Analisis Regresi Logistik Multinomial Pada Kasus Tindak Pidana Korupsi Berdasarkan Jenis Perkara Di Komisi Pemberantasan Korupsi (KPK)

Permadi, Ayu Tsurayya Armeinda (2016) Analisis Regresi Logistik Multinomial Pada Kasus Tindak Pidana Korupsi Berdasarkan Jenis Perkara Di Komisi Pemberantasan Korupsi (KPK). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1312100134-Undergradute Thesis.pdf]
Preview
Text
1312100134-Undergradute Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Korupsi merupakan permasalahan serius bagi masyarakat
global. Transparency International merupakan organisasi anti
korupsi dunia menyatakan bahwa 6 miliar orang hidup dalam
negara dengan kasus korupsi yang serius. Kasus korupsi dapat
diketahui menggunakan nilai CPI atau Corruption Perception
Index. Nilai CPI menggunakan skala 0-100 dimana nilai 100
merupakan negara yang terbersih dari korupsi dan 0 negara yang
terkorup. Peringkat kasus korupsi yang ada di dunia diurutkan
berdasarkan nilai CPI tertinggi yaitu mendekati 100. Nilai CPI
Indonesia tahun 2014 menduduki peringkat ke 107 dengan nilai 34
dan naik menjadi peringkat ke 88 dengan nilai 36 pada tahun 2015.
Peraturan mengenai korupsi sudah diatur oleh pemerintahan
Indonesia namun jumlah pelaku tindak pidana korupsi setiap
tahunnya bertambah. Penelitian ini bertujuan untuk mengetahui
faktor apa saja yang berpengaruh terhadap tindak pidana korupsi
berdasarkan jenis perkara tertinggi yang di tangani oleh Komisi
Pemberantasan Korupsi (KPK) yaitu penyuapan, penyalahgunaan
anggaran, dan pengadaan barang dan jasa dengan menggunakan
regresi logistik multinomial. Regresi logistik multinomial
menunjukkan bahwa faktor profesi merupakan faktor yang
berpengaruh signifikan terhadap terjadinya

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.536 Per a
Uncontrolled Keywords: CPI, Indonesia, korupsi, KPK, regresi logistik multinomial
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: ansi aflacha
Date Deposited: 18 Apr 2019 08:22
Last Modified: 18 Apr 2019 08:22
URI: http://repository.its.ac.id/id/eprint/62783

Actions (login required)

View Item View Item