Pemodelan Regresi Terboboti Geografis dengan Jenks Natural Breaks pada Kasus Tingkat Risiko Kejahatan di Provinsi Jawa Tengah

Abstract

Keamanan berkaitan erat dengan aktivitas kejahatan. Di Jawa Tengah, rata-rata tingkat risiko kejahatan mencapai 50 angka kejahatan per 100.000 penduduk, meningkat dua kali lipat dari dua tahun sebelumnya. Kota Semarang memiliki tingkat risiko kejahatan tertinggi sebesar 81,9 angka kejahatan per 100.000 penduduk, sedangkan Kabupaten Pemalang mencatat tingkat terendah sebesar 7,5 angka kejahatan per 100.000 penduduk. Perbedaan ini disebabkan oleh faktor ekonomi, sosial, dan demografi di setiap wilayah. Penelitian ini menerapkan kolaborasi antara Regresi Terboboti Geografis (RTG) dan metode Jenks Natural Breaks (JNB) untuk membangun model RTG dengan fungsi pembobot kernel terbaik untuk mengidentifikasi peubah yang berpengaruh terhadap tingkat risiko kejahatan di 35 kabupaten/kota Provinsi Jawa Tengah serta mengklasifikasikan prediksi tingkat risiko kejahatan. Data penelitian diambil dari publikasi BPS Jawa Tengah pada tahun 2022, mencakup satu peubah respons dan lima peubah penjelas. Hasilnya menunjukkan bahwa model RTG dengan fungsi pembobot adaptive bisquare kernel memiliki performa terbaik (R2 sebesar 89,862%; R2 adjusted sebesar 84,154%; AIC sebesar 237,601; dan AICc sebesar 261,904). Model ini dapat menjelaskan pemetaan risiko wilayah berdasarkan kesamaan pengaruh peubah penjelas: 19 kabupaten/kota dipengaruhi oleh kepadatan penduduk dan rata-rata lama sekolah, sementara 16 kabupaten/kota dipengaruhi oleh kepadatan penduduk, tingkat pengangguran terbuka, dan rata-rata lama sekolah. Metode JNB mengklasifikasikan wilayah berdasarkan prediksi tingkat risiko kejahatan dalam level high, medium, dan low, di mana semua wilayah perkotaan dan Kabupaten Kudus memerlukan perhatian lebih dari pemerintah.

Security is closely related to criminal activities. In Central Java, the average crime risk rate reached 50 crimes per 100,000 population, doubling from the previous two years. Semarang City has the highest crime risk rate of 81.9 crimes per 100,000, while Pemalang Regency recorded the lowest rate of 7.5 crimes per 100,000. This difference is caused by economic, social, and demographic factors in each region. This research applies a collaboration between Geographically Weighted Regression (GWR) and the Jenks Natural Breaks (JNB) method to build a GWR model with the best kernel weighting function to identify variables that influence the level of crime risk in 35 districts/cities in Central Java Province and to classify predicted crime risk rates. The research data was taken from the 2022 Central Java BPS publication, covering one response variable and five explanatory variables. The results showed that the GWR model with the adaptive bisquare kernel weighting function has the best performance (R2 of 89.862%; R2 adjusted of 84.154%; AIC of 237.601; and AICc of 261.904). This model can explain regional risk mapping based on the similarity of the influence of the explanatory variables: 19 districts/cities are influenced by population density and average length of schooling, while 16 districts/cities are influenced by population density, open unemployment rate, and average length of schooling. The JNB method classifies regions based on predicted crime risk rates into high, medium, and low levels, where all urban areas and Kudus Regency require more attention from the government.