Institutional Repository | Satya Wacana Christian University: Analisis Pola Spasial Kriminalitas Wilayah Hukum Kepolisian Resort Kota Salatiga

  Analisis Pola Spasial Kriminalitas Wilayah Hukum Kepolisian Resort Kota Salatiga Artikel Ilmiah Diajukan kepada Fakultas Teknologi Informasi untuk memperoleh gelar Sarjana Sistem Informasi Oleh: Nur Shodiq NIM : 682013016 Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga 2017

  

Analisis Pola Spasial Kriminalitas Wilayah Hukum Kepolisian

Resort Kota Salatiga

₂₎

1) Nur Shodiq , Frederik Samuel Papilaya

  

Program Studi Sisten Informasi

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Jl. Dr. O. Notohamidjojo No. 1

• – 10 Salatiga, Jawa Tengah

  1

Email: ,

  

1. Pendahuluan

  Kota Salatiga merupakan salah satu kota di Jawa Tengah, sebagai kota lumayan padat penduduk ini persaingan untuk meraih kehidupan yang layak sangatlah tinggi. Persaingan inilah yang menyebabkan adanya ketimpangan sosial, yaitu tingginya kebutuhan hidup yang harus dipenuhi, akan tetapi tidak diimbangi oleh meningkatnya pendapatan dari masyarakat. Menurut Badan Pusat Statistik Daerah Jawa Tengah, hal inilah yang menjadi salah satu indikasi memicunya pertumbuhan kriminalitas. Mengingat hal tersebut, tidak sedikit warga Kota Salatiga yang memilih untuk melakukan tindakan kriminal demi mendapatkan uang agar kehidupan ekonominya lebih sejahtera.

  Kriminalitas merupakan segala macam bentuk tindakan dan perbuatan yang merugikan secara ekonomis dan psikologis yang melanggar hukum .Untuk menentukan tingkat kerawanan tindak kejahatan dibutuhkan informasi dari masyarakat dan aparat penegak hukum dari kepolisian. Waktu dan tempat tindak kejahatan yang berbeda adalah masalah utama untuk menentukan daerah yang memiliki tingkat kerawanan. Jumlah Tindak Pidana Yang Dilaporkan Menurut Kepolisian Resort di Provinsi Jawa Tengah tahun 2013, 2014, dan 2015 terjadi 62969 kasus. Dimana Kota Salatiga terjadi 1788 kasus yang merupakan peringkat tertinggi nomor 6 di Jawa Tengah[1].

  Analisis Kejahatan-Keadaan saat ini. Salah satu dasar teori kriminologi adalah bahwa tiga hal dibutuhkan agar terjadi kejahatan: pelaku yang termotivasi, sasaran yang sesuai, dan lokasi. Begitu dua bagian pertama dari segitiga kejahatan ini ada, kesempatan ditetapkan untuk tindak pidana terjadi, jadi wajar jika analis menggunakan teknologi sistem informasi geografis (SIG) untuk memetakan lokasi kejahatan. Namun, ₁₎ _________________________

  

Mahasiswa Fakultas Teknologi Informasi Jurusan Sistem Informasi, Universitas Kristen Satya ₂₎ Wacana Salatiga. Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga. menempatkan titik di peta hanyalah langkah awal dalam memahami masalah kriminalitas. Konteks kejadian kriminal harus dianalisis dan dibandingkan dengan data kejahatan lainnya untuk mendapatkan makna darinya, mendeteksi pola dalam data, dan memahami gambaran yang lebih besar. Karena analisis kejahatan telah matang, demikian juga teknik pemetaan kejahatan. Analis memulai dengan menggabungkan data kejahatan, mengidentifikasi pola dan kelompok, mengeksplorasi hubungan antara kejahatan dan jenis dataset lainnya, dan menilai efektivitas strategi pengurangan kejahatan. Semua teknik ini bergantung pada pemetaan SIG. Pada saat yang sama, periset dan agen kepolisian mulai menyadari bahwa mereka dapat mengintegrasikan perangkat lunak pemetaan Esri dengan sistem pengelolaan catatan penegakan hukum. Maka dari itu perencanaan spasial yang tepat sangat penting dalam menentukan lokasi promosi, yaitu dengan penerapan Sistem Informasi Geografis (SIG)[2].

  Penelitian ini bertujuan mengidentifikasi daerah rawan kriminalitas wilayah hukum Polres Salatiga, mengetahui hubungan antara data kejahatan dengan lokasi geografis Kota Salatiga, mengidentifikasi pola kejahatan tingkat kerawanan.

2. Kajian Pustaka

  Penelitian yang pengembangan sistem yang dibuat dengan Clustering akan lebih mudah melihat pengelompokan algoritma berbasis kerapatan untuk menemukan banyakanya pengelompakan mulai dari distribusi kerapatan yang diperkirakan atas node yang sesuai. Dengan hasil penelitan tersebut disimpulkan bahwa Beberapa daerah di Kota Semarang memiliki tingkat kerawanan terhadap kejahatan yang berbeda. Daerah yang masuk kategori rawan kriminalitas berada di Kecamatan Semarang Barat, Semarang Tengah, Semarang Selatan, sebagian Semarang Timur, Gayamsari bagian timur, Tembalang bagian barat dan Pedurungan bagian barat. Untuk daerah yang masuk kategori sangat rawan dalam hal tindak kejahatan / kriminalitas berada di Kecamatan Semarang Selatan, Semarang Tengah dan perbatasan antara Gayamsari dengan Pedurungan. Dengan memiliki kekurangan pembuatan peta daerah rawan kriminalitas sebaiknya dilakukan secara terorganisir dan didiskusikan dengan pihak terkait sehingga bisa mendapatkan hasil yang lebih baik[3].

  Penelitian yang lain berfokus pada penerapan Sistem Informasi Geografis (SIG) sebagai alat untuk pemetaan penginderaan jarak jauh yang efektif untuk perencanaan dan pengambilan keputusan studi tersebut mengungkapkan bahwa intensitas kejahatan semakin meningkat sepanjang tahun. Penelitian ini telah mampu mengembangkan sistem database kejahatan yang bisa meningkatkan keamanan sekitar inti kota Akure. Sistem seperti itu akan sangat diraih deteksi hotspot dan titik hitam, generasi peta yang menunjukkan lingkungan yang kekurangan fasilitas keamanan, pengetahuan tentang kejahatan Pola dan kejadian, prediksi kejahatan antara lain. Sistem ini Tidak hanya akan membantu Ondo State dalam pengurangan kejahatan tapi juga negara bagian lainnya di Negara jika diadopsi Berdasarkan temuan tersebut, studi tersebut merekomendasikan agar negara Pemerintah segera memulai penyediaan keamanan di negara bagian[4].

  Analisis Statistik (Statistical Analysis). Analisis Statistik sering digunakan untuk mengeksplorasi data Anda-misalnya, untuk memeriksa distribusi nilai untuk atribut tertentu atau untuk melihat outlier (nilai ekstrim tinggi atau rendah). Memiliki informasi ini berguna saat menentukan kelas dan rentang pada peta, saat mengklasifikasi ulang data, atau saat mencari kesalahan data. Pada contoh di bawah ini, statistik telah dihitung untuk pendistribusian lansia melalui saluran sensus di wilayah ini (persentase mereka berusia 65 ke atas di setiap saluran), termasuk mean dan standar deviasi, serta histogram yang menunjukkan distribusi Nilai. Sebagian besar traktat memiliki persentase manula yang lebih rendah daripada rata-rata, namun beberapa traktat memiliki persentase yang sangat tinggi[5].

  

Gambar 1. Statistical Analysis Summary.[5]

  Analisis Overlay (Overlay Analysis). Analisis Overlay adalah sekelompok metodologi yang diterapkan pada pemilihan lokasi atau pemodelan kesesuaian yang optimal. Ini adalah teknik untuk menerapkan skala nilai yang sama ke input yang beragam dan berbeda untuk menciptakan analisis terpadu. Secara umum, ada dua metode untuk melakukan overlay analisis - overlay fitur (overlay poin, garis, atau poligon) dan overlay raster. Beberapa jenis analisis overlay meminjamkan diri pada satu atau yang lain dari metode ini[6]. Pada ilustrasi di bawah ini, jalan logging (garis) dan jenis vegetasi (poligon) dilapisi untuk membuat kelas fitur baris baru. Garis telah terpecah di mana mereka berpotongan dengan poligon dan setiap fitur garis telah diberi atribut dari kedua lapisan asli. Garis diperlihatkan dilambangkan dengan tipe vegetasi yang telah terkait dengannya. Anda dapat menggunakan analisis overlay untuk menggabungkan karakteristik beberapa dataset menjadi satu. Kemudian dapat menemukan lokasi atau area tertentu yang memiliki seperangkat nilai atribut tertentu sesuai dengan kriteria yang ditentukan. Pendekatan ini sering digunakan untuk menemukan lokasi yang sesuai untuk pengunaan tertentu atau rentan terhadap beberapa risiko [7].

  

Gambar 2. Overlay Analysis Summary[7].

  Analisis Tetangga Terdekat (Nearest Neighbor Analysis). Analisis tetangga terdekat merupakan salah satu analisis yang digunakan untuk menjelaskan tentang pola persebaran dari titik-titik lokasi dengan menggunakan perhitungan yang mempertimpangkan jarak, jumlah titik lokasi dan luas wilayah. Analisis tetangga terdekat menggembalikan 5 nilai, yaitu jarak rata-rata yang diamati, jarak rata-rata yang diharapkan, indeks tetangga terdekat, nilai Z dan nilai P. Analisis ini memliki hasil akhir berupa indeks dengan hasil antara 0-2,15. Nilai 0 akan menunjukkan bahwa pola kecenderungan yang dihasilkan memiliki tipe mengelompok (cluster). Nilai2,15 akan menunjukkan bahwa pola kecenderungan yang dihasilkan memiliki tipe menyebar (dispersed), sedangkan jika berada ditengah-tengah akan menunjukkan pola yang memiliki tipe acak (random) [8].

  

Gambar 3. Average Nearest Neighbor Summary[8].

  Tool ini mengukur jarak antara masing-masing centroid fitur dan lokasi

centroid tetangganya yang terdekat. Itu semua jarak rata-rata tetangga terdekat.

  Jika jarak rata-rata kurang dari rata-rata untuk distribusi acak hipotesis, distribusi fitur yang dianalisis dianggap berkerumun. Jika jarak rata-rata lebih besar daripada distribusi acak hipotesis, fitur dianggap tersebar. Rata-rata rasio tetangga terdekat dihitung sebagai jarak rata-rata yang diamati dibagi dengan jarak rata-rata yang diharapkan (dengan jarak rata-rata yang diperkirakan berdasarkan distribusi acak hipotesis dengan jumlah fitur yang sama yang mencakup area total yang sama) [9].

  Analisis Hotspot (Hotspot Analisis). Analisis Hotspot menghitung statistik Getis-Ord Gi * untuk setiap fitur dalam dataset. Skor Z yang dihasilkan memberi tahu Anda di mana fitur dengan nilai cluster tinggi atau rendah secara spasial. Alat ini bekerja dengan melihat setiap fitur dalam konteks fitur tetangga. Sebuah fitur dengan nilai tinggi sangat menarik, namun mungkin bukan hot spot yang signifikan secara statistik. Untuk menjadi hot spot yang signifikan secara statistik, fitur akan memiliki nilai tinggi dan dikelilingi oleh fitur lain dengan nilai tinggi juga. Jumlah lokal untuk fitur dan tetangganya dibandingkan secara proporsional dengan jumlah semua fitur; Ketika jumlah lokal jauh berbeda dari jumlah lokal yang diharapkan, dan perbedaan itu terlalu besar untuk menjadi hasil kesempatan acak, hasil skor Z yang signifikan secara statistik[10].

  Kepadatan (density) merupakan permukaan kepadatan menunjukkan di mana fitur titik atau garis terkonsentrasi. Misalnya, Anda mungkin memiliki nilai titik untuk setiap kota yang mewakili jumlah total orang di kota ini, namun Anda ingin mengetahui lebih banyak tentang penyebaran populasi di wilayah ini. Karena semua orang di setiap kota tidak tinggal di titik populasi, dengan menghitung kerapatan, Anda dapat menciptakan permukaan yang menunjukkan distribusi populasi yang diprediksi di seluruh landscape. Grafik berikut memberi contoh permukaan kerapatan. Bila ditambahkan bersama, nilai populasi sel sama dengan jumlah populasi lapisan titik asli[11].

  

Gambar 4. Population Density surface example[11].

3. Metodologi Penelitian

  Pelaksanaan penelitian dibagi menjadi 5 tahap, yaitu : 1) Identifikasi Masalah, 2) Pengumpulan Data, 3) Pengolahan Data, 4) Analisis Data, 5) Analisis Hasil Pengujian.

  

Gambar 5. Tahapan penelitian.

  Pada tahap pertama, identifikasi masalah diperoleh dari hasil wawancara dengan Bagian Sat-Reskrim Kepolisian Resort Kota Salatiga untuk mengetahui masalah dan studi literature terkait permasalahan yang terjadi di Kepolisian Resort Kota Salatiga.

  Pada tahap kedua, pengumpulan data juga didapatkan dari hasil wawancara. Data yang diperoleh merupakan data primer dan data sekunder. Data primer adalah data yang diperoleh secara langsung dari sumbernya, yaitu mengenai aspek-aspek pengambilan keputusan untuk lokasi tindak kriminalitas Kepolisian Resort Kota Salatiga yang meliputi, 1) jenis tindak pidana, 2) pasal, 3) nomor laporan polisi, 4) tanggal kejadian, 5) tanggal laporan, 6) tempat kejadian perkara, 7) korban / pelapor, 8) kerugian / barang bukti, 9) modus. Sedangkan data sekunder adalah data yang diperoleh dari penulis yang sudah jadi dan biasanya dalam bentuk buku, internet, jurnal yang berhubungan dengan penelitian ini, yaitu data tentang Kota Salatiga Menurut Badan Statistik Daerah Jawa Tengah yang meliputi Jumlah Tindak Pidana Yang Dilaporkan Menurut Kepolisian Resort di Provinsi Jawa Tengah, 2013‒2015.

  Pada tahap ketiga, melakukan pengolahan data menggunakan software ArcGIS 10.3. Sumber peta Administrasi Kota Salatiga menggunakkan system koordinat Indonesian_1974_UTM_Zone_54S. Data tersebut berupa jenis tindak pidana, pasal, nomor laporan polisi, tanggal kejadian, tanggal laporan, tempat kejadian perkara, korban / pelapor, kerugian / barang bukti, dan modus. Data tempat kejadian tersebut dilakukkan digitasi untuk memperoleh hasil data vektor berupa

  

point persebaran rawan kriminalitas wilayah hukum Kepolisian Resort Kota

Salatiga Tahun 2016.

  Pada tahap keempat, yaitu analisis data untuk menganalisis persebaran rawan kriminalitas yang ada di Kota Salatiga, menggunakan metode gabungan antara pendekatan kuantitatif dan kualitatif. Analisis data yang dilakukan merupakan analisis spasial dengan menggunakan software ArcGIS 10.3. Pengolahan peta dengan Analisis Overlay (Overlay Analysis) untuk menampilkan peta Salatiga melihat pola sebaran kasus tindak kriminalitas. Kemudian menggunakkan analisis statistik untuk mengidentifikasi pola atau hubungan pada data distribusi kasus untuk mendapatkan informasi tambahan yang mungkin tidak jelas dari melihat peta berdasarkan peta distribusi kasus. Pendekatan kuantitatif dilakukan dengan menggunakan Analisis Tetangga Terdekat (Nearest Neighbor

  

Analysis ) menjelaskan pola persebaran dari titik-titik lokasi tempat dengan

  menggunakan perhitungan yang mempertimbangkan, jarak, jumlah titik lokasi dan luas wilayah Dari analisis ini akan diperoleh hasil akhir berupa indeks yang akan menunjukkan pola persebaran berupa tipe mengelompok, tipe seragam atau tipe acak. Kemudian didapatkan hasil Analisis Hotspot (Hotspot Analisis) yang menjadi titik acuan untuk melihat titik kerawanan. Selanjutnya dilakukkan proses kerapatan (density) digunakan untuk menentukan tingkat kerapatan daerah rawan kriminalitas di Wilayah Hukum Kepolisan Resort Kota Salatiga Tahun 2016.

  Pada tahap kelima, diperoleh hasil dari proses pengolahan peta distribusi kasus untuk melihat pola sebaran kasus tindak kriminalitas. Proses analisis data rawan kriminalitas di Kota Salatiga, informasi yang ingin didapatkan cenderung mengelompok. Berdasarkan hasil analisis data tersebut didapatkan informasi tentang pola tindak kriminalitas yang akan membantu memberikan informasi kepada bagian Sat-Reskrim di Kepolisan Resort Kota Salatiga.

4. Hasil dan Pembahasan

  Tabel 1 menjelaskan tentang hasil analisis pola spasial yang telah dilakukan, didapatkan 240 kasus yang terjadi sepanjang tahun 2016 yang menyebar di empat kecamatan di Kota Salatiga yang cenderung mengelompok. Analisis Statistik (Statistical Analysis) dapat mengidentifikasi pola atau hubungan di data tindak kriminalitas untuk mendapatkan informasi tambahan yang mungkin tidak jelas dari melihat peta. Tingkat kriminalitas di tengah masyarakat saat ini sangat tinggi dengan melihat jumlah laporan masyarakat yang di laporkan di Sat-Reskrim Kepolisian Resort Kota Salatiga dengan jenis tindak kriminal berupa Curat, Curas, Curanmor, Pembunuhan, Pemerkosaan, Palsu Surat, Perusakan, Penipuan, Penggelapan, Pencurian Biasa, Pencabulan, Kesopanan-Susila. Dari hasil statistical analysis jumlah kasus menurut jenis tindak kriminalitas sepanjang tahun 2016 jumlah total 531 kasus. Kecamatan Sidorejo 123 kasus, Kecamatan Sidomukti 54 kasus, Kecamatan Argomulyo 42 kasus, dan Kecamatan Tingkir 41 kasus.

  

Tabel 1 Laporan Statistik Kriminalitas Sat-Reskrim Kepolisian Resort Kota

  Salatiga Tahun 2016 Analisis Overlay (Overlay Analysis) rawan kriminalitas di Wilayah Hukum

  Kepolisian Resort Kota Salatiga didapatkan hasil dari proses pengolahan peta distribusi kasus dengan menggabungkan, menghapus, memodifikasi, atau memperbarui fitur dalam dataset output baru untuk melihat pola sebaran kasus tindak kriminalitas. Analisis Overlay (Overlay Analysis) tersebut didapatkan peta dengan Persebaran tempat kejadian perkara di Kota Salatiga tahun 2016. Untuk melihat hasil overlay analysis dapat dilihat pada Gambar 6.

  

Gambar 6. Hasil Overlay Analysis Persebaran tempat kejadian perkara di Kota

Salatiga tahun 2016.

  

Tabel 2 Hasil Nearest Neighbor Analysis Tindak Kriminalitas Tahun 2016

Nearest Neighbor Analysis Summary

  Observed Mean Distance : 4057.8525 Meters Expected Mean Distance : 13178.5947 Meters Nearest Neighbor Ratio : 0.307912 z-score : -2.648024 p-value : 0.008096

  

Dataset Information

Input Feature Class : Crime2016_Project Distance Method : EUCLIDEAN Study Area : 2778805747.050000 Selection Set : False

  Tabel 2 menjelaskan tentang Analisis Tetangga Terdekat (Nearest Neighbor

  

Analysis ) yang menunjukan bahwa pola sebaran kasus tindak kriminal di Kota

  Salatiga sepanjang Tahun 2016 memiliki kecenderungan pola sebaran mengelompok (clustered). Nilai dari Analisis Tetangga Terdekat (Nearest

  

Neighbor Analysis ) menunjukan bahwa nilai Z = -2.648024, dan p = 0.008096,

  sedangkan Observed Mean Distance = 4057.8525 Meters, expected mean distance = 13178.5947 Meters, serta nilai Nearest Neighbor Ratio = 0.307912.

  Gambar 7. Hasil Nearest Neighbor Analysis kasus tindak kriminal Kota

Salatiga tahun 2016.

  Gambar 7 menjelaskan bahwa Analisis Tetangga Terdekat (Nearest Neighbor

  

Analysis ) rawan kriminalitas di Wilayah Hukum Kepolisian Resort Kota Salatiga

  cenderung berpola clustered. Nilai dari Analisis Tetangga Terdekat (Nearest

  

Neighbor Analysis ) menunjukan bahwa nilai Z = -2.648024, dan p = 0.008096,

  sedangkan Observed Mean Distance = 4057.8525 Meters, expected mean distance = 13178.5947 Meters, serta nilai Nearest Neighbor Ratio = 0.307912, menunjukan bahwa pola sebaran kasus tindak kriminal di Kota Salatiga sepanjang Tahun 2016 memiliki kecenderungan pola sebaran mengelompok (clustered).

  Analisis Hotspot (Hotspot Analisis) kepadatan kejahatan tinggi di Wilayah Hukum Kepolisian Resort Kota Salatiga ini memungkinkan polisi untuk tidak hanya mengidentifikasi area-area kejahatan tinggi tetapi juga mengeksplorasi variabel-variabel yang mempengaruhi tindak kriminal. Hotspot analysis menilai apakah tinggi atau rendah Nilai (jumlah kejahatan, tingkat kerawanan tindak kriminalitas) Dari hotspot analysis tersebut memiliki informasi yang ditandai dengan gambar kotak, dapat diklasifikasikan menjadi 4 tingkat kerawanan , yaitu : sangat rawan, rawan, cukup rawan, aman. Tampilan dari hasil Hotspot analysis persebaran tempat kejadian perkara di Kota Salatiga tahun 2016 dapat dilihat pada Gambar 8.

  

Gambar 8. Hasil Hotspot Analysis Persebaran tempat kejadian perkara di Kota

Salatiga tahun 2016.

  Kerapatan (density) digunakan untuk menentukan tingkat kerapatan daerah rawan kriminalitas. Dari tingkat kerapatan inilah yang dijadikan dasar dalam penentuan lokasi sentra peta yang paling rawan untuk memberikan pelayanan terjangkau ditinjau dari segi jarak lokasinya. Dari hasil analisis tersebut, Kecamatan Sidorejo memiliki tingkat densitas tertinggi yang juga merupakan area padat penduduk. Tampilan dari hasil Density analysis persebaran tempat kejadian perkara di Kota Salatiga tahun 2016 dapat dilihat pada Gambar 9.

  

Gambar 9. Hasil Density analysis persebaran tempat kejadian perkara di Kota

Salatiga tahun 2016.

  5. Kesimpulan dan Saran

  Berdasarkan penelitian yang telah dilakukan, maka penelitian ini dapat di tarik kesimpulan yaitu, disimpulkan bahwa nearest neighbor analysis dapat digunakan untuk menjelaskan pola persebaran, sehingga didapatkan hasil berupa pola mengelompok (clustered) pada persebaran lokasi daerah rawan kriminalitas di wilayah hokum Kepolisian Resort Kota Salatiga tahun 2016. Hotspot analysis dapat digunakan untuk melihat daerah memungkinkan polisi untuk tidak hanya mengidentifikasi area-area kejahatan tinggi tetapi juga mengeksplorasi variabel- variabel yang mempengaruhi tindak kriminal. Hotspot analysis menilai apakah tinggi atau rendah Nilai (jumlah kejahatan, tingkat kerawanan tindak kriminalitas). Di kecamatan Sidorejo memiliki tingkat sangat rawan karena banyak dari wilayahnya ditandai dengan warna merah. Dengan informasi ini, aparat penegak hukum bisa lebih efisien dalam taktik kejahatan untuk meningkatkan patroli di sekitar lokasi tersebut atau dengan tindakan proaktif. Untuk analisis spasial, data yang terkumpul diplot dengan bantuan catatan polisi lokasi dimana tindak pidana tersebut terjadi.

  Saran untuk penelitian ke depan yaitu analisis prediksi kerawanan, sehingga tingkat kriminalitas di salatiga dapat cepat teratasi.

  6. Daftar Pustaka

  [1]

  [3] Yudistira Hilma Gilang, Sasmito Bandi, dan Putra Wijaya Arwan. 2015.

  Pemetaan Daerah Rawan Kriminalitas di Wilayah Hukum Poltabes

Semarang Tahun 2013 Dengan Menggunakkan Metode Clustering

  ”. Semarang : Universitas Diponegoro.

  [4] Olajuyigbe, Omole, Bayode, dan Adenigba. 2016. Pemetaan Kejahatan dan

  Analisis di Wilayah Inti Akure. Nigeria : Universitas Teknologi Federal

  Akure

  

  [7] http://desktop.arcgis.com/en/arcmap/10.3/analyze/commonly-used- tools/overlay-analysis.htm

  

  

  

  [11] Laporan Sat-Reskrim Kepolisian Resort Kota Salatiga 2016