Genio rasio
7. Persentase Kenaikan / penurunan
4.2.7 Perkembangan Tindak Kejahatan Tahun 2007 – 2017
Pidana berasal kata straf (Belanda), sering disebut dengan istilah hukuman.Istilah pidana lebih tepat dari istilah hukuman karena hukum sudah lazim merupakan terjemahan dari recht.Dapat dikatakan istilah pidana dalam arti sempit adalah berkaitan dengan hukum pidana.Pidana didefinisikan sebagai suatu penderitaan yang sengaja dijatuhkan/diberikan oleh negara pada seseorang atau beberapa orang sebagai akibat hukum (sanksi) baginya
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 0
atas perbuatannya yang telah melanggar larangan hukum pidana.Secara khusus larangan dalam hukum pidana ini disebut sebagai tindak pidana (strafbaar feit).
Pidana dapat berbentuk punishment atau treatment.Pidana merupakan pembalasan (pengimbalan) terhadap kesalahan si pembuat.Sedangkan tindakan adalah untuk perlindungan masyarakat dan untuk pembinaan si pembuat.
Pelaku pidana disebut seorang kriminal.Biasanya yang dianggap kriminal adalah seorang pencuri, pembunuh, perampok, atau teroris.Walaupun begitu kategori terakhir, teroris, agak berbeda dari kriminal karena melakukan tindak kejahatannya berdasarkan motif agama, politik atau paham.
Selama kesalahan seorang kriminal belum ditetapkan oleh seorang hakim, maka orang ini disebut seorang terdakwa.Sebab ini merupakan asas dasar sebuah negara hukum, seseorang tetap tidak bersalah sebelum kesalahannya terbukti.Pelaku tindak kriminal yang dinyatakan bersalah oleh pengadilan dan harus menjalani hukuman disebut sebagai terpidana atau narapidana.
Sejak tahun 2007 sampai dengan tahun 2017 negara Indonesia mengalami perkembangan tindak pidana korupsi mengalami peningkatan setiap tahun. Tindak Pidana kejahatan terbesar terdapat pada tahun 2016 yaitu 357.197dan tindak pidana kejahatan terendah tahun 2017 sebesar 291.748. Data tindak pidana kejahatan tahun 2007 – 2017 sebagai berikut : (https://id.wikipedia.org/wiki/Pidana)
Tabel 27 Perkembangan Tindak Pidana Kejahatan Republik Indonesia Tahun 2007 – 2017
Tahun
(n) Tindak Pidana
Kejahatan
2007 330.384
2008 326.752
2009 344.942
2010 332.490
2011 347.605
2012 341.159
78
2014 325.317
2015 352.936
2016 357.197
2017 291.748
Dari tabel diatas dapat dianalisis secara statistik Deskriptif :
Rata – rata (Mean)
Berdasarkan rumus (1) :
= Nilai Rata − rata xi = Nilai Amatan ke i n = 1,2,3…,n
sehingga diperoleh nilai rata – rata tindak pidana kejahatan Negara Indonesia tahun 2007 – 2017 sebagai berikut :
∑ xi
= =
n
∑ xi
n = 3.692.614
11 = 335.692,18
Varians
Untuk nilai varians tindak pidana korupsi Negara Repbulik Indonesia tahun 2007 – 2017 berdasarkan rumus (3) sebagai berikut :
s2 = 3215115411,63 10
s2 = 321511541,163
∑ xi
= n
(xi − x )2
i=1
n − 1
∑n s2 =
P = {(N/N-1)* 100)-100)
Standar Deviasi
Untuk nilai Standar Deviasi tindak pidana kejahatan Negara Repbulik Indonesia tahun 2007 – 2017 berdasarkan rumus (4) sebagai berikut :
∑n (xi − x )2
s = √ i=1 n − 1
s = √3215115411,63 10
= √321511541,163 s = 56.701,99
Rentang (Range = R) Berdasarkan rumus (2) :
R = 357.197– 291.748 R = 61.188
Persentase Kenaikan / penurunan Rumus :
P = persen kenaikan/penurunan N = Nilai tahun awal
N-1 = Nilai Tahun sebelumnya
Tabel 28 Persentase Kenaikan / Penurunan Tindak Pidana Kejahatan Tahun 2007-2017
Tahun (n)
Jumlah Tindak Pidana
Persentase % Kenaikan / Penurunan
2007 330.384
2007- 2008 326.752 -1,10
2008- 2009 344.942 5,57
332.490
R = Nilai Tertinggi – Nilai Terendah
80
Grafik 27. Perkembangan Jumlah tindak pidanaKejatahan Republik Indonesia Tahun 2007 -2017
350,000 344,942 347,605 341,159 342,084 352,936 357,197
326,752 332,490 325,317
300,000 291,748
250,000
Grafik 28. Persentase Perubahan Tindak Pindana kejahatan Tahun 2007 -2017
-20.00 -18.32
3.3 Uji Normalitas
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya….ya berarti data yang kita uji normal, kan tidak berbeda dengan normal baku.
Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan
Rumus
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
82 FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris
FT = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan kurva mulai dari ujung kiri kurva sampai dengan titik Z.
Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi c. Dapat untuk n besar maupun n kecil.
Siginifikansi
Signifikansi uji, nilai | FT – FS | terbesar dibandingkan dengan nilai tabel Kolmogorov Smirnov. Jika nilai | FT – FS | terbesar kurang dari nilai tabel Kolmogorov Smirnov, maka Ho diterima ; H1ditolak. Jika nilai | FT – FS terbesar lebih besar dari nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; H1 diterima. Tabel Nilai Quantil Statistik Kolmogorov Distribusi Normal.
3.4 Analisis Korelasi
Korelasi merupakan suatu teknik statistik yang dipergunakan untuk mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud adalah apakah hubungan tersebut erat, lemah, ataupun tidak erat. Sedangkan bentuk hubungannya adalah apakah bentuk korelasinya linear positifataupun linear negatif.
ryx [ n Xi Yi (Xi ) ( Yi ) ]
n (X2 ) (X )2
n (Y2 ) ( Y )2
i i i i
Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai
mendekati 0 berarti hubungan antara dua variabel semakin lemah.Nilai positif menunjukkan hubungan searah (X naik, maka Y naik) sementara nilai negatif menunjukkan hubungan terbalik (X naik, maka Y turun).
Data yang digunakan dalam korelasi parsial biasanya memiliki skala interval atau rasio. Berikut adalah pedoman untuk memberikan interpretasi serta analisis bagi koefisien korelasi menurut Sugiyono:
0.00 - 0,199 = sangat rendah digunakan data persentase kenaikan / perubahan setiap tahun ((n/n-1)x100)- 100)), untuk menghindari angka dua belas digit. Berikut data persentase kenaikan/perubahan setiap tahun :
Tabel 29 Persentase Perubahan Perkembangan Indikator Penting MDGs/SDGs Negara Republik Indonesia Tahun 2007 -2017
Tahun
84
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X1 (Pertumbuhan Ekonomi)
Tahun
Grafik Perubahan Anggaran Belanja dan Pertumbuhan Ekonomi
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X2 (Utang Negara)
Tahun
Total 127.69 96.48 1209.2281 1093.5528 2257.5665
Grafik Perubahan Anggaran Belanja dan Utang Negara
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
86
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X3 (Penganguran)
Tahun
Total 127.69 -48.35 -390.7576 458.9239 2257.5665
Grafik Perubahan Anggaran Belanja dan Pengangguran
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X4 (Kemiskinan)
Tahun
Total 127.69 -28.25 -390.5003 155.1557 2257.5665
Grafik Perubahan Anggaran Belanja dan Kemiskinan
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
88
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X5 (Inflasi)
Tahun
2008- 2009 21,34 75,18 1604.3412 5652.0324 455.3956
2009- 2010 1,02 150,00 153 22500 1.0404
2010- 2011 17,36 -45,71 -793.5256 2089.4041 301.3696
2011- 2012 16,74 13,16 220.2984 173.1856 280.2276
2012- 2013 17,24 94,42 1627.8008 8915.1364 297.2176
2013- 2014 11,52 0,24 2.7648 0.0576 132.7104
2014- 2015 24,52 -59,43 -1457.2236 3531.9249 601.2304
2015- 2016 - 0,72 -11,76 8.4672 138.2976 0.5184
2016- 2017 6,73 20,00 134.6 400 45.2929
Total 127.69 307.27 2350.293 48465.2075 2257.5665
Grafik Perubahan Anggaran Belanja dan inflasi
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X6 (Geni Rasio)
Tahun
Grafik Perubahan Anggaran Belanja dan Geni Rasio
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
90
n (X i 2 ) (X ) i
2 n (Y i 2 ) ( Y ) i 2
- Korelasi antara Y(Anggaran Belanja ) dan X7 (Jumlah Penduduk)
Tahun
Grafik Perubahan Anggaran Belanja dan Jumlah Penduduk
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X8 (Nilai Impor)
Tahun
Total 127.69 111.1 574.7138 9349.0492 2257.5665
Grafik Perubahan Anggaran Belanja dan Nilai Impor
ryx
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
[ n Xi Yi (Xi ) ( Yi ) ]
−8439.22
ryx = 22558.12 = −0,37
-40 Anggaran Belanja Import
9
92
n (X i 2 ) (X ) i
2 n (Y i 2 ) ( Y ) i 2
- Korelasi antara Y(Anggaran Belanja ) dan X9 (Ekspor)
Tahun
Grafik Perubahan Anggaran Belanja dan Ekspor
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ] 17.36 16.74 17.24
24.52
n (X i 2 ) (X ) i
2 n (Y i 2 ) ( Y ) i 2
- Korelasi antara Y(Anggaran Belanja ) dan X10 (Melek huruf)
Tahun
Grafik Perubahan Anggaran Belanja dan Melek Huruf
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
17.36 16.74 17.24 15
94
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X11 (Angka harapan hidup)
Tahun
Grafik Perubahan Anggaran Belanja dan Angka Harapan Hidup
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X12 (Tindak Korupsi)
Tahun
Total 127.69 70.65 1110.4407 3374.5401 2257.5665
Grafik Perubahan Anggaran Belanja dan Tindak Korupsi
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]
96
n (X ) i 2 (X ) i
2 n (Y ) ( Y ) i 2 i 2
- Korelasi antara Y(Anggaran Belanja ) dan X13 (Tindak Kejatahan)
Tahun
Total 127.69 26.95 428.8706 502.6415 2257.5665
Grafik Perubahan Anggaran Belanja dan Tindak Kejahatan
Dari grafik dan tabel diatas dapat dihitung nilai korelasi antar variabel sebagai berikut :
ryx [ n Xi Yi (Xi ) ( Yi ) ]