Tugas Akhir Statistika ITS

BAB I

PENDAHULUAN

1.1 Latar Belakang Penelitian

            Pengaruh era globalisasi kehidupan masyarakat saat ini tidak dapat dihindarkan dan dirasakan akibatnya hampir disemua Negara, terutama Negara berkembang. Pengaruh ini ada yang berdampak positif antara lain, peningkatan kehidupan masyarakat internasional yang pesat di bidang perekonomian pada umunya dan bidang perdagangan pada khususnya serta dalam bidang teknologi dan ilmu pengetahuan. Pengaruh yang berdampak negatif antara lain meningkatnya tindak kriminal dalam suatu Negara ( Atmasasmita, 1995). Kriminalitas sendiri menurut bahasa adalah sama dengan kejahatan (pelanggaran yang dapat di hukum) yaitu perkara kejahatan yang dapat dihukum menurut undang-undang (Poerwadarminta, W.J.S.1978). Sedangkan pengertian kriminalitas menurut istilah diartikan sebagai suatu kejahatan yang tergolong dalam pelanggaran hukum positif (hukum yang berlaku dalam suatu Negara) (Zaiah Daradjat, 1985). Sedangkan dampak yang akan terjadi apabila tindak kriminalitas semakin hari semakin meningkat akan menyebabkan seseorang mengalami perubahan dalam perilakunya salah satunya seperti kekhawatiran orang tua akan anaknya yang masih bersekolah dimana dapat kita ketahui bahwa tindak kriminalitas sering terjadi pada anak-anak yang berstatus masih pelajar karena anak-anak yang masih pelajar pemikiran mereka cenderung masih kecil dan cenderung belum bias berpikir panjang sehingga mudah dipengaruhi oleh orang-orang  yang ingin melakukan tindak kriminal.

                  Selain tindak kriminalitas hal-hal yang perlu diperhatikan lagi adalah mengenai lalu lintas dimana semakin berkembangnya suatu teknologi menyebabkan seseorang terlalu kurang waspada akan lingkungan sekitar mereka, beberapa hal yang menyebabkan terjadinya kecelakaan adalah disebabkan oleh manusianya sendiri dimana mereka terlalu ceroboh saat berkendara seperti menyalakan atau melihat handphone saat berkendara, mengenakan alat pendengar suara seperti headset, menerobos lalu lintas saat lampu menunjukkan warna merah dan ugal-ugalan di jalan serta masih banyak lagi. Semua itu adalah faktor yang menyebabkan terjadinya kecelakaan di jalan yang menyebabkan bertambahnya jumlah kecelakaan lalu lintas tahun 2012.

Melihat berbagai kondisi sekarang ini yang sering terjadi di berbagai daerah di Indonesia menyebabkan kesigapan seorang Polisi amatlah diperhitungkan dikarenakan semakin meningkatnya berbagai tindak kriminalitas sekaligus tingkat kecelakaan yang terjadi pada akhir-akhir ini khususnya pada tahun 2012. Selain kesigapan dari Polisi, kesadaran dari manusianya amatlah penting juga mengingat manusia yang mempunyai sifat semaunya sendiri dan tidak menghiraukan akan lingkungan sekitar yang menyebabkan terjadinya suatu tindak kriminalitas ataupun kecelakaan yang mencelakakan dirinya.  Semakin banyak penduduk di suatu wilayah akan menyebabkan berbagai permasalahan yang akan terjadi seperti tindak kriminalitas dan kecelakaan lalu lintas di wilayah tersebut seperti halnya di Surabaya, dimana dapat diketahui bahwa Surabaya merupakan kota yang padat penduduknya setelah kota Jakarta sehingga berbagai tindak kriminalitas dan kecelakaan sering terjadi di kota ini.

Dari permasalahan yang terjadi timbulah sebuah ide untuk mengetahui bagaimana pola kecenderungan tindak kriminalitas dan kecelakaan lalu lintas yang terjadi di wilayah Surabaya. Dengan menggunakan analisis korespondensi diharapkan dapat mengetahui pola kecenderungan dari setiap wilayah di Surabaya dengan jenis kriminalitas umum dan tingkat kecelakaan yang terjadi.

1.2 Permasalahan Penelitian

Berdasarkan uraian dari latar belakang di atas maka permasalahan yang akan diambil dalam penelitian ini adalah sebagai berikut.

1.            Bagaimana karakteristik jenis kriminalitas dan tingkat kecelakaan lalu lintas berdasarkan wilayah di Surabaya  tahun 2012?

2.            Bagaimana pola kecenderungan jenis kriminalitas dan tingkat kecelakaan lalu lintas berdasarkan wilayah di Surabaya  tahun 2012?

1.3 Tujuan Penelitian

         Tujuan penelitian ini adalah untuk menjawab permasalahan mengenai jenis kriminalitas dan tingkat kecelakaan lalu lintas yang terjadi di wilayah Surabaya tahun 2012  adalah sebagai berikut.

1.            Mengetahui karakteristik jenis kriminalitas dan tingkat kecelakaan lalu lintas berdasarkan wilayah di Surabaya  tahun 2012.

2.            Mengetahui pola kecenderungan jenis kriminalitas dan tingkat kecelakaan lalu lintas berdasarkan wilayah di Surabaya  tahun 2012.

1.4 Manfaat Penelitian

            Dapat mengetahui karakteristik dan pola kecenderungan jenis kejahatan dan tingkat kecelakaan berdasarkan wilayah di Surabaya  tahun 2012. Manfaat lainnya dapat memberikan masukan kepada pihak Kepolisian dan Dinas Perhubungan untuk mengadakan tindakan pengamatan dan pencegahan dalam mengatasi masalah kriminalitas di wilayah Surabaya serta dapat di jadikan informasi untuk masyarakat agar lebih berpartisipasi dan berhati-hati dalam masalah tersebut.

1.5 Batasan Penelitian

Batasan masalah dalam penelitian ini data yang digunakan adalah data dari rekap kejadian kriminalitas yang tercatat pada Direktorat Reserse Kriminal Umum Kepolisian Daerah provinsi Jawa Timur 2012 serta rekap data dari Satuan Lalu Lintas (Satlantas) Polrestabes Surabaya.

BAB II

TINJAUAN PUSTAKA

2.1 Statistika Deskriptif

      Statistika Deskriptif adalah cabang ilmu statistika yang berkaitan dengan prosedur-prosedur yang digunakan untuk menjelaskan karakteristik data secara umum. Walpole (1995) mengatakan statistik deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu data sehingga memberikan informasi yang berguna. Penelitian statistika deskriptif dilakukan untuk mengetahui karakteristik jenis kriminalitas dan tingkat kecelakaan berdasarkan wilayah Surabaya yang nantinya akan di tampilkan dalam bentuk pie chart. Diagram lingkaran (pie chart) adalah diagram yang digunakan untuk menyajikan data dengan skala pengukuran nominal atau ordinal, yang sering juga dikatakan sebagai data kategorik (Walpole, 1995).

2.2 Penelitian Sebelumnya

      Penelitian mengenai kriminalitas telah dilakukan oleh Yati Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS), Surabaya (2007) mengenai Analisis Regresi Logistik Data Kriminalitas Polres Jember.

Selain itu penelitian mengenail kecelakaan  telah dilakukan kembali oleh Wahyu Wulan Fitriah, Muhammad Mashuri, dan Irhamah Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS), Surabaya (2011) mengenai faktor-faktor yang mempengaruhi keparahan korban kecelakaan lalu lintas di kota surabaya degan pendekatan bagging regresi logistik ordinal.

2.3  Tabel Kontingensi

       Tabel kontingensi atau yang disebut tabulasi silang adalah 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 (Agresti, 2002).

Tabel 2.1 Bentuk Umum Tabel Kontingensi Dua Arah

Var 1	Var 2					Total
	1	2	3	..	p
1	X11	X12	X13	..	X1p	X1.
2	X21	X22	X23	..	X2p	X2.
3	X31	X32	X33	..	X3p	X3.
…	..	..	..	..	..	..
…	..	..	..	..	..	..
N	Xn1	Xn2	Xn3	..	Xnp	Xn.
Total	X.1	X.2	X.3	..	X.p	X..

  Sumber : Greenacre, 1984

dengan:

jumlah seluruh baris pada kolom ke-j :                                     (2.1)

jumlah seluruh kolom pada baris ke-i :                                       (2.2)

sehingga jumlah seluruh sampel :                                            (2.3)

dimana        i = 1, 2, ..., n                j = 1, 2, ..., p

2.4 Uji Independensi

   Pengujian ini bertujuan untuk mengetahui apakah diantara variabel memiliki hubungan atau tidak. Semakin banyak katagori dari variabel maka semakin banyak pula sampel yang dibutuhkan karena tabel kontingensi mensyaratkan nilai harapan yang bernilai kurang dari 5 maksimum ada 20% dari seluruh sel.

Uji independensi ini digunakan untuk mengetahui hubungan antara dua variabel (Agresti, 2002). Setiap level dari variabel-variabel tersebut harus memenuhi syarat sebagai berikut.

1.    Homogen

Homogen adalah dalam setiap sel tersebut harus merupakan objek yang sama, sehingga jika data yang digunakan heterogen tidak dapat dianalisis dengan tabel kontingensi.

2.    Mutually exclusive dan mutually exhaustive

Mutually exclusive (saling asing) adalah antara level satu dengan level yang lain harus saling bebas (independen). Mutually exhaustive merupakan dekomposisi secara lengkap sampai pada unit terkecil, sehingga jika mengklasifikasikan satu unsur, maka hanya dapat diklasifikasikan dalam satu unit saja, atau dengan kata lain semua nilai harus masuk dalam klasifikasi yang dilakukan.

3.    Skala nominal dan skala ordinal

Skala nominal adalah skala yang bersifat kategorikal atau klasifikasi, skala tersebut dapat berfungsi untuk membedakan tetapi tidak merupakan hubungan kualitatif dan tingkatan. Contoh dari skala nominal adalah laki-laki dan perempuan, cacat dan tidak cacat, baik dan jelek, ya dan tidak. Skala ordinal adalah skala yang bersifat kategorikal atau klasifikasi, skala tersebut dapat berfungsi untuk membedakan dan berfungsi untuk menunjukkan adanya suatu urutan atau tingkatan. Contoh dari skala ordinal yaitu sangat memuaskan, memuaskan, biasa, tidak memuaskan, sangat tidak memuaskan dan sangat setuju, setuju, biasa, tidak setuju, sangat tidak setuju.

Langkah-langkah dari pengujian independensi sebagai berikut.

Hipotesis :

H₀ : Tidak ada hubungan antara kategorik 1 dan kategorik 2 (Independen).

H₁ : Terdapat hubungan antara kategorik 1 dan kategorik 2 (Dependen).

Statistik Uji :

(2.4)

             

Dengan                                                                                        (2.5)         

                                                                                                               

Keterangan:

 = Total Frekuensi untuk masing-masing baris ke-i dan kolom ke-j

 = Taksiran nilai harapan (expected value)

     = 1,2,3........ I (banyaknya baris)

    = 1,2,3.........J (banyaknya kolom)

   Statistik uji pada persamaan 2.4 dibandingkan dengan distribusi ² dengan db = (n-1)(p-1) yaitu ²_hitung> ²_(n-1)(p-1) atau dapat dilihat melalui nilai P-value yang lebih kecil dari α.

2.5 Analisis Korespondensi

Analisis korespondensi adalah bagian analisis multivariat yang mempelajari hubungan antara dua atau lebih variabel dengan memperagakan baris dan kolom secara serempak dari tabel kontingensi dua arah dalam ruang vektor berdimensi rendah (dua).  (Greenacre, 1984)

Analisis korespondensi digunakan untuk mereduksi dimensi variable dan menggambarkan profil vektor baris dan vektor kolom suatu matrik data dari tabel kontingensi. Hasil dari analisis korespondensi biasanya mengikutkan dua dimensi terbaik untuk mempresentasikan data, yang menjadi koordinat titik dan suatu ukuran jumlah informasi yang ada dalam setiap dimensi yang biasa dinamakan inersia.

2.5.1 Matriks Data 

Perhitungan dalam Analisis Korespondensi dimulai dari X dengan elemennya yaitu x_ij yang tersusun pada tabel frekuensi dua dimensi I x J. Dalam analisis ini mengambil I > J dan asumsi bahwa X memenuhi kolom j.

Jika n adalah total frekuensi data matriks X, yang pertama dilakukan adalah menyusun matriks proporsi P = ( P_ij ) dengan membagi masing-masing elemen dari X dengan n.

                                                       (2.6)

Matriks P adalah matriks korespondensi

Kemudian mencari vektor baris dan kolom r dan c, dan diagonal matriks D_r dan D_c dengan elemen r dan c pada diagonal, sehingga :

                                            (2.7)

Dimana 1_J adalah vektor Jx1 dan 1_I adalah vektor Ix1 matriks identitas dan

D_r = diag(r₁,r₂,...,r_I) dan D_c = diag(c₁,c₂,...,c_J)                                                     (2.8)

Dimana :  r_i adalah massa baris

  c_i adalah massa kolom

Menghitung matriks akar kuadrat :

                                      (2.9)

Profil baris dan kolom matriks P didapatkan dari vektor baris dan kolom matriks P dibagi dengan jumlahnya sendiri (Greenacre, 1984).

Matriks profil baris             Matriks profil kolom

                                                               (2.10)

Kedua profil, yaitu profil baris  dan profil kolom  ditulis secara berturut-turut dalam baris R dan kolom C.

2.5.2 Singular Value Decompotition (SVD)

Penguraian nilai singular / Singular Value Decomposition (selanjutnya ditulis SVD) merupakan satu dari banyak cara pada algoritma matriks dan terdiri dari konsep dekomposisi eigenvalue atau eigenvektor (biasa disebut eigen dekomposisi). Nilai singular dicari untuk memperoleh koordinat baris dan kolom sehingga hasil Analisis Korespondensi dapat divisualisasikan dalam bentuk grafik. Banyak axis: d = min[(I – 1),(J – 1)].Banyak axis: d = min[(I – 1),(J – 1)]. (Greenacre, 1984)

Analisis korespondensi dapat dirumuskan dengan kuadrat terkecil terboboti.

                                                                       (2.11)

dimana P – rc’ adalah nilai singular dekomposisi (SVD),  adalah nilai singular, vektor u_k Ix1 dan vektor v_k Jx1 merupakan singular vektor korespondensi matriks  yang be-rukuran IxJ, dan rank K>1.

Koordinat profil baris :

                                                                                                  (2.12)

Koordinat profil kolom :

                                                                                      (2.13)

2.5.3 Dekomposisi Inersia

Nilai inersia menunjukkan kontribusi dari baris ke-i pada inersia total. Total inersia adalah ukuran variasi data dan ditentukan dengan jumlah kuadrat terboboti

(2.14)

                         

dimana  adalah nilai singular dari nilai singular dekomposisi matriks . k adalah banyaknya solusi dimensi sehingga k = 1,2 (Johnson, 2002).

       Nilai inersia

Inersia baris (Greenacre,1984):

                                                                (2.15)

Inersia kolom:

(2.16)

                                   

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, dinyatakan dalam persen inersia baris ke­-i atau kolom ke-j.

Korelasi axis ke k dan baris ke i =        

Korelasi axis ke k dan kolom ke j=

dimana  adalah koordinat profil baris ke i pada axis ke k,  adalah koordinat profil kolom ke j pada axis ke k.

Kontribusi baris ke i atau kolom ke j ke axis k (kontribusi mutlak), dinyatakan dengan persen inersia axis ke k.

Kontribusi baris ke i dan axis ke k =

Kontribusi kolom ke j dan axis ke k =

2.5.4 Jarak Chi-square

 yang merupakan jarak kuadrat antara vektor dari frekuensi relatif observasi dan vektor  dari ekspektasi frekuensi relatif, n merupakan total frekuensi observasi [Greenacre, 1983]. Nilai dapat dituliskan dalam rumus sebagai berikut:

                                                                            (2.17)

total adalah

                                                                                                    (2.18)

dimana elemen ke j dari dapat dituliskan sebagai berikut :

                                                                                          (2.19)

                                                                                     (2.20)

Maka jarak Chi-Square dapat dicari dengan rumus sebagai berikut:

                                                                          (2.21)

atau

                                                         (2.22)

Dimana            E (frek)_ij = ricjn..

Keterangan

            E (frek)_ij     = Ekspektasi frekuensi

            r_i                 = massa baris ke-i

            c_j                 = massa kolom ke-j

            n..                = Jumlah pengamatan

 2.5.5   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. jarak istilah informal sering digunakan untuk mengukur perbedaan yang berasal dari objek untuk menggambarkan karakteristik dan pola kecenderungan. Salah satu cara untuk mengetahui ukuran terebut yaitu dengan menggunakan persamaan jarak euclidian. (Greenacre, 2007)

            Jika nilai F adalah nilai dari kordinat titik pada profil dan nilai G adalah nilai kordinat dari titik pada kolom, serta nilai k adalah banyaknya solusi dimensi, maka dapat diformulasikan sebagai berikut.

(2.23)

            Dimana nilai  adalah jarak euclidian antata titik kordinat profil baris dengan titik kordinat profil kolom. Nilai F_i adalah nilai kordinat profil baris pada dimensi ke-i dan nilai G_i adalah nilai kordinat profil kolom pada dimensi ke-i. (Greenacre, 2007)

                                                                                                                                             

2.6  Pengantar Tentang Kriminalitas

Kriminalistik/kriminologis disebut dengan istilah “kejahatan”. Oleh karena itu, dari sekian banyak batasan kejahatan,memiliki definisi yang dirumuskan oleh SEELIG, yang menyebutkan kejahatan adalah suatu tingkah laku atau perbuatan manusia yang salah baik secra rohani maupun secara jasmani. Agar definisi ini dapat memberi arti bagi kehidupan, pokok-pokok berikut ini yang harus dijelaskan.meliputi objek dari kriminalistik, tujuan dari kriminalistik, metode kriminalistik, dan batas- batas kriminalistik. (Juergen, 1992).

2.6.1        Pengertian Kriminalitas

Seorang kriminal adalah seseorang yang melakukan sesuatu yang melanggar hokum atau sebuah kasus kejahatan. Biasanya yang dianggap kriminal adalah seorang pencuri atau maling. Ilmu yang mempelajari tentang kriminalitas disebut kriminologi. Kriminologi adalah ilmu pengetahuan yang mengkhususkan perhatian pada pengkajian kasus kejahatan, meliputi pengkajian statistik kejahatan, psikologi perilaku kejahatan,kondidsi sosial dan kejahatan yang tidak melihat korban. (Juergen, 1992).

2.6.2 Jenis–Jenis Kriminal

          Pembunuhan adalah kasus untuk menghilangkan nyawa seseorang dengan cara yang melanggar hukum. Pembunuhan rahasia adalah suatu usaha pembunuhan terhadap orang-orang penting yang biasanya dilakukan secara diam-diam.Pemerkosaan adalah suatu tindakan kriminal dimana korban dipaksa  untuk melakukan aktivitas seksual. (Juergen, 1992). Perampokan adalah suatu tindak kriminal dimana sang pelaku perampok mengambil kepemilikan seseorang melalui tindakan kasar dan intimidasi dan dibedakan dari pencurian. Penganiayaan adalah barang siapa dengan sengaja memegang seseorang dengan kekerasan dan melemparkannya sehingga menyebabkan sakit atau luka.

2.6.3 Pengertian Lalu Lintas

      Lintas merupakan gabungan dua kata yang masing-masing dapat diartikan tersendiri. Menurut Djajoesman (1976) Lalu mengemukakan bahwa secara harfia lalu lintas diartikan sebagai gerak (bolak balik) manusia atau barang dari satu tempat ketempat lainnya dengan menggunakan sarana jalan umum.
Menurut poerwadarminta dalam kamus umum bahasa Indonesia (1993) menyatakan bahwa lalu lintas adalah berjalan bolak balik, hilir mudik dan perihal perjalanan di jalan dan sebagainya serta berhubungan antara sebuah tempat dengan tempat lainnya.  Dengan demikian lalu lintas adalah merupakan gerak lintas manusia dan atau barang dengan menggunakan barang atau ruang di darat, baik dengan alat gerak ataupun kegiatan lalu lintas din jalan yang dapat menimbulkan permasalahan seperti terjadinya kecelakaan dan kemacetan lalu lintas.
Berdasarkan uraian diatas, maka dapat disimpulkan lalu lintas adalah kegiatan kendaraan bermotor dengan menggunakan jalan raya sebagai jalur lintas umum sehari-hari. Lalu lintas identik dengan jalur kendaraan bermotor yang ramai yang menjadi jalur kebiutuhan masyarakat umum. Oleh kerena itu lalu lintas selalu dentik pula dengan penerapan tata tertib   bermotor dalam menggunakan jalan raya.
Dengan demikian maka pelanggaran lalu lintas adalah pengabaian terhadap tata tertib lalu lintas yang dilakukan oleh pengguna kendaraan bermotor yang menimbulkan kecelakaan lalu lintas bagi pengguna jalan lainnya baik hilangnya nyawa maupun luka-luka. Sedangkan kecelakaan sendiri dibagi menjadi empat tingkatan yaitu kecelakaan ringan, kecelakaan sedang, kecelakaan berat dan meninggal dunia.

1.      Kecelakaan ringan merupakan kecelakaan yang mengakibatkan kerusakan kendaraan atau barang.

2.      Kecelakaan sedang merupakan kecelakaan yang mengakibatkan luka ringan dan kerusakan kendaraan atau barang, pengertian luka ringan adalah luka yang mengakibatkan korban menderita sakit yang tidak memerlukan perawatan inap di rumah sakit atau selain yang diklasifikasikan dalam luka berat.

3.      Kecelakaan berat merupakan kecelakaan yang mengakibatkan korban meninggal dunia atau luka berat. Pengertian luka berat sendiri adalah

a)      Jatuh sakit dan tidak ada harapan sembuh sama sekali atau menimbulkan bahaya maut.

b)      Tidak mampu terus-menerus untuk menjalankan tugas jabatan atau pekerjaan.

c)      Kehilangan salah satu pancaindra.

d)      Menderita cacat berat atau lumpuh.

e)      Terganggu daya piker selama empat minggu lebih.

f)       Gugur atau matinya kandungan seorang perempuan.

g)      Luka yang membutuhkan perawatan di rumah sakit lebih dari tiga puluh hari.

BAB III

METODOLOGI PENELITIAN

3.1 Sumber Data

  Sumber data yang digunakan adalah data sekunder berupa data jenis kriminalitas yang tercatat di Direktorat Reserse  Kriminal Umum Kepolisian Daerah Provinsi Jawa Timur secara kumulatif pada tahun 2012 serta data tingkat kecelakaan lalu lintas yang tercatat dalam Satuan Lalu Lintas (Satlantas) pada tahun 2012.

3.2 Variabel Penelitian

   Variabel yang digunakan dalam penelitian ini adalah data jenis kriminalitas yang tercatat di Direktorat Reserse  Kriminal Umum Kepolisian Daerah  Provinsi Jawa Timur secara kumulatif pada tahun 2012 serta data tingkat kecelakaan lalu lintas yang tercatat dalam Satuan Lalu Lintas (Satlantas) pada tahun 2012 berdasarkan wilayah Surabaya.

3.3 Identifikasi Variabel

            Beberapa variabel dalam penelitian ini berupa variabel jenis kriminalitas yang terdiri dari pencurian kendaraan bermotor (Curanmor), Perampokan, Penipuan, Perjudian, Pemerkosaan, Pembunuhan, Penyelundupan, pencopetan/penjambretan dan lainnya yang terdiri dari penggelapan, kekerasan verbal (mis. Fitnah, pencemaran nama baik), kekerasan fisik (mis. Penganiayaan) sedangkan untuk variabel tingkat  kecelakaan lalu lintas terdiri dari kecelakaan ringan, , kecelakaan Berat dan Meninggal Dunia  yang telah terjadi pada tahun 2012. Mengingat luasnya wilayah Surabaya maka pemetaan dibagi menjadi lima wilayah yang terdiri dari Surabaya Pusat, Surabaya Timur, Surabaya Barat, Surabaya Utara dan Surabaya Selatan, untuk lebih jelasnya dapat kita lihat pada tabel 3.1, 3.2 dan 3.3 berikut ini :

Tabel 3.1 Variabel wilayah

No	Wilayah
1	Surabaya Pusat
2	Surabaya Timur
3	Surabaya Barat
4	Surabaya Utara
5	Surabaya Selatan

Tabel 3.2 Jenis Kriminalitas

No	Jenis Kriminalitas
1	Pencurian Kendaraan Bermotor (Curanmor)
2	Perampokan
3	Penipuan
4	Perjuadian
5	Pemerkosaan
6	Pembunuhan
7	Penyelundupan
8	Pencopetan/Penjambretan
9	Lainnya

Tabel 3.3 Tingkat Kecelakaan Lalu Lintas

No	Tingkat Kecelakaan
1	Kecelakaan Ringan
2	Kecelakaan Berat
3	Meninggal Dunia

3.4 Analisis Data

            Langkah-langkah dalam menganalisis data analisis sebagai berikut.

1.      Melakukan analisis Statistika deskriptif berupa prosentase jenis kriminalitas dan tingkat kecelakaan berdasarkan wilayah di Surabaya pada tahun 2012 dengan menampilkan bar chart pada tiap-tiap prosentase yang dihasilkan.

2.      Melakukan analisis independensi untuk mengetahui hubungan antar variabel.

3.      Membentuk tabel kontingensi, kemudian menentukan profil baris dan kolom setelah itu dilakukan penguraian nilai singular untuk mengetahui nilai variabilitas data yang dijelaskan oleh setiap dimensi atau faktor yang dihasilkan.

4.      Melakukan analisis korespondensi untuk mengetahui pengelompokkan jenis kriminalitas dan tingkat kecelakaan berdasarkan wilayah di Surabaya tahun 2012.

5.      Menyusun matrik korespondensi atau matrik proporsi (P) dengan membagi masing-masing elemen pada baris dan kolom dengan total frekuensi (n).

a)      Menyusun matrik profil baris dan profil kolom.

b)      Menetukan nilai singular dekomposisi (SVD).

c)      Menghitung profil baris dan profil kolom

d)      Menentukan nilai inersia.

e)      Menentukan nilai kontribusi relative dan kontribusi mutlak.

f)       Menentukan nilai similarity atau jarak chi-square

g)      Visualisasi menggunakan plot.

6.      Interpretasi analisis korespondensi terdiri dari :

a)      Interpretasi profil row memberikan proporsi dari masing-masing kategori baris dengan kolom.

b)      Interpretasi analisis tabel kontingensi untuk menunjukkan dekomposisi dari inersia total.

c)      Interpretasi kontribusi row untuk penafsiran komponen-komponen yang di analisis.

4. Jadwal Penelitian

Rencana penelitian Tugas Akhir dilaksanakan mulai bulan Pebruari sampai dengan bulan Juni. Alokasi waktu penelitian yang terperinci dapat dilihat pada Tabel 4.1 berikut.

Tabel 4.1 Jadwal Kegiatan Penelitian Tugas Akhir

No	Kegiatan	Bulan ke-1				Bulan ke-2				Bulan ke-3				Bulan ke-4				Bulan ke-5
		1	2	3	4	1	2	3	4	1	2	3	4	1	2	3	4	1	2	3	4
1	Studi literatur dan referensi
2	Identifikasi permasalahan
3	Pembimbingan dan evaluasi hasil penelitian dengan dosen pembimbing
4	Penentuan variabel penelitian
5	Pengambilan data
6	Pengolahan data dengan Software
7	Pembuatan laporan tugas akhir
8	Ujian hasil penelitian oleh dosen penguji

BAB IV

ANALISIS DAN PEMBAHASAN

            Pada bab ini akan dibahas mengenai hasil analisis yang telah dilakukan untuk menyelesaikan permasalahan dalam penelitian ini yaitu mengetahui karakteristik tingkat kecelakaan lalu lintas dan kriminalitas di wilayah Surabaya tahun 2012 serta mengetahui bagaimana pola kecenderungan tingkat kecelakaan lalu lintas dan kriminalitas  di wilayah Surabaya tahun 2012  dengan menggunakan analisis korespondensi.

4.1 Karakteristik Tingkat Kecelakaan Lalu Lintas di Wilayah Surabaya Tahun 2012

Gambar 4.1 Tingkat Kecelakaan Berdasarkan Total Setiap Wilayah

Gambar 4.1 dapat menjelaskan bahwa dari kelima wilayah tersebut, wilayah Surabaya Selatan yang memiliki prosentase sangat besar dalam tingkat kecelakaan lalu lintas. Nilai prosentase yang ditunjukkan masing-masing untuk meninggal dunia sebesar 31%, luka berat sebesar 34% dan luka ringan sebesar 31%. Dari ketiga tingkat kecelakaan lalu lintas tersebut untuk wilayah Surabaya selatan yang begitu sangat mendominasi dalam prosentase tertinggi adalah luka berat dengan prosentasenya sebesar 34%.

4.2 Karakteristik Kriminalitas di Wilayah Surabaya Tahun 2012

Gambar 4.2 Kriminalitas Berdasarkan Total Setiap Wilayah

Gambar 4.2 dapat menjelaskan bahwa dari kelima wilayah tersebut, wilayah Surabaya Selatan memiliki prosentase tertinggi terjadinya curanmor yaitu sebesar 25% sedangkan yang terendah yaitu Surabaya Pusat sebesar 15%, wilayah Surabaya Timur dan Surabaya Selatan memiliki prosentase tertinggi yaitu sebesar 26% sedangkan yang terendah yaitu Surabaya Pusat sebesar 13%, wilayah Surabaya Timur memiliki prosentase tertinggi terjadinya penipuan yaitu sebesar 27% sedangkan yang terendah yaitu wilayah Surabaya Pusat yaitu sebesar 14%, wilayah Surabaya timur memiliki prosentase tertinggi terjadinya perjudian yaitu sebesar 28% sedangkan yang terendah yaitu wilayah Surabaya Barat sebesar 14%, wilayah Surabaya Pusat memiliki prosentase tertinggi terjadinya pemerkosaan yaitu sebesar 25% sedangkan yang terendah yaitu wilayah Surabaya Barat dan Selatan yaitu sebesar 16%, wilayah Surabaya Selatan memiliki prosentase tertinggi terjadinya pembunuhan yaitu sebesar 27% sedangkan yang terendah yaitu wilayah Surabaya Pusat yaitu sebesar 11%, wilayah Surabaya Timur memiliki prosentase tertinggi terjadinya penyelundupan yaitu sebesar 29% sedangkan yang terendah yaitu wilayah Surabaya Barat yaitu sebesar 11%, wilayah Surabaya Selatan memiliki prosentase tertinggi terjadinya pencopetan/penjambretan yaitu sebesar 25% sedangkan yang terendah yaitu wilayah Surabaya Pusat yaitu sebesar 14% dan terakhir wilayah Surabaya Timur memiliki prosentase tertinggi terjadinya lainnya yaitu sebesar 24% sedangkan yang terendah yaitu wilayah Surabaya Pusat dan Utara yaitu sebesar 17%.

4.3 Uji Independensi Antara Wilayah Dengan Tingkat Kecelakaan

Sebelum melakukan análisis korespondensi, terlebih dahulu melakukan análisis hubungan atau biasa disebut uji Chi-Square pada seluruh variabel yaitu :

Hipotesis :

H₀ : Wilayah dengan tingkat kecelakaan Independen.

H₁ : Wilayah dengan tingkat kecelakaan bersifat Dependen.

α : 0.05

           

Statistik Uji yang digunakan sesuai pada persamaan 2.4. Hasil statistik uji adalah sebesar 19,001

Daerah Kritis : Tolak H₀ jika   atau

 P-value < α

Keputusan : Tolak H₀ karena  atau P-value  = 0,015 < α = 0,05

Kesimpulan : ada hubungan antara wilayah dengan tingkat kecelakaan.

4.4 Uji Independensi Antara Wilayah Dengan Kriminalitas

Sebelum melakukan análisis korespondensi, terlebih dahulu melakukan análisis hubungan atau biasa disebut uji Chi-Square pada seluruh variabel yaitu :

Hipotesis :

H₀ : Wilayah dengan Kriminalitas Independen.

H₁ : Wilayah dengan Kriminalitas bersifat Dependen.

α : 0.05

           

Statistik Uji yang digunakan sesuai pada persamaan 2.4. Hasil statistik uji adalah sebesar 57,499

Daerah Kritis : Tolak H₀ jika   atau

 P-value < α

Keputusan : Tolak H₀ karena  atau P-value  = 0,015 < α = 0,05

Kesimpulan : ada hubungan antara wilayah dengan tingkat kecelakaan.

4.5 Analisis Korespondensi untuk Tingkat Kecelakaan

     Pola kecenderungan pengguna tingkat kecelakaan yang berasal dari ke lima wilayah dapat di lakukan dengan metode analisis korespondensi sebagai berikut :

Tabel 4.1 Inersia

Dimensi	Inersia	Proporsi Inersia
		Nilai Proporsi	Kumulatif
1	0,008	0,718	0,718
2	0,003	0,282	1
Total	0,011	1	1

        Tabel 4.1 menunjukkan bahwa nilai inersia yang cukup besar berada pada dimensi 1. Nilai inersia pada dimensi 1 sebesar 0,008 dengan nilai proporsi sebesar 0,718 yang artinya bahwa dimensi 1 mampu menerangkan keragaman data sebesar 71,8%. Pada dimensi 2, nilai inersia sebesar 0,003 dengan nilai proporsi sebesar 0,282 yang berarti dimensi 2 mampu menerangkan keragaman data sebesar 28,2%. Sehingga total keragaman data yang mampu dijelaskan oleh dimensi 1 dan 2 adalah sebesar 100%.

Pada pengelompokan Wilayah kedalam dimensi didasarkan pada nilai dari kontribusi mutlak dan kontribus relatif yang dapat ditunjukan pada tabel 4.2.  Angka yang dicetak tebal adalah nilai yang terbesar pada dimensi 1 dan dimensi 2 yang menentukan wilayah masuk kedalam dimensi. Dimensi 1 dan dimensi 2 pada pada nilai proporsi keragaman dari titik tehadap inersia sumbu utama serta nilai proporsi keragaman dari sumbu utama terhadap inersia titik, nilai yang lebih besar tersebut berada pada dimensi yang bersesuaian antara pada nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik.

Tabel 4.2 Nilai kontribusi Mutlak dan Kontribusi Relatif wilayah

wilayah	Mass	Inersia	Mutlak		Relatif
			Dim 1	Dim 2	Dim 1	Dim 2
Selatan	0,319	0,001	0,017	0,223	0,159	0,841
Barat	0,231	0,001	0,092	0,028	0,895	0,105
Timur	0,174	0,000	0,031	0,024	0,767	0,233
Pusat	0,153	0,003	0,148	0,654	0,365	0,635
Utara	0,123	0,006	0,713	0,072	0,962	0,038
Total	1	0,011	1	1

            Pada Tabel 4.2 diketahui bahwa benua yang masuk dalam dimensi 1 dan dimensi 2 berdasarkan nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik, dengan keterangan sebagai berikut :

1.      Wilayah Selatan dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 22,3% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Selatan sebesar 84,1%.

2.      Wilayah Barat dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 9,2% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Barat sebesar 89,5%.

3.      Wilayah Timur dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 3,1% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Timur sebesar 76,7%

4.      Wilayah Pusat dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 65,4% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Pusat sebesar 63,5%

5.      Wilayah Utara dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 71,3% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Utara sebesar 96,2%

Pengelompok tingkat kecelakaan akan masuk kedalam dimensi 1 atau dimensi 2 berdasarkan nilai yang lebih besar antara dimensi 1 atau dimensi 2 pada nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik serta nilai yang lebih besar tersebut berada pada dimensi yang bersesuaian. Angka yang dicetak tebal adalah nilai yang terbesar di antara dimensi 1 dan dimensi 2 yang menentukan pengelompokan tingkat kecelakaan masuk kedalam dimensi.

Tabel 4.3 Nilai Kontribusi Mutlak dan Kontribusi Relatif Tingkat Kecelakaan

Tingkat kecelakaan	Mass	Inersia	Mutlak		Relatif
			Dim 1	Dim 2	Dim 1	Dim 2
Luka Ringan	0,458	0,004	0,488	0,054	0,958	0,042
Luka Berat	0,346	0,002	0,104	0,550	0,324	0,676
Meninggal Dunia	0,196	0,004	0,408	0,395	0,724	0,276
Total	1.000	0,011	1.000	1.000

            Tabel 4.3 menunjukkan ciri dimensi 1 dan dimensi 2 berdasarkan nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik pada pengelompokan tingkat kecelakaan, dengan keterangan sebagi berikut :

a.       Dimensi 1 dicirikan oleh

1.      Luka Ringan dengan nilai proporsi keragaman dari tingkat kecelakaan terhadap inersia sumbu utama sebesar 48,8% dan nilai proporsi keragaman dari sumbu utama terhadap inersia tingkat kecelakaan sebesar 95,8%

2.      Meninggal Dunia dengan nilai proporsi keragaman dari tingkat kecelakaan terhadap inersia sumbu utama sebesar 40,8% dan nilai proporsi keragaman dari sumbu utama terhadap inersia tingkat kecelakaan sebesar 72,4%

b.   Dimensi 2 dicirikan oleh

1.      Luka Berat dengan nilai proporsi keragaman dari tingkat kecelakaan terhadap inersia sumbu utama sebesar 55% dan nilai proporsi keragaman dari sumbu utama terhadap inersia tingkat kecelakaan sebesar 67,6%.

Untuk mengetahui kecenderungan dari tingkat kecelakaan dengan wilayah di Surabaya berdasarkan jarak terdekat antar titik kriteria variabel dapat dilihat pada Gambar 4.3

Gambar 4.3 Plot Korespondensi Tingkat Kecelakaan terhadap Wilayah

      Gambar 4.3 dapat menjelaskan pada titik wilayah Surabaya Pusat cenderung berdekatan dengan titik meninggal dunia, sedangkan untuk titik wilayah Suarabaya Selatan, Surabaya Timur dan Surabaya Barat cenderung berdekatan dengan titik luka berat. Pada titik wilayah utara memiliki kecenderung berdekatan dengan titik luka ringan.

Pada pengelompokan antara tingkat kecelakaan dan wilayah Surabaya dapat diketahui jarak antar titik koordinat didalam gambar 4.5, untuk membuktikan kebenaran jarak yang cenderung mendekati dari variabel visa dan wilayah dapat dilihat pada tabel 4.4

Tabel 4.4 Jarak Euclid antar variabel tingkat kecelakaan dengan wilayah

Wilayah	Tingkat Kecelakaan
	Meningal Dunia	Luka Berat	Luka Ringan
Surabaya Pusat	0.14	0.03	0.12
Surabaya Timur	0.23	0.12	0.04
Surabaya Barat	0.28	0.17	0.02
Surabaya Utara	0.31	0.19	0.04
Surabaya Selatan	0.34	0.22	0.07

Tabel 4.4 menunjukkan nilai yang mendekati nilai nol atau kurang dari 1 memiliki jarak yg semakin dekat. Pada wilayah Surabaya Pusat dengan luka berat memiliki jarak sebesar 0,03, wilayah Surabaya Timur, Surabaya Barat dan Surabaya Utara memiliki jarak masing-masing sebesar 0,04, 0,02 dan 0,04 dan untuk wilayah Surabaya Selatan dengan luka ringan memiliki jarak sebesar 0,07.  

4.5 Analisis Korespondensi untuk Kriminalitas

     Pola kecenderungan kriminalitas yang berasal dari ke lima wilayah dapat di lakukan dengan metode analisis korespondensi sebagai berikut

Tabel 4.5 Proporsi Inersia

Dimensi	Inersia	Proporsi Inersia
		Nilai Proporsi	Kumulatif
1	0,008	0,491	0,718
2	0,006	0,462	0,953
3	0,001	0,034	0,987
4	0,000	0,013	1
Total	0,015	1	1

        Tabel 4.1 menunjukkan bahwa nilai inersia yang cukup besar berada pada dimensi 1. Nilai inersia pada dimensi 1 sebesar 0,008 dengan nilai proporsi sebesar 0,491 yang artinya bahwa dimensi 1 mampu menerangkan keragaman data sebesar 49,1%. Pada dimensi 2, nilai inersia sebesar 0,007 dengan nilai proporsi sebesar 0,462 yang berarti dimensi 2 mampu menerangkan keragaman data sebesar 46,2%. Sehingga total keragaman data yang mampu dijelaskan oleh dimensi 1 dan 2 adalah sebesar 95,3%.

Pada pengelompokan Wilayah kedalam dimensi didasarkan pada nilai dari kontribusi mutlak dan kontribus relatif yang dapat ditunjukan pada tabel 4.5.  Angka yang dicetak tebal adalah nilai yang terbesar pada dimensi 1 dan dimensi 2 yang menentukan wilayah masuk kedalam dimensi. Dimensi 1 dan dimensi 2 pada pada nilai proporsi keragaman dari titik tehadap inersia sumbu utama serta nilai proporsi keragaman dari sumbu utama terhadap inersia titik, nilai yang lebih besar tersebut berada pada dimensi yang bersesuaian antara pada nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik.

Tabel 4.6 Nilai kontribusi Mutlak dan Kontribusi Relatif wilayah

wilayah	Mass	Inersia	Mutlak		Relatif
			Dim 1	Dim 2	Dim 1	Dim 2
Timur	0,251	0,002	0,017	0,179	0,077	0,752
Selatan	0,240	0,002	0,271	0,046	0,818	0,131
Utara	0,182	0,001	0,000	0,068	0,001	0,692
Barat	0,174	0,005	0,088	0,652	0,124	0,869
Pusat	0,154	0,005	0,624	0,055	0,914	0,075
Total	1	0,015	1	1

            Pada Tabel 4.6 diketahui bahwa benua yang masuk dalam dimensi 1 dan dimensi 2 berdasarkan nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik, dengan keterangan sebagai berikut :

1.        Wilayah Timur dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 17,9% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Selatan sebesar 75,2%.

2.        Wilayah Selatan dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 27,1% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Barat sebesar 81,8%.

3.        Wilayah Utara dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 6,8% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Timur sebesar 69,2%

4.        Wilayah Barat dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 65,2% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Pusat sebesar 86,9%.

5.        Wilayah Pusat dengan nilai proporsi keragaman dari wilayah terhadap inersia sumbu utama sebesar 62,4% dan nilai proporsi keragaman dari sumbu utama terhadap inersia wilayah Utara sebesar 91,4%

Pengelompok kriminalitas akan masuk kedalam dimensi 1 atau dimensi 2 berdasarkan nilai yang lebih besar antara dimensi 1 atau dimensi 2 pada nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik serta nilai yang lebih besar tersebut berada pada dimensi yang bersesuaian. Angka yang dicetak tebal adalah nilai yang terbesar di antara dimensi 1 dan dimensi 2 yang menentukan pengelompokan kriminalitas masuk kedalam dimensi.

Tabel 4.7 Nilai Kontribusi Mutlak dan Kontribusi Relatif kriminalitas

Kriminalitas	Mass	Inersia	Mutlak		Relatif
			Dim 1	Dim 2	Dim 1	Dim 2
Curanmor	0,200	0,001	0,015	0,089	0,134	0,744
Perampokan	0,147	0,001	0,094	0,046	0,657	0,302
Penipuan	0,131	0,001	0,004	0,092	0,039	0,940
Perjudian	0,104	0,001	0,023	0,104	0,182	0,771
Pemerkosaan	0,048	0,004	0,530	0,036	0,929	0,059
Pembunuhan	0,051	0,001	0,064	0,095	0,348	0,485
Penyelundupan	0,062	0,003	0,188	0,172	0,534	0,461
Pencopetan	0,150	0,001	0,070	0,116	0,382	0,600
Lainnya	0,106	0,002	0,013	0,249	0,046	0,862
Total	1	0,015	1	1

            Tabel 4.7 menunjukkan ciri dimensi 1 dan dimensi 2 berdasarkan nilai proporsi keragaman dari titik tehadap inersia sumbu utama dan nilai proporsi keragaman dari sumbu utama terhadap inersia titik pada pengelompokan tingkat kecelakaan, dengan keterangan sebagi berikut :

c.        Dimensi 1 dicirikan oleh

1.        Perampokan dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 9,4% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 65,7%

2.        Pemerkosaan dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 53% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 92,9%

3.        Penyelundupan dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 18,85 dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 53,4%

d.     Dimensi 2 dicirikan oleh

1.        Curanmor dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 8,9% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 74,4%.

2.        Penipuan dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 9,2% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 94%.

3.        Perjudian dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 10,4% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 77,1%.

4.        Pembunuhan dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 9,5% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 48,5%.

5.        Pencopetan dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 11,6% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 60%.

6.        Lainnya dengan nilai proporsi keragaman dari kriminalitas terhadap inersia sumbu utama sebesar 24,9% dan nilai proporsi keragaman dari sumbu utama terhadap inersia kriminalitas sebesar 86,2%.

Untuk mengetahui kecenderungan dari tingkat kecelakaan dengan wilayah di Surabaya berdasarkan jarak terdekat antar titik kriteria variabel dapat dilihat pada Gambar 4.6

 

 Gambar 4.4 Plot Korespondensi Kriminalitas terhadap Wilayah

      Gambar 4.4 dapat menjelaskan pada titik wilayah Surabaya Pusat cenderung berdekatan dengan titik Pemerkosaan, sedangkan untuk titik wilayah Surabaya Selatan cenderung berdekatan dengan titik perampokan, penipuan dan pembunuhan. Pada titik wilayah Surabaya Utara dan wilayah Surabaya Timur memiliki kecenderungan berdekatan dengan titik perjudian dan penyelundupan. Pada titik wilayah Surabaya Barat memiliki kecenderungan berdekatan dengan titik lainnya, pencopetan dan curanmor.

Pada pengelompokan antara kriminalitas dan wilayah Surabaya dapat diketahui jarak antar titik koordinat didalam gambar 4.6, untuk membuktikan kebenaran jarak yang cenderung mendekati dari variabel visa dan wilayah dapat dilihat pada tabel 4.8.

Tabel 4.8 Jarak Euclid antar variabel kriminalitas dengan wilayah

Wilayah	Jenis Kriminalitas
	Curanmor	Perampokan	Penipuan	Perjudian	Pemerkosaan	Pembunuhan	Penyelundupan	Pecopetan/Penjambretan	Lainnya
Surabaya Pusat	0.05	0.10	0.12	0.15	0.20	0.20	0.19	0.10	0.15
Surabaya Timur	0.04	0.09	0.11	0.14	0.19	0.19	0.18	0.09	0.13
Surabaya Barat	0.02	0.04	0.05	0.08	0.13	0.13	0.12	0.03	0.08
Surabaya Utara	0.03	0.03	0.04	0.07	0.13	0.12	0.11	0.02	0.07
Surabaya Selatan	0.05	0.01	0.02	0.05	0.11	0.10	0.09	0.01	0.05

Tabel 4.8 menunjukkan nilai yang mendekati nilai nol atau kurang dari 1 memiliki jarak yg semakin dekat. Pada wilayah Surabaya Pusat, Surabaya Timur dan Surabaya Barat dengan curanmor memiliki jarak sebesar 0,05, 0,04 dan 0,02 wilayah Surabaya Utara dengan pencompetan atau penjambretan memiliki jarak sebesar 0,02 dan untuk wilayah Surabaya Selatan dengan perampokan  memiliki jarak sebesar 0,01. 

BAB V

KESIMPULAN DAN SARAN

5.1  Kesimpulan

Kesimpulan yang didapat berdasarkan analisis yang telah dilakuan adalah :

1.             Karakteristik wilayah Surabaya Selatan yang memiliki prosentase sangat besar dalam tingkat kecelakaan lalu lintas. Nilai prosentase yang ditunjukkan masing-masing untuk meninggal dunia sebesar 31%, luka berat sebesar 34% dan luka ringan sebesar 31%. Dari ketiga tingkat kecelakaan lalu lintas tersebut untuk wilayah Surabaya selatan yang begitu sangat mendominasi dalam prosentase tertinggi adalah luka berat dengan prosentasenya sebesar 34%.

2.             Karakteristik wilayah Surabaya Selatan memiliki prosentase tertinggi terjadinya curanmor yaitu sebesar 25% sedangkan yang terendah yaitu Surabaya Pusat sebesar 15%, wilayah Surabaya Timur dan Surabaya Selatan memiliki prosentase tertinggi yaitu sebesar 26% sedangkan yang terendah yaitu Surabaya Pusat sebesar 13%, wilayah Surabaya Timur memiliki prosentase tertinggi terjadinya penipuan yaitu sebesar 27% sedangkan yang terendah yaitu wilayah Surabaya Pusat yaitu sebesar 14%, wilayah Surabaya timur memiliki prosentase tertinggi terjadinya perjudian yaitu sebesar 28% sedangkan yang terendah yaitu wilayah Surabaya Barat sebesar 14%, wilayah Surabaya Pusat memiliki prosentase tertinggi terjadinya pemerkosaan yaitu sebesar 25% sedangkan yang terendah yaitu wilayah Surabaya Barat dan Selatan yaitu sebesar 16%, wilayah Surabaya Selatan memiliki prosentase tertinggi terjadinya pembunuhan yaitu sebesar 27% sedangkan yang terendah yaitu wilayah Surabaya Pusat yaitu sebesar 11%, wilayah Surabaya Timur memiliki prosentase tertinggi terjadinya penyelundupan yaitu sebesar 29% sedangkan yang terendah yaitu wilayah Surabaya Barat yaitu sebesar 11%, wilayah Surabaya Selatan memiliki prosentase tertinggi terjadinya pencopetan/penjambretan yaitu sebesar 25% sedangkan yang terendah yaitu wilayah Surabaya Pusat yaitu sebesar 14% dan terakhir wilayah Surabaya Timur memiliki prosentase tertinggi terjadinya lainnya yaitu sebesar 24% sedangkan yang terendah yaitu wilayah Surabaya Pusat dan Utara yaitu sebesar 17%.

3.             Dari hasil analisis untuk tingkat kecelakaan diperoleh untuk wilayah Surabaya Pusat cenderung berdaekatan dengan titik meninggal dunia, sedangkan untuk titik wilayah Suarabaya Selatan, Surabaya Timur dan Surabaya Barat cenderung berdekatan dengan titik luka berat. Pada titik wilayah utara memiliki kecenderung berdekatan dengan titik luka ringan.

4.             Dari hasil analisis untuk kriminalitas diperoleh untuk wilayah Surabaya Pusat cenderung berdekatan dengan titik Pemerkosaan, sedangkan untuk titik wilayah Surabaya Selatan cenderung berdekatan dengan titik perampokan, penipuan dan pembunuhan. Pada titik wilayah Surabaya Utara dan wilayah Surabaya Timur memiliki kecenderungan berdekatan dengan titik perjudian dan penyelundupan. Pada titik wilayah Surabaya Barat memiliki kecenderungan berdekatan dengan titik lainnya, pencopetan dan curanmor.

5.2 Saran

Pada karakteristik dapat dilihat bahwa tingkat terjadinya kecelakaan lalu lintas yang paling besar adalah wilayah Surabaya Selatan untuk jenis kriminalitas sendiri wilayah Surabaya Timur merupakan inyensitas yang sering terjadinya tindak kriminalitas mulai dari curanmor, perampokan, perjudian dan sebagainya sehingga perlu rekomendasi untuk petugas kepolisian setempat agar menerapkan sistem penjagaan yang ketat untuk daerah-daerah tersebut sekaligus untuk rekomendasi kepada masyarakat bahwa daerah-daerah tersebut rawan terjadinya kecelakaan dan kriminalitas.