Faktor-Faktor Yang Mempengaruhi Jumlah Kelahiran Di Kabupaten Deli Serdang Tahun 2011

67

LAMPIRAN

Hasil Pengolahan Data dalam SPSS

Regression

Descriptive Statistics

Mean Std. Deviation N Jumlah Kelahiran 1800.36 1986.357 22 Jumlah Pasangan Usia

Subur

14274.68 16914.530 22

Jumlah Akseptor KB 10494.36 12268.639 22 Jumlah Puskesmas

Pembantu dan Rumah Bersalin

8.55 6.464 22

Interpretasi :

Pada bagian ini merupakan hasil pilihan options. Dimana terdapat nilai rata-rata (Mean) dari keempat variabel, nilai Std. Deviation dan jumlah sampel (N). Sebagai contoh, untuk jumlah kelahiran memiliki rata-rata = 1800,36, Standard Deviasi = 1986,357, dan jumlah sampel = 22. Demikian juga terhadap data lainnya.

Correlations Jumlah Kelahiran Jumlah Pasangan Usia Subur Jumlah Akseptor KB Jumlah Puskesmas Pembantu dan Rumah Bersalin Jumlah Kelahiran Pearson Correlation 1 .995** .994** .889**

Sig. (2-tailed) .000 .000 .000

N 22 22 22 22

Jumlah Pasangan Usia Subur

Pearson Correlation .995** 1 .999** .881**

Sig. (2-tailed) .000 .000 .000

N 22 22 22 22

Jumlah Akseptor KB

Pearson Correlation .994** .999** 1 .890**

Sig. (2-tailed) .000 .000 .000

N 22 22 22 22

Jumlah Puskesmas Pembantu dan Rumah Bersalin

Pearson Correlation .889** .881** .890** 1

Sig. (2-tailed) .000 .000 .000

N 22 22 22 22

**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi :

Pada bagian ini dikemukakan hasil perhitungan koefisien korelasi (r) untuk semua variabel yang dimasukkan dalam perhitungan. Kita dapat membaca satu persatu hubungan /korelasi tersebut. Untuk mengurutkan data, maka kita baca dari atas :

69

1. Hubungan/korelasi antara jumlah pasangan usia subur dengan jumlah kelahiran = 0,995.

2. Hubungan/korelasi antara jumlah akseptor KB dengan jumlah kelahiran = 0,994.

3. Hubungan/korelasi antara jumlah puskesmas pembantu dan rumah bersalin dengan jumlah kelahiran = 0,889.

Dapat pula kita lihat bagaimana korelasi antara variabel bebas saja, yakni antara dengan , dengan , dan dengan .

1. Hubungan korelasi antara jumlah pasangan usia subur ( ) dengan jumlah akseptor KB ( ) = 0,999.

2. Hubungan korelasi antara jumlah pasangan usia subur ( ) dengan jumlah puskesmas pembantu dan rumah bersalin ( ) = 0.881.

3. Hubungan antara jumlah akseptor KB ( ) dengan jumlah puskesmas pembantu dan rumah bersalin ( ) = 0,890.

Tingkat signifikansi koefisien Korelasi satu sisi dari output (diukur dari probabilitas) menghasilkan angka 0,000 atau praktis 0. Karena probabilitas jauh dibawah 0,05, maka korelasi diantara variabel jumlah kelahiran dengan jumlah pasangan usia subur, jumlah akseptor KB dan jumlah puskesmas pembantu dan rumah bersalin sangat nyata.

Variables Entered/Removed

Model

Variables Entered

Variables

Removed Method 1 Jumlah

Puskesmas Pembantu dan Rumah Bersalin, Jumlah Pasangan Usia Subur, Jumlah Akseptor KBa

. Enter

a. All requested variables entered.

Interpretasi :

Bagian ini menjelaskan tentang variabel yang dimasukkan, dimana semua variabel yang dimasukkan adalah Jumlah Puskesmas Pembantu dan Rumah Bersalin, Jumlah Pasangan Usia Subur, Jumlah Akseptor KB, sedangkan variabel yang dikeluarkan (removed) tidak ada.

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .995a .991 .989 205.314

a. Predictors: (Constant), Jumlah Puskesmas Pembantu dan Rumah Bersalin, Jumlah Pasangan Usia Subur, Jumlah Akseptor KB b. Dependent Variable: Jumlah Kelahiran

71

Interpretasi :

Pada bagian ini ditampilkan nilai R, , Adjusted R Square, dan Std. Error of the Estimate. Dimana nilai Koefisien Determinasi (R Square) sebesar 0,991. ini merupakan Indeks Determinasi, yakni persentase yang menyumbangkan pengaruh , , , terhadap Y. sebesar 0,991 menunjukkan pengertian bahwa 99,1% sumbangan pengaruh (Jumlah Pasangan Usia Subur), (Jumlah Akseptor KB), (Jumlah Puskesmas Pembantu dan Rumah Bersalin) terhadap Y (Jumlah Kelahiran), sedangkan sisanya sebesar 0,9% dipengaruhi oleh faktor lain.

Std. Error of the Estimate adalah 205,314. Perhatikan pada analisis sebelumnya, bahwa standar deviasi jumlah kelahiran adalah 1986,357 yang jauh lebih besar dari Std. Error of the Estimate. Karena nilainya lebih kecil dari standar deviasi, maka model regresi lebih bagus dalam bertindak sebagai prediktor jumlah kelahiran dari pada rata-rata jumlah kelahiran itu sendiri.

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression 8.210E7 3 2.737E7 649.202 .000a Residual 758769.894 18 42153.883

Total 8.286E7 21

a. Predictors: (Constant), Jumlah Puskesmas Pembantu dan Rumah Bersalin, Jumlah Pasangan Usia Subur, Jumlah Akseptor KB

Interpretasi :

Pada bagian ini ditampilkan tabel analisis varians (ANOVA). Uji ANOVA digunakan untuk menguji ada tidaknya pengaruh beberapa variabel independent terhadap variabel dependen. Dengan demikian sangat tepat diterapkan pada analisis Multiple Regression. Dapat dijelaskan bahwa nilai F sebesar 649,202 dengan tingkat signifikan 0,000.

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) 68.542 80.803 .848 .407

Jumlah Pasangan Usia Subur

.134 .068 1.138 1.979 .063

Jumlah Akseptor KB -.032 .096 -.196 -.330 .746 Jumlah Puskesmas

Pembantu dan Rumah Bersalin

18.324 16.439 .060 1.115 .280

a. Dependent Variable: Jumlah Kelahiran

Interpretasi :

Pada bagian ini dikemukakan nilai koefisisen , , , dan . Dari tabel diatas didapat persamaan perhitungannya sebagai berikut :

73

Angka 1,138 pada Standardized Coefficients (Beta) menunjukkan tingkat korelasi antara “Jumlah Pasangan Usia Subur” dan “jumlah kelahiran”, angka -0,196 pada Standardized Coefficients (Beta) menunjukkan tingkat korelasi antara “Jumlah Akseptor KB” dan “jumlah kelahiran” serta angka 0,060 pada Standardized Coefficients (Beta) menunjukkan tingkat korelasi antara “Jumlah Puskesmas Pembantu dan Rumah Bersalin” dan “jumlah kelahiran”.

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N Predicted Value 150.67 8730.32 1800.36 1977.241 22 Std. Predicted Value -.834 3.505 .000 1.000 22 Standard Error of Predicted

Value

47.166 180.754 80.143 36.063 22

Adjusted Predicted Value 160.78 9222.85 1762.12 1984.637 22

Residual -402.216 363.778 .000 190.084 22

Std. Residual -1.959 1.772 .000 .926 22

Stud. Residual -2.092 3.245 .063 1.238 22

Deleted Residual -709.853 1404.898 38.243 403.355 22 Stud. Deleted Residual -2.336 4.896 .146 1.529 22

Mahal. Distance .154 15.322 2.864 4.058 22

Cook's Distance .000 9.073 .563 1.954 22

Centered Leverage Value .007 .730 .136 .193 22 a. Dependent Variable: Jumlah Kelahiran

Interpretasi :

Pada bagian ini dikemukakan ringkasan hasil-hasil dari “Predicted Value” (nilai yang diprediksi) yang berupa nilai Minimum, Maksimum, Mean, Std Deviasi dan N.

66

DAFTAR PUSTAKA

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

Algifari. 2000. ”Analisis Regresi Cetakan Kedua”. Yogyakarta: BPFE Yogyakarta.

Hasan, M.Iqbal, M.M. 2008. ”Pokok-Pokok Materi Statistika”.Jakarta: Bumi Putra.

Sudjana. 2002. ”Metode Statistika”. Bandung: Tarsito.

Syahri Alhusin, MS. 2003. ”Aplikasi Statistik Praktis dengan SPSS.10 for Windows”. Yogyakarta: GRAHA ILMU.

BAB 3

SEJARAH UMUM TEMPAT RISET

3.1 Sejarah Badan Pusat Statistika Provinsi Sumatera Utara

Tahun 1980 ditetapkan Peraturan Pemerintah No.6 Tahun 1980 tentang Organisasi Badan Pusat Statistik dengan pernyataan bahwa di setiap Provinsi harus terdapat Kantor Statistik Provinsi . Dengan demikian mulai saat itu kantor Statistik Provinsi secara resmi ada di seluruh Indonesia, tidak terkecuali di Provinsi Sumatera Utara. Pada Tahun1998 ditetapkan Keputusan Presiden No.86 Tahun 1998 tentang Badan Pusat Statistik tentang kedudukan, tugas, fungsi, susunan organisasi dan tata kerja Biro Pusat Statistik. Berdasarkan keputusan Presiden ini Kantor Statistik Provinsi Sumatera Utara berubah nama menjadi Badan Pusat Statistik Provinsi Sumatera Utara.

3.2Visi dan Misi Badan Pusat Statistik Provinsi Sumatera Utara

3.2.1 Visi Badan Pusat Statistik Provinsi Sumatera Utara

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.2.2.Misi Badan Pusat Statistik Provinsi Sumatera Utara

Dalam menuju pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.3Struktur Organisasi Badan Pusat Statistik Provinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi. Dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah :

1. Bagian Tata Usaha/Kepegawaian 2. Bidang Statistik Produksi

3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik

STRUKTUR ORGANISASI BADAN PUSAT STATISTIK PROVINSI

BAB 4

PENGOLAHAN DATA

4.1 Pengambilan Sampel

Dalam penelitian ini, data yang dikumpulkan adalah data mengenai jumlah kelahiran dan faktor-faktor yang mempengaruhinya, yaitu :

1. Jumlah pasangan usia subur

2. Jumlah akseptor Keluarga Berencana (KB) 3. Jumlah puskesmas pembantu dan rumah bersalin

Untuk memperoleh model yang cocok dalam menduga jumlah kelahiran berdasarkan faktor-faktor penduga tersebut maka penulis menggunakan analisis regresi linier dengan satu variabel terikat (dependent variable) dan tiga variabel bebas (independent variable). Dalam hal ini, jumlah kelahiran sebagai variabel terikat dan yang menjadi variabel bebas adalah jumlah pasangan usia subur (X ), jumlah akseptor KB (X ), dan jumlah puskesmas pembantu dan rumah bersalin ( ). Data yang diolah dapat dilihat dalam tabel 3.1 berikut :

Tabel 4.1 : Data yang akan diolah

No. Jumlah kelahiran Pasangan Usia Subur (PUS) Jumlah Akseptor KB Jumlah Puskesmas Pembantu dan Rumah bersalin

1 55 406 277 2

2 273 2.370 1.718 4

3 435 2.952 2.131 6

4 794 5.713 4.313 4

5 1.881 14.304 10.651 13

6 811 5.289 3.588 8

7 752 6.123 4.366 3

8 677 5.046 3.744 6

9 477 4.144 2.995 4

10 1.361 11.098 8.664 7

11 4.266 32.200 24.654 17

12 1.968 12.279 9.311 11

13 1.342 7.010 4.873 11

14 5.404 43.468 30.137 9

15 3.319 30.832 22.863 14

16 1.331 10.850 7.372 8

17 8.513 73.038 53.206 32

18 1.239 10.340 7.769 7

19 952 6.393 5.378 6

20 1.159 10.010 7.198 6

21 1.786 13.785 10.656 6

22 813 6.393 5.012 4

Jumlah 39.608 314.043 230.876 188

( Sumber : Badan Pusat Statistik Provinsi Sumtera Utara)

Keterangan :

Y = Jumlah kelahiran/ jumlah bayi yang lahir (orang)

X = Jumlah pasangan usia subur (pasangan)

X = Jumlah akseptor keluarga berencana (orang)

4.2 Membentuk Persamaan Linier

Dari data di atas akan dibentuk persamaan regresi linier berganda dengan terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan jumlah-jumlah variabel seperti pada tabel 3.2 di bawah ini :

Tabel 4.2 Nilai-nilai yang diperlukan untuk menentukan koefisien regresi No.

1 55 406 277 2 3.025 164.836 76.729

2 273 2.370 1.718 4 74.529 5.616.900 2.951.524

3 435 2.952 2.131 6 189.225 8.714.304 4.541.161

4 794 5.713 4.313 4 630.436 32.638.369 18.601.969 5 1.881 14.304 10.651 13 3.538.161 204.604.416 113.443.801 6 811 5.289 3.588 8 657.721 27.973.521 12.873.744 7 752 6.123 4.366 3 565.504 37.491.129 19.061.956 8 677 5.046 3.744 6 458.329 25.462.116 14.017.536 9 477 4.144 2.995 4 227.529 17.172.736 8.970.025 10 1.361 11.098 8.664 7 1.852.321 123.165.604 75.064.896 11 4.266 32.200 24.654 17 18.198.756 1.036.840.000 607.819.716 12 1.968 12.279 9.311 11 3.873.024 150.773.841 86.694.721 13 1.342 7.010 4.873 11 1.800.964 49.140.100 23.746.129 14 5.404 43.468 30.137 9 29.203.216 1.889.467.024 908.238.769 15 3.319 30.832 22.863 14 11.015.761 950.612.224 522.716.769 16 1.331 10.850 7.372 8 1.771.561 117.722.500 54.346.384 17 8.513 73.038 53.206 32 72.471.169 5.334.549.444 2.830.878.436 18 1.239 10.340 7.769 7 1.535.121 106.915.600 60.357.361 19 952 6.393 5.378 6 906.304 40.870.449 28.922.884 20 1.159 10.010 7.198 6 1.343.281 100.200.100 51.811.204 21 1.786 13.785 10.656 6 3.189.796 190.026.225 113.550.336 22 813 6.393 5.012 4 660.969 40.870.449 25.120.144

Sambungan Tabel 4.2 : No.

1 4 22.330 15.235 110 112.462 812 554

2 16 647.010 469.014 1.092 4.071.660 9.480 6.872 3 36 1.284.120 926.985 2.610 6.290.712 17.712 12.786 4 16 4.536.122 3.424.522 3.176 24.640.169 22.852 17.252 5 169 26.905.824 20.034.531 24.453 152.351.904 185.952 138.463 6 64 4.289.379 2.909.868 6.488 18.976.932 42.312 28.704 7 9 4.604.496 3.283.232 2.256 26.733.018 18.369 13.098 8 36 3.416.142 2.534.688 4.062 18.892.224 30.276 22.464 9 16 1.976.688 1.428.615 1.908 12.411.280 16.576 11.980 10 49 15.104.378 11.791.704 9.527 96.153.072 77.686 60.648 11 289 137.365.200 105.173.964 72.522 793.858.800 547.400 419.118 12 121 24.165.072 18.324.048 21.648 114.329.769 135.069 102.421 13 121 9.407.420 6.539.566 14.762 34.159.730 77.110 53.603 14 81 23.4901.072 162.860.348 48.636 1.309.995.116 391.212 271.233 15 196 102.331.408 75.882.297 46.466 704.912.016 431.648 320.082 16 64 14.441.350 9.812.132 10.648 79.986.200 86.800 58.976 17 1.024 621.772.494 452.942.678 272.416 3.886.059.828 2.337.216 1.702.592 18 49 12.811.260 9.625.791 8.673 80.331.460 72.380 54.383 19 36 6.086.136 5.119.856 5.712 34.381.554 38.358 32.268 20 36 11.601.590 8.342.482 6.954 72.051.980 60.060 43.188 21 36 24.620.010 19.031.616 10.716 146.892.960 82.710 63.936 22 16 5.197.509 4.074.756 3.252 32.041.716 25.572 20.048

∑ 2.484 1.267.487.010 924.547.928 578.087 7.649.634.562 4.707.562 3.454.669

Dari tabel tersebut diperoleh harga-harga sebagai berikut :

n = 22

∑Y = 39.608

∑X = 314.043

∑X = 23.0876

∑X = 188

∑Y = 154.166.702

∑X = 10.490.991.887

∑X = 5.583.806.194

∑X = 2.484

∑X Y = 1.267.487.010

∑X Y = 924.547.928

∑X Y = 578.087

∑X X = 7.649.634.562

∑X X = 4.707.562

Rumus umum persamaan regresi linier berganda dengan tiga variabel bebas yaitu :

Y = b + b X + b X + b X

Dan diperoleh melalui persamaan-persamaan berikut :

∑Y = nb + b ∑X + b ∑X + b ∑X

∑Y X = b ∑X + b ∑X + b ∑X X + b ∑X X

∑Y X = b ∑X + b ∑X X + b ∑X + b ∑X X

∑Y X = b ∑X + b ∑X X + b ∑X X + b ∑X

Harga-harga yang telah diperoleh disubsitusikan ke dalam bentuk persamaan tersebut, maka didapatkan :

39.608 = b 22 + b 314.043 + b 230.876 + b 188

1.267.487.010 = b 314.043 + b 10.490.991.887 + b 7.649.634.562 + b 4.707.562

92.454.792 = b 230.876 + b 7.649.634.562 + b 5.583.806.194 + b 3.454.669 578.087 = b 188 + b 4.707.562 + b 3.454.669 + b 2.484

Setelah persamaan di atas diselesaikan, maka diperoleh nilai koefisien-koefisien linier bergandanya antara lain :

b = 68,542

b = 0,134

b = -0,032

38

Dari koefisien-koefisien yang diperoleh dibentuk model persamaan regresi linier berganda :

Ŷ = b + b X + b X + b X

Ŷ = 68,542 + 0,134X − 0,032X + 18,324X

4.3Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat suatu kesimpulan, maka perlu diadakan suatu pengujian hipotesis mengenai keberartian model regresi. Perumusan hipotesisnya adalah :

H : β = β = . . . = β = 0

Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu jumlah pasangan usia subur, jumlah akseptor keluarga berencana dan jumlah puskesmas pembantu dan rumah bersalin dengan variabel tak bebas yaitu jumlah bayi yang lahir.

H : Minimal satu parameter koefisien regresi yang ≠ 0

Terdapat pengaruh yang signifikan antara variabel bebas yaitu jumlah pasangan usia subur, jumlah akseptor keluarga berencana, dan jumlah puskesmas pembantu dan rumah bersalin dengan variabel tak bebas yaitu jumlah bayi yang lahir.

Kriteria pengujian hipotesisnya : Tolak H jika F ≥ F

Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi (JK ) dan JK untuk sisa (JK ) yang akan didapatkan setelah mengetahui nilai-nilai antara lain x = X - X ₁, x = X -

2

X , x = X - X₃dan y = Y - Y _i. Untuk memperoleh nilai-nilai tersebut maka diperlukan harga-harga berikut :

1

X = 14.274,682 X₃= 8,545

2

X = 10.494,364 Y = 1.800,364

Nilai x , x , x dan y diperoleh dari tabel 4.3 berikut :

Tabel 4.3 : Nilai-nilai yang diperlukan untuk uji keberartian regresi No.

1 55 406 277 2 -13.868,682 -10.217,364 -6,545 -1.745,364 2 273 2.370 1.718 4 -11.904,682 -8.776,364 -4,545 -1.527,364 3 435 2.952 2.131 6 -11.322,682 -8.363,364 -2,545 -1.365,364 4 794 5.713 4.313 4 -8.561,682 -6.181,364 -4,545 -1.006,364 5 1.881 14.304 10.651 13 29,318 156,636 4,455 80,636 6 811 5.289 3.588 8 -8.985,682 -6.906,364 -0,545 -989,364 7 752 6.123 4.366 3 -8.151,682 -6.128,364 -5,545 -1.048,364 8 677 5.046 3.744 6 -9.228,682 -6.750,364 -2,545 -1.123,364 9 477 4.144 2.995 4 -10.130,682 -7.499,364 -4,545 -1.323,364 10 1.361 11.098 8.664 7 -3.176,682 -1.830,364 -1,545 -439,364 11 4.266 32.200 24.654 17 17.925,318 14.159,636 8,455 2.465,636 12 1.968 12.279 9.311 11 -1.995,682 -1.183,364 2,455 167,636 13 1.342 7.010 4.873 11 -7.264,682 -5.621,364 2,455 -458,364 14 5.404 43.468 30.137 9 29.193,318 19.642,636 0,455 3.603,636 15 3.319 30.832 22.863 14 16.557,318 12.368,636 5,455 1.518,636 16 1.331 10.850 7.372 8 -3.424,682 -3.122,364 -0,545 -469,364 17 8.513 73.038 53.206 32 58.763,318 42.711,636 23,455 6.712,636 18 1.239 10.340 7.769 7 -3.934,682 -2.725,364 -1,545 -561,364 19 952 6.393 5.378 6 -7.881,682 -5.116,364 -2,545 -848,364 20 1.159 10.010 7.198 6 -4.264,682 -3.296,364 -2,545 -641,364 21 1.786 13.785 10.656 6 -489,682 161,636 -2,545 -14,364 22 813 6.393 5.012 4 -7.881,682 -5.482,364 -4,545 -987,364

40

Sambungan tabel 4.3 :

Ŷ – Ŷ ( -Ŷ)

24.205.892,930 17.833.014,950 11.424,198 150,730 -95,730 9.164,233 3.046.294,223 18.182.778,112 13.404.698,678 6.942,562 404,442 -131,442 17.276,999 2.332.839,678 15.459.578,021 11.419.032,587 3.475,471 505,862 -70,862 5.021,423 1.864.217,860 8.616.165,248 6.220.699,587 4.574,380 769,364 24,636 606,932 1.012.767,769 2.364,112 12.630,587 359,198 1.882,658 -1,658 2,749 6.502,223 8.890.106,839 6.832.905,041 539,653 809,044 1,956 3,826 978.840,405 8.545.926,793 6.424.753,587 5.813,653 804,284 -52,284 2.733,617 1.099.066,314 10.367.165,566 7.583.113,041 2.859,471 734,842 -57,842 3.345,697 1.261.945,860 13.406.575,930 9.924.385,132 6.015,289 601,294 -124,294 15.448,998 1.751.291,314 1.395.718,475 804.195,223 679,017 1.406,694 -45,694 2.087,942 193.040,405 44.197.316,339 34.912.514,314 20.845,835 3.905,922 360,078 129.656,166 6.079.362,678 -334.548,843 -198.374,777 411,471 1.617,540 350,460 122.822,212 28.101,950 3.329.865,975 2.576.628,678 -1.125,074 1.053,510 288,490 83.226,480 210.097,223 105.202.102,975 70.784.918,678 1.638,017 5.093,786 310,214 96.232,726 12.986.195,041 25.144.545,475 18.783.460,950 8.283,471 3.724,950 -405,950 164.795,403 2.306.256,405 1.607.421,112 1.465.523,950 256,017 1.433,130 -102,130 10.430,537 220.302,223 394.456.786,475 286.707.683,405 157.441,835 8.739,410 -226,410 51.261,488 45.059.486,950 2.208.787,293 1.529.920,041 867,562 1.333,762 -94,762 8.979,837 315.129,132 6.686.532,248 4.340.536,860 2.159,471 863,052 88,948 7.911,747 719.720,860 2.735.211,839 2.114.167,769 1.632,562 1.289,490 -130,490 17.027,640 411.347,314 7.033,612 -2.321,686 36,562 1.684,684 101,316 10.264,932 206,314 7.782.086,021 5.413.086,496 4.488,017 838,116 -25,116 630,813 974.886,950 702.095.412,545 508.887.173,091 239.618,636 39.646,566 -38,566 758.932,396 82.857.899,091

Dari tabel tersebut diperoleh nilai-nilai berikut :

∑x y = 702.095.412,545

∑x y = 508.887.173,091

∑x y = 239.618,636

∑( Y - Ŷ) = 758.932,396

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni JK dan

JK = b ∑x y + b ∑x y + b ∑x y

= (0,134)(702.095.412,545) + (-0,032)(508.887.173,091) + (18,324)(239.618,636)

= 94.080.785,281 + (-16.284.389,539) + 4.390.771,893 = 82.187.167,635

JK = ∑( Y - Ŷ)

= 758.932,396

Jadi F dapat dicari dengan :

F = /

/ ( )

= . . , /

. , / ( )

= 649,759

Untuk mengetahui nilai F dilihat dari tabel distribusi F dengan derajat kebebasan pembilang V = k dan penyebut V = n – k – 1, dan α = 5% = 0,05 maka diperoleh F = F_{( ) ( , )} = 3,16

Dengan demikian dapat kita lihat bahwa nilai F (649,759) > F

(3,16). Maka Ho ditolak dan Ha diterima. Hal ini berarti persamaan linier berganda Y atas X , X , X bersifat nyata yang berarti bahwa jumlah pasangan usia subur, jumlah akseptor KB dan jumlah puskesmas pembantu dan rumah bersalin secara bersama-sama berpengaruh terhadap terjadinya jumlah kelahiran.

42

4.4Koefisien Determinasi

Dari tabel 4.3 dapat dilihat harga ∑y = 82.857.899,091 dan nilai JK

= 82.187.167,635 telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi :

R =

∑

R2= . . ,

. . ,

= 0,992

Untuk koefisien korelasi ganda digunakan rumus, maka : R = √R

R = √0,992

R = 0.996

Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,996 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R diperoleh sebesar 0,992 yang berarti sekitar 99% jumlah kelahiran dipengaruhi oleh jumlah pasangan usia subur, jumlah akseptor keluarga berencana, dan jumlah puskesmas pembantu dan rumah bersalin. Sedangkan sisanya sebesarnya sebesar 100% - 99% = 1% dipengaruhi oleh faktor-faktor yang lain.

4.5 Koefisien Korelasi

4.5.1Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari tabel 3. 3 dapat dihitung besar koefisien korelasinya yaitu :

a. Koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah pasangan usia subur (X ) :

r = ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

= ( ) ( . . . ) ( . ) ( . )

{( ) ( . . . ) ( . ) }{( ) ( . . ) ( . ) }

= . . . .

{ . . . } { . . . }

= . . .

√ . . . .

= 0,9950836

Jumlah pasangan usia subur (X ) berkorelasi sangat tinggi terhadap angka kelahiran (Y) yaitu sebesar 0,9950836.

b. Koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah pengguna akseptor keluarga berencana (X ) :

r = ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

= ( ) ( ) ( ) ( . )

44

= . . . . .

{ . . . }{ . . . }

= . . .

√ . . . .

= 0,9943711

Jumlah pengguna akseptor keluarga berencana (X ) berkorelasi sangat tinggi terhadap angka kelahiran (Y) yaitu sebesar 0,9943711.

c. Koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah puskesmas pembantu dan rumah bersalin (X ) :

r = ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

= ( ) ( . ) ( ) ( . )

{( ) ( . ) ( ) } {( ) ( . . ) ( . ) }

= . . . .

{ . } { . . . }

= . .

√ . . . .

= 0,8886716

Jumlah puskesmas pembantu dan rumah bersalin (X ) berkorelasi sangat tinggi terhadap angka kelahiran (Y) yaitu sebesar 0,8886716.

4.5.2 Perhitungan Korelasi antara Variabel Bebas

a. Koefisien korelasi antara jumlah pasangan usia subur (X ) dengan jumlah akseptor keluarga berencana (X ) :

r = ∑ ∑ (∑ ) (∑ )

= ( ) ( . . . ) ( . ) ( . )

{( ) ( . . . ) ( ) }{( ) ( . . . ) ( . ) }

= . . . .

{ . . . } { . . . }

=

√ . . . .

= 0,999098

Jumlah pasangan usia subur (X ) berkorelasi sangat tinggi terhadap jumlah akseptor keluarga berencana (X ) yaitu sebesar 0,999098.

b. Koefisien korelasi antara jumlah pasangan usia subur (X ) dengan jumlah puskesmas pembantu dan rumah bersalin (X ) :

r = ∑ ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

= ( ) ( . . ) ( . ) ( )

{( ) ( . . . ) ( . ) }{( ) ( . ) ( ) }

= . . . .

{ . . . } { . }

=

√ . . . . .

= 0,881479

Jumlah pasangan usia subur (X ) berkorelasi tinggi terhadap jumlah puskesmas pembantu dan rumah bersalin (X ) yaitu sebesar 0,881479.

46

c. Koefisien korelasi antara jumlah akseptor KB (X ) dengan jumlah puskesmas pembantu dan rumah bersalin (X ) :

r = ∑ ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

= ( ) ( . . ) ( . ) ( )

{( ) ( . . . ) ( . ) }{( ) ( . ) ( ) }

= . . . .

{ . . . }{ . }

= . .

√ . . . . .

= 0,8899714

Jumlah akseptor KB (X ) berkorelasi tinggi terhadap jumlah puskesmas pembantu dan rumah bersalin (X ) yaitu sebesar 0,8899714.

4.6 Uji Koefisien Regresi Linier Berganda

Dari hasil perhitungan diperoleh model persamaan regresi linier ganda :

Ŷ= 68,542 + 0,134X - 0,032X + 18,324X

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam persamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresinya.

langkahnya adalah sebagai berikut : 1. Hipotesis pengujian :

H : β = 0 ; i=1,2,3

Terdapat pengaruh yang signifikan antara koefisien X , X dan X

H : β ≠ 0 ; i=1,2,3.

Tidak terdapat pengaruh yang signifikan antara koefisien X , X dan X

terhadap Y

Taraf nyata (signifikansi) α = 0,05

2. Kriteria pengujian: jika t > t maka tolak H ; jika t < t maka terima H

3. Ambil kesimpulan berdasarkan hasil pengujian.

Untuk melakukan pengujian diperlukan rumus :

s = . ..

∑ ( )

dimana :

, . .

=

∑( )

, . .

=

. ,

= 42.162,911

∑x = 6.008.127.984,77

∑x = 3.160.909.495,09

∑x = 877,45

48

Dari harga-harga tersebut dapat dihitung nilai kekeliruan baku koefisien bi sebagai

berikut : s = 2 3 . 2 . 1 , y

(∑ ) ( 2)

= . , ( . . . , ) ( , ) = . , . . , = 0,030 s = 2 3 . 2 . 1 , y

(∑ ) ( 2)

= . , ( . . . , ) ( , ) = . , . . , = 0,041 s = 2 3 . 2 . 1 , y

(∑ ) ( 2)

= . ,

= . ,

,

= 77,501

Kemudian didapatkan nilai distribusi student t =

t = ,

,

= 4,524

t = ,

,

= -0,784

t = ,

,

= 0,236

Untuk taraf nyata α = 0,05 dan derajat kebebasan dk = (n-k-1) = (22-3-1) = 18, dari tabel distribusi student t diperoleh t = t_{( , / )} = t_{( , , )} = 2,101. Maka dapat dilihat bahwa nilai t (4,524) > t (2,101) ; t (-0,784) <

t (2,101) ; dan t (0,236) < t (2,101). sehingga H ditolak untuk koefisien regresi berganda X dan H diterima untuk X dan X . Ini berarti bahwa untuk prediksi jumlah kelahiran hanya jumlah pasangan usia subur saja yang memberikan pengaruh yang berarti. Sedangkan jumlah akseptor KB dan jumlah puskesmas pembantu dan rumah bersalin tidak memberikan pengaruh yang berarti terhadap jumlah kelahiran.

50

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 atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan software yaitu SPSS 17.0 for Windows dalam memperoleh hasil perhitungan.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk olah data statistik, misalnya Microstat, SAS, Minitab, SPSS-2000, MOS, R dan lain-lain, namun SPSS lebih populer dibandingkan dengan program lainnya. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai macam riset, sehingga program ini paling banyak digunakan di seluruh dunia.

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows. SPSS dengan sistem Windows telah mengeluarkan software

dengan beberapa versi yang berkembang dalam penggunaannya dalam mengolah data statistika.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari Statistical Product and Service Solutions.

52

5.3Pengolahan Data dengan SPSS

1. Memulai SPSS pada window yaitu sebagai berikut : 1 Pilih menu Start dari Windows

2 Selanjutnya pilih menu Program 3 Pilih Statistics 17.0

Tampilannya adalah sebagai berikut :

Maka SPSS siap untuk dipergunakan. Jika ingin membuka file, pilih nama file yang disimpan dan klik Open. Jika akan memulai mendesain variabel dan memasukkan data, pilih Cancel.

Gambar 5.2 Kotak Dialog SPSS for window

2. Memasukan data ke dalam SPSS

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data Editor harus berada pilih ada “Variable View”. Lakukan dengan mengklik tab sheet Variable View yang berada dibagian kiri bawah atau langsung menekan Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih Variable.

54

Tampilannya adalah sebagai berikut :

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS

Pada tampilan jendela Variabel view terdapat kolom-kolom berikut : Name : untuk memasukkan nama variabel yang akan diuji

Type : untuk mendefenisikan tipe variabel apakah bersifat numeric atau string

Widht : untuk menuliskan panjang pendek variabel

Decimals : untuk menuliskan jumlah desimal di belakang koma Label : untuk menuliskan label variabel

Values : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale

Missing : untuk menuliskan ada tidaknya jawaban kosong Columns : untuk menuliskan lebar kolom

Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka di Data view

Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal atau scale

2.1Pengisian Variabel

Tempatkan pointer pada baris pertama di bawah Name. Variabel Y

Name : Letakkan kursor di bawah Name, lalu klik ganda pada sel tersebut kemudian ketik Jlh_Klhrn

Type : Pilih numeric karena berupa angka

Width : Untuk keseragaman ketik 8

Decimal : Ketik 0

Label : Ketik Jumlah kelahiran

Align : Pilih Center

Measure : Pilih scale

Variabel X

Name : Letakkan kursor di bawah Jlh_Klhrn, lalu klik ganda pada sel tersebut kemudian ketik Jlh.Pas_U.Sbr

56

Type : Pilih numeric karena berupa angka

Width : Untuk keseragaman ketik 8

Decimal : Ketik 0

Label : Ketik Jumlah Pasangan Usia Subur

Align : Pilih Center

Measure : Pilih scale

Lakukan seterusnya untuk variabel dan dengan Name dan Label yang sesuai dengan Variabel yang dimaksudkan, sehingga diperoleh seperti gambar berikut :

2.2Pengisian Data

1. Aktifkan jendela data dengan mengklik Data View

2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefenisikan pada Variabel View.

Tampilannya adalah sebagai berikut :

Gambar 5.5 Tampilan Jendela Pengisian Data View

5.4Pengolahan Data dengan Persamaan Regresi

Langkah-langkahnya adalah sebagai berikut :

1. Tampilkan lembar kerja dimana sudah terdapat data yang akan dianalisis 2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Regression

58

Gambar 5.6 Pilih Analyze,Regression, Linear

3. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel tak bebas Y (Jumlah kelahiran) pada kotak Dependent, dan variabel bebas X (jumlah pasangan usia subur, jumlah akseptor KB, dan jumlah puskesmas pembantu dan rumah bersalin) pada kotak Independent seperti gambar berikut :

4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan Estimate, Model fit, Descriptive dan Casewise diagnostics, lalu klik Continue untuk melanjutkan seperti pada gambar berikut :

Gambar 5.8 Kotak dialog Linear Regression : Statistics

5. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk membuat grafik. Isi kolom Y dengan pilihan SRESID dan kolom X dengan ZPRED, kemudian klik Next. Isi lagi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal Probability Plot. Lalu klik Continue untuk melenjutkan seperti gambar berikut :

60

Gambar 5.9 Kotak dialog Linear Regression : Plots

6. Kemudian klik tombol Options pada kotak dialog Linear Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktikan Use Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry 0,05. Aktifkan include constant in aquation dan Exclude Cases Litwise pada Missing Values seperti gambar berikut :

Gambar 5.10 Kotak dialog Linear Regression : Options 7. Selanjutnya klik OK pada kotak dialog Linear Regression.

5.5Pengolahan Data dengan Persamaan Korelasi

Langkah-lagkahnya adalah sebagai berikut :

1. Tampilkan lembar kerja dimana sudah terdapat data yang akan dianalisis 2. Dari menu utama SPSS, klik menu Analyze, lalu pilih sub menu Correlate,

dan klik Bivariate seperti gambar berikut :

Gambar 5.11 Pilih Analyze, Correlate, Bivariate

3. Pada kotak dialog Bivariate Correlations akan ditampilkan variabel-variabel yang akan diuji. Pindahkan variabel-variabel tersebut ke dalam kotak Variables.

4. Pada kolom Correlation Coefficients aktifkan Pearson, pada kolom Test of Significance aktifkan Two-tailed dan Flag significant correlations, lalu klik OK seperti gambar berikut :

62

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain :

1. Dengan menggunakan analisis regresi linier berganda diperoleh model persamaan linier ganda, yaitu :

Ŷ = 68,542 + 0,134X − 0,032X + 18,324X

2. Dari hasil perhitungan koefisien korelasi ganda variabel X , X , X dan variabel Y, diperoleh korelasi (r) yaitu sebesar 0,996 yang berarti bahwa variabel X dan variabel Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R = 0,992 yang berarti sekitar 99% jumlah kelahiran dipengaruhi oleh jumlah pasangan usia subur, jumlah akseptor KB, dan puskesmas pembantu dan rumah bersalin. Sedangkan sisanya sebesar 100% - 99% = 1% dipengaruhi oleh faktor lain.

64

3. Dari hasil perhitungan koefisien korelasi antara masing-masing variabel

X , X , dan X dengan variabel Y diketahui bahwa faktor yang paling berpengaruh terhadap tingginya jumlah kelahiran bayi di Kabupaten Deli Serdang adalah jumlah pasangan usia subur yaitu sebesar 0,995, disusul dengan jumlah pengguna alat kontrasepsi yaitu sebesar 0,994 dan yang terakhir adalah puskesmas pembantu dan rumah bersalin yaitu sebesar 0,889.

4. Dari hasil perhitungan distribusi student diketahui koefisisen regresi linier untuk X signifikan (berarti), sedangkan untuk X dan X tidak signifikan (tidak berarti). Maka untuk prediksi jumlah kelahiran bayi hanya jumlah pasangan usia subur saja yang memberikan pengaruh yang berarti, sedangkan jumlah akseptor KB dan jumlah puskesmas pembantu dan rumah bersalin tidak memberikan pengaruh yang berarti terhadap jumlah kelahiran bayi.

6.2 Saran

1. Pemerintah seharusnya membuat suatu kebijakan yang bisa menumbuhkan kemauan masyarakat untuk memakai alat kontrasepsi karena akan sangat berpengaruh terhadap jumlah kelahiran.

2. Masyarakat agar senantiasa memperhatikan sarana untuk mendapatkan pelayanan dalam bidang kesehatan dengan cara memanfaatkan puskesmas

pembantu dan rumah bersalin dan ikut serta dalam perencanaan keluarga berencana.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Regresi pertama kali dipergunakan sebagai konsep statistika oleh Sir Francis Galton (1822 – 1911). Beliau memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi yang bertujuan untuk membuat perkiraan nilai satu variabel (tinggi badan anak) terhadap satu variabel yang lain (tinggi badan orang tua).

Analisis regresi merupakan salah satu cabang satistika yang banyak mendapat perhatian dan dipelajari oleh para ilmuwan, baik ilmuwan dibidang ilmu sosial maupun eksakta. Analisis regresi linier digunakan untuk :

1. Menentukan hubungan fungsional antara variabel bebas (independent)

dengan variabel terikat (dependent).

2. Menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik atau untuk mengetahui bagaimana variasi dari beberapa variabel independent mempengaruhi variabel dependent dalam suatu fenomena yang komplek. Jika , X , X , X , . . . , X adalah variabel-variabel

independent dan Y adalah variabel dependent, maka terdapat hubungan fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y.

Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara variabel-variabel bebas (independent variabel) dengan variabel tidak bebas (dependent variabel) memiliki sifat hubungan sebab akibat (hubungan kausalitas). Variabel dependent adalah variabel yang nilainya mempengaruhi variabel lain, sedangkan variabel independent adalah variabel yang nilainya dipengaruhi oleh variabel lain.

2.2 Analisis Regresi Linier Berganda

Dalam regresi berganda, persamaan regresinya memiliki lebih dari satu variabel bebas. Untuk memperkirakan nilai variabel terikat (dependent variable) kita harus menghitung variabel-variabel bebas (independent variable) yang mempengaruhinya. Dengan demikian dimiliki hubungan antara satu variabel terikat Y dengan beberapa variabel bebas X , X , dan X , . . . , X . Untuk itulah digunakan regresi linear berganda.

Secara umum persamaan regresi berganda dapat ditulis sebagai berikut :

dengan : X = variabel bebas Y = variabel terikat

B , B , B , . . . , B = koefisisen 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 , , . . . , (k ≥1) sedangkan variabel terikat dinyatakan dengan Y. Sehingga model regresi populasi perlu diduga berdasarkan model regresi sampel berikut :

Y= b + b X + b X + . . . + b X + e dengan : X = variabel bebas

Y = variabel terikat

b , b , b , . . . , b = koefisisen regresi e = variabel kesalahan (galat)

2.3 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel terikat (Y), tergantung kepada dua atau lebih variabel bebas (X). Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel bebas Y dan tiga variabel terikat yaitu X , X , dan X . Maka persamaan regresi bergandanya adalah :

Y = b + b X + b X + b X

Koefisien-koefisien , , , dapat dihitung dengan menggunakan persamaaan :

∑Y = nb + b ∑X + b ∑X + b ∑X

∑Y X = b ∑X + b ∑X + b ∑X X + b ∑X X

∑Y X = b ∑X + b ∑X X + b ∑X + b ∑X X ∑Y X = b ∑X + b ∑X X + b ∑X X + b ∑X

Harga-harga , , , didapat dengan menggunakan persamaan diatas dengan metode eliminasi atau subsitusi.

2.4 Uji Keberartian Regresi

Sebelum persamaan regresi yang diperoleh digunakan untuk membuat kesimpulan terlebih dahulu diperiksa setidak-tidaknya mengenai keliniearan dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis. Uji keberartian dilakukan untuk meyakinkan diri apakah regresi yang didapat berdasarkan penelitian ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan sejumlah peubah yang sedang dipelajari.

Untuk itu diperlukan dua jenis jumlah kuadrat (JK) yaitu Jumlah Kuadrat untuk regresi yang ditulis dan Jumlah Kuadrat untuk sisa (residu) yang ditulis dengan .

Jika x = X - X ₁, x = X - X₂, . . . , x = X - X_k dan y = Y - Y _i maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari :

JK = b ∑x y + b ∑x y + . . . + b ∑x y JK = ∑( Y - Ŷ)

Dengan demikian uji keberartian regresi berganda dapat dihitung dengan :

F = /

/ ( )

2.5 Pengujian Hipotesis

Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian. Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal,

yaitu: tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: (hipotesis nol) dan (hipotesis alternatif). bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan yang sesungguhnya yang diteliti.

bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti.

Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil penelitian terlebih dahulu sebagai pendukung pernyataan hipotesis yang diusulkan. Dalam membentuk hipotesis ada beberapa hal yang dipertimbangkan :

1) Hipotesis nol dan hipotesis alternatif yang diusulkan

2) Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed

atau two tailed)

3) Penentuan nilai hitung statistik

4) Menarik kesimpulan apakah menerima atau menolak hipotesis yang diusulkan

Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain :

1) : = = . . . = = 0

Tidak terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas.

: Minimal satu parameter koefisien regresi yang ≠ 0

Terdapat hubungan fungsional yang signifikan antara variabel bebas dengan variabel tak bebas

2)Pilih taraf α yang diinginkan

3)Hitung statistik dengan menggunakan persamaan

= ( ) ( ) ,( )

5)Kriteria pengujian : jika ≥ , maka ditolak dan diterima. Sebaliknya Jika < , maka diterima dan ditolak.

2.6 Koefisien Determinasi

Koefisien determinasi yang disimbolkan dengan bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai dikatakan baik jika berada di atas 0,5 karena nilai berkisar antara 0 dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel independen yang digunakan dalam model.

Koefisien determinasi dapat dihitung dari :

=

฀

฀

฀

฀

฀ ฀ ฀ ฀ 2 2 2 1 1 ) . ( ... i i i ki k i i i i Y Y y x b y x b y x b

Sehingga rumus umum koefisien determinasi yaitu :

=

฀

฀ n 1 i 2 i reg y JK

Harga diperoleh sesuai dengan variansi yang dijelaskan oleh masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga hanya disebabkan oleh variabel yang berpengaruh saja.

2.7 Koefisien Korelasi

Nilai koefisien korelasi merupakan nilai yang digunakan untuk mengukur kekuatan (keeratan) suatu hubungan antara variabel. Koefisien korelasi biasanya disimbolkan dengan r.

Koefisien korelasi dapat dirumuskan sebagai berikut :

r = ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan tiga variabel bebas X₁, X₂, X₃ yaitu :

1. Koefisien korelasi antara Y dengan X₁

= ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

= ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

3. Koefisien korelasi antara Y dengan X₃

= ∑ (∑ ) (∑ )

{ ∑ (∑ ) }{ ∑ (∑ ) }

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

1.Korelasi positif (+) berarti jika variabel mengalami kenaikan maka variabel juga mengalami kenaikan atau jika variabel mengalami kenaikan maka variabel X₁ juga mengalami kenaikan

2.Korelasi negatif (-) berarti jika variabel mengalami kenaikan maka variabel akan mengalami penurunan, atau jika variabel mengalami kenaikan maka variabel akan mengalami penurunan

Sifat korelasi akan menentukan arah dari korelasi. Interpretasi harga r akan disajikan dalam tabel berikut :

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

R Interpretasi

0 Tidak berkorelasi

0,01 – 0,20 Sangat rendah

0,21 – 0,40 Rendah

0,41 – 0,60 Agak rendah

0,61 – 0,80 Cukup

0,81 – 0,99 Tinggi

1 Sangat tinggi

2.8 Uji Koefisien Regresi Linier Berganda

Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi, perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi. Misalkan populasi memiliki model regresi linier berganda :

. . … = + + + . . . +

yang berdasarkan sebuah sampel acak berukuran n ditaksir oleh regresi berbentuk :

Ŷ = b + b X + b X + . . . + b X

Akan dilakukan pengujian hipotesis dalam bentuk :

H : = 0, i = 1, 2, . . ., k

Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran s_y.12...k,

jumlah kaudrat-kuadrat ∑ dengan = - X_j dan koefisien korelasi ganda antara masing-masing variabel bebas X dengan variabel tak bebas Y dalam regresi yaitu .

Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien yakni :

s =

2 3 . 2 . 1 , y

(∑ ) ( 2)

dengan : _{, . .}

=

∑( )

∑ = ∑( - X_j)

R =

∑

Selanjutnya hitung statistik :

t =

Dengan kriteria pengujian : jika > , maka tolak dan jika < , maka terima yang akan berdistribusi t dengan derajat kebebasan dk = (n-k-1) dan = _{( , / )}.

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Masalah kelahiran dewasa ini merupakan masalah penting yang perlu mendapat perhatian dan pembahasan yang serius karena dapat mempengaruhi pertumbuhan penduduk. Bila hal ini tidak cepat ditanggapi, maka hukum Malthus yang berbunyi “Penduduk yang bertambah menurut deret hitung” akan membawa malapetaka. Pertumbuhan penduduk yang tidak terkendali, cepat dan tidak seimbang akan mengakibatkan terjadinya tekanan-tekanan yang berat pada sektor penyediaan pangan, sandang, perumahan, lapangan kerja, fasilitas kesehatan, pendidikan, pengangkutan, perhubungan ,dan sebagainya. Karena semakin tinggi pertumbuhan penduduk maka akan semakin meningkat juga pertumbuhan kebutuhan manusia.

Fertilisasi adalah jumlah kelahiran hidup yang dipunyai oleh seorang wanita atau sekelompok wanita. Penurunan fertilitas harus dilakukan untuk

mengurangi laju pertumbuhan penduduk. Hal ini sangat berpengaruh terhadap kesejahteraan penduduk yang merupakan tujuan penting yang ingin dicapai oleh setiap Negara. Di kabupaten atau kota yang masih mempunyai tingkat fertilitas tinggi atau yang KB-nya kurang berhasil, jumlah bayi yang lahir tiap tahunnya akan lebih banyak dibandingkan dengan kabupaten atau kota yang program KB-nya berhasil menurunkan tingkat fertilitas.Untuk mencapai tujuan tersebut maka pemerintah berusaha membuat suatu kebijakan–kebijakan yang penting dan berusaha memenuhi sarana dan fasilitas yang menunjang kesejahteraan penduduk.

Kebijakan-kebijakan atau usaha ini dilakukan oleh pemerintah harus diikuti dengan peran serta masyarakat untuk mendukung tujuan tersebut. Pengetahuan tentang kependudukan, fertilitas atau kelahiran, dan KB serta indikator-indikatornya sangat penting diketahui oleh masyarakat luas, para penentu kebijakan dan perancang program untuk merencanakan pembangunan sosial terutama kesejahteraan ibu dan anak dan merangsang timbulnya kesadaran dan membina tingkah laku yang bertanggungjawab terhadap masalah kependudukan. Dengan adanya kesadaran masyarakat dan perhatian untuk ikut serta dalam mewujudkan kesejahteraan penduduk maka pemerintah dan masyarakat secara bersama-sama telah berusaha menanggulangi masalah pertumbuhan penduduk. Misalnya dengan peran serta penduduk untuk menurunkan tingkat fertilitas (kelahiran) dengan melaksanakan program keluarga berencana (KB). Selain program keluarga berencana (KB), jumlah pasangan usia subur dan jumlah sarana kesehatan seperti puskesmas pembantu dan rumah bersalin juga mempengaruhi jumlah kelahiran.

Berdasarkan hal diatas, penulis ingin mengetahui bagaimankah respon masyarakat dalam penurunan fertilitas (jumlah kelahiran). Sejauh manakah masyarakat memperhatikan faktor-faktor yang mempengaruhi jumlah kelahiran. Variabel manakah yang sangat kuat mempengaruhi tingkat kelahiran dan keeratan hubungan antara variable-variabel yang mempengaruhi terhadap jumlah kelahiran. Untuk itu penulis mengambil judul tulisan “FAKTOR-FAKTOR YANG MEMPENGRUHI JUMLAH KELAHIRANDI KABUPATEN DELI SERDANG TAHUN 2011.

1.2 Identifikasi Masalah

Jika jumlah kelahiran tinggi maka pertumbuhan penduduk meningkat, sebaliknya jika jumlah kelahiran rendah maka pertumbuhan penduduk menurun. Banyak faktor yang mempengaruhi peningkatan dan penurunan jumlah kelahiran. Dalam penelitian ini data yang dianalisi adalah data sekunder tentang jumlah kelahiran pada tahun 2011 di kabupaten Deli Serdang dan penulis membatasi faktor-faktor yang mempengaruhinya yaitu jumlah Pasangan Usia Subur (PUS), jumlah akseptor KB dan jumlah sarana kesehatan (puskesmas pembantu dan rumah bersalin).

1.3Tujuan Penelitian

Tujuan dilakukannya penelitian ini adalah :

1. Untuk menentukan persamaan regresi linier bergandanya.

2. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi jumlah kelahiran.

3. Untuk mengetahui apakah secara signifikan terdapat korelasi positif antara jumlah kelahiran dengan jumlah pasangan usia subur, jumlah akseptor KB dan jumlah sarana kesehatan ( puskesmas pembantu dan rumah bersalin ).

1.4Manfaat Penelitian

Manfaat yang diambil dari penelitian ini adalah :

1. Memberikan masukan yang dapat menjadi bahan pertimbangan bagi pemerintah dan pihak-pihak terkait untuk menanggulangi peningkatan jumlah kelahiran.

2. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis dalam menganalisa data.

1.5Metodologi Penelitian

Metode yang digunakan penulis dalam melakukan penelitian ini antara lain :

1. Metode Penelitian Kepustakaan ( Study Literatur )

Suatu cara penelitian yang digunakan untuk memperoleh data atau informasi dari perpustakaan yaitu dengan membaca buku-buku, referensi, bahan-bahan yang bersifat teoritis yang berhubungan dengan objek yang diteliti sehingga membantu penulis dalam menyelesaikan Tugas Akhir ini.

2. Metode Pengumpulan Data

Untuk mengumpulkan data dalam pelaksanaan riset ini, penulis menggunakan data sekunder yang terdapat di Badan Pusat Statistik Provinsi Sumatera Utara. Data sekunder tersebut adalah data yang diperoleh dan dirangkum ulang berdasarkan data yang telah tersedia dan disusun oleh Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian diatur/disusun dan disajikan dalam bentuk tabel yang berisi angka-angka yang diperlukan, dengan tujuan untuk mendapatkan gambaran yang jelas tentang data tersebut.

1.6Tempat Riset

Pengumpulan data mengenai faktor-faktor yang mempengaruhi jumlah kelahiran itu sendiri dilaksanakan di Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jl. Asrama No. 179, Medan.

1.7Sistematika Penulisan

Tugas akhir ini dibuat dengan beberapa bab, dimana masing-masing bab terdiri dari beberapa subbab. Hal ini dilakukan untuk mempermudah penulis pada khususnya dan pembaca pada umumnya dalam memahami isi dari tugas akhir ini.

Adapun penyususnan tugas akhir ini dibagi dalam 5 bab, yaitu :

Bab 1 : Pendahuluan

Dalam bab ini terdapat penjelasan mengenai latar belakang, identifikasi masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, tempat riset dan sistematika penulisannya.

Bab 2 : Landasan Teori

Pada bab ini diuraikan tentang pengertian regresi, analisis regresi linier berganda, membentuk persamaan regresi linier berganda, uji keberartian regresi,

pengujian hipotesis, koefisisen determinasi, koefisien korelasi, uji koefisien regresi linier berganda.

Bab 3 : Sejarah Umum Tempat Riset

Bab ini diuraikan tentang sejarah badan pusat statistika provinsi Sumatera Utara, visi dan misi badan pusat statistika provinsi Sumataera Utara, struktur organisasi badan pusat statistika provinsi Sumatera Utara.

. Bab 4 : Pengolahan Data

Bab ini diuraikan tentang pengambilan sampel, pembentukan persamaan linier berganda, uji keberartian regresi, koefisien determinasi, koefisien korelasi dan uji koefisien regresi linier berganda.

Bab5 : Implementasi Sistem

Dalam bab ini diuraikan tentang proses pengolahan data dengan program yang akan digunakan yaitu SPSS mulai dari input data hingga hasil outputnya yang membantu dalam menyelesaikan permasalahan dalam penulisan.

Bab 6 : Kesimpulan dan Saran

Pada bab ini penulis memberikan beberapa kesimpulan dan saran kepada pembaca sesuai hasil analisa yang telah diperoleh.

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KELAHIRAN DI KABUPATEN DELI SERDANG TAHUN 2011

TUGAS AKHIR

DENGSI LESMANA SILITONGA 102407007

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KELAHIRAN DI KABUPATEN DELI SERDANG TAHUN 2011

Diajukan untuk melengkapi Tugas Akhir dan memenuhi syarat mencapai gelar Ahli Madya

TUGAS AKHIR

DENGSI LESMANA SILITONGA 102407007

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

PERSETUJUAN

Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI

JUMLAH KELAHIRAN DI KABUPATEN DELI SERDANG TAHUN 2011

Kategori : TUGAS AKHIR

Nama : DENGSI LESMANA SILITONGA

Nomor Induk Mahasiswa : 102407007 Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2013

Diketahui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing

Prof. Dr. Tulus, M.Si Asima Manurung, S.Si, M.Si NIP. 19620901 198803 1 002 NIP: 19730315 199903 2 001

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH

KELAHIRAN DI KABUPATEN DELI SERDANG TAHUN

2011

TUGAS AKHIR

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

Medan, Juni 2013

DENGSI LESMANA SILITONGA 102407007

PENGHARGAAN

Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyususn Tugas Akhir ini dengan judul Faktor- Faktor yang Mempengaruhi Jumlah Kelahiran di Kabupaten Deli Serdang Tahun 2011.

Terima kasih penulis sampaikan kepada Ibu Asima Manurung,S.Si, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku ketua dan sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus dan Ibu Dra. Mardiningsi, M.Si selaku ketua dan sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staf dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan- rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Madaris Silitonga, Ibu Paida Sihombing dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar isi iv

Daftar Tabel vi

Daftar Gambar vii

BAB 1 PENDAHULUAN

1.1Latar Belakang 1

1.2Identifikasi Masalah 3

1.3Tujuan Penelitian 4

1.4Manfaat Penelitian 4

1.5Metodologi Penelitian 6

1.6Tempat Riset 6

1.7Sistematika Penulisan 6

BAB 2 LANDASAN TEORI

2.1Pengertian Regresi 9

2.2Analisis Regresi Linier Berganda 10

2.3Membentuk Persamaan Regresi Linier Berganda 11

2.4Uji Keberartian Regresi 12

2.5Pengujian Hipotesis 13

2.6Koefisien Determinasi 15

2.7Koefisien Korelasi 16

2.8Uji Koefisien Regresi Linier Berganda 18 BAB 3 SEJARAH UMUM TEMPAT RISET

3.1Sejarah Badan Pusat Statistika Provinsi Sumatera Utara 20 3.2Visi dan Misi Badan Pusat Statistik Provinsi Sumatera Utara 21 3.2.1 Visi Badan Pusat Statistik Provinsi Sumatera Utara 21 3.2.2 Misi Badan Pusat Statistik Provinsi Sumatera Utara 21 3.3Struktur Organisasi Badan Pusat Statistik Provinsi Sumatera Utara 21

BAB 4 PENGOLAHAN DATA

4.1 Pengambilan Sampel 24

4.2 Membentuk Persamaan Linier 26

4.3 Uji Keberartian Regresi 29

4.4 Koefisien Determinasi 33

4.5 Koefisien Korelasi 34

3.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat 34 3.5.2 Perhitungan Korelasi antara Variabel Bebas 35 4.6 Uji Koefisien Regresi Linier Berganda 35 BAB 5 IMPLEMENTASI SISTEM

5.1Pengertian Implementasi Sistem 41

5.2Sekilas Tentang Program SPSS 42

5.3Pengolahan Data dengan SPSS 43

5.4Pengolahan Data dengan Persamaan Regresi 48 5.5Pengolahan Data dengan Persamaan Korelasi 52

BAB 6 KESIMPULAN DAN SARAN

6.1Kesimpulan 54

6.2Saran 56

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 18

Tabel 4.1 Data yang akan diolah 20

Tabel 4.2 Nilai-nilai yang diperlukan untuk menentukan koefisien regresi 26 Tabel 4.3 Nilai-nilai yang diperlukan untuk uji keberartian regresi 30

DAFTAR GAMBAR

Halaman Gambar 3.1 Struktur Organisasi Badan Pusat Provinsi Sumatera Utara 23

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 43

Gambar 5.2 Kotak Dialog SPSS for window 44

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS 45 Gambar 5.4 Tampilan Jendela Pengisian Variabel View 47 Gambar 5.5 Tampilan Jendela Pengisian Data View 48 Gambar 5.6 Pilih Analyze,Regression, Linear 49

Gambar 5.7 Kotak Dialog Linier Regression 49

Gambar 5.8 Kotak dialog Linear Regression : Statistics 50 Gambar 5.9 Kotak dialog Linear Regression : Plots 51 Gambar 5.10 Kotak dialog Linear Regression : Options 51 Gambar 5.11 Pilih Analyze, Correlate, Bivariate 52 Gambar 5.12 Kotak dialog Bivariate Correlation 53

PERNYATAAN

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH

KELAHIRAN DI KABUPATEN DELI SERDANG TAHUN

2011

TUGAS AKHIR

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

Medan, Juni 2013

DENGSI LESMANA SILITONGA 102407007

PENGHARGAAN

Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyususn Tugas Akhir ini dengan judul Faktor- Faktor yang Mempengaruhi Jumlah Kelahiran di Kabupaten Deli Serdang Tahun 2011.

Terima kasih penulis sampaikan kepada Ibu Asima Manurung,S.Si, M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada bapak Drs. Faigiziduhu Bu’ulolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku ketua dan sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus dan Ibu Dra. Mardiningsi, M.Si selaku ketua dan sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU Medan, seluruh staf dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan- rekan kuliah. Akhirnya tidak terlupakan kepada Bapak Madaris Silitonga, Ibu Paida Sihombing dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar isi iv

Daftar Tabel vi

Daftar Gambar vii

BAB 1 PENDAHULUAN

1.1Latar Belakang 1

1.2Identifikasi Masalah 3

1.3Tujuan Penelitian 4

1.4Manfaat Penelitian 4

1.5Metodologi Penelitian 6

1.6Tempat Riset 6

1.7Sistematika Penulisan 6

BAB 2 LANDASAN TEORI

2.1Pengertian Regresi 9

2.2Analisis Regresi Linier Berganda 10 2.3Membentuk Persamaan Regresi Linier Berganda 11

2.4Uji Keberartian Regresi 12

2.5Pengujian Hipotesis 13

2.6Koefisien Determinasi 15

2.7Koefisien Korelasi 16

2.8Uji Koefisien Regresi Linier Berganda 18

BAB 3 SEJARAH UMUM TEMPAT RISET

3.1Sejarah Badan Pusat Statistika Provinsi Sumatera Utara 20 3.2Visi dan Misi Badan Pusat Statistik Provinsi Sumatera Utara 21 3.2.1 Visi Badan Pusat Statistik Provinsi Sumatera Utara 21 3.2.2 Misi Badan Pusat Statistik Provinsi Sumatera Utara 21 3.3Struktur Organisasi Badan Pusat Statistik Provinsi Sumatera Utara 21

BAB 4 PENGOLAHAN DATA

4.1 Pengambilan Sampel 24

4.2 Membentuk Persamaan Linier 26

4.3 Uji Keberartian Regresi 29

4.4 Koefisien Determinasi 33

4.5 Koefisien Korelasi 34

3.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat 34 3.5.2 Perhitungan Korelasi antara Variabel Bebas 35 4.6 Uji Koefisien Regresi Linier Berganda 35

BAB 5 IMPLEMENTASI SISTEM

5.1Pengertian Implementasi Sistem 41 5.2Sekilas Tentang Program SPSS 42 5.3Pengolahan Data dengan SPSS 43 5.4Pengolahan Data dengan Persamaan Regresi 48 5.5Pengolahan Data dengan Persamaan Korelasi 52

BAB 6 KESIMPULAN DAN SARAN

6.1Kesimpulan 54

6.2Saran 56

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Halaman Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 18

Tabel 4.1 Data yang akan diolah 20

Tabel 4.2 Nilai-nilai yang diperlukan untuk menentukan koefisien regresi 26 Tabel 4.3 Nilai-nilai yang diperlukan untuk uji keberartian regresi 30

DAFTAR GAMBAR

Halaman Gambar 3.1 Struktur Organisasi Badan Pusat Provinsi Sumatera Utara 23 Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 43 Gambar 5.2 Kotak Dialog SPSS for window 44 Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS 45 Gambar 5.4 Tampilan Jendela Pengisian Variabel View 47 Gambar 5.5 Tampilan Jendela Pengisian Data View 48 Gambar 5.6 Pilih Analyze,Regression, Linear 49 Gambar 5.7 Kotak Dialog Linier Regression 49 Gambar 5.8 Kotak dialog Linear Regression : Statistics 50 Gambar 5.9 Kotak dialog Linear Regression : Plots 51 Gambar 5.10 Kotak dialog Linear Regression : Options 51 Gambar 5.11 Pilih Analyze, Correlate, Bivariate 52 Gambar 5.12 Kotak dialog Bivariate Correlation 53