Berdasarkan hasil estimasi yang ditunjukkan pada tabel 5.40, maka diperoleh hasil sebagai berikut:
FERT = 4,322 – 0,359Educ + 0,851 Dp + 0,961Dis – 0,085UKP – 0,162Dm – 0,590 Dkb + 0,139Y
.000 .001 .000 .037 .002 .418 .181 .000
R square .251 Sig. F .000
Keterangan: FERT = Fertilitas
Educ = Tingkat Pendidikan Dp = Pegawai Negeri Dummy Variable
Dis = Interaksi Sosial Dummy Variable UKP = Umur Kawin Pertama
Dm = Migran Dummy Variable Dkb = Mengikuti Program KB Dummy Variable
Y = Pendapatan
5.10.3. Penjelasan Masing-masing Variabel Bebas Terhadap Fertilitas.
Tingkat pendidikan berpengaruh negatif dan signifikan terhadap fertilitas, dengan tingkat signifikansi 1 persen atau tingkat kepercayaan sebesar 99 persen.
Artinya makin tinggi tingkat pendidikan, makin sedikit jumlah anak yang dimiliki. Hasil penelitian ini sesuai dengan hipotesis dan mendukung hasil-hasil penelitian
sebelumnya, seperti Rujiman 2007. Angka koefesien sebesar -0,359 memberi
Universitas Sumatera Utara
arti bahwa bila tingkat pendidikan naik satu tingkat misalnya dari SLTA ke D3 atau dari D3 menjadi sarjana, maka jumlah anak yang dilahirkan turun sebesar
0,359 anak. Hasil ini mendukung kebijakan wajib belajar 9 tahun, karena wajib belajar dapat menunda umur kawin pertama. Dari kebijakan wajib belajar akan
menghasilkan dua hal yaitu, SDM akan lebih berkualitas, sekaligus menurunkan angka fertilitas.
Istri bekerja sebagai pegawai negeri sipil berpengaruh positif dan signifikan terhadap fertilitas, dengan tingkat signifikansi sebesar 1 persen, atau
dengan tingkat kepercayaan sebesar 99 persen. Hasil ini berbeda dengan hipotesis. Peneliti menduga setelah 10 tahun masa reformasi pegawai negeri sipil sedikit
mendapat kelonggaran dalam hal menentukan besarnya jumlah anak. Pada masa pemerintahan Orde Baru, pegawai negeri diarahkan untuk memiliki dua orang
anak, laki-laki perempuan sama saja. Pada saat ini penduduk yang bekerja sebagai pegawai negeri sipil ingin mempunyai anak lebih dari dua orang.
Interaksi sosial bagi ibu-ibu rumah tangga ternyata berpengaruh positif dan signifikan dengan besarnya jumlah anak yang dimiliki, dengan tingkat signifikansi
sebesar 5 persen atau tingkat kepercayaan 95 persen. Umur perkawinan pertama berpengaruh negatif dan signifikan terhadap fertilitas, dengan tingkat signifikansi
sebesar 1 persen atau dengan tingkat kepercayaan sebesar 99 persen. Makin tinggi umur kawin pertama, semakin sedikit jumlah anak. Hasil temuan ini sesuai
dengan hipotesis dan mendukung hasil penelitian Hatmadji et al 2010. Nilai koefesien sebesar -0,085 memberi arti bahwa bila umur kawin pertama naik satu
tahun, akan menurunkan jumlah anak yang dilahirkan sebesar 0,085 orang anak.
Universitas Sumatera Utara
Pendapatan berpengaruh positif dan signikan terhadap fertilitas dengan tingkat signifikansi sebesar 1 persen, atau dengan tingkat kepercayaan sebesar 99
persen. Hasil ini berbeda dengan hipotesis, dan berbeda dengan hasil penelitian Leibenstein 1975, Becker 1981 dan Rujiman 2007. Peneliti menduga bahwa
dengan berkembangnya perekonomian di daerah urban Kabupaten Deli Serdang, rumah tangga merasa bahwa kebutuhan akan tenaga kerja masih cukup
dibutuhkan. Oleh sebab itu keinginan memiliki anak sejalan dengan kemajuan ekonomi. Dari hasil pengamatan di lapangan, sebagian besar dari responden, di
dalam satu rumah tangga lebih dari satu orang yang bekerja untuk mendapatkan penghasilan. Bila membandingkan dengan hasil penelitian Oshima yang
menemukan bahwa transisi demogrfi mengikuti transisi industri, maka hasil yang diperoleh mengindikasikan bahwa sebenarnya Deli Serdang masih dalam era
transisi menuju ke arah industrialisasi, jadi belum benar-benar sebagai kawasan industri. Ini ditunjukkan bahwa secara output PDB memang Deli Serdang telah
menuju industrialisasi, tetapi secara ketenagaakerjaan masih lebih dekat ke arah sektor pertanian. Nilai koefesien sebesar 0,139380, memberi arti bahwa apabila
tingkat pendapatan meningkat sebesar satu juta rupiah akan meningkatkan jumlah anak sebesar 0,139 orang. Variabel-variabel lain seperti interaksi sosial, migrasi
dan status keluarga berencana tidak berpengaruh secara signifikan terhadap fertilitas. R-square sebesar 0,251 memberi arti bahwa secara keseluruhan variabel-
variabel independen mampu menjelaskan variasi fertilitas sebesar 25,10 persen, sisanya sebesar 74,90 persen dijelaskan oleh variabel lain yang tidak dimasukkan
dalam model estimasi.
Universitas Sumatera Utara
5. 10. 4 Uji Asumsi Klasik 1 Uji Autokorelasi
Uji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu ei pada periode
tertentu dengan variabel penganggu periode sebelumnya ei
t-1
Hasil output SPSS diperoleh nilai Durbin Watson sebesar 1,750, dengan kata lain nilai DW berada dibawah angka 2 maka pada data
tersebut tidak terjadi autokorelasi tabel 5.43. . Cara
menguji autokorelasi adalah dengan melihat model regresi linier berganda terbebas dari autokorelasi apabila nilai Durbin Watson berada dibawah
angka 2.
Tabel 5. 41. Uji Autokolerasi
Mod el
R R
Square Adjusted
R Square Std.
Error of the
Estim ate
Change Statistics Durbin-
Watson R
Square Change
F Chan
ge df1
df2 Sig. F
Change 1
.501a .251
.220 1.189
15 .251
8.216 7
172 .000
1.750
a Predictors: Constant, Y, DKB, DP, DM, UKP, EDUC, DIS b Dependent Variable: PERT
Sumber: Lampiran 17
2 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian dan data yang digunakan
dalam penelitian adalah data yang berdistribusi normal. Salah satu cara yang digunakan untuk melihat normalitas data adalah dengan
Universitas Sumatera Utara
menggunakan kurva normal P-Plot. Data dalam keadaan normal apabila distribusi data menyebar di sekitar garis diagonal. Hasil outputnya adalah
sebagai berikut gambar 5.7:
Normal P-P Plot of Regression Standa Dependent Variable: PERT
Observed Cum Prob
1.00 .75
.50 .25
0.00
Exp ect
ed C um
P rob
1.00 .75
.50 .25
0.00
Gambar 5. 7. Uji Normalitas Sumber: lampiran 18
Hasil output menunjukkan data masing-masing variabel memiliki
kecenderungan berdistribusi secara normal.
3 Uji Linearitas
Linearitas adalah bentuk hubungan antara variabel bebas X dan variabel terikat Y adalah linear. Pengujian linearitas menggunakan
program SPSS dilakukan dengan membandingkan nilai output uji F pada SPSS. Apabila nilai F pada Anova lebih besar dari 0,05 maka hipotesis
tentang adanya hubungan linear dapat diterima. Nilai F pada Anova sebesar 1,068 0,05. Dapat disimpulkan
bahwa hubungan variabel bebas X dan terikat Y merupakan hubungan
Universitas Sumatera Utara
linear dapat diterima tabel 5.44. Tabel 5. 42. Uji Linearitas
Sum of Squares
df Mean
Square F
Sig. Y
X Between Groups Combined
7.731 4
1.933 1.068
.374 Linearity
6.709 1
6.709 3.706
.056 Deviation from
Linearity 1.022
3 .341
.188 .904
Within Groups 316.819
175 1.810
Total 324.550
179 Sumber: Lampiran 19
4 Uji Heteroskedastisitas
Uji Heteroskedastisitas untuk menguji terjadinya perbedaan variance residual
suatu periode pengamatan ke periode pengamatan yang lain atau gambaran hubungan antara nilai yang diprediksi dengan
studentized delete residual nilai tersebut. Model regresi yang baik adalah
model regresi yang memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan yang lain, atau adanya hubungan
antara nilai yang diprediksi dengan studentized delete residual nilai tersebut sehingga dapat dikatakan model tersebut homoskedastisitas.
Cara memprediksi gambar scatterplot model tersebut adalah : a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali. d. Penyebaran titik-titik data sebaiknya tidak berpola.
Universitas Sumatera Utara
Dengan menggunakan data di atas, diperoleh hasil scatterplotnya seperti gambar 5.8.
Scatterplot Dependent Variable: PERT
Regression Standardized Predicted Value
4 3
2 1
-1 -2
-3
PER T
8 6
4 2
-2
G Gambar 5. 8. Uji Heteroskedastisitas
Sumber : Lampiran: 20 Output SPSS pada gambar scatterplot menunjukkan penyebaran
titik-titik data sebagai berikut :
a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
c. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
d. Penyebaran titik-titik data tidak berpola.
Universitas Sumatera Utara
Maka dapat disimpulkan bahwa model regresi linier berganda terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam
penelitian.
5 Uji Multikolinearitas
Uji Multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki hubungan dengan variabel independen
lain dalam suatu model. Ketentuan untuk mendeteksi ada tidaknya multikolinearitas yaitu :
a. Jika nilai variance inflation factor VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas
dari multikolinearitas. VIF = 1Tolerance, jika VIF = 0 maka tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah tolerance.
b. Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,70 maka model dapat dinyatakan bebas dari asumsi
klasik multikolinearitas. Jika lebih dari 0,70 maka diasumsikan terjadi korelasi yang sangat kuat antar variabel independen sehingga terjadi
multikolinearitas. Dengan menggunakan data di atas maka diperoleh output SPSS
pada tabel 5.45.
Universitas Sumatera Utara
Tabel 5. 43. Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant
EDUC .627
1.595 DP
.815 1.226
DIS .187
5.348 UKP
.812 1.232
DM .952
1.051 DKB
.186 5.373
Y .860
1.163 a Dependent Variable: PERT
Sumber: Lampiran 21
Hasil uji melalui VIF pada hasil output SPSS tabel coefficients masing-masing variabel independen memiliki nilai VIF tidak lebih dari 10
dan nilai tolerance tidak kurang dari 0,1 maka dapat dinyatakan model regresi linier berganda terbebas dari asumsi klasik yaitu multikolinearitas.
Hasil uji asumsi klasik yang terdiri dari uji autokorelasi, uji normalitas, uji heteroskedastisitas, dan uji multikolinieritas memberi hasil
bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi the Best, Linier, Unibiased, and Estimator BLUE.
5.11. Pengembangan Wilayah Deli Serdang