Pemodelan tindak pidana di Jawa Timur dengan menggunakan Geographically Weighted Regression (GWR)

INDONESIA :

Model Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi atau bentuk lokal regresi yang memperhatikan lokasi titik pengamatan yang menghasilkan penaksir parameter model yang bersifat lokal untuk setiap titik atau lokasi di mana data tersebut dikumpulkan. Karena Model GWR memperhatikan lokasi pengamatan, maka model GWR menjadi terboboti lokasi. Ada beberapa macam pembobotan yang bisa digunakan, salah satunya adalah pembobot Kernel Fixed Gaussian. Pembobot ini memperkecil nilai residual dengan menggunakan bandwith yang fixed atau bandwith yang sama digunakan untuk setiap lokasi.

Penelitian ini bertujuan untuk mendapatkan pemetaan tindak pidana di Jawa Timur menggunakan model GWR. Variabel independen yang digunakan pada penelitian ini adalah kemiskinan (X_1), kebutuhan sekunder (X_2), kepadatan penduduk (X_3), dan pengangguran (X_4). Hasil yang didapatkan dari penelitian ini adalah model GWR dapat dengan baik menjelaskan keadaan tindak pidana di Jawa Timur pada tahun 2016 dibandingkan model regresi biasa. Hal demikian bisa dilihat dengan membandingkan nilai Residual Sum Square (RRS) , R square, dan nilai classic AIC dari kedua model.

ENGLISH :

The Geographically Weighted Regression (GWR) model is the development of regression models or local regression considering the observation location of the observation points that produce local parameter model estimators for each point or location where the data is collected. Since the GWR Model considers the location of observation, the GWR model are location weighted. Many kinds of weighting that could be used, one of them is Kernel Fixed Gaussian wighted. This weighted can reduce the residual using fixed bandwith or uses same value in each location.

This study purpose for to determine the mapping of criminal acts in East Java using the GWR model. The independent variables used in this study are poverty (X_1), secondary needs (X_2), population density (X_3), and unemployment (X_4). The results obtained from this study are that the GWR model can well explain the state of crime in East Java at in 2016 compared to ordinary regression models. Which can be seen by compary the value of Residual Sum Square (RRS), R square, and classic AIC value.