Pengujian Asumsi Klasik Hasil Penelitian 1. Sejarah Balai Pemasyarakatan Klas I Medan

79 setuju, hal ini menunjukkan petugas balai pemasyarakatan bagian pembimbing kemasyarakatan memberikan tanggapan yang positif terhadap penilaian hakim secara tidak tercatat yang diberikan, walaupun terdapat sebagian petugas balai pemasyarakatan yang merasakan perlu lebih diperhatikan atas penilaian hakim secara tidak tercatat, sehingga berpengaruh atas Peranan BAPAS dalam pembinaan dan pengawasan pidana bersyarat di Balai Pemasyarakatan. 4.1.3.3. Penjelasan Responden Tentang Peranan BAPAS dalam Pembinaan dan Pengawasan Pidana Bersyarat Definisi operasional variabel Peranan BAPAS dalam Pembinaan dan Pengawasan Pidana Bersayarat merupakan suatu tindakan atau hasil dari bagaimana penilaian dilakukan dalam kegiatan tersebut. Untuk butir pertanyaan-pertanyaan variabel peranan BAPAS dalam pembinaan dan pengawasan pidana bersyarat, sebagian besar responden memberikan opsi jawaban setuju dan kurang setuju, hal ini menunjukkan petugas balai pemasyarakatan memberikan tanggapan yang positif pada peranan BAPAS dalam pembinaan dan pengawasan pidana bersyarat.

4.1.4 Pengujian Asumsi Klasik

Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang dimaksudkan untuk memastikan bahwa model regresi linear Universitas Sumatera Utara 80 -3 -2 -1 1 2 3 Regression Standardized Residual 2 4 6 8 10 12 Fr eq u enc y Mean = -1.12E-15 Std. Dev. = 0.969 N = 34 0 0 0 2 0 4 0 6 0 8 1 0 0.0 0.2 0.4 0.6 0.8 1.0 Expe cte d Cum Prob berganda dapat digunakan atau tidak. Apabila uji asumsi klasik telah terpenuhi, alat uji statistik linear berganda dapat dipergunakan. 4.1.4.1. Uji Normalitas Untuk pengujian normalitas data dalam penelitian ini dideteksi melalui analisa grafik dan statistik yang dihasilkan melalui perhitungan regresi dengan SPSS. Hasil pengujian normalitas dapat dilihat pada Gambar 4.1 berikut : Sumber : Hasil Pengolahan SPSS Gambar 4.1. Uji Normalitas Universitas Sumatera Utara 81 Sumber : Hasil Penelitian, 2009 data diolah Gambar 4.2. Uji Normalitas Dari Gambar 4.2. di atas, dapat disimpulkan bahwa data yang digunakan menunjukkan normal. Ghozali 2005 menyatakan bahwa, jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi meneuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi nomalitas. Analisis dari grafik di atas terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Maka model regresi layak dipakai untuk memprediksi peranan BAPAS dalam pembinaan dan pengawasan pidana bersyarat berdasarkan masukan variabel independen. Selanjutnya uji normalitas data dilakukan dengan analisis statistik dengan menggunakan alat uji non parametrik Kolmogorov – Smirnov K-S, seperti terlihat pada Tabel 4.5 berikut ini: Tabel 4.5. Uji Kolmogorov – Smirnov K-S Universitas Sumatera Utara 82 Dari Tabel 4.5 di atas diketahui besarnya nilai Kolmogorov-Smirnov adalah 0,988 dan tidak signifikan pada 0,283. Hal ini berarti data residual berdistribusi normal, dan hasilnya konsisten dengan uji sebelumnya. 4.1.4.2. Uji Multikolinieritas Uji mulitikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel independen. Hasil pengujian multikolinieritas data dalam penelitian ini menggunakan alat bantu SPSS, hasilnya dapat dilihat pada Tabel 4.6 berikut : Tabel 4.6. Hasil Uji Multikolinearitas 34 .0000000 1.17864329 .169 .127 -.169 .988 .283 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed Unstandardized Residual Test distribution is Normal. a. Calculated from data. b. Sumber : Hasil Penelitian, 2009 data diolah Universitas Sumatera Utara 83 2 -1 1 2 3 ression Student ized Residual Sumber : Hasil Penelitian, 2009 data diolah Dari Tabel 4.6 menunjukkan nilai Tolerance tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil perhitungan Variance Inflation Factor VIF juga menunjukkan hal sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel indenpenden dalam model regresi. 4.1.4.3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat Bantu SPSS dengan mengamati pola yang terdapat pada Sctterplots, hasilnya dapat dilihat pada Gambar 4.3 sebagai berikut : 2.438 4.259 .469 .178 .393 .799 1.252 .446 .167 .396 .799 1.252 Constant Tercatat Tidak Tercatat Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients Tolerance VIF Collinearity Statistics Universitas Sumatera Utara 84 Sumber : Hasil Penelitian, 2009 data diolah Gambar 4.3. Hasil Uji Heteroskedastisitas Dari Gambar 4.3 di atas terlihat bahwa titik-ttitik menyebar secara acak random serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai. Menurut Ghozali 2005, jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hal ini berarti tidak terjadi heteroskedistisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan memilih berdasarkan masukan dari variabel bebasnya. Selanjutnya dilakukan uji statistik untuk menjamin keakuratan hasil. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedasitas adalah uji Glesjer. Universitas Sumatera Utara 85 Tabel 4.7. Hasil Uji Glesjer Sumber : Hasil Penelitian, 2009 data diolah Dari Tabel 4.7 di atas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedasitas. 4.1.4.4. Uji Kebagusan Model Tabel 4.8. Hasil Uji Determinasi Berdasarkan Tabel 4.8 di atas, diketahui bahwa besarnya koefisien determinasi atau R-square R 2 adalah sebesar 0,451, yang berarti variabilitas variabel .672 a .451 .416 1.21607 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Predictors: Constant, Tidak Tercatat, Tercatat a. Sumber : Hasil Penelitian, 2009 data diolah 19.963 13.245 1.507 .153 -.673 .424 -.391 -1.585 .134 -.234 .286 -.202 -.820 .425 Constant Tercatat Tidak Tercatat Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Universitas Sumatera Utara 86 dependen yang dapat dijelaskan oleh variabilitas indenpenden sebesar 45,10. Jadi model cukup baik. Sedangkan sisanya 54,90 dijelaskan oleh variabel-variabel bebas lain yang tidak diteliti dan tidak dimasukkan ke dalam model regresi.

4.1.5. Pengujian Hipotesis