime in one area and crime in surrounding areas. Therefore, this study uses spatial regression analysis with the Geographically Weighted Regression (GWR) method using two types of weighting functions, namely Adaptive Gaussian Kernel and Adaptive Bisquare Kernel. This method aims to model and identify the factors influencing the number of crimes in Sumatra Island in 2022. The modeling results with the GWR method show different models for each district/city in Sumatra. Neighboring regions tend to have similarities in variables that significantly influence the number of crimes. The comparison results between the two types of weighting functions used in this study indicate that the best GWR model is the one with the Adaptive Bisquare Kernel weighting function, which has the smallest AIC value of 2.007,37 and the highest R² value of 94,45%. The GWR modeling with the best weighting function forms 154 models. Three dominant factors influencing the number of crimes in Sumatra are the number of poor people (X2), population density (X8), and the number of people who have been married (X9). The modeling results produce 48 combinations of significant variables in the best GWR model.

Citation



    SERVICES DESK