BAB 3 PENGOLAHAN DATA
3.1 Pengumpulan Data
Data yang diambil dari Badan Pusat Statistika adalah data Jumlah penduduk, Jumlah Penduduk Miskin, Jumlah pengeluaran dan konsumsi penduduk, dan data yang diperoleh
dari POLRES TAPSEL yaitu Jumlah tindak kejahatan yang terjadi di kabupaten Tapanuli Selatan pada tahun 2006 – 2013. Adapun datanya adalah sebagai berikut:
Tabel 3.1 Data tindak kejahatan, jumlah penduduk, jumlah penduduk miskin, jumlah industri, jumlah pengeuaran dan konsumsi penduduk tahun 2006 – 2013.
Tahun Y
X1 Jiwa
X2 Jiwa
X3 RibuanRp
2006 628 315.509 135.061
206.750 2007
692 261.781 131.154 235.531
2008 752 263.812 131.378
368.565 2009
890 265.142 132.378 372.209
2010 988 264.108 133.171
419.092 2011
1.051 266.282 128.593 537.111
2012 1.270 268.095 128.432
550.021 2013
1.275 268.824 128.593 618.618
Universitas Sumatera Utara
di mana: Y
= Jumlah Kejahatan X
1
= Jumlah Penduduk X
2
= Jumlah Penduduk Miskin X
3
= Jumlah Pengeluaran dan Konsumsi Penduduk
3.2 Pengolahan Data
Untuk membahas dan memecahkan masalah mengenai pengaruh jumlah kejahatan di tapanuli selatan, akan digunakan data yang telah dikumpulkan sebelumnya.
Yaitu tentang Jumlah penduduk, Jumlah penduduk miskin, dan Jumlah pengeluaran dan konsumsi penduduk di tapanuli Selatan. Proses pengolahan dan
penganalisisan data dilakukan dengan menggunakan program spss, yaitu salah satu program statistik yang mampu mengolah data dengan cepat namun hasilnya
dapat mewakili dalam pengambilan keputusan yang relatif baik karena mendekati keadaan sebenarnya.
3.3 Persamaan Regresi Linier Berganda
Untuk mencari persamaan regresi linier berganda terlebih dahulu dihitung koefisien-koefiesien regresinya dengan menggunakan program spss. Berikut
adalah data-data yang telah diinput :
Universitas Sumatera Utara
Regression
Variables EnteredRemoved
a
Model Variables Entered
Variables Removed
Method 1
Jumlah_Pengelua ran_dan_konsums
i, Jumlah_Pendudu
k, Jumlah_Pendudu
k_Miskin
b
. Enter
a. Dependent Variable: Jumlah_Kejahatan b. All requested variables entered.
Tabel 3.2 Metode Kotak Dialog Regresi Linier
Metode ini menganalisis variabel bebas independent variabel secara keseluruhan tanpa memilah-milah variabel yang akan dijadikan satu grup dalam persamaan
regresinya. Adapun Variabel bebasnya adalah Jumlah Pengeluaran dan konsumsi penduduk X
1
, jumlah penduduk X
2
, Jumlah Penduduk miskin X
3
.
Universitas Sumatera Utara
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Change Statistics
R Square Change
F Change df1
df2 Sig. F
Change 1
,957
a
,916 ,853
95,236 ,916
14,556 3
4 ,013
a. Predictors: Constant, Jumlah_Pengeluaran_dan_Konsumsi, Jumlah_Penduduk, Jumlah_Penduduk_Miskin b. Dependent Variable: Jumlah_Kejahatan
Tabel 3.3 Metode Hasil Penjumlahan
Tabel di atas menunjukkan bahwa nilai R Square sebesar 0,916 yang jika dihitung secara manual diperoleh dari hasil satu dikurangi dari jumlah kuadrat
regresi dibagi jumlah kuadrat total dari variabel Y. Nilai Adjusted R Square sebagai nilai yang disarankan dapat
diketahui besarnya adalah 0,853 yang artinya variabel Jumlah Pengeluaran dan konsumsi penduduk X
1
, Jumlah Penduduk X
2
, jumlah penduduk miskin X
3
, memiliki pengaruh sebesar 85,3 terhadap jumlah kejahatan Y dan sisanya
dipengaruhi oleh variabel lain seperti, Ekonomi, pendapatan per KK, dan Konsumsi akan bahan pokok.
ANOVA
a
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
396077,807 3
132025,936 14,556
,013
b
Residual 36279,693
4 9069,923
Total 432357,500
7 a. Dependent Variable: Jumlah_Kejahatan
b. Predictors: Constant, Jumlah_Pengeluaran_dan_Konsumsi, Jumlah_Penduduk, Jumlah_Penduduk_Miskin
Universitas Sumatera Utara
Tabel 3.4 Output ANOVA 1 Arah
Analisa variansi di atas digunakan untuk uji hipotesis beberapa rata-rata. Dari tabel dapat diketahui: Derajat kebebesannya degree of freedom = 3, residual = 4
Nilai F
hit
= 14,556 dengan signifikan sebesar 0,013 atau 0,13, yang berarti signifikan kurang dari 5, sehingga hipotesis ditolak. Itu artinya rata-rata Jumlah
Pengeluaran dan konsumsi penduduk X
1
, Jumlah Penduduk X
2
, jumlah penduduk miskin X
3
, cukup signifikan. Dengan akta lain terdapat perbedaan antara Jumlah Pengeluaran dan konsumsi penduduk X
1
, Jumlah Penduduk X
2
, Jumlah Penduduk Miskin X
3
.
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant -55,207
3636,579 -,015
,989 Jumlah_Penduduk
,001 ,002
,039 ,217
,839 Jumlah_Penduduk_Miski
n ,001
,028 ,013
,046 ,966
Jumlah_Pengeluaran_dan _Konsumsi
,002 ,000
,984 3,888
,018 a. Dependent Variable: Jumlah_Kejahatan
Tabel 3.5 Nilai-nilai Koefisien
Pada Tabel 3.5 diatas tepatnya pada kolom signifikan ditunjukkan bahwa variabel Jumlah kejahatan yang mempengaruhi Jumlah penduduk miskin berada dibawah
0,05. Pada Tabel 3.5 diatas dapat juga diketahui nilai-nilai: B
= -55,207
B
1
= 0,01 B
2
= 0,01 B
3
= 0,02 Sehingga diperoleh persamaan regresinya:
Ŷ = b + b
1
X
1
+b
2
X
2
+ b
3
X
3
Ŷ = -0,55,207+ 0,01X
1
+ 0,01X
2
+ 0,02X
3
Universitas Sumatera Utara
Residuals Statistics
a
Minimum Maximum
Mean Std. Deviation
N Predicted Value
631,19 1276,64
943,25 237,871
8 Residual
-113,307 107,054
,000 71,992
8 Std. Predicted Value
-1,312 1,402
,000 1,000
8 Std. Residual
-1,190 1,124
,000 ,756
8 a. Dependent Variable: Jumlah_Kejahatan
Tabel 3.6 Nilai-Nilai Residu
3.4 Uji Keberartian
Kategori