ANALISIS PENGELOMPOKAN JENIS-JENIS KEJAHATAN UMUM PADA KASUS KRIMINALITAS DI PROVINSI DKI JAKARTA TAHUN 2012 (STUDI KASUS : DKI JAKARTA)

Transkripsi

1 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 ( )

2 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 ANALISIS

3 LATAR BELAKANG Pengelompokan daerah yang rawan kejahatan menggunakan analisis cluster (Salsabielah, 2013) PERMASALAHAN PENDAHULUAN DKI JAKARTA REFERENSI Pengelompokan jenis-jenis kejahatan dan wilayah sub rayon dengan analisis korespondensi (Tyan, 2013) KECENDERUNGAN Analisis korespondensi dan analisiss cluster A.S. Alam (1992)

4 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

5 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.

6 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.

7 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 Kolom J Total 1 n 11 n 12 n 13.. n 1j n 1. STRUKTUR DATA 2 n 21 n 22 n 23.. n 2j n 2. 3 n 31 n 32 n 33.. n 3j n I n i1 n i2 n i3.. n ij n i. Total n.1 n.2 n.3.. n.j n..

8 LANDASAN TEORI UJI INDEPENDENSI H 0 H 1 : Tidak ada Hubungan antara variabel 1 dan 2 (Independen) : Terdapat hubungan antara variabel 1 dan 2 (Dependen) Statistik Uji : X 2 I J i1 j1 ( n ij e eij ij ) 2 Tolak H 0 apabila nilai X 2 hitung> nilai X 2 (I-1)(J-1) atau bisa diketahui apabila p- value yang lebih kecil dari α

9 Dimana : r 1 Massa Baris c 1 Massa Kolom MATRIKS DATA LANDASAN TEORI Matriks Profit Baris: Matriks Profit Kolom: T I T T r r... r P D R ~ ~ 1 1 T J T T c c... c P D C ~ ~ 1 1 P ij = n ij n.. atau P = 1 n N Menyusun matriks proporsi J c J c I r I r c c atau c c r r atau r r 1,..., 1 diag,..., diag 1,..., 1 diag,..., diag D D D D Menghitung diagonal matriks akar kuadrat ANALISIS KORESPONDENSI

10 LANDASAN TEORI Singular Value Decomposition (SVD) Nilai singular dicari untuk memperoleh koordinat profit baris dan kolom Koordinat Profit Baris F D k Penguraian nilai singular pada alogaritma matriks dan terdiri dari konsep dekomposisi eigenvalue atau eigenvektor 1 2 r u k P rc T K k1 k D u D v r k c k Koordinat Profit Kolom G T D k 1 2 c v k k u k v k : nilai singular : vektor dengan ukuran I x 1 : vektor dengan ukuran J x 1

11 LANDASAN TEORI tr Nilai Dekomposisi Inersia 1 2 T T 1 2 T pij rc i j D P rc D D P rc D r 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. c r c rc i j i i 2 K k1 2 k in(i) in(i) i r i trace Inersia Baris (i) ~ T 1 r c D ~ r c i D r c i T 1 T T R 1c D R 1c c atau in(j) in(j) Inersia Kolom ( j ) c j j trace D ~ T 1 cj r Dr ~ cj r atau T 1 T C 1r D C 1r c r T

12 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 = r if ik 2 λ k 2 Kontribusi kolom ke-j menuju inersia= c ig jk λ k Dimana : f ik 2 Koordinat profil baris ke imenuju axis dengan dimensi ke-k g jk 2 Koordinat profil kolom ke j menuju axis dengan dimensi ke-k

13 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= f ik 2 f ik 2 Kontribusi dari axis menuju inesia kolom ke-j = g jk 2 g 2 jk Dimana : f ik 2 Koordinat profil baris ke imenuju axis dengan dimensi ke-k g jk 2 Koordinat profil kolom ke j menuju axis dengan dimensi ke-k

14 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. d F, G = k i=1 F i G i 2 Keterangan : K : banyaknya solusi dimensi F : koordinat titik pada profil baris G : koordinat titik pada profil kolom F i : nilai kordinat profil baris pada dimensi ke-i : nilai kordinat profil kolom pada dimensi ke-i G i

15 LANDASAN TEORI ANALISIS CLUSTER Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam cluster yang sama. Kelebihan 1. Dapat Mengelompokan data observasi dalam jumlah besar dan variabel relatif banyak. 2. Skala Pengukuran ordinal,interval,dan rasio. Kelemahan 1. Pengelompokan bersifat subjektif. 2. Hanya dilihat dari dendogram. 3. Sulit pengelompokkanna bila data terlalu heterogen.

16 LANDASAN TEORI UJI BARLETT H 0 : Tidak ada korelasi antar variabel (ρ = 1) H 1 : Terdapat korelasi antar variabel (ρ 1) Statistik Uji : Barlett ln R n 1 2 p 5 6 Tolak H 0 apabila nilai Barlett hitung> nilai X 2 α; 1 2 p (p 1) maka variabel saling berkorelasi sehingga terdapat hubungan antar variabel.

17 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)

18 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

19 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{d UW, d VW }. Di sini nilai d UW dan d VW adalah jarak antara tetangga terdekat dari kelompok U dan W serta kelompok V dan W, begitupun sebaliknya

20 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{d UW, d VW } Dimana d UW dan d VW merupakan jarak terjauh antara anggota kelompok U dan W serta kelompok V dan W, begitupun sebaliknya.

21 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 i N k ( UV ) d N ik W Dimana d ik adalah jarak antara objek i pada cluster (UV) dan objek k pada cluster W, dan N (UV) dan N W adalah jumlah dari item-item pada cluster (UV) dan W

22 LANDASAN TEORI Rumus Pseudo F Penentuan Jumlah Kelompok Optimum (Pseudo F-Statistic) R 2 = 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 X ij = sampel ke-i pada kelompok ke-j dan variabel ke-k c = banyaknya kelompok X k = rata-rata sampel pada variabel-k n c = banyaknya data pada kelompok ke-i p = banyaknya variabel X k j = rata-rata sampel pada kelompok ke-j & variabel ke-k metode alternatif yang digunakan untuk menentukan banyaknya kelompok optimum n c c p k k SST x ij x 2 R c R n c R ( SST SSW ) SST 2 SSW i1 j1 k1 c p k k x ij x j n c i1 j1 k1

23 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 SST = 1-R2 Keterangan : SSB = c p i=1 j=1 x ik x k 2 SSB SST R 2 : Sum of Squared Between-Groups : Total jumlah dari kuadrat jarat terhadap rata-rata keseluruhan : Proporsi jumlah kuadrat jarak antar pusat kelompok dengan jumlah kuadrat sampel terhadap rata-rata keseluruhan C : Bnyaknya Cluster n x k x ik : Banyaknya data dalam cluster : Rata rata sampel pada variable-k : Rata rata sampel pada kelompok ke-i variabel ke-k

24 LANDASAN NON STATISTIK Kriminalitas Jenis Kejahatan di DKI Jakarta 1. 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 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

25 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.

26 METODOLOGI PENELITIAN VARIABEL PENELITIAN Variabel Wilayah POLRES di setiap Kabupaten DKI Jakarta Kode KESATUAN (POLRES) Kode KESATUAN (POLRES) Y 1 Mapolda Y 8 Resta Pel. Tanjung Priok Y 2 Resto Jakarta Pusat Y 9 Resta Bekasi Kota Y 3 Resto Jakarta Utara Y 10 Resta Depok Y 4 Resto Jakarta Barat Y 11 Kepol. Bandara Soetta Y 5 Resto Jakarta Timur Y 12 Resta Tanggerang Y 6 Resto Jakarta Selatan Y 13 Resta Bekasi Y 7 Resto Tanggeran Kota Y 14 Res. Kep. Seribu

27 METODOLOGI PENELITIAN VARIABEL PENELITIAN Variabel Wilayah POLRES di setiap Kabupaten DKI Jakarta Kode JENIS KEJAHATAN Kode JENIS KEJAHATAN X 1 Pencurian X 36 Terorisme X 2 Laka Lantas X 37 Penyalahgunaan senpi X 3 Penipuan X 38 Perbankan X 4 Curanmor X 39 Agraria X 5 Narkotika X 40 Psikotropika X 6 Penggelapan X 41 Senpi ilegal X 7 Unjuk rasa X 42 Tki ilegal X 8 Penganiayaan X 43 Korupsi X 9 Gangguan umum X 44 Perlindungan anak X 10 Kdrt X 45 Kehilangan X 11 Penemuan mayat X 46 Prod & dagang X 12 Kebakaran X 47 Bbm illegal X 13 Pemerasan X 48 Perdagangan manusia X 14 Pemalsuan surat X 49 Lingkungan hidup X 15 Curas X 50 Asal usul dan perkawinan X 16 Perjudian X 51 Penembakan X 17 Merusak barang X 52 Menerima suap Kode JENIS KEJAHATAN Kode JENIS KEJAHATAN 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

28 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 Langkah Analisis Korespondensi Selesai Langkah Analisis Cluster

29 ANALISIS DAN PEMBAHASAN STATISTIK DESKRIPTIF Karakteristik Kejahatan berdasarkan Polres Polres Jenis Kejahatan KEP.SRB BKS KAB TNG KAB BSH DEPOK BEKASI KPPP 0.2% 0.6% 0.9% 4.6% 6.3% 7.8% 10.8% 20.0% 15.0% 10.0% 5.0% 0.0% 16.8% 14.9% 12.2% % % % TNG JAKTIM 3.5% 9.7% Karakteristik Kejahatan di DKI Jakarta JAKSEL JAKBAR JAKUT JAKPUS MAPOLDA 11.7% 7.2% 8.0% 10.1% 18.7% Tingkat kejahatan tertinggi kasus penipuan, lalu kedua pencurian, dan ketiga laka lantas, dan kejahatan yang jarang terjadi agrarian sampai pelayaran (X 59 - X 70 ) 0.0% 5.0% 10.0% 15.0% 20.0%

30 ANALISIS DAN PEMBAHASAN UJI INDEPENDENSI Hipotesis H 0 H 1 : Tidak ada hubungan antara jenis kejahatan umum dengan wilayah rayon polres (independen) : Ada hubungan antara jenis kejahatan umum dengan wilayah rayon polres (dependen) Keputusan Nilai Chi-Square 30550,290 Nilai Chi-Square Tabel 967,789 P-value 0,000 df (I=70, J=14) 897 Tolak H 0 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)

31 ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Reduksi Dimensi Dimension Singular Inersia Proporsi Proporsi Kumulatif

32 ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Nilai Kontribusi Mutlak dan Relatif pada Profil Baris 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 Kontribusi kejahatan Mutlak Relatif Total 1 0,264(II) 0,000 0,731 0,001 0, ,028 0,013 0,105 0,031 0, ,000,775(I) 0 0,969(I) 0, ,004 0,08 0,018 0,241 0,26 5 0,199(III) 0,044 0,747 0,109 0, ,005 0,013 0,147 0,231 0, ,353(I) 0,021 0,922(I) 0,036 0, ,000 0,000 0, , ,122 0,039 0,681 0,144 0, ,004 0,000 0, , ,008 0,002 0,31 0,059 0, ,000 0,000 0,041 0,002 0, ,005 0,007 0,227 0,199 0, ,001 0,000 0,056 0,026 0, ,001 0,000 0,476 0,123 0,6 16 0,000 0,000 0,308 0,152 0, ,001 0,000 0,223 0,001 0, ,000 0,000 0,154 0,08 0, ,001 0,002 0,232 0,197 0, ,000 0,000 0,119 0,003 0, ,001 0,000 0,248 0,162 0,41 : : : : : : 65 0,000 0,000 0,169 0,209 0, ,000 0,000 0,003 0,002 0, ,000 0,000 0,085 0,000 0, ,000 0,000 0,104 0,000 0, ,000 0,000 0,018 0,793 0, ,000 0,000 0,018 0,793 0,811 Total 1,000 1,000 0,731 0,001 0,732

33 ANALISIS DAN PEMBAHASAN ANALISIS KORESPONDENSI Nilai Kontribusi Mutlak dan Relatif pada Profil Kolom Kontribusi Polres Mutlak Relatif Total Mapolda 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 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

34 ANALISIS DAN PEMBAHASAN Nilai Euclidian ANALISIS KORESPONDENSI Kejahatan Wilayah Y 1 Y 2 Y 3 Y 4 Y 5 Y 6 Y 7 Y 8 Y 9 Y 10 Y 11 Y 12 Y 13 Y 14 X X X X X X X X X X : : : : : : : : : : : : : : : X X X X X X X X X X X 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

35 ANALISIS DAN PEMBAHASAN Analisis Cluster Uji Barlett Hipotesis H 0 : ρ = I (antar variabel dari data faktor-faktor yang mempengaruhi indikator jenis kejahatan tidak berkorelasi) H 1 : 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.

36 ANALISIS DAN PEMBAHASAN Analisis Factor Initial Eigenvalues Component % of Cumulati Total Variance ve % 1 16,078 22,968 22, ,651 18,072 41, ,668 13,811 54, ,263 10,376 65, ,699 8,142 73, ,534 6,477 79, ,763 5,376 85, ,500 5,000 90, ,827 4,038 94, ,996 2,852 97, ,339 1,913 99, ,504 0,721 99, ,178 0, ,000 : : : : E E E E E E E E E E E E E E E E E E E E E E Nilai Eigenvalue Variabel 70 Variabel 11 Keragaman Min 70% Total Eigenvalue lebih dari 1

37 ANALISIS DAN PEMBAHASAN Analisis Factor Nilai Loading Factor Faktor Jenis Kejahatan Faktor 1 X 13,X 19,X 38,X 42,X 43,X 45,X 56,X 65 Faktor 2 X 3,X 21,X 31,X 35,X 39,X 46,X 50,X 60,X 69,X 70 Faktor 3 X 5,X 7,X 9,X 40,X 54,X 59 Faktor 4 X 10,X 34,X 36,X 44,X 52,X 55,X 62 Faktor 5 X 14,X 26,X 27,X 29,X 30,X 33,X 63 Faktor 6 X 37,X 47,X 49,X 68 Faktor 7 X 8,X 61 Faktor 8 X 1,X 6,X 12,X 15,X 17,X 24,X 25,X 51,X 57,X 67 Faktor 9 X 4,X 18,X 28 Faktor 10 X 2,X 16,X 22,X 23,X 32,X 48,X 53,X 64 Faktor 11 X 11,X 20,X 41,X 58,X 66 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

38 Nilai Eigenvalue ANALISIS DAN PEMBAHASAN Analisis Cluster Banyaknya Kelompok Pseduo F Single Complete Average Berdasrakan Penilaian Pseudo F Statistic : Single Linkage : 3 kelompok Complete Linkage : 3 kelompok Average linkage : 4 kelompok

39 ANALISIS DAN PEMBAHASAN Analisis Cluster Nilai Icdrate Kelompok Single Complete Average Sw Sb Icdrate Sw Sb Icdrate Sw Sb Icdrate E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E-01 Analisis Banyaknya Kelompok Sw Sb Icdrate Single Linkage 3 2,99x10 7 8,21x10 6 0,7614 Complete Linkage 3 8,65x10 6 2,58x10 7 0,2512 Average Linkage 4 1,25x10 7 2, ,3634 Berdasrakan Penilain Icdrate didapatkan pemilihan metode terbaik yaitu Complete Linkage

40 ANALISIS DAN PEMBAHASAN Single Linkage Analisis Cluster Cluster Anggota 1 Mapolda 2 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 Keterangan Cluster 1 Cluster 2 Cluster 3 : Daerah yg rawan kejahatan : Daerah yang sering terjadi kejahatan : Daerah yang jarang terjadi kejahatan

41 ANALISIS DAN PEMBAHASAN Complete Linkage Analisis Cluster 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

42 Cluster 1 Average Linkage 2 Jakarta Pusat 3 Jakarta Barat 4 Bekasi ANALISIS DAN PEMBAHASAN Analisis Cluster Anggota Mapolda, Jakarta Utara, Jakarta Selatan, Jakarta Timur, Tanggerang, Pelabuhan Priok, Depok, Band.Soetta,Kab.Tanggerang,Kab.Bekasi,Kep.Seribu 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

43 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

44 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.

45 ANALISIS PENGELOMPOKAN JENIS-JENIS KEJAHATAN UMUM PADA KASUS KRIMINALITAS THANK S DI PROVINSI FOR YOUR DKI JAKARTA ATTENTION TAHUN 2012 (STUDI KASUS : DKI JAKARTA) RISFIAN EKA KURNIAWAN ( )