Analisis Beberapa Faktor Yang Mempengaruhi Jumlah Akseptor Aktif KB Dikota Medan Tahun 2012

(1)

ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI

JUMLAH AKSEPTOR KB AKTIF DIKOTA MEDAN

TAHUN 2012

SKRIPSI

TRIGUSTINA SIMBOLON

110823014

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

(2)

ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI JUMLAH AKSEPTOR KB AKTIF DI KOTA MEDAN

TAHUN 2012

SKRIPSI

Diajukan untuk melengkapi dan memenuhi syarat mencapai gelar Sarjana Sains

TRIGUSTINA SIMBOLON 110823014

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

(3)

PERSETUJUAN

Judul : ANALISIS BEBERAPA FAKTOR YANG

MEMPENGARUHI JUMLAH AKSEPTOR AKTIF KB DIKOTA MEDAN TAHUN 2012

Kategori : SKRIPSI

Nama : TRIGUSTINA SIMBOLON

Nomor Induk Mahasiswa : 110823014

Program Studi : MATEMATIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juli 2013 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Drs. Partano Siagian, M.sc Drs. Gim Tarigan, M.Si

NIP. 19511227 198003 1 001 NIP. 19550202 198601 1 001

Diketahui/ Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, MSi

(4)

PERNYATAAN

ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI JUMLAH AKSEPTOR KB AKTIF DI KOTA MEDAN TAHUN 2012

SKRIPSI

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan, data dan ringkasan yang masing – masing disebut sumbernya.

Medan, Juli 2013

TRIGUSTINA SIMBOLON 110823014

(5)

PENGHARGAAN

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena berkat, rahmat dan bimbingan-Nya penulis dapat menyelesaikan skripsi ini dengan judul Analisis Beberapa Faktor Yang Mempengaruhi Jumlah Akseptor KB Aktif di kota Medan Tahun 2012.

Pada kesempatan ini penulis menyampaikan ucapan terima kasih kepada: Drs. Gim Tarigan, M. Si dan Drs. Partano, M. Sc selaku dosen pembimbing yang telah bersedia meluangkan waktu, memberikan masukan, bimbingan dan arahan untuk menyelesaikan skripsi ini. Terimakasih kepada Drs. Ariswoyo, M. Si dan Drs. Marihat Situmorang, M. Kom selaku dosen penguji yang telah memberikan saran dan masukan untuk penyempurnaan penyelesaian skripsi ini. Terimakasih kepada Bapak Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si selaku Ketua dan Sekertaris Departemen Matematika FMIPA Universitas Sumatera Utara. Dekan FMIPA USU, seluruh Staff dan Dosen Matematika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Terimakasih Ayahanda N. Simbolon dan Ibunda R. Pakpahan, yang senantiasa memberikan dukungan materi maupun moril, yang senantiasa membawakan penulis dalam doa, sehingga penulis dapat menyelesaikan studi dengan baik.

(6)

ABSTRAK

Keluarga Berencana (KB) adalah tindakan yang membantu individu atau pasangan suami istri untuk menghindari kelahiran yang tidak diinginkan, mendapatkan kelahiran yang memang diinginkan, mengatur interval diantara kelahiran. Penelitian ini membahas mengenai beberapa variabel yang mempengaruhi jumlah Akseptor KB Aktif di kota Medan. Dalam penelitian ini regresi linier berganda digunakan untuk menentukan persamaan dan menganalisis data serta mengambil kesimpulan yang bermakna tentang hubungan kebergantungan dari variabel bebas terhadap variabel terikat. Dimana diperoleh bahwa Pasangan Usia Subur (PUS) dan target Akseptor KB Baru yang memberikan pengaruh paling besar terhadap Jumlah Akseptor KB Aktif di kota Medan.

Kata kunci :Keluarga Berencana (KB), Regresi Linier Berganda, Pasangan Usia Subur (PUS)

(7)

ABSTRACT

Family Planning is a measure that helps individuals or married couples to avoid unwanted births, get the birth that are desired, set the interval between births. This study discusses about some of the variables that affect the number of Current user

(CU) in Medan. In this study multiple linear regression equation used to determine and analyze data and draw conclusions about the relationship meaningful dependence of the independent variable on the dependent variable. Which gained that age Infertile Couples and the target that gives the most influence on number of Current user (CU) in Medan.

(8)

(9)

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

ABSTRAK vi

DAFTAR ISI vii DAFTAR TABEL viii

Bab 1 Pendahuluan 1.1 Latar Belakang 1

1.2 Perumusan Masalah 4

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 5

1.5 Kontribusi Penelitian 5

1.6 Tinjauan Pustaka 5 1.7 Metodologi Penelitian 7

Bab 2 Landasan Teori 2.1Keluarga Berencana 8

2.1.1 Beberapa Konsep Tentang KB 8

2.1.2 Tujuan Keluarga Berencana 8

2.1.3 Sasaran Program KB 9

2.1.4 Ruang lingkup Program KB 9

2.1.5 Akseptor Keluarga Berencana 9

2.1.6 Konsep Tentang Keluarga Berencana (KB) 9

2.1.7 Jenis - Jenis Akseptor KB 10

2.1.8 Pengertian Pasangan Usia Subur 10

2.1.9 Akseptor KB Menurut Sasarannya 11

2.1.9 Pelayanan Keluarga Berencana 11

2.1.10 Aspek Keluarga Sejahtera 12

2.2 Analisis Regresi 14

2.3 Regresi Linier Sederhana 15

2.4 Analisis Regresi Linier Berganda 17

2.5 Metode Matriks 18

2.5.1 Pengertian dan Jenis-Jenis Matriks 18

2.5.2 Transpose Suatu Matriks 19

2.5.3 Penjumlahan Matriks 19 2.5.4 Perkalian Matriks 20

2.5.5 Inversi Suatu Matriks 20

2.5.6 Determinan Matriks 21

2.6 Perhitungan Parameter dengan Menggunakan Metode Matriks

(Invers Matriks) 21

(10)

2.8 Uji Keberartian Regresi 25

2.9 Analisis Korelasi 27

2.10 Koefisien Determinasi 28

Bab 3 Pembahasan Dan Hasil

3.2Analisis Data 30

3.2 Perhitungan Nilai Parameter dengan Menggunakan Metode Matriks 32 3.3Perhitungan Simpangan Baku yang Dihasilkan dari Setiap Model 38

3.4 Uji Keberartian Regresi 39

3.5 Perhitungan Korelasi antara variabel bebas dengan variabel terikat40

3.6 Perhitungan Koefisien Determinasi 43

Bab 4 Kesimpulan dan Saran

4.1 Kesimpulan 45

4.2 Saran 46

DAFTAR PUSTAKA LAMPIRAN

(11)

DAFTAR TABEL

Tabel 2.1 Daftar Anava 26

Tabel 3.1 Penyajian Data Tahun 2012 31

Tabel 3.2 Nilai yang Diperlukan untuk Menghitung Simpangan Baku 38

(12)

PENGHARGAAN

(13)

ABSTRAK

Kata kunci :Keluarga Berencana (KB), Regresi Linier Berganda, Pasangan Usia Subur (PUS)

(14)

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Keluarga Berencana (KB) bukanlah hal baru, karena menurut catatan-catatan dan tulisan-tulisan yang berasal dari Mesir Kuno, Yunani Kuno, Tiongkok Kuno dan India. hal ini telah mulai dipraktekkan sejak berabad-abad yang lalu tetapi pada waktu itu cara-cara yang dipakai masih kuno dan primitif.

Dalam sejarah manusia berabad-abad lamanya tidak seorangpun yang tahu bagaimana terjadinya kehamilan. Hubungan antara persetubuhan suami istri dengan kehamilan tidak diketahui sama sekali, kehamilan disangka disebabkan oleh sesuatu yang masuk atau termakan oleh wanita atau disebabkan oleh pengaruh matahari dan bulan atau hal-hal lainnya. Indonesia merupakan salah satu negara yang memiliki jumlah penduduk yang besar.

Tak heran jika masalah demi masalah terus melanda Indonesia khususnya masalah ekonomi yang erat dengan kependudukan. Dalam hal jumlah penduduk, Indonesia menempati posisi keempat dunia di bawah Amerika Serikat (tahun 2005). Sungguh ironis, jumlah penduduk yang sangat besar tersebut tidak dibarengi oleh kemajuan negara. Tak heran jika Indonesia hanya menjadi negara yang sedang berkembang dengan angka kemiskinan yang tinggi. Kepadatan penduduk tidak dapat dielakkan dan menimbulkan bermacam masalah di dalam masyarakat tersebut seperti pengangguran, kriminal, tempat kumuh, kemacetan lalu lintas yang semakin lama akan terus mencekik bangsa ini.

(15)

Salah satu faktor penyebab masalah itu adalah kurangnya sistem manajemen kependudukan yang sehat dan berkelanjutan. Kita tahu Indonesia mempunyai Angka Kelahiran Total (Total Fertility Rate) cukup tinggi. Jika tidak dapat ditekan akan menimbulkan dampak kependudukan yang tidak sehat. Salah satu caranya adalah dengan menggiatkan kembali Program KB secara efektif dan berkelanjutan.

Indonesia telah mendapat penghargaan dari PBB berupa “Population Award” sebagai wujud pengakuan dan penghargaan dunia atas keberhasilan Indonesia dalam pengendalian masalah kependudukan. Namun pengakuan dan penghargaan itu ternyata tak membuat pemerintah untuk merefleksi diri. Sepertinya pemerintah lengah dalam menghadapi gejala-gejala yang terjadi di masyarakat. Pemerintah kurang tanggap terhadap masalah yang ada, sehingga ketika Program KB dinyatakan berhasil menekan jumlah penduduk, pemerintah seolah-olah hanya duduk manis tanpa merencanakan Program KB selanjutnya.

Akhirnya Program KB hanya terbengkalai seperti ladang kering saat kemarau panjang. Tidak dapat dipungkiri juga, masyarakat sekarang ini mulai memandang sebelah mata Program KB. Ini salah satu kecerobohan sistem kependudukan yang dijalankan pemerintah. Berkurangnya sosialisasi membuat antusiasme masyarakat terhadap Keluarga Berencana menjadi berkurang. Jika sosialisasi KB tetap berjalan seperti saaat mengampanyekannya, saya sangat optimistis minat warga dalam ber-KB akan tetap tinggi.

Saat Program KB dicanangkan sebagai Program Nasional pada tanggal 29 Juni 1970, Program KB Nasional mempunyai 2 tujuan yaitu menurunkan Angka Kelahiran Total (Total Fertility Rate) dan melembagakan atau membudayakan Norma Keluarga Kecil yang Bahagia dan Sejahtera (NKKBS). Namun kedua tujuan itu tidaklah akan berhasil jika tidak ditunjang degan kinerja yang efektif dan berkelanjutan. Jadi upaya untuk mensosialisasikan dan mengampanyekan KB harus selalu tetap berjalan agar tidak hanya berjalan di tempat.

(16)

Sekarang program keluarga berencana harus mempunyai tantangan dan tujuan yang lebih komplek untuk mengupayakan kesejahteraan penduduk Indonesia. Sistem manajemen kependudukan yang efektif dan berkelanjutan juga harus diterapkan secara maksimal sehingga Program KB yang masih mempunyai Agenda Kependudukan dan Pembangunan keluarga yang berkualitas akan berjaya kembali.

Pembangunan kependudukan di Indonesia selama sepuluh tahun terakhir stagnan. Jumlah peserta KB tidak meningkat dan Pasangan Usia Subur (PUS) juga tidak berkurang sehinggga sasaran mewujudkan penduduk tumbuh seimbang 2015 sulit tercapai.

Akseptor KB di Indonesia hingga kini baru 57 % dari PUS. Angka itu jauh tertinggal dibandingkan sasaran yang ingin dicapai sebanyak 65%. Padahal dalam sepuluh tahun terakhir rata-rata kepemilikan anak itu diharapkan dapat ditekan menjadi 2,3 anak. Untuk menyukseskan Program KB dan mengendalikan pertumbuhan penduduk perlu dukungan dan kerja keras, khususnya kesadaran PUS.

Berdasarkan data Badan Pusat Statistik (BPS), angka kelahiran di kota Medan pada Tahun 2011 mencapai 46.295 jiwa. Angka ini meningkat dari tahun sebelumnya dari 44.970 jiwa

Berdasarkan permasalahan permasalahan diatas maka penelitian ditulis dengan judul “ ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI JUMLAH AKSEPTOR KB AKTIF DI KOTA MEDAN TAHUN 2012”.

(17)

1.2. Perumusan Masalah

Perumusan masalah yang akan dibahas adalah sebagai berikut:

1. Bagaimana hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Jumlah Akseptor KB Aktif (Y) atas Jumlah Pasangan Usia Subur (X1), Jumlah Target Akseptor KB Aktif (X2), Jumlah

Pelayanan (X3), Jumlah Klinik (X4), dan Jumlah Keluarga Prasejahtera (X5)

2. Variabel manakah yang mempengaruhi Jumlah Akseptor KB Aktif (Y) di Kota Medan?

3. Bagaimana pengaruh X1, X2, X3, X4,X5 terhadap Y di kota Medan.

4. Seberapa besar pengaruh X1, X2, X3, X4,X5 terhadap Y di kota Medan.

1.3. Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah :

1. Metode yang dibahas adalah metode regresi linier berganda

2. Banyaknya variabel yang digunakan ada enam variabel yaitu Jumlah Peserta KB Aktif, banyaknya Pasangan Usia Subur, Jumlah Target Akseptor Aktif, Banyaknya Pelayanan KB, Banyaknya Klinik menurut Status, dan Jumlah Keluarga Prasejahtera.

1.4.Tujuan Penelitian

1. Untuk menentukan nilai dari parameter regresi berganda.

2. Melihat bagaimana hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Jumlah Akseptor KB Aktif (Y) atas Jumlah Pasangan Usia Subur (X1), Jumlah Target Akseptor KB Aktif (X2),

Jumlah Pelayanan (X3), Jumlah Klinik (X4), dan Jumlah Keluarga

(18)

3. Untuk mengetahui variabel manakah yang lebih mempengaruhi Jumlah Akseptor KB Aktif (Y) di Kota Medan.

4. Untuk melihat pengaruh X1, X2, X3, X4,X5 terhadap (Y) di kota Medan.

5. Seberapa besar pengaruh X1, X2, X3, X4,X5 terhadap Y KB di kota Medan.

1.5.Kontribusi Penelitian

1. Sebagai penerapan ilmu dari mata kuliah yang diperoleh selama masa perkuliahan

2. Sebagai pertimbangan dalam pengambilan kebijakan masalah program keluarga berencana.

1.6. Metode Penelitian

Untuk mendukung penyusunan Tugas Akhir, digunakan beberapa metode untuk memperoleh data. Metode yang digunakan sebagai berikut :

1. Metode Kepustakaan (Studi Literature)

Metode Kepustakaan adalah metode penelitian dimana data yang diperoleh dengan membaca dan mempelajari buku-buku ataupun literatur yang bisa diperoleh dari perkuliahan ataupun secara umum, serta sumber informasi lain seperti internet.

2. Metode Pengumpulan Data

Untuk memperoleh data yang dibutuhkan, dilakukan riset di Badan Pusat Statistik (BPS) Sumatera Utara, Badan Kependudukan dan Keluarga Berencana Nasional dengan mengambil data sekunder. Data yang diperoleh kemudian sajikan dan disusun dalam bentuk angka- angka agar gambaran yang jelas dari sekumpulan data yang di peroleh dapat diambil yang kemudian dapat ditarik kesimpulannya.

(19)

3. Metode Pengolahan Data

Data penelitian dianalisa dengan menggunakan metode regresi linier berganda untuk melihat persamaan regresi linier nya dan untuk mengetahui hubungan setiap variabel digunakan analisis korelasi.

a. Menentukan kelompok data yang menjadi variabel bebas (X) dan variabel terikat (Y).

b. Menentukan hubungan antara variabel bebas (X) dengan variabel terikat (Y) sehingga didapat regresi Y atas X1, X2, X3, . . ., Xk.

c. Uji regresi linier berganda untuk mengetahui besarnya pengaruh variabel bebas X secara bersama-sama terhadap variabel terikat. Secara umum model regresi linier berganda adalah sebagai berikut:

Yi = 0 + 1 X1i + 2X2i + . . . + kXki + εi

d. Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel terikat.

e. Uji determinasi untuk mengetahui seberapa besar kontribusi variabel bebas terhadap variabel terikat.

1.7. TINJAUAN PUSTAKA

Dalam penelitian ini, digunakan buku-buku dan website sebagai sumber utamanya adalah sebagai berikut :

1. Dyah Noviawati Setya Arum, S.Si.T (2008) Pengertian Keluarga Berencana (KB) menurut UU No.10 tahun 1992 (tentang perkembangan kependudukan dan pembangunan keluarga sejahtera) adalah upaya peningkatan kepedulian dan peran serta masyarakat melalui pendewasaan usia perkawinan (PUP), pengaturan kelahiran, pembinaan ketahanan keluarga, peningkatan kesejahteraankecil, bahagia dan sejahtera

2. Dadang Juliantoro (2000), jenjang tingkat pelayanan kesehatan dan jenis pelayanan kontrasepsi dapat dirinci sebagai berikut. Pelayanan jenjang pertama terjadi pada tingkat rumah tangga, dan berupa pelayanan kesehatan oleh individu atau oleh keluarganya sendiri. Pelayanan jenjang kedua berjalan pada tingkat masyarakat, dan berupa kegiatan swadaya masyarakat dalam

(20)

menolong mereka sendiri. Kegiatan swadaya itu dapat dikembangkan oleh Posyandu, Kelompok Akseptor, PKK, Saka Bakti Husada, Pembantu Pembina KB Desa, Anggota RW/RT, dan kelompok lain. Pelayanan kesehatan pada jenjang ketiga berupa fasilitas kesehatan professional pada tingkat pertama atau dasar, yaitu puskesmas, Puskesmas Pembantu, Puskesmas Keliling, Tim KB Keliling, praktek dokter swasta, dan poliklinik swasta. Kemudian terdapat pelayanan kesehatan jenjang empat : fasilitas pelayanan rujukan yang lebih tinggi atau lanjutan, berupa RS kelas B dan A serta lembaga spesialis swasta, laboratorium (Lab) kesehatan daerah, dan Lab Klinik Swasta.

3. SUDJANA (2002), jika melibatkan hubungan antara Y atas X1, X2,.. Xk,

untuk sampel maka model regresi bergandanya adalah sebagai berikut: Ŷ = a0 + a1X1 + a2X2 + …+ akXk

4. Supranto (2001), kuat atau tidaknya hubungan variabel independent (X) dan variabel dependent (Y) diukur dengan suatu nilai yang disebut dengan koefisien korelasi, sedangkan besarnya pengaruh X terhadap Y, diukur dengan koefisien regresi. Persamaan regresi juga menggambarkan relasi dari variabel- variabel yang ada didalamnya.

(21)

BAB 2

LANDASAN TEORI

2.1 Keluarga Berencana

2.1.1 Beberapa Konsep Tentang KB

Keluarga Berencana (KB) merupakan salah satu usaha untuk mencapai kesejahteraan dengan jalan memberikan nasehat perkawinan, pengobatan kemandulan dan penjarangan kelahiran (Depkes RI, 1999).

Keluarga Berencana (KB) adalah proses yang disadari oleh pasangan untuk memutuskan jumlah dan jarak anak serta waktu kelahiran (Stright, 2004).

2.1.2 Tujuan Keluarga Berencana

a. Meningkatkan kesejahteraan ibu dan anak serta mewujudkan keluarga kecil yang bahagia dan sejahtera melalui pengendalian kelahiran dan pengendalian pertumbuhan penduduk Indonesia.

b. Terciptanya penduduk yang berkualitas, sumber daya manusia yang bermutu dan meningkatkan kesejahteraan keluarga.

(22)

2.1.3 Sasaran Program KB

Sasaran pelaksanaan Program KB ada dua yaitu: a. Sasaran langsung

Pasangan usia subur yang bertujuan untuk menurunkan tingkat kelahiran dengan cara penggunaan kontrasepsi secara berkelanjutan.

b. Sasaran tidak langsung

Pelaksana dan Pengelola KB, dengan cara menurunkan tingkat kelahiran melalui pendekatan kebijaksanaan kependudukan terpadu dalam rangka mencapai keluarga yang berkualitas dan keluarga sejahtera (Handayani,2010).

2.1.4 Ruang lingkup Program KB

Menurut Handayani (2010) ruang lingkup program KB,meliputi: a. Komunikasi informasi dan edukasi.

b. Konseling.

c. Pelayanan infertilitas. d. Pendidikan seks.

e. Konsultasi pra perkawinan dan konsultasi perkawinan. f. Konsultasi genetik

2.1.5 Akseptor Keluarga Berencana

Akseptor KB adalah proses yang disadari oleh pasangan untuk memutuskan jumlah dan jarak anak serta waktu kelahiran (Barbara R.Stright,2004).

(23)

2.1.6Jenis - Jenis Akseptor KB

Jenis-jenis Akseptor KB adalah:

a. Akseptor Aktif adalah akseptor yang ada pada saat ini menggunakan salah satu cara/alat kontrasepsi untuk menjarangkan kehamilan atau mengakhiri kesuburan.

b. Akseptor Aktif Kembali adalah Pasangan Usia Subur (PUS) yang telah menggunakan kontrasepsi selama 3 (tiga) bulan atau lebih yang tidak diselingi suatu kehamilan, dan kembali menggunakan cara alat kontrasepsi baik dengan cara yang sama maupun berganti cara setelah berhenti/istirahat kurang lebih 3 (tiga) bulan berturut–turut dan bukan karena hamil.

c. Akseptor KB Baru adalah akseptor yang baru pertama kali menggunakan alat/ obat kontrasepsi atau Pasangan Usia Subur yang kembali menggunakan alat kontrasepsi setelah melahirkan atau abortus.

d. Akseptor KB Dini adalah para ibu yang menerima salah satu cara kontrasepsi dalam waktu 2 minggu setelah melahirkan atau abortus.

e. Akseptor Langsung adalah para istri yang memakai salah satu cara kontrasepsi dalam waktu 40 hari setelah melahirkan atau abortus.

f. Akseptor Dropout adalah akseptor yang menghentikan pemakaian kontrasepsi lebih dari 3 bulan (BKKBN, 2012).

2.1.7 Pengertian Pasangan Usia Subur

Pasangan Usia Subur yaitu pasangan suami istri yang istrinya berumur 25 - 35 tahun atau pasangan suami istri yang istrinya berumur kurang dari 15 tahun dan sudah haid atau istri berumur lebih dari 50 tahun tetapi masih haid (datang bulan) (BKKBN, 2012;16)

(24)

2.1.8 Akseptor KB Menurut Sasarannya

a. Fase menunda kehamilan

Masa menunda kehamilan pertama sebaiknya dilakukan oleh pasangan yang istrinya belum mencapai usia 20 tahun. Karena usia di bawah 20 tahun adalah usia yang sebaiknya menunda untuk mempunyai anak dengan berbagai alasan. Kriteria kontrasepsi yang diperlukan yaitu kontrasepsi dengan pulihnya kesuburan yang tinggi, artinya kembalinya kesuburan dapat terjamin 100%. Hal ini penting karena pada masa ini pasangan belum mempunyai anak, serta efektifitas yang tinggi. Kontrasepsi yang cocok dan yang disarankan adalah pil KB, AKDR.

b. Fase mengatur/menjarangkan kehamilan

Periode usia istri antara 20-30 tahun merupakan periode usia paling baik untuk melahirkan, dengan jumlah anak 2 orang dan jarak antara kelahiran adalah 2-4 tahun.kriteria kontrasepsi yang perlukan yaitu efektifitas tinggi, reversibilitas tinggi karena pasangan masih mengharapkan punya anak lagi. Kontrasepsi dapat dipakai 3 - 4 tahun sesuai jarak kelahiran yang direncanakan.

c. Fase mengakhiri kesuburan/tidak hamil lagi

Sebaiknya keluarga setelah mempunyai 2 anak dan umur istri lebih dari 30 tahun tidak hamil. Kondisi keluarga seperti ini dapat menggunakan kontrasepsi yang mempunyai efektifitas tinggi, karena jika terjadi kegagalan hal ini dapat menyebabkan terjadinya kehamilan dengan resiko tinggi bagi ibu dan anak. Di samping itu jika pasangan akseptor tidak mengharapkan untuk mempunyai anak lagi, kontrasepsi yang cocok dan disarankan adalah metode kontap, AKDR, implan, suntik KB dan pil KB (Pinem, 2009.).

2.1.9 Pelayanan Keluarga Berencana

Dadang Juliantoro (2000), jenjang tingkat pelayanan kesehatan dan jenis pelayanan kontrasepsi dapat dirinci sebagai berikut.

(25)

Pelayanan jenjang pertama terjadi pada tingkat rumah tangga, dan berupa pelayanan kesehatan oleh individu atau oleh keluarganya sendiri.Pelayanan jenjang kedua berjalan pada tingkat masyarakat, dan berupa kegiatan swadaya masyarakat dalam menolong mereka sendiri. Kegiatan swadaya itu dapat dikembangkan oleh Posyandu, Kelompok Akseptor, PKK, Saka Bakti Husada, Pembantu Pembina KB Desa, Anggota RW/RT, dan kelompok lain. Pelayanan kesehatan pada jenjang ketiga berupa fasilitas kesehatan professional pada tingkat pertama atau dasar, yaitu puskesmas, Puskesmas Pembantu, Puskesmas Keliling, Tim KB Keliling, praktek dokter swasta, dan poliklinik swasta. Kemudian terdapat pelayanan kesehatan jenjang empat : fasilitas pelayanan rujukan yang lebih tinggi atau lanjutan, berupa RS kelas B dan A serta lembaga spesialis swasta, laboratorium (Lab) kesehatan daerah dan Lab Klinik Swasta.

2.1.10 Aspek Keluarga Sejahtera

(BKKBN, 2012) Penyelenggaraan Pembangunan Keluarga Sejahtera, dapat diukur dengan pengklasifikasian sebagai berikut :

a. Keluarga Pra Sejahtera

Yaitu keluarga-keluarga yang belum dapat memenuhi kebutuhan dasarnya (basic needs) secara minimal, seperti kebutuhan akan pangan, Sandang, Papan, Kesehatan dan Pendidikan dasar bagi anak usia sekolah.

b. Keluarga Sejahtera Tahap I

Yaitu keluarga-keluarga yang baru dapat memenuhi kebutuhan dasarnya secara minimal, tetapi belum dapat memenuhi keseluruhan kebutuhan sosial psikologisnya (socio psychological needs),seperti kebutuhan akan Agama/Ibadah,Kualitas Makanan,Pakaian,Papan,Penghasilan, Pendidikan, Kesehatan dan Keluarga Berencana.Berdasarkan hasil Pendataan Keluarga dan Pemutakhiran Data Keluarga Pra Sejahtera dan Keluarga Sejahtera I Tahun 2012 di Kota Medan, terdapat sbanyak 89.752 KK Sejahtera I (KS-I) atau 19,37% dari jumlah KK keseluruhan sebanyak 455.359 KK.

(26)

c. Keluarga Sejahtera II

Yaitu keluarga-keluarga yang telah dapat memenuhi seluruh kebutuhan dasar dan sosial psikologisnya, akan tetapi belum dapat memenuhi keseluruhan kebutuhan perkembangannya (developmental needs), seperti kebutuhan untuk peningkatan pengetahuan Agama, Interaksi dengan anggota keluarga dan lingkungannya setaakses kebutuhan memperoleh informasi. Berdasarkan hasil Pendapatan Keluarga dan Pemutakhiran Data Keluarga tahun 2012 di Kota Medan,terdapat sebanyak 187.525 KK Sejahtera II (KS-II) atau 41,18% dari jumlah KK keseluruhan sebanyak 455.359 KK.

d. Keluarga Sejahtera Tahap III

Yaitu keluarga-keluarga yang telah dapat memenuhi seluruh kebutuhan dasar dan sosial psikologisnya dan kebutuhan pengembangannya namun belum dapat memenuhi kebutuhan aktualisasi diri, seperti memberikan sumbangan (kontribusi) secara teratur kepada masyarakat dalam bentuk material dan keuangan untuk kepentingan sosial kemasyarakatan, serta berperan secara aktif, seperti pengurus lembaga kemasyarakatan atau yayasan-yayasan sosial, keagamaan, kesenian, olaraga dan pendidikan. Berdasarkan hasil Pendataan Keluarga dan Pemutakhiran Data Keluarga tahun 2012 di Kota Medan, terdapat sebanyak 143.474 KK Sejahtera III(KS-III) atau 31,51% dari jumlah KK keseluruhan sebanyak 455.359 KK.

e. Keluarga Sejahtera Tahap III Plus.

Yaitu keluarga-keluarga yang telah dapat memenuhi seluruh kebutuhan dasar, social psikologisnya, Pengembangannya serta aktualisasi diri,terutama dalam memberikas sumbangan yang nyata dan barkelanjutan bagi masyarakat. Berdasarkan hasil Pendapatan Keluarga dan Pemutakhiran Data Keluarga tahun 2012 di Kota Medan,terdapat sebanyak 24.630 KK Sejahtera III Plus (KS-III +) atau 5,41% dari jumlah KK keseluruhan sebanyak 455.359 KK.

(27)

2.2 Analisis Regresi

Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan untuk membuat perkiraan (prediction) nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya.

Teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisis regresi. “Analisis regresi (regression analisis) merupakan suatu teknik untuk membangun persamaan garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan”. (Mason, 1996).

Model matematis dalam menjelaskan hubungan antarvariabel dalam analisis regresi menggunakan persamaan regresi. “Persamaan regresi (regression equastion) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel”. (Mason, 1996). Persamaan regresi yang digunakan untuk membuat taksiran mengenai nilai variabel terikat (dependent) disebut persamaan regresi estimasi. “ Persamaan regresi estimasi adalah suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui (known variable) dengan satu variabel yang nilainya belum diketahui (unknown variable)”.

Regresi pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton, pada penelitiannya terhadap manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan orang tuanya. Istilah regresi pada mulanya bertujuan untuk membuat perkiraan nilai suatu variabel (tinggi badan anak) terhadap suatu variabel yang lain (tinggi orangtua). Pada perkembangan selanjutnya, analisa regresi digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut (Algafari,2000).

(28)

2.3 Regresi Linear Sederhana

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat.Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS.Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat.

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel di mana hanya terdapat satu variabel/peubah bebas X dan satu peubah tak bebas Y (Drapper & Smith, 1992).Dalam bentuk persamaan, model regresi sederhana adalah :

Yi = 0 + 1Xi + i (2.1)

dimana: Yi = variabel terikat/tak bebas (dependent)

Xi = variabel bebas (independent)

0= jarak titik pangkal dengan titik potong garis regresi pada

sumbu Y (intercept)

1 = kemiringan (slope) garis regresi i = kesalahan (error)

Parameter 0 dan 1 diduga dengan menggunakan garis regresi. Bentuk

persamaan garis regresi adalah sebagai berikut :

i = b0 +b1Xi + ei (2.2)

dimana : merupakan penduga titik bagi Yi

b0merupakan penduga titik bagi 0

b1merupakan penduga titik bagi 1

(29)

(2.3)

Kemudian didiferensialkan terhadap 0, 1

(2.4)

Hasil diferensial disamakan dengan nol

Dengan mensubsitusikan(b0,b1)untuk ( 0, 1) dan menyamakan hasilnya dengan

nol maka diperoleh persamaan

Dari persamaan (2.6) diperoleh persamaan normal

Sehingga nilai b0, b1 diperoleh dengan rumus

∑

∑ ∑

∑

= = = − = = − − = _n i i n i i n i n i n i i i i n i X X n Y X X X b 1 2 1 2

1 1 1

2 1 1 i 0 ) ( ) )( ( ) )( Y (

1 1 1

2 2

1 1

(

)(

)

(

)

n n n

i i i i

i i i

n n

i i

n

X Y

X

Y

b

n

X

= = = = =

−

=

−

∑

∑ ∑

(30)

2.4Analisis Regresi Linier Berganda

Untuk memperkirakan nilai variabel tak bebas Y, akan lebih baik apabila kita ikut memperhitungkan variabel-variabel bebas lain yang ikut mempengaruhi nilai Y. dengan demikian dimiliki hubungan antara satu variabel tidak bebas Y dengan beberapa variabel lain yang bebas X₁, X₂, dan X₃, . . . , X_k. Untuk itulah digunakan regresi linear berganda. Dalam pembahasan mengenai regresi sederhana, simbol yang digunakan untuk variabel bebasnya adalah X. Dalam regresi berganda, persamaan regresinya memiliki lebih dari satu variabel bebas maka perlu menambah tanda bilangan pada setiap variabel tersebut, dalam hal ini X₁, X₂, . . . , X_k (Sudjana, 1996).

Model regresi linier berganda atas X₁, X₂, . . . , Xk dibentuk dalam

persamaan

i= b0 + b1 X1+ b2X2i+...+ bkXki+ εi (2.9)

Koefisien-koefisien b0, b1, b2, . . . , bk ditentukan dengan menggunakan metode

kuadrat terkecil seperti halnya menentukan koeisien b0, b1, untuk regresi i = b0 +b1Xi + ei

oleh karena Rumus (2.9) berisikan (k+1) buah koefisien, maka b0, b1, b2, . . . , bk

didapat dengan jalan menyelesaikan sistem persamaan yang terdiri atas (k+1) buah persamaan. Dapat dibanyangkan bahwa untuk ini diperlukan metode penyelesaian yang lebih baik dan karenanya memerlukan matematika yang lebih tinggi pula, lebih-lebih kalau harga k yang menyatakan variabel bebas, cukup besar. Oleh karena itu untuk menyelesaikan persamaan regresi linier berganda dengan variabel bebas X lebih dari dua variabel dapat diselesaikan dengan metode matriks.

(31)

2.5 Matriks

2.5.1 Pengertian dan jenis-jenis matriks

(R.K. Sembiring, 1996. Analisis Regresi) Suatu matriks ialah suatu susunan unsur yang berbentuk persegi panjang.

Unsur disusun dalam bentuk baris dan lajur (kolom). Suatu matriks A dikatakan berukuran b × l bila matriks itu mengandung b baris dan l lajur.

Jenis-jenis matriks adalah sebagai berikut: 1. Matriks diagonal

Matriks bujur sangkar yang semua elemen di luar elemen diagonal utama sama dengan nol, dan paling tidak satu elemen pada diagonal utamanya tidak sama dengan nol.

Contoh : D=

2. Matriks identitas

Matriks bujur sangkar yang elemen-elemen di luar diagonal utamanya sama dengan nol, dan semua elemen pada diagonal utama sama dengan satu. Matriks identitas yang berorde n biasanya diberi simbol In

3. Matriks segitiga atas

Matriks bujur sangkar yang elemen-elemen di bawah diagonal utama bernilai nol. Jadi yang tidak sama dengan nol adalah elemen-elemen pada segitiga atasnya dan paling tidak satu elemen pada diagonal utama tidak sama dengan nol.

4. Matriks segitiga bawah

Matriks bujur sangkar yang elemen-elemen di atas diagonal utama bernilai nol. Jadi yang tidak sama dengan nol adalah elemen-elemen pada segitiga bawahnya dan paling tidak satu elemen pada diagonal utama tidak sama dengan nol.

5. Matriks nol

Matriks yang semua elemenya bernilai nol. Matriks ini biasanya diberi simbol O dan bentuknya tidak selalu bujur sangkar.

(32)

6. Matriks baris

Matriks yang hanya terdiri dari satu baris. Matriks ini sering disebut dengan vektor baris.

7. Matriks kolom

Matriks yang hanya terdiri dari satu kolom. Matriks ini sering disebut dengan vektor kolom.

8. Matriks simetris

Matriks bujur sangkar yang memiliki aij= aji sehingga transposenya sama

dengan matriks semula.

Contoh: suatu matriks C berukuran m×n

2.5.2 Transpose suatu matriks

Transpose suatu matriks C, lambang , ialah matriks yang diperoleh dari C

dengan mempertukarkan baris dengan lajurnya. Jadi bila

C = maka =

2.5.3 Penjumlahan Matriks

Dua matriks yang berukuran sama dapat dijumlahkan maupun dikurangkan dengan menambahkan ataupun mengurangkan unsur yang sesuai.

(33)

2.5.4 Perkalian Matriks

Perkalian dua matriks hanya dapat dikerjakan bila keduanya memenuhi sifat tertentu dan perkalian itu dikerjakan dengan cara yang tertentu pula. Dua matriks bujur sangkar yang berukuran sama selalu dapat diperkalikan. Sedangkan perkalian AB hanya memenuhi arti bila banyaknya lajur A sama dengan banyaknya baris B. Jadi bila A dinyatakan dengan aij dan unsur B dinyatakan

dengan bjk maka unsur C=AB adalah

Perhatikan bahwa pada umumnya AB≠BA Bila

A= dan B=

Maka

AB =

Dalam perkalian ini, BA tidak dapat dilakukan (tidak terdefenisi) . akan tetapi bila A dan B setangkup dan perkalian AB terdefenisi maka AB=BA. Perkalian suatu matriks dengan matriks satuan akan menghasilkan matriks itu sendiri.

2.5.5 Inversi Suatu Matriks

Misalkan A suatu matriks bujur sangkar p×p. Suatu matriks B ukuran p×p disebut inversi (balikan) dari A bila dipenuhi AB=BA =I. Lambang yang biasa digunakan untuk inversi A adalah A-1, jadi AA-1 =A-1A =I.

Tidak mudah menghitung inversi suatu matriks kecuali bila ukurannya kecil seperti 2×2, atau bila bentuknya amat sederhana. Untuk matriks dengan ukuran yang lebih besar dan bentuknya tidak sederhana biasanya perhitungan inversnya dikerjakan dengan komputer.

(34)

2.5.6 Determinan

Determinan adalah suatu skalar (angka) yang diperoleh dari suatu matriks bujur sangkar selalui operasi khusus. Disebut operasi khusus karena dalam proses penurunan determinan dilakukan perkalian-perkalian. Determinan dinotasikan dengan tanda | |.

Salah satu cara dalam perhitungan determinan, adalah dengan cara singkat. Cara singkat yang lazim dikenal untuk menghitung determinan dari matriks adalah dengan menggunakan metode sarrus. Caranya dengan menempatkan elemen-elemen pada dua kolom pertama disebelah kanan notasi determinan sebagai berikut:

Bila A=

Maka =

2.6 Perhitungan Parameter dengan Menggunakan Metode Matriks (Invers Matriks)

(Gere, James M. Dan William Weaver,JR. 1987) Penyelesaian subjek permasalahan dalam regresi berganda dapat ditangani dengan sistematis melalui proses penyelesaian dengan aturan matriks. Analisis regresi berganda lebih dari dua variabel bebas X lebih mudah diselesaikan dengan metode matriks.

Dalam model persamaan regresi dengan kbuah variabel prediktor X yang indevenden dan satu variabel dependen Y, maka model persamaan statistiknya dapat ditulis dengan:

Yi = β0 + β1 X1i + β2 X2i + β3 X3i + … + βk Xki + εi i = 1,2, ,n (2.10)

Keterangan:

i = 1,2, ... ,n

(35)

εi= Nilai kesalahan

X1i, X2i, X3i, ..., Xki= Variabel bebas

β0,β1,β2,β3,…βk= Parameter regresi yang belum diketahui nilainya

Persamaan umum model regresi linier berganda populasi dengan jumlah variabel bebas X sebanyak kbuah

Y1 = β0 + β1 X11 + β2 X21 + β3 X31 + … + βk Xk1 + ε1

Y2 = β0 + β1 X12 + β2 X22 + β3 X32 + … + βk Xk2 + ε2

Y3 = β0 + β1 X13 + β2 X23 + β3 X33 + … + βk Xk3 + ε3 (2.11)

. . .

Yn = β0 + β0 X1n + β2 X2n + β3 X3n + … + β k Xkn + εn

Persamaan regresi populasi dinyatakan dengan notasi matriks akan menjadi:

Y = B [X] + ε (2.12)

. Apabila terdapat sejumlah n pengamatan dan k variabel bebas X maka untuk setiap observasi atau responden mempunyai persamaannya seperti berikut:

Ŷi=b0 + b1 X1i + b2 X2i + b3 X3i + … + bk Xki + εi (2.13)

Keterangan:

i = 1,2, . . . , n Ŷi= Variabel terikat εi= Nilai kesalahan

b0,b1,b2,b3,…bk = Parameter regresi yang belum diketahui nilainya

X1i,X2i, X3i,... Xki= Variabel bebas

Persamaan umum model regresi linier berganda untuk setiap obsevasi atau responden dengan jumlah variabel bebas X sebanyak kbuah

Y1 = b0+ b1X11 + b2X21+ ...+ bkXk1

Y2 = b0+ b1X12 + b2X22+ ...+ bkXk2 .

. (2.14)

(36)

Dalam hal ini Ŷ merupakan penduga titik bagi Y, dengan menggunakan matriks

Y = b [X] + e (2.15)

= +

dengan

e = Y- Ŷ (2.16)

rumus (2.15) inilah yang akan kita gunakan untuk menghitung koefisien-koefisien

b0 , b1, …bk.Untuk itu, terhadap Rumus (2.15) kita kalikan sebelah kiri dan kanan

dengan sehingga diperoleh

= (2.17)

dan selanjutnya hasil ini dari sebelah kiri kita kalikan dengan inversnya ialah ( )-1 sehingga diperoleh

b = ( )-1 (2.18)

Inilah rumus untuk mencari koefisien regresi linear ganda b0,b1,b2, . . . .bk

dalam bentuk matriks yang elemen-elementnya terdiri atas data pengamatan. Dalam bentuk jumlah kuadrat dan produk silang data pengamatan Xij

,elemen-elemen matriks adalah seperti berikut

(37)

Sedangkan merupakan vektor kolom dengan elemen-elemen

(2.20)

2.7 Perhitungan Simpangan Baku dari Model Persamaan

(SUDJANA,2002) Ukuran simpangan yang paling banyak digunakan adalah simpangan baku atau deviasi standar. Pangkat dua dari simpangan baku disebut

varians. Untuk sampel, simpangan baku disimbolkan dengan s, sedangkan untuk populasi disimbolkan dengan σ. Varians untuk sampel s2dan populasi σ2

Pada umumnya, nilai-nlai koefisien regresi βi bervariasi dan variansnya

dari βi dalam bentuk vektor matriks adalah sebagai berikut:

(2.21)

Karena umumnya σ2_{tidak diketahui, maka σ}2

diduga dengan S2e, sehingga

perkiraan varians (β) adalah

(2.22)

(38)

Keterangan:

S2e= Varians dari kesalahan pengganggu

n = Banyaknya observasi k= Banyak variabel bebas

2.8 Uji Keberartian Regresi

Uji keberartian regresi digunakan untuk mengetahui apakah sekelompok bebas secara bersamaan mempunyai pengaruh terhadap variabel tidak bebas. Langkah-langkah untuk pengujian keberartian regresi adalah sebagai berikut:

1. Kumpulkan data dalam bentuk tabel 2. Statistik uji adalah

F = (2.23)

dengan ,

JKreg =a1

∑

= n i i iY X 1

1 +

∑

= n i i iY X a 1 2

2 + . . . + i

n i

ki k X Y

∑

x1i = X1i -X 1

x2i = X2i - X 2

xki= Xki - X k dan

yi= Yi - Y

JKres = 2

1 ) (

∑

= − n i i i Y Y 

JKreg = Jumlah kuadrat regresi

JKres = Jumlah kuadrat residu (sisa)

3. Kriteria pengujian Langkah-langkah yang dibutuhkan dalam pengujian hipotesa ini adalah sebagai berikut :

a. H0 : �1 = �2 = …= �k = 0

H1 : Minimal satu parameter koefisien yang tidak sama dengan nol

(39)

c. Hitung statistik Fhit dengan menggunakan Persamaan (2.23)

d. Keputusan : Tolak H0 jika Fhit>Ftab; Ftab= Fα(k,k(n-1))

Terima H0 jika Fhit <Ftab

dimana

k = banyaknya variabel bebas n = banyaknya data

Jumlah Kuadrat-kuadrat (JK) dapat pula dinyatakan dalam bentuk matriks adalah sebagai berikut:

Seperti halnya dalam menguji regresi linier sederhana, semua jumlah kuadrat (JK) untuk sumber variasi tersebut disajikan dalam sebuah daftar, ialah daftar Anava sehingga pengujian keberartian regresi mudah dilakukan dan dipelajari. Tampilan daftar Anava dapat dilihat dalam tabel 2.1 berikut:

Tabel 2.1 Daftar Anava

Sumber Variasi Dk JK KT F

Total N YtY

Koefisien (b0)

Total Dikoreksi (TD) Regresi ((Reg) Sisa (S)

1 n-1 k n-k-1

YtY- bt(XtY) –

JK (TD)- JK (Reg)

JK (Reg)/k

JK (S)/(n-k-1) KT (Reg)/ KT (S) Tabel 2.1 memungkinkan untuk menguji hipotesis nol. Statistik yang

digunakan adalah statistik F = KT (Reg)/ KT (S) dalam kolom terakhir tabel diatas, dengan dk pembilang = k (banyak variabel bebas dalam model) dan dk penyebut = (n(k-1)). Jika statistik F ini lebih besar dari harga F yang kita peroleh dari tabel distribusi F dengan dk yang sesuai dan taraf nyata yang dipilih, kita tolak hipotesis nol.

(40)

2.9 Analisis Korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel lain. Uji korelasi ini tidak membedakan jenis variabel (tidak ada variabel dependen maupun variabel independen).Koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan suatu hubungan antar variabel. Koefisien korelasi dapat dirumuskan sebagai berikut :

(2.24)

Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan variabel bebas Xyaitu :

1. Koefisien korelasi antara Y dengan X₁

2. Koefisien korelasi antara Y dengan X₂

3. Koefisien korelasi antara Y dengan X₃

4. Koefisien korelasi antara Y dengan X n       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i n i n i n i i i Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 2 1

1 1 1

) ( ) ( ) )( (       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 1 2 1

1 1 1

1 1 1 ) ( ) ( ) )( (       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 2 2 2

1 1 1

2 2 2 ) ( ) ( ) )( (       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 3 2 3

1 1 1

3 3 3 ) ( ) ( ) )( (

(41)

Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi adalah plus(+) atau minus(-). Hal ini menunjukkan arah korelasi. Makna sifat korelasi:

1. Korelasi positif (+) berarti jika variabel Xmengalami kenaikan maka variabel Y juga akan mengalami kenaikan,

2. Korelasi negative (-) berarti jika variabel Xmengalami kenaikan maka variabel Y akan mengalami penurunan

Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat dikelompokkan sebagai berikut:

1. 0,00-0,20 berarti korelasi memiliki keeratan sangat lemah 2. 0,21-0,40 berarti korelasi memiliki keeratan lemah 3. 0,41-0,70 berarti korelasi memiliki keeratan kuat 4. 0,71-0,90 berarti korelasi memiliki keeratan sangat kuat 5. 0,91-0,99 berarti korelasi memiliki keeratan sangat kuat sekali 6. 1 berarti korelasi sempurna

2.10. Koefisien Determinasi

Uji koefisien determinasi (R2) dilakukan untuk mengetahui ketetapan yang paling baik dari garis regresi. Uji ini dilakukan dengan melihat besarnya nilai koefisien determinasi (R2) merupakan nilai besaran non negatif.

Besarnya nilai koefisien determinasi adalah antara nol sampai dengan satu ( 1≥ R2≥ 0 ). Koefisien determinasi bernilai nol berarti tidak ada hubungan antara variabel bebas dengan variabel terikat, sebaliknya nilai koefisien determinasi satu berarti suatu kecocokan sempurna. Maka R2 akan dituliskan dengan rumus, yaitu :

(42)

BAB 3

PEMBAHASAN

3.1 Analisis Data

Data dalam penelitian ini diperoleh dari Badan Pusat Statistik dan Badan Pemberdayaan Perempuan dan Keluarga Berencana, yaitu berupa data Jumlah Akseptor KB Aktif, Pasangan Usia Subur, Target Akseptor KB Baru, Banyaknya Klinik, Banyaknya Pelayanan, dan Kelurga Prasejahtera dihitung berdasarkan kecamatan Kota Medan pada Tahun 2012 yang disajikan dalam Tabel 3.1

Berdasarkan data yang diperoleh, dapat dikelompokkan variabel-variabel yang digunakan sebagai berikut:

Y = Jumlah Akseptor KB Aktif X1= Jumlah Pasangan Usia Subur

X2= Jumlah Target Akseptor KB Baru

X3= Jumlah Pelayanan KB

X4= Jumlah Klinik Menurut Status

X5 = Jumlah Keluarga Prasejahtera

Penganalisaan dan pembahasan dikelompokkan menjadi 5 kelompok yaitu: 1. Menentukan persamaan regresi linier berganda

2. Menghitung Simpangan Baku 3. Uji keberartian regresi

4. Menentukan nilai korelasi 5. Uji koefisien determinasi

(43)

3.1Penyajian Data Tahun 2012

No. Kecamatan Akseptor KB Aktif

Pasangan Usia Subur(PUS)

Target Akseptor KB

Baru

Pelayanan KB Klinik KB Menurut Status

Jumlah Keluarga Prasejahtera

1 Medan Tuntungan 8981 13450 8179 102 7 239

2 Medan Johor 14228 20670 13745 100 9 1165

3 Medan Amplas 14101 23040 14766 98 14 312

4 Medan Denai 14593 25780 16235 102 11 234

5 Medan Area 9761 16507 10356 194 10 22

6 Medan Kota 4980 12120 6202 170 12 27

7 Medan Maimun 4465 8163 3640 81 9 75

8 Medan Polonia 7783 9696 4171 58 5 298

9 Medan Baru 4212 8291 3901 77 5 0

10 Medan Selayang 9801 16259 9505 78 6 49

11 Medan Sunggal 11533 19772 12036 108 10 68

12 Medan Helvetia 15156 25661 16137 106 10 463

13 Medan Petisah 6251 12001 6468 91 11 0

14 Medan Barat 6355 12814 6808 116 10 92

15 Medan Timur 10241 17190 10373 152 10 71

16 Medan Perjuangan 10219 17222 10187 149 13 8

17 Medan Tembung 14153 21560 14495 120 12 95

18 Medan Deli 15534 25487 17630 123 8 619

19 Medan Labuhan 13323 21092 13656 117 11 1602

20 Medan Marelan 14434 23514 15502 103 7 275

(44)

3.2 Perhitungan Nilai Parameter dengan Menggunakan Metode Matriks

Untuk menghitung nilai parameter regresi berganda dibentuk dengan menggunakan Metode Matriks. Bentuk matriks dari variabel Y dan X adalah sebagai berikut:

(45)

Menentukan nilai matriks dengan menggunakan rumus (2.13) sehingga diperoleh hasil sebagai berikut:

= *

(46)

(47)

(48)

Sehingga nilai-nilai koefisien b0, b1, b2, b3, b4, b5 dapat diperoleh dengan menggunakan rumus (2.12) yang hasilnya diperoleh sebagai

berikut: b= ( )-1

Nilai koefisien b0= 3240,21970411136, b1 =0,00288685528920496, b2=0,853727179754331, b3=-12,0541350680687,

b4=-62,8207965712769, b5=0,0455499398493764 dengan demikian, maka diperoleh persamaan regresi dengan menggunakan metode

(49)

3.3 Perhitungan Simpangan Baku yang dihasilkan dari Setiap Model Untuk mengetahui tingkat akurasi dari masing-masing model persamaan regresi linier yang telah diperoleh sebagai berikut:

Tabel 3.2 Nilai yang Diperlukan untuk Menghitung Simpangan Baku

No Y Ŷ Y-Ŷ (e) e2

1 8981 8603,30 377,698 142656,086 2 14228 13316,64 911,364 830584,172 3 14101 13866,28 234,716 55091,7984 4 14593 15265,01 -672,012 451599,783 5 9761 9163,36 597,636 357169,234 6 4980 5768,20 -788,202 621261,899 7 4465 4833,00 -367,996 135421,184 8 7783 5829,44 1953,563 3816409,23 9 4212 5352,27 -1140,272 1300220,16 10 9801 10086,92 -285,919 81749,423 11 11533 11645,80 -112,802 12724,2428 12 15156 15206,04 -50,038 2503,81511 13 6251 7008,82 -757,817 574286,908 14 6355 7067,09 -712,089 507071,411 15 10241 9688,35 552,646 305417,235 16 10219 9374,48 844,516 713207,57 17 14153 13481,22 671,783 451292,061 18 15534 16407,98 -873,978 763836,829 19 13323 12931,22 391,784 153494,655 20 14434 14873,78 -439,785 193410,587 21 11698 12032,80 -334,798 112089,591

(50)

se =

878,6921

3.4 Uji Keberartian Regresi

4. pengujian hipotesa adalah sebagai berikut : e. H0 : �1 = �2 = …= �k = 0

H1 : Minimal satu parameter koefisien yang tidak sama dengan nol

f. taraf nyata � =0,05 Ftab = F(0,05; 4, 100) = 2,46

3.3 Daftar Tabel Anava

Sumber Variasi Dk JK KT F

Total 41 2625057522

Koefisien (b0)

Total Dikoreksi (TD) Regresi ((Reg)

Sisa (S)

1 20

5 15

2342672724 282384798

27080000 11584798

54160000

772319,8667 70,1264

Nilai F= 70,13. Dari daftar distribusi F didapat F0,05(4,100) =2,46 sehingga hipotesis

H0 ditolak dan H1 diterima yang berarti bahwa variabel bebas secara

(51)

3.5 Perhitungan Korelasi antara variabel bebas dengan variabel terikat 3.4 Tabel Perhitungan Korelasi

Y

X1

X2

X3

X4

X5

1 8981 13450 8179 102 7 239 80658361 180902500 66896041

2 14228 20670 13745 100 9 1165 202435984 427248900 188925025

3 14101 23040 14766 98 14 312 198838201 530841600 218034756

4 14593 25780 16235 102 11 234 212955649 664608400 263575225

5 9761 16507 10356 194 10 22 95277121 272481049 107246736

6 4980 12120 6202 170 12 27 24800400 146894400 38464804

7 4465 8163 3640 81 9 75 19936225 66634569 13249600

8 7783 9696 4171 58 5 298 60575089 94012416 17397241

9 4212 8291 3901 77 5 0 17740944 68740681 15217801

10 9801 16259 9505 78 6 49 96059601 264355081 90345025

11 11533 19772 12036 108 10 68 133010089 390931984 144865296

12 15156 25661 16137 106 10 463 229704336 658486921 260402769

13 6251 12001 6468 91 11 0 39075001 144024001 41835024

14 6355 12814 6808 116 10 92 40386025 164198596 46348864

15 10241 17190 10373 152 10 71 104878081 295496100 107599129

16 10219 17222 10187 149 13 8 104427961 296597284 103774969

17 14153 21560 14495 120 12 95 200307409 464833600 210105025

18 15534 25487 17630 123 8 619 241305156 649587169 310816900 19 13323 21092 13656 117 11 1602 177502329 444872464 186486336

20 14434 23514 15502 103 7 275 208340356 552908196 240312004

21 11698 19684 13137 161 12 4718 136843204 387459856 172580769

(52)

Lanjutan tabel 3.4

X1Y X2Y X3Y X4Y X5Y

10404 49 57121 120794450 73455599 916062 62867 2146459

10000 81 1357225 294092760 195563860 1422800 128052 16575620

9604 196 97344 324887040 208215366 1381898 197414 4399512

10404 121 54756 376207540 236917355 1488486 160523 3414762

37636 100 484 161124827 101084916 1893634 97610 214742

28900 144 729 60357600 30885960 846600 59760 134460

6561 81 5625 36447795 16252600 361665 40185 334875

3364 25 88804 75463968 32462893 451414 38915 2319334

5929 25 0 34921692 16431012 324324 21060 0

6084 36 2401 159354459 93158505 764478 58806 480249

11664 100 4624 228030476 138811188 1245564 115330 784244

11236 100 214369 388918116 244572372 1606536 151560 7017228

8281 121 0 75018251 40431468 568841 68761 0

13456 100 8464 81432970 43264840 737180 63550 584660

23104 100 5041 176042790 106229893 1556632 102410 727111

22201 169 64 175991618 104100953 1522631 132847 81752

14400 144 9025 305138680 205147735 1698360 169836 1344535 15129 64 383161 395915058 273864420 1910682 124272 9615546

13689 121 2566404 281008716 181938888 1558791 146553 21343446

10609 49 75625 339401076 223755868 1486702 101038 3969350

25921 144 22259524 230263432 153676626 1883378 140376 55191164

298576 2070 27190790 4320813314 2720222317 25626658 2181725 130679049

Dengan menggunakan rumus (2.24) maka diperoleh

1. Koefisien korelasi antara Akseptor KB Aktif (Y) dengan Pasangan Usia Subur (X1)

      ₋       ₋ − =

∑

= = = = = = = n n i n n i i n i n i n i i i y Y Y n X X n Y X Y X n r 2 2 1 2 1 2 1

1 1 1

1 1 1 ) ( ) ( ) )( (

(53)

r

=

r

y1_{= 0,965}

berarti Pasangan Usia Subur memiliki korelasi yang sangat kuat terhadap Jumlah Akseptor KB Aktif

2. Koefisien korelasi antara Akseptor KB aktif (Y) dengan Target Akseptor KB Baru (X2)

ry2 =

ry2 = 0,971

berarti Target Akseptor KB Baru memiliki korelasi yang sangat kuat terhadap Akseptor KB aktif

3. Koefisien korelasi antara akseptor KB aktif (Y) dengan pelayanan KB (X3)

ry3 =

berarti Pelayanan KB memiliki korelasi yang sangat lemah terhadap Akseptor KB Aktif

4. Koefisien korelasi antara akseptor KB aktif (Y) dengan Banyaknya Klinik (X4)       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 2 2 2

1 1 1

2 2 2 ) ( ) ( ) )( (       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 3 2 3

1 1 1

3 3 3 ) ( ) ( ) )( (     −     − − =

∑

= = = n n n n n i n i n i i i y Y Y n X X n Y X Y X n r 2 2 2 2

1 1 1

4 4 4 ) ( ) ( ) )( (

(54)

=0,254

berarti Banyaknya Klinik memiliki korelasi yang lemah terhadap Akseptor KB Aktif

5. Koefisien korelasi antara akseptor KB aktif (Y) dengan Jumah keluarga prasejahtera (X5)

berarti Jumlah Keluarga Prasejahtera memiliki korelasi yang lemah terhadap Akseptor KB Aktif

3.6 Perhitungan Koefisien Determinasi

Langkah berikutnya adalah menghitung koefisien determinasi dengan rumus: Dimana R2 adalah koefisien multiple yang dikuadratkan. Dari hasil perhitungan telah diperoleh maka R dapat dihitung

R2 =

= 0,959

Dan untuk koefisien korelasi ganda, digunakan rumus:

R= 2

R R=0,979 R = 97 %

      ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 5 2 5

1 1 1

5 5 5 ) ( ) ( ) )( (

(55)

Nilai koefisien determinasi sebesar 97% berarti nilai variabel bebas tersebut menunjukkan hubungan yang kuat mempengaruhi jumlah Akseptor KB aktif dikota Medan. Sedangkan sisanya dijelaskan oleh faktor-faktor lain.

(56)

BAB IV

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Model Persamaan Regresi Linier Berganda adalah:

Ŷ=3240,220+0,003X1+0,854X2 -12,054X3-62,821X4+0,046X5

2. Uji keberartian regresi berganda dengan F= 70,13. Dari daftar distribusi F didapat F0,05(4,100) =2,46 sehingga hipotesis H0 ditolak dan H1 diterima

yang berarti bahwa variabel bebas secara bersama-sama memberikan kontribusi yang berarti terhadap variabel terikat.

3. Dari kelima variabel bebas, ada 2 variabel yang memberikan pengaruh sangat kuat terhadap variabel terikat yaitu jumlah pasangan usia subur (X1)

dengan r sebesar 0,965 dan jumlah target akseptor KB baru (X2) dengan r

sebesar 0,971

4. Koefisien korelasi ganda untuk R2 = 0,959 dan R= 0,979, dari hasil tersebut dapat disimpulkan bahwa koefisien korelasi ganda Y terhadap X1, X2, X3,

X4, X5 sangat kuat.

5. Nilai koefisien determinasi sebesar 97% berarti nilai variabel bebas tersebut menunjukkan hubungan yang kuat mempengaruhi jumlah Akseptor KB aktif dikota Medan. Sedangkan sisanya dijelaskan oleh faktor-faktor lain.

(57)

4.2 Saran

Diperlukan kebijakan pemerintah khususnya pemerintah kota Medan untuk menyukseskan program keluarga berencana (KB) dan mengendalikan pertumbuhan penduduk. Khusunya meningkatkan kesadaran PUS dan Target pencapaian akseptor keluarga berencana (KB) dalam mengatur angka kelahiran.

(58)

Daftar Pustaka

Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta: BPFE

Arum, Dyah Noviawati Setya . 2008. Panduan Lengkap Pelayanan KB Terkini. Yogjakarta: Mitra Cendikia Press Ayres, Frank, Ph.D. 1989. Teori dan Soal-Soal Matriks. Jakarta: Erlangga Badan Pusat Statistik (BPS). 2013. Medan Dalam Angka Tahun 2012. Badan Kependudukan dan Keluarga Berencana (BKKBN).2013. BKKBN 2012

Drapper, Norman and Harry Smith.1992. Analisis Regresi Terapan.Jakarta: PT Gramedia Pustaka Utama

Evasari, Zuliva. 2011.Penggunaan Metode Numerik dan Metode Matriks Dalam Perhitungan Parameter pada Regresi Linier Berganda. Medan: USU Gere, James M. Dan William Weaver,JR. 1987. Aljabar Matriks untuk Para Insinyur. Jakarta: Erlangga

Hartono, M. Pd. 2004. Statistik untuk Penelitian. Pekanbaru: LSFK2P Iswardino, SP,MA. 2008. Sekelumit Analisa Regresi dan Korelasi. Yogyakarta: Universitas Gajah Mada

Juliantoro, dadang. 2000. 30 Tahun Cukup Keluarga Berencana dan Hak Konsumen. Jakarta: Pustaka Sinar Harapan

J. Supranto. 1977. Statistik Teori dan Aplikasi. Jakarta: Erlangga

Nugroho, bhuono Agung. 2005. Strategi jitu memilih metode statistik penelitian dengan spss. Yogyakarta: Andi

Santoso, Ratni Dwi dan Mustadjab Hary Kusnadi.1992. Analisis Regresi. Yogyakarta: Andi

Sembiring, R. K. 1995. Analisis Regresi. Bandung: ITB

Sudjana, M. A., M. Sc.2005. Metoda Statistika. Bandung: Tarsito

Usman, Husaini dan Purnomo Setiady Akbar. 1995. Pengantar Statistika. Yogyakarta:

Bumi Aksara

(1)

r

=

r

y1_{= 0,965}

berarti Pasangan Usia Subur memiliki korelasi yang sangat kuat terhadap Jumlah Akseptor KB Aktif

2. Koefisien korelasi antara Akseptor KB aktif (Y) dengan Target Akseptor KB Baru (X2)

ry2 =

ry2 = 0,971

berarti Target Akseptor KB Baru memiliki korelasi yang sangat kuat terhadap Akseptor KB aktif

3. Koefisien korelasi antara akseptor KB aktif (Y) dengan pelayanan KB (X3)

ry3 =

berarti Pelayanan KB memiliki korelasi yang sangat lemah terhadap Akseptor KB Aktif

4. Koefisien korelasi antara akseptor KB aktif (Y) dengan Banyaknya Klinik (X4)

      ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 2 2 2

1 1 1

2 2 2 ) ( ) ( ) )( (       ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 3 2 3

1 1 1

3 3 3 ) ( ) ( ) )( ( − =

∑

= n i n i n i i

iY X Y

X n

r 1 1 1

(2)

=0,254

berarti Banyaknya Klinik memiliki korelasi yang lemah terhadap Akseptor KB Aktif

5. Koefisien korelasi antara akseptor KB aktif (Y) dengan Jumah keluarga prasejahtera (X5)

berarti Jumlah Keluarga Prasejahtera memiliki korelasi yang lemah terhadap Akseptor KB Aktif

3.6 Perhitungan Koefisien Determinasi

Langkah berikutnya adalah menghitung koefisien determinasi dengan rumus: Dimana R2 adalah koefisien multiple yang dikuadratkan. Dari hasil perhitungan telah diperoleh maka R dapat dihitung

R2 = = 0,959

Dan untuk koefisien korelasi ganda, digunakan rumus: R= 2

R=0,979 R = 97 %

      ₋       ₋ − =

∑

= = = = = = = n i n i i n i n i i i n i n i n i i i y Y Y n X X n Y X Y X n r 1 1 2 2 1 1 1 2 5 2 5

1 1 1

5 5 5 ) ( ) ( ) )( (

(3)

(4)

BAB IV

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Berdasarkan analisa yang telah dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut:

1. Model Persamaan Regresi Linier Berganda adalah:

Ŷ=3240,220+0,003X1+0,854X2 -12,054X3-62,821X4+0,046X5

2. Uji keberartian regresi berganda dengan F= 70,13. Dari daftar distribusi F didapat F0,05(4,100) =2,46 sehingga hipotesis H0 ditolak dan H1 diterima

yang berarti bahwa variabel bebas secara bersama-sama memberikan kontribusi yang berarti terhadap variabel terikat.

3. Dari kelima variabel bebas, ada 2 variabel yang memberikan pengaruh sangat kuat terhadap variabel terikat yaitu jumlah pasangan usia subur (X1)

dengan r sebesar 0,965 dan jumlah target akseptor KB baru (X2) dengan r

sebesar 0,971

4. Koefisien korelasi ganda untuk R2 = 0,959 dan R= 0,979, dari hasil tersebut dapat disimpulkan bahwa koefisien korelasi ganda Y terhadap X1, X2, X3,

X4, X5 sangat kuat.

(5)

4.2 Saran

(6)

Daftar Pustaka

Algifari. 2000. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta: BPFE

Drapper, Norman and Harry Smith.1992. Analisis Regresi Terapan.Jakarta: PT Gramedia Pustaka Utama

Hartono, M. Pd. 2004. Statistik untuk Penelitian. Pekanbaru: LSFK2P Iswardino, SP,MA. 2008. Sekelumit Analisa Regresi dan Korelasi. Yogyakarta: Universitas Gajah Mada

Juliantoro, dadang. 2000. 30 Tahun Cukup Keluarga Berencana dan Hak Konsumen. Jakarta: Pustaka Sinar Harapan

J. Supranto. 1977. Statistik Teori dan Aplikasi. Jakarta: Erlangga

Nugroho, bhuono Agung. 2005. Strategi jitu memilih metode statistik penelitian dengan spss. Yogyakarta: Andi

Santoso, Ratni Dwi dan Mustadjab Hary Kusnadi.1992. Analisis Regresi. Yogyakarta: Andi

Sembiring, R. K. 1995. Analisis Regresi. Bandung: ITB

Sudjana, M. A., M. Sc.2005. Metoda Statistika. Bandung: Tarsito

Usman, Husaini dan Purnomo Setiady Akbar. 1995. Pengantar Statistika. Yogyakarta:

Bumi Aksara