Penerapan Metode Regresi Kuantil pada Data yang Mengandung Outlier untuk Tingkat Kejahatan di Jabodetabek

Abstrak

Masalah kejahatan semakin meluas di Indonesia. Tingkat kejahatan di Jabodetabek merupakan yang tertinggi kedua di Indonesia. Dalam penelitian yang mengandung outlier ini, metode yang tepat untuk penelitian ini adalah regresi kuantil. Regresi Kuantil merupakan pengembangan dari regresi median atau metode Least Absolute Deviation (LAD) yang berguna untuk membagi data menjadi dua bagian untuk meminimalisir kesalahan. Namun, LAD ini dianggap tidak baik untuk pemodelan, oleh karena itu muncullah regresi kuantil. Regresi kuantil berguna untuk mengatasi masalah asumsi yang tidak terpenuhi dalam regresi klasik yaitu gejala heteroskedastisitas dan regresi kuantil dapat memodelkan data yang mengandung outlier. Pendekatan metode regresi kuantil adalah memisahkan ataupun membagi data menjadi beberapa bagian atau kuantil tertentu yang diduga terdapat perbedaan nilai estimasi. Pengukuran kebaikan model yang dihasilkan menggunakan koefisien determinasi atau R² pada setiap kuantil. Pada penelitian ini digunakan lima kuantil yaitu 0,05; 0,25; 0,50; 0,75; dan 0,95. Dari hasil analisis diketahui bahwa model estimasi parameter terbaik terdapat pada kuantil 0,95 dengan seluruh variabel independen berpengaruh signifikan terhadap variabel dependen (tingkat kejahatan). sedangkan pada kuantil 0,25 dan 0,50 tidak ada variabel bebas yang berpengaruh signifikan, hal ini mungkin disebabkan pengaruh faktor lain yang tidak terdapat dalam penelitian yang mempengaruhi masing-masing kuantil.