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
14274.68
16914.530
22
Jumlah Akseptor KB
10494.36
12268.639
22
Jumlah Puskesmas
8.55
6.464
22
Subur
Pembantu dan Rumah
Bersalin
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.
Universitas Sumatera Utara
68
Correlations
Jumlah
Puskesmas
Jumlah
Jumlah
Pasangan
Jumlah
Rumah
Kelahiran
Usia Subur
Akseptor KB
Bersalin
Jumlah Kelahiran Pearson Correlation
1
Sig. (2-tailed)
N
Jumlah Pasangan Pearson Correlation
Usia Subur
Sig. (2-tailed)
N
Jumlah Akseptor
KB
Pearson Correlation
Sig. (2-tailed)
N
Jumlah
Puskesmas
Pembantu dan
Pearson Correlation
Sig. (2-tailed)
.995
**
.994
**
.889
**
.000
.000
.000
22
22
22
22
**
1
.995
.000
22
.994
**
.881
**
.000
22
22
22
**
1
.999
.000
22
22
**
**
.000
.000
.889
.999
.881
**
.890
**
.000
22
22
**
1
.890
.000
.000
.000
22
22
22
Pembantu dan
Rumah Bersalin
N
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 :
Universitas Sumatera Utara
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 (
akseptor KB (
) dengan jumlah
) = 0,999.
2. Hubungan korelasi antara jumlah pasangan usia subur (
puskesmas pembantu dan rumah bersalin (
3. Hubungan antara jumlah akseptor KB (
pembantu dan rumah bersalin (
) dengan jumlah
) = 0.881.
) dengan jumlah puskesmas
) = 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.
Universitas Sumatera Utara
70
Variables Entered/Removed
Model
1
Variables
Variables
Entered
Removed
Method
Jumlah
. Enter
Puskesmas
Pembantu dan
Rumah Bersalin,
Jumlah
Pasangan Usia
Subur, Jumlah
Akseptor KB
a
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.
b
Model Summary
Model
1
R
.995
R Square
a
Adjusted R
Std. Error of the
Square
Estimate
.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
Universitas Sumatera Utara
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.
sumbangan pengaruh
KB),
sebesar 0,991 menunjukkan pengertian bahwa 99,1%
(Jumlah Pasangan Usia Subur),
(Jumlah Akseptor
(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.
ANOVA
Model
1
Sum of Squares
Regression
Residual
b
Df
Mean Square
8.210E7
3
2.737E7
758769.894
18
42153.883
8.286E7
21
Total
F
649.202
Sig.
.000a
a. Predictors: (Constant), Jumlah Puskesmas Pembantu dan Rumah Bersalin, Jumlah Pasangan
Usia Subur, Jumlah Akseptor KB
b. Dependent Variable: Jumlah kelahiran
Universitas Sumatera Utara
72
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.
a
Coefficients
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
(Constant)
Jumlah Pasangan Usia
Std. Error
68.542
80.803
.134
.068
-.032
18.324
Beta
t
Sig.
.848
.407
1.138
1.979
.063
.096
-.196
-.330
.746
16.439
.060
1.115
.280
Subur
Jumlah Akseptor KB
Jumlah Puskesmas
Pembantu dan Rumah
Bersalin
a. Dependent Variable:
Jumlah Kelahiran
Interpretasi :
Pada bagian ini dikemukakan nilai koefisisen
,
,
, dan
. Dari tabel diatas
didapat persamaan perhitungannya sebagai berikut :
Ŷ = 68,542 + 0,134X − 0,032X + 18,324X
Universitas Sumatera Utara
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”.
a
Residuals Statistics
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
N
150.67
8730.32
1800.36
1977.241
22
-.834
3.505
.000
1.000
22
47.166
180.754
80.143
36.063
22
160.78
9222.85
1762.12
1984.637
22
-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
-709.853
1404.898
38.243
403.355
22
-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
Std. Predicted Value
Standard Error of Predicted
Value
Adjusted Predicted Value
Residual
Deleted Residual
Stud. Deleted Residual
a. Dependent Variable:
Jumlah Kelahiran
Universitas Sumatera Utara
74
Interpretasi :
Pada bagian ini dikemukakan ringkasan hasil-hasil dari “Predicted Value” (nilai
yang diprediksi) yang berupa nilai Minimum, Maksimum, Mean, Std Deviasi dan
N.
Charts
Universitas Sumatera Utara
75
Universitas Sumatera Utara
76
Universitas Sumatera Utara
LAMPIRAN
Hasil Pengolahan Data dalam SPSS
Regression
Descriptive Statistics
Mean
Std. Deviation
N
Jumlah Kelahiran
1800.36
1986.357
22
Jumlah Pasangan Usia
14274.68
16914.530
22
Jumlah Akseptor KB
10494.36
12268.639
22
Jumlah Puskesmas
8.55
6.464
22
Subur
Pembantu dan Rumah
Bersalin
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.
Universitas Sumatera Utara
68
Correlations
Jumlah
Puskesmas
Jumlah
Jumlah
Pasangan
Jumlah
Rumah
Kelahiran
Usia Subur
Akseptor KB
Bersalin
Jumlah Kelahiran Pearson Correlation
1
Sig. (2-tailed)
N
Jumlah Pasangan Pearson Correlation
Usia Subur
Sig. (2-tailed)
N
Jumlah Akseptor
KB
Pearson Correlation
Sig. (2-tailed)
N
Jumlah
Puskesmas
Pembantu dan
Pearson Correlation
Sig. (2-tailed)
.995
**
.994
**
.889
**
.000
.000
.000
22
22
22
22
**
1
.995
.000
22
.994
**
.881
**
.000
22
22
22
**
1
.999
.000
22
22
**
**
.000
.000
.889
.999
.881
**
.890
**
.000
22
22
**
1
.890
.000
.000
.000
22
22
22
Pembantu dan
Rumah Bersalin
N
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 :
Universitas Sumatera Utara
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 (
akseptor KB (
) dengan jumlah
) = 0,999.
2. Hubungan korelasi antara jumlah pasangan usia subur (
puskesmas pembantu dan rumah bersalin (
3. Hubungan antara jumlah akseptor KB (
pembantu dan rumah bersalin (
) dengan jumlah
) = 0.881.
) dengan jumlah puskesmas
) = 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.
Universitas Sumatera Utara
70
Variables Entered/Removed
Model
1
Variables
Variables
Entered
Removed
Method
Jumlah
. Enter
Puskesmas
Pembantu dan
Rumah Bersalin,
Jumlah
Pasangan Usia
Subur, Jumlah
Akseptor KB
a
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.
b
Model Summary
Model
1
R
.995
R Square
a
Adjusted R
Std. Error of the
Square
Estimate
.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
Universitas Sumatera Utara
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.
sumbangan pengaruh
KB),
sebesar 0,991 menunjukkan pengertian bahwa 99,1%
(Jumlah Pasangan Usia Subur),
(Jumlah Akseptor
(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.
ANOVA
Model
1
Sum of Squares
Regression
Residual
b
Df
Mean Square
8.210E7
3
2.737E7
758769.894
18
42153.883
8.286E7
21
Total
F
649.202
Sig.
.000a
a. Predictors: (Constant), Jumlah Puskesmas Pembantu dan Rumah Bersalin, Jumlah Pasangan
Usia Subur, Jumlah Akseptor KB
b. Dependent Variable: Jumlah kelahiran
Universitas Sumatera Utara
72
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.
a
Coefficients
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
(Constant)
Jumlah Pasangan Usia
Std. Error
68.542
80.803
.134
.068
-.032
18.324
Beta
t
Sig.
.848
.407
1.138
1.979
.063
.096
-.196
-.330
.746
16.439
.060
1.115
.280
Subur
Jumlah Akseptor KB
Jumlah Puskesmas
Pembantu dan Rumah
Bersalin
a. Dependent Variable:
Jumlah Kelahiran
Interpretasi :
Pada bagian ini dikemukakan nilai koefisisen
,
,
, dan
. Dari tabel diatas
didapat persamaan perhitungannya sebagai berikut :
Ŷ = 68,542 + 0,134X − 0,032X + 18,324X
Universitas Sumatera Utara
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”.
a
Residuals Statistics
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
N
150.67
8730.32
1800.36
1977.241
22
-.834
3.505
.000
1.000
22
47.166
180.754
80.143
36.063
22
160.78
9222.85
1762.12
1984.637
22
-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
-709.853
1404.898
38.243
403.355
22
-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
Std. Predicted Value
Standard Error of Predicted
Value
Adjusted Predicted Value
Residual
Deleted Residual
Stud. Deleted Residual
a. Dependent Variable:
Jumlah Kelahiran
Universitas Sumatera Utara
74
Interpretasi :
Pada bagian ini dikemukakan ringkasan hasil-hasil dari “Predicted Value” (nilai
yang diprediksi) yang berupa nilai Minimum, Maksimum, Mean, Std Deviasi dan
N.
Charts
Universitas Sumatera Utara
75
Universitas Sumatera Utara
76
Universitas Sumatera Utara