Pengolahan Data Analisa Pengaruh Jumlah Pasangan Usia Subur (PUS) Dan Lahir Hidup Terhadap Angka Kelahiran Di Kotamadya Medan Tahun 2004-2008

BAB 4 ANALISIS DATA

4.1 Pengolahan Data

Data yang diambil dari Kantor Badan Pusat Statistik Provinsi Sumatera Utara adalah data Angka Kelahiran Total TFR, Jumlah Pasangan Usia Subur PUS dan Jumlah Lahir Hidup di Kotamadya Medan pada tahun 2004 – 2008. Tabel 4.1 Angka Kelahiran Total TFR, Jumlah Pasangan Usia Subur PUS dan Lahir Hidup tahun 2004 – 2008 di Kotamadya Medan Tahun TFR Jumlah Pasangan Usia Subur Jumlah Lahir Hidup 2004 2.68 307969 50592 2005 2.65 285972 49011 2006 2.57 317411 45833 2007 2.42 305821 41361 2008 2.36 310366 39441 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara Dari data tersebut maka : Y = Angka Kelahiran Total TFR X 1 = Jumlah Pasangan Usia Subur X 2 = Jumlah Lahir Hidup Universitas Sumatera Utara Dari data tersebut dapat dicari persamaan regresi linier berganda dengan menghitung terlebih dahulu : ∑ Y = Jumlah angka kelahiran total ∑ X 1 = Jumlah pasangan usia subur ∑ X 2 = Jumlah lahir hidup Y X ∑ 1 = Jumlah hasil perkalian antara jumlah pasangan usia subur dengan angka kelahiran total Y X ∑ 2 = Jumlah hasil perkalian antara jumlah lahir hidup dengan angka kelahiran total X X 2 1 ∑ = Jumlah hasil perkalian antara jumlah pasangan usia subur dengan lahir hidup Tabel 4.2 Harga-harga yang diperlukan untuk menghitung koefisien b b b 2 1 , , n Y X 1 X 2 Y 2 X 2 1 X 2 2 1 2.68 307969 50592 7.1824 94844904961 2559550464 2 2.65 285972 49011 7.0225 81779984784 2402078121 3 2.57 317411 45833 6.6049 1.0075E+11 2100663889 4 2.42 305821 41361 5.8564 93526484041 1710732321 5 2.36 310366 39441 5.5696 96327053956 1555592481 Jumlah 12.68 1527539 226238 32.2358 4.67228E+11 10328617276 n Y X 1 Y X 2 X X 2 1 1 825356.92 135586.56 15580767648 2 757825.8 129879.15 14015773692 3 815746.27 117790.81 14547898363 4 740086.82 100093.62 12649062381 5 732463.76 93080.76 12241145406 Jumlah 3871479.57 576430.9 69034647490 Universitas Sumatera Utara Dari Tabel 4.2 diperoleh hasil sebagai berikut : n = 5 ∑ Y = 12.68 ∑ X 1 = 1527539 ∑ X 2 = 226238 ∑Y 2 = 32.2358 ∑ X 2 1 = 4.67228E+11 ∑ X 2 2 = 10328617276 Y X ∑ 1 = 3871479.57 Y X ∑ 2 = 576430.9 X X 2 1 ∑ = 69034647490 Y = 2.536 X 1 = 305507.8 X 2 = 45247.6 Dari data tersebut didapat persamaan sebagai berikut : ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ + + = + + = + + = X b X X b X b Y X X X b X b X b Y X X b X b b i i i i i i i i i i i i i i i n Y 2 2 2 2 1 1 2 2 2 1 2 2 1 1 1 1 2 2 1 1 Universitas Sumatera Utara Kemudian substitusikan nilai-nilai yang bersesuaian sehingga diperoleh persamaan sebagai berikut : 12.68 = 5 b + 1527539 b 1 + 226238 b 2 3871479.57 = 1527539 b + 4. 67228 E+11 b 1 + 69034647490 b 2 576430.9 = 226238 b + 69034647490 b 1 + 10328617276 b 2 Persamaan tersebut dapat dituliskan dalam bentuk matriks sebagai berikut :           =                     +           =                     ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ 9 . 576430 57 . 3871479 68 . 12 6 1032861727 6903464749 226238 6903464749 11 67228 . 4 1527539 226238 1527539 5 2 1 2 1 2 1 2 2 2 1 2 2 1 2 1 1 2 1 b b b Y X Y X Y b b b X X X X X X X X X X E n i i i i i i i i i i i i i i i Misalkan : C b A = ⋅ Maka : C b A ⋅ = −1 Sehingga :           − − =                     − − − − − − − − = 05 94137 . 2 07 39018 . 1 162629948 . 1 9 . 576430 57 . 3871479 68 . 12 08 25806 . 1 09 88396 . 1 001144808 . 09 88396 . 1 09 09015 . 2 000723801 . 001144808 . 000723801 . 1265054 . 273 E E b E E E E b Universitas Sumatera Utara Dari penyelesaian di atas, maka diperoleh koefisien-koefisien regresi linier berganda sebagai berikut : b = 1.163 b 1 = 1.390E-07 b 2 = 2.941E-05 Dengan demikian diperoleh persamaan regresi ganda sebagai berikut : X X E E Y 2 1 05 941 . 2 07 390 . 1 163 . 1 − + − + = Setelah diperoleh persamaan regresi berganda, langkah selanjutnya adalah menghitung kesalahan baku. Untuk menghitung kekeliruan baku tafsiran diperlukan harga-harga harga-harga Y yang diperoleh dari persamaan regresi di atas untuk tiap harga X 1 dan X 2 yang diketahui. Table 4.3 Harga Y untuk Menghitung Kekeliruan Tafsiran Baku n Y Y       − Y Y 2       −Y Y 1 2.68 2.693540696 -0.013540696 0.00018335 2 2.65 2.643979673 0.006020327 3.62443E-05 3 2.57 2.554873532 0.015126468 0.00022881 4 2.42 2.421724278 -0.001724278 2.97313E-06 5 2.36 2.365881821 -0.005881821 3.45958E-05 ∑ 12.68 0.000485974 Universitas Sumatera Utara Maka kekeliruan bakunya dapat dihitung dengan menggunakan rumus sebagai berikut : 1 2 12 . − −       − = ∑ k n Y Y s y dengan k = 2, n = 5 dan 2 ∑       −Y Y = 0.000485974 sehingga diperoleh : 01559 . 01558804 . 000242987 . 2 000485974 . 1 2 5 000485974 . 12 . 12 . 12 . 12 . 12 . = = = = − − = s s s s s y y y y y Ini berarti rata-rata tingkat kelahiran yang sebenarnya akan menyimpang dari rata-rata tingkat kelahiran yang diperkirakan sebesar 0.01559.

4.2 Uji Keberartian Regresi