Analisis Faktor yang Memengaruhi Tingkat Kriminalitas Menggunakan Regresi Data Panel di Indonesia
Keywords:
Kriminalitas, Faktor Sosial Ekonomi, Regresi Data Panel, Fixed Effect Model (FEM), IndonesiaAbstract
Kriminalitas merupakan salah satu persoalan sosial yang berpotensi mengganggu stabilitas serta ketertiban masyarakat. Tingginya tingkat kriminalitas dapat menjadi hambatan dalam proses pembangunan sosial dan ekonomi, sekaligus berdampak negatif terhadap kesejahteraan masyarakat. Penelitian ini bertujuan untuk memodelkan tingkat kriminalitas di Indonesia berdasarkan sejumlah indicator sosial dan ekonomi yang dianggap berpengaruh. Metode yang digunakan adalah regresi data panel dengan pendekatan Fixed Effect Model (FEM), yang dilipih berdasarkan hasil Uji Chow dan Uji Hausman. Variabel yang digunakan meliputi jumlah tindak pidana sebagai variabel dependen, dan tingkat kemiskinan, tingkat pengangguran terbuka, rata-rata lama sekolah, serta indeks pembangunan manusia sebagai variabel independen. Hasil penelitian menunjukkan bahwa tingkat pengangguran terbuka berpengaruh negatif signifikan terhadap tingkat kriminalitas, sedangkan indeks pembangunan manusia berpengaruh positif signifikan. Adapun variabel tingkat kemiskinan dan rata-rata lama sekolah tidak berpengaruh signifikan terhadap kriminalitas. Koefisien determinasi sebesar 94,25% menunjukkan jika model mampu menjelaskan tingkat kriminalitas dengan baik. Dengan demikian, hasil penelitian ini diharapkan dapat menjadi bahan pertimbangan bagi pemerintah dalam merumuskan kebijakan yang lebih efektif untuk menekan angka kriminalitas di Indonesia.
References
Amaliah, E. N., Darnah, D., & Sifriyani, S. (2020). Regresi Data Panel dengan Pendekatan Common Effect Model (CEM), Fixed Effect model (FEM) dan Random Effect Model (REM) (Studi Kasus: Persentase Penduduk Miskin Menurut Kabupaten/Kota di Kalimantan Timur Tahun 2015-2018). ESTIMASI: Journal of Statistics and Its Application, 1(2), 106. https://doi.org/10.20956/ejsa.v1i2.10574.
Aranthya, P. D., Prihanto, P. H., & Parmadi, P. (2018). Analisis faktor-faktor yang mempengaruhi tingkat kriminalitas pada kabupaten/kota di Provinsi Jambi (suatu pendekatan ekonomi). E-Jurnal Ekonomi Sumberdaya Dan Lingkungan, 7(2), 68–82. https://doi.org/10.22437/jels.v7i2.11931.
Badan Pusat Statistik. (2011). Kewarganegaraan, Suku Bangsa, Agama, Dan Bahasa Sehari-Hari Penduduk Indonesia. https://www.bps.go.id/id/publication/2012/05/23/55eca38b7fe0830834605b35/kewarganegaraan-suku-bangsa-agama-dan-bahasa-sehari-hari-penduduk-indonesia.
Badan Pusat Statistik. (2024). Statistik Kriminal 2024. 15. https://www.bps.go.id/id/publication/2024/12/12/ 13317138a55b2f7096589536/statistik-kriminal-2024.html.
Hulu, D. M. (2024). Faktor-Faktor Yang Memengaruhi Jumlah Kriminalitas di Indonesia Dengan Regresi Data Panel Pada Tahun 2016-2020. Indonesian Council of Premier Statistical Science, 3(2), 37. https://doi.org/10.24014/icopss.v3i2.32237.
Jayanti, S., & Yudha, I. M. E. K. (2023). Analisis Faktor Sosial Ekonomi Yang Mempengaruhi Tingkat Kriminalitas Di Seluruh Kabupaten/Kota Provinsi Bali Tahun 2017-2021. E-Jurnal Ekonomi Pembangunan Universitas Udayana, 12(10), 661–682. https://doi.org/10.24843/eep.2023.v12.i10.p02.
Prasetyoningrum, A. K., Sukmawati, U. S. (2018). Analisis Pengaruh Pengeluaran Pemerintah Terhadap Pertumbuhan Ekonomi dan Indeks Pembangunan Manusia di Indonesia. Equilibrium: Jurnal Ekonomi Syariah, 6(2), 217–240. https://doi.org/10.21043/equilibrium.v6i2.3663.
Puspitasari, D., Firdaus, S. U., & Riwanto, A. (2018). Peranan Tni Dalam Pemberantasan Terorisme Perpektif Pertahanan Keamanan Negara. Jurnal Hukum Dan Pembangunan Ekonomi, 6(2), 73–92. https://doi.org/10.20961/hpe.v6i2.17724.
Putra, A. D., Martha, G. S., Fikram, M., & Yuhan, R. J. (2020). Faktor-Faktor yang Memengaruhi Tingkat Kriminalitas di Indonesia Tahun 2018. Indonesian Journal of Applied Statistics, 3(2), 123–131. https://doi.org/10.13057/ijas.v3i2.41917
Rahmalia, S., Ariusni, Triani, M. (2019). Pengaruh Tingkat Pendidikan, Pengangguran , Dan Kemiskian Terhadap Kriminalitas Di Indonesia. 1(1), 21–36. https://download.garuda.kemdikbud.go.id/article.php?article=2335712&val=22476&title= PENGARUH Tingkat Pendidikan Pengangguran Dan Kemiskian Terhadap Kriminalitas Di Indonesia
Rusnani. (2015). Pengaruh Kemiskinan Terhadap Meningkatnya Kriminalitas Di Kabupaten Sumenep. PERFORMANCE “ Jurnal Bisnis & Akuntansi,” 5(1), 42–59. https://doi.org/10.24929/feb.v5i1.128
Saeed, R. M., & Abdulmohsin, H. A. (2023). A study on predicting crime rates through machine learning and data mining using text. Journal of Intelligent Systems, 32(1). https://doi.org/10.1515/jisys-2022-0223
Sisnita, A., & Prawoto, N. (2017). Analisis faktor-faktor yang mempengaruhi tingkat pengangguran terbuka di Provinsi Lampung (Periode 2009-2015). Journal of Economics Research and Social Sciences, 1(1), 1–7. https://doi.org/https://doi.org/10.18196/jerss.v1i1.9057
Suryani, A. (2020). Pemodelan Dan Faktor-Faktor Jumlah Penduduk Miskin Kabupaten/Kota Di Jawa Barat Dengan Pendekatan Data Panel Fixed Effect. Sigma-Mu, 12(1), 9–20. https://doi.org/10.35313/sigmamu.v12i1.2369
Wati, D. C., Naufal, N., & Retnowati, S. (2023). Analisis Jumlah Tindak Pidana di Sumatera Selatan dengan Regresi Data Panel Tahun 2017-2022. DEMOS: Journal of Demography, Ethnography and Social Transformation, 3(2), 58–67. https://doi.org/10.30631/demos.v3i2.1870
Wicaksono, A. S., & Suharto. (2023). Analisis pengaruh faktor ekonomi terhadap kriminalitas di Kabupaten/Kota Daerah Istimewa Yogyakarta. Jurnal Kebijakan Ekonomi Dan Keuangan, 2(1), 50–57. https://doi.org/10.20885/jkek.vol2.iss1.art6
Wulansari, F. A. (2017). Analisis Pengaruh Pengangguran dan Distribusi Pendapaan terhadap Kriminalitas dan Investasi di Indonesia tahun 2011-2015. Skripsi, Universitas Hasanuddin Makasar. http://digilib.unhas.ac.id/opac/detail-opac?id=35784
Yusuf, D. W. S., Hermanto, E. M. P., & Wara, P. (2020). Pemodelan Geographically Weighted Regression (Gwr) Pada Persentase Kriminalitas Di Provinsi Jawa Timur Tahun 2017. Indonesian Journal of Statistics and Its Applications, 4(1), 156–163. https://doi.org/10.29244/ijsa.v4i1.557
