Faktor – Faktor Yang Mempengaruhi Tingkat Kejahatan Di Kabupaten Tapanuli Selatan

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

DEPARTEMEN MATEMATIKA

Jl. Bioteknologi No.1 Kampus USU, Telp. (061) 8211050, Fax (061) 8214290

Medan 20155 SURAT KETERANGAN

Hasil Uji Implementasi Sistem Tugas Akhir

Yang bertanda tangan dibawah ini menerangkan bahwa Mahasiswa Tugas Akhir Program Studi D3 Statistika:

Nama Mahasiswa : Elvan Rifiyanto Pane

Nomor Induk Mahasiswa : 122407118

Judul Tugas Akhir : Faktor – faktor yang mempengaruhi tingkat kejahatan Di Kabupaten Tapanuli Selatan

Telah melaksanakan test program Tugas Akhir Mahasiswa tersebut di atas pada tanggal :

Dengan Hasil : Sukses/Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Departemen Matematika FMIPA USU Medan.

Medan, Juli 2015 Dosen Pembimbing

NIP. 19640109 198803 1 004 Prof. Dr. Saib Suwilo, M.Sc

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA

Jln. Bioteknologi No.1 Kampus USU Padang Bulan Medan-20155 Telp. (061) 8211050, 8214290, Fax. (061) 821429

Nama Mahasiswa : ELVAN RIFIYANTO PANE

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nomor Induk Mahasiswa : 122407118

Judul Tugas Akhir : Faktor – faktor Yang Mempengaruhi Tingkat Kejahatan Di Kabupaten Tapanuli Selatan Dosen Pembimbing : Prof. Dr. Saib Suwilo, M.Sc

Tanggal Mulai Bimbingan : Tanggal Selesai Bimbingan :

No Tanggal Asistensi Bimbingan Pembahasan Asistensi Pada Bab Paraf Dosen

Pembimbing Keterangan

1 2 3 4 5 6 7

Disetujui oleh

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu’ulölö, M.Si

NIP. 19531218 198003 1 003 NIP. 19640109 198803 1 004 Prof. Dr. Saib Suwilo, M.Sc

DAFTAR PUSTAKA

Algifari. 2000. Analisa Regresi Teori, Kasus dan Solusi, Edisi 2. Yogyakarta: BPFE. Atmasasmita, R. 1997. Kriminologi. Bandung: Mandar Maju.

Badan Pusat Statistik. Sumatera Utara Dalam Angka 2014. BPS. Medan. Sudjana. 1996. Teknik Analisi Regresis regresi dan Korelasi Bagi Para Peneliti.

Bandung: Tarsito.

Sudjana. 2005. Metode Statistika. Bandung: Tarsito.

Sugiyono. 2011. Statistik untuk Penelitian, Edisi 19. Bandung: Alfabeta. Suharjo, Bambang. Analisis Regresi Terapan dengan SPSS. Edisi 1.

Surabaya: Graha Ilmu.

BAB 3

PENGOLAHAN DATA

3.1 Pengumpulan Data

Data yang diambil dari Badan Pusat Statistika adalah data Jumlah penduduk, Jumlah Penduduk Miskin, Jumlah pengeluaran dan konsumsi penduduk, dan data yang diperoleh dari POLRES TAPSEL yaitu Jumlah tindak kejahatan yang terjadi di kabupaten Tapanuli Selatan pada tahun 2006 – 2013. Adapun datanya adalah sebagai berikut:

Tabel 3.1 Data tindak kejahatan, jumlah penduduk, jumlah penduduk miskin, jumlah industri, jumlah pengeuaran dan konsumsi penduduk tahun 2006 – 2013.

Tahun Y

X1 (Jiwa)

X2 (Jiwa)

X3 (Ribuan/Rp) 2006 628 315.509 135.061 206.750 2007 692 261.781 131.154 235.531 2008 752 263.812 131.378 368.565 2009 890 265.142 132.378 372.209 2010 988 264.108 133.171 419.092 2011 1.051 266.282 128.593 537.111 2012 1.270 268.095 128.432 550.021 2013 1.275 268.824 128.593 618.618

di mana:

Y = Jumlah Kejahatan X1 = Jumlah Penduduk X2 = Jumlah Penduduk Miskin

X3 = Jumlah Pengeluaran dan Konsumsi Penduduk

3.2 Pengolahan Data

Untuk membahas dan memecahkan masalah mengenai pengaruh jumlah kejahatan di tapanuli selatan, akan digunakan data yang telah dikumpulkan sebelumnya. Yaitu tentang Jumlah penduduk, Jumlah penduduk miskin, dan Jumlah pengeluaran dan konsumsi penduduk di tapanuli Selatan. Proses pengolahan dan penganalisisan data dilakukan dengan menggunakan program spss, yaitu salah satu program statistik yang mampu mengolah data dengan cepat namun hasilnya dapat mewakili dalam pengambilan keputusan yang relatif baik karena mendekati keadaan sebenarnya.

3.3 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda terlebih dahulu dihitung koefisien-koefiesien regresinya dengan menggunakan program spss. Berikut adalah data-data yang telah diinput :

Regression

Variables Entered/Removeda

Model Variables Entered

Variables

Removed Method 1 Jumlah_Pengelua

ran_dan_konsums i,

Jumlah_Pendudu k,

Jumlah_Pendudu k_Miskinb

. Enter

a. Dependent Variable: Jumlah_Kejahatan b. All requested variables entered.

Tabel 3.2 Metode Kotak Dialog Regresi Linier

Metode ini menganalisis variabel bebas (independent variabel) secara keseluruhan tanpa memilah-milah variabel yang akan dijadikan satu grup dalam persamaan regresinya. Adapun Variabel bebasnya adalah Jumlah Pengeluaran dan konsumsi penduduk (X1), jumlah penduduk (X2), Jumlah Penduduk miskin (X3).

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

Change Statistics R Square

Change F Change df1 df2

Sig. F Change

1 ,957a ,916 ,853 95,236 ,916 14,556 3 4 ,013

a. Predictors: (Constant), Jumlah_Pengeluaran_dan_Konsumsi, Jumlah_Penduduk, Jumlah_Penduduk_Miskin b. Dependent Variable: Jumlah_Kejahatan

Tabel 3.3 Metode Hasil Penjumlahan

Tabel di atas menunjukkan bahwa nilai R Square sebesar 0,916 yang jika

dihitung secara manual diperoleh dari hasil satu dikurangi dari jumlah kuadrat regresi dibagi jumlah kuadrat total dari variabel Y.

Nilai Adjusted R Square sebagai nilai yang disarankan dapat diketahui besarnya adalah 0,853 yang artinya variabel Jumlah Pengeluaran dan konsumsi penduduk (X1), Jumlah Penduduk (X2), jumlah penduduk miskin (X3),

memiliki pengaruh sebesar 85,3% terhadap jumlah kejahatan (Y) dan sisanya dipengaruhi oleh variabel lain seperti, Ekonomi, pendapatan per KK, dan Konsumsi akan bahan pokok.

ANOVAa

Model Sum of Squares Df Mean Square F Sig.

1 Regression 396077,807 3 132025,936 14,556 ,013b

Residual _{36279,693 4 9069,923}

Total _{432357,500 7}

a. Dependent Variable: Jumlah_Kejahatan

b. Predictors: (Constant), Jumlah_Pengeluaran_dan_Konsumsi, Jumlah_Penduduk, Jumlah_Penduduk_Miskin

Tabel 3.4 Output ANOVA 1 Arah

Analisa variansi di atas digunakan untuk uji hipotesis beberapa rata-rata. Dari tabel dapat diketahui: Derajat kebebesannya (degree of freedom) = 3, residual = 4 Nilai Fhit = 14,556 dengan signifikan sebesar 0,013 atau 0,13%, yang berarti

signifikan kurang dari 5%, sehingga hipotesis ditolak. Itu artinya rata-rata Jumlah Pengeluaran dan konsumsi penduduk (X1), Jumlah Penduduk (X2), jumlah

penduduk miskin (X3), cukup signifikan. Dengan akta lain terdapat perbedaan

antara Jumlah Pengeluaran dan konsumsi penduduk (X1), Jumlah Penduduk (X2),

Jumlah Penduduk Miskin (X3).

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

T Sig. B Std. Error Beta

1 (Constant) _{-55,207 3636,579 -,015 ,989}

Jumlah_Penduduk ,001 ,002 ,039 ,217 ,839

Jumlah_Penduduk_Miski

n ,001 ,028 ,013 ,046 ,966

Jumlah_Pengeluaran_dan

_Konsumsi ,002 ,000 ,984 3,888 ,018

a. Dependent Variable: Jumlah_Kejahatan

Tabel 3.5 Nilai-nilai Koefisien

Pada Tabel 3.5 diatas tepatnya pada kolom signifikan ditunjukkan bahwa variabel Jumlah kejahatan yang mempengaruhi Jumlah penduduk miskin berada dibawah 0,05. Pada Tabel 3.5 diatas dapat juga diketahui nilai-nilai:

B0 =-55,207

B1 = 0,01

B2 = 0,01

B3 = 0,02

Sehingga diperoleh persamaan regresinya:

Ŷ = b0 + b1X1 +b2X2 + b3X3

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 631,19 1276,64 943,25 237,871 8

Residual -113,307 107,054 ,000 71,992 8

Std. Predicted Value -1,312 1,402 ,000 1,000 8

Std. Residual -1,190 1,124 ,000 ,756 8

a. Dependent Variable: Jumlah_Kejahatan Tabel 3.6 Nilai-Nilai Residu

3.4 Uji Keberartian

Pada uji ini, hipotesis yang digunakan adalah: H0 = koefisien regresi tidak signifikan

Hn = koefisien regresi signifikan

Uji Keberartian ini dilakukan untuk masing-masing koefisien regresi berikut ini: 1. Konstanta

a tabel 3.5 tepatnya pada kolom unstandardized coefficents, nilai konstanta adalah sebesar -55,207 nilai Thit = -0,15 dengan dk = 8-4 dan α = 0,05 : nilai t(0,05.4) = 2,776, sehingga

Thit < Ttab. Artinya, H0 diterima yang berarti bahwa konstanta tidak

memiliki pengaruh nyata terhadap model regresi. 2. Jumlah penduduk (X1)

a tabel 3.5 yaitu pada kolom unstandardized coefficents, nilai X1 adalah sebesar 0,01. Nilai Thit = 0,217

dengan dk = 8 - 4 dan α = 0,05 : nilai t(0,05.4) = 2,776, sehingga Thit < Ttob.

Artinya, H0 diterima yang berarti bahwa jumlah penduduk (X1) tidak

memiliki pengaruh nyata terhadap model regresi. 3. Jumlah penduduk miskin (X2)

a tabel 3.5 yaitu pada kolom unstandardized coefficents, nilai X2 adalah sebesar 0,01. Nilai Thit = 0,46

dengan dk = 8 - 4 dan α = 0,05 : nilai t(0,05.4) = 2,776, sehingga Thit < Ttob.

Artinya, H0 ditolak yang berarti bahwa jumlah penduduk miskin (X2)

memiliki pengaruh nyata terhadap model regresi. 4. Jumlah Pengeluaran dan konsumsi penduduk (X3)

a tabel 3.5 yaitu pada kolom unstandardized coefficents, nilai X3 adalah sebesar 0,02. Nilai Thit = 3,888

dengan dk = 8-4 dan α = 0,05 : nilai t(0,05.4) = 2,776, sehingga Thit >Ttob.

Artinya, H0 ditolak yang berarti bahwa jumlah Pengeluaran dan konsumsi

penduduk (X3) memiliki pengaruh nyata terhadap model regresi.

3.5 Uji Liniaritas Garis regresi

Uji liniaritas Garis regresi dimaksudkan untuk mengambil keputusan dalam memilih model regresi yang akan dipergunakan. Uji ini adalah syarat yang perlu karna akan memperoleh garis regresi yang akan digunakan dalam menganlisis data.

Uji liniaritas Garis regresi, Hipotesisnya adalah : H0 = Koefisien regresi tidak signifikan

Hu = Koefisien regresi signifikan

Berdasarkan hasil pengolahan data atau (output) yang telah diperoleh, maka liniaritas regresi ditentukan dengan melihat tabel 3.4. Kriteria yang akan digunakan adalah apabila nilai sig ≥ 0,005 maka H 0 diterima, artinya

persamaanya garis regresi tidak linier. Jika sebaliknya, maka H0 Ditolak yang

artinya persamaan artinya adalah persamaan garis regresi linier.. Dari Tabel 3.4 diketahui nilai sig ,013,Artinya kurang dari 0,005. Dengan demikian H0 ditolak

dan persamaanya adalah persamaan regresi linier.

3.6 Uji Normalitas Menggunakan Regresi Linier

Dalam teori model linier, hanya variabel tak bebaslah yang mempunyai uji normalitasnya, sedangkan variabel-variabel diasumsikan bukan merupakan fungsi distribusi sehingga tidak perlu diuji normalitasnya.

Dalam hal ini, Chart yang digunakan sebagai penguji normalitas dengan cara mendeteksi penyebaran data (titik) pada sumbu diagonal dari grafik. Pengambilan keputusannya adalah apabila data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi normal, maka model regresi telah memenuhi asumsi.

Charts

Gambar 3.2 Output berupa Normal P-P Of Regression Standardized Residul

Dari hasil tabel 3.2, dapat dilihat bahwa data menyebar disekitar data diagonal dan mengikuti arah garis histograf dan menjadi pola distribusi normal sehingga dapat dipastikan bahwa modal regresi tersebut memenuhi asumsi normalitas.

3.7 Analisis Korelasi

Analisis korelasi digunakan untuk meneliti hubungan antara dua buah variabel yang analisis. Berikut adalah koefisien-koefisien korelasi yang di hasilkan dengan program spss

Tabel 3.7 Nilai –Nilai Korelasi

Koefisien Korelasi memiliki nilai paling kecil -1 dan paling besar +1 (-1 ≤ r ≤ 1). Pada tabel 3.7 telah ditunjukkan bahwa koefisien korelasi antar jumlah penduduk (X1) dengan jumlah kejahatan (Y) = -0,403. Itu artinya korelasi tinggi sehingga

semakin tinggi jumlah Penduduk maka jumlah kejahatan (Y) semakin tinggi. Koefisien korelasi antara jumlah penduduk miskin (X2) dengan jumlah

kejahatan (Y) = -0,772. Artinya, menunjukkan hubungan yang kuat dengan arah Jumlah_ Kejahata n Jumlah_ Penduduk Jumlah_ penduduk _Miskin Jumlah_Pen geluaran_da n_Konsumsi Pearson Correla tion

Jumlah_Kejahatan 1,000 -,403 -,772 ,956

Jumlah_Penduduk -,403 1,000 ,583 -,456

Jumlah_Penduduk_M

iskin -,772 ,583 1,000 -,820

Jumlah_Pengeluaran_

dan_Konsumsi ,956 -,456 -,820 1,000

Sig. (1-tailed)

Jumlah_Kejahatan . ,161 ,012 ,000

Jumlah_Penduduk ,161 . ,065 ,128

Jumlah_Penduduk_M

iskin ,012 ,065 . ,006

Jumlah_Pengeluaran_

dan_Konsumsi ,000 ,128 ,006 .

N Jumlah_Kejahatan 8 8 8 8

Jumlah_Penduduk 8 8 8 8

Jumlah_Penduduk_M

iskin 8 8 8 8

Jumlah_Pengeluaran_

berbanding terbalik sehingga, jumlah penduduk miskin memiliki pengaruh yang kuat.

Koefisien korelasi antara Jumlah Pengeluaran dan konsumsi penduduk (X3) dengan jumlah kejahatan (Y) = 0,956. Artinya, korelasi yang kuat dan

arahnya berbanding terbalik. Sehingga pengeluaran dan konsumsi penduduk memiliki pengaruh yang sangat kuat terhadap jumlah kejahatan.

BAB 4

IMPLEMENTASI SISTEM

4.1 Pengertian Implementasi

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang telah disetuji, menginstal dan memulai sistem baru atau sistem yang diperbaiki. Tahapan implementasi sistem adalah tahapan penerapan hasil desain tertulis kedalam programming. Dalam pengolahan data pada Tugas Akhir ini penulis menggunakan perangkat lunak (softwere) sebagai implementasi sistem yaitu IBM SPSS statistics 22 for windows dalam masalah memperoleh perhitungan.

4.2 SPSS dalam Statistika

SPSS (Statistical package for the social sciences) merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. SPSS merupakan software yang paling populer, dan banyak yang digunakan sebagai alat bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS yang sebelumnya disingkat dari Statistical Package for the Social Sciences berubah menjadi Statistical Product and Service Solutions. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

4.3 Cara Kerja SPSS

Cara kerja komputer dan SPSS pada prinsipnya adalah sama, yaitu meliputi 3 bagian yaitu:

1. Input

a komputer, input berupa data yang akan diolah dengan komputer. Proses inputting dapat melalui keyboard, touch screen, atau hardisk. Pada statistik, input berupa data yang telah dikumpulkan, diedit, dan ditabulasi dan kemudian dianalisis. Pada SPSS input berupa data yang telah ditabulasi pada data editor bagian view data, sedangkan proses accoading dan pendefinisian variabel pada view variabel.

2. Process

a komputer proses berupa eksekusi program komputer menjalankan perintah-perintah sesuai dengan apa yang telah diprogramkan. Pada statistik proses berupa analisis perhitungan, baik secara deskriptip maupun inferensi, baik statistik parametrik maupun statistik nonparametrik. Pada SPSS proses berupa eksekusi program SPSS untuk menganalisis input yang ada di data editor sesuai dengan perintah dari operator.

3. Output

a komputer, output berupa hasil pengolahan yang telah diproses dengan program komputer yang sesuai. Bentuk output komputer bias dalam bentuk cetakan, tampilan, gambar, damn suara. Pada statistik output berupa hasil analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau tabel serta kesimpulan yang diperoleh dari hasil analisis. Pada SPSS, bentuk output disajikan dalam bentuk output navigator.

4.4 Langkah-Langkah Pengolahan Data dengan SPSS

Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS, yaitu :

1. Aktifkan program SPSS pada window dengan perintah:

rt lalu all program dan pilih IBM SPSS Statisctics for window tekan IBM SPSS Statistics 22 for window

Gambar 4.1 Tampilan Saat Memulai Membuka IBM SPSS 22

2. Cara memasukkan Data

Langkah-langkah dalam pengentrian data dengan menggunakan SPSS yaitu: buka lembar kerja baru dari menu file, pilih new, lalu klik data. Pada pemasukan data view isilah kolom dengan ketentuan data yang akan diolah. Cara mengentri datanya adalah sebagai berikut:

1. Input Variabel Y (Tingkat Kejahatan)

a. Name

Letakkan pointer pada kolom name, double klik pada kolom tersebut dan ketik Y.

b. Type

Karena Y berupa angka, maka klik kotak kecil pada kanan sel tersebut yaitu pilih numeric.

c. Width

Untuk keseragaman pada SPSS, ketik 8.

d. Decimals

e. Label

Label adalah keterangan untuk nama variabel yang bersangkutan. Maka untuk Y ketik Tingkat Kejahatan.

2. Input variabel X1 (Jumlah Penduduk)

a. Name

Letakkan pointer pada kolom name, double klik pada kolom tersebut dan ketik X1.

b. Type

Karena X1 berupa angka, maka klik kotak kecil pada kanan sel

tersebut yaitu pilih numeric. c. Width

Untuk keseragaman pada SPSS, ketik 8.

d. Decimals

Berhubung datanya tidak berkoma, maka ketik 0 e. Label

Label adalah keterangan untuk nama variabel yang bersangkutan. Maka untuk X1 ketik Jumlah Penduduk.

3. Input Variabel X2 (Jumlah Penduduk Miskin)

a. Name

Letakkan pointer pada kolom name, double klik pada kolom tersebut dan ketik X2.

b. Type

Karena X2 berupa angka, maka klik kotak kecil pada kanan sel

tersebut yaitu pilih numeric. c. Width

Untuk keseragaman pada SPSS, ketik 8.

d. Decimals

Berhubung datanya tidak berkoma, maka ketik 0 e. Label

keterangan untuk nama variabel yang bersangkutan. Maka untuk X2

4. Input variabel X3(Jumlah Pengeluaran dan konsumsi)

a. Name

Letakkan pointer pada kolom name, double klik pada kolom tersebut dan ketik X3.

b. Type

Karena X3 berupa angka, maka klik kotak kecil pada kanan sel

tersebut yaitu pilih numeric. c. Width

Untuk keseragaman pada SPSS, ketik 8.

d. Decimals

Berhubung datanya tidak berkoma, maka ketik 0 e. Label

Label adalah keterangan untuk nama variabel yang bersangkutan. Maka untuk X3 ketik Jumlah pengeluaran dan konsumsi

Untuk Variabel view dapat dilihat pada gambar berikut ini.

Gambar 4.2 Tampilan Pada pengertian Data di Variabel View

Setelah proses variabel view telah selesai, klik pada bagian view dan isikan pada kolom sesuai dengan variabelnya. Tampilannya adalah sebagai berikut:

Gambar 4.3 Tampilan saat di Data View

3. Analisis regresi dengan SPSS

Langkah-langkah untuk mencari analisis regresi linier berganda dengan menggunakan SPSS adalah sebagai berikut:

1. Buka data view, pilih analyze, regression, linier maka akan muncul gambar sebagai berikut:

Gambar 4.4 Tampilan saat membuka Persamaan Regresi

2. Langkah selanjutnya adalah masukan Y ke kolom dependent, dan variabel X1,X2,X3, dan X4 ke kolom independent. Maka tampilannya adalah sebagai

berikut:

3. Langkah selanjutnya pada kolom statictic dengan mengklik tab statisctik dan member tanda ceklist pada kotak estimate, model fit, descruptivees, part and partial correlations, kemudian pada residuals berikan ceklist pada casewise diagnostics seta all cases, kemudian klik continue akan tampil seperti berikut:

Gambar 4.6 Tampilan Pada Pengentrian Linier Regression Statictics

4. Langkah selanjutnya klik plot dan berikan tanda ceklist pada pilihan histogram, normal probability plot dna produce all partial plot, lalu klik tombol continue. Akan tampil dibawah ini.

Gambar 4.7 Tampilan Pada Pengertian Linier Regression Plot

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil pengolahan data, maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Persamaan regresi linier berganda yang diperoleh adalah Ŷ = -55,207 + 0,001X1 + 0,001 X2 + 0,002 X3. Atau jumlah penduduk = -55,207 + 0,001

jumlah penduduk + 0,001 Jumlah Penduduk Miskin 0,002 Jumlah Pengeluaran dan Konsumsi.

2. Pada tabel 3,5 variabel jumlah kejahatan yang mempengaruhi jumlah penduduk miskin, karena angka signifikannya berada dibawah 0,05 yaitu 0,018. Sedangkan variabel jumlah penduduk dan jumlah pengeluaran dan konsumsi berada diatas 0,05 yaitu masing-masing adalah 0,839 dan 0,966. a. Nilai Adjusted R Square sebesar 0,853. Artinya, variabel bebas jumlah

penduduk (X1), jumlah penduduk miskin (X2), jumlah pengeluaran dan

konsumsi (X3), memiliki pengaruh sebesar 85,3% terhadap jumlah

kejahatan (Y) dan sisanya dipengaruhi oleh variabel lain seperti misalnya pendapatan penduduk dan barang pengganti.

b. Pada tabel ANOVA dijelaskan bahwa nilai Fhitung yang didapat seperti

14,556 dengan tingkat signifikani sebesar 0,013 atau 0,13% yang berarti signifikansi. Sehingga H0 diterima yang artinya, bahwa persamaannya

adalah persamaan garis regresi linear.

c. berdasarkan gambar Histogram dan normal P-P Plot Of Regression standardizeed Residual dapat juga dipastikan bahwa model regresi tersebut memenuhi asumsi normalitas.

5.2Saran

1. Dalam menganalisa soal regresi linier berganda khususnya, selain dikerjakan perhitungan dengan komputer, sebaiknya dikerjakan juga melakukan perhitungan secara manual, agar model dapat lebih diteliti.

2. Bagi pihak Kabupaten Tapanuli Selatan diharapkan untuk lebih

memperhatikan faktor-faktor yang mempengaruhi tingginya tingkat kejahatan, seperti mampu mengatasi jumlah penduduk yang semakin meningkat di kabupaten Tapanuli Selatan yang membuat persaingan ketat dalam memperoleh pekerjaan sehingga masih banyak Masyarakat yang miskin, sementara jumlah pengeluaran dan konsumsi untuk kehidupan hidup semakin hari semakin meningkat maka tak jarang seseorang jadi nekat melakukan tindak kejahatan, bagi Kabupaten Tapanuli Selatan agar lebih memperhatikan jumlah anggota keluarga sebaiknya mengikuti program 2 anak cukup, agar tidak menimbulkan pertumbuhan penduduk yang meningkat pesat tetapi tidak sebanding dengan jumlah pengeluaran dan konsumsi.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan anatara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia telah melakukan studi tentang kecenderungan tinggi badan anak. Hasil studi tersebut merupakan suatu kesimpulan bahwa kecenderungan tinggi badan anak yang lahir terhadap orang tuanya adalah menurun mengarah pada tinggi badan rata-rata penduduk. Istilah regresi dapat digunakan sebagai alat untukmembuat perkiraan nilai suatu variabel tersebut. (Alfigari, 2000.analisis regresi teori.kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1

dan 2). Pada dasar dalam suatu persamaan regresi terdapat dua macam

variabel, yaitu variabel bebas (independent variable) yang dinyatakan dengan simbol X dan variabel terikat (dependent variable) yang biasanya dinyatakan dengan simbol Y. Variabel terikat adalah variabel yang dipengaruhi atau yang nilainya bergantung dari nilai variabel lain. Variabel bebas adalah variabel yang memberikan pengaruh. Bila variabel bebas diketahui maka variabel terikatnya dapat diprediksi besarnya. Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel bebas mempunyai sifat hubungan sebab-akibat.

2.2 Analisis regresi linier

Analisis regresi merupakan teknik yang digunakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel. Analisi regresi linier atau regresi garis lurus digunakan untuk:

Menentukan hubungan fungsional antar variabel dependent dengan independent.

Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier

Meramalkan atau menduga nilai dari satu variabel dengan hubungannya dengan variabel yang lain yang diketahui persamaan garis regresi. Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi terdiri dari dua bentuk, yaitu Analisis Regresi Linier Sederhana dan Analisis Regresi Linier Berganda.

Analisis regresi linier sederhana adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel terikat dan variabel bebas. Sedangkan analisis regresi regresi berganda adalah bentuk regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan dua atau lebih variabel bebas. Variabel bebas adalah variabel yang nilainya tergantung dengan variabel lainnya, sedangkan variabel terikat adalah variabel yang nilainya tergantung dari variabel lainnya.

Analisis regresi digunakan untuk mengetahui hubungan anatara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum dikertahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel bebas mempengaruhi variabel terikat dalam suatu fenomena yang komplek. Jika X1,X2, ... , Xk

adalah variabel-variabel bebas dan Y adalah variabel terikat, maka terdapat hubungan antara fungsional antara X dan Y dimana variasi dari X akan diiringi pula oleh variasi dari Y.

2.2.1 Analisis Regresi Linier Sederhana

Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabel prediktor dan satu variabel kriterium. Model regresi linier sederhananya adalah:

Ŷ= a + bX

di mana:

Y = Variabel terikat (dependent variable)

X = Variabel bebas (independent variable) a =Konstanta (Intercept)

b = Kemiringan (slope)

Penggunaan regresi linier sederhana didasarkanpada asumsi, diantaranya sebagai berikut:

1. Model regresi harus linier dalam parameter.

2. Variabel bebas tidak berkolerasi dengan disturbance term(eror).

3. Nilai disturbance term sebesar 0 atau dengan simbol sebagai e. 4. Varian untuk masing-masing error term (kelahan) konstan 5. Tidak terjadi autokorelasi

6. Model regresi dispesifikasikan secara benar. Ridak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.

�

=

(∑�1)(∑ ��²)−(∑��)(∑����) �∑�_�2_{− (∑�}

�)²

(2.1)

Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan rumus:

�

=

�(∑����)− (∑��)(∑��) �∑�_�2_{− (∑�}

�)²

(2.2)

Dengan Y dan X masing-masing rata-rata untuk variabel-variabel X dan Y.

2.2.2 Analisis Regresi Linier berganda

Regresi linier ganda (Multiple Regression) berguna untuk mencari pengaruh atau untuk meramalkan dua variabel prediktor atau lebih terhadap variabel kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan regresi yang baru, disebut persamaan regresi linier berganda (multiple regression). Model persamaan regresi linier berganda hampir sama dengan model regresi linier sederhana, letak perbedaannya hanya pada jumlah variabel bebasnya.

Secara umum model regresi linier berganda adalah sebagai berikut:

Ŷ = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk + Ɛ

di mana:

Ŷ = Variabel terikat (dependent variable)

b0 = Konstanta regresi

bk = Koefisien regresi variabel bebas Xk

Ɛ = Pengamatan variabel eror

Untuk memudahkan pengolahan data, maka data-data dapat dimasukkan ke dalam tabel. Bentuk umum dari tabel untuk variabel penduga yang lebih dari satu adalah seperti bentuk tabel di bawah ini:

TABEL 2.1 BENTUK UMUM TABEL DATA REGRESI LINIER BERGANDA

NO OBSERVASI

RESPON

Y1

VARIABEL BEBAS

X1i

VARIABEL BEBAS

X2i

VARIABEL BEBAS

VARIABEL BEBAS

Xk

1 Y1 X11 X21 ... Xk1

2 Y2 X12 X22 ... Xk2

3 Y3 X13 X23 ... Xk3

. . . . ... .

. . . . ... .

. . . . ... .

Dalam penelitian ini digunakan enam variabel yang terdiri dari satu variabel terikat (Y) dan lima variabel bebas (X). Maka persamaan regresi bergandanya adalah Ŷ = bo + b1X1i + b2X2i + b3X3i

2.3 Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan, terlebih dahulu diperiksa setidaknya mengenai kelinieran dan keberartiannya.

Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu jumlah kuadrat untuk regresi yang ditulis JKres. Maka secara umum jumlah kuadrat-kuadrat tersebut dapat

dihitung dengan rumus:

(2.3)

Dengan derajat kebebasan dk = k

Jk

reg =

∑

(Y

1 –

Ŷ

I

)

2

Dengan derajat kebebasan dk = (n – k – 1) untuk sampel ukuran n. Dengan demikian uji keberartian regresi berganda dapat dihitung dengan:

Fhitung =

�����/ �

�����(�−�−1) (2.4)

Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang V1 = K dan penyebut V2 = n – k – 1

2.3.1 Pengujian Hipotesis

Pengujian hipotesis merupakan salah satu yang akan dibuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah populasi maka tidak tertutup kemungkinan untuk terjadinya kesalahan dalam mengambil keputusan antara

menolak atau menerima suatu hipotesis. Pengujian hipotesis

dapat didasarkan dengan menggunakan dua hal, yaitu : tingkat signifikan atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikan adalah

probabilitas melakukan kesalahan tipe 1, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tngkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam malakukan uji hipotesis terdapat dua hipotesis, yaitu: H0 (hipotesis 0) dan Ha (hipotesis alternatif). H0 bertujuan

untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara

perkiraan penelitian dengan keadaan yang sesungguhnya yang akan diteliti. Ha bertujuan

memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan susungguhnya yang akan diteliti.

Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang diusulkan. Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan, yaitu :

2. Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed atau two tailed).

3. Penentuan nilai hitung statistik.

4. Menarik kesimpulan apakah menerima atau menolak hipotesis yang diusulkan

dalam uji keberartian regresi

Langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain. 1. H0 : ᵝ0 = ᵝ1 = ... = ᵝk = 0

k terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel terikat. Minimal satu parameter koefisien regresi ᵝk yang ≠ 0

Terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel terikat.

2. Pilih taraf nyata α yang diiginkan.

3. Hitung statistik Fhitung dengan menggunakan persamaan.

4. Nilai Ftabel menggunakan daftar table F dengan taraf signifikan α yaitu Ttabel = F(1-α)(K),(n -k-1).

5. Kriteria pengujian : jika Fhitung ≥ Ftabel, maka H0 ditolak dan Ha diterima. Sebaliknya jika

Fhitung < Ftabel, maka H0 diterima dan Ha ditolak.

2.4 Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabel-variabel bebas (X) yang ada di dalam model persamaan regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan dengan rumus, yaitu :

R2=�����

∑�12

di mana:

JKreg = Jumlah kuadrat regresi

Harga R2 diperoleh sesuai dengan variansi yang dijelaskan masing – masing variabel yang tinggal dalam regresi tersebut . Hal ini mengakibatkan variansi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja ataupun dengan kata lain hanya yang bersifat nyata.

2.5 Uji Koefisien Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi. Model persamaan regresi linier berganda:

Ŷ = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk + Ɛ

Perumusan Hipotesa:

H0 :ᵝi = 0 dimana i = 1,2, . . . , k

Ha : ᵝi≠ 0 dimana i = 1.2. . . . , k

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran �_�2,1,2,...,K, dan dii =

elemen matriks (X’X)-1 dari baris i kolom i yang terletak pada diagonal utama. Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien b, yakni:

Sb1 = �(�_�2,1,2,...,k)dii (2.6)

Selanjutnya hitung statistik:

Ti =

b1

��1

(2.7)

Kriteria Pengujian :

Jika thitung ≥ ttabel, maka H0 ditolak dan Haditerima

Jika thitung < ttabel, maka H0 diterima dan Ha ditolak

Dengan derajat kebebasan dk = (n-k-1) dan ttabel = ttabel = t(n-k-1;α) Dimana α = 1 - ��₂dimana α = 0,05

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Salah satu faktor pendukung terciptanya kesejahteraan masyarakat adalah rendahnya tingkat kejahatan/ kriminalitas yang terjadi ditengah tengah kehidupan masyarakat. Tingkat rendahnya kejahatan yang terjadi sangat tergantung pada seberapa banyak pelaku kejahatan/ pelanggaran dapat diselesaikan secara hukum.

Kriminalitas atau tindak kejahatan adalah tingkah laku yang melanggar hukum dan norma-norma sosial, sehingga masyarakat menentangnya. Dalam banyak kasus kejahatan terjadi karena beberapa faktor. Faktor penyebab kejahatan antara lain faktor Jumlah Penduduk, Jumlah Penduduk Miskin yang terdiri dari faktor-faktor ekonomi (Jumlah Pendapatan dan Pengeluaran Konsumsi Penduduk), faktor-faktor mental (agama, bacaan, harian-harian, film), dan faktor-faktor pribadi (umur, ras dan nasionalitas, alkohol, perang).

Kondisi Kejahatan Kabupaten Tapanuli Selatan tahun 2006 sebanyak 628 kasus, tahun 2007 sebanyak 692 kasus, tahun 2008 sebanyak 752 kasus, tahun 2009 sebanyak 890 kasus, tahun 2010 sebanyak 988 kasus, tahun 2011 sebanyak 1051 kasus, tahun 2012 sebanyak 1270 kasus, tahun 2013 sebanyak 1275 kasus. Berdasarkan kondisi tersebut Kabupaten Tapanuli Selatan mengalami naik turunnya tindak kejahatan (Polres Tapsel, 2014)

L.M Cristone (1791-1848) mengatakan bahwa ada hubungan antara industri dengan pertambahan kemiskinan yang mengakibatkan naiknya kejahatan. Kemiskinan merupakan penyebab dari revolusi dan kriminalitas (Aristoteles). Kemiskinan diartikan sebagai suatu keadaan dimana seseorang tidak sanggup memelihara dirinya sendiri sesuai dengan taraf kehidupan kelompok dan juga tidak mampu memanfaatkan tenaga mental maupun fisiknya dalam kelompok.

Masalah penganguran dinilai menjadi faktor utama pemicu terjadinya tindak kejahatan di Kabupaten Tapanuli Selatan. Sulitnya mencari penghasilan, tuntutan perut dan gaya hidup yang mahal membuat seseorang nekat melakukan tindak kejahatan.

Berbagai penyimpangan yang mereka lakukan adalah buah dari sendi kehidupan masyarakat pengangguran yang tiada pilihan.

Aparat keamanan yang punya tugas memberikan rasa aman kepada masyarakat seakan tidak mampu berbuat banyak. Ini karena jumlah pelaku kejahatan kendati ditangkap terus bertambah, bahkan modusnya makin berani dan menggila. kenyataan di lapangan selalu menunjukkan, rata-rata pelaku kejahatan adalah para pengangguran yang terdesak kebutuhan ekonomi, khususnya pelaku kejahatan kelas teri. sesungguhnya tingkat pengangguran yang sangat akrab dengan kemiskinan itu tidak pantas dibiarkan berlarut-larut, sebab bakal memicu berbagai kerawanan.

Dengan melihat realita dan memiliki harapan atau mimpi bangsa ini untuk menjadi negara yang makmur dan sejahtera maka penulis ingin mengusulkan judul "Faktor-Faktor Yang Mempengaruhi Tingkat Kejahatan Di Kabupaten Tapanuli Selatan''.

1.2 Rumusan Masalah

Kehidupan yang aman, nyaman dan tentram tentunya merupakan suatu hal yang sangat diinginkan oleh setiap manusia. Sebagai usaha untuk meningkatkan keamanan di Kabupaten Tapanuli Selatan diperlukan adanya pengkajian data yang dapat menggambarkan faktor apa yang paling mempengaruhi terjadinya tindakan kejahatan dengan cara mengolah dan menganalisa data yang diperoleh.

1.3 Batasan Masalah

Untuk mempermudah pembahasan dan pemecahan masalah, maka perlu dibuat suatu pembatasan masalah agar sesuai dengan tujuan dan tepat sasaran, yaitu :

2. Pemecahan masalahnya dibatasi pada jumlah kejahatan, persentase tingkat pengangguran, jumlah industri, jumlah penduduk dan jumlah penduduk miskin dengan menggunakan data pada tahun 2006 sampai dengan tahun 2013.

1.4 Tujuan Penelitian

Ada pun tujuan dilakukan penelitian ini adalah:

1. Untuk menentukan persamaan linier berganda dari faktor penduga terjadinya tingkat kejahatan.

2. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi tindak kejahatan.

3. Untuk mengetahui faktor yang paling berpengaruh terhadap tingginya tingkat kejahatan.

1.5 Manfaat Penelitian

Ada pun metode-metode yang dilakukan dalam pengumpulan data faktor yang mempengaruhi tingkat tindak kejahatan di Kabupaten Tapanuli Selatan Diantaranya adalah :

1. Metode Penelitian Kepustakaan (Studi Literatur)

Penelitian yang dilakukan dengan mengamati data yang tersedia, data tersebut diperoleh dengan membaca buku-buku serta bahan-bahan yang bersifat teoritis yang berasal dari perpustakaan dimana data itu diperoleh.

2. Metode Pengumpulan Data

Pengumpulan data bersumber dari data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara dan dari Kepolisian Negara Tapanuli Selatan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk

angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut

3. Metode Pengolahan Data

Data dianalisa menggunakan metode regresi linier berganda untuk melihat persamaan regresi liniernya dan untuk mengetahui hubungan setiap variabel digunakan analisi korelasi.

Langkah-langkah yang dilakukan dalam pengolahan data adalah:

1. Mengelompokkan data menjadi variabel bebas (X) dan variabel terikat (Y).

2. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas X1, X2, ... , Xk

3. Uji Regresi Linier berganda untuk mengetahui besarnya pengaruh variable bebas X secara bersama-sama terhadap variabel terikat Y.

4. Uji korelasi untuk mengetahui seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel-variabel terikat.

1.6 Metode Penelitian

Ada pun metode-metode yang dilakukan dalam pengumpulan data faktor yang mempengaruhi tingkat tindak kejahatan di Tapanuli Selatan diantaranya adalah:

1. Metode Penelitian Kepusatakaan (Studi literature)

Penelitian yang dilakukan dengan mengamati data yang telah tersedia, data tersebut diperoleh dengan membaca buku-buku serta bahan-bahan yang bersifat teoritis yang berasal dari perpustakaan dimana data itu diperoleh.

2. Metode Pengumpulan Data

Pengumpulan data bersumber dari data sekunder yang diperoleh dari Bada Pusat Statistik (BPS) Provinsi Sumatera Utara Dan Dari Polres Tapanuli Selatan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk

angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode Pengolahan Data

Data dianalisa menggunakan metode regresi linier berganda untuk variable digunakan analisis korelasi.

Langkah-langkah yang dilakukan dalam pengolahan data adalah:

1. Mengelompokkan data menjadi variable bebas (X) dan variable terikat (Y).

2. Menentukan hubungan antara variable bebas (X) dengan variable terikat (Y) sehingga didapat regresi Y atas X1,X2, … ,Xk.

3. Uji Regresi Linier Berganda untuk mengetahui besarnya pengaruh variable bebas X secara bersama-sama terhadap variable terikat Y.

4. Uji Korelasi untuk mengetahui seberapa besar pengaruh hubungan variable-variabel bebas tersebut terhadap terikat.

1.7 Tinjauan Pustaka

Analisi regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antara variabel, hubungan tersebut dapat dikorespondensikan dalam bentuk persamaan yang menghubungkan variabel terikat/ defendent dengan satu atau lebih variabel bebas/ independent, maka pada regresi berganda digunakan lebih dari satu variabel bebas/ independent.

Dengan semakin banyaknya variabel bebas berarti semakin tinggi pula kemampuan regresi yang dibuat untuk menerangkan variabel terikat, atau peran faktor-faktor lain diluar variabel bebas yang digunakan, yang dicerminkan oleh error semakin kecil. Studi yang menyangkut masalah ini dikenal dengan analisis regresi berganda. Persamaan Regresi Linier Berganda:

di mana:

Y : Variabel tak bebas/ variabel terikat X1, X2, ... Xk : Variabel Bebas

∑ : Kesalahan

b0 : Konstanta

b0, b1, b2, ... , bk : Koefisien variabel bebas

Maka variabel-variabel penelitian dapat dimasukkan kedalam persamaan dengan:: Y = Tingkat Kejahatan

X1 = Jumlah Penduduk

X2 = Jumlah Penduduk Miskin

X3 = Jumlah pengeluaran dan konsumsi Penduduk

Nilai koefisien korelasi

Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antar variable. Koefisien korelasi biasanya disimbolkan dengan r.

FAKTOR – FAKTOR YANG MEMPENGARUHI TINGKAT KEJAHATAN DI KABUPATEN TAPANULI SELATAN

TUGAS AKHIR

ELVAN RIFIYANTO PANE 122407118

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2015

FAKTOR – FAKTOR YANG MEMPENGARUHI TINGKAT KEJAHATAN DI KABUPATEN TAPANULI SELATAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

ELVAN RIFIYANTO PANE 122407118

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

PERSETUJUAN

Judul :FAKTOR – FAKTOR YANG MEMPENGARUHI

TINGKAT KEJATAHATAN DI KABUPATEN TAPANULI SELATAN TAHUN

2006-2013

Kategori :TUGAS AKHIR

Nama :ELVAN RIFIYANTO PANE

Nomor Induk Mahasiswa :122407118

Program Studi :DIPLOMA (DIII) STATISTIKA

Departemen :MATEMATIKA

Fakultas :MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juli 2015

Diketahui oleh:

Pembimbing, Ketua Program Studi D3 Statistika

FMIPA USU

Dr. Faigiziduhu Bu’ulӧlӧ, M.Si.

NIP. 19531218 198003 1 003 NIP. 19640109 198803 1 004

PERNYATAAN

FAKTOR – FAKTOR YANG MEMPENGARUHI TINGKAT KEJAHATAN DI TAPANULI SELATAN

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2015

ELVAN RIFIYANTO PANE 122407118

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala kasih karunia dan penyertaanNya penulis dapat menyelesaikan penyusunan tugas akhir ini dengan judul Faktor – faktor yang Mempengaruhi Tingkat Kejahatan Di Kabupaten Tapanuli Selatan.

Pada kesempatan ini, dalam penulis mendapatkan banyak bantuan dari barbagai pihak. Terimakasih Penulis sampaikan kepada bapak Prof. Dr. Saib Suwilo, M.Sc selaku pembimbing dan bapak Dr. Faigiziduhu Bu’ulölö, M.Si. dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan selaku Sekertaris Program Studi D3 Statistika FMIPA USU yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA USU, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU. Akhirnya tidak terlupakan kepada orang tua saya Bapak Panyahatan Pane dan Ibu Rita Berlian Batubara dan keluarga yang selalu memberikan dukungan kepada saya baik itu berupa dukungan moril maupun dukungan materil, teman-teman seperjuangan yang selalu memberikan motivasi baik berupa sharing pendapat dan hal-hal lainnya dalam rangka pembuatan tugas akhir ini. Penulis berharap Tuhan Yang Maha Esa membalasnya.

Medan, Juli 2015 Penulis,

DAFTAR ISI

Halaman

PERSETUJUAN

ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Peneltian 3

1.6 Metodologi Penelitian 4

1.7 Tinjauan Pustaka 5

BAB 2 LANDASAN TEORI 7

2.1 Pengertian Regresi 7

2.2 Analisis Regresi linier 7

2.2.1 Analisis Regresi Linier Sederhana 8

2.2.2 Analisis Regresi Linier Berganda 9

2.3 Uji Keberartian Regresi 11

2.3.1 Pengujian Hipotesis 12

2.4 Koefisien Determinasi 13

2.5 Uji Koefisien Regresi Linier Berganda 14

BAB 3 PENGELOLAHAN DATA 15

3.1 Pengumpulan Data 15

3.2 Pengolahan Data 16

3.3 Persamaan Regresi Linier Berganda 16

3.4 Uji Keberartian 20

3.5 Uji Liniaritas Garis Regresi 21

3.6 Uji Normalitas Menggunakan Regresi Linier 21

BAB 4 IMPLEMENTASI SISTIM 26

4.1 Pengertian Implementasi 26

4.2 Hasil Implementasi 26

4.3 Cara Kerja SPSS 26

4.4 Langkah-Langkah Pengolahan Data dengan SPSS 27

BAB 5 KESIMPULAN DAN SARAN 35

5.1 Kesimpulan 35

5.2 Saran 36

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 3.1 Data Tindak Kejahatan, Jumlah Penduduk, Jumlah 15

Penduduk Miskin Jumlah Industri, Jumlah Pengeluaran dan Konsumsi Penduduk Tahun 2006 – 2014. Tabel 3.2 Metode Kota Dialog Regresi Linier 17

Tabel 3.3 Metode Hasil Penjumlahan 18

Tabel 3.4 Output ANOVA 1 Arah 18

Tabel 3.5 Nilai-nilai Koefisien 19

Tabel 3.6 Nilai Residual 20

DAFTAR GAMBAR

Halaman

Gambar 3.1 Output Berupa Histogram 22

Gambar 3.2 Output berupa Normal P-P Of regression 23

Standardized Residul

Gambar 4.1 Tampilan Saat Memulai Membuka IBM SPSS 22 28

Gambar 4.2 Tampilan Pada Pengertian Data di Variabel View Gambar 4.3 Tampilan Saat di Data View 31 Gambar 4.4 Tampilan Saat Membuka Persamaan Regresi 32 Gambar 4.5 Tampilan Untuk Menentukan Nilai Linier Regression 32 Gambar 4.6 Tampilan Pada Pengentrian Linier Regression Statictics 33 Gambar 4.7 Tampilan Pada Pengertian Linier Regression Plot 34

PERNYATAAN

FAKTOR – FAKTOR YANG MEMPENGARUHI TINGKAT KEJAHATAN DI TAPANULI SELATAN

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2015

ELVAN RIFIYANTO PANE 122407118

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala kasih karunia dan penyertaanNya penulis dapat menyelesaikan penyusunan tugas akhir ini dengan judul Faktor – faktor yang Mempengaruhi Tingkat Kejahatan Di Kabupaten Tapanuli Selatan.

Pada kesempatan ini, dalam penulis mendapatkan banyak bantuan dari barbagai pihak. Terimakasih Penulis sampaikan kepada bapak Prof. Dr. Saib Suwilo, M.Sc selaku pembimbing dan bapak Dr. Faigiziduhu Bu’ulölö, M.Si. dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan selaku Sekertaris Program Studi D3 Statistika FMIPA USU yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA USU, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, seluruh Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU. Akhirnya tidak terlupakan kepada orang tua saya Bapak Panyahatan Pane dan Ibu Rita Berlian Batubara dan keluarga yang selalu memberikan dukungan kepada saya baik itu berupa dukungan moril maupun dukungan materil, teman-teman seperjuangan yang selalu memberikan motivasi baik berupa sharing pendapat dan hal-hal lainnya dalam rangka pembuatan tugas akhir ini. Penulis berharap Tuhan Yang Maha Esa membalasnya.

Medan, Juli 2015 Penulis,

DAFTAR ISI

Halaman PERSETUJUAN

ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Peneltian 3

1.6 Metodologi Penelitian 4

1.7 Tinjauan Pustaka 5

BAB 2 LANDASAN TEORI 7

2.1 Pengertian Regresi 7

2.2 Analisis Regresi linier 7

2.2.1 Analisis Regresi Linier Sederhana 8

2.2.2 Analisis Regresi Linier Berganda 9

2.3 Uji Keberartian Regresi 11

2.3.1 Pengujian Hipotesis 12

2.4 Koefisien Determinasi 13

2.5 Uji Koefisien Regresi Linier Berganda 14

BAB 3 PENGELOLAHAN DATA 15

3.1 Pengumpulan Data 15

3.2 Pengolahan Data 16

3.3 Persamaan Regresi Linier Berganda 16

3.4 Uji Keberartian 20

3.5 Uji Liniaritas Garis Regresi 21

3.6 Uji Normalitas Menggunakan Regresi Linier 21

BAB 4 IMPLEMENTASI SISTIM 26

4.1 Pengertian Implementasi 26

4.2 Hasil Implementasi 26

4.3 Cara Kerja SPSS 26

4.4 Langkah-Langkah Pengolahan Data dengan SPSS 27

BAB 5 KESIMPULAN DAN SARAN 35

5.1 Kesimpulan 35

5.2 Saran 36

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman

Tabel 3.1 Data Tindak Kejahatan, Jumlah Penduduk, Jumlah 15

Penduduk Miskin Jumlah Industri, Jumlah Pengeluaran dan Konsumsi Penduduk Tahun 2006 – 2014. Tabel 3.2 Metode Kota Dialog Regresi Linier 17

Tabel 3.3 Metode Hasil Penjumlahan 18

Tabel 3.4 Output ANOVA 1 Arah 18

Tabel 3.5 Nilai-nilai Koefisien 19

Tabel 3.6 Nilai Residual 20

DAFTAR GAMBAR

Halaman

Gambar 3.1 Output Berupa Histogram 22

Gambar 3.2 Output berupa Normal P-P Of regression 23 Standardized Residul

Gambar 4.1 Tampilan Saat Memulai Membuka IBM SPSS 22 28 Gambar 4.2 Tampilan Pada Pengertian Data di Variabel View Gambar 4.3 Tampilan Saat di Data View 31 Gambar 4.4 Tampilan Saat Membuka Persamaan Regresi 32 Gambar 4.5 Tampilan Untuk Menentukan Nilai Linier Regression 32 Gambar 4.6 Tampilan Pada Pengentrian Linier Regression Statictics 33 Gambar 4.7 Tampilan Pada Pengertian Linier Regression Plot 34