Analisis Faktor-Faktor yang Mempengaruhi Jumlah Kriminalitas di Provinsi Sumatera Utara

Lampiran 1

Data Jumlah Penduduk Miskin, Tingkat Pengangguran dan Jumlah Penghasilan Provinsi Sumatera Utara.

Kabupaten / Kota

Jumlah Penduduk

Miskin (ribuanjiwa)

Tingkat Pengangguran

(%)

Jumlah Penghasilan (Jutaan Rp)

Jumlah Kriminalitas (ribuankasus) Kabupaten

Nias 11,64 3,17 3,042 2,125

Mandailing Natal 20,35 2,52 2,985 3,025

Tapanuli Selatan 19,39 1,91 3,369 2,945

Tapanuli Tengah 26,00 7,80 3,372 2,581

Tapanuli Utara 16,88 2,57 3,288 2,567

Toba Samosir 9,320 1,23 3,254 2,479

Labuhan Batu 19,07 6,41 3,237 4,735

Asahan 42,27 1,90 3,237 3,224

Simalungun 41,55 1,87 3,211 3,769

Dairi 13,43 3,43 3,196 2,661

Karo 18,47 6,32 3,173 3,528

Deli Serdang 52,99 6,81 3,168 5,471

Langkat 50,16 1,27 3,160 3,683

Nias Selatan 28,48 1,37 3,141 2,487

Humbang Hasundutan 8,97 1,38 3,150 2,263

Pakpak Barat 6,47 1,43 3,136 2,284

Samosir 8,59 1,55 3,125 2,209

Serdang Bedagai 28,28 1,93 2,820 3,235

Batubara 23,43 1,82 3,107 3,071

Padang Lawas Selatan 12,51 1,48 3,097 3,088

Padang Lawas Utara 12,62 1,30 3,084 2,974

Labuhan Batu Selatan 18,67 3,47 3,073 2,993

Labuhan Batu Utara 19,05 3,62 3,073 3,169

Nias Utara 20,39 3,51 3,046 2,428

Nias Barat 12,44 3,78 2,941 2,225

Kota

Sibolga 9,54 8,90 3,396 2,638

Tanjung Balai 12,10 6,39 2,860 2,864

Pematang Siantar 14,31 7,01 3,109 3,084

Tebing Tinggi 10,99 6,73 3,041 2,948

Medan 67,35 16,25 3,302 12,457

Binjai 8,74 4,86 2,973 3,268

Padangsidimpuan 9,62 3,34 3,029 2,781

Sumatera Utara 694,085 128,410 103,241 107,985 Sumber: Badan Pusat Statistik Provinsi Sumatera Utara

Lampiran 2

Analisis Regresi Linier Berganda

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 2.465 3.646 .676 .504

X1 .068 .012 .547 4.250 .000 .839 1.192

X2 .305 .053 .542 4.196 .000 .837 1.195

X3 -.576 1.188 -.044 -.155 .632 .899 1.112

Lampiran 3

Uji Koefisien Korelasi

Correlations

Y X1 X2 X3

Y Pearson Correlation 1 .733** .729** .242

Sig. (2-tailed) .000 .000 .175

N 33 33 33 33

X1 Pearson Correlation .733** 1 .363* .260

Sig. (2-tailed) .000 .038 .144

N 33 33 33 33

X2 Pearson Correlation .729** .363* 1 .264

Sig. (2-tailed) .000 .038 .137

N 33 33 33 33

X3 Pearson Correlation .242 .260 .264 1

Sig. (2-tailed) .175 .144 .137

N 33 33 33 33

**. Correlation is significant at the 0.01 level (2-tailed).

Lampiran 4

Uji Multikolinieritas

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 2.465 3.646 .676 .504

X1 .068 .012 .547 4.250 .000 .839 1.192

X2 .305 .053 .542 4.196 .000 .837 1.195

X3 -.576 1.188 -.044 -.155 .632 .899 1.112

Lampiran 5

Uji Heteroskedastisitas

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -3.446 1.609 -2.142 .041

JlhPendudukMiskin .004 .005 .099 .695 .492

tingkatpengangguran .086 .023 .520 3.664 .081

JlhPenghasilan 1.173 .524 .306 2.238 .063

Lampiran 6 Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 33

Normal Parametersa Mean .0000000

Std. Deviation .82814270

Most Extreme Differences Absolute .098

Positive .065

Negative -.098

Kolmogorov-Smirnov Z .565

Asymp. Sig. (2-tailed) .907

DAFTAR PUSTAKA

Algifari. 2000. Analisis Regresi, Teori, Kasus, dan Solusi. Yogyakarta : BPFE. Sudjana, 2005. Metode Statistika. Edisi Keenam. Bandung : Penerbit Tarsito

Masri Singarimbun dan sofian Effendi. 1995. Metode Penelitian Survei. Jakarta : LP3ES

Sudjana, 1996. Teknik Analisis Regresi Dan Korelasi. Bandung: Penerbit Tarsito J. Supranto, 2004. Analisis Multivariat Arti dan Interpretasi. Jakarta: Penerbit Rineka Cipta.

BAB III

PEMBAHASAN DAN HASIL

3.1 Data Jumlah Penduduk Miskin, Tingkat Pengangguran dan Jumlah Penghasilan Provinsi Sumatera Utara.

Data yang dikumpulkan penelitian ini adalah data sekunder yang diperoleh dari BPS Provinsi Sumatera Utara di Jl. Asrama Medan. Yaitu data jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan Provinsi Sumatera Utara. Datanya sebagai berikut:

Tabel 3.1 Data Jumlah Penduduk Miskin, Tingkat Pengangguran dan Jumlah Penghasilan Provinsi Sumatera Utara

Kabupaten/Kota

Jumlah Penduduk

Miskin (ribuanjiwa)

Tingkat Pengangguran

(%)

Jumlah Penghasilan (Jutaan Rp)

Jumlah Kriminalitas (ribuankasus)

(1) (2) (3) (4) (5)

Nias 11,64 3,17 3,042 2,125

Mandailing Natal 20,35 2,52 2,985 3,025

Tapanuli Selatan 19,39 1,91 3,369 2,945

Tapanuli Tengah 26,00 7,80 3,372 2,581

Tapanuli Utara 16,88 2,57 3,288 2,567

Toba Samosir 9,320 1,23 3,254 2,479

Labuhan Batu 19,07 6,41 3,237 4,735

Asahan 42,27 1,90 3,237 3,224

Simalungun 41,55 1,87 3,211 3,769

Dairi 13,43 3,43 3,196 2,661

Karo 18,47 6,32 3,173 3,528

Deli Serdang 52,99 6,81 3,168 5,471

Langkat 50,16 1,27 3,160 3,683

Nias Selatan 28,48 1,37 3,141 2,487

Humbang

Hasundutan 8,97 1,38 3,150 2,263

(1) (2) (3) (4) (5)

Samosir 8,59 1,55 3,125 2,209

Serdang Bedagai 28,28 1,93 2,820 3,235

Batu Bara 23,43 1,82 3,107 3,071

P. Lawas Selatan 12,51 1,48 3,097 3,088

PadangLawas

Utara 12,62 1,30 3,084 2,974

LabuhanBatu

Selatan 18,67 3,47 3,073 2,993

LabuhanBatu

Utara 19,05 3,62 3,073 3,169

Nias Utara 20,39 3,51 3,046 2,428

Nias Barat 12,44 3,78 2,941 2,225

Sibolga 9,54 8,90 3,396 2,638

Tanjung Balai 12,10 6,39 2,860 2,864

Pematang Siantar 14,31 7,01 3,109 3,084

Tebing Tinggi 10,99 6,73 3,041 2,948

Medan 67,35 16,25 3,302 12,457

Binjai 8,74 4,86 2,973 3,268

PadangSidimpuan 9,62 3,34 3,029 2,781

Gunung Sitoli 20,08 1,08 3,046 2,726

Sumatera Utara 694,085 128,410 103,241 107,985 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

Dari data tersebut maka diperoleh variabel sebagai berikut : Y = Jumlah Kriminalitas (ribuan kasus)

X1 = Jumlah Penduduk Miskin (ribuan jiwa)

X2 = Tingkat Pengangguran (%)

X₃ = Jumlah Penghasilan (Jutaan Rupiah)

3.2 Membentuk Persamaan Regresi Linier Berganda

Tabel 3.2 Harga-Harga yang Diperlukan Untuk Menghitung Koefisien b0, b1, b2, b3

No Y X1 X2 X3 Y2 X12

(1) (2) (3) (4) (5) (7) (8)

Sambungan Tabel 3.2

No X22 X32 X1X2 X1X3

(1) (2) (3) (5) (6)

Sambungan Tabel 3.2

No X2X3 YX1 YX2 YX3

(1) (2) (3) (4) (5)

1 9,64314 24,735 6,73625 6,46425 2 7,5222 61,54363 7,623 9,029625 3 6,43479 57,08883 5,62495 9,921705 4 26,3016 67,106 20,1318 8,703132 5 8,45016 43,31813 6,59719 8,440296 6 4,00242 23,10428 3,04917 8,066666 7 20,74917 90,29645 30,35135 15,3272 8 6,1503 136,2785 6,1256 10,43609 9 6,00457 156,5831 7,04803 12,10226 10 10,96228 35,73723 9,12723 8,504556 11 20,05336 65,14452 22,29696 11,19434 12 21,57408 289,8809 37,25751 17,33213 13 4,0132 184,7209 4,67741 11,63828 14 4,30317 70,82976 3,40719 7,811667 15 4,347 20,29911 3,12294 7,12845 16 4,48448 14,77748 3,26612 7,162624 17 4,84375 18,97531 3,42395 6,903125 18 5,4426 91,46963 6,24355 9,1227 19 5,65474 71,95353 5,58922 9,541597 20 4,58356 38,61544 4,57024 9,563536 21 4,0092 37,51701 3,8662 9,171816 22 10,66331 55,86435 10,38571 9,197489 23 11,12426 60,35361 11,47178 9,738337 24 10,69146 49,50692 8,52228 7,395688 25 11,11698 27,679 8,4105 6,543725 26 30,2244 25,16652 23,4782 8,958648 27 18,2754 34,6544 18,30096 8,19104 28 21,79409 44,11662 21,61884 9,588156 29 20,46593 32,39852 19,84004 8,964868 30 53,6575 838,979 202,4263 41,13301 31 14,44878 28,56232 15,88248 9,715764 32 10,11686 26,75322 9,28854 8,423649 33 3,28968 54,73808 2,94408 8,303396 Jumlah 405,398 2878,747 552,706 339,720

Dari Tabel 3.2 diperoleh hasil sebagai berikut :

n = 33 X32 = 323,587

Y = 107,985 X1X2 = 3235,938

X1 = 694,085 X1X3 = 2187,910

X2 = 128,41 X2X3 = 405,398

X3 = 103,241 YX1 = 2878,747

Y2 = 455,690 YX2 = 552,706

X12 = 21317,245 YX3 = 339,720

X22 = 822,276

Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus sebagai berikut :

∑

∑

∑

∑

=

+

+

+

_{3 3}

2 2

1 1

0

b

X

b

X

b

X

nb

Y

∑

∑

∑

∑

∑

=

+

2

+

_{2 1 2}

+

_{3 1 3}

1 1

1 0

1

b

X

b

(

X

)

b

X

X

b

X

X

YX

∑

∑

∑

∑

∑

=

+

+

2

+

_{3 2 3}

2 2 2 1 1 2 0

2

b

X

b

X

X

b

(

X

)

b

X

X

YX

∑

∑

∑

∑

∑

=

+

+

+

2

3 3 3 2 2 3 1 1 3 0

3

b

X

b

X

X

b

X

X

b

(

X

)

YX

Harga-harga koefisien b0, b1, b2 dan b3 dicari dengan substitusi dan eliminasi dari persamaan normal di atas. Selanjutnya substitusi nilai-nilai pada Tabel 3.2 ke dalam persamaan normal. Sehingga diperoleh :

107,985 = 33 b0 + 694,08 b1 + 128,41 b2 + 103,24 b3

2878,747 = 694,08 b0 + 21317,25 b1 + 3235,94 b2 + 2187,91 b3 552,706 = 128,41 b0 + 3235,94 b1 + 822,28 b2 + 405,39 b3 339,720 = 103,24 b0 + 2187,91 b1 + 405,39 b2 + 323,587 b3

Setelah persamaan di atas diselesaikan. Maka diperoleh koefisien-koefisien regresi linier berganda seperti berikut:

Maka persamaan regresi linier bergandanya adalah :

3 3 2 2 1 1 0

ˆ _{b b X b X b X}

Y = + + +

ˆ

Y = 2,465 + 0,068X1 + 0,305X2 – 0,576X3

Setelah diperoleh persamaan regresi berganda. Langkah selanjutnya adalah menghitung kesalahan baku (Standard error). Untuk menghitung kesalahan baku ini diperlukan harga Y� yang diperoleh dari persamaan regresi di atas untuk tiap harga X1, X2 dan X3 yang diketahui. Maka untuk mencari kesalahan baku tersebut dibuat terlebih dahulu tabel seperti di bawah ini :

Tabel 3.3 Nilai-Nilai Yˆ Yang Diperoleh Dari Persamaan Regresi Linier Berganda Untuk Menghitung Kekeliruan Tafsiran Baku

No Y Ŷ (Y-Ŷ) (� −Ŷ)�

(1) (2) (3) (4) (5)

(1) (2) (3) (4) (5) 25 2,225 2,769804 -0,544804 0,296811398 26 2,638 3,872124 -1,234124 1,523062047 27 2,864 3,58939 -0,72539 0,526190652 28 3,084 3,785006 -0,701006 0,491409412 29 2,948 3,513354 -0,565354 0,319625145 30 12,457 10,0991 2,357902 5,559701842 31 3,268 2,829172 0,438828 0,192570014 32 2,781 2,393156 0,387844 0,150422968 33 2,726 2,405344 0,320656 0,10282027 Jumlah 107,985 108,241 -0,256014 21,9496815

Setelah memperoleh harga yang terdapat pada Tabel 3.3. maka kekeliruan bakunya dapat dihitung dengan menggunakan rumus sebagai berikut :

Sy.1.2.….k = Se =�∑�

Yi−Y�� 2

n−k−1

Dengan k = 3. n = 33. dan

∑

(

Y−Yˆ

)

2= 21,9496815

Sehingga diperoleh :

Sy.1.2.….k = Se = �∑�

Yi−Y�� 2

n−k−1

Sy.1.2.….k = Se =�

21,9496815 33−3−1

Sy.1.2.….k = Se = �0,75688557

Sy.1.2.….k = Se = 0,8699

Ini berarti rata jumlah kriminalitas yang sebenarnya akan menyimpang dari rata-rata hasil jumlah kriminalitas yang diperkirakan sebesar 0,8699.

3.3 Uji Regresi Linier Berganda

3.3.1 Uji F (Simultan)

1. Menentukan formulasi hipotesis

H₀ : Tidak terdapat pengaruh yang signifikan antara jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan terhadap jumlah kriminalitas di Provinsi Sumatera Utara.

H1 : Terdapat pengaruh yang signifikan antara jumlah penduduk miskin,

tingkat pengangguran dan jumlah penghasilan terhadap jumlah kriminalitas di Provinsi Sumatera Utara.

2. Mencari nilai Ftabel dari Tabel Distribusi F

Dengan taraf nyata α = 0.05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk penyebut (v2) = n – k – 1 = 33 – 3 – 1 = 29. maka di peroleh Fv₁;v₂(α) =

F3;29(0.05)= 2,93

3. Menentukan kriteria pengujian H0 diterima bila Fhitung < Ftabel

H0 ditolak bila Fhitung ≥Ftabel

4. Menentukan nilai statistik Fhitung

Fhitung =

JK(reg )/k

JK(res )/(n−k−1)

Untuk menguji model regresi yang telah terbentuk. maka diperlukan nilai-nilai y, x1, x2 dan x3 dengan rumus :

y Y Y= − x₂ =X₂ −X₂

1 1

1 X X

x = − x₃ =X₃ −X₃

Dari Tabel 3.2 dapat dicari rata-rata untuk y, x1, x2 dan x3 seperti di bawah ini :

Y Y

n

=

∑

2

2

X X

n

=

∑

Y

�= 107,985

33 = 3,2723 X�2 =

128,410

1 1

X X

n

=

∑

3

3

X X

n

=

∑

X

�₁ =694,085

33 =21,0329 X�3 =

103,241

33 =3,1285

Selanjutnya untuk uji keberartian Regresi, dilakukan perhitungan seperti tabel 3.4 dibawah ini:

Tabel 3.4 Harga-Harga Yang Diperlukan Untuk Uji Keberartian Regresi

No

y

x

1

x

2

x

3

y

2

(1) (2) (3) (4) (5) (6)

(1) (2) (3) (4) (5) (6) 31 0,0043 12,2929 -0,9688 0,1555 0,00001849 32 0,4913 11,4129 0,5512 0,0995 0,24137569 33 0,5463 0,9529 2,8112 0,0825 0,29844369 Jumlah 0,0009 0,0007 -0,0004 -0,0005 102,334

Sambungan Tabel 3.4

No

x

1

2

x

2 2

x

3 2

x

1

x

2

x

1

x

3

(1) (2) (3) (4) (5) (6)

(1) (2) (3) (4) (5) (6) 32 130,25429 0,30382144 0,00990025 6,29079 1,135584 33 0,9080184 7,90284544 0,00680625 2,678792 0,078614 Jlh 6718,639 322,605 0,596 535,106 16,454

Sambungan Tabel 3.4

No

x

2

x

3

yx

1

yx

2

yx

3

(1) (2) (3) (4) (5)

(1) (2) (3) (4) (5) 31 -0,15065 0,052859 -0,00417 0,000669 32 0,054844 5,607158 0,270805 0,048884 33 0,231924 0,520569 1,535759 0,04507 Jumlah 3,666 607,512 132,513 1,887

Dari nilai-nilai di atas dapat diketahui nilai jumlah kuadrat regresi (JKreg) dan nilai (JKres) dan selanjutnya dapat dihitung Fhitung.

∑

∑

∑

∑

+ + +

=b₁ yx₁ b₂ yx₂ b₃ yx₃ b₄ yx₄

JK_reg

JKreg = 0,068 (607,512) + 0,305 (132,513) – 0,576 (1,887)

JKreg = 41,310816 + 40,416465 – 1,086912

JKreg = 80,640369

JK_res =

∑

(

Y−Yˆ

)

2

JKres = 21,9496815

/ / ( 1)

reg hitung

res

JK k

F

JK n k

=

− −

Fhitung =

80,640369/3 21,9496815/29

Fhitung =

26,880123 0,75688557

Fhitung = 35,514

Untuk F_tabel. yaitu nilai statistik F jika dilihat dari tabel distribusi F dengan derajat kebebasan pembilang V1 = k yaitu 3 dan penyebut V2 = n – k – 1 yaitu 29. dan

( )(1; 2)

tabel V V

F =F_α

Ftabel = F(0.05)(k;n−k−1)

Ftabel = F(0.05)(3;29)

Ftabel = 2,93

Dengan demikian dapat dilihat bahwa nilai Fhitung = 35,514 > Ftabel = 2,93. Maka H0 ditolak dan H1 diterima. Hal ini berarti persamaan linier berganda Y atas X1. X2 dan X3 bersifat nyata yang berarti bahwa jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan secara bersama-sama berpengaruh terhadap jumlah kriminalitas di Provinsi Sumatera Utara.

3.4 Perhitungan Koefisien Determinasi (��) dan Koefisien Korelasi Ganda (R)

Dari Tabel 3.4 dapat dilihat harga uji keberartian regresi ∑ �2 = 102,334 dan nilai ����� = 80,640369 telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi (�2) :

2

2 reg

JK R

y

=

∑

�2 ₌ 80,640369

102,334

�2 _{= 0,7880}

Untuk koefisien korelasi ganda (R) digunakan rumus :

2

R= R

�=�0,7880

�= 0,887

Dari hasil perhitungan didapat korelasi (R) antara jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan terhadap jumlah kriminalitas sebesar 0,887. Nilai korelasi tersebut menyatakan bahwa hubungan antara jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan terhadap jumlah kriminalitas sangat tinggi.

3.5 Perhitungan koefisien Korelasi Antar Variabel

3.5.1 Koefisien Korelasi Antara Jumlah Kriminalitas (Y) Dengan Jumlah Penduduk Miskin (�_�)

(

)

( )

(

)

{

∑

∑

−

∑

∑

}

{

∑

∑

−

( )

∑

}

− = 2 2 2 1 2 1 1 1 1 y y n x x n y x yx n r_yx

(

)(

)

(

)

{

2

}

{

(

)

2

}

) 985 , 07 1 ( 455,690 33 ) 085 , 694 ( 21317,245 33 107,985 694,085 ) 747 , 878 2 ( 33 1 − − − = yx r

{

703469,085 481753,987

}{

15037,77 11660,7602

}

7687 , 74950 651 , 4998 9

1 − −

− =

yx

r

{

221715,098

}{

3377,0098

}

20047,8823

1 =

yx

r

{

748734059

}

8823 , 20047 1 = yx r 0053 , 27363 8823 , 20047 1 = yx r 0,733 1 = yx r

jumlah penduduk miskin terhadap jumlah kriminalitas adalah tinggi dan searah (korelasi positif).

3.5.2 Koefisien Korelasi Antara Jumlah Kriminalitas (Y) Dengan Tingkat Pengangguran (X2)

(

)

(

)

(

)

{

∑

∑

−

∑

∑

}

{

∑

∑

−

(

∑

)

}

− = 2 2 2 2 2 2 2 2 2 y y n x x n y x yx n ryx

(

)(

)

(

)

{

2

}

{

(

)

2

}

) 985 , 07 1 ( 455,690 33 ) 41 , 128 ( 822,276 33 107,985 128,41 ) 706 , 552 ( 33 2 − − − = yx r

{

27135,108 16489,1281

}{

15037,77 11660,7602

}

3538 , 13866 298 , 8239 1

2 − −

− =

yx

r

{

10645,9799

}{

3377,0098

}

4372,9442

2 =

yx

r

{

35951578,5

}

9442 , 4372 2 = yx r 96352 , 5995 9442 , 4372 2 = yx r 0,729 2 = yx r

Koefisien korelasi antara jumlah kriminalitas (Y) dengan tingkat pengangguran (X2) adalah 0,729. Nilai korelasi tersebut menunjukkan bahwa hubungan antara tingkat pengangguran terhadap jumlah kriminalitas adalah tinggi dan searah (korelasi positif).

3.5.3 Koefisien Korelasi Antara Jumlah Kriminalitas (Y) Dengan Jumlah Penghasilan (�_�)

( )

( )

(

)

{

∑

∑

−

∑

∑

}

{

∑

∑

−

( )

∑

}

− = 2 2 2 3 2 3 3 3 3 y y n x x n y x yx n r_yx

(

)(

)

(

)

{

2

}

{

(

)

2

}

{

10678,371 10658,7041

}{

15037,77 11660,7602

}

4794 , 11148 76 , 11210

3 − −

− =

yx

r

{

19,6669

}{

3377,0098

}

62,2806

3 =

yx

r

{

66415,314

}

62,2806 3 = yx r 711688 , 257 62,2806 3 = yx r 0,242 3 = yx r

Koefisien korelasi antara jumlah kriminalitas (Y) dengan jumlah penghasilan (X3) adalah 0,242. Nilai korelasi tersebut menunjukkan bahwa hubungan antara tingkat pendidikan terhadap jumlah kriminalitas adalah rendah dan searah (korelasi positif).

3.5.4 Koefisien Korelasi Antara Jumlah Penduduk Miskin (X1) Dengan Tingkat

Pengangguran (X2)

( )

(

)

(

)

{

∑

∑

−

∑

∑

}

{

∑

∑

−

(

∑

)

}

− = 2 2 2 2 2 1 2 1 2 1 2 1 2 1 x x n x x n x x x x n r x x

(

)(

)

(

)

{

2

}

{

(

)

2

}

) 128,41 ( 822,276 33 ) 085 , 94 6 ( 21317,245 33 128,41 694,085 ) 938 , 3235 ( 33 2

1 − −

− =

x x

r

{

703469,085 481753,987

}{

27135,108 164891281

}

4548 , 89127 954 , 106785 2

1 − −

− =

x x

r

{

221715,098

}{

10645,9799

}

17658,4992

2 1x =

x

r

{

2360374477

}

4992 , 17658 2 1 = x x r 6853 , 48583 4992 , 17658 2

1x =

x

r

0,363

2 1x =

x

Koefisien korelasi antara jumlah penduduk miskin (X1) dengan tingkat pengangguran (X2) adalah 0,363. Nilai korelasi tersebut menunjukkan bahwa hubungan antara tingkat pengangguran terhadap jumlah penduduk miskin adalah rendah dan searah (korelasi positif).

3.5.5 Koefisien Korelasi Antara Jumlah Penduduk Miskin (X1) Dengan Jumlah

Penghasilan (X3)

( )

(

)

(

)

{

∑

∑

−

∑

∑

}

{

∑

∑

−

(

∑

)

}

− = 2 3 2 3 2 1 2 1 3 1 3 1 3 1 x x n x x n x x x x n r_xx

(

)(

)

(

)

{

2

}

{

(

)

2

}

) 241 , 03 1 ( 323,587 33 ) 085 , 94 6 ( 21317,245 33 103,241 694,085 ) 910 , 187 2 ( 33 3 1 − − − = x x r

{

703469,085 481753,987

}{

10678,371 10658,7041

}

0295 , 71658 72201,03

3

1 − −

− =

x x

r

{

221715,098

}{

19,6669

}

543,0005

3 1x =

x

r

{

4360448,66

}

0005 , 543

3 1x =

x r 16873 , 2088 0005 , 543 3

1x =

x

r

0,260

3 1x =

x

r

Koefisien korelasi antara jumlah penduduk miskin (X1) dengan jumlah penghasilan (X3) adalah 0,260. Nilai korelasi tersebut menunjukkan bahwa hubungan jumlah penghasilan terhadap jumlah penduduk miskin adalah rendah dan searah (korelasi positif).

3.5.6 Koefisien Korelasi Antara Tingkat Pengangguran (X2) Dengan Jumlah

Penghasilan (X3)

(

)(

)

(

)

{

2

}

{

(

)

2

}

) 241 , 03 1 ( 323,587 33 ) 41 , 28 1 ( 822,276 33 103,241 128,41 ) 398 , 05 4 ( 33 3 2 − − − = x x r

{

27135,108 16489,1281

}{

10678,371 10658,7041

}

1768 , 13257 134 , 13378 3

2 − −

− =

x x

r

{

10645,9799

}{

19,6669

}

120,9572

3 2x =

x

r

{

209373,422

}

120,9572

3 2x =

x r 573406 , 457 120,9572 3 2x =

x r

264

,

0

3 2x

=

x

r

Koefisien korelasi antara tingkat pengangguran (X2) dengan jumlah penghasilan (X3) adalah 0,264. Nilai korelasi tersebut menunjukkan bahwa hubungan antara jumlah penghasilan terhadap tingkat pengangguran adalah rendah dan searah (korelasi positif).

3.6 Uji t (Parsial)

Tabel 3.5 Harga-Harga x12, x22 dan , x32 Untuk Uji Koefisien Regresi

No

y

2

x

1

2

x

2 2

x

3 2

(1) (2) (3) (4) (5)

15 1,01868649 145,51356 6,30612544 0,00046225 16 0,97673689 212,07806 6,05750544 0,00005625 17 1,13060689 154,82576 5,48121744 0,00001225 18 0,00139129 52,448012 3,84630544 0,09517225 19 0,04052169 5,7460884 4,28986944 0,00046225 20 0,03396649 72,725078 5,81388544 0,00099225 21 0,08898289 70,86104 6,71431744 0,00198025 22 0,07800849 5,6069504 0,17740944 0,00308025 23 0,01067089 3,9517464 0,07354944 0,00308025

(1) (2) (3) (4) (5)

24 0,71284249 0,4133204 0,14531344 0,00680625 25 1,09683729 73,83793 0,01236544 0,03515625 26 0,40233649 132,08675 25,0880774 0,07155625 27 0,16670889 79,796702 6,24400144 0,07209225 28 0,03545689 45,264638 9,72691344 0,00038025 29 0,10517049 100,85984 8,05878544 0,00765625 30 84,35871409 2145,2738 152,739937 0,03010225 31 0,00001849 151,11539 0,93857344 0,02418025 32 0,24137569 130,25429 0,30382144 0,00990025 33 0,29844369 0,9080184 7,90284544 0,00680625 Jumlah 102,334 6718,639 322,605 0,596

3.6.1 Pengaruh Jumlah Penduduk Miskin (X1) Terhadap Jumlah Kriminalitas

(Y)

6. Menentukan formulasi hipotesis

H0 : Jumlah penduduk miskin tidak berpengaruh pada jumlah kriminalitas di Provinsi Sumatera Utara.

H1 : Jumlah penduduk miskin berpengaruh pada jumlah kriminalitas di Provinsi Sumatera Utara.

7. Mencari nilai ttabel dari Tabel Distribusi t

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 = 33 – 3 – 1 = 29, maka diperoleh t₍1

2α;n−k−1)

8. Menentukan kriteria pengujian H0 diterima bila thitung < ttabel

H0 ditolak bila thitung ≥ttabel

9. Menentukan nilai statistik thitung

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran

Sb1 =�

S_{y.12 …k}2 (∑X₁2)(1− R2_y.12)

Selanjutnya hitung statistik :

t_hitung = b1 Sb1

Maka dengan harga-harga berikut ini :

75688557 ,

0

2 ,..., 2 , 1 ,

2 _{= =}

e k y

e S

S

�x₁2 = 6718,639

Ryx 1 = 0,733

Sb1 =�

S_{y.12 …k}2 (∑X₁2)(1− R2_{yx 1})

S_b1 =� 0,75688557

(6718,639)(1− (0,733)2

Sb1 =�

0,75688557 (6718,639)(1−0,5373)

Sb1 =�

0,75688557 (6718,639)(0,463)

Sb1 =�

0,75688557 3110,72986

Maka thitung diperoleh :

1 1

hitung

b t

Sb

=

thitung =

0,068 0,016

t_hitung =4,250

10. Kesimpulan

Karena thitung = 4,250 ≥ ttabel = 2,045 maka H0 ditolak.

Hal ini berarti bahwa jumlah penduduk miskin berpengaruh pada jumlah kriminalitas di Provinsi Sumatera Utara.

3.6.2 Pengaruh Tingkat Pengangguran (X2) Terhadap Jumlah Kriminalitas (Y)

1. Menentukan formulasi hipotesis

H0 : Tingkat pengangguran tidak berpengaruh pada jumlah kriminalitas di

Provinsi Sumatera Utara.

H1 : Tingkat pengangguran berpengaruh pada jumlah kriminalitas di Provinsi

Sumatera Utara.

2. Mencari nilai ttabel dari Tabel Distribusi t

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 = 33 – 3 – 1 = 29, maka diperoleh t₍1

2α;n−k−1)

= t(0,025;29)= 2,045.

3. Menentukan kriteria pengujian H₀ diterima bila t_hitung < t_tabel H₀ ditolak bila t_hitung ≥t_tabel 4. Menentukan nilai statistik thitung

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran

Sb2 =�

S_{y.12 …k}2 (∑X₂2)(1− R2_{yx 2})

Selanjutnya hitung statistik :

thitung =

b2

Maka dengan harga-harga berikut ini :

75688557 ,

0

2 ,..., 2 , 1 ,

2 _{= =}

e k y

e S

S

�x₂2 = 322,605

Ryx 2 = 0,729

S_b2 =� Sy.12 …k

2

(∑X₂2)(1− R2_{yx 2})

S_b2 =� 0,75688557 (322,605)(1− (0,729)2

Sb2 =�

0,75688557 (322,605)(1−0,5314)

S_b2 =� 0,75688557 (322,605)(0,469)

S_b2 =�0,75688557 151,301745

Sb2 = 0,071

Maka thitung diperoleh :

2

2 hitung

b

b t

S

=

thitung =

0,305 0,071

thitung =4,196

5. Kesimpulan

Karena thitung = 4,196 ≥ ttabel = 2,045 maka H0 ditolak.

3.6.3 Pengaruh Jumlah Penghasilan (X3) Terhadap Jumlah Kriminalitas (Y)

1. Menentukan formulasi hipotesis

�0 : Jumlah penghasilan tidak berpengaruh pada jumlah kriminalitas di

Provinsi Sumatera Utara.

�1 : Jumlah penghasilan berpengaruh pada jumlah kriminalitas di Provinsi

Sumatera Utara.

2. Mencari nilai ttabel dari Tabel Distribusi t

Dilakukan uji dua sisi dengan taraf nyata α = 0,05 dan nilai ttabel dengan dk yaitu n – k – 1 = 33 – 3 – 1 = 29, maka diperoleh �₍1

2�;�−�−1)

= �_(0,025;29)= 2,045.

3. Menentukan kriteria pengujian �0 diterima bila thitung < ttabel

�0 ditolak bila thitung ≥ttabel

4. Menentukan nilai statistik thitung

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran

��3= �

�_�2.12 …�

(∑ �₃2)(1− �_��2 ₃)

Selanjutnya hitung statistik :

�ℎ����� =_��3 �3

Maka dengan harga-harga berikut ini :

,1,2,..., 2 0,75688557

2 _{= =}

e k y

e S

S

� �32 = 0,596

���3 = 0,242

��3= �

�_�2.12 …�

(∑ �₃2)(1− �_��2 ₃)

��3= �

0,75688557 (0,596)(1− (0,242)2

�b3 =�

Sb3 =�

0,75688557 (0,596)(0,941)

Sb3 =�

0,75688557 0,055134

S3 = 3,705

Maka thitung diperoleh :

thitung =

b₃ Sb₃

thitung =

−0,576 3,705

thitung = −0,155

5. Kesimpulan

Karena thitung = −0,155 < ttabel = 2,045 maka H0 diterima.

Hal ini berarti bahwa jumlah penghasilan tidak berpengaruh terhadap jumlah kriminalitas di Provinsi Sumatera Utara.

3.7 Uji Asumsi Klasik

[image:32.595.114.532.542.694.2]

3.7.1 Uji Multikolinieritas Tabel 3.6 Uji Multikolinieritas

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 2.465 3.646 .676 .504

X1 .068 .012 .547 4.250 .000 .839 1.192

X2 .305 .053 .542 4.196 .000 .837 1.195

X3 -.576 1.188 -.044 -.155 .632 .899 1.112

[image:34.595.115.533.153.303.2]

3.7.2 Uji Heteroskedastisitas Tabel 3.7 Uji Heteroskedastisitas

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -3.446 1.609 -2.142 .041

JlhPendudukMiskin .004 .005 .099 .695 .492

tingkatpengangguran .086 .023 .520 3.664 .081

JlhPenghasilan 1.173 .524 .306 2.238 .063

a. Dependent Variable: RES2

[image:35.595.148.448.178.381.2]

3.7.3 Uji Normalitas

Tabel 3.8 Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 33

Normal Parametersa Mean .0000000

Std. Deviation .82814270

Most Extreme Differences Absolute .098

Positive .065

Negative -.098

Kolmogorov-Smirnov Z .565

Asymp. Sig. (2-tailed) .907

a. Test distribution is Normal.

Berdasarkan output di atas, diketahui bahwa nilai signifikansi sebesar 0,907 lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data yang di uji berdistribusi normal.

BAB IV PENUTUP

4.1 Kesimpulan

Dari hasil analisis dan perhitungan yang telah dilakukan, maka dapat disimpulkan sebagai berikut :

1. Persamaan linear berganda yang didapat adalah ˆ

Y = 2,465 + 0,068X1 + 0,305X2 – 0,576X3

• _Yˆ _{= 2,465 + 0,068X1 berarti jika jumlah penduduk miskin meningkat} maka diperkirakan jumlah kriminalitas juga akan meningkat.

• _Yˆ = _{2,465 + 0,305X2 berarti jika tingkat pengangguran meningkat maka} diperkirakan jumlah kriminalitas juga akan meningkat.

• _Yˆ _{= 2,465 – 0,576X3 berarti jika jumlah penghasilan meningkat maka} diperkirakan jumlah kriminalitas akan menurun.

2. Koefisien determinasi (R2) sebesar 78,8 %, menunjukan bahwa 78,8 % jumlah kriminalitas dipengaruhi oleh ketiga faktor X1, X2, X3 dan 21,2 % dipengaruhi oleh faktor–faktor lain.

3. Pada analisis korelasi antara variabel bebas dengan variabel tak bebas, korelasi tinggi terjadi antara jumlah kriminalitas (Y) dengan jumlah penduduk miskin (X1) yaitu sebesar 0,733 (73,30%) yang artinya faktor jumlah penduduk miskin yang paling mempengaruhi jumlah kriminalitas diantara ketiga faktor.

4.2 Saran

• Bagi Pemerintah:

1. Pemerintah harus melanjutkan dan meningkatkan program penanggulangan kemiskinan.

2. Pemberian program bantuan bagi masyarakat miskin yang diawasi secara ketat agar tepat sasaran untuk menutupi kebutuhan hidup mereka seperti makanan, pakaian, pendidikan bagi anak-anaknya, dan lain-lain. Dikarenakan hal kemiskinan tersebut anak-anak mereka mayoritas hanya sampai SD ataupun SMP saja karena tidak ada dana untuk menyekolahkan anaknya ke tingkat yang lebih tinggi. Permasalahan inilah yang menimbulkan tindak kriminalitas warga yang ingin memenuhi kebutuhan hidupnya dengan cara yang salah, seperti mencuri, memalak, dan lain-lain.

3. Perlunya kebijakan pembangunan yang merata agar hasil pembangunan dan pertumbuhan ekonomi dapat dinikmati dan dirasakan manfaatnya bagi seluruh masyarakat terutama penduduk miskin, agar tidak bertambah kesenjangan yang terjadi di masyarakat.

4. memperbaiki kualitas pendidikan dan mencegah terputusnya pendidikan masyarakat miskin dengan cara Menyediakan dana bantuan pendidikan bagi masyarakat miskin. Dana tersebut berasal dari pemerintah pusat yang disesuaikan dengan kebutuhan dan rencana pengembangan pendidikan di daerah.

• Bagi Masyarakat:

BAB II

TINJAUAN PUSTAKA

2.1 Tinjauan Teoritis 2.1.1 Kriminalitas

Kriminalitas merupakan segala macam bentuk tindakan dan perbuatan yang merugikan secara ekonomis dan psikologis yang melanggar hukum yang berlaku dalam negara indonesia serta norma-norma sosial dan agama. Dapat diartikan bahwa tindak kriminalitas, adalah segala sesuatu perbuatan yang melanggar hukum dan melanggar norma-norma sosial, sehingga masyarakat menentangnya.(Kartono, 1999 : 122)

Secara sosiologis kriminalitas atau tindak kejahatan mempunyai dua unsur yaitu :

1) Kejahatan itu ialah perbuatan yang merugikan secara ekonomis dan merugikan secara psikologis.

2) Melukai perasaan susila dari suatu segerombolan manusia, dimana orang-orang itu berhak melahirkan celaan.

Menurut R. Susilo secara sosiologis mengartikan kriminalitas adalah sebagai perbuatan atau tingkah laku yang selain merugikan penderita atau korban juga sangat merugikan masyarakat yaitu berupa hilangnya keseimbangan, ketentraman dan ketertiban.

Menurut Badan Pusat Statistika kelakuan yang bersifat jahat (criminal behavior) adalah kelakuan yang melanggar Undang-Undang/hukum pidana. Bagaimanapun im-morilnya atau tidak patutnya suatu perbuatan, ia bukan kejahatan kecuali bila dilarang oleh Undang-Undang/hukum pidana.

2.1.1.1 Jenis-jenis Kriminalitas

Kartono (1999 :130-136), jenis-jenis kriminalitas dibagi menjadi 1. Jenis-jenis kriminalitas secara umum :

a. Rampok dan gangsterisme.

b. Penipuan.

Permainan-permainan penipuan dalam bentuk judi dan perantara-perantara “kepercayaan”, pemerasan (blackmailing), ancaman untuk mempublisir skandal dan perbuatan manipulative.

c. Pencurian dan pelanggaran.

Pencurian dan pelanggaran tersebut antara lain: perbuatan kekerasan, perkosaan, pembegalan, perampokan, pelanggaran lalu lintas, ekonomi, pajak, beacukai, dll.

2. Jenis kejahatan menurut cara kejahatan dilakukan : a. Menggunakan alat bantu.

Pelaku kriminal tersebut dalam melancarkan aksinya menggunakan senajata, senapan, bahan kimia atau racun, alat pemukul, dll.

b. Tanpa menggunakan alat bantu

Pelaku dalam melakukan tindak kriminal hanya dengan kekuatan fisik, dengan bujuk rayu atau tipuan.

c. Residivis

Residivis adalah penjahat yang berulang keluar masuk penjara, selalu mengulangi perbuatan jahat, baik yang serupa maupun yang berbeda bentuk kejahatannya.

d. Penjahat berdarah dingin

Penjahat berdarah dingin adalah pelaku kriminal yang melakukan kejahatan dengan pertimbangan dan persiapan yang matang.

e. Penjahat kesempatan

Yang dimaksud adalah perilaku kejahatan yang melakukan kejahatan dengan menggunakan kesempatan-kesempatan yang ada tanpa direncanaakan.

3. Jenis kejahatan menurut obyek hukum yang diserangnya.

a. Kejahatan ekonomi : penggelapan, penyelundupan, perdagangan barang-barang terlarang, penyogokan atau penyuapan untuk mendapatkan monopoli-monopoli tertentu.

2.1.1.2 Penyebab Kriminalitas

Sebagai Kenyataannya bahwa manusia dalam pergaulan hidupnya sering terdapat penyimpangan terhadap norma-norma, terutama norma hukum. Didalam pergaulan manusia, penyimpangan hukum ini disebut sebagai kejahatan atau kriminalitas. Dan kriminalitas itu sendiri merupakan masalah sosial yang berada ditengah-tengah masyarakat, dimana tindak kriminalitas tersebut mempunyai faktor-faktor penyebab yang mempengaruhiterjadinya kriminalitas tersebut.

Menurut Andi Hamzah (1986:64), faktor penyebab kriminalitas dikelompokkan menjadi faktor dari dalam diri dan faktor dari luar diri pelaku.

Faktor dari dalam diri tersebut yaitu : faktor Biologik, faktor pembawaan kriminal, faktor umur.

Faktor dari luar diri tersebut yaitu : faktor lingkungan, kemiskinan, kepadatan penduduk, pendidikan, bacaan harian atau film.

2.1.2 Jumlah Penduduk Miskin (Kemiskinan)

Menurut Badan Pusat Statistik (BPS) kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Jadi penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan.

2.1.2.1 Pengaruh Jumlah Penduduk Miskin terhadap Jumlah Kriminalitas

Kemiskinan menjadi salah satu faktor penyebab dari tindak kriminalitas karena pasalnya dengan hidup dalam keterbatasan maupun kekurangan akan mempersulit seseorang memenuhi kebutuhan hidupnya baik dari segi kebutuhan sandang(pakaian), pangan (makanan), papan (tempat tinggal) sehingga untuk memenuhi segala kebutuhan tersebut seseorang melakukan berbagai cara guna memenuhi kebutuhan hidupnya termasuk dengan cara melakukan tindak kriminalitas atau kejahatan. Yang artinya semakin tinggi jumlah penduduk miskin(kemiskinan) maka akan meningkat jumlah kriminalitas.

2.1.3 Pengangguran

Pengangguran atau tuna karya adalah istilah untuk orang yang tidak bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu, atau seseorang yang sedang berusaha mendapatkan pekerjaan yang layak. Pengangguran umumnya disebabkan karena jumlah angkatan kerja atau para pencari kerja tidak sebanding dengan jumlah lapangan kerja yang ada yang mampu menyerapnya (Wikipedia;2014).

Pengangguran adalah seseorang yang sudah digolongkan dalam angkatan kerja,yang secara aktif sedang mencari pekerjaan pada suatu tingkat tertentu, tetapi tidak dapat memperoleh pekerjaan yang diinginkan (Sadono Sukirmo;2014).

2.1.3.1 Jenis Pengangguran

Berdasarkan Penyebab: Pengangguran friksional, pengangguran yang terjadi karena atas perubahan dan dinamika ekonomi; Pengangguran musiman adalah pengangguran yang terjadi karena pergantian musim sehingga mempengaruhi jumlah pekerjaan yang tersedia di beberapa industry seperti sector pertanian; Pengangguran konjungtural adalah pengangguran yang terjadi karena berkurangnya permintaan barang dan jasa; Pengangguran struktural adalah pengangguran yang muncul akibat perubahan struktur ekonomi; Pengangguran sukarela adalah pengangguran yang terjadi karena adanya orang yang sesungguhnya masih dapat bekerja tetapi dengan sukarela dia tidak mau bekerja karena sudah cukup puas dengan kekayaan yang dia miliki; Pengangguran deflasioner adalah pengangguran yang disebabkan karena lowongan pekerjaan yang tidak cukup untuk menampung pelamar kerja; Pengangguran teknologi adalah pengangguran yang disebabkan karena kemajuan teknologi yakni karena pergantian tenaga manusia menjadi tenaga mesin.

2.1.3.2 Penyebab Pengangguran

Faktor-faktor yang menyebabkan terjadinya pengangguran adalah sebagai berikut: • Besarnya angkatan kerja tidak seimbang dengan Kesempatan kerja.

• Struktur lapangan kerja tidak seimbang.

• Kebutuhan jumlah dan jenis tenaga terdidik dan penyediaan tenaga terdidik

tidak seimbang.

• Meningkatnya peranan dan aspirasi angkatan kerja wanita dalam seluruh struktur angkatan kerja Indonesia.

• Penyediaan dan Pemanfaatan Tenaga kerja antar daerah tidak seimbang

(Sadono,Sukirno;2004).

2.1.3.3 Pengaruh Pengangguran terhadap Jumlah Kriminalitas

Menurut Badan Pusat Statistika (BPS) besarnya dampak sosial dan kesehatan masyarakat akibat tingginya angka pengangguran, khususnya di kalangan muda laki-laki. Sejumlah penelitian menunjukkan adanya hubungan pengangguran dengan dorongan memulai atau melanjutkan tindak kriminalitas dan perilaku beresiko. Memang hubungan antarkeduanya tidak bersifat kausal. Tetapi data-data empiris menunjukkan besarnya keterlibatan kalangan muda laki-laki yang pengangguran atau setengah menganggur dalam kriminalitas, khususnya kriminalitas jalanan dan perilaku beresiko seperti kekerasan dan penyalahgunaan narkotika yang berujung pada resiko hukum dan kesehatan masyarakat seperti pemenjaraan, kesakitan, hingga kematian. Hal ini menunjukkan bahwa pengangguran berpengaruh terhadap tindak kriminalitas.

2.1.4 Jumlah Penghasilan (Pendapatan)

Ada beberapa defenisi pengertian penghasilan, menurut Badan Pusat Statistika (BPS) sesuai dengan konsep dan defenisi (1999) pengertian penghasilan adalah jumlah penghasilan riil untuk memenuhi kebutuhan bersama maupun perseorangan. Semakin tinggi penghasilan, semakin besar pula persentase dari penghasilan tersebut untuk memenuhi kebutuhan. Jadi penghasilan adalah faktor penting bagi kuantitas dan kualitas.

2.1.4.1 Pengaruh Penghasilan (Pendapatan) terhadap Jumlah Kriminalitas

Berbagai penelitian membuktikan bahwa kesempatan yang lebih baik dalam memperoleh penghasilan akan mengurangi kejahatan. Doyle, Ahmed dan Home (1999) dalam Husnayain (2007) membuktikan bahwa upah yang telah dibobotkan dengan jumlah pekerja di sektor legal memiliki hubungan yang positif terhadap kejahatan. Bagaimanapun, tingkat pendapatan masyarakat merupakan faktor yang dapat mempengaruhi kejahatan. Ini menjelaskan mengapa kejahatan banyak terjadi di kota-kota besar yang memiliki tingkat pendapatan tinggi.

kurang dari RP. 250.000/bulan mencapai 16 orang, sedangkan yang berpendapatan sedang antara Rp. 251.000 s/d Rp 900.000/bulan sebanyak 16 orang.

2.2 Badan Pusat Statistika (BPS)

Seiring dengan adanya perkembangan jaman, khususnya pada pemerintahan Orde Baru, untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, mutlak dibutuhkan data statistik. Untuk mendapatkan data secara tepat dan akurat, salah satu unsurnya adalah pembenahan organisasi BPS.

Dalam masa Orde Baru ini, BPS telah mangalami empat kali perubahan struktur organisasi :

1. PeraturanPemerintah No. 16 Tahun 1980 tentangorganisasi BPS 2. PeraturanPemerintah No. 6 Tahun 1980 tentangorganisasi BPS

3. PeraturanPemerintah No.2 Tahun 1992 tentangkedudukan, tugas, fungsi, susunan dan tatakerja BPS

4. Undang-undang No. 16 Tahun 1997 tentang statistik 5. Keputusan Presiden RI No. 86 Tahun 1998 tentang BPS

6. Keputusan Kepala BPS N0. 100 Tahun 1998 tentang organisasi dan data kerja BPS 7. Peraturan Pemerintah No. 51 Tahun 1998 tentang penyelenggaraan statistik

2.2.1 Tugas Badan Pusat Statistik

Menurut keputusanPresiden RI No. 6 tahun 1992 tugas BPS adalah :

1. Melakukan kegiatan statistik yang ditugaskan kepadanya oleh pemerintah, antara lain di bidang pertanian, agraria, pertambangan, perindustrian, perhubungan, perdagangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan nasional, pendidikan dan keagamaan.

2. Atas nama pemerintah melaksanakan koordinasi di lapangan kegiatan statistic dari segenap instansi pemerintah baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam panggunaan definisi, klasifikasi dan lain-lain. 3. Mengadakan segala daya agar masyarakat menyadari akan tujuan dan kegunaan

statistik.

Berdasarkan Keppres ini Kepala berada di bawah dan bertanggung jawab langsung kepada Presiden serta mempunyai tugas :

1. Memimpin BPS sesuai dengan tugas dan fungsi BPS serta membina aparatur BPS agar berdayaguna dan berhasilguna.

2. Menentukan kebijakan teknis pelaksanaan di bidang statistik yang secara fungsional menjadi tanggung jawabnya sesuai dengan peraturan perundang-undangan yang berlaku serta kebijakan umum yang telah ditetapkan oleh pemerintah.

BAB I PENDAHULUAN

1.1 Latar Belakang

Kriminalitas atau tindak kejahatan diartikan sebagai suatu perbuatan yang melanggar hukum, atau melanggar Undang-Undang, yang dapat merugikan masyarakat secara moril maupun secara materil, baik dilihat dari segi kesusilaan, kesopanan, dan ketertiban masyarakat. Kejahatan juga merupakan masalah sosial, tidak hanya merupakan masalah bagi masyarakat tertentu, tetapi juga menjadi masalah yang dihadapi oleh masyarakat di dunia.

Pada dasarnya istilah kriminalitas atau tindak kejahatan itu diberikan kepada suatu jenis perbuatan atau tingkah laku manusia tertentu yang dapat dinilai sebagai perbuatan jahat. Perbuatan atau tingkah laku yang dinilai serta mendapat reaksi yang bersifat tidak disukai oleh masyarakat. Kejahatan yang dibuat setiap tahun tidak terhitung banyaknya dan jutaan penjahat telah dihukum. Korban kejahatan selain mengalami kerugian perekonomian juga mengalami kerugian kesusilaan dan kesusahan.

Pada tahun 2011, tindak kriminalitas yang terjadi di Indonesia sebanyak 347.605 kasus. Kemudian pada tahun 2012, turun sekitar 1,85%, tetapi terlihat naik pada tahun 2013 kemarin sebesar 0,27%. Sejauh ini, memang kenaikan dan penurunan tindak kriminalitas cenderung kecil, tetapi rata-rata jumlah tindak pidana di Indonesia masih sangat tinggi.

Perubahan besar dalam perkembangan kriminalitas atau tindak kejahatan di indonesia mulai tampak setelah dimulainya pembangunan diseluruh daerah propinsi Indonesia. Perkembangan kota-kota besar merupakan daya tarik arus urbanisasi dari desa kekota, Sehingga bertambahnya penduduk, meningkatnya jumlah pengangguran dan kemiskinan yang dapat mengakibatkan terjadinya kriminalitas atau tindak kejahatan dimana-mana. Kenyataan ini perlu dicegah/dikurangi demi kepentingan kesejahteraan masyarakat dan pembangunan nasional.

kriminalitas yang tinggi menanggung opportunity cost dari berkurangnya aktivitas bebas akibat adanya ketakutan terhadap kriminalitas atau tindak kejahatan.

Peran aktif dan dukungan masyarakat juga dibutuhkan untuk menekan tingkat kriminalitas agar proses pembangunan akan optimal. Berbagai kerugian telah banyak ditimbulkan oleh adanya tindak kriminal, baik itu kerugian ekonomi, fisik, moral dan psikologis. Dari sudut pandang ekonomi, kriminalitas menimbulkan kerugian dengan adanya biaya yang harus dikeluarkan akibat dari tindak kriminal. Biaya tersebut tidak hanya ditanggung oleh korban, namun oleh masyarakat, dunia usaha, dan juga negara atau pemerintah daerah.

Indonesia telah menetapkan sanksi pidana penjara dalam perundang-undangan sebagai salah satu sarana untuk menanggulangi masalah kejahatan, hal ini merupakan salah satu bagian kebijakan kriminal atau politik kriminal, namun kejahatan yang terjadi di masyarakat sepertinya sulit dihilangkan, meskipun dengan perangkat hukum dan undang-undang yang dirumuskan oleh legislatif.

Berdasarkan uraian diatas penulis mengambil judul “Analisis Faktor-Faktor Yang Mempengaruhi Jumlah Kriminalitas di Provinsi Sumatera Utara”.

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, perumusan masalah yang akan dibahas adalah bagaimana pengaruh jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan terhadap jumlah kriminalitas di Provinsi Sumatera Utara?

1.3 Batasan Masalah

Agar proses penelitian ini lebih jelas, maka penulis memberikan batasan masalah yang akan diteliti yakni:

1. Data yang digunakan adalah data sekunder dari Badan Pusat Statistika(BPS). 2. Variabel yang digunakan ada tiga macam yaitu : Jumlah penduduk miskin,

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk menganalisis pengaruh jumlah penduduk miskin, tingkat pengangguran dan jumlah penghasilan terhadap jumlah kriminalitas di Sumatera Utara.

1.5 Manfaat Penelitian

Adapun manfaat dari penelitian adalah:

1. Sebagai bahan masukan atau bahan pertimbangan bagi pemerintah dalam mengambil keputusan atau kebijakan untuk mengurangi jumlah kriminalitas di Sumatera Utara.

2. Semakin banyaknya penelitian akan semakin terbuka informasi dan cara-cara yang efektif dalam mencari solusi untuk mengurangi jumlah kriminalitas atau tindak kejahatan di Sumatera Utara.

1.6 Tinjauan Pustaka

Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisis regresi. Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi.

Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independen mempunyai hubungan sebab akibat, baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang berdasarkan pada penjelasan logis tertentu.

Bentuk hubungan antar variabel dapat searah atau berlawanan arah. Hubungan antara variabel searah artinya perubahan nilai yang satu dengan yang lainnya searah. Hubungan antara variabel berlawanan arah artinya perubahan nilai yang satu dengan yang lainnya adalah berlawanan arah.

determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antar variabel.

Pengetahuan tentang koefisien regresi bertujuan untuk memastikan apakah variabel independen yang terdapat dalam persamaan tersebut secara individu berpengaruh terhadap variabel dependen. Caranya adalah dengan melakukan pengujian terhadap koefisien regresi setiap variabel independen. Semakin mendekati nol besarnya koefisien determinasi suatu persamaan, semakin kecil pula pengaruh semua variabel independen terhadap nilai variabel dependen( Algifari, 2002; 45).

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel kriterium atau untuk mencari hubungan fungsional dua predictor atau lebih dengan variabel kriteriumnya atau untuk meramalkan dua variabel prediktor atau lebih terhadap kriteriumnya ( Usman dkk, 1995; 241). Studi yang membahas derajat hubungan antara variabel- variabel dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi (Sudjana, 2001; 367).

Rumus yang saya gunakan adalah rumus Penduga sebagai berikut :

Ŷ = �_� + �_��_� + �_��_� + �_��_� + … + �_��_� . . . (1.1)

Dimana :

Ŷ = Nilai estimasi Y

�� = Nilai Y pada perpotongn antara garis linier dengan sumbu vertikal Y

�� = Nilai variabel independen ��

�� = Slope yang berhubungan dengan variabel ��

Dari rumus diatas, mengenai jumlah kriminalitas (Y) dikaitkan dengan jumlah penduduk miskin (X1), tingkat pengangguran (X2), jumlah penghasilan (X3) jika dimasukan ke variabel yang digunakan dapat diperoleh bentuk regresi linier berganda sebagai berikut :

Dimana :

Ŷ = Jumlah Kriminalitas (ribuan kasus)

��= Jumlah Penduduk Miskin (ribuan Jiwa)

��= Tingkat Pengangguran (%)

��= Jumlah Penghasilan (Jutaan Rupiah)

Untuk Model (1.2), regresi linier berganda dengan tiga peubah bebas X1, X2 dan X3, dengan menggunakan metode kuadrat terkecil, diperoleh empat persamaan oleh tiga variabel yang terbentuk :

∑

∑

∑

∑

=

+

+

+

_{3 3}

2 2

1 1

0

b

X

b

X

b

X

nb

Y

∑

∑

∑

∑

∑

=

+

2

+

_{2 1 2}

+

_{3 1 3}

1 1

1 0

1

b

X

b

(

X

)

b

X

X

b

X

X

YX

∑

∑

∑

∑

∑

=

+

+

2

+

_{3 2 3}

2 2 2 1 1 2 0

2

b

X

b

X

X

b

(

X

)

b

X

X

YX

∑

∑

∑

∑

∑

=

+

+

+

2

3 3 3 2 2 3 1 1 3 0

3

b

X

b

X

X

b

X

X

b

(

X

)

YX

Dengan b0, b1, b2, b3, adalah koefisien yang ditentukan berdasarkan data hasil pengamatan.

.

1.7 Pengujian Kriteria Statistik

Gujarati (1995) menyatakan bahwa uji signifikan merupakan prosedur yang digunakan untuk menguji kebenaran atau kesehatan dari hasil hipotesis nol dari sampel. Ide dasar yang melatarbelakangi pengujian signifikansi adalah uji statistik (estimator) dari distribusi sampel dari suatu statistik dibawah hipotesis nol. Keputusan untuk mengolah Ho dibuat berdasarkan nilai uji statistik yang diperoleh dari data yang ada.

1.7.1 Kesalahan Standard Estimasi

tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya ( Algifari, 2000). Kesalahan standar estimasi dapat ditentukan dengan rumus :

��,1,2,…,� =� ∑ ��

��2

� − � −1

dimana:

Yi = nilai data sebenarnya

Ŷ = nilai taksiran

1.7.2 Uji F-Statistik

Uji statistik ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar pengaruh koefisien regresi secara bersama-sama terhadap variabel dependen. Adapun langkah-langkah dalam pengujian uji F-statistik adalah sebagai berikut:

1. Menentukan formulasi hipotesis

2. Mencari nilai Ftabel dari Tabel Distribusi F

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk penyebut (v2) = n – k – 1 = 33 – 3 – 1 = 29, maka di peroleh �_{�1;�2(�)} =

�3;29(0,05)= 2,045

3. Menentukan kriteria pengujian

�0 diterima bila �ℎ����� <������

�0 ditolak bila �ℎ����� ≥ ������

4. Menentukan nilai statistik Fhitung

�

ℎ�����

=

_��(��_���(_)/(���_�−�−)/� ₁₎

Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai uji keberartian regresi y, x1, x2 dan x3 dengan rumus :

y= −Y Y �₂ =�₂− ��₂

1.7.3 Koefisien Determinasi (R2)

Menguji keberartian regresi linear berganda dimaksudkan untuk meyakinkan apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai sejumlah peubah yang dipelajari.(Usman, Husaini, dan R. Purnomo Setiady Akbar, 1995).

Hipotesa :

H0 : Tidak terdapat hubungan fungsional yang signifikan antara semua faktor yang mempengaruhi terhadap faktor yang dipengaruhi.

H1 : Terdapat hubungan fungsional yang signifikan antara semua faktor yang mempengaruhi terhadap faktor yang dipengaruhi.

Koefisien determinasi yang dinyatakan dengan R2 untuk pengujian regresi linear berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam variabel terikat (Y) yang dapat dijelaskan atau diterangkan oleh variabel–variabel bebas (X) yang ada dalam model persamaan regresi linear berganda secara bersama–sama. Maka R2 akan ditentukan dengan rumus,yaitu:

�2 ₌�����

∑ �_�2

Dimana:

JKreg = Jumlah Kuadrat Regresi

Harga R2 yang diperoleh sesuai dengan variansi yang dijelaskan masing – masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (yang bersifat nyata).

1.7.4 Koefisien Korelasi

��� = � ∑ �� −

(∑ �)(∑ �)

�{� ∑ �2₋₍∑ �₎2_{}{� ∑ �}2₋₍∑ �₎2_}

Dimana:

ryx = Koefisien korelasi antara Y dan X X = Variabel bebas

Y = Variabel terikat

Nilai r selalu terletak antara -1 dan 1, sehingga nilai r tersebut dapat ditulis-1≤ r ≤+1. Untuk r = +1, berarti ada korelasi positif sempurna antara X dan Y, sebaliknya

jika r = -1, berarti korelasi negatif sempurna antara X dan Y, sedangkan r = 0, berarti tidak ada korelasi antara X dan Y.

[image:53.595.119.516.476.662.2]

Jika kenaikan didalam suatu variabel diikuti dengan kenaikan didalam variabel lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi yang positif. Tetapi jika kenaikan didalam suatu variabel diikuti oleh penurunan didalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun variabel lainnya berubah maka dikatakan bahwa kedua variabel tersebut tidak mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:

Tabel 1.1 Interpretasi Koefisien Korelasi

BesarnyaNilai�_�� Interpretasi 1 Korelasi Sempurna

0,81−0,99 Sangat Tinggi

0,61−0,80 Tinggi

0,41−0,60 Cukup Tinggi

0,21−0,40 Rendah

0,01−0,20 Sangat Rendah 0 Tidak ada korelasi Sumber : Suharsimi Arikunto (2010:22)

Keterangan:

r = koefisien korelasi

+ = menunjukkan korelasi positif

0 = menunjukkan tidak adanya korelasi (korelasi nihil)

Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis: 1. Korelasi Positif

Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Artinya variabel yang satu meningkat, maka akan diikuti peningkatan variabel lainnya.

2. Korelasi Negatif

Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Artinya apabila variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.

3. Korelasi Nihil

Korelasi nihil artinya tidak adanya korelasi antara variabel.

Dalam hal ini penulis menggunakan tiga variabel dalam penelitiannya, untuk hubungan tiga variabel dapat dihitung dengan menggunakan rumus sebagai berikut:

a. Koefisien Korelasi antara Y dan X1

���1 =

� ∑ �1�1−(∑ �1)(∑ �)

�{� ∑ �₁2−(∑ �₁)2_}{� ∑ �2 −₍∑ �₎2_}

b. Koefisien Korelasi antara Y dan X2

���2 =

� ∑ �2�1−(∑ �2)(∑ �)

�{� ∑ �₂2−(∑ �2)2}{� ∑ �2−(∑ �)2}

c. Koefisien Korelasi antara Y dan X3

���3 =

� ∑ �3�1−(∑ �3)(∑ �)

�{� ∑ �₃2−(∑ �3)2}{� ∑ �2−(∑ �)2}

d. Koefisien Korelasi antara X1 dan X2

�12 =

� ∑ �1�2−(∑ �1)(∑ �2)

e. Koefisien Korelasi antara X1 dan X3

�13 =

� ∑ �1�3−(∑ �1)(∑ �3)

�{� ∑ �₁2−(∑ �1)2}{� ∑ �32−(∑ �3)2}

f. Koefisien Korelasi antara X2 dan X3

�23 =

� ∑ �2�3−(∑ �2)(∑ �3)

�{� ∑ �₂2−(∑ �2)2}{� ∑ �32−(∑ �3)2}

1.7.5 Uji t- Statistik

Uji t-statistik merupakan suatu pengujian secara parsial yang bertujuan untuk mengetahui apakah masing-masing koefisien regresi signifikan atau tidak terhadap variabel dependen dengan menganggap variabel lainnya konstan. Adapun langkah-langkahnya adalah:

1. Menentukan formulasi hipotesis

2. Mencari nilai ttabel dari Tabel Distribusi t 3. Menentukan kriteria pengujian

�0 diterima bila �ℎ����� <������

�0 ditolak bila �ℎ����� ≥ ������

4. Menentukan nilai statistik thitung

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran

��1= �

��2.12 …� (∑ �₁2)(1− �_�2_.12)

Selanjutnya hitung statistik :

�ℎ����� =_��1 �1

5. Kesimpulan

1.7.6 Uji Penyimpangan Asumsi Klasik

1.7.6.1 Uji Multikolinieritas

tinggi diantara variabel-variabel independennya. Pengujian ada tidaknya gejala multikolinieritas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF (Variance Inflation Factor) dan toleransinya. Apabila nilai matrik korelasi tidak ada yang lebih besar dari 0,5 maka dapat dikatakan data yang akan dianalisis bebas dari multikolinieritas. Kemudian apabila nilai VIF berada dibawah 10 dan nilai toleransi mendekati 1, maka diambil kesimpulan bahwa model regresi tersebut tidak terdapat multikolinieritas (Singgih Santoso, 2000).

1.7.6.2 Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastitas dan jika berbeda disebut Heteroskedastisitas.

Untuk menguji heteroskedastisitas digunakan uji Glesjer SPSS.Uji ini pada dasarnya bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan berbeda disebut Heteroskedastisitas. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Dasar pengambilan keputusan pada Uji Heteroskedastisitas yakni:

• Jika nilai signifikansi lebih besar dari 0,05, kesimpulannya adalah tidak terjadi heteroskedastisitas.

• Jika nilai nilai signifikansi lebih kecil dari 0,05, kesimpulannya adalah terjadi heteroskedastisitas.

1.7.6.3 Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal atau dilakukan dengan uji kolmogrov smirnov.

signifikansi lebih besar dari 0,05 maka data tersebut berdistribusi normal. Sebaliknya, jika nilai signifikansi lebih kecil dari 0,05 maka data tersebut tidak berdistribusi normal.

1.8 Metode Penelitian

penelitian adalah salah satu cara yang terdiri dari langkah – langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu dapat terwujud. Dalam penelitian ini dilakukan beberapa langkah untuk menyelesaikan penelitian antara lain : 1. Pengambilan data sekunder yaitu data yang diolah diperoleh dari kantor Badan

Pusat Statistik Provinsi Sumatera Utara. 2. Pengolahan Data

Dalam penelitian ini dilakukan beberapa langkah untuk menyelesaikan peneliti