Faktor-faktor yang Mempengaruhi Tingkat Kejahatan di Kota Binjai Terhadap Beberapa Faktor dengan Menggunakan Multipel Regresi

MULTIPEL REGRESI

TUGAS AKHIR

CHAIRANI 112407092

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

MULTIPEL REGRESI

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

CHAIRANI 112407092

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

PERSETUJUAN

Judul : Faktor-faktor yang Mempengaruhi Tingkat Kejahatan di Kota Binjai Terhadap Beberapa Faktor dengan Menggunakan Multipel Regresi

Kategori : Tugas Akhir

Nama : Chairani

Nim : 112407092

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing, Ketua,

Dr.Faigiziduhu Bu’ulölö,M.Si

NIP. 19531218 198003 1 003 NIP. 19531218 198003 1 003 Dr.Faigiziduhu Bu’ulölö,M.Si

PERNYATAAN

Faktor-faktor yang Mempengaruhi Tingkat Kejahatan di Kota Binjai Terhadap Beberapa Faktor dengan Menggunakan

Multipel Regresi

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2014

Chairani 112407092

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan Tugas Akhir ini dengan judul Faktor-faktor yang Mempengaruhi Tingkat Kecelakaan di Kota Binjai Terhadap Beberapa Faktor dengan Menggunakan Multipel Regresi.

Terimakasih penulis sampaikan kepada Bapak Dr. Faigiziduhu Bu’ulölö, M.Si selaku pembimbing dan Ketua Program Studi D3 Statistika FMIPA USUyang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Suwarno Ariswoyo, M.Si selaku 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, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Chairulsyah, Ibu Hj.Emmy Sinaga dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa 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 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Maksud dan Tujuan 3

1.5 Lokasi Penelitian 3

1.6 Metode Penelitian 3

1.7 Tinjauan Pustaka 4

1.8 Sistematika Penulisan 5

Bab 2 LandasanTeori

2.1 Pengertian Regresi dan Korelasi 7

2.1.1 Pengertian Regresi 7

2.1.2 Pengertian Korelasi 8

2.2 Analisis Regresi Linier 10

2.2.1 Regresi Linier Sederhana 11

2.2.2 Regresi Linier Berganda 13

2.3 Uji Keberartian Regresi Linier (Uji F) 14

2.4 Analisis Korelasi Berganda 15

Bab 3 Sejarah Singkat

3.1Sejarah singkat Badan Pusat Statistika 17 3.2 Visi dan Misi Badan Pusat Statistika 20 3.3 Struktur Organisasi dan Pembagian Tugas 21 Bab 4 Pengolahan Data

4.1 Pengolahan Data 22

4.2 Persamaan Regresi Linier Berganda 27

4.3 Pengujian Regresi Linier Berganda 29

4.4 Perhitungan Korelasi Linier Berganda 30

4.5 Perhitungan Korelasi antaraVariabel Y dengan Xi (ry123) 31 Bab 5ImplementasiSistem

5.1 Pengertian Implementasi Sistem 33

dan Komputer Statistik 33 5.3 Langkah-langkah pengolahan data dengan SPSS 34 Bab 6 Kesimpulan Dan Saran

6.1 Kesimpulan 42

6.2 Saran 43

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Nomor Judul Halaman

Tabel

Tabel 2.1 Interpretasi dari Nilai R 10

Tabel 4.1 Data Tindak Kejahatan, Persentase Tingkat Pengangguran 22 Penduduk Miskin dan Penduduk Urban tahun 2006-2012

Tabel 4.2 Masukan Data dan Kuadrat Maisng-masing Variable 23

Tabel 4.3 Pergandaan antara Variabel Xi 24

dan Pergandaan antara Variabel Y dengan Xi

Tabel 4.4 Deviasi Masing-masing Variabel dan Kuadrat Deviasinya 25 Tabel 4.5 Pergandaan antara Deviasi Y dengan Xi 26

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

Gambar 5.1 Tampilan cara mengaktifkan SPSS 35

Gambar 5.2 Tampilan Jendela Data View dalam SPSS 36 Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS 36 Gambar 5.4 Tampilan Jendela Pengisian Variabel View dalam SPSS 38 Gambar 5.5 Tampilan Jendela Pengisian Data View dalam SPSS 39 Gambar 5.6 Tampilan Jendela Pengisian Pengolahan Data 39 Gambar 5.7 Tampilan Jendela Pengisian Linier Regression 40 Gambar 5.8 Tampilan Jendela Pengisian Linier Regression Statistic 41 Gambar 5.9 Tampilan Jendela Pengisian Linier Regression Plots 41

BAB 1

PENDAHULUAN

1.1Latar belakang

Penyalahgunaan hukum dari tahun ke tahun, juga terus meningkat. Hal ini terjadi akibat masih adanya anggota masyarakat yang kurang sadar hukum dan adanya pelaku yang sengaja menggunakan celah-celah hukum demi keuntungan pribadi. Walaupun telah Berbagai cara juga telah dilakukan aparat untuk meningkatkan kesadaran hukum di masyarakat dari tingkat desa hingga ke kota-kota besar.

Kekhawatiran pemerintah terhadap tingginya angka kemiskinan dan pengangguran di tanah air sehingga menyiapkan berbagai langkah antisipasi dinilai sebagai suatu yang wajar. Hal ini mengingat belum pulihnya perekonomian dalam negeri, setelah dihantam badai krisis ekonomi sejak beberapa tahun silam. Kondisi itu tentunya berpengaruh kuat terhadap masyarakat, khususnya pada sektor ketersediaan lapangan kerja dan kemiskinan.

Dalam kondisi perekonomian yang belum stabil, angka pengangguran setengah terbuka jelas lebih banyak dibanding angka pengangguran terbuka. Bayangkan jika angka pengangguran terbuka ditambah dengan angka pengangguran setengah terbuka, maka jumlah angka pengangguran semakin banyak. Kondisi ini tidak bisa dibiarkan berlarut-larut. Perlu suatu solusi yang tepat sebagai pemecahnya. Semua tahu bahwa pengangguran bersentuhan dengan kebutuhan ekonomi yang sangat berbahaya bagi konduktifitas kondisi sosial masyarakat. Kondisi sosial yang tidak kondusif akan melakukan konformitas. Sementara konformitas penting untuk mempertahankan nilai-nilai sosial bangsa.

Pemerintah harus berani menyiapkan inovasi rakyat dapat mandiri membuka lapangan kerja sendiri. Para pemuda yang umumnya menjadi penganggur usai menyelesaikan pendidikan di bangku sekolah, seharusnya sejak awal dibantu agar dapat hidup mandiri dengan mengelola usaha yang bisa memberikan penghidupan bagi masa depan. Sesungguhnya tingkat pengangguran yang sangat akrab dengan kemiskinan itu tidak pantas dibiarkan berlarut-larut, sebab bakal memicu berbagai kerawanan.

Dengan realita tersebut di atas dan memiliki harapan atau mimpi bangsa ini untuk menjadi negara yang makmur dan sejahtera maka penulis mengajukan judul tugas akhir adalah “Faktor-Faktor yang Mempengaruhi Tingkat Kejahatan di Kota Binjai Terhadap Beberapa Faktor dengan Menggunakan Multipel Regresi”

1.2Rumusan masalah

Sesuai dengan permasalahan dalam latar belakang data yang digunakan untuk mengetahui faktor-faktor kejahatan dari tahun 2006-2012 yang telah diperoleh dari Badan Pusat Statistika.

1.3Batasan masalah

Mengenai masalah ini adalah penentuan data dengan menggunakan regresi. Data penentuannya adalah data sekunder tentang faktor-faktor yang mempengaruhi tingkat kejahatan di Kota Binjai.

1.4Maksud dan tujuan

Berdasarkan permasalahan yang telah disebutkan, maka maksud dari penulisan Tugas Akhir ini yaitu sebagai masukkan kepada Pemerintah dan Kepolisian Kota Binjai dalam mengatasi masalah kecelakaan dan penggaguran.

1.5Lokasi Penelitian

Penelitian dan riset data dilakukan di Badan Pusat Statistika Binjai.

1.6Metode penelitian

Adapun metode-metode yang dilakukan dalam pengumpulan data faktor yang mempengaruhi tingkat tindak kejahatan di kota 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 Pengolahan Data

Pengumpulan data bersumber dari data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Binjai. 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 Analisa Data

Adapun pengolahan data dalam penentuan hubungan beberapa faktor yang mempengaruhi tingkat tindak kejahatan adalah dengan menggunakan analisis regresi berganda (multipel regresi).

1.7Tinjauan Pustaka

Untuk mengetahui variabel yang digunakan dalam regresi dipergunakan rumus: a. Multipel Regresi

Multipel regresi adalah persamaan yang mempunyai lebih dari satu variabel independent. Bentuk persamaan multipel regresi adalah:

�� = �� + ����� + ����� + ... + ����� + ��

di mana:

�� = Pengamatan ke-i pada variabel tak bebas

��� = Pengamatan ke-i pada variabel bebas k = 1,2,...,n

i = 1,2,...,n

�_� = Koefisien regresi variabel bebas �_� �_� = Pengamatan ke-i variabel gangguan

b. Analisis Korelasi

Tujuan dari korelasi adalah untuk mengukur keeratan hubungan antara variabel-variabel.

Adapun rumus korelasi adalah:

��� = � ∑ �����−

(∑ �_��)(∑ �_�)

��� ∑ �_���_{−(∑ ���)}�_{��� ∑ �} �

1.8 Sistematika Penulisan

Adapun sistematika penulisan Tugas Akhir ini adalah sebagai berikut:

BAB 1 PENDAHULUAN

Dalam bab ini dijelaskan mengenai latar belakang, rumusan masalah, batasan masalah, maksud dan tujuan penelitian, metode penelitian, lokasi penelitian, tinjauan pustaka dan sistematika penulisannya.

BAB 2 LANDASAN TEORI

Bab ini menjelaskan uraian tentang teori-teori yang akan digunakan dalam pemecahan masalah, diantaranya multiple regresi dan korelasi.

BAB 3 SEJARAH SINGKAT TEMPAT RISET

Bab ini menjelaskan uraian tentang sejarah, visi, misi, struktur organisasi dan pembagian tugas.

BAB 4 PENGOLAHAN DATA

Bab ini menjelaskan pengolahan data dengan menggunakan metode-metode yang digunakan dalam mengolah data.

BAB 5 IMPLEMENTASI SISTEM

Bab ini menjelaskan tentang implementasi sistem yang digunakan untuk analisa penelitian.

BAB 6 KESIMPULAN DAN SARAN

Bab ini merupakan penutup yang akan memberikan beberapa kesimpulan dan saran sebagai akhir penulisan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi dan Korelasi 2.1.1 Pengertian Regresi

Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan antara dua variabel atau lebih. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam makalah berjudul regression towerd mediacraty in hereditary stature. Meskipun ada kecendrungan bagi para orang tua yang mempunyai anak yang tinggi dan orang tua pendek mempunyai anak yang pendek, dengan kata lain bahwa ada kecendrungan bagi rata-rata tinggi anak dengan orang tua yang mempunyai tinggi tertentu untuk bergerak mundur (regress) ke arah tinggi rata-rata seluruh. Menurut penjelasannya, ada suatu kecendrungan untuk rata-rata anak dari orang tua dengan tinggi tertentu bergerak menuju nilai rata-rata dari seluruh populasi. Hukum regresi universal dari Galton telah dibuktikan oleh kawannya yang bernama Karl Pearson, dengan jalan mengumpulkan lebih dari seribu catatan mengenai tinggi dari para anggota kelompok keluarga.

Karl Perason menemukan bahwa rata-rata tinggi anak laki-laki kelompok orang tua yang tinggi ternyata lebih kecil dari tinggi ayahnya dan rata-rata tinggi anak laki-laki dari kelompok orang tua yang pendeknya ternyata lebih besar dari pada tinggi ayahnya, jadi seolah-seolah semua anak laki-laki yang tinggi dan anak laki yang pendek bergerak menuju ke rata-rata tinggi dari seluruh anak

laki-laki, yang menurut istilah Galton: “Regression to Mediocrity”. Dari uraian diatas dapat disimpulkan bahwa pada umumnya tinggi anak mengikuti tinggi orang tuanya.

2.1.2 Pengertian Korelasi

Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara dua variabel atau lebih yang ditemukan oleh Karl Pearson 1900. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama untuk data kuantitatif, dinamakan Koefisien Korelasi. Hubungan antara dua variabel didalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Akibatnya, dalam korelasi dikenal penyebab dan akibatnya. Data penyebab (yang mempengaruhi) disebut variabel bebas. Dan data akibat (yang dipengaruhi) disebut variabel terikat. Seringkali dua variabel dikaitkan satu sama lain, walaupun tidak selalu benar bahwa nilai suatu variabel pada nilai variabel lain. Suatu hubungan dapat dinyatakan dengan perhitungan korelasi antara dua variabel. Koefisien korelasi R adalah suatu ukuran linier antara dua variabel, dapat bervariasi dari 0 (yang menunjukkan tidak ada korelasi) hingga 1 (yang menunjukkan korelasi sempurna). Jika korelasi lebih besar dari 0, dua variabel dikatakan berkorelasi positif dan jika kurang dari 0 dikatakan berkorelasi negatif. Besarnya hubungan dinyatakan dengan koefisien korelasi atau R adalah:

�� ₌ �����

∑ �_��

di mana:

��= (�� − ��)

��= (�� − ��)

di mana:

�� = Rata-rata variabel tak bebas

�� = Rata-rata variabel bebas

R = Koefisien Korelasi

����� = Jumlah Kuadrat Regresi

�� = Koefisien regresi variabel bebas ��

Jika R = +1 diberi makna hubungan kedua variabel adalah linier positif dan sangat tinggi, jika R= -1 diberi makna kedua variabel adalah linier negatif dan sangat tinggi. Bagaimana jika nilai R terdapat diantara -1 dengan +1? Untuk menjawab pertanyaan ini, maka makna dari R yang kita hitung dapat dikonsultasikan dengan tabel dibawah ini:

Tabel 2.1 INTERPRETASI DARI NILAI r

r Interpretasi

0 0,10-0,20 0,21-0,40 0,41-0,60 0,61-0,80 0,81-0,99 1 Tidak berkorelasi Sangat rendah Rendah Agak rendah Cukup Tinggi Sempurna Sumber : Usman Husain, M. Pd . Pengantar Statistika

2.2 Analisis Regresi Linier

Analisi regresis linier digunakan untuk peramalan, dimana dalam model terdapat variabel bebas X dan variabel Y. Regresi linier adalah menentukan satu persamaan dan garis yang menunjukkan hubungan antara variabel bebas dan variabel terikat, yang merupakan persamaan penduga yang berguna untuk menaksir atau meramalkan variabel terikat. Untuk mempelajari hubungan – hubungan antara beberapa variabel. Analisis ini terdiri dari 2 bentuk, yaitu:

1. Analisis Sederhana

2. Analisis Berganda

Analisis sederhana merupakan hubungan antara 2 variabel yaitu varibel bebas (independent variabel) dan variabel tak bebas (dependent variabel).

Sedangkan analisis berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya 2 variabel bebas dengan 1 variabel tak bebas.

Variabel bebas merupakan variabel yang peubah tanpa adanya pengaruh variabel-variabel lain, tetapi perubahan yang terjadi pada variabel bebas akan mengakibatkan terjadinya perubahan pada variabel lain. Variabel tak bebas merupakan variabel yang hanya akan berubah manakala terjadi perubahan pada variabel atau variabel yang lain. Analisis regresi berguna untuk mendapatkan hubungan fungsional antara dua variabel bebas terhadap variabel tak bebas atau meramalkan pengaruh variabel bebas terhadap variabel tak bebas. Asumsi agar analisis regresi dapat digunakan adalah:

1. Variabel yang dicari hubungan fungsionalnya mempunyai data yang berdistribusi normal.

2. Variabel bebas tidak acak, sedangkan variabel tak bebas harus acak. 3. Variabel yang dihubungkan mempunyai pasangan sama dari subjek yang

sama.

4. Variabel yang dihubungkan mempunyai data interval atau rasio.

2.2.1 Regresi Linier Sederhana

Regresi linier sederhana merupakan prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya ada satu peubah bebas X. Bentuk-bentuk model umum regresi sederhana dalah hubungan variabel-variabel X dan Y sebenarnya dinyatakan:

di mana:

Y = Variabel bebas

X = Variabel tak bebas

�0 = Intercept Y dari garis, yaitu titik di mana garis itu memotong sumbu Y

�1 = Kemiringan garis

�� = Kesalahan pengganggu

Menentukan titik taksiran Y (nilai tunggal Y) atau taksiran selang kepercayaan (selang keyakinan) dengan satu nilai X baru yakni �₀, model regresi taksiran menghasilkan:

��� = �� + ����

di mana:

��� = Nilai taksiran untuk Y

�0 = Penaksir untuk �0

�1 = Penaksir untuk �1

Untuk menentukan �₀ dan �₁ adalah:

�� = ∑ ��

�_{∑ �}

��−∑ ��∑ ����

� ∑ �_��−(∑ �_�)²

�� = � ∑ �_{� ∑ �}���−∑ ��∑ ��∑ ��

�

2.2.2 Regresi Linier Berganda

Regresi linier berganda terdapat sejumlah (sebut k buah, k≥1) peubah bebas yang dihubungkan dengan Y linier atau perangkat satu dalam semua peubah bebas �₁, �2, …, �� maka bentuk persamaan umum multipel regresi adalah:

�� = �0+ �1�1 + ...+ ����� + ��

di mana:

�� = Pengamatan ke-i pada variabel tak bebas

��� = Pengamatan ke-i pada variabel bebas

�� = Koefisien regresi variabel bebas ���

�� = Pengamatan ke-i variabel gangguan

Regresi berganda berguna untuk mendapatkan pengaruh dua variabel bebas atau untuk mencari hubungan fungsional dua variabel tak bebas atau lebih. Dengan taksiran adalah:

��� = �� + ����� + ����� + ... + �����

di mana:

��� = Nilai taksiran untuk Y

�0 = Penaksir untuk �0

�1 = Penaksir untuk �1

Adapun untuk menghitung kekeliruan baku taksiran dari persamaan regresi antara variabel independent dengan variabel dependent yang bertujuan untuk mengetahui seberapa besar kekeliruan dari persamaan regresi adalah:

���.��…� =

∑��� � −��� �−�−�

2.3 Uji Keberartian Regresi Linier (Uji F)

Menguji keberartian regresi linier ganda ini dimaksudkan untuk meyakinkan diri apakah regresi berbentuk linier yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Uji keberartian regresi ganda dilakukan dengan menggunakan rumus:

F =

����� � �����

(_{�−�−�})

di mana:

����� = �1∑ �1��� + �2∑ �2��� + ... + ��∑ �����

�����= ∑��� − �� �1 2

Hipotesa:

�0 : Terdapat hubungan fungsional yang signifikan antara variabel �1 dan �2 dengan variabel Y.

�1 : Tidak terdapat hubungan fungsional yang signifikan antara variabel �1 dan

���� = �(1−�)(����������� ,���������� )

����������� = k

���������� = n – k – 1

jika �_ℎ�� > �_��� maka �₀ ditolak

Berarti terdapat hubungan fungsional (hubungan yang berarti) yang signifikan antara variabel �₁ dan �₂ dengan variabel Y.

2.4 Analisis Korelasi Berganda

Analisa korelasi adalah alat statistika yang dapat digunakan untuk mengetahui derajat hubungan linier antara suatu variabel dengan variabel yang lainnya. Biasanya analisa korelasi digunakan dalam hubungannya dengan analisa regresi untuk mengukur ketepatan garis dalam menjelaskan (explaining) variansi nilai variabel dependent.

Dalam analisis korelasi akan dijumpai dua variabel berkorelasi positif, negatif, atau tidak berkorelasi. Dua variabel dikatakan berkorelasi positif adalah jika datanya cenderung berubah secara bersamaan, dengan kata lain, jika kenaikan pada suatu variabel diikuti oleh variabel lainnya ataupun jika penurunan pada suatu variabel diikuti oleh variabel lainnya.

Dua variabel dikatakan berkorelasi negatif adalah jika datanya cenderung berubah dalam arah yang berlawanan, dengan kata lain kenaikan pada satu variabel diikut i oleh penurunan pada variabel lainnya, begitu sebaliknya.

Apabila garis regresi linier terbaik untuk sekumpulan data yang berbentuk linier, maka derajat hubungannya akan dinyatakan dengan r dan bisa dinamakan koefisien korelasi.

Adapun rumus korelasi linier adalah:

��� =

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

�

�_{−(∑ ��)}�_�

Dalam suatu regresi linier sederhana �₂ lebih berarti dari pada r sebab �₂ sebagai koefisien determinasi merupakan suatu ukuran yang menunjukkan besarnya sumbangan dari variabel X yang merupakan pengaruh linier variabel terhadap variansi (naik turunnya ) Y.

�� ₌ �����

∑ ��

Harga �2 yang terkecil adalah 0 dan yang terbesar 0 ≤ �2 ≥ 1. Adapun rumus korelasi berganda adalah:

����.� =

���,�–���.����.�

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Badan Pusat Statistika

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 dilapangan, 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.

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 Menteri perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada di bawah dan bertanggungjawab kepada Menteri Perekonomian, dan pada tanggal 24 Desember 1953 dengan surat Menteri

Perekonomian No. 18.099/M, KPS dibagi menjadi dua bagian yaitu bagian research yang disebut Afdeling A, dan bagian penyelenggaraan dan tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957, Kementerian Perekonomian dipecah menjadi Kementerian perdagangan dan Kementerian 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 Menteri Perekonomian dialihkan menjadi di bawah dan bertanggungjawab kepada Perdana Menteri. Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan.

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 di tingkat II dan di bawah pengawasan Kepala Kecamatan.

BPS sebagai penyelenggara statistik dasar melaksanakan kegiatan yang ditugaskan oleh Pemerintah antara lain bidang pertanian, agraria, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan dan keagamaan. Selain itu, BPS juga bertugas melaksanakan koordinasi di lapangan. Kedudukan, tugas, fungsi dan kewenangan BPS telah diatur dalam keputusan Presiden Nomor 001 Tahun 2001 tentang Organisasi dan Tata Kerja Badan Pusat Statistik. BPS

mempunyai tugas melaksanakan tugas pemerintah di bidang statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:

1. Pengkajian dan penyusunan kebijakan Nasional di bidang kegiatan Statistik.

2. Penyelenggaraan statistik dasar.

3. Koordinasi kegiatan fungsional dalam pelaksanaan tugas BPS.

4. Fasilitas dan pembinaan terhadap kegiatan instansi pemerintah di bidang statistik.

5. Penyelenggaraan pembinaan dan pelayanan Administrasi Umum di bidang perencanaaan umum ketatausahaan, organisasi dan tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan dan rumah tangga.

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan:

1. Penyusunan rencana nasional secara makro di bidangnya.

2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.

3. Penetapan sistem informasi di bidangnya.

4. Penetapan dan penyelenggaraan statistik nasional.

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

a. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik.

b. Penyusunan pedoman penyelenggaraan survei statistik sektoral.

3.2 Visi dan Misi Badan Pusat Statistika Visi

Pelopor data

Misi

1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak. 5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik

yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem StatistikNasional (SSN) yang efektif dan efisien.

3.3 Struktur Organisasi dan Pembagian Tugas

Berdasarkan Peraturan Presiden Nomor 86 Tahun2007 tentang Badan Pusat Statistika dan Peraturan Kepala BPS Nomor 7 Tahun 2008 tentang Organisasi dan Tata Kerja BPS. Susunan organisasi BPS terdiri dari:

1. Kepala

2. Sekretaris Utama

3. Deput i Bidang Metodologi dan Informasi Statistik 4. Deputi Bidang Statistik Sosial

5. Deputi Bidang Statistik Produksi

6. Deputi Bidang Statistik Distribusi dan Jasa 7. Deputi Bidang Neraca dan Analisis Statistik 8. Inspektorat Utama

9. Pusat Pendidikan dan Pelatihan 10.Instansi Vertikal

BPS dipimpin oleh Kepala yang mempunyai tugas memimpin BPS sesuai dengan ketetntuan peraturan perundang-undangan yang berlaku yang menyiapkan kebijakan Nasional dan Kebijakan Umum sesuai dengan tugas BPS. Menetapkan Kebijakan Teknis Pelaksanaan tugas BPS yang menjadi tanggungjawabnya serta membina dan melaksanakan kerjasama dengan instansi dan organisasi. Kepala dibantu oleh seorang Sekretaris Utama, Deputi dan Inspektorat Utama.

BAB 4

PENGOLAHAN DATA

4.1 Pengolahan Data

Data yang diambil dari Badan Pusat Statistika Binjai adalah data jumlah tindak kejahatan yang terjadi, persentase tingkat penggangguran, jumlah penduduk miskin dan jumlah penduduk urban pada tahun 2006–2012. Adapun datanya adalah sebagai berikut:

Tabel 4.1 Data Tindak Kejahatan, Persentase Tingkat Pengangguran, Penduduk Miskin dan Penduduk Urban Tahun 2006-2012

Tahun Y �_� �_� �_�

2006 900 28.329 15,59 244.256

2007 694 4.780 14 284.256

2008 464 26.870 20,33 252.652

2009 739 14.643 17,88 257.105

2010 815 14.300 18 235.450

2011 835 10.006 17,4 237.652

2012 809 10.557 16,9 242.268

Sumber: Badan Pusat Statistika

di mana:

Y = Tindakan kejahatan

�1 = Persentase tingkat pengangguran

�2 = Penduduk miskin

Tabel 4.2 Masukan data dan Kuadrat masing-masing variabel

No Y �_� �_� �_� �� �_�� �_�� �_��

1 900 2.329 15,59 244.256

810.000 802.532.241 243,0481 59.660.993.536 2

694 4.780 14 284.256

481.636 22.848.400 196 80.801.473.536 3

464 26.870 20,33 252.652

215.296 721.996.900 413,3089 63.833.033.104 4

739 14.643 17,88 257.105

546.121 214.417.449 319,6944 66.102.981.025 5

815 14.300 18 235.450

664.225 204.490.000 324 55.436.702.500 6

835 10.006 17,4 237.652

697.225 100.120.036 302,76 56.478.473.104 7

809 10.557 16,9 242.268

654.481 111.450.249 285,61 58.693.783.824 Jumlah

5256 109.485 120,1 1.753.639 4.068.984 2.177.855.275 2.084,421 4,41007E+11 Rata-rata _{750,8571 15.640,714 17,15714 250.519,8571}

Tabel 4.3 Pergandaan antara Variabel �_�dan Pergandaan antara Variabel Y dengan �_�

No �_��_� �_��_� �_��_� �_�Y �_�Y �_�Y

1

441.649,1 6.919.528.224 3.807.951 25.496.100 14.031 219.830.400 2

66.920 1.358.743.680 3.979.584 3.317.320 9.716 197.273.664

3

546.267,1 6.788.759.240 5.136.415 12.467.680 9.433,12 117.230.528 4

261.816,8 3.764.788.515 4.597.037 10.821.177 13.213,32 190.000.595 5

257.400 3.366.935.000 4.238.100 11.654.500 14.670 191.891.750 6

174.104,4 2.377.945.912 4.135.145 8.355.010 14.529 198.439.420 7

178.413,3 2.557.623.276 4.094.329 8.540.613 13.672,1 195.994.812

Tabel 4.4 Deviasi Masing-masing Variabel dan Kuadrat Deviasinya

No _{(� − ��) (�}

�− ���) (��− ���) (��− ���) (� − ��)� (��− ���)� (��− ���)� (��− ���)�

1 149,142857 12.688,2857 -1,56714286 -6.263,85714 22.243,59184 160.992.594,4 2,455936735 39.235.906,31 2

-56,8571429 -10.860,7143 -3,15714286 33.736,1429 3.232,734694 117.955.114,8 9,96755102 1.138.127.335 3

-286,857143 11.229,2857 3,172857143 2.132,14286 8.2287,02041 126.096.857,7 10,06702245 4.546.033,163 4

-11,8571429 -997,714286 0,722857143 6.585,14286 140,5918367 995.433,7959 0,522522449 43.364.106,45 5

-1565,85714 -1.340,71429 0,842857143 -15.069,8571 2.451.908,592 1.797.514,796 0,710408163 227.100.594,3 6

84,1428571 -5.634,71429 0,242857143 -1.2867,8571 7.080,020408 31.750.005,08 0,058979592 165.581.747,4 7

58,1428571 -5.083,71429 -0,25714286 -8.251,85714 3.380,591837 25.844.150,94 0,066122449 68.093.146,31

Tabel 4.5 Pergandaan antara Deviasi Y dengan �_�

No _{y �1 �2 �3 �}

1y �2y �3y

1 149,142857 12.688,2857 -1,56714286 -6.263,85714

18.92.367,184

-233,7281633 -934.209,551 2

-56,8571429 -10.860,7143 -3,15714286 33.736,1429

617.509,1837

179,5061224 -1.918.140,694 3

-286,857143 11.229,2857 3,172857143 2.132,14286

-3.221.200,816

-910,1567347 -611.620,4082 4

-11,8571429 -997,714286 0,722857143 6.585,14286

11.830,04082

-8,571020408 -78.080,97959 5

-1565,85714 -1.340,71429 0,842857143 -1.5069,8571

2.099.367,041

-1.319,793878 23.597.243,45 6

84,1428571 -5.634,71429 0,242857143 -1.2867,8571

-474.120,9592

20,43469388 -1.082.738,265 7

58,1428571 -5.083,71429 -0,25714286 -8.251,85714

-295.581,6735

-14,95102041 -479.786,551

4.2 Persamaan Regresi Linier Berganda

Untuk membuat persamaan regresi dari data di atas maka dibutuhkan harga-harga dibawah ini:

∑ �1 = 5.256 ∑ �1�Y = 80.652.400 ∑ �1��2� = 1.926.571

∑ �1� = 109.485 ∑ �2�Y = 89264,54 ∑ �1��3� = 27.134.323.847

∑ �2� = 120,1 ∑ �3�Y = 1.310.661.169 ∑ �2��3� = 29988562

∑ �3� = 1.753.639 ∑ �1� 2

= 2.177.855.275 ∑ �₂2_� = 2084,4214 ∑ �3�

2

= 441007440629

Dengan mensubstitusikan angka-angka diatas ke dalam sistem persamaan normal, maka terbentuk:

7�₀ + 109.485�₁ + 120,1�₂ + 1.753.639�₃ = 5.256 109.485�₀ + 2.177.855.275�₁ +1.926.571�₂ + 1.926.571�₃ = 80.652.400 120,1�₀ + 1.926.571�₁ + 4,41007E+11�₂ + 29988562�₃ = 89264,54 1.753.639�₀ + 27.134.323.847�₁ + 29988562�₂ + 4.410,112�₃= 1753,4

Jadi dapat diketahui: �0 = 3898,576

�1 = -0,001

�2 = -68,239

�3 = -0,08

Dengan demikian persamaan regresi linier berganda atas �₁, �₂, dan �₃ adalah:

Untuk menghitung kekeliruan baku taksiran diperlukan harga �� yang diperoleh dari persamaan regresi di atas untuk tiap harga �₁, �₂, dan �₃ yang diketahui:

Tabel 4.6 Kekeliruan Taksiran Baku

No _{Y �}

1 �2 �3 �� (� − ��) (� − ��)2

1 _{900 28.329 15,59 244.256 -16.734,08 17.634,07901 310.960.743} 2 694 4.780 14 284.256 _{-19.802,03 20.496,03 420.087.246} 3 464 26.870 20,33 252.652 _{-17.727,75 18.191,75287 330.939.872} 4 739 14.643 17,88 257.105 _{-17.904,58 18.643,58032 347.583.087} 5 815 14.300 18 235.450 _{-16.180,03 16.995,026 288.830.909} 6 835 10.006 17,4 237.652 -16.310,95 17.145,9486 293.983.553 7 _{809 10.557 16,9 242.268 -16.646,66 17.455,6601 304.700.070} Jumlah 5256 109.485 120,1 1.753.639 -121.306,1 126.562,0769 108.404,34

Dengan k = 3 ; n = 7 ; dan ∑��� − ��2 = 108404,34

�

_�2.12…�

=

∑(��−�)2

�−�−1

�

�2.123

=

108404 ,34 7−3−1

=

108404 ,34

3 = 36.134,78

�

�.12…�

=

�

∑(�� −�)2

�−�−1

��.123 = �

108404 ,34 7−3−1

= �108404 ,34 3

= √36.134,78 = 190,1

Ini berarti bahwa rata jumlah kejahatan yang terjadi menyimpang dari rata-rata yang diperkirakan sebesar 190,1.

4.3 Pengujian Regresi Linier Berganda Perumusan Hipotesa:

�� : �1 = �2 = �3 = 0

�1 : Minimal ada satu parameter koefisien regresi yang tidak sama dengan nol Jika �_ℎ��>�_��� maka Tolak �_�

Untk menguji model regresi yang telah terbentuk, maka dapat diamnbil: �1� = �1� - ��1�

�2� = �2� - ��2�

�3� = �3� - ��3�

�� = �� - ���

Dan diperlukan harga-harga yang akan dicantumkan pada tabel di atas. ∑ �1y = 630170 ∑ �2y = -2287,26 ∑ �3y = 18492627

����� = �1∑ �1y + �2∑ �2y + �3∑ �3y

= (-0,01)( 630170) + (-68,239)(-2287,26) + (-0,08)( 18492627) = 111674,5

����� = ∑(�� − �)2

= 108404,34

Jika F dapat dicari dengan:

�

ℎ��

=

�� ��� � �� ���

=

111674 ,5 3 108404 ,34

3

=

372244 ,838

3601 ,447

=

10,336

����(3;3;0,05) = 9,2. Dengan demikian dapat disimpulkan bahwa �ℎ��>���� maka persamaan regresi linier berganda Y atas �₁, �₂, dan �₃ bersifat nyata.

4.4 Perhitungan Korelasi Linier Berganda

Berdasarkan Tabel 3.4 dapat dilihat Harga ∑ �_�2 = ∑(�_�− ��_�)2 _{= 108404,342} sedangkan ��_��� yang telah di hitung adalah: 111674,5. Maka selanjutnya dengan rumus �2 = �����

∑ �2. Sehingga didapat koefisien determinasi:

�2 ₌ 111674 ,5 108404 ,342 = 0,912

Dan untuk koefisien korelasi berganda, digunakan: R = √�2

= √0,912 = 0,955

Dari hasil perhitungan didapat korelasi (R) positif yaitu sebesar 0.955 yang menunjukkan bahwa antara variabel X yang berhubungan secara positif dengan tingkat tinggi. Nilai koefisien determinasi sebesar 0,912 digunakan untuk mengetahui persentase pustaka dengan pengaruh variabel independent terhadap perubahan variabel dependent. Artinya tingkat pengangguran, kemiskinan dan

penduduk urban berpengaruh negatif terhadap terjadinya jumlah kejahatan yaitu sebesar 0,955 atau 95,5 %.

4.5 Perhiutungan Korelasi antara Variabel Y dengan �_� (�_����)

a. Kuat hubungan antara jumlah kejahatan dengan tingkat penggangguran

�

_���

=

� ∑ ���−(∑��)(∑ �)

���∑ ���−(∑ ��)��{� ∑ ��−(∑�)�}

=

(7.80652400 )–(109485 )(5256)

�{7.2177855275−(109485 )2_{}{7.4068984−(5256)}2_}

= -0,206

b. Kuat hubungan antara jumlah kejahatan dengan kemiskinan

�

_���

=

� ∑ ���−(∑��)(∑ �)

���∑ �_��_{−(∑ �}

�)��{� ∑ ��−(∑�)�}

=

(7.89264,54)− (120,1)(5256 )

�{7.2084,421−(120,1)2_{}{7.4068984−(5256)}2_}

= -0,534

c. Kuat hubungan antara jumlah kejahatan dengan penduduk urban

�

���

=

� ∑ ���−(∑ ��)(∑ �)

���∑ ���−(∑��)��{� ∑ ��−(∑ �)�}

=

(7.1310661169 )− (1753639 )(5256 )

�{7.441007440629−(1753639 )2_{}{7.4068984−(5256)}2_}

Dari ketiga nilai diatas bahwa korelasi antara jumlah kejahatan dengan tingkat pengangguran 0,206, kemiskinan sebesar 0,534 dan penduduk urban -0,422sebesar. Dari ketiga nilai tersebut yang terbesar adalah korelasi (hubungan) antara banyaknya kejahatan yang terjadi dengan jumlah penduduk urban sebesar -0,422yang berarti bahwa penduduk urban memberikan pengaruh negatif atau berbanding terbalik terhadap banyaknya kejahatan yang terjadi dari pada kemiskinan dan tingkat pengangguran.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstall dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programing (coding). Dalam pengolahan data pada karya tulis ini penulis menggunakan satu perangkat lunak sebagai implementasi sistem yaitu program SPSS 14.0 for widows dalam masalah memperoleh hasil perhitungan.

5.2 SPSS (Statistical Product for Service Solution) dan Komputer Statistika SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Stanford University. Pada awalnya SPSS dibuat untuk mengolah data statistik untuk ilmu sosial (SPSS pada saat ini adalah singkatan dari Statistical Package for the Social Science), sekarang diperluas untuk melayani berbagai jenis user, seperti riset ilmu-ilmu sains, produksi di pabrik dan lain sebagainya. Sehingga sekarang kepanjangan SPSS adalah Statistical Product and Service Solutions.

Untuk memudahkan dan mempercepat pengolahan data-data statistika, banyak kita mengenal perangkat lunak komputer yang medukung yang dapat kita gunakan untuk menggunakan bahasa pemograman tingkat tinggi seperti PASCAL, FORTAN, BASIC dan lain sebagainya.

Dalam hal pengolahan data komputer mempunyai kelebihan dari manusia yaitu kecepatan, ketetapan dan keandalan dalam mengolah data, seperti paket SPSS, Microstat, Statgraf, MINITAB dan perangkat lunak lainnya yang memproses data. Dan dengan adanya perangkat lunak komputer tersebut kita sangat terbantu karena memang ada kalenya data-data yang sangat rumit dan banyak itu tidak dapat dikerjakan secara manual atau dengan menggunakan tenaga manusia yang tentunya membutuhkan waktu dan tenaga yang sangat banyak untuk mengolah data tersebut, disamping itu faktor kesalahan yang dilakukan oleh manusia relatif besar. Dan dengan adanya komputer perangkat lunak, diharapkan perkerjaan tersebut dapat dilakukan dengan cepat dan tepat waktu dengan kesalahan yang relatif kecil.

Dalam pembahasan data ini penulis menggunakan program komputer yaitu: SPPS. SPSS adalah suatu program komputer khusus statistik yang mampu memproses data statistik secara cepat dan tepat.

SPSS banyak dipakai dalam berbagai riset pasar, pengendalian dan perbaikan mutu serta riset-riset sains dan banyak digunakan oleh perusahaan untuk membuat dan mendistribusikan informasi hasil pengolahan data statistika untuk berbagai pengambilan keputusan.

5.3 Langkah-langkah pengolahan data dengan SPSS

Berikut ini adalah langkah-langkah yang dilakukan dalam menyelesaikan program linier berganda dengan SPSS sesuai dengan data dalam penulisan ini:

1. Aktifkan program SPSS pada window dengan perintah:

Startlalu all programdan pilih SPSSfor windowtekan SPSS Statistics 17.0 for window

Gambar 5.1 Tampilan Cara Mengaktifkan SPSS

2. Pemasukan Data ke SPSS

Langkah-langkahnya sebagai berikut:

2.1 Buka lembar kerja baru dari menu file, pilih new lalu klik data dan akan tampil sebagai berikut :

Gambar 5.2 Tampilan Jendela Data View dalam SPSS

Menamai variabel dan property yang diperlukan. Buat nama untuk setiap variabel, jenis atua type, label data dan sebagainya. Untuk membuatnya klik tab sheet variabel view yang ada dibagian kiri bawah, atau dapat langsung menekan Ctrl +T. Akan tetapi tampil seperti berikut ini:

2.2 Pengisian

Name. Sesuai kasus, letakkan pointer pada kolom name klik ganda pada sel tersebut dan ketik sesuai yang diinginkan (singkat saja)

Type. Tipe data untuk data dalam kasus ini adalah numeric (kuantitatif) Width. Untuk kesragaman, ketik 8

Desimal. Untuk menentukan bebera angka dibelakang koma Label. Label adalah keterangan untuk nama variabel

Value dan Missing. Diabaikan saja Column. Untuk keseragaman ketik 8

Align. Adalah posisi data, untuk kersgaman pilih Rigth

Measure. Adalah hal yang penting menyangkut tipe variabel nantinya menentukan jenis analisis yang digunakan.

2.3 Pengisian Variabel Variabel Y (Kejahatan)

Oleh karena itu merupakan variabel pertama, tempatkan pointer pada baris pertama. Name: Y. Type: numeric. Width: 8. decimal: 0.

Label: Kejahatan

Variabel �_�(Tingkat Pengangguran)

oleh karena itu merupakan variabel kedua, tempatkan pointer pada baris kedua. Name:�₁. Type: Numeric. Width: 8. Decimal:2.

Label: Tingkat pengangguranVariabel �_�(Kemiskinan)

oleh karena itu merupakan variabel kedua, tempatkan pointer pada baris kedua. Name:�₂. Type: Numeric. Width:8. Decimal:2.

Label: Kemiskinan

Variabel �₃. (Penduduk Urban)

oleh karena itu merupakan variabel kedua, tempatkan pointer pada baris kedua. Name:�₃. Type:numeric. Width:8. Decimal:2.

Label:Penduduk Urban

Gambar 5.4 Tampilan Jendela Pengisian Variable View dalam SPSS

Setelah selesai kemudian tekan ctrl+T untuk kembali ke data view. 2.4 Pengisian Data

Letakkan data pada baris pertama variabel Y. Kemudian isi data sesuai dengan kasus diatas dengan mengetikkan data awal. Kemudian pula untukpengisian data pada �₁yaitu pada kolom kedua�₁, �₂ yaitu pada kolom ketiga �₂ dan �₃ yaitu pada kolom keempat �₃. Setelah itu dismpan.

Gambar 5.5 Tampilan Jendela Pengisian Data View dalam SPSS

3. Pengolahan Data Langkah-langkah:

1. Buka lembar kerja/file yang telah dibuat.

Dari menu utama SPSS, pilih menu Anlyze, lalu pilih sub menu Regression,

lalu pilih linier

Dari menu utama SPSS, pilih menu Anlyze, lalu pilih sub menuRegression, lalu pilih linier

Gambar 5.7 Tampilan Jendela Pengisian Linear Regression

2. Pilih kolom statistic dengan mengklik tab statistik dan berikan tanda ceklist pada kotak pada kotak estimate, model fit, descriptivees, part and partial correlations, kemudian pada residuals berikan ceklist pada casewise diagnostics serta all cases, sehingga akan tampil seperti berikut:

Gambar 5.8 Tampilan Jendela Pengisian Linear Regression Statistics 4. Kemudian klik continue, untuk meneruskan pengisian.

5. Klik pot dan berikan tanda ceklist pada pilihan produce all partial plot, lalu klik tombol continue. Akan tampak seperti dibawah ini:

Gambar 5.9 Tampilan Jendela Pengisian Linear Regression Plots

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan pada bab sebelumnya serta hasil dari pengumpulan data yang telah dilakukan, maka dapat diambil kesimpulan:

1. Dengan menggunakan rumus didapat nilai koefisien-koefisien �₀ = 3898,576, �₁ = -0,001, �₂ = -68,239, �₃ = -0,08, sehingga persamaan estimasi linier ganda yang di cari adalah:

�� = 3898,576 - 0,001�₁ - 68,239 �₂ - 0,08 �₃

Dari hasil persamaan yang diperoleh maka dapat diketahui ketiga variabel bebas yaitu persentase tingkat pengangguran, penduduk miskin, dan penduduk urban mempunyai nilai pengaruh negatif terhadap tingkat kejahatan atau berbanding terbanding terbalik.

2. Pada uji linier berganda dengan distribusi F dengan derajat kebebasan pembilang = 3, dk penyebut = 3 dan nilai kekeliruan sebebsar 5% = 0,05 diperoleh = 9,28 di mana �_{ℎ�����} = 10,336. Artinya lebih besar dari maka ditolak dan diterima. Hal ini berarti persamaan regresi linier berganda antara variabel terikat dengan variabel bebas bersifat nyata dan signifikan. Dengan demikian dapat dinyatakan bahwa persentase tingkat pengangguran, penduduk miskin dan penduduk urban secara bersama-sama mempengaruhi tingkat tindakan kejahatan.

3. Koefisien determinasi 0 sebesar 95% menunjukan bahwa hanya 95% tingkat tindak kejahatan dipengaruhi oleh tiga variabel yaitu persentase tingkat pengangguran, penduduk miskin dan penduduk urban, sedangkan 5% sisanya dipengaruhi oleh faktor-faktor lain.

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang terjadi antara tingkat kejahatan (Y) dengan persentase tingkat pengangguran (�₁), penduduk miskin (�₂), dan penduduk urban (�₃) adalah sebesar -0,206 ; -0,534 ; dan -0,422

6.2 Saran

Beberapa saran yang diberikan Penulis yang mungkin berguna bagi semua pihak adalah:

1. Untuk penelitian selanjutnya, sebaiknya menggunakan lebih banyak data untuk hasil analisis yang lebih baik dan akuran

2. Untuk mengetahui perkembangan dan upaya penurunan tingkat kejahatan di Kota Binjai, sebaiknya sektor-sektor lapangan usaha lain (sebagai variabel bebas) yang mempengaruhi harus di analisis juga. 3. Diharapkan kepada pemerintah Kota Madya Binjai untuk

memperhatikan dan meningkatkan potensi yang ada guna mengurangi kejahatan di Kota Binjai

DAFTAR PUSTAKA

Gujarati Damodar, “Ekonometrika Dasar”, Erlangga, Jakarta, 1999.

Makridakis, Wheelwhright and McGee, “Metode dan Aplikasi Peramalan” edisi 2, Binarupa Aksara, Jakarta, 1999.

Ps, Djarwanto dan Subagyo, Pangestu, “Statistik Induktif” edisi 4, BPFE, Yogyakarta, 1998.

Sudjana, “Metode Statistika” edisi 5, Tarsito, Bandung,1992.

Sudjana, “Metoda Statistika” edisi 6, Taristo, Bandung 2002

DAFTAR PUSTAKA

Gujarati Damodar, “Ekonometrika Dasar”, Erlangga, Jakarta, 1999.

Makridakis, Wheelwhright and McGee, “Metode dan Aplikasi Peramalan” edisi 2, Binarupa Aksara, Jakarta, 1999.

Ps, Djarwanto dan Subagyo, Pangestu, “Statistik Induktif” edisi 4, BPFE, Yogyakarta, 1998.

Sudjana, “Metode Statistika” edisi 5, Tarsito, Bandung,1992.

Sudjana, “Metoda Statistika” edisi 6, Taristo, Bandung 2002

Gambar 5.8 Tampilan Jendela Pengisian Linear Regression Statistics 4. Kemudian klik continue, untuk meneruskan pengisian.

5. Klik pot dan berikan tanda ceklist pada pilihan produce all partial plot, lalu klik tombol continue. Akan tampak seperti dibawah ini:

Gambar 5.9 Tampilan Jendela Pengisian Linear Regression Plots

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pengolahan pada bab sebelumnya serta hasil dari pengumpulan data yang telah dilakukan, maka dapat diambil kesimpulan:

1. Dengan menggunakan rumus didapat nilai koefisien-koefisien �₀ = 3898,576, �₁ = -0,001, �₂ = -68,239, �₃ = -0,08, sehingga persamaan estimasi linier ganda yang di cari adalah:

�� = 3898,576 - 0,001�₁ - 68,239 �₂ - 0,08 �₃

Dari hasil persamaan yang diperoleh maka dapat diketahui ketiga variabel bebas yaitu persentase tingkat pengangguran, penduduk miskin, dan penduduk urban mempunyai nilai pengaruh negatif terhadap tingkat kejahatan atau berbanding terbanding terbalik.

2. Pada uji linier berganda dengan distribusi F dengan derajat kebebasan pembilang = 3, dk penyebut = 3 dan nilai kekeliruan sebebsar 5% = 0,05 diperoleh = 9,28 di mana �_{ℎ�����} = 10,336. Artinya lebih besar dari maka ditolak dan diterima. Hal ini berarti persamaan regresi linier berganda antara variabel terikat dengan variabel bebas bersifat nyata dan signifikan.

3. Koefisien determinasi 0 sebesar 95% menunjukan bahwa hanya 95% tingkat tindak kejahatan dipengaruhi oleh tiga variabel yaitu persentase tingkat pengangguran, penduduk miskin dan penduduk urban, sedangkan 5% sisanya dipengaruhi oleh faktor-faktor lain.

4. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi yang terjadi antara tingkat kejahatan (Y) dengan persentase tingkat pengangguran (�₁), penduduk miskin (�₂), dan penduduk urban (�₃) adalah sebesar -0,206 ; -0,534 ; dan -0,422

6.2 Saran

Beberapa saran yang diberikan Penulis yang mungkin berguna bagi semua pihak adalah:

1. Untuk penelitian selanjutnya, sebaiknya menggunakan lebih banyak data untuk hasil analisis yang lebih baik dan akuran

2. Untuk mengetahui perkembangan dan upaya penurunan tingkat kejahatan di Kota Binjai, sebaiknya sektor-sektor lapangan usaha lain (sebagai variabel bebas) yang mempengaruhi harus di analisis juga. 3. Diharapkan kepada pemerintah Kota Madya Binjai untuk

memperhatikan dan meningkatkan potensi yang ada guna mengurangi kejahatan di Kota Binjai

DAFTAR PUSTAKA

Gujarati Damodar, “Ekonometrika Dasar”, Erlangga, Jakarta, 1999.

Makridakis, Wheelwhright and McGee, “Metode dan Aplikasi Peramalan” edisi 2, Binarupa Aksara, Jakarta, 1999.

Ps, Djarwanto dan Subagyo, Pangestu, “Statistik Induktif” edisi 4, BPFE, Yogyakarta, 1998.

Sudjana, “Metode Statistika” edisi 5, Tarsito, Bandung,1992.

Sudjana, “Metoda Statistika” edisi 6, Taristo, Bandung 2002

DAFTAR PUSTAKA

Gujarati Damodar, “Ekonometrika Dasar”, Erlangga, Jakarta, 1999.

Makridakis, Wheelwhright and McGee, “Metode dan Aplikasi Peramalan” edisi 2, Binarupa Aksara, Jakarta, 1999.

Ps, Djarwanto dan Subagyo, Pangestu, “Statistik Induktif” edisi 4, BPFE, Yogyakarta, 1998.

Sudjana, “Metode Statistika” edisi 5, Tarsito, Bandung,1992.

Sudjana, “Metoda Statistika” edisi 6, Taristo, Bandung 2002