ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KRIMINALITAS DI KOTAMADYA BINJAI
TAHUN 2011-2014
SKRIPSI
SUCI YENIAR NAINGGOLAN 130823020
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
2
ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KRIMINALITAS DI KOTAMADYA BINJAI
TAHUN 2011-2014
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
SUCI YENIAR NAINGGOLAN 130823020
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
i
PERSETUJUAN
Judul : Analisis Faktor Yang Mempengaruhi Tingkat
Kriminalitas di Kotamadya Binjai Tahun 2011-2014
Kategori : Skripsi
Nama : Suci Yeniar Nainggolan
Nomor Induk Mahasiswa : 130823020
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara
Diluluskan di Medan, Agustus 2015 Komisi Pembimbing :
Pembimbing 2, Pembimbing 1,
Dr. Pasukat Sembiring, M.Si Drs. Partano Siagian, M.Sc
NIP 19531113 198503 1 002 NIP. 19511227 198003 1 001
Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
ii
PERNYATAAN
ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KRIMINALITAS DI KOTAMADYA BINJAI
TAHUN 2011-2014
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Binjai, Agustus 2015
iii
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Analisis Faktor yang Mempengaruhi Tingkat Kriminalitas di Kotamadya Binjai Tahun 2011-2014.
iv
ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KRIMINALITAS DI KOTAMADYA BINJAI
TAHUN 2011-2014
ABSTRAK
Analisis faktor adalah salah satu metode multivariat yang digunakan untuk menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor dominan yang mempengaruhi tingkat kriminalitas di kotamadya Binjai berdasarkan data yang diperoleh di Kantor Kepolisian Republik Indonesia Resor Kotamadya Binjai. Berdasarkan hasil penelitian diperoleh 4 faktor dominan yang mempengaruhi tingkat kriminalitas yaitu faktor kejahatan konvensional (28,406%), faktor kejahatan perorangan (15,042%), faktor kejahatan terorganisir (13,128%), faktor kejahatan ketertiban umum (11,542%). Keempat faktor tersebut memberikan proporsi keragaman kumulatif sebesar 68,108% artinya keempat faktor tersebut dapat mempengaruhi tingkat kriminalitas di kotamadya Binjai sebesar 68,108% dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model lainnya.
v
ANALYSIS OF FACTORS THAT AFFECTING AMOUNT OF CRIME IN KOTAMADYA BINJAI 2011-2014
ABSTRACT
Factor analysis is a multivariate method used to analyze the variables that allegedly have links with one another so that the relationship can be described and mapped or grouped on the right factors. This research used factor analysis to find out what are the dominant factors that affect amount of crime in Binjai according to the result of research conducted at Kantor Kepolisian Republik Indonesia Resor Kotamadya Binjai. Based on the result obtained by four dominant factors that affect amount of crime are the conventional crime factor (28,406%), the second factor is the individual crime (15,042%), organized crime factor (13,128%), public order crimes factor (11,542%). All these factors gives the cumulative proportion of the diversity of 68,108% means that all four of these factors can affect the amount of crime in kotamadya Binjai at 68,108% and the rest can be influenced by other factors that were not identified by the research model.
vi
2.2 Sebab-sebab kejahatan menurut teori 9
2.3 Variabel-variabel yang Mempengaruhi Tingkat Kriminalitas 10
2.4 Analisis Komponen Utama 13
2.5 Analisis Faktor 14
2.6 Statistik yang Relevan dengan Analisis Faktor 17
2.7 Tahap-tahap Pelaksanaan Analisis Faktor 20
BAB 3 PEMBAHASAN DAN HASIL 25
3.1 Gambaran Umum 25
3.2 Perhitungan Analisis Faktor 29
3.2.1 Membentuk Matriks Korelasi 29
3.2.2 Ekstraksi Faktor 35
3.2.3 Penentuan Jumlah Faktor 37
3.2.4 Rotasi Faktor 40
3.2.5 Interpretasi Faktor 42
vii
BAB 4 KESIMPULAN DAN SARAN 46
4.1 Kesimpulan 46
4.2 Saran 47
DAFTAR PUSTAKA 48
viii
DAFTAR TABEL
Nomor Judul Halaman
Tabel
2.1 Korelasi Antar Variabel 18
2.2 Matriks Korelasi untuk Jumlah Variabel 18
3.1 Data Jumlah Tingkat Kriminalitas Kotamadya Binjai Berdasarkan Jenis Tindaknya Tahun 2011-2014
26
3.2 Matriks Korelasi 29
3.3
Pengujian KMO dan Bartlett's Test Variabel Tingkat
Kriminalitas 33
3.4 Anti Images Matrices 34
3.5 Komunalitas 35
3.6 Nilai Eigenvalue Untuk Setiap Faktor 36
3.7 Nilai Initial Eigenvalues 38
3.8 Matriks Faktor Sebelum Rotasi 40
3.9 Matriks Faktor Setelah Rotasi 41
3.10 Korelasi antara Variabel Sebelum dan Sesudah Rotasi 42 3.11 Faktor-faktor yang Mempengaruhi Tingkat
Kriminalitas 43
ix
DAFTAR GAMBAR
Nomor Judul Halaman
Gambar
x
DAFTAR LAMPIRAN
Nomor Judul Halaman
Lampiran
1 Perhitungan Korelasi antara Variabel X1 dengan Variabel X2 dan Variabel X1 dengan
Variabel X3 49
2 Perhitungan KMO dan MSA 51
3 Nilai Komunalitas 55
iv
ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT KRIMINALITAS DI KOTAMADYA BINJAI
TAHUN 2011-2014
ABSTRAK
Analisis faktor adalah salah satu metode multivariat yang digunakan untuk menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor dominan yang mempengaruhi tingkat kriminalitas di kotamadya Binjai berdasarkan data yang diperoleh di Kantor Kepolisian Republik Indonesia Resor Kotamadya Binjai. Berdasarkan hasil penelitian diperoleh 4 faktor dominan yang mempengaruhi tingkat kriminalitas yaitu faktor kejahatan konvensional (28,406%), faktor kejahatan perorangan (15,042%), faktor kejahatan terorganisir (13,128%), faktor kejahatan ketertiban umum (11,542%). Keempat faktor tersebut memberikan proporsi keragaman kumulatif sebesar 68,108% artinya keempat faktor tersebut dapat mempengaruhi tingkat kriminalitas di kotamadya Binjai sebesar 68,108% dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model lainnya.
v
ANALYSIS OF FACTORS THAT AFFECTING AMOUNT OF CRIME IN KOTAMADYA BINJAI 2011-2014
ABSTRACT
Factor analysis is a multivariate method used to analyze the variables that allegedly have links with one another so that the relationship can be described and mapped or grouped on the right factors. This research used factor analysis to find out what are the dominant factors that affect amount of crime in Binjai according to the result of research conducted at Kantor Kepolisian Republik Indonesia Resor Kotamadya Binjai. Based on the result obtained by four dominant factors that affect amount of crime are the conventional crime factor (28,406%), the second factor is the individual crime (15,042%), organized crime factor (13,128%), public order crimes factor (11,542%). All these factors gives the cumulative proportion of the diversity of 68,108% means that all four of these factors can affect the amount of crime in kotamadya Binjai at 68,108% and the rest can be influenced by other factors that were not identified by the research model.
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Kriminalitas berasal dari kata “crimen” yang berarti kejahatan. Kriminalitas
merupakan masalah yang sering terjadi dalam kehidupan sehari-hari dan merupakan suatu tindakan yang dapat menyebabkan pihak tertentu dirugikan baik secara fisik maupun materi. Menurut hukum, kriminalitas adalah perbuatan manusia yang melanggar atau bertentangan dengan apa yang ditentukan dalam kaidah hukum, dan tidak memenuhi atau melawan perintah-perintah yang telah ditetapkan dalam kaidah hukum yang berlaku dalam masyarakat.
Kejahatan adalah suatu tindakan sengaja atau omissi. Dalam pengertian ini seseorang tidak dapat dihukum hanya karena pikirannya, melainkan harus ada suatu tindakan atau kealpaan dalam bertindak. Kegagalan untuk bertindak dapat juga merupakan kejahatan, jika terdapat suatu kewajiban hukum untuk bertindak dalam kasus tertentu. Di samping itu pula, harus ada niat jahat (Sue Titus Reid, 1979:5).
Kriminalitas merupakan suatu status dan bukan perilaku. Turk menekankan bahwa oleh karena sebagian besar orang yang mengerjakan perilaku yang secara hukum dirumuskan sebagai kejahatan, maka data kejahatan yang didasarkan pada penahanan atau penghukuman tidak berguna dalam menjelaskan siapa yang melakukan kejahatan, melainkan hanya siapa yang diberi cap atau label sebagai penjahat (Austin Turk, 1971:8).
2
kekejaman dan tindak kriminal yang luar biasa bisa dilakukan siapa saja, baik dia seorang guru, pelajar, ibu rumah tangga, remaja, karyawan, kuli bangunan, tukang becak atau bahkan keluarga sendiri.
Berdasarkan data yang diperoleh dari Kantor Kepolisian Resor Kotamadya Binjai dari tahun 2011 sampai dengan tahun 2014 ternyata tingkat kriminalitas di kotamadya Binjai terjadi penurunan, yaitu pada tahun 2011 dengan jumlah kriminalitas sebanyak 1.171 kasus, tahun 2012 sebanyak 857 kasus, tahun 2013 sebanyak 738 kasus, dan tahun 2014 terjadi sebanyak 684 kasus. Hal ini menunjukkan bahwa angka kriminalitas yang terjadi di kotamadya Binjai terjadi penurunan setiap tahunnya.
Berbanding terbalik dengan pertumbuhan jumlah penduduk kotamadya Binjai dari tahun 2011 sampai dengan tahun 2014 yang terjadi peningkatan setiap tahunnya. Badan Pusat Statistik Binjai mencatat, jumlah penduduk kotamadya Binjai pada tahun 2011 sebanyak 248.456 jiwa, tahun 2012 dengan jumlah penduduk 250.252 jiwa, tahun 2013 dengan jumlah 252.263 jiwa. Selain itu, angka persentase kemiskinan tahun 2011 sebesar 7,00%, tahun 2012 sebesar 6,72%, tahun 2013 sebesar 6,75%. Meskipun persentase kemiskinan pada tahun 2013 lebih tinggi dibandingkan dengan tahun 2012, namun bila dilihat dari tingkat keseriusannya, jumlah tingkat kriminalitas tahun 2013 tidak lebih tinggi dibandingkan dengan tahun 2012.
Kejahatan atau kriminalitas di kotamadya Binjai sudah menjadi permasalahan sosial yang membuat sebagian besar warga yang tinggal atau menetap menjadi resah karena tingkat kriminalitas yang terus terjadi setiap tahunnya yang juga dapat terjadi pada siapa saja, kapan saja dan di mana saja. Sebagai contoh kejahatan yang terjadi di kotamadya Binjai, kejahatan yang banyak terjadi adalah kasus pencurian dengan kekerasan, pencurian kendaraan bermotor, penganiayaan, perjudian, perusakan, pembunuhan, penggelapan, penipuan dan pencabulan.
oleh banyak faktor tetapi penulis hanya akan mengambil beberapa faktor antara lain: Pencurian dengan kekerasan, Pencurian kendaraan bermotor, Penganiayaan, Perjudian, Perusakan, Pembunuhan, Penggelapan, Penipuan dan Pencabulan yang sering terjadi dalam masyarakat kotamadya Binjai berdasarkan catatan yang terdapat di Kepolisian Negara Republik Indonesia Resor Kotamadya Binjai.
Variabel-variabel tersebut perlu direduksi untuk memperoleh beberapa faktor yang dapat menggambarkan keragaman variabel tersebut. Analisis statistik multivariat merupakan metode statistik yang memungkinkan untuk melakukan penelitian terhadap lebih dari dua variabel secara bersamaan. Dengan menggunakan teknik analisis ini maka dapat diketahui pengaruh beberapa variabel terhadap variabel-variabel lainnya dalam waktu yang bersamaan.
Salah satu jenis analisis multivariat adalah analisis faktor yaitu suatu analisis yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk menemukan hubungan (interrelationship) antara sejumlah variabel yang saling independen satu dengan yang lain, sehingga data tereduksi atau diringkas dari variabel banyak diubah menjadi variabel yang lebih sedikit dari jumlah variabel awal. (Supranto, 2004).
Dari uraian di atas, maka penulis mengajukan judul “Analisis Faktor yang Mempengaruhi Tingkat Kriminalitas di Kotamadya Binjai Tahun 2011-2014”.
1.2 Perumusan Masalah
Karena tingkat kriminalitas di kotamadya Binjai sudah cukup tinggi dan membuat sebagian besar warga yang tinggal atau menetap menjadi resah, maka pokok yang menjadi rumusan masalah adalah sebagai berikut:
1. Untuk mengetahui faktor-faktor apa saja yang mempengaruhi tingkat kriminalitas di kotamadya Binjai.
4
1.3 Pembatasan Masalah
Agar permasalahan yang dikaji lebih fokus dan menjadi lebih jelas maka permasalahan dibatasi oleh:
1. Penelitian hanya dibatasi pada 9 variabel dalam menganalisis faktor-faktor yang mempengaruhi tingkat kriminalitas menurut jenis tindak kriminalitas yang terdiri dari ( ) Pencurian dengan kekerasan, ( ) Pencurian kendaraan bermotor, ( ) Penganiayaan, ( ) Perjudian, ( ) Perusakan, ( ) Pembunuhan, ( ) Penggelapan, ( ) Penipuan dan ( ) Pencabulan.
2. Penelitian dilakukan berdasarkan data dari tahun 2011 sampai dengan tahun 2014 yang diperoleh dari kantor Kepolisian Negara Republik Indonesia Resor Kotamadya Binjai.
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui faktor apa yang paling dominan yang mempengaruhi tingkat kriminalitas, sehingga faktor tersebut dapat diantisipasi dan juga dikendalikan.
1.5 Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah:
1. Menambah wawasan dan memperkaya literatur dalam bidang statistika yang berhubungan dengan analisis faktor.
1.6 Tinjauan Pustaka
Menurut J. Supranto (2004), analisis faktor merupakan teknik statistika yang utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (original variable). Dalam analisis faktor tidak ada variabel dependen dan independen, proses analisis faktor sendiri mencoba menemukan hubungan (interrelationship) antara sejumlah variabel yang saling dependen dengan yang lain sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal. Analisis faktor digunakan di dalam situasi sebagai berikut:
a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel. b. Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi
(independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set
variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya. c. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.
6
= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i (unique factor).
= Faktor unik variabel ke-i. m = Banyaknya common factor. i = 1,2,3,...,n
j = 1,2,3,...,m
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed variables) hasil penelitian lapangan.
(1.2)
keterangan:
i = 1,2,3,...,p
p = Jumlah variabel.
= Perkiraan faktor ke-i (didasarkan pada nilai variabel X dengan koefisiennya Wi).
1.7 Metodologi Penelitian
Adapun metodologi penelitian yang digunakan adalah: 1. Pengumpulan data sekunder
Penyusunan Tugas Akhir ini menggunakan data sekunder yang diperoleh dari Kantor Kepolisian Negara Republik Indonesia Resor Kotamadya Binjai. 2. Menentukan variabel penelitian yang mempengaruhi tingkat kriminalitas di
kotamadya Binjai. 3. Analisa Faktor
Secara garis besar tahapan dalam melakukan analisis faktor adalah: 1. Merumuskan masalah
2. Membentuk matriks korelasi 3. Ekstraksi faktor
4. Menentukan banyaknya faktor 5. Melakukan rotasi faktor 6. Interpretasi faktor
8
BAB 2
LANDASAN TEORI
2.1 Kriminalitas
Pengertian kriminalitas menurut para ahli adalah sebagai berikut: a. Menurut Kartini Kartono (1992:122)
Kejahatan adalah tingkah laku yang melanggar hukum dan norma-norma sosial sehingga masyarakat menentangnya.
b. Menurut Elliot (Husein, 2003)
Kejahatan adalah suatu masalah dalam masyarakat modern atau tingkah laku yang gagal dan melanggar hukum dapat dijatuhi hukuman penjara, hukuman mati, hukuman denda dan seterusnya.
c. Menurut W.A. Bonger (Husein, 2003)
Kejahatan adalah perbuatan yang sangat anti sosial yang memperoleh tantangan dengan sadar dari Negara berupa pemberian penderitaan.
d. Menurut Romli Atmasasmita dan Widati Wulandari (1997:53)
Kejahatan adalah suatu konsep yuridis yang berarti tingkah laku manusia yang dapat dihukum berdasarkan hukum pidana. Kejahatan juga bukan hanya suatu gejala hukum.
e. Menurut Paul Mudigdo Moeliono (Topo Santoso dan Eva Achjani Zulfa, 2001:11)
Kejahatan adalah perbuatan manusia yang merupakan pelanggaran norma yang dirasakan merugikan dan menjengkelkan sehingga tidak boleh dibiarkan. f. Menurut Richard Quinney (Topo Santoso dan Eva Achjani Zulfa, 2001:11)
2.2 Sebab-sebab kriminalitas menurut teori
Pendapat dari Mazhab Lingkungan memandang beberapa faktor lingkungan sebagai sebab kriminalitas seperti:
a. Lingkungan yang memberi kesempatan akan timbulnya kejahatan. b. Lingkungan pergaulan yang memberi contoh/teladan.
c. Lingkungan ekonomi (kemiskinan, kesengsaraan). d. Lingkungan pergaulan yang berbeda-beda.
Faktor-faktor lain yang mempengaruhi seorang individu secara langsung adalah faktor endogen dan faktor eksogen. Yang dimaksud dengan faktor endogen adalah faktor-faktor yang berasal dari dalam diri individu itu sendiri yang mempengaruhi tingkah laku seperti:
a. Cacat yang bersifat biologis dan psikis.
b. Perkembangan kepribadian dan intelegensi yang terhambat sehingga tidak bisa menghayati norma-norma yang berlaku. Faktor-faktor endogen ini mempengaruhi unsur niat saja.
Faktor-faktor eksogen adalah faktor-faktor yang berasal dari luar yang mempengaruhi tingkah laku, seperti:
a. Pengaruh negatif dari orang tua.
b. Pengaruh negatif dari lingkungan sekolah. c. Pengaruh negatif dari lingkungan masyarakat. d. Tidak ada atau kurang pengawasan orang tua. e. Tidak ada atau kurang pengawasan pemerintah. f. Tidak ada atau kurang pengawasan dari masyarakat. g. Tidak atau kurang pengisian waktu yang sehat. h. Tidak ada rekreasi yang sehat.
i. Tidak ada pekerjaan.
j. Lingkungan fisik kota besar.
10
2.3 Variabel-variabel yang Mempengaruhi Jumlah Tingkat Kriminalitas
2.3.1 Variabel (Pencurian dengan kekerasan)
Menurut Pasal 365 KUHP menyebutkan pencurian dengan kekerasan adalah pencurian yang didahului, disertai atau diikuti dengan kekerasan atau ancaman kekerasan terhadap orang dengan maksud untuk mempersiapkan atau mempermudah pencurian atau dalam hal tertangkap tangan untuk memungkinkan melarikan diri sendiri atau peserta lainnya atau untuk tetap menguasai barang yang dicurinya. Pencurian dengan kekerasan disebabkan oleh beberapa hal. Sebab-sebab yang melatarbelakangi tindak pidana pencurian dengan kekerasan adalah dari faktor ekonomi, rendahnya tingkat pendidikan, meningkatnya pengangguran, kurangnya kesadaran hukum, mengendurnya ikatan keluarga dan sosial masyarakat.
2.3.2 Variabel (Pencurian kendaraan bermotor)
Masalah pencurian kendaraan bermotor merupakan jenis kejahatan yang selalu menimbulkan gangguan dan ketertiban masyarakat. Kejahatan pencurian kendaraan bermotor yang sering disebut curanmor ini merupakan perbuatan yang melanggar hukum dan diatur dalam KUHP. Apabila dikaitkan dengan unsur 362 KUHP maka kejahatan curanmor adalah perbuatan pelaku kejahatan dengan mengambil suatu barang berupa kendaraan bermotor yang seluruhnya atau sebagian kepunyaan bermotor yang seluruhnya atau sebagian kepunyaan orang lain dengan maksud untuk memiliki kendaraan bermotor tersebut secara melawan hukum.
2.3.3 Variabel (Penganiayaan)
penderitaan lain pada tubuh (Arrest Hoge,1929). Dalam Kamus Bahasa Indonesia (W.J.S Poerwadinata, 1994:48) mengatakan bahwa penganiayaan adalah perlakuan sewenang-wenang (penyiksaan, penindasan dan sebagainya).
2.3.4 Variabel (Perjudian)
Perjudian adalah pertaruhan dengan sengaja, yaitu mempertaruhkan satu nilai atau sesuatu yang dianggap bernilai, dengan menyadari adanya risiko dan harapan-harapan tertentu pada peristiwa-peristiwa permainan, pertandingan, perlombaan dan kejadian-kejadian yang tidak atau belum pasti hasilnya (Dra. Kartini Kartono,1992). Kitab Undang-Undang Hukum Pidana Pasal 303 ayat (3) mengartikan judi adalah tiap-tiap permainan yang mendasarkan pengharapan buat menang pada umumnya bergantung kepada untung-untungan saja dan juga kalau pengharapan itu jadi bertambah besar karena kepintaran dan kebiasaan permainan.
2.3.5 Variabel (Perusakan)
Perusakan adalah melakukan perbuatan terhadap barang orang lain secara merugikan tanpa mengambil barang itu. Jenis tindak pidana diatur dalam Pasal 406 sampai dengan Pasal 412 KUHP yang pada hakikatnya tidak dikualifikasikan secara jelas dalam KUHP. Menurut KUHP, tindak pidana perusakan dibedakan menjadi lima macam yaitu: perusakan dalam bentuk pokok, perusakan ringan, perusakan bangunan, perusakan tidak sengaja, perusakan terhadap bangunan dan alat pelayaran. Seseorang yang melakukan tindakan pengrusakan terhadap barang milik orang lain tetap dikenakan pidana meski barang yang dirusak telah diperbaharui.
2.3.6 Variabel (Pembunuhan)
12
hukum. Pembunuhan biasanya dilatarbelakangi oleh bermacam-macam motif misalnya politik, kecemburuan, dendam, membela diri dan sebagainya.
2.3.7 Variabel (Penggelapan)
Penggelapan diatur dalam pasal 372 KUHP. Yang termasuk penggelapan adalah perbuatan mengambil barang milik orang lain sebagian atau seluruhnya di mana penguasaan atas barang itu sudah ada pada pelaku, tapi penguasaan itu terjadi secara sah. Misalnya, penguasaan suatu barang oleh pelaku terjadi karena pemiliknya menitipkan barang tersebut. Atas penguasaan barang oleh pelaku terjadi karena tugas atau jabatannya, misalnya petugas penitipan barang. Tujuan dari penggelapan adalah memiliki barang atau uang yang ada dalam penguasannya yang mana barang atau uang tersebut pada dasarnya adalah milik orang lain.
2.3.8 Variabel (Penipuan)
Penipuan diatur dalam Pasal 378 KUHP yaitu dengan maksud untuk menguntungkan diri sendiri atau orang lain secara melawan hukum dengan memakai nama palsu atau martabat palsu dengan tipu muslihat ataupun rangkaian kebohongan, menggerakkan orang lain untuk menyerahkan barang sesuatu kepadanya atau supaya memberi hutang maupun menghapuskan piutang. Dilihat dari objek dan tujuannya, penipuan lebih luas dari penggelapan. Jika penggelapan terbatas pada barang atau uang, penipuan termasuk juga untuk memberikan hutang maupun menghapus piutang.
2.3.9 Variabel (Pencabulan)
tidak susila, bercabul, berzinah, melakukan tindak pidana asusila, mencabul, menzinahi, memperkosa, mencemari kehormatan perempuan.
2.4 Analisis Komponen Utama (AKU)
Analisis Komponen Utama adalah teknik statistik yang digunakan manakala peneliti tertarik pada sekumpulan data yang saling berkorelasi. Tujuannya adalah untuk menemukan sejumlah variabel yang koheren dalam sub kelompok yang secara relatif independen terhadap yang lain. Analisis komponen utama kebalikan dari analisis faktor di mana analisis komponen utama bersifat konvergen dan analisis faktor bersifat divergen (Tabachnick, 1983).
Analisis komponen utama (AKU) biasanya digunakan untuk:
1. Mengidentifikasi variabel-variabel baru yang mendasari data variabel ganda. 2. Mengurangi banyaknya dimensi himpunan variabel asal yang terdiri atas
banyak variabel yang saling berkorelasi.
3. Menetralisir variabel-variabel asal yang memberikan sumbangan informasi yang relatif kecil.
14
2.5 Analisis Faktor (AF)
Menurut J. Supranto (2004), analisis faktor merupakan teknik statistika yang utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (original variable). Dalam analisis faktor, tidak ada variabel dependen dan independen, proses analisis faktor sendiri mencoba menemukan hubungan (interrelationship) antara sejumlah variabel-variabel yang saling dependen dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal. Analisis faktor digunakan di dalam situasi sebagai berikut:
d. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel. e. Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi
(independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set
variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya. f. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu
set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.
= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor
Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi (the observed variables) hasil penelitian lapangan.
(2.2)
= Timbangan/bobot atau koefisien nilai faktor ke-i. = Variabel ke yang sudah dibakukan (standardized).
Secara umum analisis faktor atau analisis komponen utama bertujuan untuk mereduksi data dan menginterprestasikannya sebagai suatu variabel baru yang berupa variabel bentukan. Andaikan dari p buah variabel awal/asal terbentuk k buah faktor/komponen di mana k < p, misalkan dari sejumlah variabel p sebanyak 10 variabel terbentuk k = 2 buah faktor/komponen yang dapat menerangkan kesepuluh variabel awal/asal tersebut. K buah faktor/komponen utama dapat mewakili p buah variabel aslinya sehingga lebih sederhana (Tabachnick, 1983).
16
acak (random quantities) yang sebelumnya tidak dapat diamati atau diukur secara langsung. Selain tujuan utama analisis faktor, terdapat beberapa tujuan lainnya yaitu:
1. Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal dan variabel baru tersebut dinamakan faktor.
2. Untuk mengidentifikasi adanya hubungan antar variabel penyusun faktor atau dimensi dengan faktor yang terbentuk dengan menggunakan pengujian koefisien korelasi antar faktor dengan komponen pembentuknya.
3. Adanya validasi data untuk mengetahui apakah hasil analisis faktor tersebut dapat digeneralisasikan ke dalam populasinya sehingga setelah terbentuk faktor maka peneliti sudah mempunyai suatu hipotesis baru berdasarkan hasil analisis faktor.
Konsep dasar analisis faktor adalah sebagai berikut:
1. Tidak mengaitkan antara dependen variabel dengan independen variabel tetapi membuat reduksi atau abstraksi atau meringkas dari banyak variabel menjadi sedikit variabel.
2. Teknik yang digunakan adalah teknik interdependensi yaitu seluruh set
hubungan interdependen diteliti. Prinsip menggunakan korelasi r = 0 dan r = 1 digunakan dalam mengidentifikasi variabel yang berkorelasi dan yang tidak/kecil korelasinya.
3. Analisis faktor menekan adanya komunalitas; jumlah varian yang disumbangkan oleh suatu variabel pada variabel lainnya.
4. Kovariansi antar variabel yang diuraikan akan muncul common factor (jumlah sedikit) dan unique factor setiap variabel (faktor-faktor tidak secara jelas terlihat).
Analisis faktor termasuk pada kategori Interdependence Techniques, yang berarti tidak ada variabel dependen ataupun variabel independen pada analisis tersebut, yang berarti juga tidak diperlukan sebuah model tertentu untuk analisis faktor. Hal ini berbeda dengan model Dependence Techniques seperti regresi berganda, yang mempunyai sebuah variabel dependen dan beberapa variabel independen sehingga diperlukan sebuah model (Santoso, 2010).
2.6 Statistik yang Relevan dengan Analisis Faktor
Statistik penting yang berkaitan dengan analisis faktor adalah:
a. Bartlett’s of sphericity yaitu suatu uji statistik yang dipergunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi (uncorrelated) dalam populasi. Dengan kata lain, matriks korelasi populasi merupakan matriks identitas (identity matrix), setiap variabel berkorelasi dengan dirinya sendiri secara sempurna dengan (r = 1) akan tetapi sama sekali tidak berkorelasi dengan lainnya (r = 0).
Statistik uji Bartlett’s adalah:
= (2.3) keterangan:
N = Jumlah observasi. p = Jumlah variabel.
= Determinan matriks korelasi.
Nilai df (degree of freedom) dihitung dengan menggunakan rumus =
18
Tabel 2.1. Matriks Korelasi untuk Jumlah Variabel n = 3
X1 X2 X3
X1 1 r12 r13
X2 r21 1 r23
X3 r31 r32 1
Tabel 2.2. Matriks Korelasi untuk Jumlah Variabel n = 4
c. Communality adalah jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian varian yang dijelaskan oleh common factor atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel.
d. Eigenvalue merupakan jumlah varian yang dijelaskan oleh setiap faktor dari matriks identitas. Persamaan nilai eigen dan vektor eigen adalah:
(2.4)
keterangan:
A = Matriks yang akan kita cari nilai eigen dan vektor eigennya x = Vektor eigen dalam bentuk matriks
= Nilai eigen dalam bentuk skalar
Untuk mencari nilai eigen (nilai ) dari sebuah matriks A yang berukuran n x n maka dilakukan langkah berikut: . Agar kedua sisi berbentuk vektor, maka sisi kanan dikali dengan matriks identitas I, sehingga:
sehingga det
Nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke dalam model.
X1 X2 X3 X4
X1 1 r12 r13 r14
X2 r21 1 r23 r24
X3 r31 r32 1 r34
e. Factor loadings adalah korelasi sederhana antara variabel dengan faktor. f. Factor loading plot adalah suatu plot dari variabel asli dengan menggunakan
factor loadings sebagai koordinat.
g. Factor matrix yang memuat semua faktor loading dari semua variabel pada semua factor extracted.
h. Factor score merupakan skor komposit yang diestimasi untuk setiap responden pada faktor turunan (derived factors).
i. Kaiser-Meyer-Olkin (KMO)
Kaiser Meyer Olkin (KMO) digunakan untuk mengukur kecukupan sampling dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisien korelasi parsialnya secara keseluruhan, di mana nilai yang tinggi antara 0,5 - 1,0 berarti analisis faktor tepat, apabila kurang dari 0,5 analisis faktor dikatakan tidak tepat. Rumus untuk menghitung KMO adalah sebagai berikut (Johnson&Wichern, 2002):
j. Measure of sampling adequacy (MSA), yaitu suatu indeks perbandingan antara koefisien korelasi korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur kecukupan sampel. Rumus untuk menghitung MSA adalah sebagai berikut:
MSA = (2.6)
keterangan:
p = Jumlah variabel.
20
k. Percentage of variance merupakan persentase varian total yang disumbangkan oleh setiap faktor.
l. Residuals merupakan perbedaan antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diperkirakan dari matriks faktor.
m. Scree Plot merupakan plot dari eigenvalue sebagai sumbu tegak (vertical) dan banyaknya faktor sebagai sumbu datar, untuk menentukan banyaknya faktor yang bisa ditarik (factor extraction).
2.7 Tahap-tahap Pelaksanaan Analisis Faktor
1. Merumuskan masalah
Perumusan masalah dalam analisis faktor yaitu mengidentifikasi variabel. Variabel yang digunakan harus disesuaikan berdasarkan penelitian sebelumnya, teori dan keinginan dari peneliti. Tujuan utama faktor harus diidentifikasi. Ukuran variabel yang sesuai adalah interval atau rasio. Untuk menentukan banyaknya sampel berdasarkan analisis faktor sedikitnya 4 atau 5 kali banyaknya variabel.
2. Membentuk matriks korelasi
(2.7)
keterangan:
N = Jumlah observasi.
X = Skor total tiap-tiap variabel. Y = Skor total.
3. Ektraksi Faktor
Terdapat dua metode ekstraksi faktor dalam analisis faktor yaitu principal component analysis (PCA) dan common factor analysis (CFA). Di dalam
principal component analysis total varian pada data yang diperhatikan yaitu diagonal matriks korelasi, setiap elemennya sebesar 1 dan full varian
digunakan untuk dasar pembentukan faktor, yaitu variabel-variabel baru sebagai pengganti variabel-variabel lama yang jumlahnya lebih sedikit dan tidak lagi berkorelasi satu sama lain. Di dalam common factor analysis faktor diestimasi hanya berdasarkan pada common variance. Comunalities
dimasukkan di dalam matriks korelasi. Metode ini dianggap tepat jika tujuan utamanya ialah mengenali/mengidentifikasi dimensi yang mendasari dan
common variance yang menarik perhatian.
4. Penentuan Jumlah Faktor
Penentuan jumlah faktor artinya meringkas informasi yang terdapat dalam variabel asli, sejumlah faktor yang lebih sedikit akan diekstraksi. Beberapa jenis prosedur untuk menentukan banyaknya faktor yang harus diekstraksi antara lain:
a. Penentuan berdasarkan eigenvalue
22
b. Penentuan berdasarkan scree plot
Scree Plot merupakan suatu plot dari eigenvalue sebagai fungsi banyaknya faktor dalam upaya mengekstraksi. Biasanya plot akan berbeda antara
slope tegak faktor dengan eigenvalue yang besar dan makin mengecil pada sisa faktor yang tidak perlu diekstraksi. Pengecilan slope ini disebut scree.
c. Penentuan berdasarkan persentase varian
Pada pendekatan ini, banyaknya faktor yang diekstraksi ditentukan sedemikian rupa sehingga kumulatif persentase varian yang diekstraksi oleh faktor mencapai suatu level tertentu yang memuaskan. Ekstraksi faktor dihentikan apabila kumulatif persentase varian sudah mencapai paling sedikit 60% atau 75% dari seluruh varian variabel asli.
d. Penentuan berdasarkan Split-Half Reliability
Sampel dibagi menjadi dua, analisis faktor dilakukan pada masing-masing bagian sampel tersebut. Hanya faktor dengan faktor loading yang sesuai pada kedua sub-sampel yang dipertahankan, maksudnya faktor-faktor yang dipertahankan memang mempunyai faktor loading yang tinggi pada masing-masing bagian sampel.
e. Penentuan berdasarkan uji signifikansi
Dimungkinkan untuk menentukan signifikansi statistik untuk eigenvalue
yang terpisah dan pertahankan faktor-faktor yang memang berdasarkan uji statistik eigenvaluenya pada signifikansi α = 5% atau 1%.
f. Penentuan berdasarkan apriori
5. Rotasi Faktor
Hasil atau output yang penting dari analisis faktor adalah matriks faktor pola (factor pattern matrix) yang memuat koefisien yang digunakan untuk mengekspresikan variabel yang dibakukan (standardized) dinyatakan dalam faktor. Koefisien-koefisien ini disebut muatan faktor (factor loading) yang merupakan korelasi antara faktor dengan variabelnya. Suatu koefisien dengan nilai absolut yang besar menunjukkan bahwa faktor dan variabel berkorelasi sangat kuat. Koefisien tersebut bisa digunakan untuk menginterpretasi faktor. Beberapa literatur menyarankan besarnya nilai untuk batasan factor loadings
adalah 0,3, , .
Dalam melakukan rotasi faktor, diharapkan setiap faktor memiliki factor loadings atau koefisien yang tidak nol atau signifikan hanya untuk beberapa variabel. Dan diharapkan agar setiap variabel memliki factor loading
signifikan hanya dengan beberapa faktor saja, atau jika mungkin hanya dengan satu faktor saja. Ada dua metode rotasi faktor yang berbeda yaitu:
Orthogonal dan oblique rotation. Rotasi dikatakan orthogonal rotation jika sumbu dipertahankan tegak lurus sesamanya (bersudut 90 derajat). Metode
oblique rotation dapat dibedakan menjadi: quartimax, varimax, dan equimax. Rotasi dikatakan oblique rotation jika sumbu tidak dipertahankan harus tegak lurus sesamanya dan faktor-faktor tidak berkorelasi. Oblique rotation akan digunakan jika faktor-faktor pada populasi diperkirakan berkorelasi kuat. Metode ini dapat dibedakan menjadi oblimin, promax, orthobolique, Metode rotasi yang banyak digunakan adalah varimax procedure. Prosedur ini merupakan metode orthogonal yang berusaha meminimumkan banyaknya variabel dengan muatan tinggi pada suatu faktor. Rotasi orthogonal
menghasilkan faktor-faktor yang saling tidak berkorelasi satu sama lain.
6. Interpretasi Faktor
24
7. Menentukan Ketepatan Model (Model Fit)
PEMBAHASAN DAN HASIL
3.1 Gambaran Umum
Berdasarkan data yang diperoleh dari Kantor Kepolisian Resor Kotamadya Binjai, dari tahun 2011 sampai dengan tahun 2014, bahwa tingkat kriminalitas di kotamadya Binjai terjadi penurunan, yaitu pada tahun 2011 sebanyak 1.171 kasus, tahun 2012 sebanyak 857 kasus, tahun 2013 sebanyak 738 kasus, dan tahun 2014 terjadi sebanyak 684 kasus. Hal ini menunjukkan bahwa tingkat kriminalitas yang terjadi di kotamadya Binjai terjadi penurunan setiap tahunnya.
Dalam penelitian ini variabel-variabel yang dianalisis untuk melihat yang mempengaruhi tingkat kriminalitas Kotamadya Binjai adalah sebagai berikut: ( ) = Pencurian dengan kekerasan
( ) = Pencurian kendaraan bermotor ( ) = Penganiayaan
( ) = Perjudian ( ) = Perusakan ( ) = Pembunuhan ( ) = Penggelapan ( ) = Penipuan ( ) = Pencabulan
26
26 Adapun data yang akan dianalisis adalah sebagai berikut:
Tabel 3.1 Data Jumlah Tingkat Kriminalitas Kotamadya Binjai Berdasarkan Jenis Tindaknya Tahun 2011-2014
Tahun
2011 Curas Curanmor Penganiayaan Perjudian Perusakan Pembunuhan Penggelapan Penipuan Pencabulan
Januari 3 25 21 22 1 1 6 11 3
2012 Curas Curanmor Penganiayaan Perjudian Perusakan Pembunuhan Penggelapan Penipuan Pencabulan
Januari 1 30 20 19 6 0 11 13 8
Februari 4 10 9 16 2 1 9 5 4
Maret 6 8 16 7 4 0 9 7 6
April 5 20 13 10 1 1 10 14 6
Juli 4 13 16 8 3 0 5 12 2
Agustus 2 22 15 4 1 1 11 11 9
September 3 24 17 8 5 0 4 16 10
Oktober 2 16 8 10 2 0 3 11 3
November 1 18 10 8 6 1 8 7 2
Desember 3 11 12 11 5 0 10 2 4
Jumlah 42 210 168 111 45 6 87 117 71
Tahun
2013 Curas Curanmor Penganiayaan Perjudian Perusakan Pembunuhan Penggelapan Penipuan Pencabulan
Januari 2 14 16 9 4 1 6 8 4
Februari 8 9 12 15 3 0 12 5 4
Maret 4 13 13 14 2 0 13 7 5
April 3 11 13 7 3 0 7 5 1
Mei 1 8 15 4 3 1 9 8 5
Juni 2 21 7 8 4 0 10 16 6
Juli 2 14 17 2 2 0 6 8 4
Agustus 5 11 20 13 1 1 8 8 4
September 1 16 12 23 3 0 6 7 6
Oktober 1 14 11 10 2 0 11 10 1
November 2 7 6 11 2 2 11 17 4
Desember 1 13 4 4 1 0 2 6 4
28
Tahun
2014 Curas Curanmor Penganiayaan Perjudian Perusakan Pembunuhan Penggelapan Penipuan Pencabulan
Januari 1 12 9 1 3 1 6 5 4
Februari 0 16 8 10 5 0 8 2 3
Maret 1 10 9 5 2 0 10 7 6
April 2 11 12 12 4 0 5 6 2
Mei 0 8 14 5 3 1 11 5 2
Juni 6 5 10 7 4 0 11 3 6
Juli 1 10 15 10 2 0 8 9 2
Agustus 5 18 20 5 1 0 7 6 6
September 4 11 11 12 5 1 12 18 4
Oktober 1 12 10 11 1 0 11 6 7
November 1 14 10 15 0 0 4 2 5
Desember 6 15 18 10 7 0 9 5 2
Jumlah 18 142 146 103 37 3 102 74 49
29
Proses untuk mendapatkan model umum dari analisis faktor melalui beberapa tahapan. Dalam penelitian ini menggunakan SPSS 16.0 sebagai alat bantu untuk mempermudah proses perhitungan. Setelah data diolah menggunakan SPSS 16.0 maka akan dilakukan analisis tahap demi tahap dari proses analisis faktor.
3.2.1 Membentuk Matriks Korelasi
Matriks korelasi merupakan matriks yang memuat koefisien-koefisien dari semua pasangan variabel penelitian. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel, nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor. Dengan bantuan program SPSS 16.0 maka diperoleh korelasi antar variabel sebagai berikut:
Tabel 3.2 Matriks Korelasi
30 Korelasi antara Variabel X1 dengan Variabel X2
N = 45 = 624
= 138 = 19.044 = 763 = 15.889 = 2.597 = 582.169
=
=
=
=
= 0,334
Korelasi antara Variabel X1 dengan Variabel X3
N = 45 = 624
= 138 = 19.044
= 623 = 9.621
= 2.058 = 623
=
=
= 0,330
Maka diperoleh korelasi antara variabel X1 dengan variabel X2 sebesar 0,334 dan korelasi antara variabel X1 dengan variabel X3 sebesar 0.330.
Dalam tahap lain, hal yang perlu dilakukan agar analisis faktor dapat dilaksanakan yaitu dengan melihat nilai uji Bartlett’s test of sphericity dan uji
Kaiser Meyer Olkin (KMO) digunakan untuk mengukur kecukupan sampling dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan koefisien korelasi parsialnya secara keseluruhan. Dengan fungsinya tersebut, uji KMO dapat menentukan layak atau tidaknya analisis faktor terhadap suatu data. Sedangkan Batrlett’s test of sphericity dipergunakan untuk menguji hipotesis bahwa variabel tak berkorelasi di dalam populasi. Kriteria kesesusaian dalam pemakaian analisis faktor adalah:
a. Jika harga KMO sebesar 0,9 berarti sangat sangat memuaskan, b. Jika harga KMO sebesar 0,8 berarti memuaskan,
c. Jika harga KMO sebesar 0,7 berarti harga menengah, d. Jika harga KMO sebesar 0,6 berarti cukup,
e. Jika harga KMO sebesar 0,5 berarti kurang memuaskan, f. Jika harga KMO kurang dari 0,5 tidak dapat diterima.
Kelengkapan matriks dapat dilihat pada Lampiran 2. Dengan menggunakan rumus 2.5 maka diperoleh hasil perhitungan KMO sebagai berikut:
KMO
=
= 0,563
32
Untuk menguji apakah matriks korelasi sederhana bukan merupakan suatu matriks identitas, maka digunakan uji Bartlett’s test dengan pendekatan statistik chi square. Dengan menggunakan rumus 2.3 maka diperoleh hasil perhitungan sebagai berikut:
1. Menentukan Hipotesis
: Matriks korelasi sederhana merupakan matriks identitas : Matriks korelasi sederhana bukan merupakan matriks identitas 2. Statistik Uji
3. Taraf nyata α dan nilai dari tabel diperoleh: α = 5% = 0,05
dengan df = 50,998 4. Kriteria pengujian: H0 ditolak apabila H0 diterima apabila 5. Det (R) = 0,184
68,001
(sampling adequacy) sedangkan Bartlett’s test of sphericity dipergunakan untuk menguji hipotesis bahwa variabel tak berkorelasi di dalam populasi. Dengan menggunakan SPSS 16.0 diperoleh hasil KMO dan Bartlett’s test sebagai berikut:
Tabel 3.3 Pengujian KMO dan Bartlett’stest Variabel Tingkat Kriminalitas Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,595
Bartlett's Test of Sphericity
Approx. Chi-Square 68,001
df 36
Sig. 0,001
Pada Tabel 3.3 diperoleh nilai KMO sebesar 0,595. Hal ini menunjukkan bahwa nilai KMO yang diperoleh tersebut lebih besar dari 0,5. Dengan demikian dapat disimpulkan bahwa variabel indikator yang mempengaruhi perhitungan Jumlah tingkat kriminalitas berdasarkan jenis tindak kriminialitasnya sudah memenuhi syarat yang berimplikasi data dapat dianalisis lebih lanjut menggunakan analisis faktor. Kemudian untuk menguji korelasi data dengan menggunakan Bartlett’s test diperoleh hasil sig (level of significance) sebesar 0,001. Hal ini mengidentifikasikan bahwa matriks korelasi antar variabel tidak sama dengan matriks identitas atau dengan kata lain ada korelasi antar variabel.
Menurut Santoso (2005) Angka MSA (Measure of Sampling Adequency) berkisar antara 0 sampai 1 dengan kriteria sebagai berikut:
MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel lain. MSA ≥ 0,5, variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. MSA < 0,5, variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut.
Hipotesis untuk uji di atas adalah:
34 Kriteria untuk melihat probabilitas (tingkat signifikansi) adalah sebagai berikut: Angka Sig ≥ 0,05, maka diterima
Angka Sig < 0,05, maka ditolak
Dari Tabel 3.3 menunjukkan besaran nilai Bartlett's Test of Sphericity
adalah 68,001 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel. Hal ini mengidentifikasikan bahwa matriks korelasi antar variabel tidak sama dengan matriks identitas atau dengan kata lain ada korelasi antar variabel. Hasil perhitungan KMO sebesar 0,595 sehingga kecukupan sampel sudah memadai, maka variabel dan sampel sudah layak untuk dianalisis lebih lanjut.
Tabel 3.4 berikut yaitu nilai matriks anti image correlation khususnya nilai pada angka koefisien korelasi yang berada pada off diagonal (nilai yang ditebalkan). Apabila nilai matriks anti image correlation lebih kecil dari 0,5 maka variabel tersebut harus dikeluarkan atau dieliminasi dari analisis faktor. Tabel 3.4 Anti Image Matrices
a Measure of Sampling Adequacy (MSA)
Pada tahap ini akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang ada pada KMO > 0,5 sehingga terbentuk satu atau lebih variabel.
Dalam penelitian ini metode yang digunakan adalah Principal Component Analysis (Analisis Komponen Utama) karena tujuan dari analisis komponen faktor adalah mereduksi. Secara sederhana, sebuah variabel akan mengelompok ke suatu faktor yang terdiri atas variabel-variabel lain jika variabel tersebut berkorelasi dengan sejumlah variabel lain yang masuk ke dalam kelompok faktor tertentu. Ketika sebuah variabel berkorelasi dengan variabel lain, variabel tersebut berbagi varian dengan variabel tersebut, dengan jumlah varian yang dibagikan adalah besar korelasi pangkat 2 ( ). Sebagai contoh jika variabel 1 dengan variabel 2 mempunyai korelasi sebesar 0,4 maka variabel 1 membagi 16% atau ( ) dari variannya dengan variabel 2.
Tabel 3.5 Komunalitas
No Variabel Initial Extraction
1 ( ) = Pencurian dengan kekerasan 1,000 0,645 2 ( ) = Pencurian kendaraan bermotor 1,000 0,693
3 ( ) = Penganiayaan 1,000 0,489
4 ( ) = Perjudian 1,000 0,895
5 ( ) = Pemerasan 1,000 0,747
6 ( ) = Pembunuhan 1,000 0,731
7 ( ) = Penggelapan 1,000 0,707
8 ( ) = Penipuan 1,000 0,547
9 ( ) = Pencabulan 1,000 0,675
36 Menurut Santoso (2002), komunalitas adalah besarnya varian yang dapat dijelaskan oleh faktor yang terbentuk. Semakin besar nilai komunalitas, semakin erat pula hubungan variabel yang bersangkutan dengan faktor yang terbentuk. Untuk variabel pencurian dengan kekerasan, nilai komunalitasnya adalah 0,645. Hal ini berarti sekitar 64,5% varian dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk. Untuk variabel pencurian kendaraan bermotor, nilai komunalitasnya adalah 0,693. Hal ini berarti sekitar 69,3% varian dari variabel tersebut bisa dijelaskan oleh faktor yang terbentuk. Demikian seterusnya untuk variabel lainnya, dengan ketentuan bahwa semakin besar komunalitas sebuah variabel, berarti semakin erat hubungannya dengan faktor yang terbentuk. Nilai komunalitas diperoleh dari jumlah kuadrat masing-masing factor loading sebuah variabel.
Dari Tabel 3.5 menunjukkan bahwa 9 variabel diuji memenuhi persyaratan komunalitas, yaitu lebih besar dari 0,5. Tahap selanjutnya adalah melihat nilai
eigenvalue. Perhitungan nilai komunalitas dapat dilihat pada Lampiran 3.
Tabel 3.6 Nilai Eigenvalue untuk Setiap Faktor
dalam analisis faktor. Dengan masing-masing variabel mempunyai varian 1, maka total varian adalah 9 × 1 = 9. Jika dalam 9 variabel tersebut dapat diringkas menjadi 1 faktor, maka varian yang dapat dijelaskan oleh 1 faktor tersebut adalah : 100% = 28,41%. Jika 9 variabel dapat di ekstrak menjadi 4 faktor, maka varian yang dapat dijelaskan oleh 4 faktor tersebut adalah sebagai berikut:
Varian faktor pertama adalah 28,41
Varian faktor kedua adalah 100% = 15,03 % Varian faktor ketiga adalah 100% = 13,12 % Varian faktor keempat adalah 100% = 11,54 % Total keempat faktor yang dapat menjelaskan adalah:
28,41+15,03+13,12+11,54 = 68,10% atau 68,10 dari variabelitas 9 variabel asli tersebut, sehingga dari Tabel 3.5 di atas terlihat 4 faktor yang akan terbentuk.
3.2.3 Penentuan Jumlah Faktor
Penentuan banyaknya faktor yang dilakukan dalam analisis faktor adalah mencari variabel terakhir yang disebut faktor yang saling tidak berkorelasi, bebas satu sama lainnya, lebih sedikit jumlahnya daripada variabel awal akan tetapi dapat menyerap sebagian besar informasi yang terkandung dalam variabel awal atau yang dapat memberikan sumbangan terhadap varian seluruh variabel. Beberapa prosedur yang dapat digunakan dalam menentukan banyaknya faktor antara lain adalah sebagai berikut:
a. Penentuan berdasarkan nilai eigenvalue
38 Tabel 3.7 Sumbangan Masing-masing Faktor terhadap Varian Seluruh Variabel
Asli
Faktor/Komponen Initial Eigenvalues
Total % of Variance Cumulative %
1 2,557 28,406 28,406
2 1,353 15,032 43,438
3 1,181 13,128 56,566
4 1,039 11,542 68,108
Extraction Method: Principal Component Analysis
Dari Tabel 3.7 menunjukkan ada 4 faktor atau komponen yang
eigenvaluenya lebih dari 1 yaitu faktor 1, 2, 3, dan 4 masing-masing dengan
eigenvaluenya adalah 2,557; 1,353; 1,181; dan 1,039.
a. Penentuan berdasarkan Scree Plot
Setelah diketahui bahwa 4 faktor tersebut adalah jumlah yang paling optimal, maka Tabel 3.6 di atas menunjukkan distribusi dari 9 variabel tersebut pada 4 faktor yang ada. Untuk itu selanjutnya dilihat dari tabel total varians explained diatas, maka nilai initial eigenvalues dapat dilhat melalui grafik
scree plot berikut ini.
perhitungan angka ditunjukkan dalam gambar scree plot tersebut. Dilihat dari grafik bahwa dari satu ke dua faktor yang ditunjukkan oleh garis dari sumbu
component number yaitu angka 1 ke 2 sehingga arah garis menurun dengan cukup
tajam. Kemudian dari angka 2 ke 4 garis tersebut masih menurun dengan angka batas dari eigenvalues pada sumbu Y masih tidak melewati namun slope yang lebih kecil. Pada saat perpindahan dari angka 4 ke angka 5, faktor tersebut sudah dibawah angka 1 dari sumbu Y. Scree dimulai pada faktor ke 5 terlihat gerakan kurva semakin melemah, kemudian merata dan tidak terjadi keretakan lagi, sehingga dari semua nilai initial eigenvalues tersebut, maka dari faktor yang sudah dibentuk menunjukkan bahwa 4 faktor adalah paling baik untuk meringkas dari 9 variabel tersebut.
b. Penentuan berdasarkan nilai persentase varian
40
3.2.4 Rotasi Faktor
Bagian terpenting dari analisis faktor adalah matrix factor atau disebut juga komponen matriks. Untuk mengetahui variabel mana yang dapat dimasukkan ke dalam faktor 1, 2, 3 atau 4 maka dilakukan uji kelayakan dengan menggunakan komponen matriks. Matrix factor berisi koefisien yang digunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien ini merupakan factor loading yang mewakili koefisien antara faktor dengan variabel.
Matrix factor atau komponen matriks awal dapat dilihat pada Tabel 3.8 berikut: Tabel 3.8 Matrix factor(a) (Sebelum Rotasi)
Variabel
Pada rotasi faktor, matriks faktor ditransformasikan ke dalam matriks yang lebih sederhana, sehingga lebih mudah dalam mengimplementasikannya. Dalam analisis ini rotasi faktor dilakukan dengan metode varimax rotation, yaitu rotasi
orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading
tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasikannya. Rotasi
Variabel
Component
1 2 3 4
X1 0,408 -0,673 0,154 0,045
X2 0,775 -0,266 0,149 0,007
X3 0,645 -0,131 -0,175 0,159
X4 0,047 -0,019 -0,054 0,943
X5 -0,083 -0,100 0,837 -0,171
X6 0,210 0,822 0,098 0,042
X7 0,282 0,173 0,635 0,441
X8 0,664 0,122 0,284 0,101
X9 0,779 0,249 -0,064 -0,039
Extraction Method: Principal Component Analysis
42 Tabel 3.10 Korelasi antara Variabel Sebelum dan Setelah Dirotasi
Variabel
Korelasi antara
variabel Faktor Faktor akhir
variabel
Interpretasi hasil dilakukan dengan melihat factor loading. Factor loading adalah angka yang menunjukkan besarnya korelasi antara suatu variabel dengan faktor satu, dua, tiga faktor yang terbentuk. Berdasarkan interpretasi dari matriks faktor diperoleh hasil sebagai berikut:
a. Variabel pencurian dengan kekerasan: Korelasi antara variabel pencurian dengan kekerasan sebelum dirotasi adalah 0,454; dengan rotasi korelasi menjadi 0,408 dengan faktor 1. Sehingga variabel ini masuk ke faktor 1. b. Variabel pencurian kendaraan bermotor: Korelasi antara variabel pencurian
kendaraan bermotor sebelum dirotasi adalah 0,771; dengan rotasi korelasi menjadi 0,775 dengan faktor 1. Sehingga variabel ini masuk ke faktor 1. c. Variabel penganiayaan: Korelasi antara variabel penganiayaan sebelum
0,270; dengan rotasi korelasi menjadi 0,047 dengan faktor 4. Sehingga variabel ini masuk ke faktor 4.
e. Variabel perusakan: Korelasi antara variabel pemerasan sebelum dirotasi adalah 0,101; dengan rotasi korelasi menjadi -0,083 dengan faktor 3. Sehingga variabel ini masuk ke faktor 3.
f. Variabel pembunuhan: Korelasi antara variabel pembunuhan sebelum dirotasi adalah 0,204; dengan rotasi korelasi menjadi 0,210 dengan faktor 2. Sehingga variabel ini masuk ke faktor 2.
g. Variabel penggelapan: Korelasi antara variabel penggelapan sebelum dirotasi adalah 0,535; dengan rotasi korelasi menjadi 0,282 dengan faktor 1. Sehingga variabel ini masuk ke faktor 3
h. Variabel penipuan: Korelasi antara variabel penipuan sebelum dirotasi adalah 0,714; dengan rotasi korelasi menjadi 0,664 dengan faktor 1. Sehingga variabel ini masuk ke faktor 1.
i. Variabel pencabulan: Korelasi antara variabel pencabulan sebelum dirotasi adalah 0,691; dengan rotasi korelasi menjadi 0,779 dengan faktor 1. Sehingga variabel ini masuk ke faktor 1.
Tabel 3.11 Faktor-faktor yang Mempengaruhi Tingkat Kriminalitas
No Faktor Variabel Eigenvalue Factor
44 Dengan demikian dari 9 variabel telah direduksi menjadi empat faktor yang dapat mempengaruhi tingkat kriminalitas di kotamadya Binjai, yaitu:
1. Faktor 1 (F1) terdiri atas variabel (pencurian dengan kekerasan), (pencurian kendaraan bermotor), (penganiayaan), (penipuan), (pencabulan). Faktor ini diberi nama faktor kejahatan konvensional.
2. Faktor 2 (F2) terdiri atas variabel ( pembunuhan). Faktor ini diberi nama
kejahatan perorangan.
3. Faktor 3 (F3) terdiri atas variabel (perusakan) dan variabel (penggelapan). Faktor ini diberi nama kejahatan terorganisir.
4. Faktor 4 (F4) terdiri atas variabel (perjudian). Faktor ini diberi nama
kejahatan ketertiban umum.
Interpretasi hasil berdasarkan nilai eigenvalue dari setiap faktor dapat dijelaskan sebagai berikut:
1. Faktor kejahatan konvensional (28,406%)
a. Faktor dominan pertama yang mempengaruhi tingkat kriminalitas di kotamadya Binjai adalah faktor kejahatan konvensional. Faktor ini terdiri atas variabel (pencurian dengan kekerasan) dengan factor loading
0,408, (pencurian kendaraan bermotor) dengan factor loading 0,775, (penganiayaan) dengan factor loading 0,645, (penipuan) dengan factor loading 0,664, (pencabulan) dengan factor loading 0,779. Dapat dilihat variabel yang memiliki factor loading terbesar yaitu variabel (pencabulan) dengan factor loading 0,779 berpengaruh paling kuat terhadap jumlah tingkat kriminalitas di kotamadya Binjai.
b. Faktor dominan kedua yang mempengaruhi tingkat kriminalitas di kotamadya Binjai adalah faktor kejahatan perorangan (15,032%). Faktor ini terdiri dari variabel (pembunuhan) dengan factor loading sebesar 0,822.
kriminalitas di kotamadya Binjai adalah variabel (pemerasan) karena memiliki factor loading terbesar.
d. Faktor dominan keempat adalah faktor kejahatan ketertiban umum (11,542%). Faktor ini terdiri dari variabel (perjudian) dengan factor loading sebesar 0,943.
3.2.6 Menentukan ketepatan model (Model fit)
Menentukan ketepatan model (model fit) merupakan proses akhir dari analisis faktor. Analisis ini bertujuan untuk mengetahui seberapa besar selisih (residual) antara korelasi yang diamati dengan korelasi yang diproduksi berdasarkan hasil estimasi matriks faktor. Jika banyak selisih (residual) yang nilainya lebih besar dari 0,05 (>0,05) artinya model faktor tidak tepat dan perlu dipertimbangkan kembali. Sebaliknya jika banyak selisih (residual) yang nilainya lebih kecil dari 0,05 (<0,05) berarti model sudah tepat. Berikut merupakan hasil uji ketepatan model (model fit) dengan menggunakan program SPSS for windows 16.0.
Tabel 3.12 Selisih (Residual) antar Matriks Korelasi Sebelum Analisis Faktor dengan Matriks Korelasi Setelah dilakukan Analisis Faktor
46
BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan sebagai berikut: 1. Setelah dilakukan analisis faktor terhadap 9 variabel yang diteliti maka
terdapat 4 faktor yang merupakan faktor-faktor yang mempengaruhi tingkat kriminalitas di kotamadya Binjai, yaitu:
a. Faktor pertama adalah faktor kejahatan konvensional. Faktor ini merupakan faktor yang paling dominan mempunyai nilai eigenvalue sebesar 2,557 dan mampu menjelaskan keragaman total sebesar 28,406%.
b. Faktor kedua adalah faktor kejahatan perorangan. Faktor ini mempunyai
eigenvalue sebesar 1,353 dan mampu menjelaskan keragaman total sebesar
15,032%.
c. Faktor ketiga adalah faktor kejahatan terorganisir. Faktor ini mempunyai
eigenvalue sebesar 1,181 dan mampu menjelaskan keragaman total sebesar
13,128%.
d. Faktor keempat adalah faktor kejahatan ketertiban umum. Faktor ini mempunyai eigenvalue sebesar 1,039 dan mampu menjelaskan keragaman total sebesar 11,542%.
Dari keempat faktor yang dianalisis, faktor yang paling dominan yang mempengaruhi tingkat kriminalitas adalah faktor kejahatan konvensional dengan jumlah persentase keragaman total sebesar 28,406%.
4.2 Saran
Menurut hasil penelitian yang telah dilakukan, ada beberapa hal yang disampaikan sebagai saran, yaitu:
1. Pihak kepolisian meningkatkan kinerjanya dalam memberantas kriminalitas di kotamadya Binjai seperti melakukan patroli di beberapa tempat yang dianggap rawan kejahatan.
2. Usaha pencegahan kriminalitas juga dapat dilakukan secara perorangan misalnya menjaga diri jangan sampai menjadi korban kriminalitas, tidak lalai mengunci rumah/kendaraan, memasang lampu ditempat gelap dan lain-lain. 3. Setiap anggota masyarakat kota sadar dan merasa ikut serta bertanggung
48
DAFTAR PUSTAKA
Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta: BFFE Yogyakarta.
Binjai Kota Dalam Angka 2014. 2014. Dokumen nomor 12760.14.05. Binjai. Badan Pusat Statistik (BPS) Kota Binjai.
Dillon, R. W. dan Goldstein, M. 1984. Multivariate Analysis and Aplications. New York: John Wiley & Sons, Inc.
Hengkie Liklikuwata dan Mulyana W. Kusuma. 1985. Kriminologi Suatu Pengantar. Jakarta: PT. Ghalia Indonesia.
Http://www.google.com diakses pada 26 April 2015
Johnson, R.A and Dean W. Wichern 1998. Applied Multivarite Statistical Analysis. Prentice Hall International Inc. New Jersey.
Mustofa Muhammad. 2005. Metodologi Penelitian Kriminologi. Jakarta: PT. Kreatumin Sapta Manunggal.
Noach. 1984. Kriminologi. Bandung: PT. Tarsito.
Santoso, Singgih. 2010. Menggunakan SPSS Untuk Statistik Multivariat. Jakarta: PT. Alex Media Komputindo.
Sofyan Yamin, Lien A.Rachmach, dan Heri Kurniawan. 2011. Regresi Dan
Korelasi Dalam Genggaman Anda. Jakarta: PT. Salemba Empat.
Supranto, J. 2004. Analisis Multivariate Arti dan Interprestasi. Jakarta:PT. Rineka Cipta.
Tabacnick, B.G and Fidell, L.S. 1983. Using Multivariate Statistics. New York. Harver and Row Publisher
Topo, Santoso dan Zulfa Eva Achjani. 2001. Kriminologi. Jakarta: PT. RajaGrafindo Persada.
Widiyanti, Ninik. dan Panji Anogara, 1987. Perkembangan Kejahatan Dan Masalahnya. Jakarta: PT. Pradnya Paramita.
Lampiran 1
50
38 6 41 27 36 1681 729 246 162
39 5 39 12 25 1521 144 195 60
40 5 26 14 25 676 196 130 70
41 4 26 17 16 676 289 104 68
42 3 21 23 9 441 529 63 69
43 4 27 7 16 729 49 108 28
44 9 31 17 81 961 289 279 153
45 1 24 15 1 576 225 24 15
Jumlah 138 763 623 624 15.889 9.621 2.597 2.058
= = = =
= 0,334
Korelasi Antara Variabel X1 dengan X3
Lampiran 2
PERHITUNGAN KMO DAN MSA
Untuk menghitung KMO dan MSA maka diperlukan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan. Berikut ini akan disajikan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan.
MATRIKS KORELASI SEDERHANA
X1 X2 X3 X4 X5 X6 X7 X8 X9
X1 1,000 0.334 0.330 0.006 0.073 -0.227 0.179 0.149 0.126 X2 0.334 1,000 0.387 0.090 0.077 -0.071 0.203 0.560 0.420 X3 0.330 0.387 1,000 0.163 -0,020 0.148 0.112 0.128 0.378 X4 0.006 0.090 0.163 1,000 -0.087 0.022 0.231 0.131 0.053
