Pengaruh Pasangan Usia Subur (PUS), Akseptor KB dan Jumlah Posyandu Terhadap Jumlah Kelahiran di Kota Medan Tahun 2012

(1)

PENGARUH PASANGAN USIA SUBUR (PUS), AKSEPTOR KB

DAN JUMLAH POSYANDU TERHADAP JUMLAH

KELAHIRAN DI KOTA MEDAN TAHUN 2012

TUGAS AKHIR

WINDI WULANDARI

112407012

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

(2)

PENGARUH PASANGAN USIA SUBUR (PUS), AKSEPTOR KB

DAN JUMLAH POSYANDU TERHADAP JUMLAH

KELAHIRAN DI KOTA MEDAN TAHUN 2012

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

WINDI WULANDARI 112407012

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(3)

PERSETUJUAN

Judul : Pengaruh PasanganUsia Subur (PUS), Akseptor KB dan Jumlah Posyandu Terhadap Jumlah Kelahiran di Kota Medan Tahun 2012

Kategori : Tugas Akhir Nama : Windi Wulandari

Nim : 112407012

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui oleh:

Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,

Drs. Faigiziduhu Bu’ulölö, M.Si Dr. Elly Rosmaini, M.Si NIP. 19531218 198003 1 003 NIP. 19600520 198503 2 002

(4)

PERNYATAAN

PENGARUH PASANGAN USIA SUBUR (PUS), AKSEPTOR

KB, DAN JUMLAH POSYANDU TERHADAP JUMLAH

KELAHIRAN DI KOTA MEDAN TAHUN 2012

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2014

WINDI WULANDARI 112407012

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan Tugas Akhir ini dengan judul Analisis Regresi Pengaruh Pasangan Usia Subur (PUS), Akseptor KB dan Jumlah Posyandu Terhadap Jumlah Kelahiran Di Kota Medan Tahun 2012.

Terimakasih penulis sampaikan kepada Ibu Dr. Elly Rosmaini, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris program studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. 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 Bapak M. Effendy, Ibu Harmiani dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

(6)

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar Isi iv

Daftar Tabel vi

Daftar Gambar vii

Bab 1. Pendahuluan

1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 4

1.6. Metode Penelitian 4

1.7. Sistematika Penulisan 5

Bab 2. Landasan Teori

2.1. Pengertian Analisis Regresi 8

2.2. Analisis Regresi Linier Berganda 9

2.3. Membentuk Persamaan Regresi Linier Berganda 9

2.4. Kesalahan Standart Estimasi 10

2.5. Koefisien Determinasi 11

2.6. Koefisien Korelasi 12

2.7. Uji Regresi Linier Berganda 13

Bab 3. Gambaran Umum Badan Pusat Statistik

3.1. Sejarah Badan Pusat Statistik 16

3.2. Tugas, Fungsi dan Kewenangan Badan Pusat Statistik 17

3.2.1. Tugas 17

3.2.2. Fungsi 17

3.2.3. Kewenangan 18

3.3. Visi dan Misi BPS 18

3.3.1 Visi 18

3.3.2 Misi 18

3.4 Struktur Organisasi BPS 19

3.5 Logo BPS 21

Bab 4. Analisis Data

4.1. Pengambilan Data 22

4.2. Pengolahan Data 24

4.3. Kesalahn Standar Estimasi 28

(7)

4.5. Menghitung Koefisien Korelasi Antar Variabel Dependent (Y)

Dan Variabel Independent (X1) 36

4.6. Perhitungan Koefisien Determinasi dan Koefisien

Korelasi Ganda 38

4.7 Perhitungan Korelasi Antar Variabel Bebas 38 Bab 5. Implementasi Sistem

5.1. Pengertian Implementasi Sistem 40

5.2. Peranan Komputer Dalam Statistika 40

5.3. Cara SPSS 42

5.4. Mengoperasikan SPSS 43

Bab 6. Kesimpulan dan Saran

6.1. Kesimpulan 52

6.2. Saran 53

Daftar Pustaka Lampiran

(8)

DAFTAR TABEL

Nomor Judul Halaman

Gambar

2.1. Interpretasi Koefisien Korelasi nilai � 13 4.1. Data Jumlah Kelahiran, Pasangan Usia Subur,

Jumlah Akseptor KB, dan Jumlah Posyandu

Pada Tahun 2012 23

4.2. Nilai – Nilai yang Dibutuhkan untuk Menghitung

Koefisien Regresi Linier Berganda 24

4.3. Harga Penyimpangan�� 29

(9)

DAFTAR GAMBAR

Nomor Judul Halaman

Tabel

2.1 Interpretasi Koefisien Korelasi Nilai � 13 3.1 Struktur Organisasi BPS Provinsi 20

3.2 Logo BPS 21

5.1 Tampilan Saat Membuka SPSS Pada Windows 44

5.2 Tampilan Awal SPSS 44

5.3 Tampilan Pada Pengisian Variable View 48 5.4 Tampilan Pada Data View 48 5.5 Tampilan Saat Membuat Persamaan Regresi 49 5.6 Tampilan Pada Saat Pemasukan Variable Statistic 50 5.7 Tampilan Pada Kotak Statistic 51

(10)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Penduduk adalah kekayaan bangsa sekaligus modal dasar pembangunan (http//badan lingkungan hidup daerah.com). Hal ini dapat terjadi jika jumlah penduduk yang besar tersebut dapat diberdayakan sesuai kodrat, keahlian dan bidang kerja masing–masing. Sebaliknya apabila jumlah penduduk yang besar itu tidak dapat diberdayakan dan dikendalikan secara bijak dan terencana makaakan terjadi beban pembangunan. Oleh sebab itu untuk menunjang keberhasilan pembangunan nasional, dalam penanganan masalah kependudukan pemerintah tidak saja mengarahkan pada peningkatan sumber daya manusianya tetapi juga pada upaya peningkatan jumlah penduduknya.

Masalah kependudukan merupakan masalah penting yang perlu mendapat perhatian dan pembahasan serius dari pemerintah dan ahli kependidikan di Indonesia. Dalam perencanaan pembangunan, data kependudukan memegang peranan penting. Semakin lengkap dan akurat data kependudukan data yang tersedia maka semakin mudah dan tepat rencana pembangunan itu dibuat. Sebagai contoh: dalam perencanaan pendidikan diperlukan data mengenai jumlah penduduk dalam usia sekolah, dan para pekerja.

Salah satu yang mempengaruhi jumlah penduduk adalah kelahiran (fertilitas). Istilah fertilitas adalah sama dengan kelahiran hidup (live birth), yaitu terlepasnya seorang bayi dari rahim seorang perempuan dengan adanya tanda-tanda kehidupan. Misalnya bernafas, jantung berdenyut dan sebagainnya. Untuk

(11)

mengurangi laju pertumbuhan penduduk harus dilakukan penurunan fertillitas. Hal ini sangat berpengaruh terhadap kesejahteraan penduduk yang merupakan tujuan penting yang ingin dicapai oleh sebuah negara. Untuk mencapai tujuan tersebut pemerintah harus membuat kebijakan-kebijakan penting dan berusaha memenuhi sarana dan fasilitas yang menunjang kesejahteraan penduduk.Dengan adanya kesadaran masyarakat dan perhatian untuk ikut serta dalam mewujudkan kesejahteraan penduduk maka pemerintah dan masyarakat secara bersama-sama berusaha menanggulangi masalah pertumbuhan penduduk, misalanya dengan melaksanakan program Keluarga Berencana (KB).

Banyak faktor yang mempengaruhi jumlah kelahiran, diantaranya adalah jumlah pasangan usia subur (PUS), jumlah akseptor KB, dan jumlah posyandu di lingkungan penduduk. Pasangan Usia Subur adalah pasangan suami-istri yang istrinya berusia 15-49 tahun. Diusia ini perempuan berpotensi untuk bereproduksi.Selain itu, jumlah akseptor KB juga mempengaruhi yang dimana akseptor adalah orang yang menerima serta mengikuti program keluarga berencana.Dan posyandu adalah wadah dimana biasanya masyarakat atau penduduk melakukan aktivitas kesehatan, misalnya seperti konsultasi pemakaian KB, pemeriksaan kehamilan, dan melakukan persalinan.

Untuk mengetahui apakah terdapat perubahan nilai suatu variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang memungkinkan kita untuk membuat perkiraan nilai variabel tersebut pada nilai tertentu variabel yang mempengaruhinya. Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisa regresi.

(12)

1.2Rumusan Masalah

Model persamaan regresi linier berganda yang dapat digunakan untuk jumlah kelahiran di kota Medan 2012 variabel-variabel yang mempengaruhinya yaitu Pasangan Usia Subur, Akseptor KB, dan Posyandu. Berdasarkan hal tersebut maka dapat dirumuskan masalah penelitian sebagai berikut:

1. Apakah analisi beberapa faktor yaitu jumlah Pasangan Usia Subur, Akseptor KB, serta Posyandu mempengaruhi Jumlah Kelahiran di Kota Medan?

2. Manakah dari ketiga variabel yang paling berpengaruh terhadap Jumlah Kelahiran di Kota Medan?

1.3Batasan Masalah

Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruhJumlah Kelahiran dengan faktor–faktor yang mempengaruhinya yaitu Pasangan Usia Subur (PUS), jumlah Akseptor KB, dan jumlah Posyandu.

1.4Tujuan Penelitian

Adapun tujuan penelitian ini adalah:

1. Untuk menentukan model regresi linier berganda yang dapat digunakan untuk jumlah kelahiran berdasarkan variabel–variabel yang mempengaruhinya.

2. Untuk mengetahui bagaimana pengaruh PUS, akseptor KB dan jumlah posyandu terhadap jumlah kelahiran di Kota Medan.

(13)

3. Untuk mengetahui faktor mana yang paling kuat mempengaruhi jumlah kelahiran di Kota Medan.

1.5Manfaat Penelitian

Manfaat yang dapat diambil dari penelitian ini adalah: 1. Bagi Mahasiswa

Menambah pengalaman penulis dalam menerapkan dan mengembangkan konsep ilmiah (ilmu pengetahuan) yang diperoleh dalam perkuliahan untuk menyelesaikan permasalahan yang diteliti.

2. Bagi Badan Pusat Statistik Provinsi Sumatera Utara

Bahan perbandingan serta sumbangan pemikiran dalam menganalisis faktor-faktor yang dapat mempengaruhi jumlah kelahiran.

1.6Metodologi Penelitian

Metode yang digunakan penulis dalam penelitian ini adalah metode penelitian riset dimana data yang dikumpulkan dalam penelitian ini adalah data sekunder yaitu data yang diambil dari Badan Pusat Statistik Provinsi Sumatera Utara.Data yang telah diperoleh kemudian disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

(14)

1.7Sistematika Penulisan

Adapun sistematika penulisan yang akan dikemukakan dalam penulisan Tugas Akhir ini adalah sebagai berikut:

BAB 1: Pendahuluan

Bab ini menjelaskan tentang latar belakang masalah, maksud dan tujuan penelitian, perumusan masalah, metode penelitian dan sistematika penulisan.

BAB 2: Landasan Teori

Bab ini menjelaskan tentang klasifikasi mengenai faktor – faktor yang mempengaruhi jumlah kelahiran.Dan menguraikan tentang regresi, regresi linier berganda, uji regresi ganda dan korelasi regresi linier berganda serta uji koefisien regresi berganda.

BAB 3: Gambaran Umum Lokasi Riset

Bab ini memaparkan tentang sejarah singkat tempat riset yaitu Badan Pusat Statistik (BPS), visi dan misi BPS.

BAB 4: Analisis Data

Bab ini menguraikan tentang analisis data dengan metode ragresi linier berganda dan analisis korelasi untuk melihat hubungan antar variabel.

(15)

BAB 5: Implementasi Sistem

Bab ini memaparkan tentang implementasi sistem yang digunakan untuk analisis penelitian yaitu program SPSS.

BAB 6: Kesimpulan dan Saran

Bab ini merupakan penutup yang merupakan kesimpulan dari pembahasan serta saran-saran penulis berdasarkan kesimpulan yang didapat.

(16)

BAB 2

LANDASAN TEORI

2.1 Pengertian Analisis Regresi

Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang pengetahuan, terutama para peneliti yang dalam penelitiannya banyak menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono, Drs.2004) maka dapat dikatakan bahwa statistik mempunyai pengaruh yang penting dan besar terhadap kemajuan berbagai bidang ilmu pengetahuan.

Regresi adalah suatu proses memperkirakan secara sistematis tantang apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memprediksi perubahan (Riduwan,Drs. M.B.A,2007). Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variable yang disebut tak bebas (dependent variable), pada satu atau lebih variabel, yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan disebut variabel bebas (independent variable).Dengan demikian analisis regresi juga dapat diartikan sebagai analisis perkiraan. Karena dapat merupakan suatu prediksi maka nilai prediksi tidak memberikan jawaban pasti tentang apa yang sedang dianalisis,

(17)

semakin kacil tingkat penyimpangan antara nilai prediksi dengan nilai rilnya, maka semakin tepat persamaan regresi yang dibentuk.

2.2 Analisis Regresi Linier Berganda

Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu variabel terikat (�) dan satu variabel bebas (�).Pada regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan lebih dari satu untuk variabel bebas.

Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih terhadap variabel terikatnya. Dengan demikian regresi berganda(multiple regression) digunakan untuk untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika diarahkan untuk menguji variabel–variabel yang ada (Supranto.J.MA.2009).

Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai � dan nilai �. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:

�= �₀+�₁�₁+�₁�₁ +∙∙∙+�_��_�+� (2.1) dengan:

� = Variabel tak bebas � = Variabel bebas

(18)

�0,�1,�2, … ,�� = Koefisien regresi

� = Variabel kesalahan (galat)

Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak, dan tidak mengetahui regresi populasi, untuk keperluan analisis, variabel bebas akan dinyatakan dengan �₁,�₂, … ,�_� (� ≥1) sedangkan variabel tidak bebas dinyatakan dengan �. Sehingga model regresi populasi perlu diduga berdasarkan model regresi sampel berikut:

��= �₀+�₁�₁+�₂�₂ +∙∙∙+�_��_�+� (2.2)

dengan:

� = Variabel tak bebas � = Variabel bebas �0,�1,�2, … ,�� = Koefisien regresi

�= Variabel kesalahan (galat)

2.3 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel tak bebas (�), tergantung kepada dua atau lebih variabel bebas (�).Untuk hal ini, penulis menggunakan regresi linier berganda dengan empat variabel, yaitu satu variabel tak bebas (dependent variable) dan tiga variabel bebas (independent variable). Bentuk umum persamaan regresi linier berganda tersebut, yaitu:

(19)

��= �₀+�₁�₁+�₂�₂ +�₃�₃ (2.3)

Koefisien-koefisien�₀,�₁,�₂,�₃ dapat dihitung dengan menggunakan persamaan:

Σ� _i =��₀ +�₁∑�_1� +�₂∑�_2�+�₃∑�_3� (2.4) ∑�1�� =�0∑�1�+�1∑�1�2 +�2Σ�1��2�+�3Σ�1��3� (2.5)

∑�2�� = �0∑�2�+�1Σ�1��2�+�2∑�2�2 +�3Σ�2��3� (2.6)

∑�3�� = �0∑�3�+�1Σ�1��3�+�2Σ�2��3�+�3Σ�3�2 (2.7)

harga-harga�0,�1,�2,�3 didapat dengan menggunakan persamaan diatas dengan metode eliminasi atau subsitusi.

2.4 Kesalahan Standart Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi (standard error of estimate).Besarnya kesalahan standar estimasi menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya.Semakin kecil nilai kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya.Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan rumus:

(20)

1 ) ( 2 ,..., 2 , 1 , ₋ ₋ − =

∑

Λ k n Y Y

S_y _k i

(2.8) dengan:

�� = Nilai data sebenarnya

�� = Nilai taksiran � = Ukuran sampel

� = Banyak variabel bebas

2.5. Koefisien Determinasi

Koefisien determinasi dinyatakan dengan �2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi keragaman total dalam variabel tak bebes (�) yang dapat dijelaskan atau diterangkan oleh variabel–variabel bebas (�) yang ada didalam model persamaan regresi linier berganda secara bersama–sama. Maka �2akan ditentukan dengan rumus, yaitu:

R2 = ₂

y JK_reg

∑

(2.9) dengan:

�� = Jumlah Kuadrat Regresi

Harga �2 yang diperoleh sesuai dengan variansi yang dijelaskan masing–masing variabel yang tinggal dalam regresi.

(21)

2.6 Koefisien Korelasi

Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas, atau antara variabel bebas itu sendiri. Studi yang membahas derajat hubungan antara variabel–variabel tersebut dikenal dengan nama analisis korelasi.

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain. Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi, untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.

Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “�”.

Bentuk umum korelasi adalah:

�

��_�

=

� ∑ ��−(∑ ��)(∑ ��) ��∑�_�2−(∑�_�)2�� ∑ �_�2−(∑ �_�)2�

(2.10)

dengan:

�� = Koefisien korelasi antara �dan �

�� = Variabel bebas

(22)

Nilai r selalu antara 1 dan 1, sehingga nilai r tersebut dapat ditulis: -1≤ � ≤ 1. Semakin tinggi nilai koefisien korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin rendah. Adapun jika nilainya bertanda negatif, maka terjadi hubungan yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel lain akan turun.

Tabel 2.1 Interpretasi Koefisien Korelasi nilai �

� Interpretasi

0 0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99

Tidak berkorelasi Sangat rendah

Rendah Agak rendah

Cukup Tinggi Sangat tinggi

2.7 Uji Regresi Linier Berganda

Pengujian hipotesa bagi koefisien–koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan.Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel–variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas. Langkah–langkah pengujiannya sebagai berikut:

(23)

1. Menentukan Formulasi hipotesis

�0:�1 = �2 =∙∙∙=�� = 0(�1 =�2 =∙∙∙= ��tidak mempengaruhi �)

�1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan

nol atau mempengaruhi �.

2. Menentukan taraf nyata � dan nilai �_{��} dengan derajat kebebasan �1 = �dan �2 =� − � −1.

3. Menentukan kriteria pengujian �0diterima bila �ℎ�� ≤ ��

�0ditolak bila �ℎ�� > ��

4. Menentukan nilai statistik F dengan rumus:

� = ��/�

��/(�−�−1) (2.8)

dengan:

�� =Jumlah kuadrat regresi

�� = Jumlah kuadrat residu (sisa)

(� − � −1) = Derajat kebebasan

�� = �1∑�1�+�2∑�2�+ ∙∙∙ +��∑�� (2.11)

(24)

dengan:

�1 =�1− ��1

�2 =�2− ��2

�3 =�3− ��3

� = � − ��

(25)

BAB 3

GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen.BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan.Selain hal–hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran–ukuran lainnya.

Setiap sepuluh tahun sekali, BPS menyelenggaraka samping itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap daerah, karena BPS merupakan instansi vertikal, yakni instansi daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:

(26)

1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol), 2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan 3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).

3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik

Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.

3.2.1 Tugas

BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

3.2.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:

1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik. 2. Pengkoordinasian kegiatan statistik nasional dan regional.

3. Penetapan dan penyelenggaraan statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan statistik.

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.

(27)

3.2.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan:

1. Penyusunan rencana nasional secara makro di bidangnya.

2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.

3. Penetapan sistem informasi di bidangnya.

4. Penetapan dan penyelenggaraan statistik nasional.

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku

3.3 Visi dan Misi BPS

3.3.1 Visi

Pelopor data

3.3.2 Misi

1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

(28)

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak. 5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik

yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem

3.4 Struktur Organisasi BPS

Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.

Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan perwakilan dan cabang perwakilan BPS.

(29)

Gambar 3.1 Struktur Organisasi BPS Provinsi

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu– individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.

Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai/staf tersebut.

Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur–unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

K E P A L A

Bagian Tata Usaha

Bidang I ntegrasi Pengolahan & Diseminasi Statistik Bidang

Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial Seksi Statistik Kependudukan Seksi Statistik Ketahanan Sosial Seksi Statistik Kesejahteraan Rakyat Seksi Statistik Konstruksi,

Pertam-bangan & Energi Seksi Statistik

I ndustri Seksi Statistk

Pertanian

Seksi Statistk Niaga & Jasa Seksi Statistk Keuangan & Harga

Produsen Seksi Statistk Harga Konsumen &

Perdag. Besar Seksi Analisis Statistik Lintas Sektor Seksi Neraca Konsumsi Seksi Neraca Produksi Seksi Diseminasi dan Layanan Statistik Seksi Jaringan dan Rujukan Statistik Seksi I ntegrasi Pengolahan Data SubBag Bina Program SubBag Urusan Dalam SubBag Kepegaw aian dan Hukum SubBag Keuangan SubBag Perlengkapan Tenaga Fungsional

(30)

3.5 Logo BPS

Logo BPS adalah sebagai berikut:

(31)

BAB 4

ANALISIS DATA

Pada bab ini akan diuraikan bagaimana cara pengolahan data dengan menggunakan beberapa metode. Adapun metode yang digunakan dalam penyelesaian tugas akhir ini adalah analisis regresi linier berganda, kesalahan standard estimasi, uji keberartian regresi, koefisien korelasi linier ganda.Dan koefisien antar variable dependent dan independent.

4.1 Pengambilan Data

Data yang diambil dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara adalah jumlah kelahiran, pasangan usia subur, akseptor KB dan jumlah posyandu di Kota Medan Tahun 2012.

(32)

Tabel 4.1 Jumlah Kelahiran, Jumlah Pasangan Usia Subur (PUS), Jumlah Akseptor KB dan Jumlah Posyandu

di Kota Medan Tahun 2012

No Kecamatan Kelahiran PUS Akseptor

KB Posyandu 1 Medan Tuntungan 1.004 12.067 8.727 48 2 Medan Johor 2.704 18.970 14.183 57 3 Medan Amplas 2.131 21.768 13.881 69 4 Medan Denai 2.663 24.213 15.010 95

5 Medan Area 1.841 14.386 9.296 113

6 Medan Kota 1.350 8.624 5.210 92

7 Medan Maimun 1.274 5.385 4.613 42

8 Medan Polonia 1.036 7.477 5.168 32

9 Medan Baru 1.029 5.970 3.917 25

10 Medan Selayang 1.095 15.309 9.829 41 11 Medan Sunggal 1.832 18.479 12.302 71 12 Medan Helvetia 2.928 25.028 16.408 55 13 Medan Petisah 1.549 10.110 6.334 59

14 Medan Barat 1.086 8.856 6.474 69

15 Medan Timur 2.313 14.595 10.236 78 16 Medan Perjuangan 1.898 14.217 9.201 64 17 Medan Tembung 2.377 20.425 12.780 69 18 Medan Deli 3.223 25.161 16.921 90 19 Medan Labuhan 2.243 20.118 13.718 87 20 Medan Marelan 2.415 21.593 14.230 61 21 Medan Belawan 1.502 17.625 12.625 79

(33)

dengan:

� = Jumlah Kelahiran

�1 = Pasangan Usia Subur (PUS)

�2 = Akseptor KB

�3 = Posyandu

4.2 Pengolahan Data

Tabel 4.2 Nilai – Nilai yang Dibutuhkan Untuk Menghitung Koefisien Regresi Linier Berganda

No � �1 �2 �3 ��1 ��2

1 1.004 12.067 8.727 48 12.115.268 8.761.908

2 2.704 18.970 14.183 57 51.294.880 38.350.832

3 2.131 21.768 13.881 69 46.387.608 29.580.411

4 2.663 24.213 15.010 95 64.479.219 39.971.630

5 1.841 14.386 9.296 113 26.484.626 17.113.936

6 1.350 8.624 5.210 92 11.642.400 7.033.500

7 1.274 5.385 4.613 42 6.860.490 5.876.962

8 1.036 7.477 5.168 32 7.746.172 5.354.048

9 1.029 5.970 3.917 25 6.143.130 4.030.593

10 1.095 15.309 9.829 41 16.763.355 10.762.755

11 1.832 18.479 12.302 71 33.853.528 22.537.264

12 2.928 25.028 16.408 55 73.281.984 48.042.624

13 1.549 10.110 6.334 59 15.660.390 9.811.366

14 1.086 8.856 6.474 69 9.617.616 7.030.764

15 2.313 14.595 10.236 78 33.758.235 23.675.868

16 1.898 14.217 9.201 64 26.983.866 17.463.498

17 2.377 20.425 12.780 69 48.550.225 30.378.060

18 3.223 25.161 16.921 90 81.093.903 54.536.383

19 2.243 20.118 13.718 87 45.124.674 30.769.474

20 2.415 21.593 14.230 61 52.147.095 34.365.450

21 1.502 17.625 12.625 79 26.472.750 18.962.750

(34)

Sambungan Tabel 4.2

No ��3 �1�2 �1�3 �2�3 �2

1 48.192 105.308.709 579.216 418.896 1.008.016 2 154.128 269.051.510 1.081.290 808.431 7.311.616 3 147.039 302.161.608 1.501.992 957.789 4.541.161 4 252.985 363.437.130 2.300.235 1.425.950 7.091.569 5 208.033 133.732.256 1.625.618 1.050.448 3.389.281 6 124.200 44.931.040 793.408 479.320 1.822.500 7 53.508 24.841.005 226.170 193.746 1.623.076 8 33.152 38.641.136 239.264 165.376 1.073.296 9 25.725 23.384.490 149.250 979.25 1.058.841 10 44.895 150.472.161 627.669 402.989 1.199.025 11 130.072 227.328.658 1.312.009 873.442 3.356.224 12 161.040 410.659.424 1.376.540 902.440 8.573.184 13 91.391 64.036.740 596.490 373.706 2.399.401 14 74.934 57.333.744 611.064 446.706 1.179.396 15 180.414 149.394.420 1.138.410 798.408 5.349.969 16 121.472 130.810.617 909.888 588.864 3.602.404 17 164.013 261.031.500 1.409.325 881.820 5.650.129 18 290.070 425.749.281 2.264.490 1.522.890 10.387.729 19 195.141 275.978.724 1.750.266 1.193.466 5.031.049 20 147.315 307.268.390 1.317.173 868.030 5.832.225 21 118.658 222.515.625 1.392.375 997.375 2.256.004 Jumlah 2.766.377 3.988.068.168 23.202.142 15.448.017 83.736.095

(35)

Sambungan Tabel 4.2

No. �12 �22 �32

1 145.612.489 76.160.529 2.304 2 359.860.900 201.157.489 3.249 3 473.845.824 192.682.161 4.761 4 586.269.369 225.300.100 9.025 5 206.956.996 86.415.616 12.769 6 74.373.376 27.144.100 8.464 7 28.998.225 21.279.769 1.764 8 55.905.529 26.708.224 1.024 9 35.640.900 15.342.889 625 10 234.365.481 96.609.241 1.681 11 341.473.441 151.339.204 5.041 12 626.400.784 269.222.464 3.025 13 102.212.100 40.119.556 3.481 14 78.428.736 41.912.676 4.761 15 213.014.025 104.775.696 6.084 16 202.123.089 84.658.401 4.096 17 417.180.625 163.328.400 4.761 18 633.075.921 286.320.241 8.100 19 404.733.924 188.183.524 7.569 20 466.257.649 202.492.900 3.721 21 310.640.625 159.390.625 6.241 Jumlah 5.997.370.008 2.660.543.805 102.546

(36)

Dari Tabel 4.2 maka diperoleh hasil sebagai berikut:

n = 21 ∑ ��₁ = 696.461.414

∑ � = 39.493 ∑ ��₂ = 464.410.076 ∑ �1 = 330.376 ∑ ��3 = 2.766.377

∑ �2 = 221.063 ∑ �1�2 = 3.988.068.168

∑ �3 = 1.396 ∑ �1�3 = 23.202.142

∑ �2 _{= 83.736.095} _{∑ �}

2�3 = 15.448.017

∑ �12 = 5.997.370.008

∑ �22 = 2.660.543.805

∑ �32 = 102.546

Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus sebagai berikut:

ΣY = nb0 + b1ΣX1 + b2ΣX2 + b3ΣX3

ΣYX1 = b0ΣX1 + b1ΣX12 + b2ΣX1X2 + b3ΣX1X3 ΣYX2 = b0ΣX2 + b1ΣX1X2+ b2ΣX22 + b3ΣX2X3 ΣYX3 = b0ΣX3+ b1ΣX1X3+ b2ΣX2X3 + b3ΣX32

Harga–harga koefisien b0, b1, b2, b3dicari dengan substitusi dan eliminasi dari persamaan normal diatas. Selanjutnya substitusi nilai-nilai pada Tabel 4.2 kedalam persamaan normal, sehingga diperoleh:

(37)

39.493 = 21 b0 + 330.376 b1 + 221.063 b2 + 1.396 b3

696.461.414 = 330.376 b0 + 5.997.370.008 b1 + 3.988.068.168 b2 + 23.202.142 b3 464.410.076 = 221.063 b0 + 3.988.068.168 b1 + 2.660.543.805 b2 + 15.448.017 b3 2.766.377 = 1.396 b0 + 23.202.142 b1 + 15.448.017 b2 + 102.546 b3

Setelah persaman diatas diselesaikan, maka diperoleh koefisien-koefisien regresi linier berganda sebagai berikut :

b0 = 193,691 b1 = 0,018 b2 = 0,110 b3 = 3,677

Dengan demikian, persamaan regresi linier ganda �, �₁, �₂, �₃ terhadap Y adalah:

Ŷ = 193,691 + 0,018�1 + 0,110�2 + 3,677�3

4.3 Kesalahan Standard Estimasi

Untuk mengetahui seberapa besar tingkat kekeliruan baku taksiran dari persamaan regresi yang telah didapatkan, maka diperlukan harga��.

Setelah diperoleh persaman regresi linier berganda, langkah selanjutnya adalah menghitung kesalahan baku ini diperlukan harga �� yang diperoleh dari persamaan regresi diatas untuk tiap harga �₁, �₂dan �₃yang diketahui dapat dilihat pada Tabel 4.3

(38)

Tabel 4.3 Harga Penyimpangan ��

No Y �� Y - �� (Y - ��)2

1 1.004 -543 1.547,363 295.243,3498 2 2.704 399 2.304,87 159.304,7569 3 2.131 -235 2.366,138 55.289,87904

4 2.663 33 2.629,94 1.092,9636

5 1.841 -50 1.890,7 2.470,09

6 1.350 90 1.260,307 8.044,834249

7 1.274 322 952,485 103.371,8952

8 1.036 139 896,757 19.388,61305

9 1.029 205 823,946 42.047,14292

10 1.095 -606 1.701,2 367.478,44

11 1.832 -309 2.140,6 95.233,96

12 2.928 277 2.651,31 76.557,3561 13 1.549 260 1.289,354 67.416,04532 14 1.086 -233 1.318,952 54.266,6343 15 2.313 444 1.869,167 196.987,7319 16 1.898 201 1.697,035 40.386,93123 17 2.377 156 2.220,854 2.4381,57332 18 3.223 -24.324 27.546,949 591.654.495 19 2.243 -12.351 14.593,824 152.542.853,5 20 2.415 43 2.371,962 1.852,269444 21 1.502 -688 2.190,174 473.583,4543 Jumlah 39.493 -36.771 76.263,887 746.281.746,4

(39)

dengan:

∑ � = 39.493 ∑Y − �� = 76.263,887 ∑ �� = -36.771 ∑(Y − ��)2 = 746.281.746,4

Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kekeliruan bakunya dapat dihitung dengan menggunakan rumus (2.8) sebagai berikut:�_�_.₁_,₂_,…_� = �∑(��−��)2

�−�−1

��.1234 = �

2.233.140 21−3−1

�

�.1234 =

√

131.361

��.1234 = 362,43

Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata jumlah kelahiran yang sebenarnya akan menyimpang dari rata-rata jumlah kelahiran yang diperkirakan sebesar 362,43.

4.3 Uji Keberartian Regresi

Pengujian hipotesa dalam regresi linier berganada perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.

1. Menentukan formulasi hipotesis

�0:Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu

Pasangan Usia Subur (PUS), Akseptor KB, dan Posyanduterhadap variabel terikat yaitu jumlah kelahiran.

(40)

�1:Terdapat pengaruh yang signifikan antara variabel bebas yaitu

Pasangan Usia Subur (PUS), Akseptor KB, dan Posyandu terhadapvariabel terikat yaitu jumlah kelahiran.

2. Mencari nilai Ftabel dari Tabel Distribusi F

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk penyebut (v2) = n – k -1 = 21 – 3 – 1 = 17, maka diperoleh F_v1;v2(α) = F3;21(0,05) = 3,07.

3. Menentukan kriteria penguji �0diterima bila Fhitung< Ftabel

�1ditolak bila Fhitung ≥ Ftabel

4. Menentukan nilai statistik Fhitung

�ℎ�� = _��(��)/�

(_��)/(�−�−1)

Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai �, �, �₂, �₃dngan rumus :

� = � −Ῡ �2 = �2 − Ῡ �1 = �1 − Ῡ �3 =�3 − Ῡ

(41)

Untuk memperoleh nilai-nilai tersebut, maka diperlukan nilai harga sebagai berikut:

��1 = 330.376, ��2 = 221.063, ��3 = 1.396, ��= 39.493

Untuk menentukan uji keberartian regresi maka diperlukan nilai x₁, x₂, x₃ dan �yang dapat membantu untuk mengerjakan uji keberartian regresi, sehingga dapat diperoleh dari Tabel 4.4 berikut ini:

Tabel 4.4 Nilai Untuk Uji Keberartian Regresi

No �� _1� �_2� �_3� �2 �₁2

1 -877 -3.665 -1.800 -18 768.461 13.433.621 2 823 3.238 3.656 -9 677.956 10.483.411

3 250 6.036 3.354 3 62.691 36.430.997

4 782 8.481 4.483 29 612.120 71.924.130 5 -40 -1.346 -1.231 47 1.570 1.812.229 6 -531 -7.108 -5.317 26 281.557 50.526.372 7 -607 -10.347 -5.914 -24 367.987 107.064.351 8 -845 -8.255 -5.359 -34 713.381 68.148.170 9 -852 -9.762 -6.610 -41 725.255 95.300.363

10 -786 -423 -698 -25 617.197 179.090

11 -49 2.747 1.775 5 2.364 7.544.963

12 1.047 9.296 5.881 -11 1.097.007 86.412.075 13 -332 -5.622 -4.193 -7 109.971 31.609.026 14 -795 -6.876 -4.053 3 631.419 47.281.995 15 432 -1.137 -291 12 186.953 1.293.202

16 17 -1.515 -1.326 -2 302 2.295.802

17 496 4.693 2.253 3 246.394 22.022.461 18 1.342 9.429 6.394 24 1.801.987 88.902.449 19 362 4.386 3.191 21 131.320 19.235.325 20 534 5.861 3.703 -5 285.563 34.349.088 21 -379 1.893 2.098 13 143.352 3.582.728

(42)

Sambungan Tabel 4.4

No �22 �32 ��1 ��2 ��3

1 3.239.314 341 3.212.976 1.577.747,311 16.197 2 13.367.729 90 2.665.951 3.010.437,596 -7.803 3 11.250.594 6 1.511.252 839.825,4059 632 4 20.098.997 814 6.635.224 3.507.562,834 22.316 5 1.514.892 2.164 53.335 48.763,50113 -1.843 6 28.268.464 651 3.771.741 2.821.200,406 -13.543 7 34.973.143 599 6.276.803 3.587.429,501 14.848 8 28.716.840 1.189 6.972.491 4.526.152,596 29.119 9 43.689.582 1.720 8.313.667 5.629.039,692 35.322 10 486.938 649 332.466 548.212,4535 20.015 11 3.151.301 20 -133.547 -86.308,0703 -220 12 34.588.401 132 9.736.254 6.159.846,882 -12.020 13 17.579.652 56 1.864.425 1.390.415,501 2.479 14 16.425.265 6 5.463.952 3.220.439,644 -2.005 15 84.570 133 -491.700 -125.740,499 4.983 16 1.757.771 6 -26.335 -23.043,8322 -43 17 5.076.867 6 2.329.421 1.118.440,834 1.253 18 40.885.672 553 12.657.054 8.583.439,501 31.578 19 10.183.697 421 1.589.334 1.156.426,644 7.437 20 13.713.620 30 3.131.905 1.978.914,454 -2.926 21 4.402.403 157 -716.654 -794.414,88 -4.742 Jumlah 333455711,2 9.745 75.150.016 48.674.787,48 141.033

dengan:

∑ �� = 0 ∑ ��₁ = 75.150.016

∑ �1� = 0 ∑ ��2= 48674787,48

∑ �2� = 0 ∑ ��3 = 141.033

∑ �3� = 0 ∑ �2 = 9.464.807

∑ �12 = 799.831.847 ∑ �22= 333455711,2

(43)

Dari nilai-nilai diatas dapat diketahui nilai jumlah kuadrat regresi (��_��) dan nilai (��_��) dan selanjutnya dapat dihitung �_{ℎ��}.

�� =�1∑��1+�2∑��2+�3∑��3

�� = (0,018 x 75.150.016)+(0,11 x 48674787,48)+(3,677 x 141.033)

�� = 7.225.504,542 ��= Ʃ(� − Ŷ)2

�� =2.233.140

�ℎ��

=

��

��/(�−�−1)

�ℎ��

=

7.225.504,542

2.233.140/(21−3−1)

�ℎ��

=

18,335

Untuk �_{ℎ��}, yaitu nilai statistik � jika dilihat dari tabel distribusi � dengan derajat kebebasan pembilang �₁ = k yaitu 3 dan penyebut �₂ = n-k-1 yaitu 21, dan α = 5% = 0,05 maka:

�� = �(α)(v1;v2)

�� =� (0,05)(3;21) = 3,07

Dengan demikian dapat kita lihat bahwa nilai �_{ℎ��}≥ �_{��}, yaitu 18,335 ≥ 3,07. Maka �₀ditolak. Hal ini berarti persamaan linier berganda �atas �₁, �₂, �₃ bersifat nyata. Hal ini berarti terdapat pengaruh yang signifikan antara variabel bebas yaitu Pasangan Usia Subur (PUS), Akseptor KB, dan Posyandu terhadap variabel terikat yaitu jumlah kelahiran.

(44)

4.4 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda

Dari Tabel 4.4 dapat dilihat harga Ʃ�2 = 9.464.807dan nilai ��_�� = 7.225.504,542telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi:

�2₌��

Ʃ�2 �2

₌

7.225.504,542

9.464.807

�2 = 0,763

Dan untuk koefisien korelasi ganda, kita gunakan: � = √�2

= _√0,763

= 0,874

Dari hasil perhitungan didapat nilai koefisien determinasi 0,763. Dan dengan mencari akar dari �2, diperoleh koefisien korelasinya sebesar 0,874. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 76,3% jumlah kelahiran dipengaruhi oleh pasangan usia subur, akseptor KB dan jumlah posyandu. Sedangkan sisanya 23,7% dipengaruhi oleh faktor-faktor lain.

4.5 Menghitung Koefisien Korelasi Antar Variabel Dependen (�) dengan Variabel Independen (Xi)

(45)

1. Koefisien korelasi antara Jumlah Kelahiran (�) dengan jumlah Pasangan Usia Subur (�₁)

�

(�,�₁)

=

� ∑ �

� −

(

∑ �

)(

∑ �

)

�

{

� ∑ �

₂2

−

(

∑ �

₂

)

}

�� ∑ �

−

(

∑ �

)

�

(�,�₁)

=

(21 × 696.461.441)

−

(330.376 × 39.493)

�

{21 × 5.997.370.008

−

(330.376)

}{21 × 83.736.095

−

(39.493)

}

�

(�,�₁)

=

1.578.150.326 √

1.827.151.342 �

(�,�₁)

=

0,864

Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan jumlah pasangan usia subur. Artinya penambahan jumlah kelahiran akan meningkatkan jumlah pasangan usia subur, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah pasangan usia subur. Hubungan antara jumlah kelahiran dengan jumlah pasangan usia subur tergolong kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,864.

2. Koefisien korelasi antara Jumlah Kelahiran (�) dengan Akseptor KB (�₂)

�

(�,�₂)

=

� ∑ �

� −

(

∑ �

)(

∑ �

)

(46)

�(�,�₂) =

(21 × 464.410.076)−(221.063 × 39.493)

�{21 × 2.660.543.805−(221.063)2}{21 × 83.736.095−(39.493)2} �(�,�₂) =

1022170537 √1,39184�+ 18

�

(�,�₂)

=

0,866

Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan nilai akseptor KB. Artinya penambahan jumlah kelahiran akan meningkatkan jumlah akseptor KB, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah akseptor KB. Hubungan antara jumlah kelahiran dengan jumlah akseptor tergolong kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,866.

3.

Koefisien korelasi antara � (Jumlah kelahiran) dengan �₃ (Posyandu) �(�,�₃) =

� ∑ �3� −(∑ �3)(∑ �)

�{� ∑ �₃2−(∑ �₃)2}�� ∑ �2−(∑ �)2� �(�,�₃) =

(21 × 2.766.377)−(1.396 × 39.493)

�{21 × 102.546−(1.396)2}{21 × 83.736.095−(39.493)2} �(�,�₃) =

2.961.689 √4,06764�+ 13

�

(�,�₃)

=

0,464

Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan jumlah posyandu. Artinya penambahan jumlah kelahiran akan meningkatkan jumlah posyandu, dan sebaliknya penurunan jumlah kelahiran akan

(47)

menurunkan jumlah posyandu. Hubungan antara jumlah kelahiran dengan jumlah posyandu tergolong lemah, ini ditandai dengan nilai r yang diperoleh yaitu 0,464.

4.6 Perhitungan Korelasi Antar Variabel Bebas

Utuk mengukur seberapa besar hubungan variabel independen (Xi) terhadap variabel independen lainnya (Xi), dapat dilihat dari besarnya nilai koefisien korelasinya yaitu:

1. Koefisien korelasi antara Pasangan Usia Subur (�₁) dengan Akseptor KB (�₂)

�(1,2) =

� ∑ �1�2−(∑ �1)(∑ �2)

�{� ∑ �₁2−(∑ �₁)2}�� ∑ �₂2−(∑ �₂)2�

�(1,2)=

(21 × 3.988.068.168)−(330.376 × 221.063)

�{(21 × 5.997.370.008)−(330.376)2}{(21 × 2.660.543.805)−(221.063)2}

�(1,2) =

10.715.521.840 √1,17618�+ 20 �(₁,2) = 0,988

Artinya variabel Pasangan Usia Subur (�₁) berkolerasi positif dan kuat terhadap Akseptor KB (�₂).

2. Koefisien korelasi antara Pasangan Usia Subur (�₁) dengan Posyandu (�₃) �(1,3) =

� ∑ �1�3 −(∑ �1)(∑ �3)

(48)

�₍₁_,₃₎= (21 × 23.022.142)−(330.376 × 1.396)

�{(21 × 5.997.370.008)−(330.376)2}{(21 × 102.546)−(1.396)2}

�(₁,3) =

26.040.086 �3,4374�+ 15

�₍₁_,₃₎ = 0,444

Artinya variabel Pasangan Usia Subur (�₁) berkolerasi positif dan lemah terhadap Posyandu (�₃).

3. Koefisien korelasi antara Akseptor KB (�₂) dengan Posyandu (�₃) �(2,3) =

� ∑ �2�3−(∑ �2)(∑ �3)

�{� ∑ �₂2−(∑ �₂)2}�� ∑ �₃2−(∑ �₃)2� �(2,3) =

(21 × 15.448.017)−(221.063 × 1.396)

�{(21 × 2.660.543.805)−(221.063)2}{(21 × 102.546)−(1.396)2} �(2,3) =

15.804.409 �1,43308�+ 15

�

(2,3)

=

0,417

Artinya variabel Akseptor KB (�₂) berkolerasi positif dan lemah terhadap Posyandu (�₃).

(49)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan iplementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming.Dalam pengolahan data pada karya tulis ini penulis menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS for windows dalam masalah memperoleh perhitungan.

5.2 Peranan Komputer Dalam Statistika

Komputer memiliki peranan penting yang sangat penting dalam statistika. Komputer bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai berikut :

1. Jumlah Input yang Besar

Jumlah input yang besar akan dapat diolah oleh komputer dengan mudah mengolah data yang jumlahnya sedikit sehingga computer akan dapat bekerja sangat efisien pada pengolahan data dengan menggunakan input yang besar.

(50)

2. Proyek yang Repetitif

Pengolahan yang berulang-ulang akan lebih efisien dengan menggunakan komputer, karena perintah hanya dilakukan satu kali kemudian diulang-ulang (copy) untuk menjalankan pengolahan yang lain.

3. Diperlukan Kecepatan yang Tinggi

Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Hanya saja yang membedakan pada proses pemasukan data.

4. Diperlukan Ketepatan

Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Pada proses pemasukan data akan terlihat jika terjadi kesalahan informasi.

5. Pengolahan Hal yang Kompleks

Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah menggunakan komputer dalam waktu yang tepat dan cepat.

Banyak beredar berbagai paket program komputer statistic dari yang berbasis DOS seperti Microstat yang berbasis Windows seperti SPSS, SAS, dan lainnya.Dari berbagai software khusus statistic yang beredar sekarang, SPSS adalah yang paling popular dan paling banyak digunakan pemakai di seluruh dunia.

(51)

SPSS sebagai software statistic, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford University, yang dioperasikan pada computer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk computer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya sistem operasi windows, SPSS pada tahun 1992 juga mengeluarkan versi Windows.

Proses ini membuat SPSS (Statistical Package for the Social Sciens) yang tadinya ditujukan bagi pengolahan data statistik untuk ilmu sosial, sekarang diperluas untuk melayani berbagai user, seperti untuk proses produksi di pabrik, riset ilmu-ilmu sains dan lainnya.Dan sekarang SPSS menjadi Statistical Product and Services Solutions.

5.3 Cara Kerja SPSS

Cara kerja SPSS sama halnya dengan prinsip komputer yaitu meliputi 3 bagian : input, proses, dan output.

1. Input

Pada statistik, input berupa data yang telah ditabulasikan pada data editor bagian viewdata, sedangkan proses coding dan pendefenisian variable pada view variable.

2. Proses

Pada statistik. Proses berupa analisis perhitungan, baik secara deskriptif maupun inferensi, baik dengan statistic parametric ataupun non-parametrik.Pada SPSS, proses berupa eksekusi program SPSS untuk

(52)

menganalisis input yang ada di data editor sesuai dengan perintah dari pemakai.

3. Output

Pada statistik, output berupa hasil analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau table serta kesimpulan yang diperoleh dari hasil analisis.

Pada SPSS, output berupa hasil analisis program SPSS yang disajikan dalam output navigator.

Dengan demikia, cara kerja SPSS dapat dilihat dalam sistematika berikut :

5.4 Mengoperasikan SPSS

Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS adalah :

a. Mengaktifkan Program SPSS pada Windows

Klik Start, kemudian All Program, SPSS Inc, SPSS 17.0 for windows. Seperti tampilan gambar berikut:

INPUT DATA dengan DATA EDITOR

PROSES dengan DATA EDITOR

OUTPUT DATA dengan OUTPUT NAVIGATOR

(53)

Gambar 5.1 Tampilan saat membuka SPSS pada Windows

Maka akan muncul tampilan Gambar 5.2 seperti dibawah ini :

Gambar 5.2 Tampilan awal SPSS

(54)

b. Pemasukan Data

Langkah-langkahnya sebagai berikut:

a. Pada Variable View, isilah kolom dengan ketentuan data yang akan diolah. Pengisian Kolom dilakukan dengan cara berikut :

1. Input variable Y (jumlah kelahiran) a) Name

Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik Y.

b) Type

Karena Y berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.

c) Width

Untuk keseragaman ketik 8. d) Decimals

Berdasarkan data yang ada maka ketik 0. e) Label

Label adalah keterangan untuk nama variable. Maka untuk Y ketik Jumlah Kelahiran.

2. Input Variabel �₁ (Pasangan Usia Subur) a) Name

Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik �₁.

(55)

b) Type

Karena �₁ berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.

c) Width

Untuk keseragaman ketik 8. d) Decimals

Berdasarkan data yang ada maka ketik 0. e) Label

Label adalah keterangan untuk nama variable. Maka untuk �₁ ketik Pasangan Usia Subur.

3. Input Variabel �₂ (Akseptor KB) a) Name

Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik �₂ .

b) Type

Karena �₂ berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.

c) Width

Untuk keseragaman ketik 8. d) Decimals

(56)

e) Label

Label adalah keterangan untuk nama variable. Maka untuk �₂ ketik Akseptor KB.

4. Input Variabel �₃(Jumlah Posyandu) a) Name

Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik �₃ .

b) Type

Karena �₃ berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.

c) Width

Untuk keseragaman ketik 8. d) Decimals

Berdasarkan data yang ada maka ketik 0. e) Label

Label adalah keterangan untuk nama variable. Maka untuk �₃ ketik Jumlah Posyandu.

(57)

Hasilnya dapat dilihat pada Gambar 5.3 berikut ini :

Gambar 5.3 Tampilan Pada Pengisian Variable View

Setelah proses pengisian Variabel View selesai, klik pada Data View dan isikan data pada kolom yang sudah didefennisikan sebelumnya. Tampilannya pada Gambar 5.4:

(58)

c. Menyimpan Data

Setelah proses pengisian data telah selesai, 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, dan

3. Klik save.

d. Analisis Regresi dan Korelasi Dengan SPSS

Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut : 1. Buka analyze→regression→linear

Maka akan muncul tampilan Gambar 5.5 sebagai berikut:

(59)

2. Masukkan Jumlah Kelahiran (Y) pada kotak dependent, sedangkan Pasangan Usia Subur (�₁), Akseptor KB (�₂), serta jumlah Posyandu (�₃) pada kotak independent (s). Seperti pada gambar berikut:

Gambar 5.6 Tampilan pada saat pemasukan variable statistic

3. Pilih kolom statistik dengan mengklik tab Statistics dan berikan tanda ceklist pada kolom Estimate, Model Fit, Descriptive, Part and Partial Correlation, lalu klik continue seperti pada gambar berikut:

(60)

Gambar 5.7 Tampilan pada kotak Statistic

4. Klik plots dan berikan tanda ceklist pada pilihan Produce All Partial Plot. Lalu klik continue seperti pada gambar berikut :

Gambar 5.8 Tampilan pada kotak Plots

5. Klik OK untuk mengakhiri pengisian prosedur analisis, dan hasil outputnya bisa dilihat pada lampiran.

(61)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Setelah dilakukannya analisis, maka penulis dapat mengambil beberapa kesimpulan antara lain:

1. Dengan menggunakan rumus di atas maka diperoleh nilai koefisien–koefisien b0= 193,691; b1 = 0,018; b2 = 0,110; dan b3 = 3,677. Persamaan regresi yang diperoleh berdasarkan nilai – nilai koefisien regresi berganda tersebut adalah ��= 193,691 + 0,018�₁+ 0,110�₂+ 3,677�₃

2. Koefisien determinasi (�2) adalah sebesar 0,89, menunjukkan bahwa 76,3% pertumbuhan ekonomi dipengaruhi oleh keempat faktor yang dianalisis yaitu Pasangan Usia Subur (�₁), Akseptor KB (�₂), dan Posyandu (�₃), dan 23,7% sisanya dipengaruhi oleh faktor – faktor yang lain

3. Pada uji regresi linier berganda dengan taraf nyata 0,05, dk pembilang = 3 dan dk penyebut = 3, maka Ftabel yang didapat sebesar 3,07 dan Fhitung sebesar 18,335. Maka diperoleh Fhitung> Ftabel dan dapat disimpulkan bahwa H0 ditolak dan H1 diterima. Ini menunjukkan bahwa adanya hubungan fungsional yang signifikan antara pasangan usia subur (�₁), akseptor KB (�₂), posyandu (�₃) mempengaruhi jumlah kelahiran (�).

(62)

4. Pada analisis koefisien korelasi antara variabel dependen (terikat) dengan variabel independen (bebas), korelasi yang kuat terjadi pada jumlah kelahiran (�) dengan akseptor KB (�₂) yaitu sebesar 0,866 dan tergolong sangat kuat, ini ditandai dengan nilai r yang sangat kuat yaitu sebesar 0,866(0,80 ≤ r ≤ 1,000 berarti korelasi sangat kuat).

6.2 Saran

1. Pemerintah kota Medan agar senantiasa memperhatikan struktur penduduk yang berada pada kelompok usia subur dengan membuat suatu kebijakan yang tepat pada kelompok usia subur yang cukup tinggi mempengaruhi jumlah kelahiran.

2. Pemerintah agar senantiasa memperhatikan masyarakat yang memakai alat kontrasepsi (khususnya KB) dengan membuat suatu kebijakan yang bisa menumbuhkan kemauan masyarakat untuk memakai alat kontrasepsi (khususnya KB) yang cukup tinggi mempengarui jumlah kelahiran.

3. Masyarakat senantiasa memperhatikan sarana untuk mendapatkan pelayanan dasar terutama dalam bidang kesehatan dan perencanaan keluarga berencana yang ada dilingkungannya dengan cara ikut serta dalam pemeliharaan posyandu yang ada disekitar lingkungan bermasyarakat.

(63)

DAFTAR PUSTAKA

Algifari. 1997. “Analisis Regresi Cetakan Pertama”. Yogyakarta: BPFE Yogyakarta.

Algifari. 2000. “Analisis Regresi Cetakan Pertama”. Yogyakarta: BPFE Yogyakarta.

BPS. 2011. Medan Dalam Angka 2011. Medan: Badan Pusat Statistik Provinsi Sumatera Utara.

Dwi Santosa, Rtano. 1992. “Analisis Regresi”. Malang: Andi Offset Sudjana. 2002. “Metode Statistika”. Bandung: Tarsito.

(1)

c. Menyimpan Data

Setelah proses pengisian data telah selesai, 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, dan

3. Klik save.

d. Analisis Regresi dan Korelasi Dengan SPSS

Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut : 1. Buka analyze→regression→linear

Maka akan muncul tampilan Gambar 5.5 sebagai berikut:

(2)

2. Masukkan Jumlah Kelahiran (Y) pada kotak dependent, sedangkan Pasangan Usia Subur (�1), Akseptor KB (�2), serta jumlah Posyandu (�₃) pada kotak independent (s). Seperti pada gambar berikut:

Gambar 5.6 Tampilan pada saat pemasukan variable statistic

(3)

Gambar 5.7 Tampilan pada kotak Statistic

4. Klik plots dan berikan tanda ceklist pada pilihan Produce All Partial Plot. Lalu klik continue seperti pada gambar berikut :

Gambar 5.8 Tampilan pada kotak Plots

5. Klik OK untuk mengakhiri pengisian prosedur analisis, dan hasil outputnya bisa dilihat pada lampiran.

(4)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Setelah dilakukannya analisis, maka penulis dapat mengambil beberapa kesimpulan antara lain:

(5)

6.2 Saran

(6)

DAFTAR PUSTAKA

Algifari. 1997. “Analisis Regresi Cetakan Pertama”. Yogyakarta: BPFE Yogyakarta.

Algifari. 2000. “Analisis Regresi Cetakan Pertama”. Yogyakarta: BPFE Yogyakarta.

BPS. 2011. Medan Dalam Angka 2011. Medan: Badan Pusat Statistik Provinsi Sumatera Utara.

Dwi Santosa, Rtano. 1992. “Analisis Regresi”. Malang: Andi Offset Sudjana. 2002. “Metode Statistika”. Bandung: Tarsito.