Pemodelan Regresi Negative Binomial Sebagai Identifikasi Faktor Penyebab Jumlah Pencurian Dengan Pemberatan (CURAT) di Jawa Timur

Muliati, Muliati (2024) Pemodelan Regresi Negative Binomial Sebagai Identifikasi Faktor Penyebab Jumlah Pencurian Dengan Pemberatan (CURAT) di Jawa Timur. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002201032-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Pencurian dengan pemberatan (curat) merupakan suatu tindak pidana pencurianbiasa yang disertai dengan keadaan-keadaan tertentu yang memberatkan ancaman pidananya. Provinsi Jawa Timur memiliki jumlah kasus curat terbanyak setelah Provinsi
Sumatera Utara sehingga hal ini tentu menjadi masalah yang meresahkan masyarakat.Di balik banyaknya kasus tersebut, perlu diketahui faktor-faktor yang mempengaruhi curat di Jawa Timur agar menjadi bahan referensi bagi pemangku kepentingan untuk
menyelesaikan permasalahan ini di masa depan. Variabel dependen berupa data count yaitu jumlah kasus curat. Regresi Poisson adalah salah satu model yang digunakan untuk
menganalisis hubungan antara variabel dependen yang berupa data count dengan variabel independen yang bisa berupa data count, kontinu, kategorik, atau campuran. Regresi ini memiliki asumsi bahwa data harus ekuidispersi yaitu rata-rata sama dengan varians, namun dalam kasus nyata sering ditemui bahwa asumsi tersebut tidak selalu terpenuhi karena data count biasanya mengalami overdipersi atau underdispersi. Penanganan masalah ini menggunakan model alternatif yaitu Regresi Negative Binomial. Maximum Likelihood Estimation (MLE) dengan iterasi Newton Raphson, digunakan sebagai metode penaksiran. Hasil penelitian menunjukkan bahwa model Regresi Negative Binomial mampu menangani overdispersi dengan baik dan didapatkan tiga variabel independen yang berpengaruh secara signifikan terhadap jumlah curat di Jawa Timur yaitu tingkat
pengangguran terbuka, rata-rata lama sekolah, dan rata-rata pengeluaran perkapita. Variabel-variabel ini dihasilkan berdasarkan uji signifikansi parameter menggunakan
Likelihood Rasio Test dan Uji Wald.
=============================================================
Theft with aggravation (curat) is a criminal offence of ordinary theft accompanied by certain circumstances that aggravate the punishment. East Java Province has the
highest number of theft cases after North Sumatra Province so this is certainly a problem that disturbs the community. Behind the large number of cases, it is necessary to know
the factors that influence theft in East Java in order to become a reference material for stakeholders to solve this problem in the future. The dependent variable is in the form
of data count which is the number of burglary cases. Poisson regression is one of the models used to analyse the relationship between dependent variables in the form of count
data and independent variables that can be count, continuous, categorical, or mixed data. This regression has an assumption that the data must be equidispersed, that is, the mean is equal to the variance, but in real cases it is often found that this assumption is not always fulfilled because the count data usually experiences overdispersion or underdispersion. Handling this problem using an alternative model is Negative Binomial Regression. Maximum Likelihood Estimation (MLE) with Newton Raphson iteration is used as the estimation method. The results showed that the Negative Binomial Regression model was able to handle overdispersion well and obtained three independent variables that significantly influenced the number of burglaries in East Java, namely the open unemployment rate, average years of schooling, and average per capita expenditure. These variables are generated based on parameter significance tests using the likelihood ratio test and Wald test.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Theft with aggravation, Overdispersion, Poisson Regression, Negative Binomial Regression, Maximum Likelihood Estimation (MLE), Newton Raphson, Curat, Overdispersi, Regresi Poisson, Regresi Negative Binomial, Maximum Likelihood Estimation (MLE)
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Muliati Muliati
Date Deposited:	06 Aug 2024 01:09
Last Modified:	06 Aug 2024 01:09
URI:	http://repository.its.ac.id/id/eprint/114065

Actions (login required)

View Item