Pemodelan Spasial Data Panel pada Tingkat Kriminalitas di Wilayah DKI Jakarta, Jawa Barat, dan Banten.

Abstract

Kriminalitas di Indonesia pada tahun 2017-2020 didominasi oleh wilayah Metro Jaya dengan angka kriminalitas tertinggi pada tahun 2018 dan 2019 dan Sumatera Utara dengan angka kriminalitas tertinggi pada tahun 2017 dan 2020. Metro Jaya merupakan wilayah kepolisisan yang terdiri dari 13 polres di tiga provinsi: DKI Jakarta, Jawa Barat, dan Banten. Objek penelitian adalah 41 Kab/Kota di tiga provinsi tersebut. Penelitian ini bertujuan untuk menentukan model spasial panel terbaik pada tiga matriks pembobot (jarak invers, jarak eksponensial, dan tetangga terdekat) dan menemukan peubah yang berpengaruh terhadap tingkat kriminalitas pada 2017-2020 di wilayah tersebut. Peubah respon yang digunakan pada penelitian ini adalah tingkat kriminalitas dan peubah penjelas yang digunakan adalah persentase penduduk miskin, tingkat pengangguran terbuka, harapan lama sekolah, kepadatan penduduk, produk domestik regional bruto, rasio jenis kelamin, dan upah minimum per kab/kota. Hasil menunjukan bahwa model terbaik adalah Model Panel Tetap Spasial Galat Durbin dengan nilai AIC sebesar 533,321 dan R^2 terkoreksi sebesar 84,5%. Persentase penduduk miskin, kepadatan penduduk, produk domestik regional bruto, dan rasio jenis kelamin adalah peubah yang berpengaruh signifikan terhadap tingkat kriminalitas.

Crime in Indonesia in 2017-2020 dominated by Metro Jaya with the highest number in 2018 and 2019 and Sumatera Utara with the highest number in 2017 and 2020. Metro Jaya is a police region consisting of 13 districts level police in three provinces: DKI Jakarta, Jawa Barat, and Banten. The object of research was 41 districts in those three provinces. This research aimed to determine the best spatial panel model on three spatial weight matrices (inverse distance, exponential distance, and k-nearest neighbor) and find the variables that affect the crime rate in 2017-2020 at said locations. The dependent variable used in this research was crime rate and the predictor variables were percentage of poverty, open unemployment rate, average school period, percentage of population density, gross domestic regional product, gender rate, and minimum wage rate per districts. The result showed that the best model was Spatial Durbin Error Fixed Effect Model that had AIC 533,321 and Adjusted – R^2 sebesar 84,5%. Percentage of poverty, percentage of population density, gross domestic regional product, gender rate, and spatial lag of gender rate were the variables that significant with the crime rate.