Faktor-Faktor Yang Mempengaruhi Tingkat Kejahatan Di Kotamadya Medan

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT

KEJAHATAN DI KOTAMADYA MEDAN

TUGAS AKHIR

NURNENGSIH PANGGABEAN

112407041

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT

KEJAHATAN DI KOTAMADYA MEDAN

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

NURNENGSIH PANGGABEAN

112407041

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEJAHATAN DI KOTAMADYA MEDAN

Kategori : TUGAS AKHIR

Nama : NURNENGSIH PANGGABEAN

Nomor Induk Mahasiswa : 112407041

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing,

Ketua,

Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Agus Salim Harahap, M.Si NIP. 19531218 198003 1 003 NIP. 19540828 198103 1 004

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEJAHATAN DI KOTAMADYA MEDAN

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 2014

NURNENGSIH PANGGABEAN 112407041

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan tugas akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Tingkat Kejahatan Di Kotamadya Medan.

Terimakasih penulis sampaikan kepada Bapak Drs. Agus Salim Harahap, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh Staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Nelson Panggabean, Ibu Burma Lilian Silitonga dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Penulis,

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar vii

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 4

1.6 Metodologi Penelitian 4

1.7 Tinjauan Pustaka 6

1.8 Sistematika Penulisan 8

Bab 2 Landasan Teori 10

2.1 Pengertian Regresi 10

2.2 Analisis Regresi Linier 11

2.2.1 Analisis Regresi Linier Sederhana 13 2.2.2 Analisis Regresi Linier Berganda 14

2.3 Uji Keberartian Regresi 18

2.3.1 Pengujian Hipotesis 19

2.4 Koefisien Determinasi 21

2.5 Uji Koefisien Korelasi 21

2.6 Kesalahan Standart Estimasi 24

2.7 Uji Koefisien Regresi Linier Berganda 25

Bab 3 Gambaran Umum Lokasi Riset 26

3.1 Badan Pusat Statistik 26

3.1.1 Sejarah Badan Pusat Statistik 26

3.1.2 Visi dan Misi Badan Pusat Statistik 30

3.1.3 Struktur Organisasi BPS 31

3.1.4 Job description 31

3.2 Kepolisian Negara Republik Indonesia 33

3.2.1 Sejarah singkat POLRI 33

3.2.2 Struktur Organisasi 34

Halaman

Bab 4 Analisis Data 39

4.1 Pengolahan Data 39

4.2 Persamaan Regresi Linier Berganda 40

4.3 Pengujian Regresi Linier Berganda 47

4.4 Perhitungan Korelasi Linier Berganda 52

4.5 Perhitungan Korelasi antara Variabel Bebas dan Terikat 53 4.6 Perhitungan Korelasi antara Variabel Bebas 58 4.7 Pengujian Koefisien Regresi Linier Berganda 64

Bab 5 Implementasi Sistem 68

5.1 Pengertian Implementasi Sistem 68

5.2 SPSS Dalam Statistika 68

5.3 Cara Kerja SPSS 69

5.4 Langkah-Langkah Pengolahan Data dengan SPSS 70

5.5 Output Pengolahan Data dengan SPSS 79

Bab 6 Kesimpulan dan Saran 83

6.1 Kesimpulan 83

6.2 Saran 86

Daftar Pustaka Lampiran

DAFTAR TABEL

Halaman Tabel 4.1 Data Jumlah Tingkat Kejahatan, Persentase Tingkat Pengangguran,

Jumlah Industri, Jumlah Penduduk, Jumlah Pendapatan Perkapita,

Jumlah Penduduk Miskin 39

Tabel 4.2 Masukan Data 40

Tabel 4.3 Kuadrat Masing-Masing Data 41

Tabel 4.4 Penggandaan antara Variabel Y dengan 41

Tabel 4.5 Penggandaan antara Variabel 42

Tabel 4.6 Data dan Kekeliruan Taksiran Baku 46

Tabel 4.7 Deviasi Masing-Masing Variabel 48

Tabel 4.8 Kuadrat Deviasi Masing-Masing Variabel 49

Tabel 4.9 Penggandaan antara Deviasi 50

Tabel 4.10 Penggandaan antara Deviasi y dengan 50

DAFTAR GAMBAR

Halaman

Gambar 5.1 Tampilan Saat Memulai Membuka IBM SPSS 22 70

Gambar 5.2 Tampilan Pada Pengentrian Data di Variabel View 75

Gambar 5.3 Tampilan saat di Data view 76

Gambar 5.4 Tampilan saat Membuka Persamaan Regresi 76

Gambar 5.5 Tampilan Untuk Menentukan Nilai Linier Regression 77

Gambar 5.6 Tampilan Pada Pengentrian Linier Regression Statistics 78

BAB 1

PENDAHULUAN

1.1Latar 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 melanggar norma-norma sosial, sehingga masyarakat menentangnya. Dalam banyak kasus kejahatan terjadi karena beberapa faktor. Faktor penyebab kejahatan antara lain faktor biologik, sosiologik yang terdiri dari faktor-faktor ekonomi (sistem ekonomi, populasi, perubahan harga pasar, krisis moneter, kurangnya lapangan kerja dan pengangguran), faktor-faktor mental (agama, bacaan, harian-harian, film), faktor-faktor fisik (keadaan iklim dan lain-lain), dan faktor-faktor pribadi (umur, ras dan nasionalitas, alkohol, perang) (Kartono, 1999).

L.M Christone (1791-1848) mengatakan bahwa ada hubungan antara indutri 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 pengangguran dinilai menjadi faktor utama pemicu terjadinya tindak kejahatan di Kotamadya Medan. 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 penganggur 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 tersebut 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 Kotamadya Medan “

1.2Rumusan Masalah

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

1.3Batasan Masalah

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

1. Analisis data dilakukan dengan menggunakan metode regresi linier berganda.

2. Pemecahan masalahannya dibatasi pada jumlah kejahatan, persentase tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, dan jumlah penduduk miskin dengan menggunakan data pada tahun 2003 sampai dengan tahun 2012.

1.4Tujuan 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.

1.5Manfaat Penelitian

Manfaat yang dapat diambil dari penelitian ini adalah:

1. Sebagai informasi, dengan mengetahui hal apa yang paling mempengaruhi tindak kejahatan maka hasil analisa tersebut dapat memberi masukan kepada Aparat keamanan yang punya tugas memberikan rasa aman kepada masyarakat dan kepada pihak pemerintah untuk memfokuskan diri pada bagian mana yang perlu mendapatkan perhatian untuk mengurangi tindak kejahatan dan tercapainya kesejahteraan masyarakat.

2. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis dalam menganalisa data.

1.6Metode Penelitian

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

1. Metode Penelitian Kepustakaan (Studi literatur)

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 Badan Pusat Statistik (BPS) Provinsi Sumatera Utara dan dari Kepolisian Negara Republik Indonesia Resort Kota Medan. 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 analisis 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

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

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

1.7 Tinjauan Pustaka

Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antara variabel ,hubungan tersebut dapat dikorespondensikan dalam bentuk persamaan yang menghubungan variabel terikat/ dependent dengan satu atau lebih variabel bebas/ independent. Prinsip dasar pemodelan regresi majemuk tidak berbeda dengan regresi sederhana. Hanya saja pada regresi sederhana digunakan satu variabel bebas/ independent, maka pada regeresi 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 regeresi berganda.

Persamaan Regresi Linier Berganda:

Keterangan:

: Variabel tak bebas/variabel terikat : Variabel bebas

b0 : Konstanta

: Koefisien variabel bebas

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

= Persentase Tingkat Pengangguran = Jumlah Industri

= Jumlah Penduduk

= Jumlah Pendapatan Perkapita = Jumlah Penduduk Miskin

Nilai koefisien korelasi:

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

=

–

√

Keterangan:

n : Banyaknya pasangan data X dan Y ∑ : Jumlah nilai dari variable

∑ : Jumlah nilai dari variabel Y

∑ : Jumlah kuadrat nilai dari variable Y ∑ : Jumlah hasil kali nilai variabel X dan Y

1.8Sistematika Penulisan

Penulisan tugas akhir ini disusun secara sistematis, yang didalamnya dikemukakan bab maupun subab, yaitu sebagai berikut:

BAB 1 : PENDAHULUAN

Dalam bab ini diuraikan latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, tinjauan pustaka, dan sistematika penulisan yang digunakan.

BAB 2 : LANDASAN TEORI

Dalam bab ini akan diuraikan mengenai teori-teori dan tinjauan pustaka yang dijadikan penulis sebagai acuan tentang segala sesuatu yang menyangkut terhadap penyelesaian masalah sesuai dengan judul permasalahan yang diuraikan.

BAB 3 : GAMBARAN UMUM

Bab ini menjelaskan sejarah singkat tentang Badan Pusat Statistika (BPS) Provinsi Sumatera Utara dan Kepolisian Negara Republik Indonesia Resort Kota Medan.

BAB 4 : ANALISIS DATA

Pada bab ini penulis menganalisa data yang ada yang telah diamati dan dikumpulkan dengan menggunakan metode analisa regresi linier berganda.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang program atau softwere yang digunakan sebagai analisis terhadap data yang telah diperoleh.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan kesimpulan dari pembahasan serta saran-saran penulis berdasarkan kesimpulan yang diperoleh.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara 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 pada mulanya bertujuan untuk membuat perkiraan nilai satu variabel terhadap variabel yang lain. Pada perkembangan selanjutnya, analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut. (Alfigari, 2000.Analisis Regresi Teori, kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2)

Pada dasarnya 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 matematik yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi linier atau regresi garis lurus digunakan untuk:

1. Menentukan hubungan fungsional antar variabel dependent dengan independent. Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier.

2. Meramalkan atau menduga nilai dari satu variabel dengan hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresi. Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi terdiri dari dua bentuk, yaitu:

1. Analisis Regresi Linier Sederhana 2. 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 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 lainya, sedangkan variabel terikat adalah variabel yang nilainya tergantung dari variabel lainya.

Analisi regresi digunakan untuk mengetahui hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel bebas mempengaruhi variabel terikat dalam suatu fenomena yang komplek. Jika 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. Jika dibuat secara matematis hubungan ini dapat dijabarkan sebagai berikut:

Keterangan:

Y = Variabel terikat (Dependent) X = Variabel bebas (Independent) e = Variabel residu (Disturbace term)

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni:

1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.

2. Menguji berapa besar variasi variabel dependent dapat diterangkan oleh variasi independent.

3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.

4. Melihat apakah tanda menghitung dari estimasi parameter cocok dengan teori.

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:

Keterangan:

Y = Variabel terikat (dependent variable) X = Variabel bebas (independent variable) a = Konstanta (intercept)

b = Kemiringan (slope)

Penggunaan regresi linier sederhana didasarkan pada 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 (kesalahan) konstan 5. Tidak terjadi autokorelasi

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

Koefisien - koefisien regresi a dan b dapat dihitung dengan rumus: ∑ (∑ ) ∑ ∑

∑ ∑ ∑ ∑ ∑

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

̅ ̅

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

2.2.2Analisis 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 linieer berganda (multiple regression). Model persamaan regresi linier berganda hampir sama dengan model regrei linier sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya.

Secara umum model regresi linier berganda adalah sebagai berikut:

Keterangan:

Y = Variabel terikat (dependent variable) X = Variabel bebas (independent variable)

= Konstanta regresi

= Koefisien regresi variabel bebas = Pengamatn variabel error

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 VARIABEL BEBAS

VARIABEL BEBAS

VARIABEL BEBAS

VARIABEL BEBAS

1 ...

2 ...

3 ...

. . . . ... .

. . . . ... .

. . . . ... .

N ...

Dalam penelitian ini digunakan enam variabel yang terdiri dari satu variabel terikat (Y) dan lima variabel bebas (X). Maka persamaan regresi bergandanya adalah:

Persamaan diatas dapat diselesaikan dengan enam bentuk, yaitu: ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑

Dalam notasi matriks maka persamaan di atas dapat ditulis sebagai berikut:

[ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ][ ] = [ ∑ ∑ ∑ ∑ ∑ ∑ ] b

Untuk dapat memperoleh nilai-nilai dugaan bagi parameter model, maka perlu ditentukan invers matriks , yaitu:

Sistem persamaan diatas tersebut dapat disederhanakan sedikit, apabila diambil

̅ ̅ ̅ ̅

̅ ̅ Maka persamaan sekarang menjadi:

Koefisien-koefisien untuk persamaan tersebut dapat dihitung dengan rumus:

∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

Dengan penggunaan dan y yang baru, maka diperoleh harga . Harga setiap koefisien penduga yang diperoleh kemudian disubsitusikan ke persamaan awal sehingga diperoleh model regresi linier berganda y atas dan .

2.3Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan, terlebih dahulu diperiksa setidak-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 dan jumlah kuadrat untuk sisa (residu) yang ditulis dengan . Jika ̅ ̅ ̅

̅ maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dengan rumus:

∑ ∑ ∑

Dengan derajat kebebasan dk=k

∑ ̂

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

Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat kebebasan pembilang

2.3.1Pengujian Hipotesis

Pengujian hipotesis merupakan salah satu tujuan 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 signifikansi atau probabilitas 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 signifikansi adalah probabilitas melakukan kesalahan tipe 1, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: (hipotesis 0) dan (hipotesis alternatif). bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya yang akan diteliti. bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang akan diteliti.

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

1. Hipotesis nol dan hipotesis alternative yang diusulkan

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.

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel terikat.

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

2. Pilih taraf nyata yang diinginkan.

3. Hitung statistik dengan menggunakan persamaan.

4. Nilai menggunakan daftar table F dengan taraf signifikansi yaitu: .

5. Kriteria pengujian : jika , maka ditolak dan diterima. Sebaliknya jika , maka diterima dan ditolak.

2.4Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan 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 akan ditentukan dengan rumus, yaitu:

∑

Keterangan:

= Jumlah kuadrat regresi

Harga yang 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.

2.5Uji Korelasi

Analisa korelasi dilakukan untuk mengetahui hubungan antara dua variabel (bivariate correlation) atau lebih dari 2 variabel (multivariate correlation) dalam

suatu penelitian. Untuk menentukan seberapa besar hubungan antar variabel tersebut dapat dihitung dengan menggunakan rumus koefisien korelasi. Rumus untuk koefisien regresi adalah:

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

Adapun untuk menghitung koefisien korelasi antara variabel terikat Y dan variabel bebas yaitu :

1. Koefisien korelasi antara Y dan

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

2. Koefisien korelasi antara Y dengan

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

3. Koefisien korelasi antara Y dan

∑ ∑ ∑

4. Koefisien korelasi antara Y dan

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

5. Koefisien korelasi antara Y dan

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah (+) ataupun minus (-) yang menunjukan arah korelasi. Makna dari sifat korelasi adalah:

1. Tanda positif (+) pada koefisien korelasi menunjukan hubungan searah atau koefisien positif. Artinya jika nilai suatu variabel mengalami kenaikan maka nilai variabel yang lain juga mengalami kenaikan dan demikian juga sebaliknya.

2. Tanda negatif (-) pada koefisien korelasi menunjukan hubungan yang berlawanan arah atau korelasi negatif. Artinya jika nilai suatu variabel mengalami kenaikan maka nilai variabel yang lain akan mengalami penurunan dan demikian juga sebaliknya.

Sifat korelasi akan menentukan arah korelasi. Keeratan korelasi dapat dikelompokan sebagai berikut.

1. 0,00 - 0,20 berarti korelasi memiliki keeratan sangat lemah. 2. 0,21 - 0,40 berarti korelasi memiliki keeratan lemah.

3. 0,41 - 0,70 berarti korelasi memiliki keeratan kuat. 4. 0,71 - 0,90 berarti korelasi memiliki keeratan sangat kuat. 5. 0,91 - 0,99 berarti korelasi memiliki keeratan sangat kuat sekali. 6. 1 berarti korelasi sempurna.

2.6Kesalahan Standart Estimasi

Untuk mengetahui ketetapan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi menunjukan ketetapan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi tersebut, makin tinggi ketetapan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, maka semakin rendah persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel tidak sesungguhnya. (Alfigari, 2000.Analisis Regresi Teori, kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE halaman 1 dan 2).

Kesalahan standar estimasi (kekeliruan baku taksiran) dapat ditentukan dengan rumus:

Dimana adalah nilai data sebenarnya dan ̂ adalah nilai taksiran.

2.7 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:

̂

Perumusan Hipotesa:

: dimana i =1,2,…, k : dimana i =1,2,…, k

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran , dan

= elemen matriks dari baris i kolom i yang terletak pada diagonal

utama. Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien b, yakni: √

Selanjutnya hitung statistik:

Kriteria Pengujan:

Jika , maka ditolak dan diterima Jika , maka diterima dan ditolak

Dengan derajat kebebasan dk = (n-k-1) dan Dimana ⁄ dimana α = 0,05

BAB 3

GAMBARAN UMUM LOKASI RISET

3.1 BADAN PUSAT STATISTIKA

3.1.1 Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal–hal di atas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi dan ukuran–ukuran lainnya.

Berikut ini adalah beberapa masa peralihan pada BPS, yaitu: 1. Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan memublikasi data statistik.

Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula

pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai. 2. Masa Pemerintahan Jepang

Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada masa ini CKS diganti namanya menjadi Shomubu Chasasitsu Gunseikanbu.

3. Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950 No.219/S.C; KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada di bawah Kementrian Kemakmuran. Dengan surat Mentri perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada di bawah dan bertanggungjawab kepada Mentri Perekonomian, dan pada tanggal 24 Desember 1953 dengan surat Mentri Perekonomian No. 18.099/M, KPS dibagi menjadi dua bagian yaitu bagian research yang disebut Afdeling A, dan bagian penyelenggaraan dan tatausaha yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957, Kementrian Perekonomian dipecah menjadi Kementrian perdagangan dan Kementrian Perindustrian. Untuk selanjutnya dengan keputusan Presiden Republik Indonesia No. 172 tahun 1957 KPS diubah menjadi BPS, dan urusan statistik yang semula menjadi tanggungjawab dan wewenang Mentri Perekonomian dialihkan menjadi di bawah dan bertanggungjawab kepada Perdana Mentri. Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan.

Memenuhi anjuran PBB agar setiap negara anggota menyelenggarakan sensus penduduk secara serentak, maka pada tanggal 24 September 1960 telah diundangkan UU No. 6 tahun 1960 tentang Sensus, sebagai pengganti Volk Stelling Ordonnantie 1930.

Dalam rangka memperhatikan kebutuhan data bagi perencanaan pembangunan semesta berencana dan mengingat materi statistik ordonnantie 1934 dirasakan sudah tidak sesuai lagi dengan kemajuan – kemajuan yang cepat dicapai oleh Negara kita, maka tanggal 26 September 1960 telah diundangkan UU No. 7 tahun 1960 tentang Statistik.

Berdasarkan keputusan Presidium Kabinet RI No. Aa/C/9 tahun 1965, maka tiap-tiap daerah Tingkat I dan Tingkat II dibentuk kantor-kantor cabang BPS dengan nama Kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas menjalankan kegiatan-kegiatan statistik di daerah-daerah. Di setiap daerah administrasi kecamatan, dapat diangkat seorang atau lebih pegawai

yang merupakan pegawai KKS ditingkat II dan di bawah pengawasan Kepala Kecamatan.

4. Masa Orde Baru sampai sekarang

Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan struktur organisasi, yaitu:

1. Peraturan Pemerintah No. 16 tahun 1969 tentang organisasi Biro Pusat Statistik.

2. Peraturan Pemerintah No. 6 tahun 1980 tentang Organisasi Biro Pusat Statistik.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang Organisasi Biro Pusat Statistik dan keputusan Presiden No. 6 tahun 1992 tentang Kedudukan, Tugas, Fungsi, Susunan, Reorganisasi dan tata kerja Biro Pusat Statistik. 4. Undang-Undang No. 16 tahun 1997 tentang Statistik.

5. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik. 6. Keputusan Kepala BPS No. 100 tahun 1998 tentang Organisasi dan Tata

Kerja BPS.

7. PP No. tahun 1999 tentang Penyelenggaraan Statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,

Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah No. 6 tahun 1988 di tiap provinsi terdapat perwakilan BPS dengan nama Kantor Statistik Provinsi dan di Kabupaten/Kota terdapat cabang perwakilan BPS dengan nama Kantor Statistik Kabupaten/Kota. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden Republik Indonesia No. 86 tahun 1998 ditetapkan BPS sekaligus mengatur tata kerja dan struktur BPS yang baru.

3.1.2 Visi dan Misi Badan Pusat Statistik

1. Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional,didukung Sumber Daya Manusia yang berkualitas,ilmu pengetahuan dan teknologi informasi yang mutakhir.

2. Misi Badan Pusat Statistik

Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif, dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.1.3 Struktur Organisasi BPS

Setiap perusahaan baik perusahaan pemerintah maupaun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi. Dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik,maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan.Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Propinsi Sumatera Utara adalah struktur organisasi berbentuk Lini dan staff.

1. Bagian Tata Usaha 2. Bidang Statistik Produksi 3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian, dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik

3.1.4 Job Description

Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan tertentu dalam organisasi tersebut dimana masing-masing diberi tugas dan fungsi

job description atau pembagian kerja. Kepala kantor dibantu bagian tata usaha yang terdiri dari:

1. Sub Bagian Urusan Dalam 2. Sub Bagian Perlengkapan 3. Sub Bagian Keuangan 4. Sub Bagian Kepegawaian 5. Sub Bagian Bina Program

Sedangkan bidang penunjang statistik ada 5 bidang, yaitu: 1. Bidang Statistik Produksi

Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri, serta statistik konstruksi pertambangan dan energi.

2. Bidang Statistik Distribusi

Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuangan dan harga produsen serta Statistik Kesejahteraan.

3. Bidang Statistik Sosial

Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan kegiatan statistik demografi dan rumah tangga, statistik ketenagakerjaan, dan statistik kesejahteraan.

Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan kegiatan dan penyiapan data, penyusunan sistem, dan program serta operasional pengolahan data dengan komputer.

5. Bidang Neraca Wilayah dan Analisis Statistik

Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen, dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

3.2 KEPOLISIAN NEGARA REPUBLIK INDONESIA

3.2.1 Sejarah Singkat POLRI

Sejarah POLRI tidak dapat dipisahkan dari sejarah perjuangan bangsa Indonesia. Sejarah telah mencatat dan mengungkapkan bahwa mulai dari proses kelahiran, pertumbuhan pengetahun dan pembangunan bangsa Indonesia, POLRI senantiasa mempunyai peranan yang sangat besar. Peranan POLRI tidak dapat dipisahkan dalam setiap aktifitas pergerakan perjuangan bangsa Indonesia untuk mempertahankan Negara Kesatuan Republik Indonesia.

Pada saat menjelang dan sesudah kemerdekaan sejarah telah membuktikan bahwa POLRI ikut menumbuhkembangkan sikap keberpihakan atau nilai nasionalisme terhadap bangsa Indonesia. Begitu kemerdekaan Indonesia dikumandangkan pada tanggal 17 Agustus 1945, anggota POLRI dengan gagah berani mengibarkan bendera Merah Putih diseluruh penjuru tanah air. Puncaknya pada tanggal 21 Agustus 1945 Inspektur Polisi Mohd. Jasmin dengan tegas

menyatakan bahwa POLRI merupakan Polisi Indonesia. Begitu pula dalam setiap pergolakan pemberontakan anti-NKRI atau dengan tujuan pemecahbelahan bangsa yang terjadi, POLRI menunjukkan peran aktif dalam menumpas setiap pergolakan tersebut. Misalnya pada masa krisis peralihan pemerintahan Orde Lama menuju Orde Baru, POLRI memberikan sumbangsih besar terhadap penumpasan pemberontakan G 30 S/PKI serta dalam pembersihan sisa-sisa gerakan tersebut.

Selain aktif dalam bidang pertahanan nasional POLRI juga aktif dalam bidang-bidang lain. Ini dapat dilihat dari misalnya bidang kekaryaan sejak awal POLRI mempunyai kiprah yang besar, Konsep Dwi Tunggal ABRI salah satu contoh yang dicanangkan langsung oleh Jenderal A.H Nasution dikampus milik POLRI sebagai penyelenggara. POLRI pula yang pertama kali menyumbangkan anggotanya menjadi Bupati dan Gubernur. Tetapi sejalan dengan bergulirnya era reformasi di Indonesia, Dwi Fungsi ABRI segera dihapuskan secara bertahap guna pengkhususan pada bidang kerjanya masing-masing. POLRI mencakup secara merata pada tiap-tiap daerah dalam wilayah hokum Indonesia. Di Sumatera Utara disebut sebagai POLDASU atau singkatan dari Kepolisian Daerah Sumatera Utara. Sedangkan pada tingkatan kabupaten/kota ada POLRES/POLTABES. Khususnya untuk wilayah hukum kota Medan ada Kepolisian Kota Besar Medan.

3.2.2 Struktur Organisasi

Mengingat besarnya peranan dan sumbangan struktur organisasi dalam pencapaian suatu tujuan organisasi, maka Kepolisian Resort Kota Medan

(POLRESTA) sudah semestinya memiliki suatu struktur organisasi yang baik. Dikarenakan besar dan luasnya struktur organisasi yang dimiliki POLRESTA Medan berikut ini dapat digambarkan sebagian struktur tersebut.

Adapun rincian dan tanggung jawab dari masing-masing jabatan adalah sebagai berikut:

1. Kapoltabes

Kapoltabes adalah pimpinan Poltabes yang berada dibawah dan bertanggung jawab kepada Kapolda. Bertugas memimpin, membina dan mengawasi serta mengendalikan satuan-satuan organisasi dalam lingkungan Poltabes serta memberikan saran pertimbangan dan melaksanakan tugas lain sesuai dengan perintah Kapolda.

2. Waka Poltabes

Bertugas membantu Ka.Poltabes dalam melaksanakan tugasnya dengan mengendalikan pelaksanaan tugas-tugas staf seluruh satuan organisasi dalam jajaran Poltabes, dan dalam batas kewenangannya dalam memimpin Poltabes apabila Ka.Poltabes berhalangan serta melaksanakan tugas lain sesuai perintah Ka.Poltabes.

3. Bagian Operasi

Bagianoperasi bertugas menyelenggarakan administrasi dan pengawasan operasional, perencanaan dan pengendalian operasi kepolisian serta pelayanan. Ka.Bagian Operasi dalam melaksanakan tugas kewajibannya dibantu oleh :

1) Kepala Sub Bagian Pembinaan Operasional 2) Kepala Sub Bagian Perawatan Tahanan

4. Bagian Pembinaan Kemitraan

Bertugas mengatur penyelenggaraan dan mengawasi/mengarahkan pelaksanaan penyuluhan masyarakat dan pembinaan bentuk-bentuk pengamanan swakarsa oleh satu-satuan fungsi yang berkompeten, membina kerjasama dengan organisasi/lembaga/tokoh sosial kemasyarakatan dan instansi pemerintah, khususnya instansi Polsus/PPNS dan pemerintah daerah dalam kerangka otonomi daerah, dalam rangka peningkatan kesadaran dan ketaatan warga masyarakat pada hukum dan peraturan perundang-undangan, pengembangan pengamanan swakarsa dan pembinaan hubungan POLRI Masyarakat yang kondusif bagi pelaksanaan tugas POLRI.

5. Bagian Administrasi

Bagian administrasi bertugas menyelenggarakan penyusunan rencana programkerja dan anggaran, pembinaan dan administrasi personel, pelatihan serta pembinaan, dan administrasi logistik.

6. Urusan Telekomunikasi dan Informatika

Bagian ini bertugas menyelenggarakan pelayanan telekomunikasi, pengumpulan dan pengolahan data serta penyajian informasi termasuk informasi kriminal dan pelayanan multimedia.

7. Urutan Pelayanan Pengaduan dan Penegakan Disiplin (P3D)

Unit P3D bertugas menyelenggarakan pelayanan pengaduan masyarakat tentang penyimpangan perilaku anggota POLRI dan pembinaan disiplin dan tata tertib, termasuk pengamanan internal dalam penegakan hukum.

8. Urdokkes

Bertugas menyelenggarakan fungsi kedokteran kepolisian dalam rangka mendukung tugas operasional POLRI dan pelayanan kesehatan personel, baik dengan mengunakan sumber daya yang tersedia maupun melalui kerjasama dengan pihak lain.

9. Tata Usaha dan Urusan Dalam (Taud)

Taud bertugas dalam melaksanakan ketatausahaan dan urusan dalam meliputi korespondensi, ketatausahaan perkantoran, kearsipan, dokumentasi, penyelengaraan rapat, apel/upacara, kebersihan dan ketertiban termasuk melaksanakan administrasi personel dan materiil logistik dilingkungan Pusdalops.

10. Sentra Pelayanan Kepolisian (SPK)

Bertugas memberikan pelayanan kepolisian kepada warga masyarakat yang membutuhkan, dalam bentuk penerimaan dan penanganan pertama/pengaduan pelayanan permintaan bantuan/pertolongan kepolisian, penjagaan markas termasuk penjagaan tahanan dan pengamanan barang bukti yang berada di Mapoltabes dan penyelesaian perkara ringan/perselisihan antar warga, sesuai dengan ketentuan hukum dan peraturan/kebijakan dalam organisasi POLRI. 11. Satuan Intelijen Pengamanan

Satitelkam bertugas menyelenggarakan/membina fungsi intelijen bidang keamanan, termasuk persandian, dan pemberian pelayanan dalam bentuk surat izin/keterangan yang menyangkut orang asing, senjata api dan bahan peledak, kegiatan sosial/politik masyarakat dan Surat Keterangan Rekaman Kejahatan

(SKRK/Criminal Record) kepada warga masyarakat yang membutuhkan serta melakukan pengawasan/pengamanan atas pelaksanaannya.

12. Satuan Reserse Kriminal (Satreskrim)

Bertugas menyelenggarakan membina fungsi penyelidikan dan penyidikan tindak pidana, dengan memberikan pelayanan/perlindungan khusus kepada korban/pelaku, remaja, anak dan wanita, serta menyelenggarakan fungsi identifikasi, baik untuk kepentingan penyidikan maupun pelayanan umum, dan menyelenggarakan koordinasi dan pengawasan operasional, dan administrasi penyidikan PPNS, sesuai ketentuan hukum dan perundang-undangan.

13. Satuan Narkoba

Satnarkoba adalah unsur pelaksana utama Poltabes tipe “A1”, “A2”, dan “B1”,

yang merupakan pemekaran dari Sat Reskrim dan berada dibawah Ka.Poltabes satnarkoba bertugas menyelenggarakan/membina fungsi dan penyidikan tindak pidana narkotika dan obat berbahaya (narkoba), termasuk penyuluhan dan pembina dalam rangka pencegahan dan rehabilitasi korban/penyalahgunaan narkoba.

BAB 4

ANALISIS DATA

4.1 Pengolahan Data

Data yang diambil dari Badan Pusat Statistika adalah data persentase tingkat pengagguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, jumlah penduduk miskin, dan data yang diperoleh dari Kepolisian Negara Republik Indonesia Resort Kota Medan yaitu jumlah tindak kejahatan yang terjadi di kota Medan pada tahun 2003 – 2012. Adapun datanya adalah sebagai berikut:

Tabel 4.1 Data tindak kejahatan, persentase tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, jumlah penduduk miskin

tahun 2003-2012

Tahun Y

2003 1390 15,23 206 197,93 113,64 143,5

2004 2134 19,43 197 201,07 131,2 142,6

2005 1946 12,46 189 203,62 210,16 145,72

2006 2211 15,01 239 206,73 236,3 160,65

2007 2184 14,49 202 208,32 266,21 148,1

2008 2598 13,08 177 210,21 310,27 217,3

2009 3036 14,27 166 212,11 342,6 200,4

2010 3069 13,11 151 209,76 397,19 212,3

2011 2647 9,97 152 211,72 442,14 204,19

2012 2965 9,03 154 212,28 498,87 198,03

Dimana:

Y = Jumlah Kejahatan

= Persentase Tingkat Pengangguran = Jumlah Industri

= Jumlah Penduduk (10000 jiwa)

= Jumlah Pendapatan Perkapita (100000 rupiah) = Jumlah Penduduk Miskin (1000 jiwa)

4.2 Persamaan Regresi Linier Berganda

Dari data tersebut akan dibentuk persamaan regresi linier berganda dengan terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti berikut:

Tabel 4.2 Masukan data

No. Y

1. 1390 15,23 206 197,93 113,64 143,5

2. 2134 19,43 197 201,07 131,2 142,6

3. 1946 12,46 189 203,62 210,16 145,72

4. 2211 15,01 239 206,73 236,3 160,65

5. 2184 14,49 202 208,32 266,21 148,1

6. 2598 13,08 177 210,21 310,27 217,3

7. 3036 14,27 166 212,11 342,6 200,4

8. 3069 13,11 151 209,76 397,19 212,3

9. 2647 9,97 152 211,72 442,14 204,19

10. 2965 9,03 154 212,28 498,87 198,03

Jumlah 24180 136,08 1833 2073,75 2948,58 1772,79

Tabel 4.3 Kuadrat masing-masing data

No.

1. 1932100 231,9529 42436 39176,28 12914,05 20592,25 2. 4553956 377,5249 38809 40429,14 17213,44 20334,76 3. 3786916 155,2516 35721 41461,1 44167,23 21234,32 4. 4888521 225,3001 57121 42737,29 55837,69 25808,42 5. 4769856 209,9601 40804 43397,22 70867,76 21933,61 6. 6749604 171,0864 31329 44188,24 96267,47 47219,29 7. 9217296 203,6329 27556 44990,65 117374,8 40160,16 8. 9418761 171,8721 22801 43999,26 157759,9 45071,29 9. 7006609 99,4009 23104 44825,36 195487,8 41693,56 10. 8791225 81,5409 23716 45062,8 248871,3 39215,88

Jumlah 61114844 1927,523 343397 430267,4 1016761 323263,5

Tabel 4.4 Penggandaan antara variabel Y dengan

No.

1. 21169,7 286340 275122,7 157959,6 199465

2. 41463,62 420398 429083,4 279980,8 304308,4 3. 24247,16 367794 396244,5 408971,4 283571,1

4. 33187,11 528429 457080 522459,3 355197,2

5. 31646,16 441168 454970,9 581402,6 323450,4 6. 33981,84 459846 546125,6 806081,5 564545,4

7. 43323,72 503976 643966 1040134 608414,4

8. 40234,59 463419 643753,4 1218976 651548,7 9. 26390,59 402344 560422,8 1170345 540490,9

10. 26773,95 456610 629410,2 1479150 587159

Tabel 4.5 Penggandaan antara variabel

No.

1. 3137,38 3014,474 1730,737 2185,505 40773,58 2. 3827,71 3906,79 2549,216 2770,718 39610,79 3. 2354,94 2537,105 2618,594 1815,671 38484,18 4. 3587,39 3103,017 3546,863 2411,357 49408,47 5. 2926,98 3018,557 3857,383 2145,969 42080,64 6. 2315,16 2749,547 4058,332 2842,284 37207,17 7. 2368,82 3026,81 4888,902 2859,708 35210,26 8. 1979,61 2749,954 5207,161 2783,253 31673,76 9. 1515,44 2110,848 4408,136 2035,774 32181,44 10. 1390,62 1916,888 4504,796 1788,211 32691,12

Jumlah 25404,05 28133,99 37370,12 23638,45 379321,4

Lanjutan Tabel 4.5 Penggandaan antara variabel

No.

1. 23409,84 29561 22492,77 28402,96 16307,34

2. 25846,4 28092,2 26380,38 28672,58 18709,12 3. 39720,24 27541,08 42792,78 29671,51 30624,52

4. 56475,7 38395,35 48850,3 33211,17 37961,6

5. 53774,42 29916,2 55456,87 30852,19 39425,7 6. 54917,79 38462,1 65221,86 45678,63 67421,67 7. 56871,6 33266,4 72668,89 42506,84 68657,04 8. 59975,69 32057,3 83314,57 44532,05 84323,44 9. 67205,28 31036,88 93609,88 43231,11 90280,57 10. 76825,98 30496,62 105900,1 42037,81 98791,23

Untuk membuat persamaan regresi linier dari data diatas maka dibutuhkan harga-harga di bawah ini:

∑ = 136,08 ∑ = 37370,12

∑ = 1833 ∑ = 23638,45

∑ = 2073,75 ∑ = 379321,4

∑ = 2948,58 ∑ = 515022,9

∑ = 1772,79 ∑ = 318825,1

∑ = 24180 ∑ = 616688,4

∑ = 322418,4 ∑ = 368796,9

∑ = 4330324 ∑ = 552502,2

∑ = 5036180 ∑ = 1927,523

∑ = 7665459 ∑ = 343397

∑ = 4418150 ∑ = 430267,4

∑ = 25404,05 ∑ = 1016761

∑ = 28133,99 ∑ = 323263,5

Dengan mensubstitusikan angka-angka diatas kedalam sistem persamaan normal: ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

∑ ∑ ∑ ∑ ∑ ∑ ∑

Dengan demikian terbentuk persamaannya yaitu: 515022,9 Sistem persamaan ini kemudian dapat ditulis dalam notasi matriks sebagai berikut: [ ] [ ] [ ] b

Untuk dapat memperoleh nilai-nilai dugaan bagi parameter model, maka perlu ditentukan invers matriks , yaitu:

Diperoleh nilai invers dari matriks yaitu:

[ ] Maka nilai koefisien b yaitu:

[ ] [ ] [ ]

Jadi dapat diketahui nilai koefisien-koefisien linier bergandanya yaitu:

Dengan demikian persamaan regresi linier berganda atas adalah:

Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga Ŷ yang diperoleh dari persamaan regresi diatas untuk tiap harga yang diketahui:

Tabel 4.6 Data dan Kekeliruan Taksiran Baku

No. Y

1. 1390 15,23 206 197,93 113,64 143,5

2. 2134 19,43 197 201,07 131,2 142,6

3. 1946 12,46 189 203,62 210,16 145,72

4. 2211 15,01 239 206,73 236,3 160,65

5. 2184 14,49 202 208,32 266,21 148,1

6. 2598 13,08 177 210,21 310,27 217,3

7. 3036 14,27 166 212,11 342,6 200,4

8. 3069 13,11 151 209,76 397,19 212,3

9. 2647 9,97 152 211,72 442,14 204,19

10. 2965 9,03 154 212,28 498,87 198,03

Jumlah 24180 136,08 1833 2073,75 2948,58 1772,79

Lanjutan Tabel 4.6 Data dan Kekeliruan Taksiran Baku

No.

1. 1476,43652 86,43652 7471,272

2. 2145,88516 11,88516 141,257

3. 1768,8344 -177,166 31387,65

4. 2142,91047 -68,0895 4636,184

5. 2326,27802 142,278 20243,03

6. 2652,24614 54,24614 2942,644

7.. 2950,78864 -85,2114 7260,976

8. 2978,02778 -90,9722 8275,945

9. 2830,97528 183,9753 33846,9

10. 2906,78155 -58,2184 3389,388

Dengan k = 5, n = 10, dan ∑

√∑

√

√

√

Ini berarti bahwa rata jumlah kejahatan yang terjadi menyimpang dari rata-rata yang diperkirakan yaitu sebesar 172,91.

4.3 Pengujian Regresi Linier Ganda

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat suatu kesimpulan, maka perlu diadakan suatu pengujian hipotesa mengenai keberartian model regresi. Perumusan hipotesanya adalah:

:

Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu persentase tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, jumlah penduduk miskin dengan variabel tak bebas yaitu tingkat kejahatan.

: Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol Terdapat pengaruh yang signifikan antara variabel bebas yaitu persentase tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, jumlah penduduk miskin dengan variabel tak bebas yaitu tingkat kejahatan.

Kriteria pengujan hipotesanya:

Jika , maka ditolak dan diterima Jika , maka diterima dan ditolak

Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi dan JK untuk sisa yang akan didapatkan setelah mengetahui nilai-nilai berikut:

̅ ̅ ̅ ̅ ̅ ̅

Nilai dapat diperoleh dari tabel berikut: Tabel 4.7 Deviasi masing-masing variabel

No. ̅ (y) ̅ ̅ ) ̅ ̅ ) ̅

1. -1028 1,622 22,7 -9,445 -181,218 -33,779

2. -284 5,822 13,7 -6,305 -163,658 -34,679

3. -472 -1,148 5,7 -3,755 -84,698 -31,559

4. -207 1,402 55,7 -0,645 -58,558 -16,629

5. -234 0,882 18,7 0,945 -28,648 -29,179

6. 180 -0,528 -6,3 2,835 15,412 40,021

7. 618 0,662 -17,3 4,735 47,742 23,121

8. 651 -0,498 -32,3 2,385 102,332 35,021

9. 229 -3,638 -31,3 4,345 147,282 26,911

Tabel 4.8 Kuadrat deviasi masing-masing variabel

No. ₎

1. 1056784 2,630884 515,29 89,208025 32839,96352 1141,020841 2. 80656 33,895684 187,69 39,753025 26783,94096 1202,633041 3. 222784 1,317904 32,49 14,100025 7173,751204 995,970481 4. 42849 1,965604 3102,49 0,416025 3429,039364 276,523641 5. 54756 0,777924 349,69 0,893025 820,707904 851,414041 6. 32400 0,278784 39,69 8,037225 237,529744 1601,680441 7. 381924 0,438244 299,29 22,420225 2279,298564 534,580641 8. 423801 0,248004 1043,29 5,688225 10471,83822 1226,470441 9. 52441 13,235044 979,69 18,879025 21691,98752 724,201921 10. 299209 20,958084 858,49 24,059025 41620,89614 430,604001

Jumlah 2647604 75,74616 7408,1 223,45385 147348,9532 8985,09949

Tabel 4.9 Penggandaan antara deviasi

No. ( ( ( ( (

1. 36,8194 -15,3198 -293,936 -54,7895 -214,402

2. 79,7614 -36,7077 -952,817 -201,901 -86,3785

3. -6,5436 4,31074 97,2333 36,22973 -21,4035

4. 78,0914 -0,90429 -82,0983 -23,3139 -35,9265

5. 16,4934 0,83349 -25,2675 -25,7359 17,6715

6. 3,3264 -1,49688 -8,13754 -21,1311 -17,8605

7. -11,4526 3,13457 31,6052 15,3061 -81,9155

8. 16,0854 -1,18773 -50,9613 -17,4405 -77,0355

9. 113,8694 -15,8071 -535,812 -97,9022 -135,999

10. 134,1354 -22,4551 -933,967 -94,9981 -143,717

Lanjutan Tabel 4.9 Penggandaan antara deviasi

No. ( ( ( ( (

1. -4113,649 -766,783 1711,604 319,042655 6121,363

2. -2242,115 -475,102 1031,864 218,651095 5675,496

3. -482,7786 -179,886 318,041 118,504045 2672,984

4. -3261,681 -926,235 37,76991 10,725705 973,761

5. -535,7176 -545,647 -27,0724 -27,574155 835,92

6. -97,0956 -252,132 43,69302 113,459535 616,8037

7. -825,9366 -399,993 226,0584 109,477935 1103,843

8. -3305,324 -1131,18 244,0618 83,525085 3583,769

9. -4609,927 -842,314 639,9403 116,928295 3963,506

10. -5977,552 -608,004 1000,679 101,783655 4233,453

Jumlah -25451,77 -6127,28 5226,639 1164,52385 29780,9

Tabel 4.10 Penggandaan antara deviasi y dengan

No.

1. -1667,416 -23335,6 9709,46 186292,104 34724,812

2. -1653,448 -3890,8 1790,62 46478,872 9848,836

3. 541,856 -2690,4 1772,36 39977,456 14895,848

4. -290,214 -11529,9 133,515 12121,506 3442,203

5. -206,388 -4375,8 -221,13 6703,632 6827,886

6. -95,04 -1134 510,3 2774,16 7203,78

7. 409,116 -10691,4 2926,23 29504,556 14288,778

8. -324,198 -21027,3 1552,635 66618,132 22798,671

9. -833,102 -7167,7 995,005 33727,578 6162,619

10. -2504,166 -16027,1 2683,035 111594,564 11350,797

Dari tabel diatas maka diperlukan harga-harga nilai-nilai berikut: ∑ -6623

∑ -101870

∑ 21852,03

∑ 535792,56

∑ 131544,23

Sehingga diperoleh dua macam kuadrat-kuadrat yaitu dan sebagai berikut:

∑ ∑ ∑ ∑ ∑

∑

Maka dapat dicari dengan:

⁄ ⁄

Untuk , yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat kebebasan pembilang dan , dan maka;

Dengan demikian dapat dilihat bahwa nilai . Maka ditolak dan diterima. Hal ini berarti persamaan regresi linier berganda Y atas bersifat nyata yang berarti bahwa persentase tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, dan jumlah penduduk miskin secara bersama-sama mempengaruhi terjadinya tingkat kejahatan.

4.4 Perhitungan Korelasi Linier Berganda

Berdasarkan tabel 4.6 dapat dilihat harga ∑ ∑ ̅ 2647604 sedangkan yang telah dihitung adalah . Maka selanjutnya dapat diperoleh nilai koefisien determinasi dengan rumus:

∑

Dan untuk koefisien korelasi ganda digunakan rumus: √

√

Dari hasil perhitungan diperoleh korelasi (R) positif yaitu sebesar 0,9771 yang menunjukkan bahwa antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi yaitu sebesar 0,95 yang digunakan untuk mengetahui persentase pengaruh variabel independent terhadap perubahan variabel dependent. Yang berarti bahwa persentse tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita dan jumlah penduduk miskin berpengaruh terhadap terjadinya tingkat kejahatan yaitu sebesar 0,95 atau 95%. Sedangkan sisanya sebesar 100% - 95% = 5% yang dipengaruhi oleh faktor-faktor lain.

4.5 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pegaruh variabel bebas terhadap variabel terikat, maka dari tabel 4.4 dapat dihitung besar koefisien korelasinya yaitu:

a. Koefisien korelasi antara jumlah kejahatan dengan tingkat pengangguran

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

Nilai negatif yang menandakan hubungan arah yang tidak searah antara banyaknya tindak kejahatan yang terjadi dengan persentase tingkat pengangguran. Hubungan keduanya tergolong kuat, ini ditandai dengan nilai r = - 0,46768.

b. Koefisien korelasi antara jumlah kejahatan dengan jumlah industri

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

Nilai negatif yang menandakan hubungan arah yang tidak searah antara banyaknya tindak kejahatan yang terjadi dengan jumlah industri. Hubungan keduanya tergolong sangat kuat, ini ditandai dengan nilai r = - 0,72738. c. Koefisien korelasi antara jumlah kejahatan dengan jumlah penduduk

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

Nilai positif yang menandakan hubungan arah yang searah antara banyaknya tindak kejahatan yang terjadi dengan jumlah penduduk. Artinya banyaknya tindak kejahatan yang terjadi dikarenakan banyaknya jumlah penduduk. Hubungan keduanya tergolong sangat kuat, ini ditandai dengan nilai r = 0,89834.

d. Koefisien korelasi antara jumlah kejahatan dengan pendapatan perkapita

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

Nilai positif yang menandakan hubungan arah yang searah antara banyaknya tindak kejahatan yang terjadi dengan jumlah pendapatan perkapita. Artinya banyaknya tindak kejahatan yang terjadi dikarenakan tingginya jumlah pendapatan perkapita. Hubungan keduanya tergolong sangat kuat, ini ditandai dengan nilai r = 0,85782.

e. Koefisien korelasi antara jumlah kejahatan dengan jumlah penduduk miskin

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

Nilai positif yang menandakan hubungan arah yang searah antara banyaknya tindak kejahatan yang terjadi dengan jumlah penduduk miskin. Artinya banyaknya tindak kejahatan yang terjadi dikarenakan tingginya jumlah penduduk miskin. Hubungan keduanya tergolong sangat kuat, ini ditandai dengan nilai r = 0,85287.

Dari kelima nilai diatas bahwa korelasi antara tingkat kejahatan dengan persentase tingkat pengangguran - 0,46768, jumlah industri - 0,72738, jumlah penduduk 0,89834, jumlah pendapatan perkapita 0,85782 dan jumlah penduduk miskin 0,85287. Dari kelima nilai tersebut yang terbesar adalah korelasi (hubungan) antara banyaknya kejahatan yang terjadi dengan jumlah penduduk sebesar 0,89834 yang berarti bahwa penduduk memberikan pengaruh lebih besar terhadap banyaknya kejahatan yang terjadi dari pada persentase tingkat pengangguran, jumlah industri, jumlah pendapatan perkapita, dan jumlah penduduk miskin.

4.6 Perhitungan Korelasi antara Variabel Bebas

a. Koefisien korelasi persentase tingkat pengangguran dengan jumlah industri

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

b. Koefisien korelasi antara persentase tingkat pengangguran dengan jumlah penduduk

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

c. Koefisien korelasi antara persentase tingkat pengangguran dengan jumlah pendapatan perkapita

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

d. Koefisien korelasi antara persentase tingkat pengangguran dengan jumlah penduduk miskin

∑ ∑ ∑

√

√

√

√

e. Koefisien korelasi antara jumlah industri dengan jumlah penduduk

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

f. Koefisien korelasi antara jumlah industri dengan jumlah pendapatan perkapita

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

g. Koefisien korelasi antara jumlah industri dengan jumlah penduduk miskin

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

h. Koefisien korelasi antara jumlah penduduk dengan jumlah pendapatan perkapita

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

i. Koefisien korelasi antara jumlah penduduk dengan jumlah penduduk miskin

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

j. Koefisien korelasi antara jumlah pendapatan perkapita dengan jumlah penduduk miskin

∑ ∑ ∑

√{ ∑ ∑ }{ ∑ ∑ }

√

√

√

√

4.7 Pengujian Koefisien Regresi Linier Berganda

Dari hasil perhitungan diperoleh persamaan regresi linier berganda:

Untuk mengetahui bagaiman keberartian setiap variabel bebas dalam persamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

Langkahnya adalah sebagai berikut: 1. Perumusan Hipotesa:

: dimana i=1,2,…,5

Tidak terdapat pengaruh yang signifikan antara koefisien terhadap Y

: dimana i=1,2,…,5

Terdapat pengaruh yang signifikan antara koefisien terhadap Y

2. Taraf nyata (signifikansi) α = 0,05 3. Kriteria pengujan:

Jika , maka ditolak dan diterima Jika , maka diterima dan ditolak 4. Ambil kesimpulan berdasarkan hasil pengujian.

Untuk melakukan pengujian diperlukan rumus: √

Dimana: ∑

Dan nilai dapat diperoleh dari matriks dibawah ini:

[ ] Dimana nilai yaitu elemen matriks dari baris i kolom i yang terletak pada diagonal utama. Maka dari matriks diatas diperoleh nilai :

Sehingga dengan nilai koefisien b dan harga-harga yang diperoleh diatas maka nilai kekeliruan baku koefisien dapat dihitung sebagai berikut:

√

√ √

√

√ √

√

√ √

√

√ √

√

√ √

Kemudian didapatkan nilai distribusi student

Untuk taraf nyata α = 0,05 dan derajat kebebasan dk = (n-k-1) = (10-5-1) = 4, dari tabel distribusi student t diperoleh nilai . Maka dapat dilihat bahwa:

Sehingga ditolak untuk koefisien regresi berganda dan diterima untuk . Ini berarti bahwa untuk prediksi tingkat kejahatan hanya persentase tingkat pengangguran saja yang memberikan pengaruh yang berarti. Sedangkan jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, dan jumlah penduduk miskin tidak memberikan pengaruh yang berarti terhadap tingkat kejahatan.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang telah disetujui, 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.

5.2 SPSS dalam Stastistika

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 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

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain:

1. Dengan menggunakan rumus didapat nilai koefisien-koefisien

; ; ; ; ;

, sehingga diperoleh persamaan estimasi linier ganda yaitu: 2. Dengan taraf nyata α = 0,05 ; derajat kebebasan (degree of independent)

; , diperoleh nilai . Sedangkan dari hasil perhitungan diperoleh

. Sehingga diperoleh , maka ditolak. Hal ini berarti persamaan regresi linier berganda Y atas

bersifat nyata yang berarti bahwa persentase tingkat pengangguran, jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, dan jumlah penduduk miskin secara bersama-sama mempengaruhi terjadinya tingkat kejahatan di Kotamadya Medan.

3. Dari hasil perhitungan koefisien korelasi ganda (R) variabel

diperoleh yaitu sebesar 0,9771 yang menunjukkan bahwa antara variabel bebas X dengan variabel tak bebas Y berhubungan

secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi yaitu sebesar 0,9548 yang digunakan untuk mengetahui presentase pengaruh variabel independent terhadap perubahan variabel

dependent. Yang berarti bahwa persentase tingkat pengangguran, jumlah

industri, jumlah penduduk, jumlah pendapatan perkapita dan jumlah penduduk miskin berpengaruh terhadap terjadinya tingkat kejahatan yaitu sebesar 0,95 atau 95%. Sedangkan sisanya sebesar 100% - 95% = 5% yang dipengaruhi oleh faktor-faktor lain.

4. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel

dengan variabel Y diperoleh :

1. Hubungan antara tingkat kejahatan dengan persentase tingkat pengangguran adalah sebesar

2. Hubungan antara tingkat kejahatan dengan jumlah industri adalah sebesar

3. Hubungan antara tingkat kejahatan dengan jumlah penduduk adalah sebesar

4. Hubungan antara tingkat kejahatan dengan jumlah pendapatan perkapita adalah sebesar

5. Hubungan antara tingkat kejahatan dengan jumlah penduduk miskin adalah sebesar

Maka faktor yang paling berpengaruh terhadap tingginya tingkat kejahatan di Kotamadya Medan adalah jumlah penduduk yaitu sebesar 0,89834.

Artinya bahwa semakin tinggi jumlah penduduk maka akan semakin tinggi tingkat kejahatan yang terjadi.

5. Dari hasil perhitungan distribusi student diperoleh nilai

. Dan dari tabel distribusi t dengan dk = 4; α = 0,05 . Diperoleh nilai

. Maka,

Dengan demikian koefisien regresi linier untuk signifikan (berarti), sedangkan untuk tidak signifikan (tidak berarti). Maka prediksi tingkat kejahatan hanya persentase tingkat pengangguran saja yang memberikan pengaruh yang berarti. Sedangkan jumlah industri, jumlah penduduk, jumlah pendapatan perkapita, dan jumlah penduduk miskin tidak memberikan pengaruh yang berarti terhadap tingkat kejahatan yang terjadi di Kotamadya Medan.

6.2 Saran

1. Dalam menganalisa soal regresi linier berganda khususnya, selain melakukan perhitungan secara manual, sebaiknya dikerjakan juga melalui komputer dengan perangkat lunak seperti SPSS, Excel, dan lain sebagainya agar model dapat lebih diteliti.

2. Bagi pihak pemerintah Kotamadya Medan diharapkan untuk lebih memperhatikan faktor-faktor yang mempengaruhi tingginya tingkat kejahatan, seperti mampu mengatasi jumlah penduduk yang semakin meningkat di Kotamadya Medan yang membuat persaingan yang ketat dalam memperoleh pekerjaan sehingga masih banyak masyarakat yang menganggur, sementara kebutuhan hidup semakin hari semakin meningkat maka tak jarang seseorang jadi nekat melakukan tindak kejahatan.

3. Bagi masyarakat Kotamadya Medan agar lebih memperhatikan jumlah anggota keluarga. Sebaiknya mengikuti program 2 anak cukup, agar tidak menimbulkan pertumbuhan penduduk yang meningkat pesat tetapi tidak sebanding dengan banyaknya jumlah industri di Kotamadya Medan.

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 2013. BPS. Medan

Sudjana. 1996. Teknik Analisis 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. 2008. Analisis Regresi Terapan dengan SPSS. Edisi 1. Surabaya: Graha Ilmu