Dhian Candra Puspitasari (2020) Pemodelan Persentase Kriminalitas Di Jawa Timur Berdasarkan Pendekatan Geographically Weighted Regression. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (1MB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (343kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (514kB)
	Text (BAB I) 4. BAB I PENDAHULUAN.pdf Download (353kB)
	Text (BAB II) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 27 April 2023. Download (730kB) | Request a copy
	Text (BAB III) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 27 April 2023. Download (354kB) | Request a copy
	Text (BAB IV) 7. BAB IV ANALISIS DAN PEMBAHASAN.pdf Restricted to Registered users only until 27 April 2023. Download (787kB) | Request a copy
	Text (BAB V) 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 27 April 2023. Download (292kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (136kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only until 27 April 2023. Download (953kB) | Request a copy

Abstract

Tindak kriminalitas adalah perbuatan seseorang yang melanggar peraturan hukum dan atau peraturan lain yang berlaku di Indonesia. Provinsi Jawa Timur merupakan salah satu provinsi di Indonesia dengan jumlah kejahatan tertinggi ketiga (34598 kasus) pada tahun 2017. Pemodelan persentase kriminalitas dilakukan untuk mengetahui faktor yang berpengaruh secara signifikan terhadap persentase kriminalitas di Jawa Timur. Salah satu teori penyebab kriminalitas adalah teori geografi/kartografi yang menjelaskan bahwa kriminalitas dipengaruhi oleh distribusi kejahatan dalam daerah-daerah tertentu sehingga unsur lokasi (spasial) perlu diperhatikan dalam analisis masalah kriminalitas sehingga digunakan analisis data spasial dalam proses analisis. Geographically Weighted Regression (GWR) adalah salah satu metode statistik yang mempertimbangkan pengaruh spasial dalam pengolahan data, pemodelan dengan menggunakan metode ini yang menghasilkan estimasi parameter model yang bersifat lokal untuk setiap lokasi pengamatan. Pemodelan persentase kriminalitas di Jawa Timur dengan GWR menggunakan data sekunder yang bersumber dari publikasi BPS Jawa Timur tahun 2018 dengan 38 kabupaten/kota sebagai lokasi pengamatan. Pemodelan dilakukan dengan menggunkan pembobot Adaptive Gaussian Kernell dengan AIC sebesar 173,311 dan CV sebesar 4,895324. Hasil pemodelan menunjukkan bahwa, persentase penduduk miskin, rata-rata lama belajar dan PDRB berpengaruh signifikan terhadap persentase kriminalitas di semua kabupaten/kota di Jawa Timur. Tingkat Pengangguran Terbuka (TPT), dan kepadatan penduduk tidak berpengaruh signifikan terhadap kriminalitas di Jawa Timur.

Actions (login required)

View Item