MUTIARA PUSPITA SARI, 081211831053 (2016) PEMODELAN JUMLAH KRIMINALITAS DI INDONESIA DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (HALAMAN DEPAN) HALAMAN DEPAN.pdf Download (2MB) | Preview
	Text (BAB I) 12 BAB I PENDAHULUAN .pdf Restricted to Registered users only Download (269kB) | Request a copy
	Text (BAB II) 13 BAB II TINJAUAN PUSTAKA .pdf Restricted to Registered users only Download (710kB) | Request a copy
	Text (BAB III) 14 BAB III METODE PENELITIAN .pdf Restricted to Registered users only Download (425kB) | Request a copy
	Text (BAB IV) 15 BAB IV ANALISIS DAN PEMBAHASAN .pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 16 BAB V PENUTUP .pdf Restricted to Registered users only Download (383kB) | Request a copy
	Text (DAFTAR PUSTAKA) 17 DAFTAR PUSTAKA .pdf Restricted to Registered users only Download (269kB) | Request a copy
	Text (LAMPIRAN) 18 LAMPIRAN .pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Tindak kejahatan/kriminalitas atau pelanggaran merupakan perbuatan seseorang yang dapat diancam hukuman berdasarkan KUHP atau Undang-Undang serta peraturan lainnya yang berlaku di Indonesia. Jumlah kriminalitas di Indonesia merupakan data cacah sehingga dalam pemodelannya menggunakan regresi Poisson, namun pada penerapannya asumsi equidispersion pada regresi Poisson sulit dipenuhi, seringkali variansinya lebih besar dari rata-ratanya, kasus ini biasa disebut overdispersi. Overdispersi dapat menyebabkan parameter hasil estimasi menjadi tidak valid. Apabila terdapat kasus overdispersi, maka dapat diselesaikan dengan regresi Binomial Negatif, karena terdapat efek spasial, maka digunakan Geographically Weighted Negative Binomial Regression (GWNBR). Hasil pemodelan kriminalitas di Indonesia dengan GWNBR menggunakan data sekunder yang bersumber dari publikasi BPS tahun 2014 yang meliputi 31 kepolisian daerah di Indonesia dihasilkan nilai devians/df sebesar 0,5396, uji kesamaan model yang signifikan dengan nilai sebesar 2,4666, uji serentak signifikan dengan nilai devians sebesar 13,4898, dan uji parsial variabel prediktor Tingkat Pengangguran Terbuka (TPT) ( ), Persentase Penduduk yang Belum atau Tidak Pernah Sekolah ( ), Kepadatan Penduduk ( ), dan Produk Domestik Regional Bruto (PDRB) Perkapita ( ), signifikan di semua lokasi. Variabel persentase penduduk miskin ( ) tidak berpengaruh signifikan di provinsi NAD dan Sumatera Utara. Berdasarkan Hasil uji GWNBR diperoleh AIC terkecil dibanding regresi Poisson dan regresi Negatif Binomial, yaitu AIC sebesar 569,4464.

Actions (login required)

View Item