Analisis Nilai Korelasi Beberapa Faktor Yang Mempengaruhi Wanita Indonesia Dalam Keikutsertaan Program Keluarga Berencana (KB) Tahun 2011

ANALISIS NILAI KORELASI BEBERAPA FAKTOR YANG MEMPENGARUHI WANITA INDONESIA DALAM

KEIKUTSERTAAN PROGRAM KELUARGA BERENCANA (KB) TAHUN 2011

TUGAS AKHIR

WAHYU RAHYUNI B. 102407043

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

ANALISIS NILAI KORELASI BEBERAPA FAKTOR YANG MEMPENGARUHI WANITA INDONESIA DALAM

KEIKUTSERTAAN PROGRAM KELUARGA BERENCANA (KB) TAHUN 2011

TUGAS AKHIR

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

WAHYU RAHYUNI B. 102407043

PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

PERSETUJUAN

Judul : ANALISIS NILAI KORELASI BEBERAPA FAKTOR YANG MEMPENGARUHI WANITA

INDONESIA DALAM KEIKUTSERTAAN

PROGRAM KELUARGA BERENCANA (KB)

TAHUN 2011

Kategori : TUGAS AKHIR

Nama : WAHYU RAHYUNI B.

Nomor Induk Mahasiswa : 102407043

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 Dra. Mardiningsih, M.Si NIP. 19620901 198803 1 002 NIP. 19630405 198811 2 001

PERNYATAAN

ANALISIS NILAI KORELASI BEBERAPA FAKTOR YANG MEMPENGARUHI WANITA INDONESIA DALAM

KEIKUTSERTAAN PROGRAM KELUARGA BERENCANA (KB) 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

WAHYU RAHYUNI B. 102407043

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Analisis Nilai Korelasi Beberapa Faktor Yang Mempengaruhi Wanita Indonesia Dalam Keikutsertaan Program Keluarga Berencana (KB) Tahun 2011.

Terimakasih penulis sampaikan kepada Ibu Dra. Mardiningsih,M.Si selaku pembimbing yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’lolo, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU Medan, Bapak Prof. Dr. Tulus, M.Si PhD selaku Ketua Departemen Matematika FMIPA USU Medan, Bapak 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 Bapak M. Butarbutar dan Ibu J.N br Sitorus serta keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa yang akan membalasnya.

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 Identifikasi Masalah 4

1.3 Batasan Masalah 5

1.4 Tinjauan Pustaka 6

1.5 Tujuan Penelitian 8

1.6 Manfaat Penelitian 9

1.7 Lokasi dan Waktu Penelitian 9

1.8 Metodelogi Penelitian 10

1.9 Sistematika Penulisan 11

BAB 2 LANDASAN TEORI

2.1 Pengertian Regresi 13

2.2 Analisis Regresi Linier 15

2.2.1 Analisis Regresi Linier Sederhana 15 2.2.2 Analisis Regresi Linier Berganda 17

2.3 Kesalahan Baku (Standard Error) 19

2.4 Uji Regresi Linier Berganda 19

2.4.1 Uji F (Simultan) 20

2.5 Analisis Korelasi 22

2.6 Koefisien Determinasi 22

2.7 Koefisien Korelasi 23

BAB 3 GAMBARAN UMUM TEMPAT RISET

3.1 Sejarah Umum Badan Pusat statistik (BPS) 26

3.2 Sejarah Singkat BPS 27

3.2.1 Masa Pemerintahan Hindia Belanda 27

3.3.2 Masa Pemerintahan Jepang 28

3.3.3 Masa Kamerdekaan Republik Indonesia 28 3.3.4 Masa Orde Baru Sampai Sekarang 30

3.3 Logo Instansi 31

3.5 Visi dan Misi BPS 32

3.5.1 Visi 32

3.5.2 Misi 32

3.6 Nilai-Nilai Inti Pada BPS 33

BAB 4 ANALISIS DATA

4.1 Pengolahan Data 36

4.2 Persamaan Regresi Linier Berganda 38

4.3 Kesalahan Baku (Standard Error) 43

4.4 Uji Regresi Linier Berganda 45

4.4.1Uji F (Simultan) 45

4.5Koefisien Determinasi 51

4.6 Koefisien Korelasi 52

4.7 Koefisien Korelasi Antar Variabel 52

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 57

5.2 Pengenalan Program SPSS 57

5.3 Memulai SPSS Pada Windows 58

5.4 Menyusun Definisi Variabel Data 59

5.5 Pengisian Data Yang akan Diolah 62

5.6 Pengolahan Data Dengan Persamaan Regresi 62 5.7 Pengolahan Data Nilai Korelasi Antara Variabel 66

BAB 6 PENUTUP

6.1 Kesimpulan 68

6.2 Saran 69

Daftar Pustaka viii

DAFTAR TABEL

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r 25 Tabel 4.1 Data Akseptor KB, Penduduk Miskin, Rumah Sakit Bersalin,

Perkawinan Muda Yang Tidak/ Belum Pernah Bersekolah, Anak Perempuan

Yang Sudah Menonton TV 37

Tabel 4.2 Nilai-nilai Koefisien 39

Tabel 4.3 Penyimpangan Nilai Koefisien 43

DAFTAR GAMBAR

Gambar 3.1 Logo Instansi BPS 31

Gambar 5.1 Tampilan Pengaktifan SPSS 59

Gambar 5.2 Tampilan Layar Kerja Variabel View 60

Gambar 5.3Tampilan Layar Kerja Data View 62

Gambar 5.4 Tampilan Menu Regression Linear 63 Gambar 5.5 Tampilan Kotak Dialog Linear Regression 64 Gambar 5.6 Tampilan Kotak Dialog Linear Regression Statistics 64 Gambar 5.7 Tampilan Kotak Dialog Linear Regression Plots 65 Gambar 5.8 Tampilan Kotak Dialog Linear Regression Options 66 Gambar 5.9 Tampilan Analyze Corelations Bivariate 66 Gambar 5.10 Tampilan Corelations Bivariate 67

BAB 1 PENDAHULUAN

1.1Latar Belakang

Penduduk merupakan modal dasar utama dalam pembangunan suatu negara. Penduduk yang besar dan berkualitas merupakan investasi yang berharga dengan produktifitasnya yang tinggi. Sebaliknya, penduduk yang besar namun tidak berkualitas hanya akan menjadi beban negara, karena produktivitas ditentukan oleh pendidikan, status kesehatan/gizi dan penghasilan. Pendidikan rendah tanpa keterampilan tertentu menghasilkan pendapatan yang rendah. Pendapatan rendah mengurangi akses untuk memenuhi kebutuhan gizi dan pelayanan kesehatan sehingga mengakibatkan status kesehatan Sumber Daya Manusia (SDM) yang rendah dan produktivitas rendah.

Jumlah penduduk yang besar dalam suatu negara mempunyai dampak terhadap pembangunan negara tersebut, salah satunya dalam hal kesejahteraan penduduk. Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) adalah salah satu institusi yang bertanggung jawab dalam hal pengendalian jumlah penduduk di Indonesia. Dalam hal ini BKKBN tidak hanya bertanggung jawab untuk menurunkan angka kelahiran (TFR), tetapi juga bertanggung jawab untuk meningkatkan kesejahteraan masyarakat, dalam hal ini adalah keluarga.

Program KB merupakan salah satu upaya untuk menekan laju pertumbuhan penduduk. Apabila program KB tidak ditangani dengan serius maka

Secara umum tujuan 5 tahun kedepan yang ingin dicapai dalam rangka mewujudkan visi dan misi program KB dimuka adalah membangun kembali dan melestarikan pondasi yang kokoh bagi pelaksanaan program KB Nasional yang kuat dimasa mendatang sehingga visi untuk mewujudkan keluarga berkualitas 2015 dapat tercapai (Noviawati, 2008).

Tujuan lain pelaksanaan program KB adalah untuk meningkatkan kesehatan dan kesejahteraan ibu dan anak, keluarga serta masyarakat pada umumnya. Dengan berhasilnya pelaksanaan KB diharapkan angka kelahiran dapat diturunkan, sehingga tingkat kecepatan perkembangan penduduk tidak melebihi kemampuan kenaikan produksi. Dengan demikian taraf kehidupan dan kesejahteraan rakyat diharapkan akan lebih meningkat.

Dalam sambutannya pada peringatan Hari Ibu tanggal 22 Desember 1971, diselenggarakan oleh Kongres Wanita Indonesia (Kowani), Dokter Suwarjono Suryadiningrat menegaskan bahwa seorang ibu merupakan poros yang sangat penting dalam lingkungan keluarga masing-masing. Maka haruslah dijaga kondisi rohaniah dan jasmaniah sedemikian rupa, sehingga mampu untuk memberikan perhatian dan kasih sayang yang cukup kepada tiap-tiap anggota keluarganya. Kesehatan para ibu dan anak terutama pada waktu hamil dan melahirkan perlu dijaga dan dijamin. Selanjutnya dikatakan betapa pun kehamilan dan kelahiran pada hakikatnya merupakan kodrat alam yang harus dijalankan oleh kaum wanita, akan tetapi tidak dapat diingkari kenyataan, bahwa tiap-tiap kelahiran dapat pula menjadi ancaman terhadap keselamatan jiwa seorang ibu terutama ketika kondisi ibu tidak diimbangi dengan kekuatan fisiknya apabila terlalu sering melahirkan atau keadaan ekonomi rumah tangga tidak mencukupi (Notopuro, 1984).

Survei Demografi dan Kesehatan Indonesia (SDKI) yang penelitian lapangannya diadakan pada Mei-Juli 1991 menunjukkan bahwa status pendidikan mempunyai korelasi yang positif dengan tingkat pemakaian kontrasepsi. Untuk semua cara kontrasepsi (perempuan berstatus kawin) tertinggi adalah perempuan yang pernah duduk di SMTP ke atas (59,3%), selanjutnya tamat SD (54,4%), pernah SD (47,3%) dan tidak pernah sekolah (36,6%) (Singarimbun, 1996).

Berdasarkan distribusi pemakaian kontrasepsi maka jelas terlihat bahwa partisipasi pria tidak seberapa. Dari tahun ke tahun sejak program KB dilaksanakan pada tahun 1969, cara-cara kontrasepsi yang dipakai adalah terutama untuk perempuan. Cara-cara kontrasepsi yang utama adalah IUD, Pil, dan Suntikan. Sterilisasi jauh lebih banyak dilakukan oleh wanita (tubektomi) daripada oleh laki-laki (vasektomi) walaupun operasi laki-laki jauh lebih sederhana dibandingkan dengan operasi perempuan.

Dari pemaparan di atas, maka dapat disimpulkan bahwa wanita Indonesia memiliki peranan yang penting dalam pembangunan negara Indonesia. Maka dari itu, secara khusus penulis akan meneliti peranan wanita Indonesia dalam keberhasilan program KB melalui analisis beberapa faktor yang mempengaruhi wanita Indonesia dalam keikutsertaan program KB tahun 2011 dengan menggunakan Analisis Regresi Linier Berganda. Dan judul yang telah ditetapkan penulis sendiri adalah “ANALISIS NILAI KORELASI BEBERAPA FAKTOR

YANG MEMPENGARUHI WANITA INDONESIA DALAM

KEIKUTSERTAAN PROGRAM KELUARGA BERENCANA (KB) TAHUN 2011.”

1.2Identifikasi Masalah

Keikutsertaan wanita Indonesia dalam program KB dipengaruhi oleh beberapa faktor, diantaranya yaitu :

1. Rendahnya tingkat pendidikan ataupun wawasan sehingga masih memiliki prinsip banyak anak banyak rezeki, serta adanya pola pikir masyarakat yang tidak ingin direpotkan dengan melaksanakan program KB karena untuk mengikuti program tersebut membutuhkan kedisiplinan dari penggunanya, dimana masyarakat harus secara teratur dan disiplin untuk melaksanakan aturan dari program tersebut sesuai dengan akseptor KB yang digunakan.

2. Adanya kepercayaan dari masyarakat yang menjunjung tinggi agamanya bahwa program KB dilarang oleh agama karena menunda atau tidak mengingini anak merupakan perbuatan yang tidak mensyukuri rezeki dari Tuhan.

3. Tingginya tingkat kemiskinan sehingga akses kesehatan ataupun gizi semakin menurun yang menciptakan pandangan jauh mengenai kebutuhan dana yang akan meningkat.

4. Kurangnya informasi mengenai sosialisai KB yang diperoleh khususnya melalui media visual sehingga tidak memiliki pengetahuan yang lebih mengenai dampak positif dari program KB itu sendiri.

5. Terbatasnya jumlah layanan kesehatan khususnya di daerah pedesaan sehingga masyarakat kurang dalam konsultasi ataupun dalam pelayanan kesehatan.

Ada banyak faktor-faktor lain yang masih mempengaruhi wanita Indonesia diluar dari faktor-faktor yang telah disebutkan diatas. Dari semua faktor-faktor tersebut baik yang telah disebutkan maupun tidak merupakan rumusan masalah dalam analisis faktor yang mempengaruhi wanita Indonesia dalam keikutsertaan program KB.

1.3Batasan Masalah

Dari banyak faktor yang mempengaruhi wanita Indonesia dalam keikutsertaan program KB, maka penulis membatasi pokok permasalahan yang akan dianalisis dalam penelitian ini, yaitu jumlah penduduk miskin, jumlah layanan kesehatan didaerah pedesaan, jumlah pernikahan usia dini pada satu tahun terakhir serta jumlah anak perempuan usia 5-17 tahun yang menonton TV. Selain karena penulis menganggap keempat faktor tersebut memberikan pengaruh yang besar, hal ini juga dikarenakan keterbatasan data yang tersedia mengenai faktor-faktor lain yang dianggap juga memberi pengaruh cukup tinggi.

1.4Tinjauan Pustaka

Menurut Davis dan Blake (1956) terdapat 11 variabel antara melalui mana faktor-faktor sosial dan budaya mempengaruhi fertilitas. Dengan kata lain, faktor-faktor-faktor-faktor sosial budaya tidak dapat langsung mempengaruhi fertilitas dan hanya dapat

Variabel antara tersebut adalah: 1. Usia kawin, 2. Proporsi yang tidak pernah kawin, 3. Perpisahan pada usia reproduksi karena cerai, ditinggal, atau menjanda, 4. Absistensi suka-rela, 5. Absistensi karena terpaksa, 6. Frekuensi berhubungan seks, 7. Kesuburan biologis, 8. Pemakaian kontrasepsi, 9. Kemandulan yang disengaja, 10. Keguguran yang tidak disengaja, 11. Pengangguran yang disengaja.

Jadi, kalau orang mengatakan bahwa agama, kepercayaan, adat istiadat, status wanita, urbanisasi, industrialisasi atau pendidikan mempengaruhi fertilitas maka hubungannya dengan fertilitas perlu diterangkan, yakni melalui variabel antara yang mana fertilitas dipengaruhi.

Didalam analisisnya yang terkenal berjudul A Framework for Analyzing the Proximate Determinants of Fertility, John Bongaarts (1978) menyederhanakan variabel Davis dan Blake yang berjumlah 11 tersebut. Dia menyimpulkan bahwa empat variabel antara terpenting yang mempengaruhi penurunan fertilitas adalah: perkawinan, penggunaan kontrasepsi, laktasi (menyusui) dan pengangguran yang disengaja (Singarimbun, 1996).

Ketentuan-ketentuan BKKBN yang menyangkut Program Keluarga Berencana telah mengatur hak keseimbangan akseptor atau konsumen kontrasepsi dan kewajibannya. Masing-masing individu mempunyai hak-hak sekaligus kewajiban, khususnya dalam arti mewujudkan keluarga sejahtera. Ketentuan yang dimaksud adalah UU no. 10 Tahun 1992 dan aturan-aturan operasionalnya. Pokok pertama yang dijelaskan adalah pengertian beberapa konsep seperti keluarga sejahtera, keluarga berencana, ketahanan dan kemandirian keluarga.

Keluarga sejahtera adalah keluarga yang dibentuk berdasarkan atas perkawinan yang syah, mampu memenuhi kebutuhan hidup spiritual dan materiil yang layak, bertaqwa kepada Tuhan Yang Maha Esa, memiliki hubungan yang serasi, selaras dan seimbang antara anggota dan antara keluarga dengan masyarakat dan lingkungan.

Keluarga berencana adalah upaya meningkatkan kepedulian dan peran serta masyarakat melalui pendewasaan usia perkawinan (PUP), pengaturan kelahiran , pembinaan ketahanan keluarga, peningkatan nkesejahteraan keluarga untuk mewujudakan keluarga kecil bahagia dan sejahtera.

Ketahanan keluarga adalah kondisi dinamik suatu keluarga yang memiliki keuletan dan ketangguhan serta mengandung kemampuan fisik materiil dan psikis, mentral spiritual guna hidup mandiri dan mengembangkan kesejahteraan lahir dan kebahagiaan batin.

Kemandirian keluarga adalah sikap mental dalam hal berupaya meningkatkan kepedulian masyarakat dan pembangunan, mendewasakan usia perkawinan, membina dan meningkatkan ketahanan keluarga, mengatur kelahiran dan mengembangkan kualitas dan kesejahteraan keluarga, berdasarkan kesadaran dan tanggung jawab (Juliantoro, 2000).

Tujuan utama program KB nasional adalah untuk memenuhi perintah masyarakat antara pelayanan KB dan kesehatan reproduksi yang berkualitas, menurunkan tingkat/ angka kematian ibu bayi, dan anak serta penanggulangan masalah kesehatan reproduksi dalam rangka membangun keluarga kecil berkualitas sedangkan tujuan program kesehatan reproduksi remaja (KKR) adalah

tentang kesehatan dan hak-hak reproduksi, guna meningkatkan derajat kesehatan reproduksinya, untuk mempersiapkan kehidupan dalam mendukung upaya meningkatkan kualitas generasi mendatang (Sujiyatini, 2008).

1.5Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk mengetahui seberapa besar nilai korelasi faktor-faktor yang telah dijelaskan sebelumnya mempengaruhi wanita Indonesia dalam keikutsertaan program KB, sehingga melalui ini dapat diambil kebijakan yang dapat mendukung pemerintah dalam mensukseskan program KB sebagai salah satu program peningkatan kesejahteraan masyarakat Indonesia.

1.6Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah :

1. Memberikan informasi mengenai keikutsertaan wanita Indonesia dalam program KB serta faktor-faktor yang mempengaruhinya.

2. Dapat dijadikan sebagai bahan referensi bagi peneliti-peneliti selanjutnya yang akan menganalisis permasalahan yang sama.

3. Sebagai bahan pertimbangan bagi pihak-pihak terkait untuk membuat kebijakan dalam meningkatkan peran serta wanita Indonesia dalam program KB ditahun-tahun selanjutnya.

1.7Lokasi dan Waktu Penelitian

Penelitian ataupun pengumpulan data mengenai faktor-faktor yang mempengaruhi wanita Indonesia dalam keikutsertaan program KB tahun 2011 dilaksanakan di Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Jl. Asrama No. 179, Medan yang dilakukan selama 3 hari yaitu tanggal 9 April 2013 sampai dengan 11 April 2013.

1.8Metodelogi Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya adalah :

1. Metode Penelitian Kepustakaan (Studi Literatur)

Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun umum, serta sumber informasi lainnya yang berhubungan dengan objek yang diteliti.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan menggunakan data sekunder. Data sekunder adalah data primer yamg diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh dari Badan

dikumpulkan kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3. Metode Pengolahan Data

Data penelitian dianalisis dengan menggunakan metode regresi linier berganda untuk melihat persamaan regresi liniernya dan dengan analisis korelasi untuk mengetahui hubungan setiap variabel bebas (X) terhadap variabel terikat (Y).

1.9Sistematika Penelitian

Adapun sistematika penulisan yang dapat diuraikan adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Bab ini menguraikan tentang latar belakang, identifikasi masalah, batasan masalah, tinjauan pustaka, tujuan penelitan, manfaat penelitian, lokasi dan waktu penelitian, metodelogi penelitian, dan sistematika penelitian.

BAB 2 : LANDASAN TEORI

Bab ini berisi tentang suatu landasan teori yang diaplikasikan dalam pengolahan data yang tepat, yaitu menguraikan tentang

pengertian regresi linier berganda, uji regresi linier, uji korelasi, dan uji koefisien untuk regresi linier berganda.

BAB 3 : GAMBARAN UMUM TEMPAT RISET

Bab ini menjelaskan atau menceritakan tentang sejarah singkat berdirinya perusahaan ataupun profil singkat tempat dimana

dilakukan pengambilan atau riset data. BAB 4 : ANALISIS DATA

Bab ini menguraikan proses analisis data pada regresi linier berganda, kesalahan standar estimasi, uji regresi linier berganda, koefisien determinasi, dan koefisien korelasi.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menguraikan tentang pengertian implementasi sistem, sekilas tentang SPSS, pengolahan data dengan SPSS, pengolahan data dengan persamaan regresi, serta pengolahan data untuk nilai korelasi antar variabel.

BAB 6 : PENUTUP

Bab ini terdiri atas kesimpulan dari hasil analisis yang telah dilakukan serta saran berdasarkan kesimpulan yang diperoleh yang tentunya bermanfaat bagi pembaca dan pihak yang membutuhkannya.

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas disebut variabel X karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X. Variabel yang kedua adalah variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.

Regresi pertama kali dipergunakan sebagai konsep statistika oleh Sir Francis Galton (1822 – 1911). Beliau memperkenalkan model peramalan, penafsiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Galton melakukan suatu penelitian di mana penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cenderung lebih pendek dari pada ayahnya, sedangkan

anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya, jadi seolah-seolah semua anak laki-laki yang tinggi dan anak laki-laki yang pendek bergerak menuju kerata-rata tinggi dari seluruh anak laki-laki yang menurut istilah Galton disebut dengan “regression to mediocrity”. Dari uraian tersebut dapat disimpulkan bahwa pada umumnya tinggi anak mengikuti tinggi orangtuanya.

Istilah “regresi” pada mulanya bertujuan nutuk membuat perkiraan nilai satu variabel (tinggi badan anak) terhadap satu variabel yang lain (tinggi badan orang tua). Pada perkembangan selanjutnya analisis regresi dapat digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut.

Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent variable) dengan variabel-variabel bebas (independent variable) lainnya memiliki sifat hubungan sebab akibat (hubungan kausalitas), baik didasarkan pada teori, hasil penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis tertentu.

2.2Analisis Regresi Linier

Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Analisis regresi linier atau regresi garis lurus digunakan untuk :

1. Menentukan hubungan fungsional antar variabel dependen dengan independen. Hubungan fungsional ini dapat disebut sebagai persamaan garis regresi yang berbentuk linier.

2. Meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya.

Analisis regresi tediri dari dua bentuk yaitu :

1. Analisis Regresi Linier Sederhana (Simple Analysis Regression) 2. Analisis Regresi Linier Berganda (Multiple Analysis Regression)

2.2.1 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel dimana hanya terdapat satu variable bebas X dan satu variabel tak bebas Y. Dalam hal ini bentuk model umum regresi sederhana adalah:

keterangan :

Ŷ = variabel tak bebas x = variabel bebas a = parameter intercept

b = parameter koefisien regresi variabel bebas e = eror

Nilai a dan b dapat diperoleh dengan rumus seperti di bawah ini:

2

2 2

i i i i i

i i

Y X X X Y

a

n X X

2 2

i i i i

i i

n X Y X Y

b

n X X

keterangan :

n = banyaknya data = Jumlah nilai-nilai dari = Jumlah nilai-nilai dari

= Jumlah kuadrat nilai-nilai dari variabel

2.2.2 Analisis Regresi Berganda

Regresi linear berganda adalah suatu cara yang dilakukan untuk mendapatkan hubungan matematis dalam bentuk persamaan, dimana dalam regresi linier berganda variabel bebas lebih dari satu. Tujuan regresi linear berganda ini adalah untuk mengetahui hubungan antara dua variabel atau lebih dan memuat prediksi nilai Y atas nilai X. Adapun bentuk umum regresi berganda adalah:

Ŷ = β0+ β1X1+ β2X2 + ... + βiXi + e

keterangan :

i = 1,2,3,…,n

ˆ

Y = nilai regresi

0, 1, 2,..., k = koefisien regresi

1, 2, 3,..., i i i ik

X X X X = variabel bebas

e = eror

Model regresi linier berganda untuk populasi di atas dapat ditaksir berdasarkan sebuah sampel acak yang berukuran n dengan model regresi linier berganda untuk sampel, yaitu :

keterangan :

Ŷ = nilai penduga bagi variabel Y b0 = dugaan bagi parameter konstanta β0

b1, b2, … , bk = dugaan bagi parameter konstanta β1, β2, …, βk

1, 2, 3,..., i i i ik

X X X X = variabel bebas

Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan lima variabel, yaitu satu variabel terikat (dependent variable) dan empat variabel bebas (independent variabel). Maka persamaan regresi linier bergandanya dapat ditulis sebagai berikut :

+

Untuk mengetahui besarnya nilai koefisien dari model regresi linier

berganda + dapat ditentukan dengan

menggunakan empat persamaan normal sebagai berikut :

∑Y = nb0 + b1 ∑ X1 + b2 ∑ X2 + b3 ∑ X3 + b4 ∑ X4

∑ X1 Y = b0 ∑ X1 + b1 ∑ X1 ² + b2 ∑ X1 X2 + b3 ∑ X1 X3 + b4 ∑ X1 X4

∑ X2 Y = b0 ∑ X2 + b1 ∑ X1 X2 + b2 ∑ X2 ² + b3 ∑ X2 X3 + b4 ∑ X2 X4

∑ X3 Y = b0 ∑ X3 + b1 ∑ X1 X3 + b2 ∑ X2 X3 + b3 ∑ X3 ² + b4 ∑ X3 X4

Harga-harga b0, b1, b2, b3 didapat dengan memilih menggunakan metode

eliminasi, substitusi ataupun matriks.

2.3Kesalahan Baku (Standard Error₎

Setelah menentukan persamaan liniernya langkah selanjutnya adalah menentukan kekeliruan baku (standard error). Menurut Hasan (1999) kekeliruan baku (standard error) adalah angka atau indeks yang digunakan untuk menduga ketepatan suatu penduga atau mengukur jumlah variasi titik-titik observasi di sekitar garis regresi. Rumus untuk menghitung standard error adalah :

2 2

,12,...,

ˆ

1

i y k e

Y Y

S S

n k

keterangan :

= kekeliruan baku taksiran = derajat kebebasan.

2.4 Uji Regresi Linier Berganda

Uji keberartian digunakan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel terikat. Pada dasarnya

pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan adalah dengan menggunakan uji F.

Uji linieritas garis regresi juga dilakukan dengan menghitung nilai F, yaitu dengan mempergunakan hipotesis nol . Jika nilai F < P 0,05, garis regresi data skor yang bersangkutan dinyatakan linier. Sebaliknya, jika nilai F > P 0,05, garis regresi itu berarti tidak linier, dan sebagai konsekuensinya data tersebut harus dibuat menjadi regresi nonlinier.

2.4.1 Uji F _(Simultan)

Karena dalam analisis regresi yang dianalisis adalah varians garis regresi, hasil perhitungan analisis regresi juga menghasilkan bilangan atau rasio F, atau lengkapnya Fregresi (disingkat Freg) atau Fhitung. Adapun rumus untuk memperoleh

Freg adalah sebagai berikut :

keterangan :

Freg = bilangan F garis regresi

JK(reg) = jumlah kuadrat garis regresi

RK(res) = jumlah kuadrat garis residu.

= derajat kebebasan.

Rumus untuk mencari JK(reg) dan JK(res) adalah sebagai berikut :

Adapun rumus untuk mencari nilai-nilai yang diperlukan untuk mencari koefisien-koefisien regresi ganda adalah dengan menentukan x dan y dari data yang tersedia adalah sebagai berikut :

dan

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut :

1. Menentukan formulasi hipotesis

: tidak mempengaruhi Y)

: (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi Y).

2. Menentukan taraf nyata α dan dengan dk dan n-k-1 3. Menentukan kriteria pengujian

diterima bila ditolak bila

5. Membuat kesimpulan apakah diterima atau ditolak.

2.5 Analisis Korelasi

Analisis korelasi adalah alat statistik yang digunakan untuk derajat hubungan linier antara suatu variabel dengan variabel lainnya. Sehingga apabila terdapat hubungan antar variabel maka perubahan-perubahan yang terjadi pada suatu variabel akan mengakibatkan terjadinya perubahan pada variabel lain. Pada umumnya analisis korelasi digunakan dalam hubungan analisis regresi di mana kegunaannya untuk mengukur ketepatan garis regresi, dalam menjelaskan variasi nilai variabel dependen. Oleh karena itu, korelasi tidak dapat dilakukan tanpa adanya persamaan regresi (Kustituanto, 1984).

2.6 Koefisien Determinasi

Menentukan koefisien korelasi berganda juga dapat dicari dengan mencari koefisien determinasi di bawah ini :

keterangan :

JK(reg) = jumlah kuadrat garis regresi

= jumlah kuadrat variabel terikat

2.7 Koefisien Korelai

Koefisien korelasi pertama kali diperkenalkan oleh Karl Pearson sekitar tahun 1900. Koefisien korelasi menggambarkan keeratan hubungan antara dua variabel berskala selang atau rasio. Dilambangkan dengan r, koefisien korelasi sering juga disebut dengan r pearson atau korelasi produk-momen pearson.

Menurut Hasan (1999) koefisien korelasi yang terjadi dapat berupa :

1. Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X) meningkat maka variabel lainnya (Y) cenderung meningkat pula.

2. Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X) meningkat maka variabel yang lainnya (Y) cenderung menurun.

3. Tidak adanya terjadi korelasi apabila kedua variabel (X dan Y) tidak menunjukkan adanya hubungan.

4. Korelasi sempurna adalah korelasi dua variabel, yaitu apabila kenaikan atau penurunan variabel yang satu (X) berbanding dengan kenaikan atau penurunan variabel yang lainnya (Y).

Untuk menghitung koefisien korelasi r berdasarkan sekumpulan data (Xi

dan Yi) berukuran n dengan menggunakan rumus :

keterangan :

r = nilai koefisien korelasi = jumlah dari variabel X = jumlah dari variabel Y

= jumlah dari perkalian variabel X dan Y = jumlah dari kuadrat variabel X

= jumlah dari kuadrat variabel Y.

Koefisien korelasi r dipakai apabila terdapat dua variabel tapi apabila digunakan korelasi berganda atau memiliki tiga variabel ganda maka koefisien korelasinya dinotasikan dengan R. Nilai koefisien linier berganda (R) dapat dicari dengan menggunakan rumus sebagai berikut :

keterangan :

= koefisien korelasi antara Y dan = koefisien korelasi antara Y dan

Korelasi antara variabel dibedakan atas tiga jenis, yaitu : 1. Korelasi Positif

Perubahan antara variabel berbanding lurus, artinya apabila variabel yang satu meningkat, maka variabel yang lainnya juga mengalami peningkatan. 2. Korelasi Negatif

Perubahan antara variabel berlawanan, artinya apabila variabel yang satu meningkat, maka variabel yang lain mengalami penurunan.

3. Korelasi Nihil

Terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan yang lain dengan arah yang tidak teratur.

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

Interval Koefisien Tingkat Hubungan

0 Tidak ada korelasi

0,01 – 0,19 Sangat rendah

0,20 – 0,39 Rendah

0,40 – 0,59 Agak rendah

0,60 – 0,79 Cukup

0,80 – 0,99 Tinggi

BAB 3

TINJAUAN UMUM TEMPAT RISET

3.1 Gambaran Umum Badan Pusat Satatistik (BPS)

Badan Pusat Statistik adalah Lembaga Pemerintah Non-Departemen yang bertanggung jawab langsung kepada Presiden. Sebelumnya, BPS merupakan Biro Pusat Statistik, yang dibentuk berdasarkan UU Nomor 6 Tahun 1960 tentang Sensus dan UU Nomer 7 Tahun 1960 tentang Statistik. Sebagai pengganti kedua UU tersebut ditetapkan UU Nomor 16 Tahun 1997 tentang Statistik. Berdasarkan UU ini yang ditindaklanjuti dengan peraturan perundangan dibawahnya, secara formal nama Biro Pusat Statistik diganti menjadi Badan Pusat Statistik.

Materi yang merupakan muatan baru dalam UU Nomor 16 Tahun 1997, antara lain : Jenis statistik berdasarkan tujuan pemanfaatannya terdiri atas statistik dasar yang sepenuhnya diselenggarakan oleh BPS, statistik sektoral yang dilaksanakan oleh instansi Pemerintah secara mandiri atau bersama dengan BPS, serta statistik khusus yang diselenggarakan oleh lembaga, organisasi, perorangan, dan atau unsur masyarakat lainnya secara mandiri atau bersama dengan BPS.

Hasil statistik yang diselenggarakan oleh BPS diumumkan dalam Berita Resmi Statistik (BRS) secara teratur dan transparan agar masyarakat dengan mudah mengetahui dan atau mendapatkan data yang diperlukan.Sistem Statistik

Statistik sebagai wadah untuk menampung aspirasi masyarakat statistik, yang bertugas memberikan saran dan pertimbangan kepada BPS. Berdasarkan undang-undang yang telah disebutkan di atas, peranan yang harus dijalankan oleh BPS adalah sebagai berikut :

1. Menyediakan kebutuhan data bagi pemerintah dan masyarakat. Data ini didapatkan dari sensus atau survey yang dilakukan sendiri dan juga dari departemen atau lembaga pemerintahan lainnya sebagai data sekunder. 2. Membantu kegiatan statistik di departemen, lembaga pemerintah atau

institusi lainnya, dalam membangun sistem perstatistikan nasional.

3. Mengembangkan dan mempromosikan standar teknik dan metodologi statistik, dan menyediakan pelayanan pada bidang pendidikan dan pelatihan statistik.

4. Membangun kerjasama dengan institusi internasional dan negara lain untuk kepentingan perkembangan statistik Indonesia.

3.2 Sejarah Singkat Badan Pusat Statistik

3.2.1 Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur pertanian, Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden Handed) dan Berpendudukan di Bogor. Kantor ini diserahi tugas untuk mengelolah dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor de Statistik (CKS) atau kantor statistik dan di pindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijnsen (IUA) yang sekarang disebut kantor Bea dan Cukai.

3.2.2 Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintah Jepang baru mengaktifkan kembali kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini Central Kantor Voor de Statistik (CKS) diganti namanya menjadi Shomubu Chosasitsu Gunseikanbu.

3.2.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan

dipindahkan ke Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali Central Kantor Voor de Statistik (CKS).

Berdasarkan surat edaran kementrian kemakmuran tanggal 12 Juni 1950 Nomor 219/S.C, KAPURRI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dan Central Voor de Statistik (CKS) dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab menteri Kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor p/44, Lembaga Kantor Pusat Statistik (KPS) berada dibawah dan bertanggungjawab menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 Nomor:18.099/M, KPS dibagi menjadi dua bagian yaitu bagian Research yang disebut Afdeling A dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

Dengan keputusan Presiden RI Nomor 131 tahun 1957, kemerdekaan Perekonomian dipecah menjadi kementrian Perdagangan dan kementrian Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172, terhitung tanggal 1 Juni 1957 Kantor Pusat Statistik (KPS) diubah menjadi Biro Pusat Statistik yang semula menjadi tanggung jawab dan wewenang berada dibawah perdana.

3.2.4 Masa Orde Baru Sampai Sekarang

Perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi Biro Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Statistik telah mengalami empat kali perubahan struktur organisasi:

1. Peraturan Pemerintah Nomor 16 tahun 1968 tentang organisasi Badan Pusat Statistik.

2. Peraturan Pemerintah Nomor 6 tahun 1980 tentang organisasi Badan Pusat Statistik.

3. Peraturan Pemerintah Nomor 2 tahun 1992 tentang organisasi Badan Pusat Statistik dan Keputusan Presidan Nomor 6 tahun 1992 tentang kedudukan, fungsi, susunan dan tata Kerja Biro Pusat Statistik.

4. Undang-undang Nomor 16 tahun 1917 tentang Statistik.

5. Keputusan Presiden RI Nomor 86 tahun1998 tentang Badan Pusat Statistik.

6. Keputusan Pemerintah Nomor 51 tahun 1999 tentang penyelenggaraan Statistik.

Tahun 1968, ditetapkan peraturan Pemerintah Nomor 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah.Tahun 1980 peraturan pemerintah nomor 6 tahun 1980 tentang organisasi sebagai pengganti

peraturan pemerintah Nomor 16 tahun 1968. Berdasarkan peraturan Pemerintah Nomor 6 tahun 1980 di tiap propinsi terdapat perwakilan BPS.

Pada tanggal 17 Juni 1998 dengan keputusan Presiden Republik Indonesia Nomor 86 tahun1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.

3.3 Logo Instansi

Gambar 3.1 Logo Instansi BPS

Logo pada Badan Pusat Statistik memiliki warna biru,hijau dan Orange, dan di setiap warna memiliki arti khusus.Kegiatan pokok yang di lakukan dari setiap warna lambang pada Badan Pusat Statistik adalah:

a. Biru melambangkan kegiatan Sensus Penduduk yaitu gender,indexs pembangunan manusia, kemiskinan, kependudukan,kesehatan, ketahanan sosial,konsumsi dan pengelaran, pendidikan, perumahan, sosial budaya,

tenaga kerja yang di lakukan Sepuluh tahun sekali setiap akhiran tahun dalam angka 0.

b. Hijau melambangkan kegiatan sensus pertanian yaitu sensus tanaman pangan, holtikultura,perkebunan,peternakan,perikanan, dan kehutanan yang di lakukan sepuluh tahun sekali setiap akhiran tahun dalam angka 3. c. Orange melambangkan kegiatan sensus ekonomi yang di lakukan sepuluh

tahun sekali setiap akhiran tahun dalam angka 6.

3.4 Visi dan Misi Badan Pusat Statistik (BPS)

3.4.1 Visi

Adapun yang menjadi visi dari Badan Pusat Statistik adalah “Pelopor data statistik terpercaya untuk semua”.

3.4.2 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 perstatistikaan indonesia.

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 Statistik Nasional (SSN) yang efektif dan efisien.

3.5 Nilai-nilai Inti pada Badan Pusat Statistik

Core values (nilai–nilai inti) BPS merupakan pondasi yang kokoh untuk membangun jati diri dan penuntun perilaku setiap insan BPS dalam melaksanakan tugas.

Nilai-nilai Inti BPS terdiri dari:

a. Profesional Kompeten

Mempunyai keahlian dalam bidang tugas yang diemban. Efektif

Memberikan hasil maksimal. Efisien

Inovatif

Selalu melakukan pembaruan dan/atau penyempurnaan melalui proses pembelajaran diri secara terus-menerus.

Sistemik

Meyakini bahwa setiap pekerjaan mempunyai tata urutan proses sehingga pekerjaan yang satu menjadi bagian yang tidak terpisahkan dari pekerjaan yang lain merupakan modal dasar yang harus dimiliki oleh setiap pegawai dalam melaksanakan profesi/tugasnya, dengan unsur-unsur sebagai berikut.

b. Integritas Dedikasi

Memiliki pengabdian yang tinggi terhadap profesi yang diemban dan institusi.

Disiplin

Melaksanakan pekerjaan sesuai dengan ketentuan yang telah ditetapkan. Konsisten

Satunya kata dengan perbuatan. Terbuka

Menghargai ide, saran, pendapat, masukan, dan kritik dari berbagai pihak. Akuntabel

Bertanggung jawab dan setiap langkahnya terukur. Merupakan sikap dan perilaku kerja yang harus dimiliki oleh setiap pegawai dalam

pengabdiannya kepada institusi/organisasi, dengan unsur-unsur sebagai berikut.

c. Amanah Terpercaya

Melaksanakan pekerjaan sesuai dengan ketentuan, yang tidak hanya didasarkan pada logika tetapi juga sekaligus menyentuh dimensi mental spiritual.

Jujur

Melaksanakan semua pekerjaan dengan tidak menyimpang dari prinsip moralitas.

Tulus

Melaksanakan tugas tanpa pamrih, menghindari konflik kepentingan (pribadi, kelompok, dan golongan), serta mendedikasikan semua tugas untuk perlindungan kehidupan manusia, sebagai amal ibadah atau perbuatan untuk Tuhan Yang Maha Esa.

Adil

BAB 4 ANALISIS DATA

4.1 Pengolahan Data

Untuk memecahkan masalah mengenai beberapa faktor yang mempengaruhi wanita Indonesia dalam keikutsertaan program KB Tahun 2011 seperti yang telah diuraikan pada bab sebelumnya, maka penulis mengumpulkan data yang berhubungan dengan permasalahan tersebut. Dalam penelitian ini, data yang dikumpulkan adalah data wanita yang masih produktif yakni wanita berumur 15-49 tahun dan berstatus kawin yang sedang menggunakan/ memakai alat KB menurut provinsi Tahun 2011, dan faktor-faktor yang mempengaruhinya yaitu :

1. Jumlah penduduk miskin menurut provinsi tahun 2011. 2. Jumlah rumah sakit bersalin menurut provinsi tahun 2011.

3. Jumlah perempuan usia 7-17 tahun yang tidak/ belum pernah bersekolah atau tidak bersekolah lagi dengan alasan menikah/ mengurus rumah tangga menurut provinsi pada satu tahun terakhir (tahun 2010).

4. Jumlah anak perempuan 5-17 tahun yang sudah menonton TV (memproleh layanan informasi) menurut provinsi pada satu tahun terakhir (tahun 2010)

Tabel 4.1 Data Akseptor KB, Penduduk Miskin, Rumah Sakit Bersalin, Perkawinan Muda Yang Sudah Tidak/ Belum Pernah Bersekolah dan Anak Perempuan Yang Sudah Menonton TV

Provinsi Akseptor

KB Penduduk Miskin Rumah Sakit Bersalin Perkawinan Muda Tidak/ Belum Pernah Bersekolah Anak Perempuan Sudah Menonton TV

Aceh 50.25 19.48 60 4.9 92.96 Sumatera Utara 50.66 10.83 258 2.2 91.19 Sumatera Barat 53.95 8.99 111 1.9 92.06 Riau 57.25 8.17 99 2.5 94.29 Kepulauan Riau 50.74 6.79 36 4.8 95.69 Jambi 68.05 7.9 46 8.3 94.14 Sumatera Selatan 67.03 13.95 79 4.8 92.25 Kepulauan Bangka Belitung 66.07 5.16 21 4 97.39 Bengkulu 71.33 12.36 11 7.1 93.94 Lampung 66.91 16.58 159 2.6 95.15 DKI Jakarta 55.21 3.64 159 0.7 99.07 Jawa Barat 64.88 10.57 548 4.2 97.47 Banten 63.45 6.26 155 2 97.31 Jawa Tengah 63.95 16.21 786 2.7 97.64 DI Yogyakarta 60.9 16.14 84 9.3 97.32 Jawa Timur 64.89 13.85 556 10.6 97.52 Bali 64.52 4.59 49 2.6 96.44 Nusa Tenggara Barat 59.32 19.67 13 9.9 93.61 Nusa Tenggara Timur 41.59 20.48 21 2.2 54.32 Kalimantan Barat 67.45 8.48 33 3.9 89.29 Kalimantan Tengah 71.79 6.64 14 13 86.99 Kalimantan Selatan 70.41 5.35 16 7.3 95.52 Kalimantan Timur 61.12 6.63 37 10.1 95.19 Sulawesi Utara 69.12 8.46 34 8.6 95.95 Gorontalo 63.13 18.02 4 3.6 92.84 Sulawesi Tengah 60.52 16.04 14 5.4 90.66 Sulawesi Selatan 51 10.27 76 5.4 91.02 Sulawesi Barat 49.2 13.64 1 5.4 89.9 Sulawesi Tenggara 53.71 14.61 17 10.3 92.73 Maluku 41.89 22.45 5 2.3 83.63 Maluku Utara 51.49 10 3 2.9 89.5

Lanjutan Tabel 4.1

Provinsi Akseptor

KB

Penduduk Miskin

Rumah Sakit Bersalin

Perkawinan Muda Tidak/ Belum Pernah Bersekolah

Anak Perempuan Sudah Menonton TV

Papua 24.57 31.24 12 0.9 39.69 Papua Barat 38.1 28.53 6 3.7 70.07

JUMLAH 1914.45 421.98 3523 170.1 2972.74

(Sumber: Badan Pusat Statististik Provinsi Sumatera Utara)

Dari data tersebut maka variabel-variabelnya adalah sebagai berikut:

Y : Akseptor KB

X1 : Penduduk Miskin

X2 : Rumah Sakit Bersalin

X3 : Perkawinan Muda Tidak/ Belum Pernah Bersekolah

X4 : Anak Perempuan Sudah Menonton TV

4.2 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, diperlukan perhitungan masing-masing satuan variabel. Maka terlebih dahulu harus dilakukan perhitungan koefisien-koefisien regresinya. Berikut tabel perhitungan nilai koefisien variabel bebas dan variabel terikat.

Tabel 4.2 Nilai-Nilai Koefisien Variabel

No Y X1 X2 X3 X4 X1² X2² X3²

1 50.25 19.48 60 4.9 92.96 379.4704 3600 24.01 2 50.66 10.83 258 2.2 91.19 117.2889 66564 4.84 3 53.95 8.99 111 1.9 92.06 80.8201 12321 3.61 4 57.25 8.17 99 2.5 94.29 66.7489 9801 6.25 5 50.74 6.79 36 4.8 95.69 46.1041 1296 23.04

6 68.05 7.9 46 8.3 94.14 62.41 2116 68.89

7 67.03 13.95 79 4.8 92.25 194.6025 6241 23.04

8 66.07 5.16 21 4 97.39 26.6256 441 16

9 71.33 12.36 11 7.1 93.94 152.7696 121 50.41 10 66.91 16.58 159 2.6 95.15 274.8964 25281 6.76 11 55.21 3.64 159 0.7 99.07 13.2496 25281 0.49 12 64.88 10.57 548 4.2 97.47 111.7249 300304 17.64

13 63.45 6.26 155 2 97.31 39.1876 24025 4

14 63.95 16.21 786 2.7 97.64 262.7641 617796 7.29 15 60.9 16.14 84 9.3 97.32 260.4996 7056 86.49 16 64.89 13.85 556 10.6 97.52 191.8225 309136 112.36 17 64.52 4.59 49 2.6 96.44 21.0681 2401 6.76 18 59.32 19.67 13 9.9 93.61 386.9089 169 98.01 19 41.59 20.48 21 2.2 54.32 419.4304 441 4.84 20 67.45 8.48 33 3.9 89.29 71.9104 1089 15.21

21 71.79 6.64 14 13 86.99 44.0896 196 169

22 70.41 5.35 16 7.3 95.52 28.6225 256 53.29 23 61.12 6.63 37 10.1 95.19 43.9569 1369 102.01 24 69.12 8.46 34 8.6 95.95 71.5716 1156 73.96 25 63.13 18.02 4 3.6 92.84 324.7204 16 12.96 26 60.52 16.04 14 5.4 90.66 257.2816 196 29.16 27 51 10.27 76 5.4 91.02 105.4729 5776 29.16

28 49.2 13.64 1 5.4 89.9 186.0496 1 29.16

29 53.71 14.61 17 10.3 92.73 213.4521 289 106.09

30 41.89 22.45 5 2.3 83.63 504.0025 25 5.29

31 51.49 10 3 2.9 89.5 100 9 8.41

32 24.57 31.24 12 0.9 39.69 975.9376 144 0.81

33 38.1 28.53 6 3.7 70.07 813.9609 36 13.69

Lanjutan Tabel 4.2

No X4² Y² X1 X2 X1 X3 X1 X4 X2 X3 X2 X4

1 8641.562 2525.063 1168.8 95.452 1810.861 294 5577.6 2 8315.616 2566.436 2794.14 23.826 987.5877 567.6 23527.02 3 8475.044 2910.603 997.89 17.081 827.6194 210.9 10218.66 4 8890.604 3277.563 808.83 20.425 770.3493 247.5 9334.71 5 9156.576 2574.548 244.44 32.592 649.7351 172.8 3444.84 6 8862.34 4630.803 363.4 65.57 743.706 381.8 4330.44 7 8510.063 4493.021 1102.05 66.96 1286.888 379.2 7287.75 8 9484.812 4365.245 108.36 20.64 502.5324 84 2045.19 9 8824.724 5087.969 135.96 87.756 1161.098 78.1 1033.34 10 9053.523 4476.948 2636.22 43.108 1577.587 413.4 15128.85 11 9814.865 3048.144 578.76 2.548 360.6148 111.3 15752.13 12 9500.401 4209.414 5792.36 44.394 1030.258 2301.6 53413.56 13 9469.236 4025.903 970.3 12.52 609.1606 310 15083.05 14 9533.57 4089.603 12741.06 43.767 1582.744 2122.2 76745.04 15 9471.182 3708.81 1355.76 150.102 1570.745 781.2 8174.88 16 9510.15 4210.712 7700.6 146.81 1350.652 5893.6 54221.12 17 9300.674 4162.83 224.91 11.934 442.6596 127.4 4725.56 18 8762.832 3518.862 255.71 194.733 1841.309 128.7 1216.93 19 2950.662 1729.728 430.08 45.056 1112.474 46.2 1140.72 20 7972.704 4549.503 279.84 33.072 757.1792 128.7 2946.57 21 7567.26 5153.804 92.96 86.32 577.6136 182 1217.86 22 9124.07 4957.568 85.6 39.055 511.032 116.8 1528.32 23 9061.136 3735.654 245.31 66.963 631.1097 373.7 3522.03 24 9206.403 4777.574 287.64 72.756 811.737 292.4 3262.3 25 8619.266 3985.397 72.08 64.872 1672.977 14.4 371.36 26 8219.236 3662.67 224.56 86.616 1454.186 75.6 1269.24 27 8284.64 2601 780.52 55.458 934.7754 410.4 6917.52 28 8082.01 2420.64 13.64 73.656 1226.236 5.4 89.9 29 8598.853 2884.764 248.37 150.483 1354.785 175.1 1576.41 30 6993.977 1754.772 112.25 51.635 1877.494 11.5 418.15

31 8010.25 2651.22 30 29 895 8.7 268.5

32 1575.296 603.6849 374.88 28.116 1239.916 10.8 476.28 33 4909.805 1451.61 171.18 105.561 1999.097 22.2 420.42 ∑ 272753.3 114802.1 43428.46 2068.837 36161.72 16479.2 336686.3

Lanjutan Tabel 4.2

No X2 X4 X1 Y X2 Y X3Y X4Y

1 455.504 978.87 3015 246.225 4671.24 2 200.618 548.6478 13070.28 111.452 4619.685 3 174.914 485.0105 5988.45 102.505 4966.637 4 235.725 467.7325 5667.75 143.125 5398.103 5 459.312 344.5246 1826.64 243.552 4855.311 6 781.362 537.595 3130.3 564.815 6406.227 7 442.8 935.0685 5295.37 321.744 6183.518 8 389.56 340.9212 1387.47 264.28 6434.557 9 666.974 881.6388 784.63 506.443 6700.74 10 247.39 1109.368 10638.69 173.966 6366.487 11 69.349 200.9644 8778.39 38.647 5469.655 12 409.374 685.7816 35554.24 272.496 6323.854 13 194.62 397.197 9834.75 126.9 6174.32 14 263.628 1036.63 50264.7 172.665 6244.078 15 905.076 982.926 5115.6 566.37 5926.788 16 1033.712 898.7265 36078.84 687.834 6328.073 17 250.744 296.1468 3161.48 167.752 6222.309 18 926.739 1166.824 771.16 587.268 5552.945 19 119.504 851.7632 873.39 91.498 2259.169 20 348.231 571.976 2225.85 263.055 6022.611 21 1130.87 476.6856 1005.06 933.27 6245.012 22 697.296 376.6935 1126.56 513.993 6725.563 23 961.419 405.2256 2261.44 617.312 5818.013 24 825.17 584.7552 2350.08 594.432 6632.064 25 334.224 1137.603 252.52 227.268 5860.989 26 489.564 970.7408 847.28 326.808 5486.743 27 491.508 523.77 3876 275.4 4642.02 28 485.46 671.088 49.2 265.68 4423.08 29 955.119 784.7031 913.07 553.213 4980.528 30 192.349 940.4305 209.45 96.347 3503.261 31 259.55 514.9 154.47 149.321 4608.355 32 35.721 767.5668 294.84 22.113 975.1833 33 259.259 1086.993 228.6 140.97 2669.667 ∑ 15692.65 22959.47 217031.6 10368.72 175696.8

Dari data diatas, maka akan diperoleh persamaan sebagai berikut : ∑Y = nb0 + b1 ∑ X1 + b2 ∑ X2 + b3 ∑ X3 + b4 ∑ X4

∑ X1 Y = b0 ∑ X1 + b1 ∑ X1 ² + b2 ∑ X1 X2 + b3 ∑ X1 X3 + b4 ∑ X1 X4

∑ X2 Y = b0 ∑ X2 + b1 ∑ X1 X2 + b2 ∑ X2 ² + b3 ∑ X2 X3 + b4 ∑ X2 X4

∑ X3 Y = b0 ∑ X3 + b1 ∑ X1 X3 + b2 ∑ X2 X3 + b3 ∑ X3 ² + b4 ∑ X3 X4

∑ X4 Y = b0 ∑ X4 + b1 ∑ X1 X4 + b2 ∑ X2 X4 + b3 ∑ X3 X4 + b4 ∑ X4 ²

Dari persamaan di atas dapat disubstitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan :

1914,45 = 33 b0 + 421,98 b1 + 3523 b2 + 170,1 b3 + 2972,74 b4

22959,47 = 421,98 b0 + 6849,42 b1 + 43428,5 b2 + 2068,84 b3 + 3616,7 b4

217032 = 3523 b0 + 43428,5 b1 + 1424949 b2 + 16479,2 b3 + 336686 b4

10368,7 = 170,1 b0 + 2068,84 b1 + 16479,2 b2 + 1212,93 b3 + 15692,6 b4

175697 = 2972,74 b0 + 36161,7 b1 + 336686 b2 + 15692,6 b3 + 272753b4

Setelah dilakukan perhitungan matriks yang dalam hal ini dengan menggunakan program R, maka diperoleh nilai koefisiennya yakni sebagai berikut:

b0 = 25,859513315

b1 = -0,503067629

b2 = 0,006068204

b3 = 0,957793082

b4 = 0,366352810

maka, persamaan regresinya adalah sebagai berikut : Ŷ = b0 + b1 X1 + b2 X2 + b3 X3+ b4 X4

4.3 Kesalahan Baku (Standard Error₎

Setelah diperoleh persamaan regresi berganda, selanjutnya adalah menghitung nilai kesalahan baku untuk mengetahui seberapa besar penyimpangan akseptor KB yang sebenarnya terhadap akseptor KB yang diperkirakan. Nilai ini dapat dihitung dengan mencari koefisien-koefisien seperti pada tabel berikut:

Tabel 4.3 Penyimpangan Nilai Koefisien

Y X1 X2 X3 X4 Ŷ (Y-Ŷ) (Y-Ŷ)²

50.25 19.48 60 4.9 92.96 55.17319 -4.92319146 24.2378142 50.66 10.83 258 2.2 91.19 57.49175 -6.83174505 46.6727404 53.95 8.99 111 1.9 92.06 57.55675 -3.60675252 13.0086637 57.25 8.17 99 2.5 94.29 59.28809 -2.03809214 4.15381958 50.74 6.79 36 4.8 95.69 62.31585 -11.5758466 134.000225 68.05 7.9 46 8.3 94.14 64.60255 3.447447456 11.884894 67.03 13.95 79 4.8 92.25 57.71456 9.315438477 86.777394 66.07 5.16 21 4 97.39 62.90139 3.168610873 10.0400949 71.33 12.36 11 7.1 93.94 60.92386 10.40613848 108.287718 66.91 16.58 159 2.6 95.15 55.83223 11.07777165 122.717025 55.21 3.64 159 0.7 99.07 61.95822 -6.74821963 45.5384681 64.88 10.57 548 4.2 97.47 63.5986 1.281396396 1.64197672 63.45 6.26 155 2 97.31 61.21626 2.233740317 4.98959581

Lanjutan Tabel 4.3

Y X1 X2 X3 X4 Ŷ (Y-Ŷ) (Y-Ŷ)²

63.95 16.21 786 2.7 97.64 60.83113 3.118874917 9.72738075 60.9 16.14 84 9.3 97.32 62.81066 -1.91066205 3.65062947 64.89 13.85 556 10.6 97.52 68.14528 -3.25528078 10.5968529 64.52 4.59 49 2.6 96.44 61.6691 2.850898097 8.12761996 59.32 19.67 13 9.9 93.61 59.8195 -0.49949776 0.24949801 41.59 20.48 21 2.2 54.32 37.69155 3.898450023 15.1979126 67.45 8.48 33 3.9 89.29 58.24079 9.209214022 84.8096229 71.79 6.64 14 13 86.99 66.92444 4.865559878 23.6736729 70.41 5.35 16 7.3 95.52 65.2511 5.158897326 26.6142216 61.12 6.63 37 10.1 95.19 67.29553 -6.17553259 38.1372028 69.12 8.46 34 8.6 95.95 65.19845 3.921547266 15.378533 63.13 18.02 4 3.6 92.84 54.27876 8.851242568 78.344495 60.52 16.04 14 5.4 90.66 56.26089 4.259108201 18.1400027 51 10.27 76 5.4 91.02 59.67171 -8.67170768 75.1985141 49.2 13.64 1 5.4 89.9 57.11094 -7.91093932 62.5829609 53.71 14.61 17 10.3 92.73 62.45002 -8.74001954 76.3879415 41.89 22.45 5 2.3 83.63 47.437 -5.54699565 30.7691608 51.49 10 3 2.9 89.5 56.41322 -4.92321807 24.2380762 24.57 31.24 12 0.9 39.69 25.61906 -1.04905584 1.10051815 38.1 28.53 6 3.7 70.07 40.75758 -2.65757888 7.06272552 1914.45 421.98 3523 170.1 2972.74 1914.45 3.5082E-07 1223.93797

Dengan menggunakan nilai koefisien dari tabel diatas, maka dapat ditentukan nilai kesalahan bakunya dengan perhitungan sebagai berikut :

1 ) ( 2 ,..., 2 , 1 , k n Y Y

S_{y k} i

Dengan k = 4, n = 33 dan ∑(Y-Ŷ)2 = 1223.93797 maka diperoleh :

1 4 33 1223,93797 4 , 3 , 2 , 1 , y S 28 1223,93797 4 , 3 , 2 , 1 , y S

Sy,1,2,3,4 = 6,61151

Sy,1,2,3,4 = 6,612

Dengan nilai penyimpangan yang diperoleh, ini berarti bahwa rata-rata akseptor KB yang sebenarnya akan menyimpang dari rata-rata akseptor KB yang diperkirakan yakni sebesar 6.612 akseptor.

4.4 Uji Regresi Linier Berganda 4.4.1 Uji F _(Simultan)

1. Menentukan formulasi hipotesis

H0 : Tidak terdapat pengaruh yang signifikan antara penduduk miskin,

rumah sakit bersalin, perkawinan muda tidak/ belum pernah bersekolah dan anak perempuan yang sudah menonton TV terhadap partisipasi wanita Indonesia dalam keikutsertaan program KB. H1 : Terdapat pengaruh yang signifikan antara penduduk miskin,

rumah sakit bersalin, perkawinan muda tidak/ belum pernah bersekolah dan anak perempuan yang sudah menonton TV terhadap partisipasi wanita Indonesia dalam keikutsertaan program KB. 2. Mencari nilai Ftabeldari Tabel Distribusi F

Menentukan taraf nyata α dan dengan dk dan n-k-1 Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k =

4 dan dk penyebut (v2) = n – k – 1 = 33 – 4 – 1 = 28, maka diperoleh

diterima bila = F4;28 (0,05) = 2,71

ditolak bila = F4;28 (0,05) = 2,71

4. Menentukan nilai statistik Fhitung

Untuk menguji model regresi yang telah dibentuk, diperlukan nilai-nilai koefisien seperti yang terdapat pada tabel berikut ini :

Tabel 4.4 Koefisien Pengujian Regresi Linier Ganda

y x1 x2 x3 x4

-7.763636364 6.692727 -46.7576 -0.25455 2.87697 -7.353636364 -1.95727 151.2424 -2.95455 1.10697 -4.063636364 -3.79727 4.242424 -3.25455 1.97697 -0.763636364 -4.61727 -7.75758 -2.65455 4.20697 -7.273636364 -5.99727 -70.7576 -0.35455 5.60697 10.03636364 -4.88727 -60.7576 3.145455 4.05697 9.016363636 1.162727 -27.7576 -0.35455 2.16697 8.056363636 -7.62727 -85.7576 -1.15455 7.30697 13.31636364 -0.42727 -95.7576 1.945455 3.85697 8.896363636 3.792727 52.24242 -2.55455 5.06697 -2.803636364 -9.14727 52.24242 -4.45455 8.98697 6.866363636 -2.21727 441.2424 -0.95455 7.38697 5.436363636 -6.52727 48.24242 -3.15455 7.22697 5.936363636 3.422727 679.2424 -2.45455 7.55697 2.886363636 3.352727 -22.7576 4.145455 7.23697

Lanjutan Tabel 4.4

y x1 x2 x3 x4

6.876363636 1.062727 449.2424 5.445455 7.43697 6.506363636 -8.19727 -57.7576 -2.55455 6.35697 1.306363636 6.882727 -93.7576 4.745455 3.52697 -16.42363636 7.692727 -85.7576 -2.95455 -35.763 9.436363636 -4.30727 -73.7576 -1.25455 -0.79303 13.77636364 -6.14727 -92.7576 7.845455 -3.09303 12.39636364 -7.43727 -90.7576 2.145455 5.43697 3.106363636 -6.15727 -69.7576 4.945455 5.10697 11.10636364 -4.32727 -72.7576 3.445455 5.86697 5.116363636 5.232727 -102.758 -1.55455 2.75697 2.506363636 3.252727 -92.7576 0.245455 0.57697 -7.013636364 -2.51727 -30.7576 0.245455 0.93697 -8.813636364 0.852727 -105.758 0.245455 -0.18303 -4.303636364 1.822727 -89.7576 5.145455 2.64697 -16.12363636 9.662727 -101.758 -2.85455 -6.45303 -6.523636364 -2.78727 -103.758 -2.25455 -0.58303 -33.44363636 18.45273 -94.7576 -4.25455 -50.393 -19.91363636 15.74273 -100.758 -1.45455 -20.013 -2.62901E-13 1.26E-13 2.27E-13 -4.9E-14 -3.6E-13 Lanjutan Tabel 4.4

x1y x2y x3y x4y y

2

-51.9599 363.0088 1.976198 -22.3357 60,27405 14.39307 -1112.18 21.72665 -8.14025 54,07597 15.43074 -17.2397 13.22529 -8.03369 16,51314 3.525917 5.923967 2.027107 -3.2126 0,58314 43.62198 514.6649 2.578835 -40.7831 52,90579 -49.0504 -609.785 31.56893 40.71722 100,7286 10.48357 -250.272 -3.19671 19.53819 81,29481 -61.4481 -690.894 -9.30144 58.8676 64,905 -5.68972 -1275.14 25.90638 51.36081 177,3255 33.74148 464.7676 -22.7262 45.0776 79,14529 25.64563 -146.469 12.48893 -25.1962 7,860377 -15.2246 3029.731 -6.55426 50.72162 47,14695 -35.4846 262.2634 -17.1493 39.28844 29,55405 20.31855 4032.23 -14.5711 44.86092 35,24041 9.67719 -65.6866 11.96529 20.88853 8,331095 7.307699 3089.154 37.44493 51.13931 47,28438

Lanjutan Tabel 4.4

x1y x2y x3y x4y y2

-53.3344 -375.792 -16.6208 41.36076 42,33277 8.991345 -122.481 6.199289 4.607505 1,706586 -126.343 1408.451 48.52438 587.359 269,7358 -40.645 -696.003 -11.8383 -7.48332 89,04496 -84.6871 -1277.86 108.0818 -42.6107 189,7882 -92.1951 -1125.06 26.59583 67.39865 153,6698 -19.1267 -216.692 15.36238 15.8641 9,649495 -48.0603 -808.072 38.26647 65.1607 123,3513 26.77254 -525.745 -7.95362 14.10566 26,17718 8.152517 -232.484 0.615198 1.446096 6,281859 17.65524 215.7225 -1.72153 -6.57156 49,1911 -7.51563 932.1088 -2.16335 1.613163 77,68019 -7.84436 386.284 -22.1442 -11.3916 18,52129 -155.798 1640.702 46.02565 104.0463 259,9716 18.18315 676.8767 14.70783 3.803478 42,55783 -617.126 3169.038 142.2875 1685.326 1118,477 -313.495 2006.45 28.96529 398.5322 396,5529 -1521.13 12649.51 500.5995 3237.325 3737,858 Keterangan:

x1 = X1 -

X

1

x2 = X2 -

X

2

x3 = X3 -

X

3

x4 = X4 -

X

4

Atau dapat juga diperoleh melalui perhitungan sebagai berikut: ∑ x1y = ∑ X1Y –

= 22959,47 –

∑ x2y = ∑ X2Y –

= 217032 –

= 217032 – 204382 = 12649,51

∑ x3y = ∑ X3Y –

= 10368.7 –

= 10368,7 – 9868,12 = 500,5995

∑ x4y = ∑ X4Y

–

= 175697 –

= 175697 – 172459,5 = 3237,325

sehingga,

JKreg = b1 ∑ x1y+ b2 ∑ x2y+ b3 ∑ x3y + b4 ∑ x4y

= – 0,503 X1 + 0,006 X2 + 0,958 X3 + 0,366 X4

= 2507,464 JKres = ∑ (Y-Ŷ)²

= 1223,93797

F = ) 1 /( / k n JK k JK res reg = ) 1 4 33 /( 93797 , 1223 4 / 2507,464 = 43,71207 626,866 = 14,3408

5. Membuat kesimpulan

Karena Fhitung = 14.3408 ≥ Ftabel = F4;28 (0,05) = 2,71 maka H0 ditolak dan

H1 diterima. Artinya, terdapat pengaruh yang signifikan antara penduduk

miskin, rumah sakit bersalin, perkawinan muda tidak/ belum pernah bersekolah dan anak perempuan yang sudah menonton TV terhadap partisipasi wanita Indonesia dalam keikutsertaan program KB.

4.5 Koefisien Determinasi

Berdasarkan tabel 4.4 dapat dilihat harga y2= 3737,86 dan nilai JKreg yang

telah dihitung adalah 14,3408, maka selanjutnya dapat dihitung nilai koefisien determinasi yaitu:

R2 = ₂

y

JK

_reg

=

3737,86 2.507,464

= 0,6708

Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 0,6708. Hal ini berarti bahwa sekitar 67,08% partisipasi wanita Indonesia dalam keikutsertaan program KB dipengaruhi oleh penduduk miskin, rumah sakit bersalin, perkawinan muda tidak/ belum pernah bersekolah dan anak perempuan yang sudah menonton TV melalui hubungan regresi linier berganda yaitu Ŷ = 25,860 – 0,503 X1 + 0,006 X2 + 0,958 X3 + 0,366 X4. Sedangkan 32,92% lagi

dipengaruhi oleh faktor-faktor lain.

4.6 Koefisien Korelasi

Untuk memperoleh nilai koefisien korelasi berganda dilakukan dengan perhitungan sebagai berikut :

R = R2

= 0,6708 = 0,8190

Nilai ini menunjukkan bahwa korelasi berganda antara penduduk miskin, rumah sakit bersalin, perkawinan muda tidak/ belum pernah bersekolah dan anak perempuan yang sudah menonton TV terhadap keikutsertaan wanita Indonesia

dalam program KB adalah sebesar 0,8190. Nilai ini merupakan nilai korelasi dengan kekuatan korelasi tinggi.

4.7 Koefisien Korelasi Antar Variabel Bebas (X)Terhadap Variabel Terikat (Y)

Dari Tabel 4.2 dapat diperoleh koefisien korelasi antara variabel terikat (Y) dengan variabel bebas (X) sehingga dapat diketahui seberapa besar pengaruh antara variabel-variabel tersebut.

4.7.1 Koefisien korelasi antara Penduduk Miskin (X1) terhadap Akseptor KB (Y)

ryx1 = ₂

2 2 1 2 1 1 1 Y Y n X X n Y X Y X n = 2 2 45 , 1914 ) 802 , 114 ( 33 ) 98 , 421 ( ) 42 , 6849 ( 33 ) 45 , 1914 )( 98 , 421 ( ) 47 , 22959 ( 33 = 5 , 7691 50197 = -0,6526

Nilai ini menunjukkan adanya korelasi negatif dengan kekuatan korelasi sedang antara jumlah penduduk miskin dengan jumlah akseptor KB. Artinya

menurun jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB, begitu pula sebaliknya. Semakin rendah jumlah penduduk miskin di Indonesia, maka akan semakin tinggi/ meningkat jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB.

4.7.2 Koefisien korelasi antara Jumlah Rumah Sakit Bersalin (X2) terhadap

Akseptor KB (Y)

ryx2 =

2 2 2 2 2 2 2 2 Y Y n X X n Y X Y X n = 2 2 45 , 1914 ) 114802 ( 33 ) 3523 ( ) 949 . 1424 ( 33 ) 45 , 1914 )( 3523 ( ) 217032 ( 33 =

2066238

417434

= 0,20203

Nilai ini menunjukkan adanya korelasi positif dengan kekuatan korelasi rendah antara jumlah Rumah Sakit Bersalin dengan jumlah akseptor KB. Artinya semakin besar jumlah Rumah Sakit Bersalin, maka akan semakin tinggi/ meningkat jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB, begitu pula sebaliknya. Semakin rendah jumlah Rumah Sakit Bersalin, maka akan semakin rendah pula jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB.

4.7.3 Koefisien Korelasi Antara Wanita Muda Yang Tidak/ Belum Pernah Besekolah Namun Sudah Menikah (X3) terhadap Akseptor KB (Y)

ryx3 =

2 2 2 3 2 3 3 3 Y Y n X X n Y X Y X n = 2 2 45 , 1914 ) 114802 ( 33 ) 1 , 170 ( ) 93 , 1212 ( 33 ) 45 , 1914 )( 1 , 170 ( ) 7 , 10368 ( 33 = 2 , 36990 8 , 16519 = 0,4466

Nilai ini menunjukkan adanya korelasi positif dengan kekuatan korelasi cukup rendah antara jumlah wanita muda yang tidak/ belum bersekolah namun sudah menikah dengan jumlah akseptor KB. Artinya semakin besar jumlah wanita muda yang tidak/ belum bersekolah namun sudah menikah, maka akan semakin tinggi/ meningkat jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB, begitu pula sebaliknya. Semakin rendah jumlah wanita muda yang tidak/ belum bersekolah namun sudah menikah, maka akan semakin rendah pula jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB. Namun dalam hal ini bukan berarti membenarkan wanita muda yang sudah tidak bersekolah bahkan belum pernah bersekolah untuk langsung menikah. Hal ini hanya dalam konteks bahwa akan semakin banyak jumlah pasangan suami istri di Indonesia yang akan mengikuti program KB mengingat bahwa mereka masih merupakan pasangan suami istri muda/ dini.

4.7.4 Koefisien Korelasi Antara Jumlah Anak Perempuan Yang Sudah Menonton TV Sejak Usia 7-17 Tahun (X4) terhadap Akseptor KB (Y)

ryx4 =

2 2 2 4 2 4 4 4 Y Y n X X n Y X Y X n = 2 2 45 , 1914 ) 114802 ( 33 ) 74 , 2972 ( ) 272753 ( 33 ) 45 , 1914 )( 74 , 2972 ( ) 175697 ( 33 = 142090 106832 = 0,7518

Nilai ini menunjukkan adanya korelasi positif dengan kekuatan korelasi cukup tinggi antara jumlah anak perempuan yang sudah menonton TV sejak usia 7-17 tahun terhadap jumlah wanita yang berpartisipasi dalam keikutsertaan program KB. Artinya semakin besar jumlah anak perempuan yang sudah menonton TV sejak usia 7-17 tahun, maka akan semakin tinggi/ meningkat jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB, begitu pula sebaliknya. Semakin rendah jumlah anak perempuan yang sudah menonton TV sejak usia 7-17 tahun, maka akan semakin rendah pula jumlah wanita Indonesia yang berpartisipasi dalam keikutsertaan program KB. Dalam hal ini, mendapatkan layanan informasi melalui iklan ataupun sosialisasi media elektronik sejak dini akan meningkatkan pengetahuan wanita Indonesia mengenai arti penting program KB dalam meningkatkan kesejahteraan masyarakat Indonesia.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem 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 suatu perangkat lunak sebagai implementasi sistem yaitu program SPSS 17.0 For Window dalam memperoleh hasil perhitungan.

5.2 Pengenalan Program SPSS

SPSS (Statistical Product and Service Solution) merupakan salah satu paket program komputer yang digunakan untuk mengolah data statistik. Analisis data akan menjadi lebih cepat dan efisien dengan hasil perhitungan yang akurat.

SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan

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.

5.3 Memulai SPSS Pada Windows

Langkah awal yang dilakukan dalam memulai program SPSS adalah sebagai berikut :

 Pilih menu Start dari Windows  Selanjutnya pilih menu All Program  Klik SPSS Statistics 17.0

Atau dapat dengan langsung mengklik double pada shortcut SPSS yang terdapat pada desktop seperti tampilan berikut ini:

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0

5.4Menyusun Definisi Variabel Data

Dalam menyusun definisi variabel data yang akan diolah, maka lembar kerja yang aktif adalah menu Variable View. Cara mengaktifkannya adalah dengan cara mengklik tab sheet Variable View yang berada di bagian kiri bawah atau dengan menekan Ctrl + T. Dapat dilihat seperti pada gambar berikut :

Gambar 5.2 Tampilan Layar Kerja Variabel View

Pada tampilan jendela Variabel View seperti yang terlihat pada gambar di atas, definisi data yang akan diolah adalah dengan cara sebagai berikut :

Name : Ketik nama variabel yang akan diuji, yakni :  Nama_Propinsi

 Akseptor_KB  Penduduk_Miskin  Rumah_Sakit_Bersalin

 Perkawinan_Muda_Tidak_Bersekolah  Perempuan_Sudah_Menonton_TV

Tidak diperbolehkan menggunakan spasi, namun dapat dengan menggunakan garis penghubung ataupun tanda lainnya.

Type : Sesuaikan tipe variabel yang akan diuji, pilih string untuk variabel Nama_Propinsi karena data yang akan diolah

pada variabel tersebut berupa huruf. Sedangkan untuk variabel lainnya pilih numeric karena jenis data yang akan diolah pada variabel-variabel tersebut berupa angka. Widht : Mengatur jarak/ lebar pada kolom variabel. Sesuaikan

dengan jumlah karakter yang dibutuhkan dalam penamaan variabel.

Decimals : Tuliskan jumlah desimal pada data yang diolah. Ketik 0 untuk variabel Nama_Propinsi dan ketik 2 untuk variabel-variabel lainnya.

Label : Untuk menuliskan keterangan dari nama variabel. Kosongkan karena tidak terdapat keterangan khusus.

Values : Untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal dan bukan scale. Dalam hal ini, biarkan dalam kondisi None.

Missing :Untuk menuliskan ada tidaknya jawaban kosong ataupun menjelasakan data yang hilang. Dalam hal ini, biarkan dalam kondisi None.

Columns : Untuk mengatur lebar kolom.

Align : Atur letak pengisian data, apakah rata kanan, kiri atau tengah.

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

5.5Pengisian Data Yang Akan Diolah

Setelah definisi variabel data pada variable view selesai, maka data dapat dimasukkan dan diolah pada lembar kerja Data View. Adapun tampilannya adalah sebagai berikut :

Gambar 5.3 Tampilan Layar Kerja Data View

5.6Pengolahan Data Dengan Persamaan Regresi

Langkah-langkah yang dilakukan untuk memperoleh persamaan regresi 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

Gambar 5.4 Tampilan Menu Regression Linear

3. Setelah itu akan muncul kotak dialog Linear Regression. Pada kotak dialog ini akan ditampilkan variabel-variabel yang akan diuji. Masukkan variabel terikat Y (Nama_Propinsi) pada kotak Dependent, dan variabel bebas X (Akseptor_KB, Penduduk_Miskin, Rumah_Sakit_Bersalin, Perkawinan_Muda_Tidak_Bersekolah, Perempuan_Sudah_Menonton_TV) pada kotak Independent seperti gambar berikut :

Gambar 5.5 Tampilan Kotak Dialog Linear Regression

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 :

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 DEPENDENT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal Probability Plot. Lalu klik Continue untuk melanjutkan seperti gambar berikut :

Gambar 5.7 Tampilan 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.

Gambar 5.8 Tampilan Kotak Dialog Linear Regression Options

5.7Pengolahan Data Nilai Korelasi Antara Variabel

1. Untuk mengetahui nilai korelasi antara variabel terikat dengan variabel bebas, maka klik menu Analyze, kenmudian pilih Bivariate.

2. Setelah muncul kotak dialog, kemudian pindahkan variabel-variabel yang akan ditentukan korelasinya ke kotak Variables.

3. Pada kolom Corelation Coefficients, pilih Pearson, dan pada kolom Test of Significant, pilih Two Tailed, lalu klik OK.

BAB 6 PENUTUP

6.1 Kesimpulan

Setelah dilakukan analisis, maka dapat diambil beberapa kesimpulan yaitu:

1. Setelah dilakukan perhitungan nilai korelasi, maka terlihat bahwa keempat variabel bebas yaitu Penduduk Miskin, Rumah Sakit Bersalin, Perkawinan Muda yang Tidak/ Belum Bersekolah, dan Anak Perempuan Yang Sudah Menonton TV Sejak Usia 7-17 Tahun mempunyai pengaruh yang nyata terhadap Wanita Indonesia Dalam Keikutsertaan Program KB.

2. Dari keempat variabel bebas, terdapat satu variabel yang memiliki kekuatan korelasi positif yang cukup tinggi yaitu Anak Perempuan Yang Sudah Menonton TV Sejak Usia 7-17 Tahun, satu variabel yang memiliki kekuatan korelasi positif yang cukup rendah yaitu Wanita Muda Yang Tidak/ Belum Bersekolah Namun Sudah Menikah, satu variabel yang memiliki kekuatan korelasi positif yang rendah yaitu Rumah Sakit Bersalin dan satu variabel yang memiliki kekuatan korelasi negatif sedang yaitu Jumlah Penduduk Miskin di Indonesia.

3. Berdasarkan nilai koefisien korelasi, 81,90% wanita Indonesia dipengaruhi oleh keempat faktor tersebut, yaitu Penduduk Miskin, Rumah Sakit Bersalin, Perkawinan Muda yang Tidak/ Belum Bersekolah, dan Anak Perempuan Yang Sudah Menonton TV sejak Usia 7-17 Tahun, sedangkan 18,10% dipengaruhi oleh faktor-faktor lain.

Pustaka Utama

Yasril, SKM.,M.Kes. 2009.

Analisis Multivariat Untuk Penelitian Kesehatan

.

Jogjakarta: Mitra Cendikia

http://id.wikipedia.org/wiki/Keluarga_Berencana

LAMPIRAN OUTPUT REGRESI DAN KORELASI

1.

Persamaan Regresi Linier Berganda

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) 25.028 14.731 1.699 .100

Penduduk_Miskin -.493 .246 -.307 -2.004 .055

Rumah_Sakit_Bersalin .006 .007 .099 .847 .404

Perkawinan_Muda_Tidak _Bersekolah

.951 .385 .285 2.472 .020

Perempuan_Sudah_Men onton_TV

.375 .144 .432 2.599 .015

a. Dependent Variable: Akseptor_KB

2.

Kesalahan Baku (

Standard Error

₎

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .820a .673 .626 6.61111

a. Predictors: (Constant), Perempuan_Sudah_Menonton_TV, Rumah_Sakit_Bersalin, Perkawinan_Muda_Tidak_Bersekolah, Penduduk_Miskin

b. Dependent Variable: Akseptor_KB

ANOVAb

Model Sum of Squares Df Mean Square F Sig.

1 Regression 2514.068 4 628.517 14.380 .000a

Residual 1223.790 28 43.707

Total 3737.858 32

a. Predictors: (Constant), Perempuan_Sudah_Menonton_TV, Rumah_Sakit_Bersalin, Perkawinan_Muda_Tidak_Bersekolah, Penduduk_Miskin

b. Dependent Variable: Akseptor_KB

4.

Koefisien Determinasi

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .820a .673 .626 6.61111

a. Predictors: (Constant), Perempuan_Sudah_Menonton_TV, Rumah_Sakit_Bersalin, Perkawinan_Muda_Tidak_Bersekolah, Penduduk_Miskin

b. Dependent Variable: Akseptor_KB

5.

Koefisien Korelasi

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .820a .673 .626 6.61111

a. Predictors: (Constant), Perempuan_Sudah_Menonton_TV, Rumah_Sakit_Bersalin, Perkawinan_Muda_Tidak_Bersekolah, Penduduk_Miskin

b. Dependent Variable: Akseptor_KB

6.

Koefisien Korelasi Antar Variabel Bebas (X) Terhadap Variabel

Terikat (Y)

Correlations Akseptor_ KB Penduduk_ Miskin Rumah_Sa kit_Bersalin Perkawinan _Muda_Tid ak_Berseko lah Perempuan _Sudah_M enonton_T V

Akseptor_KB Pearson Correlation

1 -.653** .202 .447** .752**

Sig. (2-tailed) .000 .260 .009 .000

N 33 33 33 33 33

Penduduk_Miskin Pearson Correlation

-.653** 1 -.042 -.152 -.690**

Sig. (2-tailed) .000 .819 .398 .000

N 33 33 33 33 33

Rumah_Sakit_Bersa lin

Pearson Correlation

.202 -.042 1 -.089 .268

Sig. (2-tailed) .260 .819 .620 .132

N 33 33 33 33 33

Perkawinan_Muda_ Tidak_Bersekolah

Pearson Correlation

.447** -.152 -.089 1 .286

Sig. (2-tailed) .009 .398 .620 .106

N 33 33 33 33 33

Perempuan_Sudah_ Menonton_TV

Pearson Correlation

.752** -.690** .268 .286 1

Sig. (2-tailed) .000 .000 .132 .106

N 33 33 33 33 33