SEMINAR TUGAS AKHIR 28 Juni 2013
PEMODELAN KASUS TINDAK PIDANA DI KOTA SURABAYA DENGAN PENDEKATAN MODEL SPASIAL Defi Mustika Sari (1309100078) Pembimbing : Dwi Endah Kusrini, S. Si., M. Si. Co-pembimbing : Dr. Suhartono, S. Si., M. Sc
JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
AGENDA PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PENELITIAN ANALISIS DAN PEMBAHASAN
KESIMPULAN
1
PENDAHULUAN
2
LATAR BELAKANG
DIMANAPUN KAPANPUN
3
SIAPAPUN
LATAR BELAKANG
Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Model Spasial
4
Penelitian Sebelumnya Metode spasial • Pemodelan angka gizi buruk pada balita di Kota Surabaya dengan SAR (A’yunin, 2011) • Spatial Durbin Model untuk Mengidentifikasi Faktor-faktor yang Mempengaruhi Angka Kematian Bayi di Jawa Timur (Aditie, 2011)
5
Tindak pidana • Analisis ekonomi kejahatan property di Indonesia (Husnayain, 2005) • Hutang personal, efek spasial, dan kejahatan. deng menggunakan metode Bayesian Spatial Econometrics (Lacombe, 2012).
Rumusan Masalah 1. Bagaimana karakteristik kejadian tindak pidana yang terjadi di Kota Surabaya ? 2. Bagaimana pemodelan kasus tindak pidana yang terjadi di Kota Surabaya dengan menggunakan pendekatan metode spasial ? 3. Faktor apa saja yang mempengaruhi kasus tindak pidana di Kota Surabaya berdasarkan pendekatan spasial ?
Tujuan Penelitian 1. Mengetahui karakteristik kejadian tindak pidana yang terjadi di Kota Surabaya 2. Mendapatkan pemodelan kasus tindak pidana yang terjadi di Kota Surabaya dengan menggunakan pendekatan metode spasial 3. Mengetahui faktor-faktor yang mempengaruhi kasus tindak pidana di Kota Surabaya berdasarkan pendekatan spasial
6
Manfaat Penelitian Memberikan informasi kepada masyarakat khususnya masyarakat kota Surabaya mengenai faktor-faktor yang berpengaruh terhadap peningkatan tindak pidana, sehingga masyarakat dapat meningkatkan kewaspadaan. Selain itu dapat memberikan informasi kepada dinas kepolisian agar melakukan peningkatan penjagaan di wilayah-wilayah yang rawan tindak pidana. Dan juga sebagai pengembangan dan pengaplikasian ilmu statistika, khususnya tentang pemodelan spasial.
Batasan Penelitian Penelitian dilakukan dengan studi kasus di kota Surabaya dengan unit amatan 28 kecamatan yang mempunyai kantor kepolisian sektor. Data yang digunakan adalah banyaknya tindak pidana yang terjadi di Surabaya pada tahun 2011. Variabel depeden yang digunakan adalah risiko penduduk terkena tindak pidana (crime rate). Penentuan bobot spasial (W) menggunakan pendekatan area dengan metode Contiguity yaitu Queen dan Customized Contiguity
7
TINJAUAN PUSTAKA
8
DEPENSI SPASIAL
Dependensi spasial terjadi karena adanya keterkaitan yang mendasar pada daerah-daerah yang diamati. Dalam koten regresi, terdapat dua efek spasial, yaitu spatial autocorrelation dan
spatial heterogeneity
9
Pemodelan Spasial Titik
Geographically Weighted Regression (GWR)
Spatial Autoregressive Models (SAR)
10
Area GeographicallyWeighted Poisson Regression (GWPR)
Spatial Durbin Models (SDM)
Space-Time Autoregressive (STAR),
Spatial Error Models (SEM)
Geographically SpaceTime Autoregressive (GSTAR)
Conditional Autoregressive Models (CAR)
Spatial Autoregressive Moving Average (SARMA)
(Anselin, 1988)
REGRESI SPASIAL
11
(LeSage, 1999; dan Ansenlin, 1988)
REGRESI SPASIAL
W2 = 0 λ = 0 SPATIAL AUTOREGRE SSIVE MODEL (SAR)
12
W1 = 0 ρ = 0 SPATIAL ERROR MODEL (SEM)
W1,W2 ≠ 0 λ≠0 ρ≠0 SPATIAL AUTORESS IVE MOVING AVERAGE MODEL (SARMA)
λ=0 ρ=0 REGRESI LINEAR SERDERH ANA
REGRESI SPASIAL
13
(LeSage, 1999; dan Ansenlin, 1988)
SPATIAL AUTOREGRESSIVE MODEL
Dalam bentuk matrik
(Anselin, 1999)
14
ESTIMASI PARAMETER
Fungsi lnLikelihood
15
(Anselin, 1999)
ESTIMASI PARAMETER
logaritma natural untuk mengestimasi ρ
16
ESTIMASI PARAMETER Selanjutnya estimasi parameter didapatkan dengan optimalisasi persamaan
Melalui evaluasi pada interval seperti pada persamaan berikut (LeSage & Pace, 2009).
17
(LeSage & Pace, 2009)
UJI PARSIAL
(Anselin, 1998)
18
SPESIFIKASI MORAN’S I Formula Moran’s I
Korelasi Pearson
19
(Paradis, 2013)
UJI INDEPENDENSI MORAN’S I
20
MATRIK PEMBOBOT Matriks Pembobot Spasial (W) diketahui berdasarkan jarak atau persinggungan (contiguity) antara satu region ke region yang lain (LeSage & Pace, 2009), yaitu 1. Liniear Contiguity (Persinggungan Tepi) 2. Rook Contiguity (Persinggungan Sisi) 3. Bhisop Contiguity (Persinggungan Sudut) 4. Double Liniear Contiguity (Persinggungan Dua Tepi) 5. Double Rook Contiguity (Persinggungan Dua Sisi) 6. Queen Contiguity (Persinggungan Sisi-Sudut) 7. Customized Contiguity (Persinggungan Sisi-Sudut)
21
TINDAK PIDANA Menurut Badan Pusat Statistika (BPS) definsi tindak pidana adalah segala tindakan yang disengaja atau tidak, telah terjadi atau baru percobaan, yang dapat merugikan orang lain dalam hal badan, jiwa, harta benda, kehormatan, dan lainnya serta tindakan tersebut diancam hukuman penjara dan kurungan. Kejahatan Transnasional
Common Law Crime
Kejahatan Transnasional
Jenis Penelitian Tentang Tindak Pidana
22
Crime Index
Crime Totals
Crime Rate
JENIS TINDAK PIDANA No Jenis Tindak Pidana 1 Kejahatan terhadap ketertiban 2 Pembakaran 3 Kebakaran 4 Memberi suap 5 Kejahatan pemalsuan surat dan merk 6 Perkosaan 7 Lain-lain kej. Kesopanan 8 Perjudian 9 Penculikan 10 Pembunuhan 11 Aniaya berat 12 Aniaya ringan 13 Pencurian dengan pemberatan 14 Pencurian dengan kekerasan 15 Pencurian ringan 16 Pencurian biasa
23
No 17 18 19 20 21 22 23 24 25 26 27
Jenis Tindak Pidana Pencurian Ranmor Pencurian kawat telepon Pemerasan Penggelapan Penipuan Penadahan Merusak Laporan palsu Narkotik Psikotropika Pengancaman
28 29 30 31
Penghinaan Bawa lari perempuan Sengketa tanah Lain-lain kejahatan
METODOLOGI PENELITIAN
24
SUMBER DATA Penelitian ini menggunakan data sekunder yang didapatkan dari Polrestabes Kota Surabaya dan dari Badan Pusat Statistika kota Surabaya tahun 2011. Variabel dependen yang digunakan adalah risiko penduduk terkena tindak pidana (crime rate). Unit pengamatan yang digunakan adalah seluruh kecamatan yang ada di Surabaya yang memiliki kantor kepolisian sektor, yaitu terdapat 28 kecamatan.
25
VARIABEL PENELITIAN Variabel Keterangan Skala Rasio/ Yi Risiko penduduk terkena tindak pidana di seratus ribu kecamatan i di Kota Surabaya (Lacombe, 2012) penduduk Interval/ ribuan
X1i
Rata-rata pendapatan per kapita di setiap kecamatan i di Kota Surabaya (Lacombe, 2012)
X2i
Tingkat kepadatan penduduk di setiap kecamatan Rasio/ribua n i di Kota Surabaya (Lacombe, 2012)
X3i
Tingkat pendidikan berdasarkan jenjang Rasio/ribua n pendidikan di masing-masing kecamatan i di Kota Surabaya (Ariyanti, 2011) Rumah Tangga kemiskinan di kecamatan i di Rasio/ribua n Kota Surabaya (Husnayain, 2005)
X4i X5i
Rasio/ Jumlah angkatan kerja di kecamatan i (Husnayain, seratus ribu 2005) penduduk
26
LANGKAH ANALISIS 1
2
• Melakukan eksplorasi data peta tematik untuk mengetahui pola penyebaran dan dependensi pada masing-masing variabel serta melakukan uji korelasi untuk mengetahui pola hubungan antara variabel x dan y •Melakukan pengolahan data untuk mengetahui karakteristik kejadian tindak pidana beserta variabel yang mempengaruhinya, yang terjadi di berbagai kecamatan di Surabaya • Melakukan penetapkan Matriks Pembobot Spasial (W)
3
4
27
• Melakukan uji dependensi spasial atau korelasi dengan Moran’s I untuk masingmasing variabel
LANGKAH ANALISIS
5
28
• Melakukan pemodelan Spatial Autoregressive Model (SAR) dengan tahapan sebagai berikut. • Melakukan koding pembobotan setelah matrik W terbentuk dengan elemnen-elemennya (wij) bernilai 0 dan 1. Koding pembobot dilakukan untuk mendapatkan matrik W yang standart dengan mengatur jumlah elemen baris sama dengan 1. • Melakukan estimasi parameter, menguji signifikansin dari parameter dengan uji Wald, dan uji asumsi residual regresi dari model spasial yang terbentuk • Melakukan pemilihan model terbaik berdasarkan kriteria AIC • Mengintepretasikan model terbaik dan menyimpulkan hasil yang diperoleh
ANALISIS DAN PEMBAHASAN
29
KARAKTERISTIK CRIME RATE Kategori
30
Sangat tinggi
Skala (per seratus ribu penduduk) 253.6-326.9
Kecamatan
Tinggi
190.9-253.6
Karang Pilang, Gayungan, Wonocolo, Rungkut, Mulyorejo, Asemrowo, Tegalsari, Genteng
Sedang
140.5-190.9
Rendah
0-140.5
Sangat rendah
0
Pakal, Benowo, Tandes, Krembangan, Pabean Cantingan, Sukolilo Wiyung, Wonokromo, Sawahan, Sukomanunggal, Bubutan, Simokerto, Gubeng, Tambaksari, Kenjeran, Semampir Bulak, Sambikerep, Gunung Anyar
Lakarsantri, Dukuh Pakis, Tengilis Mejoyo, Jambangan
KARAKTERISTIK PENDAPATAN PER KAPITA Kategori
31
Skala (per ribu rupiah)
Kecamatan
Sangat tinggi Tinggi
204.59-315.3 103.35-204.59
Genteng Dukuh Pakis, Tengilis Mejoyo, Sukolilo, Gubeng, Tegalsari
Sedang
165.19-103.35
Tandes, Asemrowo, Karang Pilang, Gunung Anyar, Bubutan
Rendah
35.95-65.19
Lakarsantri, Wiyung, Gayungan, Wonokromo, Rungkut, Mulyorejo, Tambaksari, Bulak, Kenjeran
Sangat rendah
12.34-35.95
Pakal, Benowo, Sambikerep, Gayungan, Sukomanunggal, Sawahan, Krembangan, Semampir, Simokerto, Wonocolo, Jambangan
KARAKTERISTIK KEPADATAN PENDUDUK
32
Kategori Sangat tinggi
Skala 22719-40477
Kecamatan Sawahan, Tegalsari, Simokerto, Tambaksari
Tinggi
15085-22718
Wonokromo, Gubeng, Genteng, Semampir, Kenjeran
Sedang
8624-15084
Jambangan, Tengilis Mejoyo, Wonocolo, Sukomanunggal, Krembangan, Pabean Cantingan
Rendah
2816-8623
Tandes, Dukuh Pakis, Wiyung, Karang Pilang, Gayungan, Gunung Anyar, Rungkut, Sukolilo, Mulyorejo, Bulak
Sangat rendah
2030-2815
Pakal, Benowo, Sambikerep, Lakarsantri, Asemrowo
Bubutan,
KARAKTERISTIK PENDUDUK MISKIN
33
Kategori Sangat tinggi Tinggi
Skala 13233-20467 5944-13232
Kecamatan
Sedang
2661-5943
Lakarsantri, Wiyung, Tandes, Sukomanunggal, Asemrowo, Krembangan, Kenjeran, Sukolilo
Rendah
1618-2660
Dukuh Pakis, Karang Pilang, Jambangan, Gubeng, Mulyorejo, Wonocolo
Sangat rendah
921-1617
Pakal, Benowo, Sambikerep, Genteng, Wonokromo, Tengilis Mejoyo, Gayungan, Gunung Anyar
Semampir Sawahan, Tegalsari, Bubutan, Tambaksari, Bulak, Simokerto, Pabean Cantingan, Rungkut
KARAKTERISTIK PENDUDUK BERPENDIDIKAN SD
34
Kategori Sangat tinggi
Skala 33771-72413
Tinggi
19337-33770
Sedang
9935-19336
Rendah
4973-9934
Sangat rendah
2086-4972
Kecamatan Sawahan, Tambaksari, Kenjeran, Semampir Krembangan, Pabean Cantingan, Simokerto, Bubutan, Gubeng, Wonokromo Benowo, Sambikerep, Lakarsantri, Karang Pilang, Asemrowo, Sukomanunggal, Genteng, Tegalsari, Wonocolo, Rungkut, Sukolilo, Mulyorejo Dukuh Pakis, Jambangan, Gayungan, Tengilis Mejoyo, Gunung Anyar Pakal, Tandes, Wiyung, Bulak
KARAKTERISTIK PENDUDUK BERPENDIDIKAN SMP
35
Kategori Sangat tinggi
Skala 19673-35196
Tinggi
15023-19672
Sedang
10262-15022
Rendah
7623-10261
Sangat rendah
4727-7622
Kecamatan Sawahan, Wonokromo, Tambaksari, Semampir Krembangan, Bubutan, Simokerto, Kenjeran, Tegalsari, Gubeng Wiyung, Tandes, Sukomanunggal, Sukolilo, Rungkut, Pabean Cantingan Karang Pilang, Pakal, Benowo, Genteng, Wonocolo, Mulyorejo, Bulak Sambikerep, Lakarsantri, Asemrowo, Dukuh Pakis, Jambangan, Gayungan, Tengilis Mejoyo, Gunung Anyar
KARAKTERISTIK PENDUDUK BERPENDIDIKAN SMA
36
Kategori Sangat tinggi
Skala 49347-70040
Kecamatan Sawahan, Wonokromo, Tambaksari
Tinggi
29552-49346
Sukomanunggal, Krembangan, Bubutan, Tegalsari, Gubeng, Kenjeran, Semampir
Sedang
19982-29551
Rendah
9000-19981
Karang Pilang, Rungkut, Sukolilo, Mulyorejo, Pabean Cantingan, Simokerto, Genteng, Wonocolo Benowo, Sambikerep, Lakarsantri, Tandes, Dukuh Pakis, Jambangan, Gayungan, Tengilis Mejoyo, Gunung Anyar.
Sangat rendah
5263-8999
Pakal, Asemrowo, Wiyung, Bulak
KARAKTERISTIK PENDUDUK USIA 15+
38
Kelompok Sangat tinggi
Skala 103144-143839
Tinggi
64022-103143
Krembangan, Bubutan, Semampir, Kenjeran, Gubeng, Rungkut, Gunung Anyar
Sedang
46373-64021
Tandes, Sukomanunggal, Wonocolo, Mulyorejo, Simokerto, Pabean Cantingan
Rendah
29185-46372
Sambikerep, Dukuh Pakis, Wiyung, Karang Pilang, Tengilis Mejoyo, Sukolilo, Genteng
Sangat rendah
16226-29184
Pakal, Benowo, Asemrowo, Lakarsantri, Jambangan, Gayungan, Bulak
Sawahan, Tambaksari
Kecamatan Tegalsari, Wonokromo,
KORELASI ANTAR VARIABEL Variabel
39
Korelasi
P-value
Jumlah rumah tangga miskin (X1)
-0.490
0.008
Kepadatan penduduk (X2)
-0.418
0.027
Jumlah penduduk berpendidikan terakhir SD (X3)
-0.590
0.001
Jumlah penduduk berpendidikan terakhir SMP (X4)
-0.704
0.000
Jumlah penduduk berpendidikan terakhir SMA (X5)
-0.505
0.006
Jumlah penduduk usia 15 tahun ke atas (X6)
-0.574
0.001
Pendapatan per kapita (X7)
0.427
0.01
MORAN’S I QUEEN CONTIGUITY Variabel Crime rate Kepadatan penduduk (X1) Jumlah rumah tangga miskin (X2) Jumlah penduduk berpendidikan terakhir SD (X3) Jumlah penduduk berpendidikan terakhir SMP (X4) Jumlah penduduk berpendidikan terakhir SMA (X5) Jumlah penduduk usia 15 tahun ke atas (X6) Pendapatan per kapita (X7) Z0.025 = 1.96 I0 = -0.037
40
Moran’s I
zhitung
-0.104 0.404 0.152
-0.529 3.499 1.498
0.304
2.707
-0.009
0.219
0.098
1.077
-0.004 0.028
0.261 0.517
MORAN’S I CUSTOMIZED CONTIGUITY Variabel Crime rate Kepadatan penduduk (X1) Jumlah rumah tangga miskin (X2) Jumlah penduduk berpendidikan terakhir SD (X3) Jumlah penduduk berpendidikan terakhir SMP (X4) Jumlah penduduk berpendidikan terakhir SMA (X5) Jumlah penduduk usia 15 tahun ke atas (X6) Pendapatan per kapita (X7) Z0.025 = 1.96 I0 = -0.037
41
Moran’s I
zhitung
-0.036 -0.060 -0.156
0.009 -0.285 -1.465
-0.065
-0.344
0.031
0.839
0.052
1.093
0.053 -0.002
1.099 0.425
HASIL ESTIMASI OLS Parameter
Estimasi
Standart
thitung
P-value
Error
42
β0
243.02
23.00
10.56
0.000
β4
-6.079
1.108
-5.48
0.000
β7
0.3162
0.1256
2.52
0.019
R2
62.8%
AIC
220.55
UJI ASUMSI RESIDUAL OLS NILAI VIF DARI ESTIMASI OLS Variabel Prediktor X4 X7
VIF 1.092 1.092
HASIL UJI LAGRANGE MULTIPLER RESIDUAL Matrik Pembobot Queen contiguty Customized contiguty
Metode
Statistik p-value Uji LM
SAR SEM SAR
0.185 0.514 0.1001
0.667 0.473 0.751
SEM
0.0813
0.776
α =5% χ21=3.8415
43
Hasil Tes Moran’s I residual 0.021 dengan I0= -0.037
HASIL ESTIMASI SAR Parameter
Estimasi*
β0
216.903
2897.08
β4
-6.125
1.086
β7
0.3301
0.014
ρ
0.1525
0.082
R2
66.23%
AIC
351.6
Ket : *) signifikansi pada α =5% 𝜒 2 0.05,1 = 3.841
44
Standart Error
Wald
Jumlah penduduk berpendidikan 16.239 SMP Pendapatan per 34.528 kapita 7.572 0.285
Model SAR
KESIMPULAN DAN SARAN
45
KESIMPULAN Variabel dependen yang digunakan dalam analisis tindak pidana adalah risiko penduduk terkena tindak pidana selama tahun 2011. Kecamatan dengan risiko paling tinggi terkena tindak pidana adalah kecamatan jambangan, kecamatan dengan risiko paling kecil adalah sukomanunggal. Hasil pemodelan spasial menunjukkan nilai koefisien model spasial lag (rho) yang tidak signifikan. Secara umum model SAR yang dihasilkan adalah Variabel yang berpengaruh signifikan terhadap risiko penduduk terkena tindak pidana adalah jumlah penduduk berpendidikan smp yang berpengaruh negatif dan tingkat pendapatan perkapita penduduk yang berpengaruh positif.
46
SARAN
47
1. Analisis tindak pidana selanjutnya disarankan untuk mengukur tindak kejahatan (crime index), karena akan lebih cocok jika dimodelkan secaran spasial. 2. Penelitian selanjutnya disarankan menggunakan data tindak pidana per tindak kejahatan dan dengan kurun waktu yang panjang agar hasil penelitian lebih maksimal dan dapat mengukur tindak kejahatan di surabaya secara lebih tepat. 3. Disarankan penelitian selanjutnya menggunakan matrik pembobot lain seperti berdasarkan jarak antara wilayah pusat yang berpendapatan tinggi dengan wilayah lainnya. 4. Variabel yang digunakan dalam penelitian ini hanya berdasarkan faktor kependudukan dan ekonomi saja, untuk selanjutnya disarankan menggunakan lebih banyak variabel independen seperti faktor kesenjangan dan faktor lingkungan dan budaya
DARTAR PUSTAKA Aditie, N. B. (2011). Spatial Durbin Model untuk Mengidentifikasi Faktor-faktor yang Mempengaruhi Angka Kematian Bayi di Jawa Timur. 2011: Tugas Akhir Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember. Anselin, L. (1999). Spatial Econometrics. Dallas: University of Texas. Anselin, L. (1988). Spatial Econometrics Methods and Models. Netherlands: Kluwer Academic Publishers. Ariyanti, R. R. (2011). Faktor Penyebab Anak Menjadi Pelaku Kejahatan Kesusilaaan dan Upaya Penangannya (Studi Terhadap Kenakalan Anak di Kota Malang). Malang: Tugas Akhir Univeritas Brawijaya. A'yunin, Q. (2011). Pemodelan Angka Gizi Buruk pada Balita di Kota Surabaya dengan Spatial Autoregressive Model. Surabaya: Tugas Akhir Jurusan Statistika FMIPA Institut Teknologi Sepuluh Nopember. Hardianto, f. N. (2009). Analisis Faktor-faktor yang Mempengaruhi Tingkat Kriminalitas di Indonesia dari Pendekatan Ekonomi. Bandung: Tugas Akhir Fakultas Ekonomi Universitas Katolik Parahyangan. Husnayain, I. (2005). Analisis Ekonomi Kejahatan Properti di Indonesia. Jakarta: Tugas Akhir Fakultas Ekonomi Universitas Indonesia . Kissling, W. D., & Carl, G. (2007). Spatial Autocorrelation and the Selection of Simultaneous Autoregressive Models. Global Ecology and Biogeography . kompas.com. (2013, January 27). Ketua RT: Raffi Ahmad dan 6 Temannya Ditanggap BNN. 48 Jakarta, Jakarta, Indonesia.
DARTAR PUSTAKA LeSage, J., & Pace, R. K. (2009). Introduction to Spatial Econometrics. New York: CRC Press. Mclntyre, S. G., & Lacombe, D. J. (2012). Personal Indebtedness, Spatial Effect and Crime. Economics Letters , 455-459. Moeljatno. (1987). Asas-asas Hukum Pidana. Jakarta: Bina Aksara. Nuryati, V. (2009). Analisis Faktor-faktor yang Mempengaruhi Tindak Kriminal di Sumatera Barat Tahun 2007 dengan Menggunakan Analisis Jalur. Padang: Tugas Akhir Jurusan Matematika FMIPA Universitas Andalas. Paradis, E. (2013). Moran's Autocorrelation Coefficient in Comparative Methods. New York: Springer. Perobelli, F. S., & Haddad, E. (2003). Brazilian Interregional trade (1985-1996): An Exploratory Spatial Data Analysis. Sao Paulo: Ed. Perspectiva. Poernomo, B. (1992). Asas-asas Hukum Pidana. Jakarta: Ghalia Indonesia. Pompe, W. P. (1959). Handboek van het Nederlands Strafrecht. Neterland. Post, S. (2013, Februari 28). Awas! 6 Lokasi Rawan Kriminalitas . Surabaya, Jawa Timur, Indonesia. Projodikoro, W. (2003). Tindak-tindak Pidana Tertentu di Indonesia. Bandung: PT. Refika Aditama. regional.kompas.com. (2013, Februari 28). Dulu Anak, Sekarang Cucu Ditampar Guru, Kakek Lapor Polisi. Probolinggo, Jawa Timur, Indonesia. tempo.co. (2012, Desember 15). Penembakan Maut di Connecticut, 26 Tewas. Newtown, New York, United States of America. Walpole, 49 R. E. (1995). Pengantar Statistika (Ketiga ed.). Jakarta: PT. Gramedia Pusaka. Wibisono, A. (2009). Aplikasi Sistem Informasi Geografis untuk Pemetaan Daerah Rawan Kriminalitas di
TERIMA KASIH
KEGAGALAN INI ADALAH KEMENANGAN HAQIQI KEMENANGAN UNTUK MEMANTAPKA N HATI ATAS APA YANG DISEBUT IKHTIAR DAN DOA 50
