5.5 Pengolahan Data dengan Persamaan Korelasi
Langkah-lagkahnya 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 Correlate, dan klik Bivariate seperti gambar berikut :
Gambar 5.11 Pilih Analyze, Correlate, Bivariate 3. Pada kotak dialog Bivariate Correlations akan ditampilkan variabel-variabel
yang akan diuji. Pindahkan variabel-variabel tersebut ke dalam kotak
Variables
.
4. Pada kolom Correlation Coefficients aktifkan Pearson, pada kolom Test of Significance
aktifkan Two-tailed dan Flag significant correlations, lalu klik OK
seperti gambar berikut :
Universitas Sumatera Utara
Gambar 5.12 Kotak dialog Bivariate Correlation
Universitas Sumatera Utara
BAB 6
PENUTUP
6.1 Kesimpulan
Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain :
1. Dengan menggunakan analisis regresi linier berganda diperoleh model persamaan linier ganda, yaitu :
Ŷ = 68,542 +
0,134X
−
0,032X
+
18,324X
2. Dari hasil perhitungan koefisien korelasi ganda variabel
X
,
X
,
X
dan variabel Y, diperoleh korelasi r yaitu sebesar 0,996 yang berarti bahwa
variabel X dan variabel Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi
R
= 0,992 yang berarti sekitar 99 jumlah kelahiran dipengaruhi oleh jumlah pasangan usia subur,
jumlah akseptor KB, dan puskesmas pembantu dan rumah bersalin. Sedangkan sisanya sebesar 100 - 99 = 1 dipengaruhi oleh faktor lain.
Universitas Sumatera Utara
3. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel
X
,
X
, dan
X
dengan variabel Y diketahui bahwa faktor yang paling berpengaruh terhadap tingginya jumlah kelahiran bayi di Kabupaten Deli
Serdang adalah jumlah pasangan usia subur yaitu sebesar 0,995, disusul dengan jumlah pengguna alat kontrasepsi yaitu sebesar 0,994 dan yang
terakhir adalah puskesmas pembantu dan rumah bersalin yaitu sebesar 0,889.
4. Dari hasil perhitungan distribusi student diketahui koefisisen regresi linier untuk
X
signifikan berarti, sedangkan untuk
X
dan
X
tidak signifikan tidak berarti. Maka untuk prediksi jumlah kelahiran bayi hanya jumlah
pasangan usia subur saja yang memberikan pengaruh yang berarti, sedangkan jumlah akseptor KB dan jumlah puskesmas pembantu dan
rumah bersalin tidak memberikan pengaruh yang berarti terhadap jumlah kelahiran bayi.
6.2 Saran