Electronic Theses and Dissertation

Kriminalitas merupakan berbagai perilaku yang melanggar hukum, aturan, norma, dan moralitas yang berlaku dalam masyarakat. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi jumlah kasus tindak kriminalitas kota-kota di Indonesia, yang berbentuk data cacahan dan diasumsikan mengikuti distribusi Poisson. Namun, asumsi overdispersi (kondisi di mana varians lebih besar daripada rata-rata) yang disyaratkan pada regresi Poisson tidak terpenuhi, sehingga digunakan metode regresi Binomial Negatif dan Generalized Poisson Regression (GPR), dengan memilih model terbaik di antara keduanya. Data yang digunakan merupakan data sekunder dari publikasi resmi Badan Pusat Statistik Provinsi Dalam Angka Tahun 2023, yang terdiri dari 1 variabel tak bebas dan 9 variabel bebas dengan jumlah pengamatan sebanyak 98 kota-kota di Indonesia. Hasil analisis yang diperoleh menunjukkan bahwa model regresi Binomial Negatif adalah model yang terbaik, karena memiliki nilai AIC (1.578,60) dan BIC (1.604,45) yang lebih kecil dibandingkan model GPR. Berdasarkan model terbaik tersebut, diperoleh 6 faktor yang berpengaruh signifikan terhadap jumlah kasus tindak kriminalitas kota-kota di Indonesia, dengan 5 faktor yang berpengaruh positif yaitu, persentase penduduk miskin (X2), tingkat pengangguran terbuka (X3), rata-rata lama sekolah (X4), pengeluaran perkapita (X5), dan jumlah angka perceraian (X8), sedangkan faktor persentase keluhan kesehatan (X9) memiliki pengaruh yang negatif terhadap tindak kriminalitas.

Criminality encompasses various behaviors that violate the laws, rules, norms, and morality within society. This research aims to identify the factors influencing the number of criminal cases in cities across Indonesia, which are in the form of count data and are assumed to follow a Poisson distribution. However, the assumption of overdispersion (a condition where the variance is greater than the mean), required in Poisson regression, was not met. Therefore, Negative Binomial Regression and Generalized Poisson Regression (GPR) methods were used, with the best model being selected between the two. The data used is secondary data from the official publication Provincial Statistics in Figures Year 2023 by the Central Statistics Agency, encompassing 1 dependent variable and 9 independent variables, with observations from 98 cities in Indonesia. The analysis results show that the Negative Binomial regression model is the best model, as it has smaller AIC (1578,604) and BIC (1604, 454) values than the GPR model. Based on this best model, 6 factors were found to significantly influence the number of criminal cases in Indonesian cities, with 5 factors having a positive influence, percentage of poor population (X2), the open unemployment rate (X3), average years of schooling (X4), per capita expenditure (X5), and the number of divorce rates (X8), while the percentage of health complaints (X9) negatively affects crime rates.