PEMODELAN ANGKA KRIMINALITAS DI PULAU JAWA DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)

Abstract

Transformasi dalam perilaku masyarakat dapat secara substansial memengaruhi dinamika tindak kejahatan. Pulau Jawa merupakan pulau yang memiliki angka kriminalitas tertinggi di Indonesia pada tahun 2022. Hal tersebut membuktikan bahwa angka kriminalitas di wilayah Pulau Jawa tidaklah sedikit, maka dari itu penting untuk mengetahui wilayah-wilayah yang rawan terjadi kriminalitas dan faktor-faktor apa saja yang melatarbelakangi kriminalitas tersebut. Geographically weighted regression (GWR) merupakan suatu teknik statistika yang digunakan untuk mengkaji variasi/heterogenitas spasial atau perbedaan di berbagai wilayah. Tujuan dari penelitian ini adalah membuat model Geographically weighted regression (GWR) angka kriminalitas di Pulau Jawa beserta faktor-faktor yang memengaruhinya. Hasil dari penelitian ini menunjukkan dalam pemodelan didapatkan bahwa model GWR dengan fungsi pembobot kernel adaptive bisquare yang terbaik dengan koefisien determinasi () sebesar 74,22% dan nilai AIC terendah sebesar 1796,1 dan peubah yang signifikan berpengaruh terhadap angka kriminalitas di seluruh kabupaten / kota di Pulau Jawa adalah Upah Minimum Kabupaten (UMK).

Downloads

Download data is not yet available.

Author Biographies

I WAYAN TEDY SETIAWAN, Universitas Udayana

Program Studi Matematika, Fakultas MIPA-Universitas Udayana

NI LUH PUTU SUCIPTAWATI, Universitas Udayana

Program Studi Matematika, Fakultas MIPA-Universitas Udayana

I MADE EKA DWIPAYANA, Universitas Udayana

Program Studi Matematika, Fakultas MIPA-Universitas Udayana

Published
2024-11-30
How to Cite
SETIAWAN, I WAYAN TEDY; SUCIPTAWATI, NI LUH PUTU; DWIPAYANA, I MADE EKA. PEMODELAN ANGKA KRIMINALITAS DI PULAU JAWA DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR). E-Jurnal Matematika, [S.l.], v. 13, n. 4, p. 262-269, nov. 2024. ISSN 2303-1751. Available at: <https://ojs.unud.ac.id/index.php/mtk/article/view/120041>. Date accessed: 10 mar. 2025. doi: https://doi.org/10.24843/MTK.2024.v13.i04.p471.
Section
Articles