Analisis Pola Hubungan Besarnya Kerugian Negara Akibat Korupsi Dengan Demografi Koruptor di Jawa Timur Oleh : Amilia Firda Rahmana (1311 105 008) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D
Seminar Hasil Tugas Akhir 5 Juli 2013
I
PENDAHULUAN
LATAR BELAKANG
Dari 133 negara
I
PENDAHULUAN
LATAR BELAKANG
Indonesia memiliki nilai IPK lebih rendah dari pada negara Papua Nugini, Vietnam, Philipina, Malaysia dan Singapura. Sedangkan pada tingkat dunia, negara-negara yang ber-IPK lebih buruk dari Indonesia merupakan negara yang sedang mengalami konflik
I
PENDAHULUAN
LATAR BELAKANG
Kasus korupsi dengan analisis korespondensi dan model log linear
I
TUJUAN
1
2
3
• Karakteristik demografi kasus dugaan korupsi
• Signifikansi dependensi kerugian negara akibat korupsi dengan demografi koruptor
• Pola hubungan antara besarnya kerugian negara dengan variabel demografi koruptor
PENDAHULUAN
I
PENDAHULUAN
MANFAAT 1 • Memberikan analisis statistika pada bidang hukum di Jawa Timur khususnya kasus korupsi 2 • Membantu memberikan upaya perventif pemberantasan kasus korupsi yang terjadi di Jawa Timur maupun Indonesia
I
PENDAHULUAN
BATASAN PENELITIAN Data yang digunakan adalah data kasus korupsi di Jawa Timur pada tahun 2011-2012 baik yang sudah diputus maupun belum diputus sampai dengan akhir tahun 2012.
II
TINJAUAN PUSTAKA
STATISTIKA DESKRIPTIF Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna (Walpole, 1995). Statistika deskriptif memberikan informasi yang hanya mengenai data itu sendiri dan dapat diketahui karakteristik dan frekuensi atau presentase yang didapat dari setiap variabel yang diteliti.
II
TINJAUAN PUSTAKA
TABEL KONTINGENSI Tabulasi silang dua variabel ordinal yang berisi frekuensi-frekuensi respon dalam setiap sel matriks. Masing-masing kategori variabel tersebut harus memenuhi syarat • Homogen • Mutually Exclusive • Mutually Exchaustive • Skala Nominal atau Ordinal
II
TINJAUAN PUSTAKA
UJI INDEPENDENSI Digunakan untuk mengetahui ada tidaknya hubungan antar dua variabel yang telah ditetapkan. Hipotesis untuk pengujian independensi adalah sebagai berikut. H0 : tidak ada hubungan antar variabel A dan variabel B H1 : ada hubungan antar variabel A dan variabel B Statistik uji :
2 ˆ n m ( ) − ij χ 2 = ∑∑ ij mˆ ij i =1 j =1 I
J
II
TINJAUAN PUSTAKA
ANALISIS KORESPONDENDSI • Bagian analisis multivariat yang mempelajari hubungan antara dua atau lebih variabel dengan memperagakan baris dan kolom secara bersama dari tabel kontingensi dua arah dalam ruang vektor berdimensi rendah (dua). • Digunakan untuk mereduksi dimensi variabel dan menggambarkan profil vektor baris dan vektor kolom suatu matriks data dari tabel kontingensi. • Hasil dari analisis korespondensi biasanya mengikutkan dua dimensi terbaik untuk mempresentasikan data, yang menjadi koordinat titik dan suatu ukuran jumlah informasi yang ada dalam setiap dimensi yang biasa dinamakan inersia (Johnson dan Wichern 2002).
II
TINJAUAN PUSTAKA
MODEL LOG LINEAR Suatu model untuk memperoleh model statistika yang menyatakan hubungan antara variabel dengan data yang bersifat kualitatif (skala nominal atau ordinal) dan dapat diketahui model matematikanya secara pasti serta level atau kelas mana yang cenderung menimbulkan adanya hubungan atau dependensi.
Uji Goodness of Fit
Uji K-Way
Uji Asosiasi Parsial
Seleksi Model
Pengujian Residual
II
Gejala dimana pejabat, badan-badan negara yang menyalahgunakan wewenang dengan terjadinya penyuapan, pemalsuan.
Kekuasaan tanpa aturan hukum. Oleh karena itu, selalu ada praduga pemakaian kekuasaan untuk mencapai suatu tujuan selain tujuan yang tercantum dalam pelimpahan kekuasaan tersebut.
TINJAUAN PUSTAKA
Suatu perbuatan tidak jujur atau penyelewengan yang dilakukan karena adanya suatu pemberian.
III
METODOLOGI PENELITIAN
SUMBER DATA Data yang digunakan dalam penelitian ini adalah data sekunder kasus dugaan korupsi di Jawa Timur mulai Januari 2011 hingga Desember 2012. Data didapat dari Pengadilan Tipikor (Tindak Pidana Korupsi) Jawa Timur. Jumlah kasus korupsi di Jawa Timur dari Januari 2011 hingga Desember 2012 sebanyak 286 kasus, baik yang sudah diputus maupun belum diputus.
III
METODOLOGI PENELITIAN
VARIABEL PENELITIAN Variabel Kerugian Negara
Usia
Jenis Kelamin
Keterangan 1. Kategori A (< 100.000.000) 2. Kategori B ( 100.000.000 sampai 1.000.000.000 ) 3. Kategori C ( > 1.000.000.000 ) 1. < 40 tahun 2. 40 tahun – 50 tahun 3. > 50 tahun 1. Laki-Laki 2. Perempuan
III
VARIABEL PENELITIAN Variabel Daerah Kejaksaan
Pekerjaan
Pendidikan
Keterangan 1. Zona Utara 2. Zona Tengah 3. Zona Selatan 1. PNS 2. Swasta/Wiraswasta 3. Pejabat Parpol 1. SD/SMP/SMA 2. D3/S1 3. S2/S3
METODOLOGI PENELITIAN
III
METODOLOGI PENELITIAN
LANGKAH ANALISIS Untuk menganalisis karakteristik demografi kasus dugaan korupsi di Jawa Timur digunakan statistika deskriptif dengan menggunakan pie chart. Mengetahui signifikansi dependensi besarnya kerugian negara akibat korupsi dengan variabel demografi koruptor di Jawa Timur dilakukan langkah analisis sebagai berikut. i. Membuat tabel tabulasi silang dua dimensi antara variabel besarnya kerugian negara dengan variabel-variabel demografi. ii. Melakukan uji independensi dengan menggunakan uji chisquare antara variabel kerugian negara dengan variabelvariabel demografi.
III
METODOLOGI PENELITIAN
LANGKAH ANALISIS Untuk mengetahui pola hubungan antara besarnya kerugian negara akibat korupsi dengan variabel demografi koruptor di Jawa Timur dilakukan langkah analisis sebagai berikut. Melakukan analisis korespondensi dengan langkah-langkah : i. Menghitung profil baris dan profil kolom. ii. Menentukan nilai inersia. iii. Menentukan nilai kontribusi relatif dan kontribusi mutlak dari masing-masing baris dan kolom. iv. Visualisasi dengan melihat plot yang terbentuk.
III
METODOLOGI PENELITIAN
LANGKAH ANALISIS Melakukan analisis model log linear dengan langkah-langkah : i. Menentukan variabel yang memiliki kategori dependen. ii. Membentuk model log linear dari tabel dua dimensi untuk mencari model matematis secara pasti. iii. Melakukan uji Goodness of Fit dengan menggunakan uji Chi Square Pearson dan Ratio Likelihood untuk menguji hipotesis dari tiap model yang terbentuk. iv. Melakukan seleksi model terbaik dengan metode eliminasi backward. v. Melakukan pengujian residual untuk mengetahui level mana yang cenderung menimbulkan adanya hubungan atau dependensi. Pengujian residual ini menggunakan nilai adjusted residual yang dibandingkan dengan nilai pada distribusi normal standart.
IV
Analisis Deskriptif
ANALISIS DAN PEMBAHASAN
IV
Analisis Deskriptif
ANALISIS DAN PEMBAHASAN
IV
ANALISIS DAN PEMBAHASAN
Analisis Deskriptif
χ2
IV
Signifikansi Dependensi Kerugian Negara VS Usia
ANALISIS DAN PEMBAHASAN
Kerugian Negara Usia
< 40 tahun
40 tahun – 50 tahun
>50 tahun
Total
Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase
< 100 juta
100 juta – 1 M
≥1M
Total
24 8.4%
28 9.8%
2 0.7%
54 18.9%
18.1
25.7
10.2
43 15%
55 19.2%
27 9.4%
42.0
59.4
23.6
29 10.1%
53 18.5%
25 8.7%
35.9
50.9
20.2
96 33.6%
136 47.5%
54 18.9%
125 43.7%
Chi Square 12,108
P-value 0,017
Ada Hubungan antara Kerugian Negara dan Usia
107 37.4%
286 100%
Lanjut ke Analisis Model Log Linear dan Analisis Korespondensi
χ2
IV
Signifikansi Dependensi Kerugian Negara VS Jenis Kelamin
ANALISIS DAN PEMBAHASAN
Kerugian Negara
Jenis Kelamin
Jumlah Laki-Laki
Perempuan
Total
Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase
< 100 juta
100 juta – 1 M
≥1M
Total
86
116
46
248
30.1%
40.5%
16.1%
86.7%
83.2
117.9
46.8
10
20
8
38
3.5%
7.0%
2.8%
13.3%
12.8
18.1
7.2
96
136
54
286
33.6%
47.5%
18.9%
100%
Chi Square 1,034
P-value 0,596
Tidak Ada Hubungan antara Kerugian Negara dan Jenis Kelamin
Tidak dilanjutkan ke Analisis Model Log Linear dan Analisis Korespondensi
χ2
IV
Signifikansi Dependensi Kerugian Negara VS Daerah Kejaksaan
ANALISIS DAN PEMBAHASAN
Kerugian Negara Daerah Kejaksaan
Utara
Tengah
Selatan
Total
Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase
< 100 juta
100 juta – 1 M
≥1M
Total
94 32.9%
36 12.6%
33 11.5%
25 8.7%
31.6
44.7
17.7
37 12.9%
50 17.5%
12 4.2%
33.2
47.1
18.7
23 8.0%
53 18.5%
17 5.9%
31.2
44.2
17.6
96 33.6%
136 47.5%
54 18.9%
99 34.6%
Chi Square 13,579
P-value 0,009
Ada Hubungan antara Kerugian Negara dan Daerah Kejaksaan
93 32.5%
286 100%
Lanjut ke Analisis Model Log Linear dan Analisis Korespondensi
χ2
IV
Signifikansi Dependensi Kerugian Negara VS Pekerjaan
ANALISIS DAN PEMBAHASAN
Kerugian Negara Pekerjaan Jumlah Persentase PNS Nilai Harapan Jumlah Swasta / Persentase Wiraswasta Nilai Harapan Jumlah Pejabat Partai Persentase Politik Nilai Harapan Jumlah Total Persentase
< 100 juta 100 juta – 1 M
≥1M
Total
158 55.2%
65 22.7%
68 23.8%
25 8.7%
53
75.1
29.8
30 10.5%
65 22.7%
19 6.6%
38.3
54.2
21.5
1 0.3%
3 1%
10 3.5%
4.7
6.7
2.6
96 33.6%
136 47.5%
54 18.9%
114 39.9%
14 4.9%
286 100%
Terdapat sel yang memiliki nilai harapan < 5 sebanyak 22,2%, maka perlu dilakukan Penggabungan Sel
χ2
IV
Signifikansi Dependensi Kerugian Negara VS Pekerjaan
ANALISIS DAN PEMBAHASAN
Kerugian Negara
Pekerjaan
PNS
Swasta / Wiraswasta Total
Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase
< 100 juta 100 juta – 1 M
≥1M
66 23%
71 24.8%
35 12.2%
57.7
81.8
32.5
30 10.5%
65 22.7%
19 6.6%
38.3
54.2
21.5
96 33.6%
136 47.5%
54 18.9%
Total
172 60.1%
114 39.9%
286 100%
Chi Square 7,032
P-value 0,030
Ada Hubungan antara Kerugian Negara dan Pekerjaan
Lanjut ke Analisis Model Log Linear dan Analisis Korespondensi
χ2
IV
Signifikansi Dependensi Kerugian Negara VS Pendidikan
ANALISIS DAN PEMBAHASAN
Kerugian Negara Pendidikan
SD / SMP / SMA
D3 / S1
S2 / S3
Total
Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase Nilai Harapan Jumlah Persentase
< 100 juta 100 juta – 1 M
≥1M
Total
95 33.2%
54 18.9%
39 13.6%
2 0.7%
31.9
45.2
17.9
35 12.2%
63 22.0%
25 8.7%
41.3
58.5
23.2
7 2.4%
34 11.9%
27 9.4%
22.8
32.3
12.8
96 33.6%
136 47.5%
54 18.9%
123 43%
Chi Square 58,454
P-value 0,000
Ada Hubungan antara Kerugian Negara dan Pendidikan
68 23.8%
286 100%
Lanjut ke Analisis Model Log Linear dan Analisis Korespondensi
IV
Pola Hubungan Kerugian Negara VS Usia
ANALISIS DAN PEMBAHASAN
ANALISIS KORESPONDENSI PROFIL BARIS Usia < 40 tahun 40 tahun – 50 tahun >50 tahun
Kerugian Negara < 100 juta 100 juta – 1M 0,444 0,519
≥1M 0,037
Massa 0,329
0,344
0,440
0,216
0,346
0,271
0,495
0,234
0,325
PROFIL KOLOM Usia < 40 tahun 40 tahun – 50 tahun >50 tahun Massa
NILAI INERSIA Dimensi
Inersia
Proporsi
1 2
0,039 0,003
0,921 0,079
Kerugian Negara < 100 juta 100 juta – 1 M 0,250 0,206 0,448 0,404 0,302 0,390 0,336 0,475
Proporsi Kumulatif 0,921 1,000
≥1M 0,037 0,500 0,463 0,189
IV
Pola Hubungan Kerugian Negara VS Usia
ANALISIS DAN PEMBAHASAN
ANALISIS KORESPONDENSI KONTRIBUSI MUTLAK DAN RELATIF (PROFIL BARIS) Usia < 40 tahun 40 tahun – 50 tahun >50 tahun
Kontribusi Mutlak Dimensi 1 Dimensi 2 0,777 0,034 0,030 0,533 0,192 0,434
Kontribusi Relatif Dimensi 1 Dimensi 2 0,996 0,004 0,398 0,602 0,838 0,162
KONTRIBUSI MUTLAK DAN RELATIF (PROFIL KOLOM) Kerugian Negara < 100 juta 100. juta – 1 M ≥1M
Kontribusi Mutlak Dimensi 1 Dimensi 2 0,258 0,407 0,013 0,512 0,730 0,081
Kontribusi Relatif Dimensi 1 Dimensi 2 0,881 0,119 0,222 0,778 0,991 0,009
Pola Hubungan Kerugian Negara VS Usia ANALISIS KORESPONDENSI PLOT KORESPONDENSI
IV
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Usia ANALISIS MODEL LOG LINEAR UJI K-WAY Likelihood Ratio Chi-Square P-value 15,212 0,004
Pearson Chi-Square P-value 12,108 0,017
Uraian
K
Db
K-Way and Higher Order Effects
2
4
1
8
82,851
0,000
67,769
0,000
1 2
4 4
67,639 15,212
0,000 0,004
55,661 12,108
0,000 0,017
K-Way Effects
UJI ASOSIASI PARSIAL Efek
db
Kerugian Negara Usia
2 2
Partial ChiSquare 36,586 31,053
P-value 0,000 0,000
ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Usia ANALISIS MODEL LOG LINEAR ELIMINASI BACKWARD Efek Model 0 Model 1
Chi-Square 0,000 15,212
db 0 4
P-value 0,004
Sehingga model yang terbentuk : Log mij
= µ + λi + λ j + λij x
PENGUJIAN RESIDUAL Usia < 40 tahun 40 tahun – 50 tahun >50 tahun
Adj. Resi
Kerugian Negara < 100 juta 100 juta – 1 M 1.9 0.7
≥1M -3.2
Adj. Resi
0.3
-1.1
1.0
Adj. Resi
-1.8
0.5
1.5
y
xy
IV
Pola Hubungan Kerugian Negara VS Daerah Kejaksaan
ANALISIS DAN PEMBAHASAN
ANALISIS KORESPONDENSI PROFIL BARIS Daerah Kejaksaan Zona Utara Zona Tengah Zona Selatan
Kerugian Negara < 100 juta 100 juta – 1 M 0,383 0,351 0,374 0,505 0,247 0,570
Massa
≥1M 0,266 0,121 0,183
0,329 0,346 0,325
PROFIL KOLOM Daerah Kejaksaan Zona Utara Zona Tengah Zona Selatan Massa
Kerugian Negara < 100 juta 100 juta – 1 M 0,375 0,243 0,385 0,368 0,240 0,390 0,336 0,475
NILAI INERSIA Dimensi
Inersia
Proporsi
1 2
0,035 0,012
0,737 0,263
Proporsi Kumulatif 0,737 1,000
≥1M 0,463 0,222 0,315 0,189
IV
Pola Hubungan Kerugian Negara VS Daerah Kejaksaan
ANALISIS DAN PEMBAHASAN
ANALISIS KORESPONDENSI KONTRIBUSI MUTLAK DAN RELATIF (PROFIL BARIS) Daerah Kejaksaan Zona Utara Zona Tengah Zona Selatan
Kontribusi Mutlak Dimensi 1 Dimensi 2 0,661 0,010 0,104 0,550 0,235 0,440
Kontribusi Relatif Dimensi 1 Dimensi 2 0,994 0,006 0,346 0,654 0,599 0,401
KONTRIBUSI MUTLAK DAN RELATIF (PROFIL KOLOM) Kerugian Negara < 100 juta 100. juta – 1 M ≥1M
Kontribusi Mutlak Dimensi 1 Dimensi 2 0,131 0,533 0,484 0,041 0,385 0,426
Kontribusi Relatif Dimensi 1 Dimensi 2 0,408 0,592 0,971 0,029 0,717 0,283
Pola Hubungan Kerugian Negara VS Daerah Kejaksaan ANALISIS KORESPONDENSI PLOT KORESPONDENSI
IV
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Daerah Kejaksaan ANALISIS MODEL LOG LINEAR UJI K-WAY Uraian
K
db
K-Way and Higher Order Effects
2
4
Likelihood Ratio ChiP-value Square 13,971 0,007
1
8
50,773
0,000
49,140
0,000
1 2
4 4
36,802 13,971
0,000 0,007
35,561 13,579
0,000 0,009
K-Way Effects
Pearson ChiP-value Square 13,579 0,009
UJI ASOSIASI PARSIAL Efek
db
Daerah Kejaksaan
2
Partial ChiSquare 0,216
P-value 0,898
ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Daerah Kejaksaan ANALISIS MODEL LOG LINEAR ELIMINASI BACKWARD Efek Model 0 Model 1
Chi-Square 0,000 13,971
db 0 4
P-value 0,007
Sehingga model yang terbentuk : Log mij
= µ + λi + λ j + λij x
PENGUJIAN RESIDUAL Daerah Kejaksaan Utara Adj. Resi Tengah Adj. Resi Selatan Adj. Resi
Kerugian Negara < 100 juta 100. juta – 1 M 1.2 -2.9 1.0 0.7 -2.2 2.2
≥1M 2.3 -2.1 -0.2
y
xy
IV
Pola Hubungan Kerugian Negara VS Pekerjaan ANALISIS MODEL LOG LINEAR UJI K-WAY Likelihood Ratio Chi-Square P-value 7,069 0,029
Pearson Chi-Square P-value 7,032 0,030
Uraian
K
db
K-Way and Higher Order Effects
2
2
1
5
55,499
0,000
51,930
0,000
1 2
3 2
48,430 7,069
0,000 0,029
44,898 7,032
0,000 0,030
K-Way Effects
UJI ASOSIASI PARSIAL Efek
db
Pekerjaan
1
Partial ChiSquare 11,844
P-value 0,001
ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Pekerjaan ANALISIS MODEL LOG LINEAR ELIMINASI BACKWARD Efek Model 0 Model 1
Chi-Square 0,000 7,069
db 0 2
P-value 0,029
Sehingga model yang terbentuk : Log mij
= µ + λi + λ j + λij x
PENGUJIAN RESIDUAL Pekerjaan PNS Adj. Resi Swasta / Adj. Resi Wiraswasta
Kerugian Negara < 100 juta 100 juta – 1 M 2.1 -2.6 -2.1
2.6
≥1M 0.8 -0.8
y
xy
IV
Pola Hubungan Kerugian Negara VS Pendidikan
ANALISIS DAN PEMBAHASAN
ANALISIS KORESPONDENSI PROFIL BARIS Pendidikan SD/SMP/SMA D3/S1 S2/S3
Kerugian Negara < 100 juta 100. juta – 1 M 0,568 0,411 0,285 0,512 0,103 0,500
≥1M 0,021 0,203 0,397
Massa 0,332 0,430 0,238
PROFIL KOLOM Pendidikan SD/SMP/SMA D3/S1 S2/S3 Massa
Kerugian Negara < 100 juta 100. juta – 1 M 0,563 0,287 0,365 0,463 0,073 0,250 0,336 0,476
NILAI INERSIA Dimensi
Inersia
Proporsi
1 2
0,202 0,003
0,987 0,013
Proporsi Kumulatif 0,987 1,000
≥1M 0,037 0,463 0,500 0,189
IV
Pola Hubungan Kerugian Negara VS Pendidikan
ANALISIS DAN PEMBAHASAN
ANALISIS KORESPONDENSI KONTRIBUSI MUTLAK DAN RELATIF (PROFIL BARIS) Pendidikan SD/SMP/SMA D3/S1 S2/S3
Kontribusi Mutlak Dimensi 1 Dimensi 2 0,524 0,144 0,018 0,552 0,458 0,304
Kontribusi Relatif Dimensi 1 Dimensi 2 0,996 0,004 0,706 0,294 0,991 0,009
KONTRIBUSI MUTLAK DAN RELATIF (PROFIL KOLOM) Kerugian Negara < 100 juta 100. juta – 1 M ≥1M
Kontribusi Mutlak Dimensi 1 Dimensi 2 0,470 0,194 0,015 0,509 0,515 0,297
Kontribusi Relatif Dimensi 1 Dimensi 2 0,995 0,005 0,694 0,306 0,992 0,008
Pola Hubungan Kerugian Negara VS Pendidikan ANALISIS KORESPONDENSI PLOT KORESPONDENSI
IV
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Pendidikan ANALISIS MODEL LOG LINEAR UJI K-WAY Likelihood Ratio Chi-Square P-value 65,137 0,000
Pearson Chi-Square P-value 58,454 0,000
Uraian
K
db
K-Way and Higher Order Effects
2
4
1
8
117,789
0,000
97,727
0,000
1 2
4 4
56,652 65,137
0,000 0,000
39,273 58,454
0,000 0,000
K-Way Effects
UJI ASOSIASI PARSIAL Efek
db
Pendidikan
2
Partial ChiSquare 16,066
P-value 0,000
ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN
IV
Pola Hubungan Kerugian Negara VS Pendidikan ANALISIS MODEL LOG LINEAR ELIMINASI BACKWARD Efek Model 0 Model 1
Chi-Square 0,000 65,137
db 0 4
P-value 0,000
Sehingga model yang terbentuk : Log mij
= µ + λi + λ j + λij x
y
PENGUJIAN RESIDUAL Pendidikan SD / SMP / SMA Adj. Resi D3 / S1 Adj. Resi S2 / S3 Adj. Resi
Kerugian Negara < 100 juta 100. juta – 1 M 5.9 -1.6 -1.6 1.1 -4.7 0.5
≥1M -5.1 0.5 5.0
xy
V
KESIMPULAN
KESIMPULAN DAN SARAN
1. Mayoritas koruptor di Jawa Timur melakukan korupsi pada kategori B (antara Rp. 100.000.000 hingga Rp. 1.000.000.000) dengan persentase sebesar 47 persen, berusia antara 40 tahun hingga 50 tahun, berjenis kelamin laki-laki, berasal dari daerah kejaksaan Zona Tengah, bekerja sebagai PNS (Pegawai Negeri Sipil), dan berpendidikan terakhir D3/S1. 2. Variabel kerugian negara memiliki hubungan yang signifikan dengan variabel usia, daerah kejaksaan, pekerjaan, dan pendidikan. Sedangkan variabel kerugian negara dengan variabel jenis kelamin tidak memiliki hubungan.
V
KESIMPULAN
KESIMPULAN DAN SARAN
3. Hasil pola hubungan antara variabel kerugian negara dengan variabel usia menunjukkan informasi yang berbeda antara analisis korespondensi dan analisis model log linear. Hasil pola hubungan antara variabel kerugian Negara dengan daerah kejaksaan dan pola hubungan antara variabel kerugian Negara dengan pendidikan dari hasil analisis korespondensi dan model log linear menunjukkan hasil yang sama.
V
SARAN
KESIMPULAN DAN SARAN
Variabel yang terdapat pada penelitian masih sangat terbatas, yaitu baru terbatas pada variabel demografi dari koruptor. Maka saran untuk penelitian selanjutnya adalah menggunakan variabel yang lebih luas agar didapatkan hasil yang lebih bagus dan lebih bermanfaat.
DAFTAR PUSTAKA Agresti, A., 1990, Categorical Data Analysis, John Wiley and Sons, New York. Arifin, Donny, 2002, Korupsi di sektor pelayanan Publik dalam Basyaib, H., dkk. (ed.) 2002, Mencuri Uang Rakyat: 16 kajian Korupsi di Indonesia, Buku 2, Yayasan Aksara dan Patnership for Good Governance Reform, Jakarta. Bernardi R.A., 1994, Fraud Detection : The Effect of Client Integrity and Competence and Auditor Cognitive Style, Auditing : A Journal of Practice and Theory 13 (Supplement) . Everitt, B.S., 1992, The Analysis of Contingency Tables, Second Edition, Chapman & Hall, London. Fadjar, Mukti., 2002, Korupsi dan Penegakan Hukum dalam pengantar Kurniawan, L, 2002, Menyingkap Korupsi di Daerah, Intrans, Malang. Greenacre,M.J., 1984, Theory and Aplications of Correspondence Analysis, Academic Press Inc., London. Hamzah, A., 1991, Korupsi Di Indonesia Masalah dan Pemecahannya, Gramedia Pustaka Utama, Jakarta.
DAFTAR PUSTAKA Hartanti, E., 2005, Tindak Pidana Korupsi, Sinar Grafika, Jakarta. Hermien H.K., 1994, Korupsi di Indonesia: dari delik Jabatan ke Tindak Pidana Korupsi, Citra Aditya Bakti, Bandung. Hosmer, D. W., Lemeshow, 2000, Applied Logistic Regression, John Wiley and Sons, USA. Johnson, R. A. dan Wichern, D. W. 2002. Applied Multivariate Statistical Analysis. Edisi keenam. New Jersey : Prentice Hall, Englewood Cliffs. Wahyudi, I., 2009, Analisis Faktor-Faktor Yang Mempengaruhi Korupsi Anggaran Pendapatan Belanja Daerah (APBD) Di Malang Raya, Universitas Muhammadiyah, Gresik. Walpole, R. E., 1995, Pengantar Statistika Edisi Ke tiga, Gramedia Pustaka Utama, Jakarta. Wayne, W. Daniel., 1998, Statistik Non Parametrik Terapan, PT. Gramedia Pustaka Utama, Jakarta.
