5.3.3 Menyimpan Data
Setelah semua data diisikan dan didefinisikan untuk setiap variabel ke dalam SPSS data editor,maka langkah selanjutnya adalah menyimpan file tersebut dengan langkah-
langkah sebagai berikut: 1.
Dari menu SPSS, pilih menu file, kemudian pilih submenu save as …
2. Beri nama file tersebut.
3. Setelah menemukan direktori yang dituju, klik save
4. Apabila mau menyimpan file yang telah diberi nama tanpa mengganti dengan
nama baru, tinggal klik save.
5.4 Analisis Regresi dan Korelasi dengan SPSS
Langkah – langkah analisis regresi dan korelasi dapat dilakukan sebagai berikut:
1. Buka menu Analyze, kemudian Regression , Linear. Maka akan muncul
gambar sebagai berikut:
Gambar 5.5 Tampilan saat membuat persamaan Linear
Universitas Sumatera Utara
Kemudian masukkan variabel TFR ke kotak Dependent dan di kotak Independent masukkan kedua variabel bebas PUS dan Perkapita .
2. Pilih tab Statistics, kemudian dan berikan tanda ceklist pada kotak Estimate,
Model Fit, Descriptive, Part and Partial Correlations, kemudian pada residual berikan ceklist pada Casewise diagnostic serta All Cases, dan Klik Continue,
seperti pada tampilan di bawah ini:
Gambar 5.6 Tampilan pada kotak Statistik
Universitas Sumatera Utara
3.
Klik plot dan berikan tanda ceklist pada pilihan Produce All Partial Plot. Lalu klik Continue seperti pada tampilan berikut:
Gambar 5.7 Tampilan pada kotak Plot
4. Kemudian Klik OK untuk mengakhiri pengisian prosedur analisis
Tampilan Output nya dapat dilihat pada Lampiran.
Universitas Sumatera Utara
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil analisis yang telah dilakukan maka dapat diambil beberapa kesimpulan yaitu:
1. Dari hasil perhitungan diperoleh bahwa persamaan penduga tingkat kelahiran
total TFR untuk jumlah pasangan usia subur dan pendapatan perkapita adalah: = 2.67699 + 4.4328709E-07 X
1
- 4.8834546E-08 X
2
yang berarti setiap penambahan 1 pasangan usia subur akan meningkatkan karena tanda +
tingkat kelahiran sebesar 4.4328709E-07, dan setiap penambahan 1 Rupiah pendapatan
perkapita akan
mengurangi tingkat
kelahiran sebesar
4.8834546 E-08. Konstanta sebesar 2.67699 berarti tanpa adanya variabel pasangan usia subur dan pendapatan perkapita besar tingkat kelahiran total di
Sumatera Utara adalah 2.67699 . 2.
Melalui uji keberartian regresi, dengan taraf nyata α = 0,05 disimpulkan H ditolak dan H
1
diterima. Hal ini berarti bahwa Persamaan Regresi linear ganda bersifat nyata dan kedua variabel X yaitu Pasangan Usia Subur dan
Pendapatan Perkapita, secara bersama-sama mempengaruhi variabel Y yaitu Tingkat Fertilitas TFR di Sumatera Utara.
3. Berdasarkan perhitungan korelasi antara variabel X
1
dan X
2
terhadap Y dapat disimpulkan bahwa:
Universitas Sumatera Utara
a. Korelasi antara angka tingkat kelahiran total TFR dengan jumlah
pasangan usia subur adalah 0,06342 yang berarti terdapat korelasi yang sangat rendah lemah dengan arah yang positif.
4. Korelasi antara angka tingkat kelahiran total TFR dengan tingkat
pendapatan perkapita adalah – 0.7508102 yang berarti terdapat korelasi yang
tinggi kearah yang berlawanannegative. 5.
Dari pengujian kedua koefisien regresi tersebut variabel X
1
pasangan usia subur dan variabel X
2
pendapatan berkapita memiliki pengaruh terhadap terhadap Y tingkat kelahiran total TFR secara signifikan.
6.2 Saran