Analisis Korelasi Terhadap Faktor-Faktor Yang Mempengaruhi Jumlah Kelahiran Di Kabupaten Simalungun Tahun 2011

Hasil Output SPSS
Descriptive Statistics

Mean
jumlah kelahiran
jumlah pasangan usia
subur
jumlah pembantu
pembina KB desa
jumlah penggunaan
alat/cara KB (suntik)

Std.
Deviation

N

523.35
4683.94

266.163

2401.266

31
31

11.84

3.891

31

247.39

130.190

31

Variables Entered/Removed

Model

1

Variables
Entered

Variables
Removed

jumlah
penggunaan
alat/cara KB
(suntik),
jumlah
pembantu
pembina KB
desa, jumlah
pasangan usia
subura
a. All requested variables entered.

Method
. Enter

Universitas Sumatera Utara

Correlations

jumlah
jumlah
pembant penggunaa
jumlah
u
n alat/cara
jumlah pasangan pembina
KB
kelahiran usia subur KB desa (suntik)
Pearson Correlation jumlah kelahiran

1.000

.960

.721

.751

jumlah pasangan
usia subur

.960

1.000

.688

.835

jumlah pembantu
pembina KB desa

.721

.688

1.000

.540

jumlah
penggunaan
alat/cara KB
(suntik)
jumlah kelahiran
jumlah pasangan
usia subur
jumlah pembantu
pembina KB desa
jumlah
penggunaan
alat/cara KB

(suntik)
jumlah kelahiran
jumlah pasangan
usia subur
jumlah pembantu
pembina KB desa
jumlah
penggunaan
alat/cara KB
(suntik)

.751

.835

.540

1.000

.

.000

.000
.

.000
.000

.000
.000

.000

.000

.

.001

.000

.000

.001

.

31
31

31
31

31
31

31
31

31

31

31

31

31

31

31

31

Sig. (1-tailed)

N

Model Summaryb

Model

R

R Square

Adjusted R
Square

Std. Error of
the Estimate

1
.968a
.936
.929
70.897
a. Predictors: (Constant), jumlah penggunaan alat/cara KB
(suntik), jumlah pembantu pembina KB desa, jumlah

pasangan usia subur

Universitas Sumatera Utara

Model Summaryb

Model

R

Adjusted R
Square

R Square

Std. Error of
the Estimate

1
.968a
.936
.929
70.897
a. Predictors: (Constant), jumlah penggunaan alat/cara KB
(suntik), jumlah pembantu pembina KB desa, jumlah
pasangan usia subur
b. Dependent Variable: jumlah kelahiran

ANOVAb

Sum of
Squares

Model
1

Regression

df

Mean Square

1989575.323

3

135713.773

27

Residual

F

Sig.
.000a

663191.774 131.941
5026.436

Total
2125289.097
30
a. Predictors: (Constant), jumlah penggunaan alat/cara KB (suntik), jumlah
pembantu pembina KB desa, jumlah pasangan usia subur
b. Dependent Variable: jumlah kelahiran
Coefficientsa

Standar
dized
Unstandardized Coeffici
Coefficients
ents
Model
1

B
(Constant)
jumlah pasangan
usia subur
jumlah
pembantu
pembina KB
desa

Std.
Error

Beta

-11.294 42.445

Correlations
t

ZeroSig. order Partial Part

-.266 .792

.113

.011

1.019

9.899 .000

.960

.885

.481

7.175

4.600

.105

1.560 .130

.721

.287

.076

jumlah
-.320
.181
penggunaan
alat/cara KB
(suntik)
a. Dependent Variable: jumlah kelahiran

-.157 -1.764 .089

.751 -.321 -.086

Universitas Sumatera Utara

Residuals Statisticsa

Minimum Maximum
Predicted Value
110.41 1121.67
Residual
-100.700 157.599
Std. Predicted
-1.604
2.323
Value
Std. Residual
-1.420
2.223
a. Dependent Variable: jumlah kelahiran

Mean

Std.
Deviation

N

523.35
.000
.000

257.525
67.259
1.000

31
31
31

.000

.949

31

Universitas Sumatera Utara

Universitas Sumatera Utara

Universitas Sumatera Utara

Universitas Sumatera Utara

DAFTAR PUSTAKA

Algifari. 1997. “Analisis Regresi cetakan Pertama”. Yogyakarta: BPFE
Hartono. 2008. “Analisis Data Statistika dan Penelitian dengan SPSS 16”.
Pekanbaru: Zanafa
J.Supranto. 2008. “Statistik Teori dan Aplikasi Edisi ke-7”. Jakarta: Erlangga
Mantra,Ida Bagus. 2004. “Demografi Umum ”. Yogyakarta: Pustaka Pelajar
Noer Ahmad. 2004. “Statistik Deskriptif dan Probabilita”. Yogyakarta: BPFE
Sudjana. 1992. “Metoda Statistika Edisi ke-6”. Bandung: Tarsito

Universitas Sumatera Utara

BAB 3

SEJARAH UMUM TEMPAT RISET

3.1 Sejarah Badan Pusat Statistika Provinsi Sumatera Utara

Tahun 1980, ditetapkan Peraturan Pemerintah No.6 Tahun 1980 tentang
Organisasi Badan Pusat Statistik dengan pernyataan bahwa di setiap Provinsi
harus terdapat Kantor Statistik Propinsi . Dengan demikian mulai saat itu kantor
Statistik Provinsi secara resmi ada di seluruh Indonesia , Tidak terkecuali di
Provinsi Sumatera Utara. Pada Tahun1998, ditetapkan Keputusan Presiden No.86
Tahun 1998 tentang Badan Pusat Statistik tentang kedudukan ,tugas,fungsi,
susunan organisasi dan tata kerja biro pusat statistik. Berdasarkan keputusan
Presiden ini Kantor Statistik Provinsi Sumatera Utara berubah nama menjadi
Badan Pusat Statistik Provinsi Sumatera Utara.

3.2 Visi dan Misi Badan Pusat Statistik Provinsi Sumatera Utara

3.2.1 Visi Badan Pusat Statistik Provinsi Sumatera Utara
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik

Universitas Sumatera Utara

sebagai tulang punggung informasi pembangunan nasional dan regional, didukung
Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi
informasi yang mutakhir.

3.2.2. Misi Badan Pusat Statistik Provinsi Sumatera Utara
Dalam menuju pembangunan nasional Badan Pusat Statistik mengemban misi
mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan
kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik Pvopinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai
struktur organisasi, karena perusahaan juga merupakan organisasi, dimana
organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang
dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung
jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana
hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat
diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan.

Universitas Sumatera Utara

Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi
Sumatera Utara adalah :
1. Bagian Tata Usaha/Kepegawaian
2. Bidang Statistik Produksi
3. Bidang Statistik Distribusi
4. Bidang Statistik Kependudukan
5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik
6. Bidang Neraca Wilayah dan Analisis Statistik

Universitas Sumatera Utara

STRUKTUR
S
UR ORGANI
NISASI BAD
DAN PUSAT
T STATIST
TIK PROVIN
INSI

Gambar
G
3.1 Struktur
S
rO
Organisasii B
Badan Pusat
sat Provinsii S
Sumatera
a Utara
U

Universitas Sumatera Utara

BAB 4

PENGOLAHAN DATA

4.1 Pengambilan Sampel

Dalam penelitian ini, data yang dikumpulkan adalah data mengenai jumlah
kelahiran dan faktor-faktor yang mempengaruhinya yaitu :
1. jumlah kelahiran dengan satuan orang

)

2. jumlah pasangan usia subur dengan satuan pasangan orang
3. jumlah pembantu pembina KB desa dengan satuan bangun
4. jumlah penggunaan KB (suntik) dengan satuan unit

)

)

Untuk memperoleh model yang cocok dalam menduga tingkat kelahiran
berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis
regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel
bebas (independent variable). Dalam hal ini, Jumlah Kelahiran ( ) sebagai
variabel terikat dan yang menjadi variabel bebas adalah jumlah pasangan usia
subur

) jumlah pembantu pembina KB desa (

KB (suntik) (

), dan jumlah penggunaan alat

).

Universitas Sumatera Utara

Tabel 4.1 Jumlah kelahiran, jumlah pasangan usia subur, jumlah pembantu
pembina KB desa, jumlah penggunaan alat/cara KB di Kabupaten
Simalungun tahun 2011

Nomor
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

Kecamatan

Jumlah
Kelahiran

Silimakuta
280
Pematang Silimahuta
189
Purba
399
Haranggaol Horison
123
Dolok Pardamean
310
Sidamanik
494
Pematang Sidamanik
350
Girsang Sip.Bolon
267
Tanah Jawa
792
Hatonduhan
417
Dolok Panribuan
438
Jorlang Hataran
298
Panei
492
Panombeian Panei
349
Raya
697
Dolok Silau
267
Sialu Kahean
424
Raya Kahean
314
Tapian Dolok
623
Dolok Batu nanggar
728
Siantar
1.271
Gunung Malela
628
Gunung Maligas
520
Hutabayu Raya
698
Jawa Maraja B.jambi
407
Pematang Bandar
635
Bandar Huluan
516
Bandar
1.240
Bandar Masilam
527
Bosar Maligas
717
Ujung Pandang
814
Jumlah
16.224
Sumber : Simalungun Dalam Angka Tahun 2012

Jumlah
Pasangan
Usia
Subur
2.269
2.028
3.177
1.001
2.630
4.241
3.237
1.776
7.460
3.155
3.642
2.329
2.905
3.726
4.771
2.776
3.333
3.248
6.691
7.498
10.360
6.191
5.070
6.792
4.447
5.292
4.908
10.583
4.929
7.705
7.032
145.202

Jumlah
Pembantu
Pembina
KB Desa
6
8
10
5
11
13
10
5
20
9
14
10
13
10
18
10
16
11
10
15
17
16
9
13
8
12
10
15
9
17
17
367

Jumlah
Penggunaan
Alat/Cara
KB (Suntik)
162
126
228
85
170
226
190
116
385
160
206
154
140
231
72
293
216
187
385
357
522
290
264
388
209
341
233
530
31
532
240
7.669

Universitas Sumatera Utara

4.2 Membentuk Persamaan Linier Berganda

Dari data tersebut akan bentuk persamaan regresi linier berganda dengan terlebih
dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka
diperlukan nilai-nilai seperti pada tabel 4.2 berikut :

Tabel 4.2 Nilai-nilai yang diperlukan untuk menghitung
koefisien-koefisien b0, b1, b2, b3
Nomor
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Jumlah

XZY
[Z\Y
78.400
5.148.361
35.721
4.112.784
159.201
10.093.329
15.129
1.002.001
96.100
6.916.900
244.036
17.986.081
122.500
10.478.169
71.289
3.154.176
627.264
55.651.600
173.889
9.954.025
191.844
13.264.164
88.804
5.424.241
242.064
8.439.025
121.801
13.883.076
485.809
22.762.441
71.289
7.706.176
179.776
11.108.889
98.596
10.549.504
388.129
44.769.481
529.984
56.220.004
1.615.441 107.329.600
394.384
38.328.481
270.400
25.704.900
487.204
46.131.264
165.649
19.775.809
403.225
28.005.264
266.256
24.088.464
1.537.600 111.999.889
277.729
24.295.041
514.089
59.367.025
662.596
49.449.024
10.616.198 853.099.188

[ZZY
36
64
100
25
121
169
100
25
400
81
196
100
169
100
324
100
256
121
100
225
289
256
81
169
64
144
100
225
81
289
289
4.799

[Z]Y
26.244
15.876
51.984
7.225
28.900
51.076
36.100
13.456
148.225
25.600
42.436
23.716
19.600
53.361
5.184
85.849
46.656
34.969
148.225
127.449
272.484
84.100
69.696
150.544
43.681
116.281
54.289
280.900
961
283.024
57.600
240.5691

XY [\Y
635.320
383.292
1.267.623
123.123
815.300
2.095.054
1.132.950
474.192
5.908.320
1.315.635
1.595.196
694.042
1.429.260
1.300.374
3.325.387
741.192
1.413.192
1.019.872
4.168.493
5.458.544
13.167.560
3.887.948
2.636.400
4.740.816
1.809.929
3.360.420
2.532.528
13.122.920
2.597.583
5.524.485
5.724.048
94.400.998

Universitas Sumatera Utara

Sambungan Tabel 4.2 Nilai-nilai yang diperlukan untuk menghitung
koefisien-Koefisien-koefisien ^_ ^\ ^Z ^]
XY [ZY
XY []Y
[\Y [ZY
[\Y []Y
[ZY []Y
[\Y [ZY []Y
1.680
45.360
13.614
367.578
972
2.205.468
1.512
23.814
16.224
255.528
1.008
2.044.224
3.990
90.972
31.770
724.356
2.280
7.243.560
615
10.455
5.005
85.085
425
425.425
3.410
52.700
28.930
447.100
1.870
4.918.100
6.422
111.644
55.133
958.466
2.938
12.460.058
3.500
66.500
32.370
615.030
1.900
6.150.300
1.335
30.972
8.880
206.016
580
1.030.080
15.840
304.920
149.200
2.872.100
7.700
57.442.000
3.753
66.720
28.395
504.800
1.440
4.543.200
6.132
90.228
50.988
750.252
2.884
10.503.528
2.980
45.892
23.290
358.666
1.540
3.586.660
6.396
68.880
37.765
406.700
1.820
5.287.100
3.490
80.619
37.260
860.706
2.310
8.607.060
12.546
50.184
85.878
343.512
1.296
6.183.216
2.670
78.231
27.760
813.368
2.930
8.133.680
6.784
91.584
53.328
719.928
3.456
11.518.848
3.454
58.718
35.728
607.376
2.057
6.681.136
6.230
239.855
66.910
2.576.035
3.850
25.760.350
10.920
259.896
112.470
2.676.786
5.355
40.151.790
21.607
663.462
176.120
5.407.920
8.874
91.934.640
10.048
182.120
99.056
1.795.390
4.640
28.726.240
4.680
137.280
45.630
1.338.480
2.376
12.046.320
9.074
270.824
88.296
2.635.296
5.044
34.258.848
3.256
85.063
35.576
929.423
1.672
7.435.384
7.620
216.535
63.504
1.804.572
4.092
21.654.864
5.160
120.228
49.080
1.143.564
2.330
11.435.640
18.600
657.200
158.745
5.608.990
7.950
84.134.850
4.743
16.337
44.361
152.799
279
1.375.191
12.189
381.444
130.985
4.099.060
9.044
69.684.020
13.838
195.360
119.544
1.687.680
4.080
28.690.560
214.474
4.793.997 1.911.795 43.752.562
98.992 616.252.340

Universitas Sumatera Utara

Dari table 4.1 dan 4.2 diperoleh harga-harga sebagai berikut :
n

= 31

= 2.405.691

= 16.224

= 1.911.795

= 145.202

= 43.752.562

= 367

= 98.992

= 7.669

= 94.400.998

= 10.616.198

= 214.474

= 853.099.188

= 4.793.997

= 4.799

=

616.

252.340
Rumus umum persamaan regresi linier berganda dengan tiga variabel bebas yaitu
:

Dan diperoleh melalui persamaan-persamaan berikut :
=

+

+

+

+

+

=

+

=

+

+

=

+

+

+
+

Universitas Sumatera Utara

Harga-harga yang telah diperoleh disubsitusikan ke dalam bentuk persamaan
tersebut, maka didapatkan :
16.224

= 31

+ 145.202

94.400.998 = 145.202
21.447

= 367

+ 367

+ 853.099.188

+ 1.911.795

4.793.997 = 7.669

+ 76.69

+ 4.799

+ 43.752.562

+ 1.911.795

+ 43.752.562

+ 98.992

+ 98.992

+ 2.405.691

Setelah persamaan di atas diselesaikan, maka diperolehlah nilai koefisienkoefisien linier bergandanya antara lain :
= -11,294
= 0,113
= 7,175
= -0,320
Dari koefisien-koefisien yang diperoleh dibentuklah model persamaan regresi
linier berganda :

= ( -11,294) + 0,113
= -11,294 + 0,113

+ 7,175
+ 7,175

+ ( -0,320)
- 0,320

Universitas Sumatera Utara

4.3 Kesalahan Standar Estimasi
Untuk menghitung kekeliruan baku taksiran (kesalahan standard estimasi)
diperlukan harga-harga

yang diperoleh dengan mensubsitusi nilai

,

,

ke persamaan regresi yang telah didapat . dilihat pada tabel 4.3 berikut:

Tabel 4.3 Nilai-nilai yang diperlukan untuk menentukan kesalahan
standar estimasi
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Jumlah

XY
280
189
399
123
310
494
350
267
792
417
438
298
492
349
697
267
424
314
623
728
1.271
628
520
698
407
635
516
1.240
527
717
814
16.224

X
236,313
234,950
346,497
110,494
310,421
488,894
365,437
188,149
851,986
358,596
434,782
274,353
365,446
407,574
633,939
280,384
411,015
374,815
693,339
829,365
1114,321
710,289
541,711
725,317
481,737
563,682
540,500
1122,610
600,338
811,106
828,497
16.236,857

XY 4 X
43,687
-45,950
52,503
12,506
-0,421
5,106
-15,437
78,851
-59,986
58,404
3,218
23,647
126,554
-58,574
63,061
-13,384
12,985
-60,815
-70,339
-101,365
156,679
-82,289
-21,711
-27,317
-74,737
71,318
-24,500
117,390
-73,338
-94,106
-14,497
-12,857

XY 4 X Z
1.908,554
2.111,403
2.756,565
156,400
0,177
26,071
238,301
6.217,480
3.598,320
3.411,027
10,356
559,181
16.015,915
3.430,913
3.976,690
179.131
168,610
3.698,464
4.947,575
10.274,863
24.548,309
6.771,480
471,368
746,218
5.585,619
5.086,257
600,250
13.780,412
5.378,462
8.855,939
210,163
135.713,773

Universitas Sumatera Utara

Sehingga kekeliruan bakunya dapat dihitung dengan menggunakan rumus:
=
`

Dengan:

= 135.713,773

n

= 31

k

=3

Maka diperoleh:

=

abc

c

cc

= debfgh ijh
= 70,897
Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata jumlah
kelahiran yang sebenarnya akan menyimpang dari rata-rata jumlah kelahiran yang
diperkirakan sebesar 70,897.

4.4 Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat suatu
kesimpulan, maka perlu diadakan suatu pengujian hipotesis mengenai keberartian
model regresi.

Universitas Sumatera Utara

Perumusan hipotesisnya adalah :

kl : Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu jumlah
pasangan usia subur, pembantu pembina KB desa dan jumlah penggunaan
alat/cara KB (suntik) terhadap jumlah kelahiran

k8 : Minimal Terdapat satu parameter yang memiliki pengaruh yang signifikan
antara variabel bebas yaitu jumlah pasangan usia subur, pembantu pembina
KB desa dan jumlah penggunaan alat/cara KB(suntik) terhadap jumlah
kelahiran .
Kriteria pengujian hipotesisnya :
Tolak kl jika

! "# $

>

"89/:

dan terima kl jika

! "# $

?

"89/:

Untuk menguji model regresi yang terbentuk, diperlukan dua macam
jumlah kuadrat (JK) yaitu JK untuk regresi (,-./$ ) dan JK untuk sisa (,-./0 ) yang
akan didapat setelah mengetahui nilai-nilai antara lain:

2

=

2 =

2

3

=
=

– 6

– 6

– 6

.

– 6.

Untuk memperoleh nilai-nilai tersebut maka diperlukan harga-harga berikut :

6 = 4683,935
6 = 11,839

6 = 247,387

6 = 523,355

Universitas Sumatera Utara

Tabel 4.4 Nilai-nilai yang diperlukan untuk uji keberartian regresi
Nomor
n\Y mY
mY
n\Y
nZY
n]Y
1
-243,355 -2.414,935
-5,839
-85,387
587.686,235
2
-334,355 -2.655,935
-3,839
-121,387
888.024,880
3
-124,355 -1.506,935
-1,839
-19,387
187.394,719
4
-400,355 -3.682,935
-6,839
-162,387
1.474.481,042
5
-213,355 -2.053,935
-0,839
-77,387
438.217,074
6
-29,355
-442,935
1,161
-21,387
13.002,300
7
-173,355 -1.446,935
-1,839
-57,387
250.833,267
8
-256,355 -2.907,935
-6,839
-131,387
745.463,332
9
268,645 2.776,065
8,161
137,613
745.776,300
10
-106,355 -1.528,935
-2,839
-87,387
162.609,687
11
-85,355 -1.041,935
2,161
-41,387
88.934,235
12
-225,355 -2.354,935
-1,839
-93,387
530.696,106
13
-31,355 -1.778,935
1,161
-107,387
55.778,235
14
-174,355
-957,935
-1,839
-16,387
167.020,687
15
173,645
87,065
6,161
-175,387
15.118,332
16
-256,355 -1.907,935
-1,839
45,613
489.108,493
17
-99,355 -1.350,935
4,161
-31,387
134.221,977
18
-209,355 -1.435,935
-0,839
-60,387
300.620,042
19
99,645 2.007,065
-1,839
137,613
199.994,267
20
204,645 2.814,065
3,161
109,613
575.884,687
21
747,645 5.676,065
5,161
274,613
4.243.682,171
22
104,645 1.507,065
4,161
42,613
157.707,009
23
-3,355
386.065
-2,839
16,613
-1.295,184
24
174,645 2.108,065
1,161
140,613
368.163,267
25
-116,355
-236,935
-3,839
-38,387
27.568,590
26
111,645
608,065
0,161
93,613
67.887,461
27
-7,355
224,065
-1,839
-14,387
-1.647,958
28
716,645 5.899,065
3,161
282,613
4.227.536,042
29
3,645
245,065
-2,839
-216,387
893,300
30
193,645 3.021,065
5,161
284,613
585.014,525
31
290,645 2.348,065
5,161
-7,387
682.453,590
Jumlah
0,000
0,000
0,000
0,000
18.408.828,710

Universitas Sumatera Utara

Sambungan Tabel 4.4 Nilai-nilai yang diperlukan untuk uji
keberartian regresi
nZY mY
1.420,878
1.283,491
228,652
2.737,911
178,943
-34,089
318,749
1.753,136
2.192,491
301,911
-184,477
414,362
-36,412
320,588
1.069,878
471,362
-413,444
175,588
-183,219
646,943
3.858,814
435,459
9,523
202,814
446,652
18,007
13,523
2.265,523
-10,348
999,459
1.500,104
22.402,774

n]Y mY
20.779,363
40.586,363
2.410,879
65.012,460
16,510,912
627,815
9.948,331
33.681,718
36.969,041
9.294,041
3.532,589
21.045,234
3.367,105
2.857,170
-30.455,121
-11.693,088
3.118,460
12.642,331
13.712,460
22.431,750
205.313,008
4.459,234
-55,734
24.557,363
4.466,524
10.451,428
105,815
202.533,170
-788,766
55.113,912
-2.147,024
780.388,742

nZ\Y
5.831.913,391
7.053.993,294
2.270.854,553
13.564.013,778
4.218.650,972
196.191,843
2.093.622,294
8.456.088,778
7.706.534,198
2.337.643,714
1.085.629,553
5.545.721,133
3.164.611,456
917.640,391
7.580,230
3.640.217,811
1.825.026,682
2.061.910,714
4.028.307,972
7.918.959,101
32.217.708,391
2.271.243,456
149.045,811
4.443.936,004
56.138,424
369.742,456
50.204,907
34.798.962,165
60.056,617
9.126.830,811
5.513.406,972
172.982.387,871

nZZY
34,091
14,736
3,381
46,768
0,703
1,349
3,381
46,768
66,607
8,058
4,671
3,381
1,349
3,381
37,961
3,381
17,316
0,703
3,381
9,994
26,639
17,316
8,058
1,349
14,736
0,026
3,381
9,994
8,058
26,639
26,639
454,194

nZ]Y
7.290,956
14.734,827
375,860
26.369,569
5.988,763
457,408
3.293,279
17.262,569
18.937,311
7.636,505
1.712,892
8.721,150
11.531,989
268,537
30.760,634
2.080,537
985,150
3.646,601
18.937,311
12.014,989
75.412,247
1.815,860
275,989
19.771,989
1.473,569
8.763,376
206,989
79.870,053
46.823,376
81.004,505
54,569
508.479,355

Universitas Sumatera Utara

Dari table 4.4 dan 4.3 diperoleh nilai-nilai berikut :

12 3 = 18.408.828,710

12 3

12 3 = 22.402,774

1

4

= 780.388,742
= 135.713,773

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni ,-./$ dan

,-./0 sebagai berikut :
,-./$ =

12 3 +

12 3

12 3 i +

= (0,113)(18.408.829,710) + (7,175)(22.402,774) + (-0,320)(780.388,742)
= 1.989.575,323

,-./0 = 1

4

= 135.713,773
Jadi

! "# $

! "# $ =

=

dapat dicari dengan :
%&'() *

%&'(+ *

bopobaca

abc

cc *

*

= 131,941

Untuk F tabel , yaitu nilai statistik F jika dillihat dari tabel distribusi F dengan
derajat kebebasan pembilang V 1 = k dan penyebut V 2 = n – k – 1, dan
= 0,05 maka

"89/:

=

; qJ7 r

=

l la

7

Dengan demikian dapat kita lihat bahwa nilai

=

l la

! "# $ =

7 c

131,941 >

= 5%

2,96.
"89/:

= 2,96.

Maka kl ditolak dan k8 diterima. Hal ini berarti persamaan linier berganda Y
atas

,

bersifat nyata yang berarti bahwa Minimal Terdapat satu parameter

Universitas Sumatera Utara

yang memiliki pengaruh yang signifikan antara variabel bebas yaitu jumlah
pasangan usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan
alat/cara KB (suntik) terhadap jumlah kelahiran.

4.5 Koefisien Determinasi

Dari

tabel

4.4

dapat

dilihat

harga

3 = 2.125.289,097

dan

nilai

,-./$ = 1.989.575,323 telah dihitung sebelumnya, maka diperoleh nilai koefisien
determinasi

R2 =

JK

reg

n

y i2
i =1

R2 =

bopobaca
b

ab po loc

= 0,936
Untuk koefisien korelasi ganda digunakan rumus, maka :
R = st

R = sf ujh
R = 0,968

Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,968 yang
menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y
berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien
determinasi R 2 diperoleh sebesar

0,936 yang berarti sekitar 93,60 % jumlah

Universitas Sumatera Utara

kelahiran yang terjadi dipengaruhi oleh jumlah pasangan usia subur, jumlah
pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik)
terhadap jumlah kelahiran. Sedangkan sisanya sebesarnya sebesar 100% - 93,60%
= 6,40 % dipengaruhi oleh faktor-faktor yang lain

4.6 Analisis Korelasi

4.6.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas,
maka dari tabel dapat dihitung besar koefisien korelasinya yaitu :
1. Koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah pasangan usia
subur (X 1 ) :
@ AJ =

=

=

DE FCJ G
x

B CJ >
FCJ

HD

CJ

B

FB G

ovbvllboop

pa bloob pp

vab l

aclbwc bwol

FB
ID

I

vab l

wb

v

G lbw wb op

wb

v I

aovb olb lw

= 0,960
2. koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah pembantu
pembina KB desa (X2) :
@A =

DE FC G

BC
FC

>

HD

C

B

FB G

FB

I

Universitas Sumatera Utara

@A =

x

vcoo

wlba

bo w

vbvcv

wc

wc ID

wb

v

G lbw wb op

wb

v I

bocpboll

f ygz

3. korelasi antara (Y) dengan jumlah penggunaan alat/cara KB (suntik) (X3) :
@ AO =

=

DE FCO G
x

FCO

bvlabwo

b

=

B CO >

bv ob a
wblc

HD

CO

B

FB G

FB

vbco booc

I

cbwwo

cbwwo ID

wb

v

G lbw wb op

wb

v I

c

= 0,75

4.6.2 Perhitungan Korelasi antara Variabel Bebas

1. Koefisien korelasi antara jumlah pasangan usia subur (X1) dengan jumlah
pembantu pembina KB desa (X2)
@AJA =

=

=

x

FCJ

x

CJ C >
FCJ

Ix

pa bloob pp

CJ

FC

vbvcv

C

vab l

FA
vab l
ID

I
wc

G vbcoo

wc I

abocwba

pbwpob ww a

= 0,688

Universitas Sumatera Utara

2.

Koefisien korelasi antara jumlah pasangan usia subur (X1) dengan jumlah
penggunaan alat/cara KB (suntik) (X3) :
@AJAO =

CJ CO >

DE FCJ G

FCJ

CJ

CO

FC O G

HD

v bca baw

=

x

=

olbc wb

pa bloob pp

vab l

FAO

ID

I

vab l

cbwwo

G bvlabwo

cbwwo I

v bccab pv

c ll

= 0,85
3. Koefisien korelasi antara pembantu pembina KB desa (X2) dengan jumlah
penggunaan alat/cara KB (suntik) (X3) :
@A

AO =

=

=

DE FC G

x

avb

vc b lw

C CO >

vbcoo
o

FC

HD

opboo

C

wc ID

CO

FC O G

FAO

wc cbwwo

G bvlabwo

I

cbwwo I

p

= 0,540

Universitas Sumatera Utara

Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap variabel
tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai
berikut :
1. r y1 = 0,960 ; variabel X 1 berkorelasi sangat kuat sekali terhadap variabel Y
2. r y 2 = 0,721 ; variabel X 2 berkorelasi sangat kuat terhadap variabel Y
3. r y 3 = 0,751 ; variabel X 3 berkorelasi sangat kuat terhadap variabel Y
4. r 12 = 0,688 ; variabel X 1 berkorelasi kuat terhadap variabel X 2
5. r 13 = 0, 835 ; variabel X 1 berkorelasi sangat kuat terhadap variabel X 3
6. r 23 = 0, 540 ; variabel X 2 berkorelasi sedang terhadap variabel X 3

4.7 Uji Koefisien Regresi Linier Berganda

Dari hasil perhitungan diperoleh model persamaan regresi linier ganda :
= -11,294 + 0,113

+ 7,175

- 0,320

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam persamaan
regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisienkoefisien regres
langkahnya adalah sebagai berikut :
Hipotesis pengujian :
kl : Terdapat pengaruh yang signifikan antara koefisien

terhadap Y

Universitas Sumatera Utara

k8 : Tidak terdapat pengaruh yang signifikan antara koefisien

terhadap Y.
Kriteria pengujian:
jika P! "#

$

! "# $ =

131,941 >

"89/:

P"89/: maka tolak kl ; jika P! "#

= 2,96.
$

< P"89/: maka terima kl .

Langkah-langkah untuk memperoleh P"89/: adalah sebagai berikut:
=R

9

ST J O K

UCL N

V

Dengan:

= 70,897

= 172.982.387,871

= 508.479,355

R2 = 0,936

= 454,194
Dari harga-harga tersebut dapat dihitung nilai kekeliruan baku koefisien bi sebagai
berikut :
9

=

=

ST J O K
V

ECJ G

cl poc

c bop b pc pc

lo w

= 0,003

9

=

=

ST J O K
V

EC G

cl poc

vav ov

lo w

Universitas Sumatera Utara

= 1,562
9

ST J O K
V

=

ECO G

=

alpbvco aa

cl poc

lo w

= 0,04
Kemudian didapatkan nilai distribusi student P =

P =

P =
P =

l

l ll

= 37,667

c ca
aw

l

9

S{

l

l lvc

= 4,594

= -6,808

Untuk taraf nyata

= 0,05 dan derajat kebebasan dk = (n – k - 1) = (31- 3-

1) = 27, dari tabel distribusi student t diperoleh P"89/: = PE;W

7

>

G = t(0,025,27)

=

2,025. Maka dapat dilihat bahwa nilai P = 37,667 > P"89/: = 2,052 ; P = 4,594 >

P"89/: = 2,052; dan P = -6,808 < P"89/: = 2,052. Dengan demikian koefisien

regresi linier untuk

dan

signifikan (berarti),

sedangkan untuk tidak

signifikan (tidak berarti). Ini berarti bahwa untuk prediksi jumlah kelahiran
jumlah pasangan usia subur yang dan jumlah pembantu pembina KB desa
memberikan pengaruh yang berarti, sedangka jumlah penggunaan alat/cara KB
(suntik) tidak memberikan pengaruh yang berarti terhadap jumlah kelahiran.

Universitas Sumatera Utara

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain
sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai
sistem atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain
yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini
menggunakan software yaitu SPSS 17.0 for Windows dalam memperoleh hasil
perhitungan.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan untuk
mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk
olah data statistik, misalnya Microstat, SAS, Statistica, SPSS-2000 dan lain-lain.

Universitas Sumatera Utara

namun SPSS lebih populer dibandingkan dengan program lainnya. SPSS
merupakan software yang paling populer, dan banyak digunakan sebagai alat
bantu dalam bebagai macam riset, sehingga program ini paling banyak digunakan
di seluruh dunia.

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford
University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan
nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan
versi Windows. SPSS dengan sistem Windows telah mengeluarkan software
dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah
data statistika.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmuilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the
Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS

diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di
perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi
singkatan dari Statistical Product and Service Solutions. ( Hartono. 2008. )

Universitas Sumatera Utara

5.3 Pengolahan Data dengan SPSS

1. Memulai SPSS pada window yaitu sebagai berikut :
1 Pilih menu Start dari Windows
2 Selanjutnya pilih menu Program

3 Pilih SPSS Inc, PASW Statistics 17.0
Tampilannya adalah sebagai berikut :

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0

2. data ke dalam Memasukan SPSS
SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan
Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data

Editor harus berada pilih ada “Variable View”. Lakukan dengan mengklik tab
sheet Variable View yang berada dibagian kiri bawah atau langsung menekan
Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih
Variable.

Universitas Sumatera Utara

Tampilannya adalah sebagai berikut:

Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS.
Pada tampilan jendela Variabel view terdapat kolom-kolom berikut :
Name

: untuk memasukkan nama variabel yang akan diuji

Type

: untuk mendefenisikan tipe variabel apakah bersifat
numeric atau string

Widht

: untuk menuliskan panjang pendek variabel

Decimals

: untuk menuliskan jumlah desimal di belakang koma

Label

: untuk menuliskan label variabel

Values

: untuk menuliskan nilai kuantitatif dari variabel yang skala
pengukurannya ordinal atau nominal bukan scale

Missing

: untuk menuliskan ada tidaknya jawaban kosong

Columns

: untuk menuliskan lebar kolom

Align

: untuk menuliskan rata kanan, kiri atau tengah penempatan
teks atau angka di Data view

Measure

: untuk menentukan skala pengukuran variabel,
misalnya nominal, ordinal atau scale.

Universitas Sumatera Utara

2.1 Pengisian Variabel
Tempatkan pointer pada baris pertama di bawah Name.
Variabel Y
Name

: Letakkan kursor, lalu klik ganda
pada sel tersebut kemudian ketik Y

Type

: Pilih numeric karena berupa angka

Width

: Untuk keseragaman ketik 8

Decimal

: Ketik 0

Label

: jumlah kelahiran

Align

: Pilih Center

Measure

: Pilih scale

Variabel X
Name

: Letakkan kursor di bawah Y, lalu klik ganda
pada sel tersebut kemudian ketik X1

Type

: Pilih numeric karena berupa angka

Width

: Untuk keseragaman ketik 8

Decimal

: Ketik 0

Universitas Sumatera Utara

Label

:jumlah pasangan usia subur

Align

: Pilih Center

Measure

: Pilih scale

Lakukan seterusnya untuk variabel X2 dan X3 dengan Name dan
Label yang sesuai dengan Variabel yang dimaksudkan.
Tampilannya adalah sebagai berikut:

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS

2.2 Pengisian Data
1. Aktifkan jendela data dengan mengklik Data View
2. Ketikkan data yang sesuai dengan setiap variabel yang telah

didefenisikan pada Variabel View

Universitas Sumatera Utara

Tampilannya adalah sebagai berikut :

Gambar 5.4 Tampilan Jendela Pengisian Data View

5.4 Pengolahan Data dengan Persamaan Regresi

Langkah-langkahnya adalah sebagai berikut :
1. Tampilkan lembar kerja dimana sudah terdapat data yang akan dianalisis
2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression

dan klik Linear.
Tampilannya adalah seperti gambar berikut :

Gambar 5.5 Pilih Analyze,Regression, Linear

Universitas Sumatera Utara

3. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini
akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak
bebas Y (jumlah kelahiran) pada kotak Dependent, dan variabel bebas X
(Jumlah pasangan usia subur, jumlah pembantu pembina KB desa,dan Jumlah
penggunaaan alat/cara KB (Suntik) pada kotak Independent .
Tampilannya adalah seperti gambar berikut :

Gambar 5.6 Kotak Dialog Linier Regression

4.Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan
Estimate, Model fit, Descriptive dan part and partial correlation. lalu klik
Continue untuk melanjutkan seperti pada gambar 5.7 berikut :

Universitas Sumatera Utara

Gambar 5.7 Kotak dialog Linear Regression : Statistics

5.Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk
membuat grafik. Berika tada ceklistpada pilihan produce all partial plot.Lalu
klik Continue untuk melanjutkan seperti gambar berikut :

Gambar 5.8 Kotak dialog Linear Regression : plots

6. klik Ok untuk mengakhiri pengisian prosedur analisis,dan hasil outputnya dapat
dilihat pada lampiran.

Universitas Sumatera Utara

5.5 Hasil Output SPSS

5.5.1 Table Output Variables Entered/Removed

Model
1

Variables Entered

Variables Removed

jumlah penggunaan alat/cara KB
(suntik), jumlah pembantu pembina
KB desa, jumlah pasangan usia
subur

Method
. Enter

Interpretasi

Tabel variables entered menunjukkan bahwa tidak ada variabel yang
dikeluarkan (removed), atau dengan kata lain ketiga variabel bebas
dimasukkan dalam perhitungan regresi.

5.5.2 Table Output Descriptive Statistics

Jumlah kelahiran
jumlah pasangan usia subur
jumlah pembantu pembina KB desa
jumlah penggunaan alat/cara KB (suntik)

Mean

N

523.35
4683.94
11.84
247.39

31
31
31
31

Interpretasi Table Output Descriptive Statistics

1. Rata-rata jumlah kelahiran dengan jumlah data 31 Rata-rata jumlah kelahiran
adalah 523,35
2. Rata-rata jumlah pasangan usia subur dengan jumlah data 31 adalah 4683,94

Universitas Sumatera Utara

3. Rata-rata jumlah pembantu pembina KB desa dengan jumlah data 31 adalah
11,84
4. Rata-rata jumlah penggunaan alat/cara KB (suntik) dengan jumlah data 31
adalah 247,39

5.5.3 Table Output coefficients

Model
1.

B
(constan)
-11,294

Jumlah kelahiran
pasangan usia subur

.113

pembantu pembina KB desa

7.175

penggunaan alat/cara KB (suntik)

-,320

Interpretasi:

1. Kolom B menyatakan nilai dari persamaan regresi yaitu
= 0,113 dan b2 = 7,175 dan

| = -11,294 + 0,113

+ 7,175

l=

-11,294 dan

= -3,20. sehingga persamaan regresinya yaitu
- 0,320

Universitas Sumatera Utara

5.5.3 Table Output correlation

jumlah
kelahiran

Pasangan
Usia
Subur

Pembantu
Pembina
KB Desa

Penggunaan
Alat/Cara
KB (Suntik)

1

.960

.721

.751

pasangan usia subur

.960

1

.688

.835

pembantu pembina KB desa

.721

.688

1

.540

penggunaan alat/cara KB (suntik)

.751

.835

.540

1

Pearson Correlation jumlah kelahiran

Interpretasi :

1. Besar hubungan antara variabel jumlah kelahiran dengan jumlah pasangan usia
subur sebesar 0,96. Besar hubungan antara variabel jumlah kelahiran dengan
jumlah pembantu pembina KB desa sebesar 0,721. Besar hubungan antara
variabel jumlah kelahiran dengan jumlah penggunaan alat/cara KB (suntik)
sebesar 0,751
2. Besar hubungan antara variabel jumlah pasangan usia subur dengan
jumlah pembantu pembina KB desa sebesar 0,688. Besar hubungan antara
variabel jumlah pasangan usia subur dengan jumlah penggunaan alt/cara
KB (suntik) sebesar 0,835. Besar hubungan antara variabel jumlah
pembantu pembina KB desa dengan jumlah penggunaan alt/cara KB
(suntik) sebesar 0,540

Universitas Sumatera Utara

5.5.4 Table Output Model Summary

Model
1

R
.968

Std. Error of
R Square the Estimate
.936

70.897

Interpretasi

1. korelasi (R) yaitu sebesar 0,968 yang menunjukkan bahwa korelasi antara
jumlah kelahiran dengan jumlah pasangan usia subur, jumlah pembantu
pembina KB desa dan jumlah penggunaan alat/cara KB (suntik)
berhubungan secara positif dengan tingkat yang tinggi
2. nilai koefisien determinasi t diperoleh sebesar 0,936 yang berarti sekitar
93,60 % jumlah kelahiran yang terjadi dipengaruhi oleh jumlah pasangan
usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan
alat/cara KB (suntik) terhadap jumlah kelahiran. Sedangkan sisanya
sebesarnya sebesar 100% - 93,60% =6,40 % dipengaruhi oleh faktor-faktor
yang lain
3. nilai standar error of the estimate yang di peroleh adalah 70,897 yang
berarti bahwa rata-rata jumlah kelahiran yang sebenarnya akan menyimpang
dengan perkirakan sebesar 70,897.

Universitas Sumatera Utara

5.5.5 Output Regression Plot

Interpretasi

Dari gambar plot terlihat bahwa data terpencar membentuk suatu pola atau trend
garis tertentu. Maka bisa dikatakan model regresi memenuhi syarat untuk
memprediksi jumlah kelahiran.

Universitas Sumatera Utara

Interpretasi

Dari gambar plot terlihat bahwa data terpencar tidak membentuk suatu pola atau
trend garis tertentu. Maka bisa dikatakan model regresi tidak memenuhi syarat
untuk memprediksi jumlah kelahiran.

Universitas Sumatera Utara

Interpretasi

Dari gambar plot terlihat bahwa data terpencar tidak membentuk suatu pola atau
trend garis tertentu. Maka bisa dikatakan model regresi tidak memenuhi syarat
untuk memprediksi jumlah kelahiran.

Universitas Sumatera Utara

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa
kesimpulan antara lain :
1. Dengan menggunakan analisis regresi llinier berganda diperoleh model
persamaan linier ganda yaitu :

= -11,294 + 0,113

2. Pada uji keberartian regresi diperoleh

! "# $ =

+ 7,175

131,941 >

"89/:

- 0,320
= 2,96 Maka

Ho ditolak dan Ha diterima yang berarti bahwa jumlah pasangan usia subur,
pembantu pembina KB desa, dan penggunaan alat/cara KB (suntik) secara
bersama-sama berpengaruh secara signifikan terhadap jumlah Kelahiran
3. Dari hasil perhitungan koefisien determinasi (t ) sebesar 0,936 menunjukkan
bahwa 93,60% jumlah kelahiran dipengaruhi oleh jumlah pasangan usia subur,
jumlah pembantu pembina KB desa dan jumlah penggunaan alat/cara KB
(suntik) dan 6,40% dipengaruhi oleh faktor-faktor lain
4. Dari hasil analisis korelasi diperoleh @ = 0,960 dan @ = 0,721 dan @ =
0,751. Maka variabel yang paling mempengaruhi jumlah kelahiran adalah
jumlah pasangan usia subur.

Universitas Sumatera Utara

6.2 Saran

1. Bagi pihak pemerintah Kabupaten Simalungun lebih memperhatikan faktorfaktor yang menyebabkan tingginya jumlah kelahiran agar bisa mengambil
kebijakan untuk mengurangi jumlah kelahiran
2. Bagi masyarakat di Kabupaten Simalungun agar lebih memperhatikan dan
mematuhi aturan dari pemerintah mengenai kebijakan-kebijakan yang dapat
mengurangi jumlah kelahiran.

Universitas Sumatera Utara

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Regresi pertama kali dipergunakan sebagai konsep statistika oleh Sir Francis
Galton (1822 – 1911). Beliau memperkenalkan model peramalan, penaksiran, atau
pendugaan,

yang

selanjutnya

dinamakan

regresi,

sehubungan

dengan

penelitiannya terhadap tinggi badan manusia. Galton melakukan suatu penelitian
di mana penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi
badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah
yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati
nilai tengah populasi.

Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi
cenderung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah
yang badannya sangat pendek cenderung lebih tinggi dari ayahnya, jadi seolahseolah semua anak laki-laki yang tinggi dan anak laki-laki yang pendek bergerak
menuju kerata-rata tinggi dari seluruh anak laki-laki yang menurut istilah Galton
disebut dengan “regression to mediocrity”. Dari uraian tersebut dapat disimpulkan
bahwa pada umumnya tinggi anak mengikuti tinggi orangtuanya.

Universitas Sumatera Utara

Istilah “ regresi” pada mulanya bertujuan untuk membuat perkiraan nilai
satu variabel (tinggi badan anak) terhadap satu variabel yang lain (tinggi badan
orang tua). Pada perkembangan selanjutnya analisis regresi dapat digunakan
sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan
beberapa variabel lain yang berhubungan dengan variabel tersebut.

Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent
variable) dengan variabel-variabel bebas (independent variable) lainnya memiliki
sifat hubungan sebab akibat (hubungan kausalitas), baik didasarkan pada teori,
hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis
tertentu.

2.2 Analisis Regresi Linier

Analisis regresi linier dipergunakan untuk mengetahui hubungan antara dua
variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya
belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari
beberapa variabel independen mempengaruhi variabel dependen dalam suatu
fenomena yang komplek. Jika,

,

, . . . ,

adalah variabel-variabel

independen dan Y adalah variabel dependen. .

Universitas Sumatera Utara

Variabel independen adalah variabel yang nilainya tidak tergantung
dengan variabel lainnya, sedangkan variabel dependen adalah variabel yang
nilainya tergantung dari variabel yang lainnya.
Analisis regresi tediri dari dua bentuk yaitu :
1. Analisis Regresi Linier Sederhana
2. Analisis Regresi Linier Berganda

2.2.1 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua
variabel di mana hanya terdapat satu variabel/peubah bebas X dan satu peubah tak
bebas Y. Dalam bentuk persamaan, model regresi sederhana adalah :
Y = a + bX

Dengan :

Y adalah variabel terikat/tak bebas (dependent)
X adalah variabel bebas (independent)
a adalah penduga bagi intercept
b adalah penduga bagi koefisien regresi

2.2.2 Analisis Regresi Linier Berganda

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara
peubah respon (variabel dependen) dengan faktor-faktor yang menjelaskan yang
mempengaruhi lebih dari satu predictor (variabel independen).

Universitas Sumatera Utara

Secara umum persamaan regresi berganda dapat ditulis sebagai berikut :

Dengan:

Y

= Variabel tidak bebas

X

= variabel bebas
= koefisien regresi untuk data sampel

2.3 Membentuk persamaan Regresi Linier Berganda

Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel
bebas Y dan tiga variabel X yaitu

,

, dan

.

Maka persamaan regresi bergandanya adalah :

Persamaan di atas dapat diselesaikan dengan empat bentuk yaitu :
=

+

+

+
+

+

=

+

=

+

+

=

+

+

Harga-harga

+
+

didapat dengan menggunakan persamaan diatas dengan

metode eliminasi atau dengan menggunakan suatu program komputer.

Universitas Sumatera Utara

2.4 Kesalahan Standar Estimasi

Kesalahan Standar Estimasi diperlukan untuk mengetahui Ketepatan persamaan
estimasi (standard error of estimate). Besarnya kesalahan standar estimasi untuk
menjelaskan nilai variabel tidak bebas yang sesungguhnya.
Semakin kecil nilai kesalahan standar estimasi. Makin tinggi pula
ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel
tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar
estimasi , makin rendah ketepatan persamaan estimasi yang dihasilkan untuk
menjelaskan nilai variabel tidak bebas sesungguhnya.
Kesalahan standar estimasi dapat ditentukan dengan :

=

Dengan :

= Nilai data sebenarnya
= Nilai Taksiran

Universitas Sumatera Utara

2.5 Uji Keberartian Regresi

Uji keberartian regresi diperlukan untuk mengetahui apakah sekelompok variabel
bebas secara bersamaan mempunyai pengaruh terhadap variabel tidak bebas.
Dalam uji keberartian regresi.
Langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain :
1. Menentukan hipotesa
Ho : Tidak terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.
Ha :

Terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.

2. Pilih tingkat signifikansi ( ) yang diinginkan
Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan
kesalahan, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar.
Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. pada
umumnya orang menggunakan 0,05.
3. Hitung statistik

! "# $ =

! "# $

%&'() *

%&'(+ *

Dengan : ,-./$ = jumlah kuadrat regresi

,-./0 = jumlah kuadrat residu (sisa)

Universitas Sumatera Utara

secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari :
,-./$ =

12 3 +

,-./0 = 1

4

Dengan: 2 =
4. Nilai

"89/:

"89/:

=

12 3

12 3 i +

–5 ; 2 =

– 6 72 =

–5 ; 3 =

– 6.

menggunakan daftar tabel F dengan taraf signifikansi

yaitu

; < >

5. Kriteria pengujian : jika
Sebaliknya Jika

! "# $

?

! "# $ >
"89/:

"89/:

maka Ho ditolak dan Ha diterima.

, maka Ho diterima dan Ha ditolak.

2.6 Koefisien Determinasi

Koefisien determinasi yang disimbolkan dengan R 2 bertujuan untuk mengetahui
seberapa besar kemampuan variabel independen menjelaskan variabel dependen.
Nilai R 2 dikatakan baik jika berada di atas 0,5 karena nilai R 2 berkisar antara 0
dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai
untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel
independen yang digunakan dalam model.
Koefisien determinasi dapat dihitung dari
R2 =

JK

reg

n

y i2
i =1

Universitas Sumatera Utara

Harga R 2 diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing
variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang
dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.7 Analisis Korelasi

Analisis korelasi bertujuan untuk mencari hubungan antara dua variabel atau lebih
yang dilakukan dengan menghitung korelasi antar variabel. Korelasi merupakan
angka yang menunjukkan arah dan kuatnya hubungan antar dua variabel atau
lebih, arah dinyatakan dalam bentuk hubungan positif atau negative, sedangkan
kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.

Analisis korelasi meliputi dua aspek yaitu:
1. Analisis korelasi anatara variabel bebas (

,

, dan

) dengan variabel

terikat (Y)
Koefisien korelasi dapat dirumuskan sebagai berikut:

@A=

BC >

DE FC G > FC

HD

C

B

FB G

FB

I

a. Koefisien korelasi antara Y dengan X 1

@ AJ =

DE FCJ G

B CJ >
FCJ

HD

CJ

B

FB G

FB

I

Universitas Sumatera Utara

b. Koefisien korelasi antara Y dengan X 2

@A =

DE FC G

BC >
FC

HD

C

B

FB G

FB

I

c. Koefisien korelasi antara Y dengan X 3

@ AO =

DE FCO G

B CO >
FCO

HD

CO

B

FB G

FB

I

2. Analisis korelasi antar variabel bebas (

,

, dan

) Koefisien korelasi

dapat dirumuskan sebagai berikut:

@AKAL =

DE FCK G

CK C L >
FCK

HM

CK

CL

FC L N

FAL

I

a. Koefisien korelasi antara X1 dengan X2

@AJA =

DE FCJ G

CJ C

FCJ

>

HD

CJ

FC

C

G

FA

I

a.
b. Koefisien korelasi antara X 1 dengan X 3

@AJAO =

DE FCJ G

CJ CO >
FCJ

HD

CJ

CO

FC O G

FAO

I

Universitas Sumatera Utara

c. Koefisien korelasi antara X 2 dengan X 3

@A

AO =

DE FC G

C CO >
FC

HD

C

CO

FC O G

FAO

I

Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat
dikelompokkan sebagai berikut (Algifari, 1997) :

1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah.
2. 0,21 sampai dengan 0,40 beirarti korelasi memiliki keeratan lemah.
3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat.
4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat.
5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat sekali.
6. 1 berarti korelasi sempurna.

2.8 Uji Koefisien Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi,
perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi.
Langkah-langkah pengerjaannya adalah sebagai berikut:
1.Menentukan hipotesa
Ho : Tidak terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.

Universitas Sumatera Utara

Ha :

Terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.

2. Kriteria pengujian : jika P! "#
Sebaliknya Jika P! "#

$

3. Menentukan nilai P! "#

P

9

=R

$

Q P"89/:

maka Ho ditolak dan Ha diterima.

? P"89/: maka Ho diterima dan Ha ditolak.

$

9

ST J O K

UCL N

V

4. Menentukan nilai P"89/:

P"89/: = P

;W 7 >

dengan taraf signifikan yang umum digunakan yaitu 0,05.

Universitas Sumatera Utara

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Masalah kependudukan merupakan masalah penting yang perlu mendapat
perhatian dari ahli kependudukan di Indonesia. Simalungun yaitu salah satu
Kabupaten di Provinsi Sumatera Utara juga tidak luput dari masalah
kependudukan. Dari perbandingan jumlah kelahiran di Kabupaten Simalungun
menunjukkan setiap tahun mengalami peningkatan. Maka dalam hal ini jumlah
kelahiran di Simalungun ini perlu dianalisis. (http://id.wikipedia.arg/simalungun)

Dalam perencanaan pembangunan, data kependudukan memegang
perananan penting. Semakin lengkap dan akurat data kependudukan yang tersedia
maka semakin mudah dan tepat rencana pembangunan itu dibuat. Sebagai contoh,
dalam perencanaan perencanaan pendidikan, diperlukan data mengenai jumlah
penduduk dalam usia sekolah, dan para pekerja dalam bidang kesehatan
memerlukan informasi tentang tinggi rendahnya angka kelahiran.

Salah satu yang mempengaruhi jumlah penduduk adalah kelahiran
(fertilitas). Istilah fertilitas adalah sama dengan kelahiran hidup (life birth), yaitu

Universitas Sumatera Utara

terlepasnya bayi dari rahim seorang perempuan dengan ada tanda–tanda
kehidupan, misalnya: bernafas, jantung berdenyut, berteriak, dan sebagainya.
Untuk mengurangi laju pertumbuhan penduduk harus dilakukan penurunan
fertilitas. Hal ini sangat yang ingin dicapai oleh setiap negara. Untuk mencapai
tujuan tersebut pemerintah harus membuat kebijakan-kebijakan penting dan
berusaha memenuhi sarana dan fasilitas yang menunjang kesejahteraan penduduk.
Kebijakan-kebijakan atau usaha yang dilakukan oleh pemerintah harus diikuti
oleh peran serta masyarakat yang mendukung tujuan tersebut.
(Ida Bagoes Mantra, 2004)

Sehingga pengetahuan tentang kependudukan sangat penting diketahui
oleh masyarakat luas untuk merangsang timbulnya tingkah laku yang bertanggung
jawab terhadap masalah kependudukan. Sehingga masalah-masalah yang ada bisa
diatasi dan memungkinkan dapat dicegah timbulnya masalah baru. Dengan
adanya kesadaran masyarakat dan perhatian untuk ikut serta dalam mewujudkan
kesejahteraan penduduk maka pemerintah dan masyarakat secara bersama-sama
menanggulangi masalah pertumbuhan penduduk. J