PROPOSAL PENELITIAN
Diajukan sebagai salah satu persyaratan mata kuliah Seminar Statistika
Oleh
ARSSITA NUR MUHARROMAH
NIM. 19337022
PENDAHULUAN
Dalam konteks makro terdapat indikator angka jumlah tindak kejahatan (crime
total), angka kejahatan per 100.000 penduduk (crime rate) dan selang waktu terjadinya
suatu tindak kejahatan (crime clock). Crime rate merupakan angka yang dapat
menunjukkan tingkat kerawanan suatu kejahatan pada suatu wilayah tertentu dalam
waktu tertentu. Semakin tinggi angka crime rate maka tingkat kerawanan akan kejahatan
suatu daerah semakin tinggi, dan sebaliknya (BPS, 2022 :12). Kejahatan merupakan suatu
yang melanggar dan bertentangan dengan apa yang sudah ditetapkan di dalam kaidah
hukum serta tidak memenuhi atau melawan perintah hukum yang berlaku dalam
Pidana (KUHP) Republik Indonesia dan The International Classification of Crime for
kejahatan dan contoh jenisnya yaitu, (1) kejahatan terhadap nyawa, seperti pembunuhan,
(2) kejahatan terhadap fisik/badan, seperti penganiayaan berat maupun ringan dan
kekerasan dalam rumah tangga, (3) kejahatan terhadap kesusilaan, seperti perkosaan dan
mempekerjakan anak di bawah umur, (5) kejahatan terhadap hak milik/barang dengan
2
api dan senjata tajam, (6) kejahatan terhadap hak milik/barang, seperti pencurian,
penghancuran barang, pembakaran dengan senjata, dan penadahan, (7) kejahatan terkait
curang, penggelapan, dan korupsi, (9) kejahatan terhadap ketertiban umum, seperti
penodaan terhadap lambang bendera, menyerang polisi yang bertugas saat melakukan
Terdapat sembilan klasifikasi kejahatan dan contoh jenisnya ini merupakan tindak
kejahatan pidana, hukum pidana yang diatur di KUHP yang bertujuan untuk melindungi
Sehubungan dengan itu, dan menciptakan rasa aman kepada masyarakat sangat penting
untuk diperhatikan dan perlu tindakan yang tepat. Terpenuhinya rasa aman bagi
Indonesia merupakan salah satu negara dengan jumlah penduduk yang terbanyak
penduduk Indonesia adalah sebanyak 273.879.750 jiwa pada tahun 2021. Indonesia
memiliki angka tindak kejahatan dalam kurun waktu 4 tahun terakhir ini cenderung
3
350
294.281
300 269.324
200
150
100
50
0
2018 2019 2020 2021
Tahun
Jumlah tindak kejahatan di Indonesia pada tahun 2018 sampai 2021 mengalami
penurunan yang sangat signifikan, pada tahun 2019 menurun sebanyak 24.957 tindak
kejahatan, menjadi sebesar 269.324 kejahatan. Pada tahun 2020 mengalami penurunan
sebanyak 22.106 kejahatan, menjadi 247.218 kejahatan. dan pada tahun 2021 mengalami
penurunan juga sebanyak 7.737 kasus kejahatan, menjadi sebesar 239.481 kasus tindak
kejahatan di Indonesia. Menurut Zidni (2021) suatu Provinsi perlu diadakan pemerataan
pendidikan untuk mengurangi tingkat kriminalitas. Berikut ini Gambar 2 Provinsi dengan
4
Papua Barat 289
DKI Jakarta 277
Sumatera Utara 250
Sulawesi Utara 249
Provinsi
Gorontalo 208
Papua 186
Bengkulu 177
Maluku 177
Sulawesi Tengah 169
Sulawesi Selatan 166
Provinsi selama tahun 2021 dari 34 Provinsi di Indonesia. Provinsi Papua Barat tercatat
tingkat kejahatan tertinggi, yakni 289 tingkat kerawanan kejahatan yang menjadikan
peringkat pertama. Disusul oleh Provinsi DKI Jakarta menjadi peringkat kedua dengan
tingkat kejahatan adalah 277. Provinsi Sulawesi Selatan tercatat menjadi peringkat
Pada dasarnya setiap individu dipengaruhi oleh beberapa faktor yang dapat
ekonomi yang mendesak, pengangguran atau tidak memiliki pekerjaan, dan faktor taraf
ekonomi, jenis kelamin, usia, kultur, status sosial, dan kepadatan penduduk. (Kansil,
1994). Selain itu, faktor yang paling berpengaruh adalah Penyandang Masalah
Kesejahteraan Sosial (PMKS) yang tinggi. Tidak sedikit PMKS menjadi pelaku kejahatan
jika tidak diatasi dengan baik (Handayani, 2017). Menurut Yusuf,dkk, (2016) faktor
5
penyebaab terjadinya tindak kejahatan adalah faktor lingkungan, kemiskinan, buku
hal itu, tindak kejahatan masing-masing wilayah dipengaruhi oleh faktor yang berbeda
untuk wilayah satu dengan wilayah lainnya, sehingga menyebabkan tingkat tindak
kejahatan beragam dan hal ini tidak terlepas dari akibat adanya data outlier dan efek
mengatasi efek spasial yang resisten terhadap data pencilan dan menentukan model
bentuk pemetaan. Pada Gambar 3. terlihat peta tematik pada kasus tingkat kejahatan di
6
Pada Gambar 3. Terlihat bahwa semakin pekat warna di suatu Kabupaten/Kota,
maka semakin tinggi tingkat kejahatan di Kabupaten/Kota tersebut. Hal ini menunjukkan
sebaliknya. Hal ini menandakan bahwa terdapat hubungan antara efek spasial dengan
tingkat tindak kejahatan di Provinsi DKI Jakarta pada tahun 2022. Setiap wilayah dengan
wilayah lain mempunyai baik keterkaitan karena kedekatan jarak antar wilayah maupun
Menurut Drapper & Smith (1992), pengujian efek spasial dengan melibatkan
outlier pada data dapat menyebabkan suatu metode tidak berhasil dalam menangani efek
spasial tersebut. Sehingga hal yang sering dilakukan adalah membuang data outlier.
Namun, membuang data outlier mungkin merupakan tindakan yang keliru, karena
adakalanya outlier dapat memberikan informasi yang tidak dapat diberikan oleh data
lainnya. Berikut ini merupakan Gambar 4. mengenai data outlier pada data tingkat
tindak kejahatan.
7
Gambar 4. Outlier Pada Tingkat Kejahatan di Provinsi DKI Jakarta
termasuk outlier atau pencilan pada tingkat kejahatan di Provinsi DKI Jakarta yang
tertinggi atau yang paling rawan kejahatan, yaitu pada Kabupaten Kepulauan Seribu
(320,05). Sedangkan, tingkat kejahatan terendah atau bisa dikatakan daerah aman dari 6
Kabupaten/Kota yaitu pada Kota Jakarta Utara sebesar 110,95. Oleh sebab itu, karena
Outlier merupakan suatu kasus atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi lainnya dan muncul dalam bentuk nilai ekstrim
baik untuk sebuah variabel tunggal atau kombinasi (Ghozali, 2011:41). Outlier bisa
diatasi dengan berbagai analisis, seperti analisis regresi. Analisis regresi merupakan
metode yang digunakan untuk memodelkan hubungan antara variabel bebas dan variabel
terikat. Apabila suatu pengamatan memiliki efek spasial, yaitu suatu pengamatan pada
daerah tertentu dipengaruhi oleh daerah disekitarnya, maka metode analisis yang
8
digunakan adalah analisis regresi spasial (Gujarati, 2007).
Menurut Retno (2018) analisis regresi spasial merupakan analisis yang dilakukan
jika suatu data memiliki data spasial, data spasial memuat informasi yang di ukur dan
ketergantungan antar lokasi. Terdapat dua jenis matriks pembobot spasial, yaitu
contiguity weight Terdiri dari rook contiguity, bishop contiguity, dan queen contiguity
dan distance weight terdiri dari fungsi jarak minimum, K lokasi, dan invers jarak.
Pada analisis regresi spasial terdapat dua jenis efek spasial, yaitu ketergantungan
dimana suatu daerah bergantung pada daerah lain. Sedangkan keheterogenan spasial
model (SAR), spatial error model (SEM), dan general spatial model (GSM).
dilakukan oleh Koenker dan Basset (1978), regresi kuantil merupakan model yang
bertujuan meminimumkan galat mutlak berbobot yang tidak simetris sehingga dapat
menghilangkan keheterogenan yang terjadi pada data. Kombinasi antara Model SAR
9
dengan regresi kuantil tersebut menghasilkan sebuah pemodelan yang baik untuk
Beberapa penelitian sebelumnya yaitu Retno Ayu Wardani (2018) bertujuan untuk
mengetahui model SARQR mengatasi efek spasial pada data yang mengandung outlier
yaitu tingkat kriminalitas Provinsi Jawa Tengah tahun 2016 dan mengetahui faktor yang
Penelitian Tasya Abrari (2022) bertujuan untuk mengetahui model terbaik dari
Quantile Regression (IVQR) pada pemodelan tingkat terbuka di Provinsi Jawa Barat.
Berdasarkan kriteria model terbaik adalah model SARQR dalam memprediksi tingkat
seperti ketergantungan spasial dan keragaman spasial serta tidak mudah terpengaruh
adanya data yang mengandung pencilan spasial pada pemodelan spasial. Perbedaan pada
penelitian ini yaitu menggunakan matriks pembobot Queen Contiguity dan penduga
Berdasarkan uraian yang telah dipaparkan, maka penelitian yang akan dilakukan
Data Yang Mengandung Outlier Untuk Tingkat Kejahatan Di Provinsi DKI Jakarta
Tahun 2022”.
10
B. Rumusan Masalah
Berdasarkan latar belakang masalah, maka dapat diambil suatu rumusan masalah
yaitu:
Contiguity dan penduga parameter Two Stage Quantile Regression (2SQR) dalam
C. Batasan Masalah
Agar penelitian ini sesuai dengan rumusan masalah di atas, maka perlu batasan
3. Data spasial yakni data yang menunjukkan lokasi atau tempat di permukaan bumi
11
D. Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan penelitian ini adalah sebagai
berikut:
Contiguity dan penduga parameter Two Stage Quantile Regression (2SQR) dalam
E. Manfaat Penelitian
3. Bagi instansi atau pihak yang berkepentingan, dapat memberikan informasi atau
12
BAB II
TINJAUAN PUSTAKA
A. Tingkat Kejahatan
Kejahatan adalah masalah sosial yang dihadapi oleh semua negara di dunia.
tentu sesuai kenyataan yang ada karena diduga masih banyak kejahatan yang
tidak dilaporkan ke polisi atau biasa disebut dark number. Dalam statistik kriminal
dari sisi makro dan tingkat keseriusan. Dari sisi makro terdapat indikator angka
jumlah kejahatan (crime total), angka kejahatan per 100.000 penduduk (crime rate), dan
selang waktu terjadinya suatu tindak kejahatan (crime clock). Menurut Savitz (Savitz,
1978), dalam konteks makro perlu kehatian-hatian dalam memaknai angka kejahatan
karena merupakan agregat semua jenis kejahatan yang terjadi dalam satu waktu tanpa
Kejahatan suatu hal yang sangat berpengaruh terhadap masyarakat Indonesia yaitu
perbuatan yang melanggar dan bertentangan dengan apa yang sudah ditetapkan di dalam
kaidah hukum serta tidak memenuhi atau melawan perintah hukum yang berlaku dalam
perbuatan merugikan secara ekonomi dan psikologis yang melanggar hukum yang
berlaku dalam negara Indonesia serta norma-norma sosial dan agama. Dapat diartikan
13
bahwa, kejahatan adalah segala sesuatu perbuatan yang melanggar hukum dan melanggar
masyarakat kepada Polisi Republik Indonesia (Polri), atau peristiwa dimana pelakunya
tertangkap tangan oleh kepolisian. Laporan masyarakat ini akan dicatat dan ditindak-
lanjuti oleh Polri jika dikategorikan memiliki cukup bukti. Penjelasan teknis pada crime
1. Upaya Preventif
untuk mencegah terjadinya atau timbulnya kejahatan yang pertama kali. (Atmasamita
masyarakat.
penegak hukum.
2. Upaya Represif
14
yang ditempuh setelah terjadinya kejahatan. (Atmasamita R, 1983) Langkah-langkah
hukum tertulis. Hukuman bisa dalam bentuk pidana kurungan, denda, ataupun
pidana mati.
Jadi, kejahatan adalah salah satu persoalan penting yang mendorong disorganisasi
kesejahteraan umum. Sehingga, hal yang dapat dilakukan untuk meminimalisir tingkat
dapat dilakukan oleh semua pihak, baik pemerintah maupun warga negaranya.
Badan Pusat Statistik (BPS) pertama kali melakukan perhitungan jumlah dan
periode 1976-1981. Data dasar yang digunakan adalah Survei Sosial Ekonomi
(Susenas) modul Konsumsi. Sejak itu setiap tiga tahun sekali BPS secara rutin
mengeluarkan data jumlah dan persentase penduduk miskin yang disajikan menurut
15
Untuk mengukur kemiskinan, BPS menggunakan konsep kemampuan memenuhi
ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan
bukan makanan yang diukur dari sisi pengeluaran. Metode yang digunakan adalah
menghitung Garis Kemiskinan (GK), yang terdiri dari dua komponen yaitu Garis
Penghitungan garis kemiskinan dilakukan secara terpisah untuk daerah perkotaan dan
pedesaan.
2.100k kalori per kapita per hari. Garis Kemiskinan Non Makanan (GKNM) adalah
jumlah Angkatan kerja. Pengangguran terbuka terdiri dari: a) mereka yang tak punya
pekerjaan dan mencari pekerjaan. b) mereka yang tak punya pekerjaan dan
mempersiapkan usaha. c) mereka yang tak punya pekerjaan dan tidak mencari
16
3. Produk Domestik Regional Bruto (PDRB)
(nilai tambah) pada suatu waktu tertentu. Untuk menyusun PDRB digunakan 2
data nilai tambah dirinci menurut sumber kegiatan ekonomi (sektoral) dan menurut
komponen nilai tambah bruto yang mampu diciptakan oleh sektor-sektor ekonomi
tentang penggunaan dari nilai tambah tersebut. PDRB menurut penggunaan dirinci
akhir rumah tangga atas barang dan jasa untuk memenuhi kebutuhan individu ataupun
untuk makanan dan bukan makanan (barang dan jasa) di dalam negeri maupun di luar
negeri. Termasuk pula di sini pengeluaran lembaga nirlaba yang tujuan usahanya
lainnya), baik yang dilakukan oleh pemerintah pusat maupun pemerintah daerah.
17
barang modal. Barang modal dimaksud adalah barang barang yang digunakan untuk
proses produksi, tahan lama atau yang mempunyai umur pemakaian lebih dari satu
tahun seperti bangunan, mesin-mesin dan alat angkutan. Termasuk pula di sini
perbaikan besar (berat) yang sifatnya memperpanjang umur atau mengubah bentuk
atau kapasitas barang modal tersebut. Pengeluaran barang modal untuk keperluan
Ekspor barang dan jasa merupakan transaksi perdagangan barang dan jasa dari
penduduk (residen) ke bukan penduduk (nonresiden). Impor barang dan jasa adalah
transaksi perdagangan dari bukan penduduk ke penduduk. Ekspor atau impor barang
terjadi pada saat terjadi perubahan hak kepemilikan barang antara penduduk dengan
bukan penduduk (dengan atau tanpa perpindahan fisik barang tersebut) Produk
Domestik Regional Bruto maupun agregat turunannya disajikan dalam 2 (dua) versi
penilaian, yaitu atas dasar "harga berlaku" dan atas dasar "harga konstan". Disebut
sebagai harga berlaku karena seluruh agregat dinilai dengan menggunakanharga pada
tahun berjalan, sedangkan harga konstan penilaiannya didasarkan kepada harga satu
tahun dasar tertentu. Dalam publikasi di sini digunakan harga tahun 2000 sebagai
dasar penilaian.
PDRB atas dasar harga konstan. Diperoleh dengan cara mengurangi nilai PDRB pada
tahun ke-n terhadap nilai pada tahun ke n-1 (tahun sebelumnya), dibagi dengan nilai
pada tahun ke n-1, kemudian dikalikan dengan 100 persen. Laju pertumbuhan
waktu sebelumnya.
18
Pendapatan per kapita adalah pendapatan regional atau Produk Domestik
Programme (UNDP) pada tahun 1990 dan dipublikasikan secara berkala dalam
laporan tahunan Human Development Report (HDR). IPM dibentuk oleh 3 (tiga)
dimensi dasar: 1) Umur panjang dan hidup sehat 2) Pengetahuan 3) Standar hidup
layak.
Indonesia, IPM merupakan data strategis karena selain sebagai ukuran kinerja
Pemerintah, IPM juga digunakan sebagai salah satu alokator penentuan Dana Alokasi
Umum (DAU).
5. Kepadatan Penduduk
menunjukkan jumlah penduduk untuk setiap kilometer persegi luas wilayah. Luas
wilayah yang dimaksud adalah luas seluruh daratan pada suatu wilayah administrasi.
19
6. Rata-rata Lama Sekolah (RLS)
Rata-rata lama sekolah penduduk umur ≥15 tahun adalah jumlah tahun belajar
penduduk umur ≥15 tahun yang telah diselesaikan dalam pendidikan formal (tidak
Manfaat RLS untuk melihat kualitas penduduk dalam hal mengenyam pendidikan
yang pernah/sedang diduduki oleh seseorang. Semakin tinggi angka RLS maka
dengan jumlah penduduk perempuan per 100 penduduk perempuan. Data mengenai
laki-laki dan perempuan secara adil. Misalnya, karena adat dan kebiasaan jaman dulu
kelamin dengan mengetahui berapa banyaknya laki-laki dan perempuan dalam umur
yang sama. Informasi tentang rasio jenis kelamin juga penting diketahui oleh para
20
Penjelasan teknis pada RJK atau Rasio Jenis Kelamin yaitu:
Dengan Keterangan:
K = Konstanta (100)
1. Outlier
Outlier adalah kasus atau data yang memiliki karakteristik unik yang terlihat
sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai
ekstrem baik untuk sebuah variabel tunggal atau kombinasi. Terdapat empat
penyebab timbulnya data outlier (1) kesalahan dalam mengentri data, (2) gagal
menspesifikasi adanya missing value dalam program komputer, (3) outlier bukan
merupakan anggota populasi yang kita ambil sebagai sampel, (4) outlier berasal dari
populasi yang kita ambil sebagai sampel, tetapi distribusi dari variabel dalam
populasi tersebut memiliki nilai ekstrem dan tidak berdistribusi secara normal
a) Menggunakan z-score
batas yang akan dikategorikan sebagai data outlier, yaitu dengan cara
mengkonversi nilai data ke dalam skor standardized atau yang biasa disebut z-
score, yang memiliki nilai means (rata-rata) nol dan standar deviasi satu. Jika
21
sebuah data memiliki z-score lebih besar dari 3 maka dipertimbangkan sebagai
outliers. Jika data diketahui terdapat satu atau lebih data outliers, pada outliers
data pada komputer, dan sebagainya. Data outlier tetap dipertahankan dan tidak
perlu dihilangkan, jika tidak terdapat kesalahan pada proses sampling maupun
dimana:
𝑥̅ = mean data
merupakan suatu box (kotak berbentuk bujur sangkar). Box plot adalah cara
(minimum, kuartil pertama, median, kuartil ketiga, dan maksimum). Box plot
22
Gambar 5. Boxplot
Dalam box plot yang paling umum digunakan, yaitu dengan menggunakan
nilai kuartil dan jangkauan. Kuartil 1, 2, dan 3 akan membagi sebuah urutan data
ditentukan yaitu nilai yang kurang dari 1,5 *R terhadap kuartil 1 dan nilai yang
lebih dari 1,5 *R terhadap kuartil 3 biasa disebut data pencilan atau outlier
IQR = Q3 – Q1 (2)
Keterangan:
Q3 = kuartil ke-3
Q1 = kuartil ke-1
23
Rumus untuk Q3 adalah:
3𝑛
Q3 = data ke - (4)
4
dengan
n = banyaknya data
Lesage (1999), ada beberapa metode dalam matrik pembobot spasial, antara
lain:
bersisian dengan wilayah yang menjadi titik perhatian dan Wij=0 untuk
titik sudutnya bertemu dengan wilayah yang menjadi titik perhatian dan
bersisian atau titik sudutnya bertemu dengan wilayah yang menjadi titik
24
perhatian dan Wij=0 untuk wilayah lainnya yang tidak bersisian dan
3. Efek Spasial
beberapa uji, antara lain uji Breusch Pagan (Breusch dan Pagan, 1979), uji
Goldfeld–Qudant ( Goldfeld dan Qudant, 1965), dan uji White Halbert (White
H, 1980). Dalam penelitian ini, uji heteroskedastisitas yang digunakan adalah uji
Statistik Uji :
1
BP = 2 𝑓 𝑇 𝜜(𝜜𝑻 𝜜)−1 𝜜𝑻 𝑓 (5)
𝑒2
Dengan: 𝑓i = 𝜎𝑖2 – 1 (6)
25
Dimana 𝑒i adalah error dari metode Ordinary Least Square (OLS) dan A
BP > 𝜒𝑖2 .
b. Autokorelasi Spasial
lokasi lain yang letaknya berdekatan adalah sebuah tes statistik lokal untuk
variabel dengan dirinya sendiri berdasarkan ruang atau lokasi. Salah satu
∑𝑛 𝑛
𝑖=1 ∑𝑗=1 𝑤𝑖𝑗 (𝑥𝑖 −𝑥̅ )(𝑥𝑗 −𝑥̅ )
I= ∑𝑛 𝑛 (7)
𝑖=1 ∑𝑗=1 𝑤𝑖𝑗
dimana:
n : banyaknya pengamatan
26
xi : nilai amatan lokasi ke-i
menyebar. Jika I = I0 maka memiliki pola menyebar tidak merata (tidak ada
Menurut Lesage & Pace (2009) uji dependensi dilakukan dengan uji Lagrange
Multiplier (LM). Langkah pertama dalam uji ini adalah membuat model regresi
sederhana melalui Ordinary Least Square (OLS). Setelah itu dilakukan identifikasi
keberadaan model spasial dengan uji LM. Apabila LM error signifikan, model yang
akan digunakan adalah model Spatial Error Model (SEM), namun jika LM lag
signifikan, model yang sesuai adalah Spatial Autoregressive (SAR). Uji LM terdiri
dari:
Hipotesis:
27
H1:𝜌 ≠ 0 (ada ketergantungan spasial pada variabel dependen)
Statistik uji:
2
𝜀′𝑊𝑦
[ 𝜀′𝜀 ]
𝑛
LM = (9)
𝐷
̂ )′(𝐼−𝑋(𝑋′𝑋)−1 𝑋′((𝑤𝑥𝛽
(𝑊𝑋𝛽 ̂)
D =[ ̂2
]+tr(W’W +WW)
𝜎
2
Keputusan tolak jika LM > Χ𝛼(𝑃) dengan p adalah banyaknya parameter spasial
atau p-value < 0,05, sehingga model yang akan dibuat adalah model SAR.
Hipotesis:
2
Keputusan tolak H0 jika LM > Χ𝛼(𝑃) dengan p adalah banyaknya parameter
spasial atau p-value < 0,05 , sehingga model yang akan dibuat adalah model
SEM.
5. Regresi Spasial
pengaruh spasial disebut dengan model regresi spasial. Salah satu pengaruh spasial
28
terbentuknya parameter spasial autoregresif dan moving average, sehingga bentuk
y=𝜌𝑊y + X𝛽 + u (11)
dan
ut = 𝜆W2ut-1 + 𝜀 (12)
keterangan:
n = banyaknya pengamatan
29
Berdasarkan model umum dari regresi spasial, dapat diperoleh beberapa model
berikut ini
global dengan lag spasial pada variabel respon (Kazar dan Celik, 2012). Model
SAR terjadi jika adanya pengaruh spasial pada variabel dependen apabila W2 = 0
𝑦 = 𝜌 𝑊𝑦 + 𝑿𝛽 + 𝜀
y : variabel respon
Spasial Error Model merupakan model spasial error dimana terdapat korelasi
spasial pada error. Model spatial error memiliki ketergantungan error dengan
𝑦 = 𝑿𝛽 + 𝒖
𝒖 = 𝜆𝑾𝑢 + 𝜀
30
6. Uji Signifikansi Parameter Regresi Spasial
secara parsial yaitu didasarkan pada nilai ragam galat (𝜎2) yang berasal dari distribusi
̂
𝜃
Zhitung = 𝑠.𝑏 (16)
̂
𝜃
Dimana:
Keputusan tolak H0 jika Zhitung ≥ 𝑍(𝛼) atau p-value ≤ 𝛼 artinya koefisien regresi
2
Pemilihan model terbaik dilakukan untuk mendapatkan model regresi yang baik
dengan melibatkan seminimal mungkin peubah bebas. Salah satu cara untuk
melakukan hal ini adalah dengan Akaike Information Criterion (AIC). Kriteria
pemilihan model terbaik dengan AIC adalah model yang memiliki nilai AIC terkecil.
(Kurniawati, 2016:335) Rumus untuk menghitung nilai AIC adalah sebagai berikut:
Dimana:
hubungan antara peubah respon dengan peubah penjelas pada fungsi kuantil
31
bersyarat tertentu (Koenker dan Bassett, 1978). Regresi kuantil meminimumkan
galat mutlak terboboti dan menduga model dengan menggunakan fungsi kuantil
bersyarat pada suatu sebaran data. Metode ini merupakan suatu metode regresi
yang kemungkinan memiliki nilai dugaan berbeda. Metode regresi kuantil dapat
digunakan mengukur efek peubah penjelas tidak hanya di pusat sebaran data, tetapi
juga pada bagian atas dan bawah ekor sebaran (Djuraidah dan Wigena, 2011).
y = 𝚾 𝜷𝝉 + 𝒖 (18)
Pengujian parameter pada regresi kuantil dilakukan dengan uji Wald. Statistik
uji Wald untuk pengujian hipotesis H0: 𝛽𝑖 (𝜏) = 0 dan H1: 𝛽𝑖 (𝜏) ≠ 0 dengan i =
0,1,2,..,p adalah
̂𝑖 (𝜏))2
(𝛽
Wi (𝜏) = (19)
𝑠𝜷2𝝉
̂𝑞 = arg 𝑚𝑖𝑛 ∑𝑁
𝛽 𝑛=1 |𝑃𝑛 − 𝑋𝑛 𝛽𝑞 | 𝜔𝑛 (20)
𝛽𝑞 𝜖 𝑅 𝐾
kuantil yang akan di estimasi. Di dalam penjumlahan pn adalah entri ke-n dari p, xn
32
adalah baris ke-n dari X dan 𝜔𝑛 , adalah bobot pengamatan ke-n yang didefinisikan
sebagai:
𝜔𝑛 = 2q
𝜔𝑛 = 2-2q
9. Analisis SARQR
y = 𝜆𝜏 𝑾𝒚 + X𝜷𝝉 + u (21)
Model SARQR memiliki parameter spasial-lag (𝜆) dan parameter vektor regresi
(𝜷) yang bergantung pada nilai kuantil tertentu. Metode regresi kuantil dua tahap
(Two Stage Quantile Regression/2SQR) oleh Liao dan Wang. Menurut Su dan Yang
metode kuadrat terkecil dua tahap (Two Stage Least Square/ 2SLS). Perbedaan kedua
metode terletak dari metode pendugaan parameter. Pada 2SLS menggunakan kuadrat
Misalkan model awal tahapan pendugaan parameter 𝜆0𝜏 dan 𝛽0𝜏 pada persamaan
SARQR berikut:
Y = 𝜆𝜏 𝑾𝒚 + X𝜷𝝉 + u (22)
33
BAB III
METODE PENELITIAN
A. Jenis Penelitian
Jenis penelitian ini merupakan penelitian terapan. Penelitian terapan bertujuan untuk
(SARQR) untuk mengetahui daerah yang dimodelkan dan faktor yang mempengaruhi
tingginya tingkat kejahatan di Provinsi DKI Jakarta pada setiap kuaantil yang berbeda-
beda.
Jenis data dalam penelitian ini adalah data sekunder. Data diperoleh dari Badan Pusat
Statistik Provinsi DKI Jakarta yakni Publikasi DKI Jakarta Dalam Angka 2023 dan
Statistik Kriminal 2022. Data yang digunakan adalah data tahun 2022 di 6
C. Variabel Penelitian
Variabel penelitian yang digunakan dalam penelitian ini yaitu variabel terikat
(dependent) dan variabel bebas (independent). Variabel terikat adalah Tingkat Kejahatan
dan variabel bebas ada 7 variabel. Variabel-variabel tersebut teringkas dalam Tabel 1.
34
X4 Indeks Pembangunan Manusia
X5 Kepadatan Penduduk
X6 Rata-Rata Lama Sekolah
X7 Rasio Jenis Kelamin
D. Struktur Data
Struktur data untuk variabel bebas dan variabel terikat dalam penelitian ini
Keterangan:
metode statistika, analisis data yang pada dasarnya meliputi upaya penelusuran dan
penyajian hasilnya dalam bentuk yang ringkas (Sugiyono, 2010). Metode statistika
yang digunakan dalam penelitian ini adalah analisis regresi spasial dan untuk
35
Studio, dan Arcmap.
terikat.
metode grafis.
Queen Contiguity.
8. Memilih model regresi yang sesuai pada uji Lagrange Multiplier (Pada
10. Melakukan uji signifikansi parameter model regresi spasial yang terbentuk
36
Diagram alir pada penelitian ini terlihat pada Gambar 7.
37
DAFTAR PUSTAKA
Abrari, Tasya. 2022. Pemodelan Regresi Kuantil Spasial Autoregressif Pada Tingkat
Publishers.
Badan Pusat Statistik. 2023. Kota Jakarta Utara Dalam Angka (Jakarta Utara Municipality
Badan Pusat Statistik. 2023. Provinsi DKI Jakarta Dalam Angka (DKI Jakarta Province in
Badan Pusat Statistik. 2022. Statistik Kriminal 2022. Badan Pusat Statistik.
Bareskrim Polri. 2021. Jurnal Tahunan Pusat Informasi Kriminal Nasional. Bareskrim Polri.
Breusch, T., & Pagan, A.R. 1979. A simple test for heteroscedasticity and random
Indonesia.
Djuraidah, A., Wigena, A.H. 2011. Regresi Kuantil untuk Eksplorasi Pola Curah Hujan di
Draper, N., & Smith. 1992. Analisis Regresi Terapan, Diterjemahkan oleh Bambang
38
Ghozali, Imam. 2011. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang:
Kansil, C. 1994. Hukum Pidana Untuk Perguruan Tinggi. Jakarta : PT Sinar Grafika.
Kazar, B. M., & Celik, M. (2012). Spatial AutoRegression (SAR) Model. USA:
Springer.
Press.
Kurniawati, A. (2016). Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan
Lee, J., & Wong, D. W. (2011). Statistical Analysis With Arcview GIS. John Wiley &Sons.
Lesage, J. P. (1999). The Theory and Practice of Spatial Econometrics. University of Toledo.
Liao, W.C., & Wang, X. 2010. Hedonic house prices and spatial quantile regression. IRES
12:16-27.
Lin, X., & Lee, L.F. 2010. GMM estimation of spatial autoregressive models with unknown
Pratiwi, M. C., & Kuncoro, M. (2017). Analisis Pusat Pertumbuhan dan Autokorelasi
39
Simandjuntak, B. 1981. Pengantar Kriminologi dan Patologi Sosial. Bandung: GSI.
Su, L., & Yang, Z. 2007. Instrumental Variable Quantile Estimation of Spatial
Walpole, R. E. (1992). Pengantar Statistika: Edisi Kedua. (Alih bahasa: Bambang Sumantri).
mengatasi Efek Spasial pada Data yang Mengandung Outlier (Tingkat Kriminalitas
Zaenab, Siti. 2011. Model Regresi Spasial Pada Sub DAS Grindulu. Universitas Islam Negeri
Zidni, R. M., dkk. 2021. Penerapan Spatial Error Model (SEM) untuk mengetahui faktor-
40