PENERAPAN LIU ESTIMATOR PADA REGRESI BINOMIAL NEGATIF UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR KRIMINALITAS DI JAWA TIMUR

ISHMAH AZZAH KAMEELA, . (2024) PENERAPAN LIU ESTIMATOR PADA REGRESI BINOMIAL NEGATIF UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR KRIMINALITAS DI JAWA TIMUR. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (141kB)
	Text BAB 2.pdf Restricted to Registered users only Download (667kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (405kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (529kB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (120kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (207kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (641kB) | Request a copy

Abstract

Provinsi Jawa Timur menjadi salah satu provinsi yang selalu menduduki tiga besar dengan jumlah kasus kriminalitas tinggi selama kurun waktu 2018-2021. Penelitian ini bertujuan untuk memodelkan jumlah kasus kriminalitas di Provinsi Jawa Timur dan menenentukan faktor-faktor yang memiliki pengaruh signifikan. Pada penelitian ini, data yang dianalisis mengindikasikan adanya overdispersi dan multikolinearitas. Regresi binomial negatif dapat mengatasi data yang mengalami overdispersi. Pada umumnya untuk mengestimasi parameter binomial negatif digunakan Maximum Likelihood. Namun, metode estimasi tersebut tidak stabil jika terdapat masalah multikolinearitas. Dalam penelitian ini menggunakan Liu Estimator untuk mengestimasi parameter regresi binomial negatif yang mengalami masalah multikolinearitas. Hasil yang diperoleh menunjukkan bahwa estimasi parameter regresi binomial negatif dengan metode Liu lebih baik jika dibandingkan metode Maximum Likelihood, dimana nilai MSE regresi binomial negatif dengan Liu Estimator lebih kecil dibandingkan regresi binomial negatif dengan Maximum Likelihood. Dari model yang dihasilkan diperoleh bahwa variabel yang berpengaruh signifikan terhadap jumlah kriminalitas yaitu, persentase penduduk miskin, variabel tingkat pengangguran terbuka, upah minimum regional, gini rasio, dan persentase penduduk berstatus cerai hidup.***** The East Java Province is one of the provinces that always occupies the top three with the highest number of crime cases during the 2018-2021 period. This research aims to model the number of crime cases in East Java Province and determine the factors that have a significant influence. In this study, the data analyzed indicated the presence of overdispersion and multicollinearity. Negative binomial regression can overcome data that experiences overdispersion. In general, to estimate negative binomial parameters, Maximum Likelihood is used. However, this estimation method is unstable if there is a multicollinearity problem. In this study, Liu Estimator is used to estimate negative binomial regression parameters which experience multicollinearity problems. The results obtained show that the estimation of negative binomial regression parameters using the Liu method is better than the Maximum Likelihood method, where the MSE value of negative binomial regression with Liu Estimator is smaller than negative binomial regression with Maximum Likelihood. From the resulting model, it is found that the variables that have a significant effect on the number of crimes are percentage of poor population, variable open unemployment rate, regional minimum wage, Gini ratio, and percentage of divorced population.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dra. Widyanti Rahayu, M.Si. ; 2). Dania Siregar, S.Stat., M.Si.
Subjects:	Sains > Sains, Ilmu Pengetahuan Alam Sains > Matematika Sains > Matematika > Software, Sistem Informasi Komputer
Divisions:	FMIPA > S1 Statistika
Depositing User:	Users 22091 not found.
Date Deposited:	13 Feb 2024 02:00
Last Modified:	13 Feb 2024 02:00
URI:	http://repository.unj.ac.id/id/eprint/44797

Actions (login required)

View Item