Penjelasan Masing-masing Variabel Bebas Terhadap Fertilitas.

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