Analisis Faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara

TUGAS AKHIR

NURAZIZAH MANURUNG 102407020

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

NURAZIZAH MANURUNG 102407020

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

Judul : ANALISIS FAKTOR ANGKA KEMATIAN BAYI TERHADAP PENOLONG KELAHIRAN DI SUMATERA UTARA

Kategori : TUGAS AKHIR

Nama : NURAZIZAH MANURUNG

Nomor Induk Mahasiswa : 102407020 Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU

PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2013

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si Drs. Suwarno Ariswoyo, M.Si

NIP. 19620901 198803 1 002 NIP. 195021031980031001

PERNYATAAN

ANALISIS FAKTOR ANGKA KEMATIAN BAYI

TERHADAP PENOLONG KELAHIRAN

DI SUMATERA UTARA

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2013

NURAZIZAH MANURUNG 102407020

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Analisis Faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara.

Terimakasih Penulis sampaikan kepada Bapak Drs. Suwarno Ariswoyo, M.Si selaku pembimbing dan Sekretaris Program Studi D3 Statistika FMIPA USU yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terima kasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si. PhD dan Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan – rekan kuliah. Akhirnya tidak terlupakan kepada Ayah tercinta Syafaruddin Manurung dan Ibu tercinta Masribut Sinaga, serta Abang, kakak, Adik dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vii

DAFTAR GAMBAR viii

BAB 1 PENDAHULUAN

1.1Latar Belakang 1

1.2Rumusan Masalah 2

1.3Tujuan Penelitian 3

1.4Batasan Masalah 3

1.5Manfaat Penelitian 4

1.6Tinjauan Pustaka 4

1.7Metodologi Penelitian 5

1.8Lokasi dan Waktu Penelitian 7

1.9Sistematika Penulisan 7

BAB 2 LANDASAN TEORI

2.1 Pengertian Regresi 9

2.2 Analisis Regresi Linier 9

2.3 Regresi Linier Sederhana 10

2.4 Regresi Linier Berganda 10

2.5 Membentuk Persamaan Regresi Linier Berganda 12

2.6 Koefisien Determinasi 13

2.7 Koefisien Korelasi 14

BAB 3 SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Singkat Badan Pusat Statistik 16 3.1.1 Masa Pemerintahan Hindia Belanda 16

3.1.2 Masa Pemerintahan Jepang 17

3.1.3 Masa Kemerdekaan Republik Indonesia 17 3.1.4 Masa Orde Baru Sampai Sekarang 18

3.2 Visi dan Misi 19

3.2.1 Visi 19

3.2.2 Misi 20

4.3 Pengujian Regresi Linier Berganda 33

4.4 Koefisien Determinasi 38

4.5 Koefisien Korelasi 39

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 41

5.2 Sekilas Tentang Program SPSS 41

5.3 Mengaktifkan SPSS 43

5.4 Input Data pada Worksheet 44

5.5 Pengisian Data 46

5.6 Pengolahan Data dengan Persamaan Regresi 47 5.7 Pengolahan Data dengan Persamaan Korelasi 50

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 52

6.2 Saran 54

DAFTAR PUSTAKA LAMPIRAN

Nomor Judul Halaman Tabel

2.1 Bentuk Umum Data Observasi 12 4.1 Data Angka Kematian Bayi (AKB), Dokter, Bidan, dan dukun 24 4.2 Nilai- nilai koefisien 26 4.3 Penyimpangan Nilai Koefisien 31 4.4 Pengujian Regresi Linier Berganda 34

Nomor Judul Halaman Gambar

5.1 Mengaktifkan SPSS 43

5.2 Worksheet 44

5.3 Layar Kerja Variabel View 46 5.4 Layar Data yang akan diolah 47

5.5 Analyze data Regresion 47

5.6 Kotak Dialog Linear Regression 48

5.7 Kotak Dialog Linier Regression Statistic 49 5.8 Kotak dialog Linier Regression Plots 49 5.9 Analyze Data Correlation 50 5.10 Kotak dialog Bivariate Correlations 51

PENDAHULUAN

1.1Latar Belakang

Angka kematian bayi merupakan salah satu indikator yang digunakan untuk menggambarkan status kesehatan masyarakat. Di dunia, angka kematian bayi sangat bervariatif pada setiap negara. Di negara berkembang salah satunya indonesia, angka kematian bayi masih tergolong tinggi. Salah satu penyebab kematian bayi di indonesia adalah infeksi, termasuk infeksi saluran nafas dan diare. Selain itu, masalah gizi seperti kurang kalori dan protein, juga menjadi salah satu penyebab kematian bayi.

Mortalitas (kematian) penduduk adalah salah satu dari tiga komponen proses demografi yang berpengaruh terhadap struktur penduduk. Dua komponen proses demografi lainnya adalah kelahiran (fertilitas) dan mobilisasi penduduk. Tinggi rendahnya tingkat mortalitas penduduk disuatu daerah tidak hanya mempengaruhi pertumbuhan penduduk, tetapi juga merupakan barometer dari tinggi rendahnya tingkat kesehatan masyarakat di daerah tersebut. Dengan memperhatikan trend dari tingkat mortalitas dan fertilitas di masa lalu dan estimasi perkembangan dimasa mendatang dapatlah dibuat sebuah proyeksi penduduk wilayah bersangkutan.

Kematian bayi adalah kematian yang terjadi antara saat bayi lahir sampai bayi berusia tepat satu tahun. Banyak faktor yang dikaitkan dengan kematian bayi. Secara garis besar, dari sisi penyebabnya kematian bayi ada dua macam yaitu :

1. Kematian bayi Endogen adalah kematian bayi yang terjadi pada pertama setelah melahirkan, dan umumnya disebabkan oleh faktor-faktor yang dibawa anak sejak lahir, yang diperoleh dari orang tuanya pada saat konsepsi atau didapat setelah kehamilan.

2. Kematian bayi Eksogen adalah kematian bayi yang terjadi setelah usia satu bulan sampai menjelang usia satu tahun yang di sebabkan oleh faktor-faktor yang bertalian dengan pengaruh lingkungan.

Dengan uraian diatas penulis tertarik untuk menganalisis hubungan antara faktor-faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara.

Dengan mengetahui seberapa besar bangsa Indonesia harus menekan angka kematian bayi, maka untuk mengimplementasikan keadaan diatas maka penulis memilih Tugas Akhir yang berjudul “Analisis Faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara”.

1.2Rumusan Masalah

Adapun masalah yang akan dibahas adalah untuk mengetahui regresinya sebagai persamaan penduganya angka kematian bayi dan faktor-faktor dominan yang

mempengaruhi angka kematian bayi terhadap penolong kelahiran di Sumatera Utara.

1.3 Tujuan Penelitian

Menganalisis apakah ada hubungan angka kematian bayi terhadap penolong kelahiran serta Memberikan informasi kepada masyarakat tentang kesehatan bayi di Sumatera Utara.

1.4 Batasan Masalah

Penulis membuat batasan permasalahan dari sekian banyak faktor yang mempengaruhi angka kematian bayi di Sumatera Utara, yakni penulis hanya mengambil tiga faktor yaitu dokter, bidan dan dukun sebagai variabel. Lalu dianalisa dengan menggunakan Metode Regresi Linier Berganda dan akan dicari apakah faktor-faktor tersebut mempengaruhi angka kematian bayi sehingga nantinya akan diperoleh persamaan penduga yang layak digunakan. Data yang diambil merupakan data skunder yang bersumber dari Kantor Badan Pusat Statistik (BPS) Sumatera Utara. Data yang akan di teliti adalah data pada tahun 2011.

1.5Manfaat Penelitian

Penelitian ini diharapkan dapat menghasilkan manfaat untuk memberikan informasi angka kematian bayi terhadap penolong kelahiran dan sebagai pemerhati kesehatan bayi sebaiknya untuk di tindak lanjutin banyaknya penyebab dari kematian bayi di Sumatera Utara sehingga dari informasi yang dihasilkan dari penelitian ini diharapkan pemerintah mengambil langkah-langkah untuk kebijakan terhadap meningkatnya angka kematian bayi di Indonesia.

1.6 Tinjauan Pustaka

Sumber bahan bacaan atau informasi penulis dapatkan dalam penulisan Tugas Akhir ini adalah :

Dikti.go.id menyatakan Undang-undang Republik Indonesia Nomor 36 Tahun 2009TentangKesehatan dengan rahmat Tuhan Yang Maha Esa presiden republik indonesia menimbang, bahwa kesehatan merupakan “hak asasi manusia” dan salah satu unsur kesejahteraan yang harus diwujudkan sesuai dengan cita-cita bangsa Indonesia sebagaimana dimaksud dalam Pancasila dan Undang-Undang Dasar Negara Republik Indonesia Tahun 1945. Pasal 128 ayat 1 menyatakan bahwa “Setiap bayi berhak mendapatkan air susu ibu eksklusif sejak dilahirkan selama 6 (enam) bulan, kecuali atas indikasi medis”. Pasal 131 ayat 1 juga mengatakan bahwa “Upaya pemeliharaan kesehatan bayi dan anak harus ditujukan untuk mempersiapkan generasi yang akan datang yang sehat, cerdas, dan berkualitas serta untuk menurunkan angka kematian bayi dan anak”.

Mason (1996) menyatakan bahwa analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan.

Mason (1996) menyatakan bahwa persamaan regresi (regression eqution) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel.

Iswardono Sp (1981) menyatakan bahwa model persamaan regresi linier berganda Yi = β0 + β1X1i + β2X2i + β3X3i + Ei, dimana variabel bebas, X1, X2

dan X3 yang mempengaruhi Y.

1.7 Metodologi Penelitian

Metodologi penelitian yang digunakan penulis adalah dengan Metode Penelitian Kepustakaan, Metode Pengumpulan Data. Adapun tahapan yang dilaksanakan dalam penyelesaian masalah yang dihadapi adalah sebagai berikut :

1. Metode Pengumpulan Data

Dalam pengumpulan data, penulis menggunakan data sekunder dari Badan Pusat Statistik (BPS) berupa buku-buku dan sumber-sumber yang dapat di percaya dari Kantor Badan Pusat Statistik.

2. Studi Literatur

Studi literatur ini meliputi pengambilan teori-teori serta rumusan-rumus dari beberapa sumber bacaan yang berkaitan dengan masalah yang sedang di teliti.

3. Metode Pengolahan Data

Secara model regresi linier berganda dari data hasil pengamatan yang terjadi akibat variabel X1,X2,X3,X4,...,Xk untuk populasi adalah :

Y = β0+ β1X1 + β2X2 + β3X3 + ... + βkXk + µ ; k = 1,2,3,...,n

Dengan Y merupakan pengamatan variabel takbebas. Xk merupakan

pengamatan variabel Bebas. β0 merupakan variabel Intersep dan

β0,β1,β2,β3X3,...,βkXk merupakan parameter koefisien regresi variabel bebas

yang nilainya tidak diketahui, sehingga nilainya diduga menggunakan statistik sampel. µ merupakan error atau kesalahan yang tidak diketahui harganya.

Model populasi regresi berganda dapat dicari dengan menggunakan Metode Kuadrat Terkecil (Least Square Method). Prinsip metode kuadrat terkecil ini adalah meminimumkan selisih kuadrat antara Y observasi dan Y dugaan. Berikut ini adalah rumusnya :

Y = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk

Keterangan :

Y = variabel tak bebas (dependent variabel)

Xk = variabel bebas (independent variabel)

b0 = penduga bagi β0 intersep (titik potong)

bk = penduga bagi βk

Dalam penelitian ini variabel variabel tak bebas adalah bidan (X1),dokter

1.8 Lokasi dan WaktuPenelitian

Penelitian ini dilaksanakan di Badan Pusat Statistik (BPS) Medan. Pengambilan data dilaksanakan selama 3 (tiga) kali terhitung dari tanggal 11 Maret, 19 Maret sampai tanggal 03 April 2013 dengan cara mencatat langsung data Angka Kematian Bayi Terhadap Penolong Kelahiran pada tahun 2011.

1.9Sistematika Penulisan

Adapun sistematika dalam penulisan ini adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Dalam bab ini diuraikan Latar Belakang, Rumusan Masalah, Tujuan Penelitian, Batasan Masalah, Manfaat Penelitian, Tinjauan Pustaka, Metodologi Penelitian, Lokasi dan Waktu Penelitian dan Sistematika Penulis.

BAB 2 : LANDASAN TEORI

Pada bab ini menjelaskan tentang beberapa pengertian metode serta teori-teori yang dipakai dalam mengolah data yaitu Regresi Linier Ganda beserta aspek-aspeknya.

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Dalam bab ini menjelaskan tentang sejarah berdirinya Badan Pusat Statistik (BPS), moto, visi dan struktur organisasinya.

BAB 4 : ANALISA DATA

Bab ini berisi tentang penganalisaan dan pengolahan data yang diperoleh untuk melihat pengaruh faktor penolong kelahiran bayi yaitu dokter, bidan dan dukun di Sumatera Utara, pengujian dilakukan dengan metode yang telah ditentukan.

BAB 5 : IMPLEMENTASI SISTEM

Pada bab ini menjelaskan tentang program atau software yang dipakai sebagai analisis terhadap data yang diperoleh.

BAB 6 : PENUTUP

Bab ini merupakan penutup yang akan memberikan beberapa kesimpulan dan saran dari hasil analisa yang telah penulis lakukan.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel takbebas (dependent variable) dengan satu atau lebih variabel bebas (indefendent variable), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi atau nilai rata-rata variabel takbebas berdasarkan nilai variabel bebas yang diketahui. Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu variabel takbebas dengan satu atau lebih variabel bebas.

2.2 Analisis Regresi Linier

Analisis regresi linier adalah analisa hubungan antara variabel bebas X dengan variabel takbebas Y, yang merupakan persamaan penduga yang berguna untuk menaksir/meramalkan variabel bebas. Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisis regresi linier terdiri dari dua bentukk, yaitu :

1. Analisis Regresi Sederhana (Simple analisis regresi) 2. Analisis Regresi Berganda (Multiple analisis regresi)

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan model hubungan antara variabel tidak bebas (sering simbolkan dengan Y) dan variabel bebas (disimbolkan dengan X). Regresi linier sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu pebuah takbebas Y. Dengan bentuk umum persamaan garis regresi linier sederhana adalah:

Ŷ = a + bX (2.1)

Keterangan :

a = intercept (konstanta)

b = koefisien regresi = yang menunjukkan besarnya perubahan unit akibat adanya perubahan tiap atau unit X.

X = variabel bebas

Ŷ = variabel takbebas

2.4 Regresi Linier Berganda

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

Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada regresi linier berganda variabel penduga (variabel bebas) lebih dari satu variabel penduga (variabel bebas). Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan

membuat prediksi perkiraan nilai Y atas nilai X. Secara umum model regresi linier berganda untuk populasi adalah sebagai berikut:

Y = β0+ β1X1+ β2X2+ β3X3+ ... + βkXk + µ (2.2)

Keterangan :

Y = Pengamatan ke-i pada variabel takbebas Xk = Pengamatan variabel Bebas

β0 = Parameter Intersep

β1,β2, β3,..., βk = Parameter Koefisien regresi variabel bebas

µ = Error atau kesalahan yang tidak diketahui harganya

Model regresi linier berganda untuk populasi diatas dapat ditaksir berdasarkan sebuah sampel acak yang berukuran n dengan model regresi linier berganda untuk sampel, yaitu:

Y = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk (2.3)

Keterangan :

Y = variabel tak bebas (dependent variabel)

Xk = variabel bebas (independent variabel)

Bentuk data yang akan diolah ditunjukkan pada tabel berikut ini :

Tabel 2.1 Bentuk Umum Data Observasi

Nomor Observasi

Respon (Yi)

Variabel Bebas

X1i X2i X3i ... Xki

1 2 . . . N Y1 Y2 . . . Yn X11 X12 . . . X1n X21 X22 . . . X2n X31 X32 . . . X3n ... ... ... ... ... ... Xk1 Xk2 . . . Xkn

∑ ∑ Yn ∑ X1i ∑ X2i ∑ X3i ... ∑ Xki

2.5 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel takbebas (Y), tergantung kepada dua atau lebih variabel bebas (X). Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel dapat ditulis sebagai berikut:

Y = β0+ β1X1+ β2X2+ β3X3+ ... + βkXk + µ (2.4)

Untuk hal ini, penulis menggunakan regresi linier berganda tiga variabel, yaitu satu variabel takbebas dan dua variabel bebas. Bentuk umum persamaan regresi linier berganda tersebut adalah :

Y = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk+ ei (2.5)

Keterangan : I = 1,2,...,n

n = ukuran sampel ei = variabel kesalahan

Untuk rumus diatas, dapat diselesaikan dengan tiga variabel yang berbentuk :

∑Yi = nb0 + b1∑X1i + b2∑X2i + b3∑X3i (2.6)

∑X1iYi = b0∑X1i + b1∑ + b2∑X1iX2i + b3∑X1iX3i (2.7)

∑X2iYi = b0∑X2i + b1∑X1iX2i + b2∑ + b3∑X2iX3i (2.8)

∑X3iYi = b0∑X3i + b1∑X1iX3i + b2∑X2iX3i + b3∑ (2.9)

Dengan b1, b2 adalah koefisien yang ditentukan berdasarkan data hasil

pengamatan. Untuk = − , = – , = – dan y = Y - , persamaan liniernya menjadi y = + + .

2.6 Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan R2 adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua variabel yang ada dalam model persamaan regresi linier berganda secara bersama-sama. Maka R2 akan ditentukan dengan rumus, yaitu :

R2 = (2.10)

Keterangan :

∑ = ∑ – (2.11)

Harga R2 yang diperoleh variansi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variansi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja.

2.7 Koefisien Korelasi

Koefisien korelasi merupakan ukuran kedua yang dapat digunakan untuk mengetahui bagaimana keeratan hubungan antara variabel bebas dengan variabel takbebas.

Nilai koefisien korelasi adalah -1 ≤ r ≤ 1. Jika dua variabel berkorelasi negatif maka koefisien korelasi akan mendekati 0, sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelai akan mendekati 1.

Untuk lebih memudahkan menetahui seberapa jauh derajat keeratan antara variabel tersebut, dapat dilihat pada perumusan berikut :

-1,00 ≤ r ≤ -0,80 berarti berkorelasi kuat secara negatif -0,79 -0,50 berarti berkorelasi sedang negatif -0,49 ≤ r ≤ 0,49 berarti berkorelasi lemah

0,50 ≤ r ≤ 0,79 berarti berkorelasi sedang secara positif 0,80 ≤ r ≤ 1,00 berarti berkorelasi kuat secara positif

Untuk hubungan lima variabel tersebut dapat dihitung dengan menggunakan rumus sebagai berikut :

1. Koefisien Korelasi antara X1 dan Y

=

(2.12)

2. Koefisien Korelasi antara X2 dan Y

=

(2.13)

3. Koefisien Korelasi antara X3 dan Y

=

(2.14)

SEJARAH SINGKAT TEMPAT RISET

3.1Sejarah Singkat Badan Pusat Statistik (BPS)

3.1.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur pertanian, Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden Handed) dan Berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor de Statistik (CKS) atau kantor statistik dan di pindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijnsen (IUA) yang sekarang disebut kantor Bea dan Cukai.

3.1.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintah Jepang baru mengaktifkan kembali kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini Central Kantor Voor de Statistik (CKS) diganti namanya menjadi Shomubu Chosasitsu Gunseikanbu.

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dipindahkan ke Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali

Central Kantor Voor de Statistik (CKS).

Berdasarkan surat edaran kementerian kemakmuran tanggal 12 Juni 1950 Nomor 219/S.C, KAPURRI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dan Central Voor de Statistik (CKS) dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab menteri Kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor p/44, Lembaga Kantor Pusat Statistik (KPS) berada dibawah dan bertanggungjawab

menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 Nomor:18.099/M, KPS dibagi menjadi dua bagian yaitu bagian

Research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden RI Nomor 131 tahun 1957, kementerian Perekonomian dipecah menjadi kementerian Perdagangan dan kementerian Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172, terhitung tanggal 1 Juni 1957 Kantor Pusat Statistik (KPS) diubah menjadi Biro Pusat Statistik yang semula menjadi tanggung jawab dan wewenang berada dibawah perdana menteri.

3.1.4 Masa Orde Baru Sampai Sekarang

Dalam rangka perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan pada organisasi Badan Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Statistik telah mengalami empat kali perubahan struktur organisasi:

1. Peraturan Pemerintah Nomor 16 tahun 1968 tentang organisasi Badan Pusat Statistik.

2. Peraturan Pemerintah Nomor 6 tahun 1980 tentang organisasi Badan Pusat Statistik.

3. Peraturan Pemerintah Nomor 2 tahun 1992 tentang organisasi Badan Pusat Statistik dan Keputusan Presidan Nomor 6 tahun 1992 tentang kedudukan, fungsi, susunan dan tata Kerja Biro Pusat Statistik.

4. Undang-undang Nomor 16 tahun 1917 tentang Statistik

5. Keputusan Presiden RI Nomor 86 tahun1998 tentang Badan Pusat Statistik 6. Keputusan Pemerintah Nomor 51 tahun 1999 tentang Penyelenggaraan

Statistik

Tahun 1968, ditetapkan peraturan Pemerintah Nomor 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980 peraturan pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah Nomor 16 tahun 1968. Berdasarkan peraturan Pemerintah Nomor 6 tahun 1980 di tiap provinsi terdapat perwakilan BPS.

Pada tanggal 17 Juni 1998 dengan keputusan Presiden Republik Indonesia Nomor 86 tahun1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.

3.2 Visi dan Misi BPS (Badan Pusat Statistik) Provinsi Sumatera Utara 3.2.1 Visi

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik 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

Dalam menunjuk 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 Propinsi 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.

Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah berbentuk Lini dan staff

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

BAB 4

PENGOLAHAN DATA

Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan yang sering digunakan sebagai pengambilan keputusan untuk dasar pembuatan keputusan-keputusan atau untuk memecahkan suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasrakan atas data yang baik.

Untuk membahas dan memecahkan masalah tentang Angka Kematian Bayi seperti yang terlah diutarakan sebalumnya, penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Data yang dikumpulkan dari Badan Pusat Statistik Propinsi Sumatera Utara adalah data mengenai Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara, Penolong Kelahiran diantaranya Dokter, Bidan dan Dukun. Adapun datanya yang telah diperoleh adalah sebagai berikut :

Tabel 4.1 Data Angka Kematian Bayi (AKB), Dokter, Bidan, dan dukun (%) sebagai Penolong Kelahiran di Sumatera Utara. Dimana datanya adalah sebagai berikut:

Kabupaten / Kota AKB Dokter Bidan Dukun

• Kabupaten

Nias 35,65 6,05 33,14 58,18

Mandailing Natal 28,60 4,96 53,71 41,33

Tapanuli Selatan 17,85 5,58 79,46 14,96

Tapanuli Tengah 14,81 7,18 73,43 18,51

Tapanuli Utara 32,60 13,08 71,43 15,49

Toba Samosir 13,27 16,95 79,43 3,03

Labuhan Batu 20,65 6,83 77,51 14,07

Asahan 28,63 7,67 88,91 2,69

Simalungun 10,91 8,46 77,83 12,81

Dairi 27,40 8,78 77,76 12,30

Karo 7,69 17,24 81,72 1,04

Deli Serdang 3,89 17,84 77,23 2,46

Langkat 6,02 9,61 84,42 5,97

Nias Selatan 13,87 0,13 28,18 61,32

Humbang

Hasundutan 20,10 8,41 71,20 17,77

Pakpak Bharat 72,03 14,89 50,48 33,36

Samosir 51,32 8,45 83,44 7,56

Serdang Berdagai 8,94 14,93 80,50 3,72

Padang Lawas Utara 32,92 3,54 68,03 27,25

Padang Lawas 20,94 5,07 76,13 18,79

Labuhan Batu

selatan 18,36 1,42 93,11 5,47

Labuhan Batu Utara 26,74 9,82 78,11 11,40

Nias Utara 13,06 1,94 36,03 55,74

Nias Barat 56,77 2,32 30,26 58,06

• Kota / City

Sibolga 24,67 13,49 81,50 5,01

Tanjung Balai 39,91 10,44 89,13 0,44

Pematang Siantar 7,49 18,85 81,15 0,00

Tebing Tinggi 11,29 7,89 87,81 0,00

Medan 4,96 29,87 69,51 0,00

Binjai 1,41 14,00 86,00 0,00

Padangsidempuan 26,08 12,45 84,44 3,11

Gunung Sitoli 9,04 13,61 65,22 17,73

Sumber : Badan Pusat Statistik

Catatan :

1. AKB : persen per tahun

4.1 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, terlebih dahulu kita mengitung koefisien-koefien regresi yang akan digunakan. Dengan koefisien-koefisien yang didapat dari perhitungan, maka dapat ditentukan persamaan untuk mencari regresi

linier bergandanya. Adapun nilai dari koefisien-koefisien yang di cari dengan menggunakan Microsft axcel adalah sebagai berikut :

Tabel 4.2 Nilai-nilai Koefisien

Y X1 X2 X3 X1X2 X1X3

35,65 6,05 33,14 58,18 36,60 200,50 351,99 1098,26 28,60 4,96 53,71 41,33 24,60 266,40 205,00 2884,76 17,85 5,58 79,46 14,96 31,14 443,39 83,48 6313,89 14,81 7,18 73,43 18,51 51,55 527,23 132,90 5391,96 32,60 13,08 71,43 15,49 171,09 934,30 202,61 5102,24 13,27 16,95 79,43 3,03 287,30 1346,34 51,36 6309,12 20,65 6,83 77,51 14,07 46,65 529,39 96,10 6007,80 28,63 7,67 88,91 2,69 58,83 681,94 20,63 7904,99 10,91 8,46 77,83 12,81 71,57 658,44 108,37 6057,51 27,40 8,78 77,76 12,30 77,09 682,73 107,99 6046,62 7,69 17,24 81,72 1,04 297,22 1408,85 17,93 6678,16 3,89 17,84 77,23 2,46 318,27 1377,78 43,89 5964,47 6,02 9,61 84,42 5,97 92,35 811,28 57,37 7126,74 13,87 0,13 28,18 61,32 0,02 3,66 7,97 794,11 20,10 8,41 71,20 17,77 70,73 598,79 149,45 5069,44 72,03 14,89 50,48 33,36 221,71 751,65 496,73 2548,23 51,32 8,45 83,44 7,56 71,40 705,07 63,88 6962,23 8,94 14,93 80,50 3,72 222,90 1201,87 55,54 6480,25 7,01 6,62 84,99 8,40 43,82 562,63 55,61 7223,30 32,92 3,54 68,03 27,25 12,53 240,83 96,47 4628,08

20,94 5,07 76,13 18,79 25,70 385,98 95,27 5795,78 18,36 1,42 93,11 5,47 2,02 132,22 7,77 8669,47 26,74 9,82 78,11 11,40 96,43 767,04 111,95 6101,17 13,06 1,94 36,03 55,74 3,76 69,90 108,14 1298,16 56,77 2,32 30,26 58,06 5,38 70,20 134,70 915,67 24,67 13,49 81,50 5,01 181,98 1099,44 67,58 6642,25 39,91 10,44 89,13 0,44 108,99 930,52 4,59 7944,16 7,49 18,85 81,15 0,00 355,32 1529,68 0,00 6585,32 11,29 7,89 87,81 0,00 62,25 692,82 0,00 7710,60 4,96 29,87 69,51 0,00 892,22 2076,26 0,00 4831,64 1,41 14,00 86,00 0,00 196,00 1204,00 0,00 7396,00 26,08 12,45 84,44 3,11 155,00 1051,28 38,72 7130,11 9,04 13,61 65,22 17,73 185,23 887,64 241,31 4253,65

Sambungan Tabel 4.2 dari Perhitungan Nilai-nilai Koefisien Tabel diatas

X2X3 X3 X1Y X2Y X3Y

1928,09 3384,91 1270,92 215,68 1181,44 2074,12 2219,83 1708,17 817,96 141,86 1536,11 1182,04

1188,72 223,80 318,62 99,60 1418,36 267,04

1359,19 342,62 219,34 106,34 1087,50 274,13 1106,45 239,94 1062,76 426,41 2328,62 504,97

240,67 9,18 176,09 224,93 1054,04 40,21

1090,57 197,96 426,42 141,04 1600,58 290,55

239,17 7,24 819,68 219,59 2545,49 77,01

997,00 164,10 119,03 92,30 849,13 139,76

956,45 151,29 750,76 240,57 2130,62 337,02

84,99 1,08 59,14 132,58 628,43 8,00

189,99 6,05 15,13 69,40 300,42 9,57

503,99 35,64 36,24 57,85 508,21 35,94

1728,00 3760,14 192,38 1,80 390,86 850,51

1265,22 315,77 404,01 169,04 1431,12 357,18 1684,01 1112,89 5188,32 1072,53 3636,07 2402,92

630,81 57,15 2633,74 433,65 4282,14 387,98

299,46 13,84 79,92 133,47 719,67 33,26

713,92 70,56 49,14 46,41 595,78 58,88

1853,82 742,56 1083,73 116,54 2239,55 897,07 1430,48 353,06 438,48 106,17 1594,16 393,46

509,31 29,92 337,09 26,07 1709,50 100,43

2008,31 3106,95 170,56 25,34 470,55 727,96 1756,90 3370,96 3222,83 131,71 1717,86 3296,07

408,32 25,10 608,61 332,80 2010,61 123,60

39,22 0,19 1592,81 416,66 3557,18 17,56

0,00 0,00 56,10 141,19 607,81 0,00

0,00 0,00 127,46 89,08 991,37 0,00

0,00 0,00 24,60 148,16 344,77 0,00

0,00 0,00 1,99 19,74 121,26 0,00

262,61 9,67 680,17 324,70 2202,20 81,11

1156,35 314,35 81,72 123,03 589,59 160,28

Keterangan :

Y = Angka Kematian Bayi X1 = Dokter

X2 = Bidan

X3 = Dukun

Dari tabel 4.2 didapat jumlah nilai-nilai koefisien sebagai berikut :

∑Y ∑X1 ∑X2 ∑X3 ∑

714,88 328,37 2381,20 537,97 4477,67

∑X1X2 ∑X1X3 ∑ ∑X2X3 ∑

24830,04 3215,28 181866,16 28742,28 19885,08

∑ ∑X1Y ∑X2Y ∑X3Y ∑n

Dari data diatas didapat persamaan

∑Yi = b0n + b1i∑X1i + b2i∑X2i + b3i∑X3i (4.1)

∑X1iYi = b0∑X1i + b1i∑ + b2i∑X1iX2i + b3i∑X1iX3i (4.2)

∑X2iYi = b0∑X2i + b1i∑X1iX2i + b2i∑ + b3i∑X2iX3i (4.3)

∑X3iYi = b0∑X3i + b1i∑X1iX3i + b2i∑X2iX3i + b3i∑ (4.4)

Dengan persamaan diatas dapat kita subsitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan :

714,88 = b0 33 + b1 328,37 + b2 2381,20 + b3 537,97

6288,80 = b0 328,37 + b1 4477,67 + b2 24830,04 + b3 3215,28

48469,65 = b0 2381,20 + b1 24830,04 + b2 181866,16 + b3 28742,28

15433,45 = b0 537,97 + b1 3215,28 + b2 28742,28 + b3 19885,08

Dengan mensubstitusikan persamaan diatas secara manual, diperoleh hasil sebagai berikut :

b0 = -187,86

b1 = 1,94

b2 = 2,05

b3 = 2,57

Sehingga diperoleh persamaan regresinya:

Ŷ = b0 + b1X1i + b2X2i + b3X3i (4.5)

4.2 Analisis Residu

Setelah didapat persamaan regresinya, maka untuk mengetahui seberapa besar pengaruh penolong kelahiran dengan angka kematian bayi yang diperkirakan, maka dapat dihitung dengan mencari koefisien-koefisien dari Analisis Residunya sebagai berikut :

Tabel 4.3 Penyimpangan Nilai Koefisien

Y Ŷ (Y – Ŷ)

35,65 41,34 -5,69 32,34

28,60 38,09 -9,49 89,98

17,85 24,31 -6,46 41,67

14,81 24,17 -9,36 87,64

32,60 23,76 8,84 78,22

13,27 15,64 -2,37 5,62

20,65 20,45 0,20 0,04

28,63 16,20 12,43 154,54

10,91 21,03 -10,12 102,33

27,40 20,19 7,21 51,95

7,69 15,78 -8,09 65,52

3,89 11,39 -7,50 56,30

6,02 19,19 -13,17 173,38

13,87 27,75 -13,88 192,75

20,10 20,08 0,02 0,00

72,03 30,25 41,78 1745,92

51,32 19,01 32,31 1043,66

8,94 15,69 -6,75 45,56

32,92 28,50 4,42 19,52

20,94 26,33 -5,39 29,08

18,36 19,83 -1,47 2,16

26,74 20,61 6,13 37,52

13,06 33,02 -19,96 398,28

56,77 27,89 28,88 834,17

24,67 18,26 6,41 41,07

39,91 16,24 23,67 560,23

7,49 15,07 -7,58 57,40

11,29 7,46 3,83 14,69

4,96 12,58 -7,62 58,11

1,41 15,60 -14,19 201,36

26,08 17,39 8,69 75,56

9,04 17,81 -8,77 76,92

Sehingga kesalahan bakunya dapat di hitung dengan menggunakan rumus :

=

(4.6)

Keterangan :

= 6563,67

k = 3

n = 33

Sehingga :

=

=

–

= 15,04

Dengan perhitungan yang didapat, nilai penyimpangannya = 15,04 orang kematian bayi, ini berarti bahwa rata-rata angka kematian bayi yang sebenarnya akan menyimpang dari rata-rata angka kematian bayi di Sumatera Utara yang diperkirakan sebasar 15,04 orang kematian bayi.

4.3 Pengujian Regresi Linier Berganda

Uji linearitas digunakan untuk menguji kepastian dari persamaan regresi

H0 : b1 = 0, tidak ada hubungan antara angka kematian bayi dengan dokter, bidan

dan dukun sebagai penolong kelahiran.

H1 : b1 ≠ 0 , ada hubungan antara angka kematian bayi dengan dokter, bidan dan

dukun sebagai penolong kelahiran.

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (V1) = k = 3 dan

dk penyebut (V2) = n-k-1 = 29.

H0 diterima jika Fhitung ≤ Ftabel

H0 ditolak jika Fhitung > Ftabel

F

hitung

=

Tabel 4.4 Pengujian Regresi Linier Berganda

Y x1 x2 x3 y2

13,99 -3,90 -39,02 41,88 195,72 15,21 1522,56 1753,93 6,94 -4,99 -18,45 25,03 48,16 24,90 340,40 626,50 -3,81 -4,37 7,30 -1,34 14,52 19,10 53,29 1,80 -6,85 -2,77 1,27 2,21 46,92 7,67 1,61 4,88 10,94 3,13 -0,73 -0,81 119,68 9,80 0,53 0,66 -8,39 7,00 7,27 -13,27 70,39 49,00 52,85 176,09 -1,01 -3,12 5,35 -2,23 1,02 9,73 28,62 4,97

6,97 -2,28 16,75 -13,61 48,58 5,20 280,56 185,23 -10,75 -1,49 5,67 -3,49 115,56 2,22 32,15 12,18

5,74 -1,17 5,60 -4,00 32,95 1,37 31,36 16,00 -13,97 7,29 9,56 -15,26 195,16 53,14 91,39 232,87 -17,77 7,89 5,07 -13,84 315,77 62,25 25,70 191,55 -15,64 -0,34 12,26 -10,33 244,61 0,12 150,31 106,71 -7,79 -9,82 -43,98 45,02 60,68 96,43 1934,24 2026,80 -1,56 -1,54 -0,96 1,47 2,43 2,37 0,92 2,16 50,37 4,94 -21,68 17,06 2537,14 24,40 470,02 291,04 29,66 -1,50 11,28 -8,74 879,72 2,25 127,24 76,39 -12,72 4,98 8,34 -12,58 161,80 24,80 69,56 158,26 -14,65 -3,33 12,83 -7,90 214,62 11,09 164,61 62,41

11,26 -6,41 -4,13 10,95 126,79 41,09 17,06 119,90 -0,72 -4,88 3,97 2,49 0,52 23,81 15,76 6,20 -3,30 -8,53 20,95 -10,83 10,89 72,76 438,90 117,29

5,08 -0,13 5,95 -4,90 25,81 0,02 35,40 24,01 -8,60 -8,01 -36,13 39,44 73,96 64,16 1305,38 1555,51 35,11 -7,63 -41,90 41,76 1232,71 58,22 1755,61 1743,90 3,01 3,54 9,34 -11,29 9,06 12,53 87,24 127,46 18,25 0,49 16,97 -15,86 333,06 0,24 287,98 251,54

-14,17 8,90 8,99 -16,30 200,79 79,21 80,82 265,69 -10,37 -2,06 15,65 -16,30 107,54 4,24 244,92 265,69 -16,70 19,92 -2,65 -16,30 278,89 396,81 7,02 265,69 -20,25 4,05 13,84 -16,30 410,06 16,40 191,55 265,69 4,42 2,50 12,28 -13,19 19,54 6,25 150,80 173,98 -12,62 3,66 -6,94 1,43 159,26 13,40 48,16 2,04

Sambungan Tabel 4.4 Pengujian Regresi Linier Berganda

yx1 yx2 yx3

-54,56 -545,89 585,90 -34,63 -128,04 173,71 16,65 -27,81 5,11 18,97 -8,70 -15,14 34,24 -7,99 -8,86 -58,73 -61,00 111,34

3,15 -5,40 2,25

-15,89 116,75 -94,86 16,02 -60,95 37,52 -6,72 32,14 -22,96 -101,84 -133,55 213,18 -140,21 -90,09 245,94 5,32 -191,75 161,56 76,50 342,60 -350,71

2,40 1,50 -2,29

248,83 -1092,02 859,31 -44,49 334,56 -259,23 -63,35 -106,08 160,02

48,78 -187,96 115,74 -72,18 -46,50 123,30

3,51 -2,86 -1,79 28,15 -69,14 35,74 -0,66 30,23 -24,89 68,89 310,72 -339,18 -267,89 -1471,11 1466,19 10,66 28,11 -33,98

8,94 309,70 -289,45 -126,11 -127,39 230,97

21,36 -162,29 169,03 -332,66 44,25 272,21 -82,01 -280,26 330,08 11,05 54,28 -58,30 -46,19 87,58 -18,05 -54,56 -545,89 585,90

Catatan : = 21,66 = 9,95 = 72,16 = 16,30 Keterangan :

= = – = – yi = Yi−

Sehingga :

JKreg = ∑ + ∑ + ∑

= 1,94(-824,7) + 2,05(-3114,4) + 2,57(3779,4) = 1728,62

JKres =

= 6563,67

Jadi Fhitung dapat dicari dengan :

Fhitung

=

=

= 2,55

Dari tabel distribusi Ftabel untuk dk pembilang (k) = 3 dk penyebut (n-k-1)

= 29, dan α yang digunakan = 0,05, diperoleh Ftabel = 2,93.

Karena Ftabel lebih besar daripada Fhitung maka H0 diterima dan H1 ditolak.

Hal ini berarti antara angka kematian bayi terhadap Dokter, Bidan maupun Dukun sebagai penolong kelahiran tidak ada hubungan atau tidak mempengaruhi angka kematian bayi di Sumatera Utara.

4.4 Koefisien Determinasi

∑y2

= 8294,32

JKreg = 1728,62

Maka akan diperoleh koefisien determinasi dengan rumus :

R2 =

=

= 0,21

Dan untuk koefisien korelasi ganda digunakan rumus : R =

= = 0,46

Dari hasil perhitungan diatas diperoleh koefisien determinasinya sebesar 0,21 dan dari nilai akarnya diperoleh koefisien korelasinya sebesar 0,46. Nilai ini digunakan untuk mnegetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 46% Angka Kematian Bayi dipengaruhi oleh Dokter, Bidan, dan Dukun sebagai Penolong Kelahiran di Sumatera Utara. Sedangkan 54% lainnya dipengaruhi oleh faktor-faktor lain.

4.6 Koefisien Korelasi

Untuk mengukur seberapa besar pengaruh antara variabel bebas dengan variabel takbebas, dapat dilihat dari besarnya koefisien korelasinya, sebagai berikut:

1. Koefisien korelasi antara Angka Kematian Bayi dengan Dokter sebagai Penolong Kelahiran

=

–

–

=

=

=

= -0,26

Dari hasil yang didapat, menunjukkan korelasi lemah antara angka kematian bayi dengan dokter sebagai penolong kelahiran di Sumatera Utara.

2. Koefisien korelasi antara Angka Kematian Bayi dengan Bidan sebagai Penolong Kelahiran

=

=

=

= -0,34

Hasil ini menunjukkan bahwa antara angka kematian bayi dengan bidan sebagai penolong kelahiran di Sumatera Utara berkorelasi lemah.

3. Koefisien korelasi antara Angka Kematian Bayi dengan Dukun sebagai Penolong Kelahiran

=

=

–

=

=

= 0,39

Hasil ini menunjukkan bahwa antara angka kematian bayi dengan dukun sebagai penolong kelahiran di Sumatera Utara berkorelasi lemah.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah tahapan penerapan hasil desain tertulis ke dalam programming dengan menggunakan perangkat lunak (software) sebagai implementasi ataupun prosedur untuk menyelesaikan desain sistem. Adapun implementasi sistem yang digunakan adalah SPSS (Statistical Product and Service Solution) 17.0 for windows.

Tahapan implementsi sistem harus dapat menentukan basis apa yang akan diterapkan dalam menampilkan hasil desain tertulis sehingga sistem yang dibentuk memiliki kelebihan – kelebihan tersendiri.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk olah data statistik, misalnya Microstat, SAS, Statistica, SPS-2000 dan lain-lain, namun SPSS lebih populer dibandingkan dengan program lainnya.

SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai macam riset, sehingga program ini paling banyak digunakan di seluruh dunia. Saat ini Amerika Serikat saja diperkirakan lebih dari 250.000 perusahaan menggunakan SPSS sebagai alat bantu dalam pengambilan keputusan yang strategis bagi perusahaan.

SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stanford University pada 1968. Tahun 1984 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows. SPSS dengan sistem Windows ini telah mengeluarkan software dengan beberapa versi, antara lain SPSS for Windows versi 6, SPSS for Windows versi 7.5, SPSS for Windows versi10.01, SPSS for windows versi 11.5, versi 12, versi 13, versi 14, versi 15, versi 16 dan SPSS for Windows versi 17.0.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the

Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS

diperluas untuk berbagai jenis user, misalnya untuk proses produksi untuk perusahaan, riset ilmu-ilmu sain dan sebagainya. Sehingga SPSS yang sebelumnya singkatan dari Statistical Package for the Social Sciences berubah menjadi Statistical Product and Service Solutions.

5.3 Mengaktifkan SPSS

1. Klik tombol start pada windows, kemudian klik program, lalu klik SPSS. Selain cara itu, bisa diaktifkan melalui icon shortcut pada tampilan dekstop.

Gambar 5.1 Mengaktifkan SPSS

2. Akan muncul tampilan SPSS dengan command window pada layar bagian atas yang terdiri dari : File, Edit, View, Data, Transform, Analyze, Graphs, Utilities, Add-ons, window, dan Help. Bagian bawah terdiri dari Data View

Gambar 5.2 Worksheet

5.4 Input Data pada Worksheet

Langkah-langkah untuk menginput data pada worksheet SPSS adalah sebagai berikut :

1. Klik File

2. Klik New

3. Klik Data sehingga muncul Data Editor

4. Klik Command window bagian bawah yaitu Variable View. Variable view berisi beberapa menu pilihan, yaitu sebagai berikut :

a. Kolom Name : diisi dengan nama atau singkatan nama variabel yang kita inginkan.

b. Kolom Type : jika data berupa angka, maka perintah yang diaktifkan adalah Numeric. Namun jika data yang dimasukkan berupa kata atau huruf, maka perintah yang diaktifkan adalah String.

c. Kolom Widht : jika data berupa huruf dengan perintah String, maka perlu diisi jumlah karakter huruf, namun jika data berupa angka maka dapat diabaikan.

d. Kolom Decimal : dapat diisi apabila data pada kolom tersebut bertipe numeric saja.

e. Kolom Label : untuk memberi penjelasan nama variabel.

f. Kolom Values : digunakan untuk memberi value variabel untuk data tipe nominal atau ordinal. Misalnya 1 = tidak suka, 2 = suka, 3 = sangat suka.

g. Kolom Missing : digunakan apabila dalam data yang akan diolah terdapat data-data yang hilang atau tidak ada. Maksudnya apabila dalam suatu file data terdapat data yang tidak tercatat dikarenakan sesuatu hal.

h. Kolom Colums : untuk menentukan lebar kolom pada kolom data di halaman Data View.

i. Kolom Align : untuk menentukan letak data, terdiri dari Left, Right dan Center

j. Kolom Measure : menunjukkan jenis pengukuran data apakah tipe data skala, nominal atau ordinal.

5. Klik baris 1 Name, isi dengan nama variable yang sesuai. Misalnya baris 1 Name Y, baris 2 Name X1, baris 3 Name X2, dan baris 4 Name X3.

6. Klik baris 1 , 2, 3, dan 4 pada kolom Type pilih numeric karena data yang dimasukkan berupa angka. Sedangkan pada baris 1, 2, 3, dan 4 kolom Label, isi dengan kepanjangan (nama asli) nama Variable secara utuh. Misalnya, baris 1 label diisi dengan Angka Kematian Bayi , baris 2 Label diisi dengan Dokter, baris 3 label diisi dengan Bidan dan Baris 4 label diisi dengan Dukun.

7. Klik Command Window bagian bawah dimana tertulis Data View.

8. Masukkan data sesuai jumlah dan nama variable tertera pada masing-masing kolom worksheet.

9. Data siap diolah sesuai kebutuhan

Gambar 5.3 Layar Kerja Variabel View 5.5 Pengisian Data

1. Aktifkan jendela data dengan mengklik data view pada bagian bawah sudut kiri jendela editor.

Gambar 5.4 Layar Data yang akan diolah 5.6 Pengolahan Data dengan Persamaan Regresi

1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela editor yang tampak.

2. Klik menu Analyze

→

Regression

→

Linier, akan muncul seperti gambar berikut ini:

3. Setelah muncul kotak dialog Linear Regression, kemudian sorot variabel takbebas dan pindahkan ke kotak Dependent, demikian juga dengan variabel bebas pindahkan ke kotak Independent. Seperti gambar dibawah ini :

Gambar 5.6 Kotak Dialog Linear Regression

4. Klik Statistics, selanjutnya akan terbuka kotak dialog Linear Regression Statistics,pilih Colinearity diagnostics untuk menguji multikolinearitas, dan pilih Durbin-Watson untuk menguji autokorelasi, kemudian klik tombol Continue maka akan kembali ke kotak dialog semula.

Gambar 5.7 Kotak Dialog Linier Regression Statistic

5. Kemudian klik Plots pada kolom kiri tersebut, lalu aktifkan Produce All Partial Plots, kemudian Klik continue, lalu klik OK.

5.7 Pengolahan Data dengan Persamaan Korelasi

Langkah-langkah uji korelasi dengan SPSS, setelah langkah-langkah data terpenuhi, maka cara pengujian korelasi dapat dilakukan dengan langkah-langkah sebagai berikut :

1. Klik Analyze, kemudian pilih submenu Correlate, kemudian pilih

Bivariate.

Gambar 5. 9 Analyze Data Correlation

2. Setelah muncul kotak dialog, kemudian sorot variabel-variabel yang akan ditentukan korelasinya dan pindahkan ke kotak Variables.

3. Pada kolom Correlation Coefficients, pilih Pearson, sedang pada kolom Test Of Significant, pilih Two Tailed, lalu klik OK.

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Setelah dilakukan analisis, maka dapat diambil beberapa kesimpulan antara lain : 1. Ternyata dari ketiga variabel yaitu Dokter, Bidan, dan Dukun sebagai

penolong kelahiran tidak berpengaruh yang nyata terhadap penurunan Angka Kematian Bayi di Sumatera Utara.

2. Dari hasil perhitungan diperoleh bahwa persamaan penduga jumlah total angka kematian bayi yang dipengaruhi oleh beberapa faktor terhadap penolong kelahiran penduganya adalah :

Ŷ = -187,86 + 1,94 X1 + 2,05 X2 + 2,57 X3

b0 = -187,86, berarti bahwa jika penolong kelahiran dokter, bidan dan

dukun sama dengan nol, maka rata-rata angka kematian bayi adalah sebesar -187,86. b1 = 1,94, Yang berarti bahwa jika jumlah penolong

kelahiran dokter dengan angka kematian bayi tetap maka kenaikan satu orang jumlah dokter akan menaikkan jumlah angka kematian bayi sebesar 1,94. b2 = 2,05, hal ini berarti bahwa jika jumlah penolong kelahiran bidan

dengan angka kematian bayi tetap, maka kenaikan satu jumlah orang bidan akan bertambah jumlah kematian bayi sebesar 2,05. b3 = 2,57, hal ini

berarti bahwa jika jumlah penolong kelahiran dukun dengan angka kematian bayi tetap, maka kenaikan satu jumlah orang bidan akan bertambah jumlah kematian bayi sebesar 2,57.

3. Dari hasil perhitungan yang telah dilakukan sebelumnya diperoleh koefisien determinasinya sebesar 0,21 dan dari nilai akarnya diperoleh koefisien korelasinya sebesar 0,46. Nilai ini digunakan untuk mnegetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya Sekitar 46% Angka Kematian Bayi dipengaruhi oleh Dokter, Bidan, dan Dukun sebagai Penolong Kelahiran di Sumatera Utara. Sedangkan 54% lainnya dipengaruhi oleh faktor-faktor lain

4. Dari tabel distribusi F dengan dk pembilang (k) = 3 dk penyebut (n-k-1) =

29, dan α = 0,05, diperoleh Ftabel = 2,93. Karena Ftabel lebih besar daripada

Fhitung maka H0 diterima dan H1 ditolak. Hal ini berarti antara angka

kematian bayi terhadap Dokter, Bidan maupun Dukun sebagai penolong kelahiran tidak ada hubungan atau tidak mempengaruhi angka kematian bayi.

5. Korelasi antara jumlah angka kematian bayi terhadap penolong kelahiran dengan dukun merupakan korelasi lemah positif, sedangkan korelasi antara variabel bebas yang lainnya merupakan berkorelasi lemah negatif.

6.2 Saran

Dari analisis dan kesimpulan yang telah didapat ada beberapa saran yang mungkin bisa membantu menekan Angka Kematian Bayi sebagai berikut :

1. Untuk menekan angka kematian bayi pemerintah harus mengirim dan menyebarkan dokter dan bidan keseluruh daerah, terutama daerah pedalaman dalam jumlah yang dibutuhkan.

2. Diharapkan kepada kantor Badan Pusat Statistik agar dapat mengumpulkan data khususnya data mengenai angka kematian bayi yang lebih akurat dan terpercaya.

Andi Supangkat. 2007. Statistika: Dalam Kajian Deskriptif, Inferensi, dan Nonparametrik. Edisi Pertama. Jakarta: Kencana

Anto Dajan. 1991. Pengantar Metode Statistik. Jilid 2. Jakarta: Erlangga

Duwi Priyatno. 2009. SPSS: Untuk Analisis Korelasi, Regresi, dan Multivariate. Edisi Pertama. Yogyakarta: Gava Media

Hakim, M. Iqbal. 1999. Pokok – Pokok Materi Statistik 2. Jakarta: Bumi Aksara

Hartono. 2008. SPSS 16.0: Analisis Data Statistika dan Penelitian. Edisi kedua. Yogyakarta: Pustaka Pelajar

Ida Bagoes Mantra. 2009. Demografi Umum. Edisi Kedua. Yogyakarta: Pustaka Pelajar

Iswardono Sp. 1981. Sekelumit: Analisa Regresi dan Korelasi. Edisi Pertama. Yogyakarta: Fakultas Ekonomi, UGM

J.Supranto. 1991. Statistik Teori dan Aplikasi. Jilid 2. Jakarta: Erlangga Sudjana. 1992. Metode Statistika. Bandung: Tarsito

Yamin, Sofyan dkk. 2010. Regresi dan Korelasi dalam Genggaman Anda. Jakarta: Salemba Empat.

DEPARTEMEN MATEMATIKA PROGRAM STUDI D3 STATISTIKA

Jl. Bioteknologi No. 1 Kampus USU Medan Telp.(061)8211050 Fax.(061)8214290 Medan 20155

Medan, Maret 2013 Nomor : /UN5.2.1.8.1.3/SPB/2012

Lampiran : 1 Lembar

Hal : Pengumpulan Data Riset Mahasiswi Program Studi Diploma III Statistika Departemen Matematika FMIPA USU

Kepada Yth : Bapak Pimpinan

BADAN PUSAT STATISTIK (BPS) SUMATERA UTARA

Jl. Asrama No. 179 Medan Dengan hormat,

Bersama dengan ini kami memohon kesediaan Bapak/Ibu pimpinan untuk menerima mahasiswi Program Studi Diploma III Statistika FMIPA USU Medan, untuk mengadakan penelitian data dikantor Badan Pusat Statistik, atas nama :

Nama NIM Program Studi

NURAZIZAH MANURUNG 102407020 D3 Statistika

Data yang akan diteliti khusus dipergunakan untuk menyusun Tugas Akhir mahasiswi yang bersangkutan pada Program Studi Diploma III Statistika FMIPA USU.

Demikian hal ini kami sampaikan, atas perhatian dan kerja sama yang baik kami ucapkan terima kasih.

A.n Dekan

Pembantu Dekan I

Dr. Marpongahtun, M.Sc

NIP. 19611115 198803 2 002

Tembusan :

1. Ketua Program Studi D3 Statistika 2. Arsip

Jl. Bioteknologi No. 1 Kampus USU MedanTelp.(061)8211050 Fax.(061)8214290, Medan 20155

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama : Nurazizah Manurung

NIM : 102407020

Judul Tugas Akhir : Analisis Faktor Angka Kematian Bayi terhadap Penolong Kelahiran di Sumatera Utara

Dosen Pembimbing : Drs. Suwarno Ariswoyo, M.Si Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan : No Tanggal Asistensi

Bimbingan

Pembahasan pada

Asistensi, Mengenai pada bab Paraf Dosen Pembimbing Keterangan 1 2 3 4 5 6 7 8

*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan Mahasiswa telah selesai

Diketahui/Disetujui

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si. Ph.D Drs. Suwarno Ariswoyo, M.Si

Jl. Bioteknologi No. 1 Kampus USU MedanTelp.(061)8211050 Fax.(061)8214290, Medan 20155

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang Bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Progam D3 Statistika:

Nama : Nurazizah Manurung

NIM : 102407020 Pogram Studi : D3 Statistika Judul Tugas Akhir : Analisis Faktor Angka Kematian Bayi terhadap Penolong

Kelahiran di Sumatera Utara

Telah melakukan test program Tugas Akhir mahasiswa tersebut di atas pada tanggal

Dengan Hasil: Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan D3 Statistika FMIPA USU Medan.

Medan, Juli 2013

Dosen Pembimbing

Drs. Suwarno Ariswoyo, M.Si

AKB Dokter Bidan Dukun

35,65 6,05 33,14 58,18 28,60 4,96 53,71 41,33 17,85 5,58 79,46 14,96 14,81 7,18 73,43 18,51 32,60 13,08 71,43 15,49 13,27 16,95 79,43 3,03 20,65 6,83 77,51 14,07 28,63 7,67 88,91 2,69 10,91 8,46 77,83 12,81 27,40 8,78 77,76 12,30 7,69 17,24 81,72 1,04 3,89 17,84 77,23 2,46 6,02 9,61 84,42 5,97 13,87 0,13 28,18 61,32 20,10 8,41 71,20 17,77 72,03 14,89 50,48 33,36 51,32 8,45 83,44 7,56 8,94 14,93 80,50 3,72 7,01 6,62 84,99 8,40 32,92 3,54 68,03 27,25 20,94 5,07 76,13 18,79 18,36 1,42 93,11 5,47 26,74 9,82 78,11 11,40 13,06 1,94 36,03 55,74 56,77 2,32 30,26 58,06 24,67 13,49 81,50 5,01 39,91 10,44 89,13 0,44 7,49 18,85 81,15 0,00 11,29 7,89 87,81 0,00 4,96 29,87 69,51 0,00 1,41 14,00 86,00 0,00 26,08 12,45 84,44 3,11 9,04 13,61 65,22 17,73