Penerapan Metode Regresi Linear Berganda untuk Prediksi Kerugian Negara Berdasarkan Kasus Tindak Pidana Korupsi
Abstract
Tindak pidana korupsi merupakan kegiatan yang dapat mengakibatkan kerugian keuangan negara atau perekonomian negara serta dapat menghambat pembangunan nasional. Semenjak penindakan kasus korupsi 2013-2020, pada tahun 2014 merupakan angka tertinggi dalam jumlah kasus, yaitu sebanyak 629 kasus, sedangkan pada tahun 2020 negara mengalami kerugian tertinggi sebesar Rp. 18,6 Triliun. Adanya permasalahan tersebut perlu dilakukan kebijakan yang tepat serta antisipasi dalam meminimalisir kerugian negara pada tahun selanjutnya. Oleh karena itu penelitian ini melakukan prediksi kerugian negara berdasarkan tindak pidana korupsi dengan menggunakan regresi linear berganda. Regresi linear berganda merupakan salah satu metode statistik yang digunakan untuk menelusuri pola hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Pembelajaran regresi linear berganda dalam penelitian ini menghasilkan model regresi yang dimana menghasilkan nilai konstanta yaitu 284645.5891073216 serta nilai koefisien yaitu -139837.38007863 dan 363493.06049751. Kemudian penelitian ini melakukan pengukuran performa model regresi linear dengan kondisi pembagian data 80% untuk data training dan 20% untuk data testing. Dari kondisi pembagian data tersebut memperoleh nilai RMSE sebesar 8447373.485 untuk data training dan 9769609.026 untuk data testing. Sedangkan untuk nilai koefesien determinasi memperoleh nilai sebesar 0.579 untuk data training yang tingkat hubungan antar variabelnya cukup kuat dan 0.662 untuk data testing yang berarti tingkat hubungan antar variabelnya kuat. Dengan melakukan prediksi menggunakan metode regresi linear berganda dapat memberikan informasi yang membantu pemerintah dalam mengambil kebijakan yang tepat terahadap permasalahan kasus korupsi serta meminimalisir dan mengantisipasi kerugian negara yang lebih besar untuk tahun selanjutnya.
Downloads
References
TPBPAK (Tim Penulis Buku Pendidikan Anti Korupsi), Pendidikan Anti Korupsi untuk Perguruan Tinggi, Jakarta: Kementerian Pendidikan dan Kebudayaan RI, 2011.
ICW, "Tren Penindakan Kasus Korupsi 2020," 2020. [Online]. Available: https://www.antikorupsi.org/sites/default/files/dokumen/210101-Tren%20Penindakan%20Korupsi%20Tahun%202020.pdf. [Accessed 2020].
T. N. Padilah and R. I. Adam, "Analisis Regresi Linier Berganda Dalam Estimasi," Fibonacci : Jurnal Pendidikan Matematika dan Matematika, vol. 5 No.2, pp. 117-128, 2019.
N. Nafi’iyah, "Perbandingan Regresi Linear, Backpropagation Dan," SENIATI, no. 2085-4218, pp. B.291-B.296, 2016.
A. Izzah, "Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier," KINETIK, Vols. 2, No. 3, no. 2503-2259, pp. 141-150, 2017.
D. A. Desi Novianti, "Pengujian Aplikasi E-Farmer Dalam Perhitungan Keuntungan Dengan Metode Blackbox Testingboundary Value Analysis," JUNIF, vol. 1 No. 2, pp. 76-81, 2020.
S. Susanto and D. Suryadi, Pengantar Data Mining Menggali Pengetahuan dari Bongkahan Data, Yogyakarta: Andi Offset, 2010.
Susiana, "Analisis Peramalan Penjualan Minyak Kelapa Sawit (MKS) pada PT Perkebunan Nusantara IV Unit Kebun Pabat," Karismatika, Vols. 53, No. 9, p. 1689–1699, 2019.
A. Pranata, M. Akbar Hsb, T. Akhdansyah, and S. Anwar, "Penerapan metode pemulusan eksponensial ganda dan tripel untuk meramalkan kunjungan wisatawan mancanegara ke Indonesia," Jurnal Data Anal, vol. 1 No.1, pp. 32-14, 2018.
Sujana, Metode Statistik, Bandung: Tarsito, 2001.
Sugiyono, Metode Penelitian Kombinasi, Bandung: CV Alfabeta, 2009.
Maimon, Oded, and Lior, Data Mining and Knowledge Discovey Handbook, Springer, New York: Springer, 2010.
D. T. Larose, C. D. Larose, Discovering knowledge in data: an introduction to data mining (Vol. 4), 2014.
Copyright (c) 2021 Alfanda Novebrian Maharadja
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) ) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).