Upload
vantruc
View
226
Download
0
Embed Size (px)
Citation preview
_Loading Presentation
RISFIAN EKA KURNIAWAN (1310 030 051)
ANALISIS PENGELOMPOKAN JENIS-JENIS KEJAHATAN UMUM PADA KASUS KRIMINALITAS DI PROVINSI DKI JAKARTA TAHUN 2012(STUDI KASUS : DKI JAKARTA)
click anywhere to start
TUGAS AKHIR
PENDAHULUAN
LANDASAN TEORI
METODOLOGIPROPOSAL TUGAS AKHIR
Pembimbing : Adatul Mukarromah, S.Si. M.SiPenguji : Dr. Brojol Sutijo, S.Si.M.Si
Dr. rer pol Heri Kuswanto, S.Si. M.Si
[click to show the credit]
ANALISIS
Pengelompokan daerah yang
rawan kejahatan
menggunakan analisis
cluster (Salsabielah, 2013)
DKI JAKARTA
PERMASALAHAN
KECENDERUNGAN
PENDAHULUAN
NEXTBACK
[click to show the credit]
LATAR BELAKANG
Analisis
korespondensi dan
analisiss cluster
A.S. Alam (1992)
Pengelompokan jenis-jenis
kejahatan dan wilayah sub
rayon dengan analisis
korespondensi (Tyan, 2013)
REFERENSI
PENDAHULUAN
NEXTBACK
[click to show the credit]
PERMASALAHAN
Data Kriminalitas
DKI Jakarta
Tahun 2012
Deskripsi Jenis-Jenis
Kejahatan di DKI Jakarta
pada tahun 2012
Pola Kecenderungan Jenis
kejahatan berdasarkan wilayah di
DKI Jakarta pada tahun 2012
PENDAHULUAN
NEXTBACK
[click to show the credit]
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.
PENDAHULUAN
NEXTBACK
[click to show the credit]
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.
TABEL KONTINGENSI (CROSS TABULATION)
LANDASAN TEORI
NEXTBACK
[click to show the credit]
BarisKolom
Total1 2 3 .. J
1 n11 n12 n13 .. n1j n1.
2 n21 n22 n23 .. n2j n2.
3 n31 n32 n33 .. n3j n3.
… .. .. .. .. .. ..
… .. .. .. .. .. ..
I ni1ni2 ni3 .. nij ni.
Total
n.1 n.2 n.3
..
n.j n..
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
STRUKTUR
DATA
UJI INDEPENDENSI
LANDASAN TEORI
NEXTBACK
[click to show the credit]
H0 : Tidak ada Hubungan antara variabel 1 dan 2 (Independen)H1 : Terdapat hubungan antara variabel 1 dan 2 (Dependen)
Statistik Uji :
I
i
J
jij
ijij
een
X1 1
2
2)(
Tolak H0apabila nilai 𝑋2hitung> nilai 𝑋2 (I-1)(J-1) atau bisa diketahui apabila p-
value yang lebih kecil dari α
Dimana :
𝒓𝟏 ∶ 𝑴𝒂𝒔𝒔𝒂 𝑩𝒂𝒓𝒊𝒔𝒄𝟏 ∶ 𝑴𝒂𝒔𝒔𝒂 𝑲𝒐𝒍𝒐𝒎
MATRIKS DATA
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Matriks Profit Baris:
Matriks Profit Kolom:
T
I
T
T
r
r
.
.
.
r
PDR
~
~1
1
T
J
T
T
c
c
.
.
.
c
PDC
~
~1
1𝑃𝑖𝑗 =𝑛𝑖𝑗
𝑛..atau 𝐏 = 1
𝑛𝐍
Menyusun matriks proporsi
J
cJc
I
rIr
ccataucc
rrataurr
1,...,
1diag,...,diag
1,...,
1diag,...,diag
1
21
1
21
1
21
1
21
DD
DD
Menghitung diagonal matriks akar kuadrat
ANALISIS KORESPONDENSI
Nilai singular dicari untuk memperoleh koordinat profit baris dan kolom
Singular Value Decomposition (SVD)
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Koordinat Profit KolomKoordinat Profit Baris
K
k
T
kckrk
T
1
2121vDuDrcP
krk uDF21 kck vDG
21
k
uk
vk
Penguraian nilai singular pada alogaritma matriks dan terdiri dari konsep
dekomposisi eigenvalue atau eigenvektor
: nilai singular
: vektor dengan ukuran I x 1
: vektor dengan ukuran J x 1
Nilai Dekomposisi Inersia
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Inersia Kolom ( j )Inersia Baris (i)
K
k
k
i j ii
jiijTTT
cr
crptr
1
2
2
21
c
21
r
21
c
21
r DrcPDDrcPD
TT
c
T
r
i ic
T
iir
1cRD1cRD
crDcr
1tracein(I)
atau~1~in(I)
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.
TT
r
T
c
j jr
T
jjc
1rCD1rCD
rcDrc
1
1
tracein(J)
atau~~in(J)
Kontribusi Relatif
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Kontribusi baris ke-i menuju inersia =𝑟𝑖𝑓𝑖𝑘2
λ𝑘
Kontribusi kolom ke-j menuju inersia=𝑐𝑖𝑔𝑗𝑘2
λ𝑘
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.
Dimana :
𝑓𝑖𝑘2 ∶ 𝐾𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡 𝑝𝑟𝑜𝑓𝑖𝑙 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 − 𝑖menuju axis dengan dimensi ke-k
𝒈𝒋𝒌𝟐 ∶Koordinat profil kolom ke – j menuju axis dengan dimensi ke-k
Kontribusi Mutlak
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Kontribusi dari axis menuju inesia baris ke-i= 𝑓𝑖𝑘2
𝑓𝑖𝑘2
Kontribusi dari axis menuju inesia kolom ke-j =𝑔𝑗𝑘2
𝑔𝑗𝑘2
Kontribusi Axis menuju inersia baris ke-i atau kolom ke-j disebut kontribusi mutlak.
Dimana :
𝑓𝑖𝑘2 ∶ 𝐾𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡 𝑝𝑟𝑜𝑓𝑖𝑙 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 − 𝑖menuju axis dengan dimensi ke-k
𝒈𝒋𝒌𝟐 ∶Koordinat profil kolom ke – j menuju axis dengan dimensi ke-k
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.
LANDASAN TEORI
NEXTBACK
[click to show the credit]
JARAK EUCLIDIAN
𝑑 𝑭, 𝑮 =
𝑖=1
𝑘
𝑭𝒊 − 𝑮𝒊2
Keterangan :
K : banyaknya solusi dimensi
F : koordinat titik pada profil baris
G : koordinat titik pada profil kolom
Fi : nilai kordinat profil baris pada dimensi ke-i
Gi : nilai kordinat profil kolom pada dimensi ke-i
ANALISIS CLUSTER
LANDASAN TEORI
NEXTBACK
[click to show the credit]
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. Pengelompokan bersifat subjektif.2. Hanya dilihat dari dendogram.3. Sulit pengelompokkanna bila data
terlalu heterogen.
UJI BARLETT
LANDASAN TEORI
NEXTBACK
[click to show the credit]
H0 : Tidak ada korelasi antar variabel (𝜌 = 1)H1 : Terdapat korelasi antar variabel (𝜌 ≠ 1)
Statistik Uji :
6
2 51ln
pnRBarlett
Tolak H0apabila nilai Barlett hitung> nilai 𝑋2𝛼; 1 2𝑝 (𝑝 − 1) maka variabel saling berkorelasi sehingga terdapat hubungan antar variabel.
Analisis Faktor
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Analisis faktor merupakan suatu teknik analisis yang bertujuan untukmendefinisikan struktur yang mendasar pada antar variabel. Analisis faktordapat dikatakan salah satu teknik “ analisis ketergantungan”. Tujuan utamaanalisis faktor adalah untuk menjelaskan struktur hubungan di antarabanyak variabel dalam bentuk faktor atau vaiabel laten atau variabelbentukan (mereduksi variable)
METODE PENGELOMPOKAN HIRARKI
LANDASAN TEORI
NEXTBACK
[click to show the credit]
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
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)
Single Linkage
LANDASAN TEORI
NEXTBACK
[click to show the credit]
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
Complete Linkage
LANDASAN TEORI
NEXTBACK
[click to show the credit]
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.
Dimana dUW dan dVW merupakan jarak terjauh antara anggota kelompok U dan W serta kelompok V dan W, begitupun sebaliknya.
d(UV)W=max{dUW, dVW}
Average Linkage
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Average linkage didasarkan pada rata-rata jarak dari seluruh objek pada suatu cluster dengan seluruh objek pada cluster lain
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
WUV
i k
ik
WUV NN
d
d)(
R2 = proporsi jumlah kuadrat jarak antar pusat kelompok dengan jumlah kuadrat sampel terhadap rata-rata keseluruhanSST = total jumlah dari kuadrat jarak terhadap rata-rata keseluruhanSSW = total jumlah dari kuadrat jarak sampel terhadap rata-rata kelompoknyaN = banyaknya sampel = sampel ke-i pada kelompok ke-j dan variabel ke-kc = banyaknya kelompok = rata-rata sampel pada variabel-knc = banyaknya data pada kelompok ke-ip = banyaknya variabel𝑋𝑗𝑘 = rata-rata sampel pada kelompok ke-j & variabel ke-k
Penentuan Jumlah Kelompok Optimum (Pseudo F-Statistic)
LANDASAN TEORI
NEXTBACK
[click to show the credit]
metode alternatif yang digunakan untuk menentukan banyaknyakelompok optimum
Rumus
cn
R
c
R
2
2
1
1SST
SSWSSTR
)(2 Pseudo F
cn
i
c
j
p
k
kk
ij xxSST1 1 1
cn
i
c
j
p
k
k
j
k
ij xxSSW1 1 1
𝑋𝑖𝑗𝑘
𝑋𝑘
Dimana Nilai icdrate yang semakin kecil menunjukkan perbedaan keanggotaan tiap kelompok yang artinya pengelompokanberdasarkan data yang sangat mirip dikelompokkan dalam satu cluster . Digunakan untuk pemilihan metode yg terbaik dlamanalisis cluster.
LANDASAN TEORI
NEXTBACK
[click to show the credit]
Icdrate ( Internal Cluster Disersion Rata)
Keterangan :
SSB : Sum of Squared Between-Groups
SST : Total jumlah dari kuadrat jarat terhadap rata-rata keseluruhanR2 : Proporsi jumlah kuadrat jarak antar pusat kelompok denganjumlah kuadrat sampel terhadap rata-rata keseluruhanC : 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
Icdrate = 1 -𝑆𝑆𝐵
𝑆𝑆𝑇= 1-R2
SSB = 𝑖=1𝑐 𝑗=1
𝑝 𝑥𝑖𝑘 − 𝑥𝑘
2
Kriminalitas
LANDASAN NON STATISTIK
NEXTBACK
[click to show the credit]
Jenis Kejahatan di DKI Jakarta1. Kejahatan Konvensional 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 AsasiManusia
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 kebebasanindividu, seperti orang dan keluarganya, hak milik dan perikatan
8. Kejahatan Mengganggu Ketrentraman dan Ketertiban merupakan kata-kata yang dipakai oleh pembentuk undang-undangsebagai 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
METODOLOGI PENELITIAN
NEXTBACK
[click to show the credit]
SUMBER DATA
Sumber data yang digunakan adalah data sekunder yangberupa data kriminalitas di Direktorat Reserse Kriminal UmumKepolisian Daerah (POLDA) Provinsi DKI Jakarta tahun 2012.
METODOLOGI PENELITIAN
NEXTBACK
[click to show the credit]
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 KotaY3 Resto Jakarta Utara Y10 Resta DepokY4 Resto Jakarta Barat Y11 Kepol. Bandara SoettaY5 Resto Jakarta Timur Y12 Resta TanggerangY6 Resto Jakarta Selatan Y13 Resta BekasiY7 Resto Tanggeran Kota Y14 Res. Kep. Seribu
METODOLOGI PENELITIAN
NEXTBACK
[click to show the credit]
VARIABEL PENELITIANVariabel Wilayah POLRES di setiap Kabupaten DKI Jakarta
Kode JENIS KEJAHATAN Kode JENIS KEJAHATAN
X1 Pencurian X 36 TerorismeX2 Laka Lantas X 37 Penyalahgunaan senpiX3 Penipuan X 38 PerbankanX4 Curanmor X 39 AgrariaX5 Narkotika X 40 Psikotropika X6 Penggelapan X 41 Senpi ilegalX7 Unjuk rasa X 42 Tki ilegalX8 Penganiayaan X 43 KorupsiX9 Gangguan umum X 44 Perlindungan anakX10 Kdrt X 45 KehilanganX11 Penemuan mayat X 46 Prod & dagangX12 Kebakaran X 47 Bbm illegalX13 Pemerasan X 48 Perdagangan manusia X14 Pemalsuan surat X 49 Lingkungan hidupX15 Curas X 50 Asal usul dan perkawinanX 16 Perjudian X 51 PenembakanX 17 Merusak barang X52 Menerima suap
X 18 Pemalasuan X 53 Aborsi
X 19 Kejahatan lahan X 54 Miras
X 20 Laka ka X 55 Merugikan pemiutang
X 21 Penadahan X 56 Laka laut
X 22 Pembunuhan X 57 Kepentingan orang
X 23 Kecelakaan X 58 Orang yang ditolong
X 24 Penghinaan X 59 Han berbahaya
X 25 Jabatan X 60 Poa
X 26 Perzinahan X 61 Sara
X 27 Bunuh diri X 62 Laka udara
X 28 Cabul X 63 Kewajiban dan hak kenegaraan
X 29 Penculikan X 64 Ledakan bom
X 30 Premanisme X 65 Illegal fishing
X 31 Uang palsu X 66 Hewan dgn pas lain
X 32 Hki X 67 Pengerusakan ringan
X 33 Perkosaan X 68 Membakar gedung
X 34 Orang hilang X 69 Penguasa umum
X 35 Kenakalan remaja X 70 Pelayaran
Kode JENIS KEJAHATAN Kode JENIS KEJAHATAN
METODOLOGI PENELITIAN
NEXTBACK
[click to show the credit]
LANGKAH - LANGKAH ANALISIS
Mulai
Mengumpulkan Data sekunder
Data Kriminalitas DKI
Jakarta Tahun 2012
Uji Barlett
Analisis Pseudo F
Analisis Cluster
Intrepertasi Hasil Analisis Cluster
Selesai
Mulai
Mengumpulkan Data sekunder
Tabulasi Silang
Uji Independensi
Visualisasi Plot
Selesai
Data Kriminalitas DKI
Jakarta Tahun 2012
Uji Korespondensi
Intrepertasi Hasil Analisis Korespondensi
Langkah Analisis Korespondensi Langkah Analisis Cluster
Analisis Faktor
NEXTBACK
[click to show the credit]
STATISTIK DESKRIPTIF
0.0% 5.0% 10.0% 15.0% 20.0%
MAPOLDA
JAKPUS
JAKUT
JAKBAR
JAKSEL
JAKTIM
TNG
KPPP
BEKASI
DEPOK
BSH
TNG KAB
BKS KAB
KEP.SRB
10.1%
18.7%
8.0%
7.2%
11.7%
9.7%
3.5%
0.9%
7.8%
6.3%
0.6%
10.8%
4.6%
0.2%
Polres
Karakteristik Kejahatan berdasarkan Polres
14.9%
12.2%
16.8%
0.0019%
0.0019%0.0019%
0.0%
5.0%
10.0%
15.0%
20.0%
1 4 7 101316192225283134374043464952555861646770
Jenis Kejahatan
Karakteristik Kejahatan di DKI Jakarta
Tingkat kejahatan tertinggi kasus penipuan, lalukedua pencurian, dan ketiga laka lantas, dankejahatan yang jarang terjadi agrarian sampaipelayaran (X59 - X70)
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
UJI INDEPENDENSI
H0 : Tidak ada hubungan antara jenis kejahatan umum dengan wilayah rayon polres(independen)
H1 : Ada hubungan antara jenis kejahatan umum dengan wilayah rayon polres (dependen)
Hipotesis
Nilai Chi-Square 30550,290Nilai Chi-Square Tabel 967,789P-value 0,000df (I=70, J=14) 897
Keputusan
Tolak H0 karena nilai 𝑋2hitung (30550,290) > nilai 𝑋2table (967,789) atau bisa diketahui apabila p-value (0,00) yang lebih kecil dari α (0,05)
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
ANALISIS KORESPONDENSI
Reduksi Dimensi
Dimension Singular Inersia Proporsi Proporsi Kumulatif
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
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
ANALISIS KORESPONDENSI
Nilai Kontribusi Mutlak dan Relatif pada Profil Baris
Kriteria yang masuk Dimensi 11. Pencurian – Mutlak = 26,4% , Relatif = 73,1%2. Laka Lantas – Mutlak = 2,8% , Relatif = 1,05%3. dst
Kriteria yang masuk Dimensi 21. Penipuan – Mutlak = 77,5% , Relatif = 96,9%2. Curanmor – Mutlak = 8% , Relatif = 24,1%3. dst
kejahatanKontribusi
Mutlak RelatifTotal
1 2 1 21 0,264(II) 0,000 0,731 0,001 0,7322 0,028 0,013 0,105 0,031 0,1363 0,000 ,775(I) 0 0,969(I) 0,9694 0,004 0,08 0,018 0,241 0,265 0,199(III) 0,044 0,747 0,109 0,8576 0,005 0,013 0,147 0,231 0,3797 0,353(I) 0,021 0,922(I) 0,036 0,9588 0,000 0,000 0,003 0 0,0039 0,122 0,039 0,681 0,144 0,825
10 0,004 0,000 0,315 0 0,31511 0,008 0,002 0,31 0,059 0,36912 0,000 0,000 0,041 0,002 0,04413 0,005 0,007 0,227 0,199 0,42614 0,001 0,000 0,056 0,026 0,08315 0,001 0,000 0,476 0,123 0,616 0,000 0,000 0,308 0,152 0,4617 0,001 0,000 0,223 0,001 0,22418 0,000 0,000 0,154 0,08 0,23419 0,001 0,002 0,232 0,197 0,4320 0,000 0,000 0,119 0,003 0,12221 0,001 0,000 0,248 0,162 0,41: : : : : :
65 0,000 0,000 0,169 0,209 0,37866 0,000 0,000 0,003 0,002 0,00567 0,000 0,000 0,085 0,000 0,08568 0,000 0,000 0,104 0,000 0,10569 0,000 0,000 0,018 0,793 0,81170 0,000 0,000 0,018 0,793 0,811
Total 1,000 1,000 0,731 0,001 0,732
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
ANALISIS KORESPONDENSI
Nilai Kontribusi Mutlak dan Relatif pada Profil KolomPolres
KontribusiMutlak Relatif
1 2 1 2 TotalMapolda 0,091 0,180 0,227 0,296 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 11. 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 21. 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 kolomdiperoleh 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
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
ANALISIS KORESPONDENSI
Nilai Euclidian
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
KejahatanWilayah
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 Y13 Y14
X1 3.60 7.99 3.77 4.12 5.07 3.67 4.57 4.65 4.19 4.59 4.50 5.40 4.06 4.59X2 0.67 4.95 1.23 1.06 2.10 1.16 1.61 1.77 1.41 2.08 1.65 4.13 1.21 1.75X3 8.57 8.19 6.92 7.66 7.29 6.94 7.34 7.13 7.07 6.43 7.08 3.97 7.23 7.05X4 0.97 4.41 2.36 1.59 2.25 2.36 1.99 2.21 2.18 2.86 2.22 5.28 2.02 2.27X5 6.03 2.14 4.95 4.96 3.92 5.05 4.38 4.22 4.61 4.08 4.34 4.30 4.79 4.24X6 0.82 4.13 1.01 0.32 1.33 1.02 0.88 1.08 0.88 1.60 1.02 3.95 0.69 1.10X7 6.43 1.93 6.13 5.70 4.78 6.23 5.25 5.21 5.67 5.49 5.37 6.81 5.78 5.29X8 1.96 3.40 0.85 0.84 0.53 0.95 0.35 0.14 0.42 0.56 0.14 3.03 0.59 0.06X9 4.26 1.22 4.19 3.63 2.85 4.28 3.27 3.28 3.73 3.73 3.44 5.61 3.79 3.37X10 1.65 4.05 0.21 0.69 1.15 0.30 0.71 0.71 0.25 0.79 0.55 3.03 0.27 0.63: : : : : : : : : : : : : : :
X 60 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.55 0.10 3.02 0.52 0.09X 61 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 62 1.92 3.48 0.77 0.79 0.60 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 63 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 64 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 65 1.91 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.56 0.09 3.03 0.52 0.08X 66 1.92 3.48 0.77 0.79 0.60 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 67 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 68 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.56 0.09 3.02 0.52 0.08X 69 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.55 0.10 3.02 0.52 0.09X 70 1.92 3.48 0.77 0.79 0.61 0.87 0.35 0.19 0.34 0.55 0.10 3.02 0.52 0.09
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Cluster
HipotesisH0 : 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)
Uji Barlett
Pada Uji Barlett menggunakan sofware SPSS dapat diketahui bahwa terjadikombinasi linier dimana ada korelasi antar variabel sehingga matriks determinan nolyang menyebabkan matriks korelasi bukan matriks definite positif sehingga adakombinasi linier minimal 2 variabel dependen dibuktikan dengan uji korelasi antarvariabel pada lampiran (D1). Sehingga dapat dikatakan bahwa antar variabel dari datafaktor-faktor yang mempengaruhi indikator jenis kejahatan tahun 2012 berkorelasi.
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Factor
Nilai Eigenvalue
Variabel 70 Variabel 11Keragaman Min 70%Total Eigenvalue lebih dari 1
Component Initial Eigenvalues
Total% of
VarianceCumulati
ve %1 16,078 22,968 22,9682 12,651 18,072 41,0403 9,668 13,811 54,8524 7,263 10,376 65,2285 5,699 8,142 73,3696 4,534 6,477 79,8467 3,763 5,376 85,2228 3,500 5,000 90,2229 2,827 4,038 94,26010 1,996 2,852 97,11211 1,339 1,913 99,02512 0,504 0,721 99,74613 0,178 0,254 100,000: : : :
60 -5.951E-16 -8.501E-16 100.00061 -6.509E-16 -9.299E-16 100.00062 -7.237E-16 -1.034E-15 100.00063 -7.527E-16 -1.075E-15 100.00064 -8.381E-16 -1.197E-15 100.00065 -9.248E-16 -1.321E-15 100.00066 -1.034E-15 -1.477E-15 100.00067 -1.281E-15 -1.830E-15 100.00068 -1.455E-15 -2.079E-15 100.00069 -2.155E-15 -3.079E-15 100.00070 -2.400E-15 -3.428E-15 100.000
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Factor
Nilai Loading Factor
Faktor Jenis KejahatanFaktor 1 X13,X19,X38,X42,X43,X45,X56,X65
Faktor 2 X3,X21,X31,X35,X39,X46,X50,X60,X69,X70
Faktor 3 X5,X7,X9,X40,X54,X59
Faktor 4 X10,X34,X36,X44,X52,X55,X62
Faktor 5 X14,X26,X27,X29,X30,X33,X63
Faktor 6 X37,X47,X49,X68
Faktor 7 X8,X61
Faktor 8 X1,X6,X12,X15,X17,X24,X25,X51,X57,X67
Faktor 9 X4,X18,X28
Faktor 10 X2,X16,X22,X23,X32,X48,X53,X64
Faktor 11 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
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Cluster
Nilai Eigenvalue
Banyaknya Kelompok
Pseduo FSingle Complete Average
2 10.3228 62.0349 6.3953 10.654 101.3257 21.9394 9.8607 44.841 39.11735 8.9234 44.1575 20.22016 8.3324 23.32 15.79967 10.5541 15.4013 10.55418 6.2178 12.2345 12.34459 7.4337 10.4522 7.433710 6.3949 6.3949 6.3949
Berdasrakan Penilaian Pseudo F Statistic :Single Linkage : 3 kelompokComplete Linkage : 3 kelompokAverage linkage : 4 kelompok
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Cluster
Nilai Icdrate
Analisis BanyaknyaKelompok Sw Sb Icdrate
Single Linkage 3 2,99x107 8,21x106 0,7614Complete Linkage 3 8,65x106 2,58x107 0,2512Average Linkage 4 1,25x107 2,19107 0,3634
KelompokSingle 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
Berdasrakan Penilain Icdrate didapatkan pemilihanmetode terbaik yaitu Complete Linkage
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Cluster
Single Linkage
Keterangan
Cluster 1 : Daerah yg rawan kejahatanCluster 2 : Daerah yang sering terjadi kejahatanCluster 3 : Daerah yang jarang terjadi kejahatan
Cluster Anggota 1 Mapolda2 Jakarta Pusat, Jakarta Barat, Jakarta Selatan, Depok, Kab.Bekasi,
Jakarta Timur, Jakarta Utara, Kab. Tanggerang, Tanggerang,Pelabuhan Priok, Band. Soetta, dan Kep. Seribu
3 Bekasi
ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
Analisis Cluster
Complete Linkage
Keterangan
Cluster 1 : Daerah yg rawan kejahatanCluster 2 : Daerah yang sering terjadi kejahatanCluster 3 : Daerah yang cukup terjadi kejahatan
Cluster Anggota 1
Mapolda, Jakarta Utara, Jakarta Selatan, Tanggerang, Pelabuhan Priok, Kab Bekasi,,Kab. Tanggerang, Kep. Seribu, dan Band. Soetta,
2 Jakarta Pusat3 Jakarta Barat, Depok, Bekasi, dan Jakarta Timur
NEXTBACK
[click to show the credit]
Analisis Cluster
Average Linkage
Keterangan
Cluster 1 : Daerah yg rawan kejahatanCluster 2 : Daerah yang sering terjadi kejahatanCluster 3 : Daerah yang cukup rendahi kejahatanCluster 4 : Daerah yang jarang terjadi kejahatan
Cluster Anggota 1 Mapolda, Jakarta Utara, Jakarta Selatan, Jakarta Timur, Tanggerang, Pelabuhan Priok,
Depok, Band.Soetta,Kab.Tanggerang,Kab.Bekasi,Kep.Seribu
2 Jakarta Pusat3 Jakarta Barat4 Bekasi
ANALISIS DAN PEMBAHASAN
NEXTBACK
[click to show the credit]
KESIMPULAN
Berdasarkan Statistik Deskriptif didapatkan jenis kejahatan tertinggi di DKI Jakarta pada tahun 2012 yaituPenipuan sebesar 16,8% dan terendah yaitu jenis kejahatan (X59-X70). Sedangkan wilayah Polres didapatkankejahatan terbanyak yaitu Polres Jakarta Pusat sebesar 18,7% dan yang terendah yaitu Polres Kep.Seribusebesar 0,2%.
Berdasarkan analisis korespondensi dari pengelompokkan dimensi yaitu Polres Jakarta Pusat memilikikecenderungan kejahatan unjukrasa, pencurian, dan narkotika. Sedangkan perhitungan nilai jarakEuclidian wilayah Polres Jakarta Pusat terdapat kecenderungan kejahatan noarkotika dst.
Berdasarkan analisis Factor dari 70 variabel terbentuk 11 factor jenis kejahatan di DKI Jakarta dengan nilaikumulatif 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 4kelompok. Dan berdasarkan perhitungan Icdrate pemilihan metode cluster terbaik yaitu metode complete
linkage dengan nilai terkecil sebesar 0,2512
KESIMPULAN DAN SARAN
NEXTBACK
[click to show the credit]
SARAN
Pihak Kepolisian DKI Jakarta hendakanya melakukan melakukan tindakan preventif terhadappola-pola kecenderungan jenis kejahatan umum disetiap Polres. Misalnya di wilayah PolresKabupaten Bekasi mengadakan penyuluhan mengenai bahaya tindakan penipuan yang seringterjadi dan cara mencegah kejahatan tersebut di masyarakat.
Kedepannya pihak Kepolisian DKI Jakarta bisa menerapakan sistem monitoring sertaevaluasi dengan cara melihat pola kencenderungan kejahatan disetiap Polres secaraberkala. Sehingga dapat dilakukan tindak pencegahan secara efektif.
KESIMPULAN DAN SARAN