MODEL SPASIAL PREDIKTIF BAHAYA BULLYING DI KOTA DEPOK

04 Desember 2024

By: Azhari Al Kautsar,S.Geo

Open Project

Lokasi Penelitian

Open Project

Generalize Boost Bullying Depok

Open Project

INLA Bullying Predicted Depok COPY

Masih dalam pengembangan

PENDAHULUAN

Salah satu dari penelitian model spasial prediktif dari Battista et al. (2023) adalah hubungan kesehatan jiwa usia pelajar dengan pemodelan decision tree. Hasil dari model decision tree menunjukkan tingkat risiko kesehatan jiwa pada usia sekolah. Maka dari itu, kerentanan perundungan (bullying) dapat dilihat dari tingkat risiko kesehatan jiwa pada individu anak maupun remaja. Kejahatan bullying dipaparkan dari Useche et al. (2023) sebagai ketimpangan gender atas relasi kekuasaan yang disebabkan oleh faktor intimidasi antar individu maupun individu dengan kelompok. Faktor ini sering kali terjadi pada usia remaja.

Kejadian prediksi bahaya bullying bisa melalui kejahatan berbasis siber. Eboy et al. (2024) merancang spatial modelling predictive menggunakan beberapa parameter seperti integrasi survei lapangan, statistik, dan SIG. Ketiga parameter itu menghasilkan tingkat risiko bullying seperti risiko koneten, risiko pengaturan, dan risiko persetujuan yang bersangkutan. Risiko bullying juga dipaparkan oleh Tramontano et al. (2020) yang menunjukkan adanya gradien tingkat bahaya perundungan di lingkungan sekolah sehingga perlu menginvestigasi agar menciptakan lingkungan belajar dan mengajar yang lebih humanis.

Perilaku bullying juga merambah pada skala media sosial. Menurut Al-Garadi et al. (2019) perundungan sering terjadi berbagai macam aplikasi media sosial. Untuk mengetahui tingkat bahaya bullying melalui model big data yang bisa menggali informasi perilaku perundung secara keruangan. Pemanfaatan model spasial prediktif bisa mengidentifikasi cara-cara usia pelajar melakukan kekerasan berbasis daring berbasis machine learning. Pengembangan machine learning dilanjutkan oleh Song & Song (2021)menggunakan pohon Keputusan (decision tree). Dari penggunaan decision tree menunjukkan adanya kesenjangan jumlah korban dengan pelaku perundungan di lingkungan sekolah melalui penggunaan media sosial.

Tujuan dari penelitian ini adalah untuk memprediksi spasial tingkat bahaya bullying di Kota Depok. Kemudian tujuan lainnya adalah seberapa penggunaan data lokasi pendidikan terhadap potensi prediksi kekerasan bullying pada usia remaja di Kota Depok.

METODE PENELITIAN

Lokasi Penelitian

Lokasi penelitian ini berada di seluruh Kecamatan di Kota Depok dengan Koordinat….. . Kota Depok mempunyai sepuluh kecamatan, yaitu Beji, Bojongsari, Cilodong, Cimanggis, Cinere, Cipayung, Limo, Pancoran Mas, Sawangan, dan Tapos. Kota Depok berbatasan dengan Provinsi DKI Jakarta di sebelah utara, Kota Bekasi di sebelah timur, Kabupaten Bogor di sebelah selatan, dan Kota Tangerang Selatan di sebelah barat.

Gambar 1

Bahan Penelitian

Bahan pada penelitian merupakan berasal dari sumber data sekunder. Data tersebut akan di jelaskan pada tabel 1.

Tabel 1

Analisis Data

1. Kriging

Analisis spasial seperti kriging sangat penting dalam penelitian ini untuk memprediksi kejadian bullying di Kota Depok. Metode analisis kriging memainkan peran menjumlahkan atau memperluas objek agar dapat mampu mengvisualkan spasial. Dengan begitu, data kriging bersifat acak dan menyuluruh agar memperkuat koefisien dari prediksi pemodelan spasial. Konsep formulasi kriging dikemukakan oleh Hardiyanthy & Susanti (2019) adalah sebagai berikut :

Rumus 1

2. Analisis Multi-Kriteria

Pada metode analisis multi-kriteria bertujuan untuk mengkalkulasi skor dari terendah ke tertinggi pada parameter tertentu. Parameter untuk analisis multi-kriteria pada model spasial prediktif bahaya bullying adalah menggunakan data pendidikan, pemerintah, tempat ibadah, dan fasilitas kesehatan. Penulis akan merujuk dari Nur et al. (2024) dengan pengubahan nilai bobot agar bisa memudahkan dalam proses perhitungan. Berikut tabel 2 akan membahas skor bobot pada pemodelan spasial prediktif bahaya bullying.

Tabel 2

3. Analisis Regresi

Pada metode analisis penelitian ini menggunakan jenis pemodelan spasial regresi tertentu. Parameter pada analisis regresi ini adalah REML, LMS, OLS, PLS, dan Generilzed Boost.

HASIL PENELITIAN

Kriging

Kriging

Regression Linear Model (RELM)

RELM

RELMB Depok

Data Publikasi

PEMETAAN KERENTANAN COVID-19 MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) DI DESA CANDIROTO, KABUPATEN TEMANGGUNG

Kesehatan

15 Jul 2025

Departemen Teknik Geodesi UNDIP

PEMETAAN KERENTANAN COVID-19 MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) DI DESA CANDIROTO, KABUPATEN TEMANGGUNG

Penelitian ini bertujuan untuk memetakan tingkat kerentanan terhadap penyebaran COVID-19 di Desa Candiroto, Kabupaten Temanggung, Jawa Tengah.

24 menit baca

82 dilihat

1 Data

1 Proyek

DETEKSI PERUBAHAN TUTUPAN LAHAN DI KABUPATEN
KENDAL AKIBAT EKSPANSI KAWASAN INDUSTRI
BERDASARKAN CITRA LANDSAT 8 DENGAN METODE
NDVI PADA TAHUN 2019 DAN 2023

Lingkungan

11 Jul 2025

Departemen Teknik Geodesi UNDIP

DETEKSI PERUBAHAN TUTUPAN LAHAN DI KABUPATEN KENDAL AKIBAT EKSPANSI KAWASAN INDUSTRI BERDASARKAN CITRA LANDSAT 8 DENGAN METODE NDVI PADA TAHUN 2019 DAN 2023

Tulisan ini menjelaskan tentang perubahan tutupan lahan di Kabupaten Kendal

30 menit baca

123 dilihat

2 Data

1 Proyek

Evaluasi Kesesuaian Zonasi Peta Bahaya Nasional terhadap Potensi Sesar Aktif di Koridor Jalur Sesar Lembang, Jawa Barat

Iklim dan Bencana

14 Jul 2025

IMPI Koordinator Wilayah Bandung Raya

Evaluasi Kesesuaian Zonasi Peta Bahaya Nasional terhadap Potensi Sesar Aktif di Koridor Jalur Sesar Lembang, Jawa Barat

Artikel ini berisi evaluasi mengenai kesesuaian zonasi bahaya gempa pada Peta Bahaya Gempa Nasional dengan keberadaan sesar aktif di jalur Sesar Lembang, Jawa Barat. Menggunakan pendekatan deskriptif-kuantitatif melalui analisis spasial berbasis Sistem Informasi Geografis (SIG), penelitian ini akan memberikan beberapa rekomendasi dari hasil evaluasi yang ada.

16 menit baca

128 dilihat

1 Proyek

Analisis Surface Urban Heat Island (SUHI) Menggunakan Google Earth Engine di Kabupaten Manggarai Timur Tahun 2016 – 2020

Iklim dan Bencana

14 Jul 2025

IMPI Koordinator Wilayah Bandung Raya

Analisis Surface Urban Heat Island (SUHI) Menggunakan Google Earth Engine di Kabupaten Manggarai Timur Tahun 2016 – 2020

Artikel kali ini membahas mengenai fenomena Surface Urban Heat Island (SUHI) di Kabupaten Manggarai Timur, Indonesia, selama periode 2016-2020 dengan menggunakan Google Earth Engine (GEE). Dengan menilik perubahan aktivitas kegiatan manusia saat Pandemi Covid-19, dilakukan pengidentifikasian perubahan SUHI di kawasan tersebut.

18 menit baca

75 dilihat

1 Proyek

Syarat dan Ketentuan
Pendahuluan
  • MAPID adalah platform yang menyediakan layanan Sistem Informasi Geografis (GIS) untuk pengelolaan, visualisasi, dan analisis data geospasial.
  • Platform ini dimiliki dan dioperasikan oleh PT Multi Areal Planing Indonesia, beralamat
  • mapid-ai-maskot