ANALISIS PENGELOMPOKAN JENIS-JENIS KEJAHATAN UMUM PADA KASUS KRIMINALITAS DI PROVINSI DKI JAKARTA TAHUN 2012 (STUDI KASUS : DKI JAKARTA) Loading Presentation _
click anywhere to start
RISFIAN EKA KURNIAWAN (1310 030 051)
TUGAS AKHIR
PENDAHULUAN
LANDASAN TEORI
METODOLOGI PROPOSAL TUGAS AKHIR
Pembimbing : Adatul Mukarromah, S.Si. M.Si Penguji : Dr. Brojol Sutijo, S.Si.M.Si Dr. rer pol Heri Kuswanto, S.Si. M.Si
[click to show the credit]
ANALISIS
PENDAHULUAN LATAR BELAKANG Pengelompokan daerah yang rawan kejahatan menggunakan analisis cluster (Salsabielah, 2013) PERMASALAHAN
REFERENSI
DKI JAKARTA
KECENDERUNGAN Pengelompokan jenis-jenis kejahatan dan wilayah sub rayon dengan analisis korespondensi (Tyan, 2013) Analisis korespondensi dan analisiss cluster
BACK
NEXT
A.S. Alam (1992)
[click to show the credit]
PENDAHULUAN PERMASALAHAN
Deskripsi Jenis-Jenis Kejahatan di DKI Jakarta pada tahun 2012
Data Kriminalitas DKI Jakarta Tahun 2012
Pola Kecenderungan Jenis kejahatan berdasarkan wilayah di DKI Jakarta pada tahun 2012
NEXT
BACK [click to show the credit]
PENDAHULUAN MANFAAT
Memberikan gambaran kepada pihak Kepolisian untuk tindakan pengamanan dan pencegahan dalam mengatasi masalah kriminalitas di Provinsi DKI Jakarta.
masyarakat agar lebih berpartisipasi dan berhati-hati dalam masalah kriminalitas.
NEXT
BACK [click to show the credit]
PENDAHULUAN
BATASAN MASALAH
Objek penelitian yang dilakukan adalah data rekap kejadian kriminalitas yang tercatat pada Direktorat Reserse Kriminal Umum Kepolisian Daerah (POLDA) Provinsi DKI Jakarta pada tahun 2012.
NEXT
BACK [click to show the credit]
LANDASAN TEORI TABEL KONTINGENSI (CROSS TABULATION)
Tabel yang berisi data jumlah atau frekuensi atau beberapa klasifikasi (kategori), Tabel kontingensi merupakan suatu metode statistik yang menggambarkan dua atau lebih variabel secara simultan dan hasilnya ditampilkan dalam bentuk tabel yang merefleksikan distribusi bersama dua atau lebih variabel dengan jumlah kategori yang terbatas Baris
STRUKTUR DATA
Kolom
Total
1
2
3
..
J
1
n11
n12
n13
..
n1j
n1.
2
n21
n22
n23
..
n2j
n2.
3
n31
n32
n33
..
n3j
n3.
…
..
..
..
..
..
..
…
..
..
..
..
..
..
I
ni1
ni2
ni3
..
nij
ni.
n.1
n.2
n.3
n.j
n..
BACK Total
[click to show the credit]
..
NEXT
LANDASAN TEORI
H0 H1
UJI INDEPENDENSI : Tidak ada Hubungan antara variabel 1 dan 2 (Independen) : Terdapat hubungan antara variabel 1 dan 2 (Dependen)
Statistik Uji :
X
2
I
J
i 1 j 1
(nij eij ) 2
e
ij
Tolak H0apabila nilai 𝑋 2 hitung> nilai 𝑋 2 (I-1)(J-1) atau bisa diketahui apabila pvalue yang lebih kecil dari α
NEXT
BACK [click to show the credit]
LANDASAN TEORI ANALISIS KORESPONDENSI MATRIKS DATA Menyusun matriks proporsi
𝑃𝑖𝑗 =
𝑛𝑖𝑗 𝑛..
1
atau 𝐏 = 𝑛 𝐍
Menghitung diagonal matriks akar kuadrat 12 r
D
diag r1 ,..., rI atau D
1 2 r
1 1 diag ,..., r rI 1
1 1 Dimana : D1c 2 diag c1 ,..., cJ atau Dc1 2 diag ,..., 𝒓 ∶ 𝑴𝒂𝒔𝒔𝒂 𝑩𝒂𝒓𝒊𝒔 c cJ 𝒄 𝟏 ∶ 𝑴𝒂𝒔𝒔𝒂 𝑲𝒐𝒍𝒐𝒎 1 𝟏
Matriks Profit Kolom:
~ c1T . C Dc1PT . . ~ T cJ Matriks Profit Baris:
~ r1T . R Dr 1PT . . ~ T r I NEXT
BACK [click to show the credit]
LANDASAN TEORI Singular Value Decomposition (SVD) Penguraian nilai singular pada alogaritma matriks dan terdiri dari konsep dekomposisi eigenvalue atau eigenvektor K
P rc k D1r 2u k D1c 2 v k T
T
k 1
Nilai singular dicari untuk memperoleh koordinat profit baris dan kolom
Koordinat Profit Baris
Koordinat Profit Kolom
G k D c1 2 v k
F k D r 1 2 u k
k
: nilai singular
uk
: vektor dengan ukuran I x 1
vk
: vektor dengan ukuran J x 1
NEXT
BACK [click to show the credit]
LANDASAN TEORI Nilai Dekomposisi Inersia
Nilai Inersia merupakan Jumlah kuadrat dari nilai signular yang menunjukan kontribusi baris ke-i dan kolom ke-j pada inersia total. Total inersia adalah ukuran variasi data dan ditentukan dengan jumlah kuadrat terboboti.
1 2 r
tr D
P rc D D P rc D T
1 2 c
1 2 r
T
1 2 T c
i
j
T 1 T T R 1c D R 1c r c
in(I) trace D
ij ri c j
2
ri ci
K
k2 k 1
Inersia Kolom ( j )
Inersia Baris (i)
T 1 ~ in(I) i r ~ r c D r c atau i i c i
p
T in(J) j c j ~ c j r Dr 1 ~ c j r atau
in(J) trace Dc C 1r T Dr 1 C 1r T
NEXT
BACK [click to show the credit]
T
LANDASAN TEORI Kontribusi Relatif Kontribusi relatif atau korelasi baris ke-i atau kolom ke-j dengan komponen k adalah kontribusi axis ke inersia baris ke-i atau kolom ke-j di dalam dimensi ke-k dinyatakan dalam persen inersia baris ke-i atau kolom ke-j.
Kontribusi baris ke-i menuju inersia =
2 𝑟𝑖 𝑓𝑖𝑘
Kontribusi kolom ke-j menuju inersia=
λ𝑘 2 𝑐𝑖 𝑔𝑗𝑘 λ𝑘
Dimana : 𝑓𝑖𝑘 2 ∶ 𝐾𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡 𝑝𝑟𝑜𝑓𝑖𝑙 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 − 𝑖menuju axis dengan dimensi ke-k 𝒈𝒋𝒌 𝟐 ∶Koordinat profil kolom ke – j menuju axis dengan dimensi ke-k
NEXT
BACK [click to show the credit]
LANDASAN TEORI Kontribusi Mutlak Kontribusi Axis menuju inersia baris ke-i atau kolom ke-j disebut kontribusi mutlak.
Kontribusi dari axis menuju inesia baris ke-i=
2 𝑓𝑖𝑘
2 𝑓𝑖𝑘 2 𝑔𝑗𝑘
Kontribusi dari axis menuju inesia kolom ke-j =
2 𝑔𝑗𝑘
Dimana : 𝑓𝑖𝑘 2 ∶ 𝐾𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡 𝑝𝑟𝑜𝑓𝑖𝑙 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 − 𝑖menuju axis dengan dimensi ke-k 𝒈𝒋𝒌 𝟐 ∶Koordinat profil kolom ke – j menuju axis dengan dimensi ke-k
NEXT
BACK [click to show the credit]
LANDASAN TEORI JARAK EUCLIDIAN
Ukuran jarak digunakan ketika terdapat dua objek yang berada pada titik yang berbeda, jarak antar objek sering juga disebut dengan ukuran kemiripan atau similarity. Digunakan untuk mengukur perbedaan yang berasal dari objek untuk menggambarkan karakteristik dan pola kecenderungan.
Keterangan :
𝑘
𝑑 𝑭, 𝑮 =
𝑭𝒊 − 𝑮 𝒊 𝑖=1
2
K F G Fi Gi
: banyaknya solusi dimensi : koordinat titik pada profil baris : koordinat titik pada profil kolom : nilai kordinat profil baris pada dimensi ke-i : nilai kordinat profil kolom pada dimensi ke-i
NEXT
BACK [click to show the credit]
LANDASAN TEORI ANALISIS CLUSTER Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam cluster yang sama. Kelebihan
Kelemahan
1. Dapat Mengelompokan data observasi dalam jumlah besar dan variabel relatif banyak. 2. Skala Pengukuran ordinal,interval,dan rasio.
1. 2. 3.
Pengelompokan bersifat subjektif. Hanya dilihat dari dendogram. Sulit pengelompokkanna bila data terlalu heterogen.
NEXT
BACK [click to show the credit]
LANDASAN TEORI
H0 H1
UJI BARLETT : Tidak ada korelasi antar variabel (𝜌 = 1) : Terdapat korelasi antar variabel (𝜌 ≠ 1)
Statistik Uji :
Barlett ln R n 1
2p 5 6
Tolak H0apabila nilai Barlett hitung> nilai 𝑋 2 𝛼; 1 2 𝑝 (𝑝 − 1) maka variabel saling berkorelasi sehingga terdapat hubungan antar variabel.
NEXT
BACK [click to show the credit]
LANDASAN TEORI
Analisis Faktor Analisis faktor merupakan suatu teknik analisis yang bertujuan untuk mendefinisikan struktur yang mendasar pada antar variabel. Analisis faktor dapat dikatakan salah satu teknik “ analisis ketergantungan”. Tujuan utama analisis faktor adalah untuk menjelaskan struktur hubungan di antara banyak variabel dalam bentuk faktor atau vaiabel laten atau variabel bentukan (mereduksi variable)
NEXT
BACK [click to show the credit]
LANDASAN TEORI
METODE PENGELOMPOKAN HIRARKI
Metode pengelompokan hirarki berawal dari objek individual, dengan demikian akan terdapat proses awal sebanyak objek cluster (kelompok). Objek-objek yang paling banyak memiliki kesamaan adalah yang pertama dikelompokkan
NEXT
BACK [click to show the credit]
LANDASAN TEORI Single Linkage Single linkage dapat berupa jarak atau kesamaan antara pasangan-pasangan objek. Grup dibentuk dari kesatauan individu dengan menggabungkan tetangga terdekatnya, dimana kata “tetangga terdekat” mengandung arti jarak terkecil atau kesamaan terbesar (terbanyak) d(UV)W=min{dUW, dVW }. Di sini nilai dUW dan dVW adalah jarak antara tetangga terdekat dari kelompok U dan W serta kelompok V dan W, begitupun sebaliknya
NEXT
BACK [click to show the credit]
LANDASAN TEORI Complete Linkage Prosedur pengelompokan complete linkage hampir sama dengan single linkage, dengan satu pengecualian. Pada setiap tingkat, jarak (kesamaan) antar kelompok ditentukan dengan jarak (kesamaan) antara dua elemen yaitu yang paling jauh.
d(UV)W=max{dUW, dVW} Dimana dUW dan dVW merupakan jarak terjauh antara anggota kelompok U dan W serta kelompok V dan W, begitupun sebaliknya.
NEXT
BACK [click to show the credit]
LANDASAN TEORI Average Linkage Average linkage didasarkan pada rata-rata jarak dari seluruh objek pada suatu cluster dengan seluruh objek pada cluster lain
d
UV W
d i
ik
k
N (UV ) NW
Dimana dik adalah jarak antara objek i pada cluster (UV) dan objek k pada cluster W, dan N(UV) dan NW adalah jumlah dari item-item pada cluster (UV) dan W
NEXT
BACK [click to show the credit]
LANDASAN TEORI Penentuan Jumlah Kelompok Optimum (Pseudo F-Statistic)
metode alternatif yang digunakan untuk menentukan banyaknya nc c p kelompok optimum k k
SST xij x
Rumus
R2 c 1 Pseudo F 1 R2 nc
i 1 j 1 k 1
R
2
( SST SSW ) SST nc
c
p
SSW xijk x kj i 1 j 1 k 1
R2
= proporsi jumlah kuadrat jarak antar pusat kelompok dengan jumlah kuadrat sampel terhadap rata-rata keseluruhan SST = total jumlah dari kuadrat jarak terhadap rata-rata keseluruhan SSW = total jumlah dari kuadrat jarak sampel terhadap rata-rata kelompoknya 𝑘 N = banyaknya sampel = sampel ke-i pada kelompok ke-j dan variabel ke-k 𝑋𝑖𝑗 c = banyaknya kelompok 𝑋 𝑘 = rata-rata sampel pada variabel-k nc = banyaknya data pada kelompok ke-i p = banyaknya variabel 𝑋𝑗𝑘 = rata-rata sampel pada kelompok ke-j & variabel ke-k NEXT
BACK
[click to show the credit]
LANDASAN TEORI Icdrate ( Internal Cluster Disersion Rata)
Dimana Nilai icdrate yang semakin kecil menunjukkan perbedaan keanggotaan tiap kelompok yang artinya pengelompokan berdasarkan data yang sangat mirip dikelompokkan dalam satu cluster . Digunakan untuk pemilihan metode yg terbaik dlam analisis cluster.
Icdrate = 1 -
SSB =
𝑐 𝑖=1
𝑆𝑆𝐵 𝑆𝑆𝑇
𝑝 𝑗=1
= 1-R2
𝑥𝑖𝑘 − 𝑥𝑘
Keterangan :
2
SSB : Sum of Squared Between-Groups SST : Total jumlah dari kuadrat jarat terhadap rata-rata keseluruhan 2 R : Proporsi jumlah kuadrat jarak antar pusat kelompok dengan jumlah kuadrat sampel terhadap rata-rata keseluruhan C : Bnyaknya Cluster n : Banyaknya data dalam cluster 𝑥𝑘 : Rata – rata sampel pada variable-k 𝑥𝑖𝑘 : Rata – rata sampel pada kelompok ke-I variabel ke-k
NEXT
BACK [click to show the credit]
LANDASAN NON STATISTIK Kriminalitas 1. Kejahatan Konvensional
Jenis Kejahatan di DKI Jakarta kejahatan jalanan
2. Kejahatan Trans nasional
kejahatan yang melibatkan lintas Negara
3. Kejahatan Terhadap Kekayaan Negara terhadap kepentingan hukum atau benda milik Negara 4. Kejahatan Berimplikasi Kontijensi
Kejahatan yang dapat mengganngu aspek – aspek keamanan, politik, dan ekonomi
5. Kejahatan Terhadap Hak Asasi Manusia Kejahatan yang secara melawan hukum membatasi dan mencabut Hak Asasi Manusia 6. Hukum Pidana dasar atau aturan untuk Menentukan perbuatan mana yang tidak boleh dilakukan, yang dilarang, dengan disertai ancaman atau sangsi berupa pidana 7. Hukum Perdata Suatu peraturan yang mengatur tentang hal-hal yang sangat esensial bagi kebebasan individu, seperti orang dan keluarganya, hak milik dan perikatan 8. Kejahatan Mengganggu Ketrentraman dan Ketertiban merupakan kata-kata yang dipakai oleh pembentuk undang-undang sebagai nama kumpulan bagi kejahatan-kejahatan yang di dalam undang-undang 9. Kejahatan Golongan Bencana
Kejahatan yang terjadi pada kasus sumber daya alam dan lingkungan hidup
NEXT
BACK [click to show the credit]
METODOLOGI PENELITIAN SUMBER DATA
Sumber data yang digunakan adalah data sekunder yang berupa data kriminalitas di Direktorat Reserse Kriminal Umum Kepolisian Daerah (POLDA) Provinsi DKI Jakarta tahun 2012.
NEXT
BACK [click to show the credit]
METODOLOGI PENELITIAN VARIABEL PENELITIAN Variabel Wilayah POLRES di setiap Kabupaten DKI Jakarta Kode
KESATUAN (POLRES)
Kode
KESATUAN (POLRES)
Y1
Mapolda
Y8
Resta Pel. Tanjung Priok
Y2
Resto Jakarta Pusat
Y9
Resta Bekasi Kota
Y3
Resto Jakarta Utara
Y10
Resta Depok
Y4
Resto Jakarta Barat
Y11
Kepol. Bandara Soetta
Y5
Resto Jakarta Timur
Y12
Resta Tanggerang
Y6
Resto Jakarta Selatan
Y13
Resta Bekasi
Y7
Resto Tanggeran Kota
Y14
Res. Kep. Seribu
NEXT
BACK [click to show the credit]
METODOLOGI PENELITIAN VARIABEL PENELITIAN Variabel Wilayah POLRES di setiap Kabupaten DKI Jakarta Kode
JENIS KEJAHATAN
Kode
JENIS KEJAHATAN
Kode
JENIS KEJAHATAN
Kode
JENIS KEJAHATAN
X 18
Pemalasuan
X 53
Aborsi
X 19
Kejahatan lahan
X 54
Miras
Perbankan
X 20
Laka ka
X 55
Merugikan pemiutang
X 39
Agraria
X 21
Penadahan
X 56
Laka laut
Narkotika
X 40
Psikotropika
X 22
Pembunuhan
X 57
Kepentingan orang
X6
Penggelapan
X 41
Senpi ilegal
X 23
Kecelakaan
X 58
Orang yang ditolong
X7
Unjuk rasa
X 42
Tki ilegal
X 24
Penghinaan
X 59
Han berbahaya
X8
Penganiayaan
X 43
Korupsi
X 25
Jabatan
X 60
Poa
X9
Gangguan umum
X 44
Perlindungan anak
X 26
Perzinahan
X 61
Sara
X10
Kdrt
X 45
Kehilangan
X 27
Bunuh diri
X 62
Laka udara
X11
Penemuan mayat
X 46
Prod & dagang
X 47
Bbm illegal
X 63
Kewajiban dan hak kenegaraan
Kebakaran
X 28
Cabul
X12 X13
Pemerasan
X 48
Perdagangan manusia
X 29
Penculikan
X 64
Ledakan bom
X14
Pemalsuan surat
X 49
Lingkungan hidup
X 30
Premanisme
X 65
Illegal fishing
X15
Curas
X 50
Asal usul dan perkawinan
X 31
Uang palsu
X 66
Hewan dgn pas lain
X 16
Perjudian
X 51
Penembakan
X 32
Hki
X 67
Pengerusakan ringan
X 17
Merusak barang
X52
Menerima suap
X 33
Perkosaan
X 68
Membakar gedung
X 34
Orang hilang
X 69
Penguasa umum
X 35
Kenakalan remaja
X 70
Pelayaran
X1
Pencurian
X 36
Terorisme
X2
Laka Lantas
X 37
Penyalahgunaan senpi
X3
Penipuan
X 38
X4
Curanmor
X5
NEXT
BACK [click to show the credit]
METODOLOGI PENELITIAN LANGKAH - LANGKAH ANALISIS Mulai
Mulai
Mengumpulkan Data sekunder
Mengumpulkan Data sekunder
Data Kriminalitas DKI Jakarta Tahun 2012
Data Kriminalitas DKI Jakarta Tahun 2012
Tabulasi Silang
Uji Barlett
Uji Independensi Analisis Faktor
Uji Korespondensi
Analisis Pseudo F
Visualisasi Plot
Analisis Cluster Intrepertasi Hasil Analisis Korespondensi Intrepertasi Hasil Analisis Cluster
Selesai
BACK
Langkah Analisis Korespondensi
[click to show the credit]
Selesai Langkah Analisis Cluster
NEXT
ANALISIS DAN PEMBAHASAN STATISTIK DESKRIPTIF
Karakteristik Kejahatan berdasarkan Polres Jenis Kejahatan
Polres 20.0% KEP.SRB
0.2% 15.0%
4.6%
BKS KAB
10.8%
TNG KAB BSH
0.6% 5.0%
6.3%
DEPOK
7.8%
BEKASI
KPPP
10.0%
0.0%
0.9%
TNG
9.7% 11.7%
JAKSEL 7.2%
JAKBAR
8.0%
JAKUT
18.7%
JAKPUS 10.1%
MAPOLDA 0.0%
5.0%
10.0%
12.2% 0.0019% 0.0019% 0.0019% 1 4 7 101316192225283134374043464952555861646770
Karakteristik Kejahatan di DKI Jakarta
3.5%
JAKTIM
16.8% 14.9%
15.0%
Tingkat kejahatan tertinggi kasus penipuan, lalu kedua pencurian, dan ketiga laka lantas, dan kejahatan yang jarang terjadi agrarian sampai pelayaran (X59 - X70)
20.0%
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN UJI INDEPENDENSI Hipotesis H0 H1
: Tidak ada hubungan antara jenis kejahatan umum dengan wilayah rayon polres (independen) : Ada hubungan antara jenis kejahatan umum dengan wilayah rayon polres (dependen) Nilai Chi-Square Nilai Chi-Square Tabel P-value
30550,290 967,789 0,000
df (I=70, J=14)
897
Keputusan
Tolak H0 karena nilai 𝑋 2 hitung (30550,290) > nilai 𝑋 2 table (967,789) atau bisa diketahui apabila p-value (0,00) yang lebih kecil dari α (0,05) NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Reduksi Dimensi Dimension
Singular
Inersia
Proporsi Kumulatif
Proporsi
1
1.11
1.23
0.422
0.42
2
0.9
0.81
0.278
0.7
3
0.69
0.47
0.161
0.86
4
0.46
0.21
0.073
0.93
5
0.29
0.08
0.028
0.96
6
0.23
0.05
0.019
0.98
7
0.18
0.03
0.011
0.99
8
0.12
0.01
0.005
0.99528
9
0.1
0.01
0.003
0.99866
10
0.05
0
0.001
0.9994
11
0.04
0
0.001
0.99995
12
0.01
0
0
0.99999
13
0.01
0
0
1
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Nilai Kontribusi Mutlak dan Relatif pada Profil Baris kejahatan
Kriteria yang masuk Dimensi 1 1. Pencurian – Mutlak = 26,4% , Relatif = 73,1% 2. Laka Lantas – Mutlak = 2,8% , Relatif = 1,05% 3. dst
Kriteria yang masuk Dimensi 2 1. Penipuan – Mutlak = 77,5% , Relatif = 96,9% 2. Curanmor – Mutlak = 8% , Relatif = 24,1% 3. dst
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 : 65 66 67 68 69 70 Total
Mutlak 1 0,264(II) 0,028 0,000 0,004 0,199(III) 0,005 0,353(I) 0,000 0,122 0,004 0,008 0,000 0,005 0,001 0,001 0,000 0,001 0,000 0,001 0,000 0,001 : 0,000 0,000 0,000 0,000 0,000 0,000 1,000
2 0,000 0,013 ,775(I) 0,08 0,044 0,013 0,021 0,000 0,039 0,000 0,002 0,000 0,007 0,000 0,000 0,000 0,000 0,000 0,002 0,000 0,000 : 0,000 0,000 0,000 0,000 0,000 0,000 1,000
Kontribusi Relatif 1 2 0,731 0,001 0,105 0,031 0 0,969(I) 0,018 0,241 0,747 0,109 0,147 0,231 0,922(I) 0,036 0,003 0 0,681 0,144 0,315 0 0,31 0,059 0,041 0,002 0,227 0,199 0,056 0,026 0,476 0,123 0,308 0,152 0,223 0,001 0,154 0,08 0,232 0,197 0,119 0,003 0,248 0,162 : : 0,169 0,209 0,003 0,002 0,085 0,000 0,104 0,000 0,018 0,793 0,018 0,793 0,731 0,001
Total 0,732 0,136 0,969 0,26 0,857 0,379 0,958 0,003 0,825 0,315 0,369 0,044 0,426 0,083 0,6 0,46 0,224 0,234 0,43 0,122 0,41 : 0,378 0,005 0,085 0,105 0,811 0,811 0,732
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Nilai Kontribusi Mutlak dan Relatif pada Profil Kolom Kontribusi
Polres
Mutlak
Mapolda
1 0,091
2 0,180
1 0,227
Relatif 2 0,296
Total 0,523
Jak_Pus
0,768(I)
0,013
0,971
0,011
0,982
Jak_Ut
0,038
0,001
0,606
0,009
0,615
Jak_Bar
0,012
0,034
0,068
0,123
0,190
Jak_Sel
0,019
0,006
0,177
0,038
0,215
Jak_Tim
0,048
0,001
0,854
0,009
0,863
Tanggerang
0,000
0,010
0,004
0,188
0,192
Pel.Priok
0,001
0,001
0,141
0,139
0,280
Bekasi
0,007
0,000
0,235
0,009
0,243
Depok
0,000
0,025
0,000
0,255
0,255
Band.Soetta
0,000
0,001
0,027
0,168
0,195
Kab.Tanggerng
0,001
0,724(I)
0,003
0,956
0,959
Kab. Bekasi
0,014
0,004
0,102
0,020
0,122
Kep. Seribu
0,000
0,000
0,137
0,092
0,229
Total
1,000
1,000
Kriteria yang masuk Dimensi 1 1. Polres Jakarta Pusat – Mutlak = 76,8% , Relatif = 97,1% 2. Polres Jakarta Utara – Mutlak = 3,8% , Relatif = 60,6% 3. dst Kriteria yang masuk Dimensi 2 1. Polres Mapolda – Mutlak = 18% , Relatif = 29,6% 2. Polres Jakarta Barat – Mutlak = 3,4% , Relatif = 12,3% 3. dst
Dari Pengelompokan berdasarkan nilai kontribusi mutlak pada profil baris dan kolom diperoleh kecenderungan di setiap dimensi yang berkaitan yaitu : 1. Jenis kejahatan Unjuk Rasa, Pencurian, dan Narkotika cenderung terjadi di Polres Jakarta Pusat. 2. Jenis Kejahatan Penipuan cenderung terjadi di Polres Kabupaten Tanggerang
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Nilai Euclidian Kejahatan X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 : X 60 X 61 X 62 X 63 X 64 X 65 X 66 X 67 X 68 X 69 X 70
Wilayah Y1
Y2
Y3
Y4
Y5
Y6
Y7
Y8
Y9
Y10
Y11
Y12
Y13
Y14
3.60 0.67 8.57 0.97 6.03 0.82 6.43 1.96 4.26 1.65 : 1.92 1.92 1.92 1.92 1.92 1.91 1.92 1.92 1.92 1.92 1.92
7.99 4.95 8.19 4.41 2.14 4.13 1.93 3.40 1.22 4.05 : 3.48 3.48 3.48 3.48 3.48 3.48 3.48 3.48 3.48 3.48 3.48
3.77 1.23 6.92 2.36 4.95 1.01 6.13 0.85 4.19 0.21 : 0.77 0.77 0.77 0.77 0.77 0.77 0.77 0.77 0.77 0.77 0.77
4.12 1.06 7.66 1.59 4.96 0.32 5.70 0.84 3.63 0.69 : 0.79 0.79 0.79 0.79 0.79 0.79 0.79 0.79 0.79 0.79 0.79
5.07 2.10 7.29 2.25 3.92 1.33 4.78 0.53 2.85 1.15 : 0.61 0.61 0.60 0.61 0.61 0.61 0.60 0.61 0.61 0.61 0.61
3.67 1.16 6.94 2.36 5.05 1.02 6.23 0.95 4.28 0.30 : 0.87 0.87 0.87 0.87 0.87 0.87 0.87 0.87 0.87 0.87 0.87
4.57 1.61 7.34 1.99 4.38 0.88 5.25 0.35 3.27 0.71 : 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35
4.65 1.77 7.13 2.21 4.22 1.08 5.21 0.14 3.28 0.71 : 0.19 0.19 0.19 0.19 0.19 0.19 0.19 0.19 0.19 0.19 0.19
4.19 1.41 7.07 2.18 4.61 0.88 5.67 0.42 3.73 0.25 : 0.34 0.34 0.34 0.34 0.34 0.34 0.34 0.34 0.34 0.34 0.34
4.59 2.08 6.43 2.86 4.08 1.60 5.49 0.56 3.73 0.79 : 0.55 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.55 0.55
4.50 1.65 7.08 2.22 4.34 1.02 5.37 0.14 3.44 0.55 : 0.10 0.09 0.09 0.09 0.09 0.09 0.09 0.09 0.09 0.10 0.10
5.40 4.13 3.97 5.28 4.30 3.95 6.81 3.03 5.61 3.03 : 3.02 3.02 3.02 3.02 3.02 3.03 3.02 3.02 3.02 3.02 3.02
4.06 1.21 7.23 2.02 4.79 0.69 5.78 0.59 3.79 0.27 : 0.52 0.52 0.52 0.52 0.52 0.52 0.52 0.52 0.52 0.52 0.52
4.59 1.75 7.05 2.27 4.24 1.10 5.29 0.06 3.37 0.63 : 0.09 0.08 0.08 0.08 0.08 0.08 0.08 0.08 0.08 0.09 0.09
Kriteria Kasus kejahatan pada Polres Mapolda : Pencurian (X1), Laka Lantas (X2), dan Curanmor (X4) Kriteria kasus kejahatan pada Polres Jakarta Pusat : Narkotika (X5), Unjuk rasa (X7), dan Ganguan Umum (X9) Kriteria kasus kejahatan pada Polres Jakarta Utara : KDRT (X10) Kriteria kasus kejahatan pada Polres Jakarta Selatan : Penggelapan (X6) dst
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN Analisis Cluster Uji Barlett Hipotesis H0 : ρ = I (antar variabel dari data faktor-faktor yang mempengaruhi indikator jenis kejahatan tidak berkorelasi) H1 : ρ ≠ I (antar variabel dari data faktor-faktor yang mempengaruhi indikator jenis kejahatan berkorelasi)
Pada Uji Barlett menggunakan sofware SPSS dapat diketahui bahwa terjadi kombinasi linier dimana ada korelasi antar variabel sehingga matriks determinan nol yang menyebabkan matriks korelasi bukan matriks definite positif sehingga ada kombinasi linier minimal 2 variabel dependen dibuktikan dengan uji korelasi antar variabel pada lampiran (D1). Sehingga dapat dikatakan bahwa antar variabel dari data faktor-faktor yang mempengaruhi indikator jenis kejahatan tahun 2012 berkorelasi.
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN Analisis Factor Component
BACK
1 2 3 4 5 6 7 8 9 10 11 12 13 : 60 61 62 63 64 65 66 67 68 69 70
Initial Eigenvalues % of Cumulati Total Variance ve % 16,078 22,968 22,968 12,651 18,072 41,040 9,668 13,811 54,852 7,263 10,376 65,228 5,699 8,142 73,369 4,534 6,477 79,846 3,763 5,376 85,222 3,500 5,000 90,222 2,827 4,038 94,260 1,996 2,852 97,112 1,339 1,913 99,025 0,504 0,721 99,746 0,178 0,254 100,000 : : : -5.951E-16 -8.501E-16 100.000 -6.509E-16 -9.299E-16 100.000 -7.237E-16 -1.034E-15 100.000 -7.527E-16 -1.075E-15 100.000 -8.381E-16 -1.197E-15 100.000 -9.248E-16 -1.321E-15 100.000 -1.034E-15 -1.477E-15 100.000 -1.281E-15 -1.830E-15 100.000 -1.455E-15 -2.079E-15 100.000 -2.155E-15 -3.079E-15 100.000 -2.400E-15 -3.428E-15 100.000
Nilai Eigenvalue
Variabel 70 Variabel 11 Keragaman Min 70% Total Eigenvalue lebih dari 1
[click to show the credit]
NEXT
ANALISIS DAN PEMBAHASAN Analisis Factor Nilai Loading Factor
Faktor Faktor 1 Faktor 2 Faktor 3 Faktor 4 Faktor 5 Faktor 6 Faktor 7 Faktor 8 Faktor 9 Faktor 10 Faktor 11
Jenis Kejahatan X13,X19,X38,X42,X43,X45,X56,X65 X3,X21,X31,X35,X39,X46,X50,X60,X69,X70 X5,X7,X9,X40,X54,X59 X10,X34,X36,X44,X52,X55,X62 X14,X26,X27,X29,X30,X33,X63 X37,X47,X49,X68 X8,X61 X1,X6,X12,X15,X17,X24,X25,X51,X57,X67 X4,X18,X28 X2,X16,X22,X23,X32,X48,X53,X64 X11,X20,X41,X58,X66
Kejahatan Kekayaan Negara Kejahatan Materi Kejahatan Pidana Kejahatan dengan Kekerasan Kejahatan Asusila Kejahatan Terencana Kejahatan Psikis Kejahatan Gangguan Barang/orang Kejahatan Moral Kejahatan Terorganisir Kejahatan Non Pidana
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN Analisis Cluster Nilai Eigenvalue Banyaknya Kelompok 2 3 4 5 6 7 8 9 10
Pseduo F Single Complete 10.3228 62.0349 10.654 101.3257 9.8607 44.841 8.9234 44.1575 8.3324 23.32 10.5541 15.4013 6.2178 12.2345 7.4337 10.4522 6.3949 6.3949
Average 6.395 21.939 39.1173 20.2201 15.7996 10.5541 12.3445 7.4337 6.3949
Berdasrakan Penilaian Pseudo F Statistic : Single Linkage : 3 kelompok Complete Linkage : 3 kelompok Average linkage : 4 kelompok
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN Analisis Cluster Nilai Icdrate Kelompok
Single
Complete
Average
Sw
Sb
Icdrate
Sw
Sb
Icdrate
Sw
Sb
Icdrate
2
2.62E+07
4.48E+06
0.8699
1.81E+07
1.63E+07
0.5266
1.81E+07
1.81E+07
0.5145
3
2.99E+07
8.21E+06
0.7614
8.65E+06
2.58E+07
0.2512
2.09E+07
1.35E+07
0.6078
4
2.39E+07
1.05E+07
0.6937
1.14E+07
2.30E+07
0.3325
1.25E+07
2.19E+07
0.3634
5
2.23E+07
1.21E+07
0.649
9.36E+06
2.51E+07
0.272
1.55E+07
1.90E+07
0.4493
6
2.10E+07
1.34E+07
0.6094
1.23E+07
2.21E+07
0.3579
1.55E+07
1.89E+07
0.4514
7
1.73E+07
1.71E+07
0.5027
1.41E+07
2.03E+07
0.4092
1.73E+07
1.71E+07
0.5027
8
2.04E+07
1.41E+07
0.5914
1.45E+07
1.99E+07
0.4217
1.45E+07
1.99E+07
0.4217
9
1.76E+07
1.68E+07
0.5104
1.47E+07
1.98E+07
0.4258
1.76E+07
1.68E+07
0.5104
10
1.77E+07
1.67E+07
0.5145
1.77E+07
1.67E+07
0.5145
1.77E+07
1.67E+07
5.15E-01
Sw
Sb
Icdrate
2,99x107 8,65x106 1,25x107
8,21x106 2,58x107 2,19107
0,7614 0,2512 0,3634
Analisis Single Linkage Complete Linkage Average Linkage
BACK
Banyaknya Kelompok 3 3 4
Berdasrakan Penilain Icdrate didapatkan pemilihan metode terbaik yaitu Complete Linkage
[click to show the credit]
NEXT
ANALISIS DAN PEMBAHASAN Analisis Cluster Single Linkage Cluster 1 2
Anggota Mapolda Jakarta Pusat, Jakarta Barat, Jakarta Selatan, Depok, Kab.Bekasi, Jakarta Timur, Jakarta Utara, Kab. Tanggerang, Tanggerang, Pelabuhan Priok, Band. Soetta, dan Kep. Seribu Bekasi
3
Keterangan Cluster 1 Cluster 2 Cluster 3
: Daerah yg rawan kejahatan : Daerah yang sering terjadi kejahatan : Daerah yang jarang terjadi kejahatan
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN Analisis Cluster Complete Linkage Cluster
1
Anggota Mapolda, Jakarta Utara, Jakarta Selatan, Tanggerang, Pelabuhan Priok, Kab Bekasi, ,Kab. Tanggerang, Kep. Seribu, dan Band. Soetta,
2
Jakarta Pusat
3
Jakarta Barat, Depok, Bekasi, dan Jakarta Timur
Keterangan Cluster 1 Cluster 2 Cluster 3
: Daerah yg rawan kejahatan : Daerah yang sering terjadi kejahatan : Daerah yang cukup terjadi kejahatan
NEXT
BACK [click to show the credit]
ANALISIS DAN PEMBAHASAN Analisis Cluster Average Linkage Cluster 1 2 3 4
Anggota Mapolda, Jakarta Utara, Jakarta Selatan, Jakarta Timur, Tanggerang, Pelabuhan Priok, Depok, Band.Soetta,Kab.Tanggerang,Kab.Bekasi,Kep.Seribu Jakarta Pusat Jakarta Barat Bekasi
Keterangan Cluster 1 Cluster 2 Cluster 3 Cluster 4
: Daerah yg rawan kejahatan : Daerah yang sering terjadi kejahatan : Daerah yang cukup rendahi kejahatan : Daerah yang jarang terjadi kejahatan
NEXT
BACK [click to show the credit]
KESIMPULAN DAN SARAN KESIMPULAN Berdasarkan Statistik Deskriptif didapatkan jenis kejahatan tertinggi di DKI Jakarta pada tahun 2012 yaitu Penipuan sebesar 16,8% dan terendah yaitu jenis kejahatan (X59-X70). Sedangkan wilayah Polres didapatkan kejahatan terbanyak yaitu Polres Jakarta Pusat sebesar 18,7% dan yang terendah yaitu Polres Kep.Seribu sebesar 0,2%. Berdasarkan analisis korespondensi dari pengelompokkan dimensi yaitu Polres Jakarta Pusat memiliki kecenderungan kejahatan unjukrasa, pencurian, dan narkotika. Sedangkan perhitungan nilai jarak Euclidian wilayah Polres Jakarta Pusat terdapat kecenderungan kejahatan noarkotika dst. Berdasarkan analisis Factor dari 70 variabel terbentuk 11 factor jenis kejahatan di DKI Jakarta dengan nilai kumulatif sebesar 99,025% dengan nilai eigenvalue lebih dari 1. Berdasarkan analisis Cluster dengan perhitungan Pseudo F didapatkan kelompok optimum yaitu single linkage terbentuk 3 kelompok, complete linkage terbentuk 3 kelompok, dan average linkage terbentuk 4 kelompok. Dan berdasarkan perhitungan Icdrate pemilihan metode cluster terbaik yaitu metode complete linkage dengan nilai terkecil sebesar 0,2512
NEXT
BACK [click to show the credit]
KESIMPULAN DAN SARAN SARAN Pihak Kepolisian DKI Jakarta hendakanya melakukan melakukan tindakan preventif terhadap pola-pola kecenderungan jenis kejahatan umum disetiap Polres. Misalnya di wilayah Polres Kabupaten Bekasi mengadakan penyuluhan mengenai bahaya tindakan penipuan yang sering terjadi dan cara mencegah kejahatan tersebut di masyarakat.
Kedepannya pihak Kepolisian DKI Jakarta bisa menerapakan sistem monitoring serta evaluasi dengan cara melihat pola kencenderungan kejahatan disetiap Polres secara berkala. Sehingga dapat dilakukan tindak pencegahan secara efektif.
NEXT
BACK [click to show the credit]
ANALISIS PENGELOMPOKAN JENIS-JENIS KEJAHATAN UMUM PADA KASUS KRIMINALITAS DI PROVINSI DKI JAKARTA TAHUN 2012 THANK’S FOR YOUR ATTENTION (STUDI KASUS : DKI JAKARTA) RISFIAN EKA KURNIAWAN (1310 030 051)