Bagian Model Summary Bagian Anova

d. Bagian Model Summary

Berikut ini adalah output bagian keempat dari analisis regresi. Tabel 5.4 Output Model Summary Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .848 a .719 .669 449.692 a. Predictors: Constant, Jumlah Posyandu, Akseptor KB, Pasangan usia subur b. Dependent Variable: Jumlah Kelahiran Interpretasi: 1. Angka R square adalah 0,719. Hal ini berarti 71,9 jumlah kelahiran bias dijelaskan olehh variabel pasangan usia subur, akseptor KB dan jumlah posyandu. Sedangkan sisanya 100 - 71,9= 28,1 dijelaskan oleh sebab-sebab yang lain. 2. Standard error of estimate adalah 449,692. Perhatikan pasa analisis sebelumnya, bahwa standar deviasi jumlah kelahiran adalah 781,696 yang jauh lebih besar dari standard error of estimate yang hanya 449,692. Karena nilainya lebih kecil dari standar deviasi, maka model regresi lebih bagus dalam bertindak sebagai prediktor jumlah kelahiran daripada rata-rata jumlah kelahiran itu sendiri. Universitas Sumatera Utara

e. Bagian Anova

Berikut ini adalah output bagian kelima dari analisis regresi. Tabel 5.5 Output Anova ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 8783186.179 3 2927728.726 14.478 .000 a Residual 3437790.964 17 202222.998 Total 1.222E7 20 a. Predictors: Constant, Jumlah Posyandu, Akseptor KB, Pasangan usia subur b. Dependent Variable: Jumlah Kelahiran Interpretasi: Dari uji Anava atau F test, didapat F hitung adalah 14,478 dengan tingkat signifikansi 0,000. Karena probabilitas 0,000 jauh lebih kecil dari 0,05, maka model persamaan bias dipakai untuk memprediksi jumlah kelahiran. Atau bias dikatakan, pasangan usia subur, akseptor KB dan jumlah posyandu secara bersama-sama mempengaruhi jumlah kelahiran. Universitas Sumatera Utara f. Bagian Coefficients Berikut ini adalah output bagian keenam dari analisis regresi. Gambar 5.6 Output Coefficients Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Correlations B Std. Error Beta Zero- order Partial Part 1 Constant -132.959 429.833 -.309 .761 Pasangan usia subur .064 .110 .474 .584 .567 .776 .140 .075 Akseptor KB .023 .159 .113 .142 .889 .760 .034 .018 Jumlah Posyandu 13.704 5.183 .393 2.644 .017 .674 .540 .340 a. Dependent Variable: Jumlah Kelahiran Interpretasi: 1. Tabel selanjutnya menggambarkan persamaan regresi : Y = -132,959 + 0,064X 1 + 0,023X 2 + 13,704X 3 Dimana: Y = Jumlah kelahiran X 1 = Pasangan Usia Subur X 2 = Akseptor KB X 3 = Jumlah Posyandu Universitas Sumatera Utara Konstanta sebesar -132,959 menyatakan bahwa jika tidak ada pasangan usia subur, akseptor KB dan Jumlah posyandu maka jumlah kelahiran adalah - 132,959. Dengan kata lain tidak akan ada jumlah kelahiran yang terjadi. a. Koefisien regresi X 1 sebesar 0,064 menyatakan bahwa setiap penambahan karena tanda + 1 pasangan usia subur akan meningkatkan jumlah kelahiran sebesar 0,064. b. Koefisien regresi X 2 sebesar 0,023 menyatakan bahwa setiap penambahan karena tanda + 1 akseptor KB akan meningkatkan jumlah kelahiran sebesar 0,023. c. Koefisien regresi X 3 sebesar 13,704 menyatakan bahwa setiap penambahan karena tanda + 1 posyandu akan meningkatkan kelahiran. 2. Uji t untuk menguji signifikansi konstanta dan variabel dependent: a. Untuk pasangan usia subur, pada tabel dapat terlihat bahwa t hitung sebesar 0,584. Dan nilai t tabel dapat dilihat pada tabel t dengan dk = 17 dan α = 0,05 yaitu 2,11. Karena t hit 0,584 t tab 2,11 maka H diterima. Atau koefisien regresi tidak signifikan, pasangan usia subur tidak benar-benar berpengaruh secara signifikan terhadap jumlah kelahiran. b. Untuk akseptor KB, pada tabel dapat terlihat bahwa t hitung sebesar 0,142. Dan ni lai t tabel dapat dilihat pada tabel t dengan dk = 17 dan α = 0,05 yaitu Universitas Sumatera Utara 2,11. Karena t hit 0,142 t tab 2,11 maka H diterima. Atau koefisien regresi tidak signifikan, akseptor KB tidak benar-benar berpengaruh secara signifikan terhadap jumlah kelahiran. c. Untuk jumlah posyandu, pada tabel dapat terlihat bahwa t hitung sebesar 2,644. Dan nilai t tabel dapat dilihat pada tabel t dengan dk = 17 dan α = 0,05 yaitu 2,11. Karena t hit 2,644 t tab 2,11 maka H ditolak. Atau koefisien regresi signifikan, posyandu benar-benar berpengaruh secara signifikan terhadap jumlah kelahiran.

g. Bagian Gambar Chart