Analisis Faktor-Faktor yang Mempengaruhi Kasus Penyalahgunaan Narkoba Menggunakan Model Geographically Weighted Regression (GWR) di Indonesia

Nurfebriyanti, Endah (2022) Analisis Faktor-Faktor yang Mempengaruhi Kasus Penyalahgunaan Narkoba Menggunakan Model Geographically Weighted Regression (GWR) di Indonesia. Skripsi thesis, Universitas Islam Negeri Sumatera Utara.

[img] Text
1. COVER.pdf

Download (2MB)
[img] Text
2. BAB I.pdf

Download (347kB)
[img] Text
3. BAB II.pdf
Restricted to Repository staff only

Download (673kB)
[img] Text
4. BAB III.pdf
Restricted to Repository staff only

Download (382kB)
[img] Text
5. BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
6. BAB V.pdf

Download (220kB)
[img] Text
7. DAFTAR PUSTAKA.pdf

Download (2MB)

Abstract

Angka kasus kejahatan penyalahgunaan narkoba di Indonesia sejak tahun 2015- 2020 cendrung fluktuatif. Faktor-faktor yang mempengaruhi Kasus penyalahgunaan narkoba di setiap wilayah diduga berbeda-beda menurut letak geografisnya. Efek geografis ini dikenal sebagai heterogenitas spasial. Heterogenitas spasial dianalisis dengan menggunakan Geographically Weighted Regression (GWR). Penelitian ini bertujuan untuk memodelkan faktor-faktor yang mempengaruhi penyalahgunaan narkoba di setiap provinsi di Indonesia yaitu Keadaan Ekonomi (X1), Pergaulan/Lingkungan (X2), Kemudahan (X3) dan Kurangnya Pengawasan (X4) dengan menggunakan kernel gaussian. Hasil penelitian menunjukkan bahwa GWR dengan kernel gaussian lebih baik dalam mengestimasi model karena memiliki nilai yang lebih tinggi yaitu di R 2 dengan 90.94% dan nilai AIC sebasar 598.798979. Faktor-faktor yang secara signifikan mempengaruhi jumlah kasus penyalahgunaan narkoba di Indonesia adalah keadaan ekonomi, pergaulan/lingkungan, kemudahan dan kurangnya pengawasan. Kata kunci: penyalahgunaan narkoba, heterogenitas spasial, geographically weighted regression (GWR), kernel gaussian

Jenis Item: Skripsi (Skripsi)
Uncontrolled Keywords: penyalahgunaan narkoba, heterogenitas spasial, geographically weighted regression (GWR), kernel gaussian
Subjects: 500 Natural sciences and mathematics > 510 Mathematics
Divisions: Fakultas Sains dan Teknologi > Matematika > Skripsi
Pengguna yang mendeposit: Ms Nurul Hidayah Siregar
Date Deposited: 22 May 2023 05:01
Last Modified: 22 May 2023 05:01
URI: http://repository.uinsu.ac.id/id/eprint/19294

Actions (login required)

View Item View Item