Hasil Output SPSS
Correlations Pearson Correlation jumlah kelahiran 1.000 .960 .721 .751
jumlah pasangan
Model Summaryb
a. Predictors: (Constant), jumlah penggunaan alat/cara KB (suntik), jumlah pembantu pembina KB desa, jumlah pasangan usia subur
b. Dependent Variable: jumlah kelahiran
ANOVAb Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1989575.323 3 663191.774 131.941 .000a Residual 135713.773 27 5026.436
Total 2125289.097 30
a. Predictors: (Constant), jumlah penggunaan alat/cara KB (suntik), jumlah pembantu pembina KB desa, jumlah pasangan usia subur
b. Dependent Variable: jumlah kelahiran
Coefficientsa
Residuals Statisticsa Minimum Maximum Mean
Std.
Deviation N Predicted Value 110.41 1121.67 523.35 257.525 31
Residual -100.700 157.599 .000 67.259 31
Std. Predicted Value
-1.604 2.323 .000 1.000 31
Std. Residual -1.420 2.223 .000 .949 31
DAFTAR PUSTAKA
Algifari. 1997. “Analisis Regresi cetakan Pertama”. Yogyakarta: BPFE
Hartono. 2008. “Analisis Data Statistika dan Penelitian dengan SPSS 16”.
Pekanbaru: Zanafa
J.Supranto. 2008. “Statistik Teori dan Aplikasi Edisi ke-7”. Jakarta: Erlangga
Mantra,Ida Bagus. 2004. “Demografi Umum ”. Yogyakarta: Pustaka Pelajar
Noer Ahmad. 2004. “Statistik Deskriptif dan Probabilita”. Yogyakarta: BPFE
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 Propinsi . 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
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.
3.3 Struktur Organisasi Badan Pusat Statistik Pvopinsi 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.
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
S
G
STRUKTUR
Gambar 3.1 S
UR ORGANI
3.1 Struktur O
NISASI BAD
r Organisasi B
DAN PUSAT
i Badan Pusat
T STATIST
sat Provinsi S
TIK PROVIN
i Sumatera U INSI
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 kelahiran dengan satuan orang )
2. jumlah pasangan usia subur dengan satuan pasangan orang
3. jumlah pembantu pembina KB desa dengan satuan bangun ) 4. jumlah penggunaan KB (suntik) dengan satuan unit )
Tabel 4.1 Jumlah kelahiran, jumlah pasangan usia subur, jumlah pembantu pembina KB desa, jumlah penggunaan alat/cara KB di Kabupaten Simalungun tahun 2011
4.2 Membentuk Persamaan Linier Berganda
Dari data tersebut akan bentuk persamaan regresi linier berganda dengan terlebih dahulu menentukan koefisien-koefisien regresinya. Untuk menentukannya maka diperlukan nilai-nilai seperti pada tabel 4.2 berikut :
Tabel 4.2 Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien b0, b1, b2, b3
Sambungan Tabel 4.2 Nilai-nilai yang diperlukan untuk menghitung koefisien-Koefisien-koefisien^_ ^\ ^Z ^]
XY [ZY XY []Y [\Y[ZY [\Y[]Y [ZY[]Y [\Y[ZY[]Y
Dari table 4.1 dan 4.2 diperoleh harga-harga sebagai berikut :
n = 31 = 2.405.691
= 16.224 = 1.911.795
= 145.202 = 43.752.562
= 367 = 98.992
= 7.669 = 94.400.998
= 10.616.198 = 214.474
= 853.099.188
= 4.793.997
= 4.799 = 616.
252.340
Rumus umum persamaan regresi linier berganda dengan tiga variabel bebas yaitu :
Dan diperoleh melalui persamaan-persamaan berikut :
= + + +
= + + +
= + + +
Harga-harga yang telah diperoleh disubsitusikan ke dalam bentuk persamaan tersebut, maka didapatkan :
16.224 = 31 + 145.202 + 367 + 76.69
94.400.998 = 145.202 + 853.099.188 + 1.911.795 + 43.752.562
21.447 = 367 + 1.911.795 + 4.799 + 98.992
4.793.997 = 7.669 + 43.752.562 + 98.992 + 2.405.691
Setelah persamaan di atas diselesaikan, maka diperolehlah nilai koefisien-koefisien linier bergandanya antara lain :
= -11,294
= 0,113
= 7,175
= -0,320
Dari koefisien-koefisien yang diperoleh dibentuklah model persamaan regresi linier berganda :
= ( -11,294) + 0,113 + 7,175 + ( -0,320)
4.3 Kesalahan Standar Estimasi
Untuk menghitung kekeliruan baku taksiran (kesalahan standard estimasi) diperlukan harga-harga yang diperoleh dengan mensubsitusi nilai , , ke persamaan regresi yang telah didapat . dilihat pada tabel 4.3 berikut: Tabel 4.3 Nilai-nilai yang diperlukan untuk menentukan kesalahan
standar estimasi
Sehingga kekeliruan bakunya dapat dihitung dengan menggunakan rumus:
=
Dengan: ` = 135.713,773 n = 31
k = 3
Maka diperoleh:
= abc cc c
=debfgh ijh
= 70,897
Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata jumlah kelahiran yang sebenarnya akan menyimpang dari rata-rata jumlah kelahiran yang diperkirakan sebesar 70,897.
4.4 Uji Keberartian Regresi
Perumusan hipotesisnya adalah :
kl : Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu jumlah pasangan usia subur, pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik) terhadap jumlah kelahiran
k8 : Minimal Terdapat satu parameter yang memiliki pengaruh yang signifikan antara variabel bebas yaitu jumlah pasangan usia subur, pembantu pembina KB desa dan jumlah penggunaan alat/cara KB(suntik) terhadap jumlah kelahiran .
Kriteria pengujian hipotesisnya :
Tolak kl jika ! "# $ > "89/: dan terima kl jika ! "# $ ? "89/:
Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi (,-./$) dan JK untuk sisa (,-./0) yang akan didapat setelah mengetahui nilai-nilai antara lain:
2 = – 6
2 = – 6 .
2 = – 6
3 = – 6.
Untuk memperoleh nilai-nilai tersebut maka diperlukan harga-harga berikut : 6 = 4683,935
Sambungan Tabel 4.4 Nilai-nilai yang diperlukan untuk uji keberartian regresi
Dari table 4.4 dan 4.3 diperoleh nilai-nilai berikut : 12 3 = 18.408.828,710 12 3 = 780.388,742 12 3 = 22.402,774 1 4 = 135.713,773
Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni ,-./$dan ,-./0 sebagai berikut :
Untuk Ftabel, yaitu nilai statistik F jika dillihat dari tabel distribusi F dengan derajat kebebasan pembilang V1= k dan penyebut V2= n – k – 1, dan = 5% = 0,05 maka "89/: = ; qJ7 r = l la 7 = l la 7 c 2,96.
yang memiliki pengaruh yang signifikan antara variabel bebas yaitu jumlah pasangan usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik) terhadap jumlah kelahiran.
4.5 Koefisien Determinasi
Dari tabel 4.4 dapat dilihat harga 3 = 2.125.289,097 dan nilai ,-./$= 1.989.575,323 telah dihitung sebelumnya, maka diperoleh nilai koefisien
determinasi
Untuk koefisien korelasi ganda digunakan rumus, maka : R = st
R =sf ujh R = 0,968
kelahiran yang terjadi dipengaruhi oleh jumlah pasangan usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik) terhadap jumlah kelahiran. Sedangkan sisanya sebesarnya sebesar 100% - 93,60% = 6,40 % dipengaruhi oleh faktor-faktor yang lain
4.6 Analisis Korelasi
4.6.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari tabel dapat dihitung besar koefisien korelasinya yaitu :
1. Koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah pasangan usia subur (X1) :
@AJ= B CJ > CJ B
DE FCJG FCJ HD FB G FB I
= ovbvllboop vab l wb v
x pa bloob pp vab l ID G lbw wb op wb v I
= aclbwc bwol aovb olb lw
= 0,960
2. koefisien korelasi antara jumlah kelahiran (Y) dengan jumlah pembantu pembina KB desa (X2) :
@A = B C > C B
@A = vbvcv wc wb v
x vcoo wc ID G lbw wb op wb v I wlba bo w
bocpboll
f ygz
3. korelasi antara (Y) dengan jumlah penggunaan alat/cara KB (suntik) (X3) :
@AO= B CO > CO B
DE FCOG FCO HD FB G FB I
= vbco booc cbwwo wb v
x bvlabwo cbwwo ID G lbw wb op wb v I
= b wblc cbv ob a
= 0,75
4.6.2 Perhitungan Korelasi antara Variabel Bebas
1. Koefisien korelasi antara jumlah pasangan usia subur (X1) dengan jumlah pembantu pembina KB desa (X2)
@AJA = CJC > CJ C
x FCJ FCJ Ix FC FA I
= vbvcv vab l wc
x pa bloob pp vab l ID G vbcoo wc I
= pbwpob ww aabocwba
2. Koefisien korelasi antara jumlah pasangan usia subur (X1) dengan jumlah penggunaan alat/cara KB (suntik) (X3) :
@AJAO=
CJCO > CJ CO
DE FCJG FCJ HD FC OG FAO I
= v bca baw vab l cbwwo
x pa bloob pp vab l ID G bvlabwo cbwwo I
= v bccab pv olbc wb c ll
= 0,85
3. Koefisien korelasi antara pembantu pembina KB desa (X2) dengan jumlah penggunaan alat/cara KB (suntik) (X3) :
@A AO=
C CO > C CO
DE FC G FC HD FC OG FAO I
= opboo wc cbwwo
x vbcoo wc ID G bvlabwo cbwwo I
Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai berikut :
1. ry1 = 0,960 ; variabel X1berkorelasi sangat kuat sekali terhadap variabel Y
2. ry2 = 0,721; variabel X2berkorelasi sangat kuat terhadap variabel Y 3. ry3 = 0,751 ; variabel X3berkorelasi sangat kuat terhadap variabel Y
4. r12 = 0,688 ; variabel X1berkorelasi kuat terhadap variabel X2
5. r13 = 0, 835 ; variabel X1 berkorelasi sangat kuat terhadap variabel X3 6. r23 = 0, 540 ; variabel X2berkorelasi sedang terhadap variabel X3
4.7Uji Koefisien Regresi Linier Berganda
Dari hasil perhitungan diperoleh model persamaan regresi linier ganda : = -11,294 + 0,113 + 7,175 - 0,320
Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam persamaan regresi tersebut, maka perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regres
langkahnya adalah sebagai berikut : Hipotesis pengujian :
k8 : Tidak terdapat pengaruh yang signifikan antara koefisien
terhadap Y.
Kriteria pengujian: ! "# $= 131,941 > "89/: = 2,96.
jikaP! "# $ P"89/: maka tolak kl; jika P! "# $ < P"89/: maka terima kl. Langkah-langkah untuk memperoleh P"89/: adalah sebagai berikut:
9 = RUCST J O K LN V
Dengan: = 70,897
= 508.479,355
= 172.982.387,871 R2 = 0,936
= 454,194
Dari harga-harga tersebut dapat dihitung nilai kekeliruan baku koefisien bi sebagai berikut :
9 = ST J O K
ECJG V
= cl poc
c bop b pc pc l o w
= 0,003
9 = EC GST J O KV
= 1,562
9 = ST J O K ECOG V
= cl poc
alpbvco aa l o w
= 0,04
Kemudian didapatkan nilai distribusi student P = 9 S{
P = l
l ll = 37,667
P = c caaw = 4,594
P = l lvcl l = -6,808
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 software yaitu SPSS 17.0 for Windows dalam memperoleh hasil perhitungan.
5.2 Sekilas Tentang Program SPSS
namun SPSS lebih populer dibandingkan dengan program lainnya. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam bebagai 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.
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 SPSS Inc, PASW Statistics 17.0 Tampilannya adalah sebagai berikut :
Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 2. data ke dalam Memasukan SPSS
Tampilannya adalah sebagai berikut:
Gambar 5.2 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
2.1Pengisian Variabel
Tempatkan pointer pada baris pertama di bawah Name.
Variabel Y
Name : Letakkan kursor, lalu klik ganda
pada sel tersebut kemudian ketik Y
Type : Pilih numeric karena berupa angka
Width : Untuk keseragaman ketik 8
Decimal : Ketik 0
Label : jumlah kelahiran
Align : Pilih Center
Measure : Pilih scale
Variabel X
Name : Letakkan kursor di bawah Y, lalu klik ganda
pada sel tersebut kemudian ketik X1
Type : Pilih numeric karena berupa angka
Width : Untuk keseragaman ketik 8
Label :jumlah pasangan usia subur
Align : Pilih Center
Measure : Pilih scale
Lakukan seterusnya untuk variabel X2 dan X3 dengan Name dan Label yang sesuai dengan Variabel yang dimaksudkan.
Tampilannya adalah sebagai berikut:
Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS
2.2Pengisian Data
1. Aktifkan jendela data dengan mengklik Data View
Tampilannya adalah sebagai berikut :
Gambar 5.4 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
dan klik Linear.
Tampilannya adalah seperti gambar berikut :
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 pembantu pembina KB desa,dan Jumlah penggunaaan alat/cara KB (Suntik) pada kotak Independent .
Tampilannya adalah seperti gambar berikut :
Gambar 5.6 Kotak Dialog Linier Regression
Gambar 5.7 Kotak dialog Linear Regression : Statistics
5.Selanjutnya klik kotak Plots pada kotak dialog Linear Regression untuk membuat grafik. Berika tada ceklistpada pilihan produce all partial plot.Lalu klik Continue untuk melanjutkan seperti gambar berikut :
Gambar 5.8 Kotak dialog Linear Regression : plots
5.5Hasil Output SPSS
5.5.1 Table Output Variables Entered/Removed
Model Variables Entered Variables Removed Method 1 jumlah penggunaan alat/cara KB
(suntik), jumlah pembantu pembina KB desa, jumlah pasangan usia subur
. Enter
Interpretasi
Tabel variables entered menunjukkan bahwa tidak ada variabel yang dikeluarkan (removed), atau dengan kata lain ketiga variabel bebas dimasukkan dalam perhitungan regresi.
5.5.2 Table Output Descriptive Statistics
Mean N
Jumlah kelahiran 523.35 31
jumlah pasangan usia subur 4683.94 31
jumlah pembantu pembina KB desa 11.84 31 jumlah penggunaan alat/cara KB (suntik) 247.39 31
Interpretasi Table Output Descriptive Statistics
1. Rata-rata jumlah kelahiran dengan jumlah data 31 Rata-rata jumlah kelahiran adalah 523,35
3. Rata-rata jumlah pembantu pembina KB desa dengan jumlah data 31 adalah 11,84
4. Rata-rata jumlah penggunaan alat/cara KB (suntik) dengan jumlah data 31 adalah 247,39
5.5.3 Table Output coefficients
Model B
1. (constan)
Jumlah kelahiran
pasangan usia subur
pembantu pembina KB desa penggunaan alat/cara KB (suntik)
-11,294 .113 7.175
-,320 Interpretasi:
1. Kolom B menyatakan nilai dari persamaan regresi yaitu l= -11,294 dan
5.5.3 Table Output correlation Pearson Correlation jumlah kelahiran
1. Besar hubungan antara variabel jumlah kelahiran dengan jumlah pasangan usia subur sebesar 0,96. Besar hubungan antara variabel jumlah kelahiran dengan jumlah pembantu pembina KB desa sebesar 0,721. Besar hubungan antara variabel jumlah kelahiran dengan jumlah penggunaan alat/cara KB (suntik) sebesar 0,751
5.5.4 Table Output Model Summary
Model R R Square
Std. Error of the Estimate
1 .968 .936 70.897
Interpretasi
1. korelasi (R) yaitu sebesar 0,968 yang menunjukkan bahwa korelasi antara jumlah kelahiran dengan jumlah pasangan usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik) berhubungan secara positif dengan tingkat yang tinggi
2. nilai koefisien determinasi t diperoleh sebesar 0,936 yang berarti sekitar 93,60 % jumlah kelahiran yang terjadi dipengaruhi oleh jumlah pasangan usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik) terhadap jumlah kelahiran. Sedangkan sisanya sebesarnya sebesar 100% - 93,60% =6,40 % dipengaruhi oleh faktor-faktor yang lain
5.5.5 Output Regression Plot
Interpretasi
Interpretasi
Interpretasi
BAB 6
KESIMPULAN DAN SARAN
6.1Kesimpulan
Berdasarkan pengolahan data yang telah dilakukan, maka diperoleh beberapa kesimpulan antara lain :
1. Dengan menggunakan analisis regresi llinier berganda diperoleh model persamaan linier ganda yaitu : = -11,294 + 0,113 + 7,175 - 0,320 2. Pada uji keberartian regresi diperoleh ! "# $= 131,941 > "89/: = 2,96 Maka
Ho ditolak dan Ha diterima yang berarti bahwa jumlah pasangan usia subur, pembantu pembina KB desa, dan penggunaan alat/cara KB (suntik) secara bersama-sama berpengaruh secara signifikan terhadap jumlah Kelahiran 3. Dari hasil perhitungan koefisien determinasi (t ) sebesar 0,936 menunjukkan
bahwa 93,60% jumlah kelahiran dipengaruhi oleh jumlah pasangan usia subur, jumlah pembantu pembina KB desa dan jumlah penggunaan alat/cara KB (suntik) dan 6,40% dipengaruhi oleh faktor-faktor lain
6.2Saran
1. Bagi pihak pemerintah Kabupaten Simalungun lebih memperhatikan faktor-faktor yang menyebabkan tingginya jumlah kelahiran agar bisa mengambil kebijakan untuk mengurangi jumlah kelahiran
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, 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
Istilah “ regresi” pada mulanya bertujuan untuk 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.
2.2 Analisis Regresi Linier
Analisis regresi linier dipergunakan untuk mengetahui 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 independen mempengaruhi variabel dependen dalam suatu
fenomena yang komplek. Jika, , , . . . , adalah variabel-variabel
Variabel independen adalah variabel yang nilainya tidak tergantung
dengan variabel lainnya, sedangkan variabel dependen adalah variabel yang
nilainya tergantung dari variabel yang lainnya.
Analisis regresi tediri dari dua bentuk yaitu :
1. Analisis Regresi Linier Sederhana
2. Analisis Regresi Linier Berganda
2.2.1Analisis Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua
variabel di mana hanya terdapat satu variabel/peubah bebas X dan satu peubah tak
bebas Y. Dalam bentuk persamaan, model regresi sederhana adalah :
Dengan : Y adalah variabel terikat/tak bebas (dependent)
X adalah variabel bebas (independent)
a adalah penduga bagi intercept
b adalah penduga bagi koefisien regresi
2.2.2 Analisis Regresi Linier Berganda
Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara
peubah respon (variabel dependen) dengan faktor-faktor yang menjelaskan yang
Secara umum persamaan regresi berganda dapat ditulis sebagai berikut :
Dengan: Y = Variabel tidak bebas
X = variabel bebas
= koefisien regresi untuk data sampel
2.3 Membentuk persamaan Regresi Linier Berganda
Dalam penelitian ini, digunakan empat variabel yang terdiri dari satu variabel
bebas Y dan tiga variabel X yaitu , , dan .
Maka persamaan regresi bergandanya adalah :
Persamaan di atas dapat diselesaikan dengan empat bentuk yaitu :
Harga-harga didapat dengan menggunakan persamaan diatas dengan
metode eliminasi atau dengan menggunakan suatu program komputer.
= + + +
= + + +
= + + +
2.4 Kesalahan Standar Estimasi
Kesalahan Standar Estimasi diperlukan untuk mengetahui Ketepatan persamaan
estimasi (standard error of estimate). Besarnya kesalahan standar estimasi untuk
menjelaskan nilai variabel tidak bebas yang sesungguhnya.
Semakin kecil nilai kesalahan standar estimasi. Makin tinggi pula
ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel
tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai kesalahan standar
estimasi , makin rendah ketepatan persamaan estimasi yang dihasilkan untuk
menjelaskan nilai variabel tidak bebas sesungguhnya.
Kesalahan standar estimasi dapat ditentukan dengan :
=
Dengan : = Nilai data sebenarnya
2.5 Uji Keberartian Regresi
Uji keberartian regresi diperlukan untuk mengetahui apakah sekelompok variabel
bebas secara bersamaan mempunyai pengaruh terhadap variabel tidak bebas.
Dalam uji keberartian regresi.
Langkah-langkah yang dibutuhkan untuk pengujian hipotesis ini antara lain :
1. Menentukan hipotesa
Ho : Tidak terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.
Ha : Terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.
2. Pilih tingkat signifikansi ( ) yang diinginkan
Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan
kesalahan, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar.
Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. pada
umumnya orang menggunakan 0,05.
3. Hitung statistik ! "# $
! "# $= %&'()* %&'(+*
Dengan : ,-./$= jumlah kuadrat regresi
secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari :
,-./$= 12 3 + 12 3 i + 12 3
,-./0= 1 4
Dengan: 2 = –5 ;2 = – 6 7 2 = –5 ; 3 = – 6.
4. Nilai "89/: menggunakan daftar tabel F dengan taraf signifikansi yaitu
"89/:= ; <7= > < >
5. Kriteria pengujian : jika ! "# $> "89/: maka Ho ditolak dan Ha diterima.
Sebaliknya Jika ! "# $ ? "89/: , maka Ho diterima dan Ha ditolak.
2.6 Koefisien Determinasi
Koefisien determinasi yang disimbolkan dengan R2 bertujuan untuk mengetahui
seberapa besar kemampuan variabel independen menjelaskan variabel dependen.
Nilai R2dikatakan baik jika berada di atas 0,5 karena nilai R2 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
Harga R2 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 Analisis Korelasi
Analisis korelasi bertujuan untuk mencari hubungan antara dua variabel atau lebih
yang dilakukan dengan menghitung korelasi antar variabel. Korelasi merupakan
angka yang menunjukkan arah dan kuatnya hubungan antar dua variabel atau
lebih, arah dinyatakan dalam bentuk hubungan positif atau negative, sedangkan
kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.
Analisis korelasi meliputi dua aspek yaitu:
1. Analisis korelasi anatara variabel bebas ( , , dan ) dengan variabel
terikat (Y)
Koefisien korelasi dapat dirumuskan sebagai berikut:
a. Koefisien korelasi antara Y dengan X1
@A= B C > C B
DE FC G > FC HD FB G FB I
@AJ=
B CJ> CJ B
b. Koefisien korelasi antara Y dengan X2
c. Koefisien korelasi antara Y dengan X3
2. Analisis korelasi antar variabel bebas ( , , dan ) Koefisien korelasi
dapat dirumuskan sebagai berikut:
@AKAL=
CKCL > CK CL
DE FCKG FCK HM FC LN FAL I
a. Koefisien korelasi antara X1 dengan X2
a.
b. Koefisien korelasi antara X1 dengan X3
@A = B C > C B
DE FC G FC HD FB G FB I
@AO=
B CO > CO B
DE FCOG FCO HD FB G FB I
@AJA =
CJC > CJ C
DE FCJG FCJ HD FC G FA I
@AJAO=
CJCO > CJ CO
c. Koefisien korelasi antara X2 dengan X3
Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat
dikelompokkan sebagai berikut (Algifari, 1997) :
1. 0,00 sampai dengan 0,20 berarti korelasi memiliki keeratan sangat lemah.
2. 0,21 sampai dengan 0,40 beirarti korelasi memiliki keeratan lemah.
3. 0,41 sampai dengan 0,70 berarti korelasi memiliki keeratan kuat.
4. 0,71 sampai dengan 0,90 berarti korelasi memiliki keeratan sangat kuat.
5. 0,91 sampai dengan 0,99 berarti korelasi memiliki keeratan sangat kuat sekali.
6. 1 berarti korelasi sempurna.
2.8 Uji Koefisien Regresi Linier Berganda
Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi,
perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi.
Langkah-langkah pengerjaannya adalah sebagai berikut:
1.Menentukan hipotesa
Ho : Tidak terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.
@A AO=
C CO > C CO
Ha : Terdapat hubungan yang signifikan antara variabel bebas dengan
variabel tak bebas.
2. Kriteria pengujian : jika P! "# $ QP"89/: maka Ho ditolak dan Ha diterima.
Sebaliknya Jika P! "# $ ? P"89/: maka Ho diterima dan Ha ditolak.
3. Menentukan nilai P! "# $
P
9
9 =R ST J O K
UCLN V
4. Menentukan nilai P"89/:
BAB 1
PENDAHULUAN
1.1Latar Belakang
Masalah kependudukan merupakan masalah penting yang perlu mendapat
perhatian dari ahli kependudukan di Indonesia. Simalungun yaitu salah satu
Kabupaten di Provinsi Sumatera Utara juga tidak luput dari masalah
kependudukan. Dari perbandingan jumlah kelahiran di Kabupaten Simalungun
menunjukkan setiap tahun mengalami peningkatan. Maka dalam hal ini jumlah
kelahiran di Simalungun ini perlu dianalisis. (http://id.wikipedia.arg/simalungun)
Dalam perencanaan pembangunan, data kependudukan memegang
perananan penting. Semakin lengkap dan akurat data kependudukan yang tersedia
maka semakin mudah dan tepat rencana pembangunan itu dibuat. Sebagai contoh,
dalam perencanaan perencanaan pendidikan, diperlukan data mengenai jumlah
penduduk dalam usia sekolah, dan para pekerja dalam bidang kesehatan
memerlukan informasi tentang tinggi rendahnya angka kelahiran.
Salah satu yang mempengaruhi jumlah penduduk adalah kelahiran
terlepasnya bayi dari rahim seorang perempuan dengan ada tanda–tanda
kehidupan, misalnya: bernafas, jantung berdenyut, berteriak, dan sebagainya.
Untuk mengurangi laju pertumbuhan penduduk harus dilakukan penurunan
fertilitas. Hal ini sangat yang ingin dicapai oleh setiap negara. Untuk mencapai
tujuan tersebut pemerintah harus membuat kebijakan-kebijakan penting dan
berusaha memenuhi sarana dan fasilitas yang menunjang kesejahteraan penduduk.
Kebijakan-kebijakan atau usaha yang dilakukan oleh pemerintah harus diikuti
oleh peran serta masyarakat yang mendukung tujuan tersebut.
(Ida Bagoes Mantra, 2004)
Sehingga pengetahuan tentang kependudukan sangat penting diketahui
oleh masyarakat luas untuk merangsang timbulnya tingkah laku yang bertanggung
jawab terhadap masalah kependudukan. Sehingga masalah-masalah yang ada bisa
diatasi dan memungkinkan dapat dicegah timbulnya masalah baru. Dengan
adanya kesadaran masyarakat dan perhatian untuk ikut serta dalam mewujudkan
kesejahteraan penduduk maka pemerintah dan masyarakat secara bersama-sama
menanggulangi masalah pertumbuhan penduduk. Jumlah kelahiran didefenisikan
sebagai angka kelahiran total laki-laki dan perempuan dari setiap penduduk
(perempuan) yang hidup hingga akhir masa reproduksinya .
Banyak faktor yang mempengaruhi jumlah kelahiran, Tapi ada tiga faktor
yang mempengaruhi jumlah Kelahiran yang lebih dominan menurut penulis,
diantaranya adalah jumlah pasangan usia subur, jumlah pembantu pembina KB
pasangan suami istri yang istrinya berusia 15-49 tahun. Di usia ini perempuan
berpotensi untuk bereproduksi. Pembantu pembina KB desa adalah sebuah badan
yang bertanggung jawab dalam pelaksanaan program KB di suatu daerah.
Sedangkan penggunaan alat/cara KB(suntik) merupakan pemakaian alat
kontrasepsi yang digunakan oleh satu pasangan dalam suatu periode waktu
tertentu untuk mencegah kehamilan.
Oleh karena itu penulis mencoba menganalisis bagaimana hubungan
pasangan usia subur, jumlah pembantu pembina KB desa, jumlah penggunaan
alat/cara KB (suntik) terhadap jumlah kelahiran. Untuk itu penulis memilih judul
Tugas Akhir : “ANALISIS KORELASI TERHADAP FAKTOR-FAKTOR
YANG MEMPENGARUHI JUMLAH KELAHIRAN DI KABUPATEN
SIMALUNGUN TAHUN 2011”.
1.2Identifikasi Masalah
Permasalahanya yang akan dianalisis adalah bagaimana pengaruh jumlah
pasangan usia subur, jumlah pembantu pembina KB desa, jumlah penggunaan
1.3Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Untuk mengetahui model persamaan regresi linier berganda untuk Jumlah
Kelahiran di Kabupaten Simalungun tahun 2011 berdasarkan
varibel-variabel yang mempengaruhinya, yaitu jumlah pasangan usia subur,
jumlah pembantu pembina KB desa, dan jumlah penggunaan alat/cara KB
(suntik).
2. Untuk mengetahui bagaimana pengaruh jumlah pasangan usia subur,
jumlah pembantu pembina KB desa, dan jumlah penggunaan alat/cara KB
(suntik) terhadap jumlah kelahiran di Kabupaten Simalungun.
3. Untuk mengetahui seberapa besar kontribusi yang diberikan faktor
tersebut terhadap jumlah kelahiran.
4. Untuk mengetahui faktor yang sangat berpengaruh terhadap jumlah
kelahiran.
1.4Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Sebagai salah satu syarat dalam menyelesaikan pendidikan D III Statistika,
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera
2. Sebagai sarana meningkatkan pengetahuan dan wawasan penulis dalam
menganalisis data.
3. Memberikan masukan yang dapat menjadi bahan pertimbangan bagi
pemerintah dan pihak-pihak terkait untuk menghadapi masalah
kependudukan.
4. Sebagai informasi bagi Badan Pusat Statistik khususnya mengenai
keterkaitan jumlah pasangan usia subur, jumlah pembantu pembina KB
desa, jumlah penggunaan alat/cara KB (suntik) terhadap jumlah kelahiran.
1.5Metodologi Penelitian
Metode yang digunakan penulis dalam melaksanakan penelitian diantaranya
adalah :
1.5.1 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.
1.5.2 Metode Pengumpulan Data
Pengumpulan data untuk keperluan penelitian dilakukan penulis dengan
diperoleh oleh pihak lain yang umumnya disajikan dalam bentuk
tabel-tabel atau diagram. Data sekunder yang digunakan diperoleh dari Badan
Pusat Statistik Provinsi Sumatera Utara. Data yang telah dikumpulkan
kemudian diatur, disusun dan disajikan dalam bentuk angka-angka untuk
mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.
1.6Tinjauan Pustaka
Metode analisis data adalah metode yang digunakan untuk mendapatkan
informasi yang relevan yang terkadung dalam data tersebut dan menggunakan
hasil analisis tersebut untuk menyelesaiakan suatu masalah. Metode yang
digunakan adalah analisis regresi linier berganda. Metode analisis data biasanya
menggunakan variabel independen (bebas) dan variabel dependen (terikat).
Langkah-langkah yang dilakukan dalam mengolah data adalah sebagai berikut:
1.) Menentukan kelompok data yang menjadi variabel bebas (X) dan
variabel terikat (Y).
2.) Menentukan hubungan antara variabel bebas (X) dengan variabel
terikat (Y) sehingga didapat regresi Y atas , , ..., .
3.) Uji regresi linier berganda untuk mengetahui besarnya pengaruh
variabel bebas X secara bersama-bersama terhadap variabel terikat Y.
4.) Uji korelasi untuk mengetahui bagaimana dan seberapa besar
pengaruh hubungan variabel-variabel bebas tersebut terhadap variabel
terikat.
5.) Uji koefisien regresi untuk menguji taraf nyata
koefisien-koefisien regresi yang didapat dan seberapa besar kontribusinya.
1.7 Lokasi Penelitian
Penelitian ataupun pengumpulan data mengenai faktor-faktor yang mempengaruhi
jumlah kelahiran serta data mengenai jumlah pasangan usia subur, jumlah
pembantu pembina KB desa, jumlah penggunaan alat/cara KB (suntik)
dilaksanakan di Badan Pusat Statistik Provinsi Sumatera Utara Jl. Asrama No.
179, Medan.
1.8 Sistematika Penelitian
Adapun sistematika penulisan yang diuraikan oleh penulis antara lain :
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, identifikasi masalah,
tujuan penelitan, manfaat penelitian, metodologi penelitian,
BAB 2 : LANDASAN TEORI
Bab ini menguraikan tentang teori-teori yang akan digunakan
oleh penulis untuk menganalisis data.
BAB 3 : SEJARAH UMUM TEMPAT RISET
Bab ini menguraikan tentang sejarah tempat riset yang meliputi
sejarah, visi dan misi serta struktur organisasi dari Badan Pusat
Statistik Provinsi Sumatera Utara.
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan analisis data yang diperoleh dan dihitung
secara manual oleh penulis dengan menggunakan teori-teori yang
sudah terdapat dalam bab 2.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menguraikan proses pengolahan data dengan program
yang akan digunakan yaitu SPSS mulai dari input data hingga
hasil outputnya yang membantu dalam menyelesaikan
permasalahan dalan penulisan.
BAB 6 : KESIMPULAN DAN SARAN
Bab ini menguraikan tentang kesimpulan dan saran yang berhasil
disimpulkan oleh penulis dari hasil analisis.
ANALISIS KORELASI TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KELAHIRAN
DI KABUPATEN SIMALUNGUN
TAHUN 2011
TUGAS AKHIR
Cuan Wanti Gultom
102407014
PROGRAM STUDI DIPLOMA 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
PERSETUJUAN
Judul : ANALISIS KORELASI TERHADAP
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KELAHIRAN DI KABUPATEN SIMALUNGUN TAHUN 2011
Kategori : TUGAS AKHIR
Nama : CUAN WANTI GULTOM
Nomor Induk Mahasiswa : 102407014
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 Drs. Henry Rani Sitepu, M.Si
PERNYATAAN
ANALISIS KORELASI TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KELAHIRAN DI KABUPATEN
SIMALUNGUN 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
PENGHARGAAN
Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyusun Tugas Akhir ini dengan judul Analisisi Korelasi Terhadap Faktor- Faktor yang Mempengaruhi Jumlah Kelahiran Di Kabupaten Simalungun Tahun 2011.
Terima kasih penulis sampaikan kepada Bapak Drs. Henry Rani Sitepu, 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 P. Gultom Ibu M.Pasaribu dan keluarga yang selama ini memberika bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
DAFTAR ISI
1.2Identifikasi Masalah 3
1.3Tujuan Penelitian 4
1.4Manfaat Penelitian 4
1.5Metodologi Penelitian 5
1.6Tinjauan Pustaka 6
1.7Lokasi Penelitian 7
1.8Sistematika Penelitian 7
BAB 2 LANDASAN TEORI
2.1Pengertian Regresi 9
2.2Analisis Regresi Linier 10
2.2.1 Analisis Regresi Linier Sederhana 11
2.2.2 Analisis Regresi Linier Berganda 11
2.3Membentuk Persamaan Regresi Linier Berganda 12
2.4Kesalahan Standar Estimasi 13
2.5Uji Keberartian Regresi 14
2.6Koefisien Determinasi 15
2.7Analisis Korelasi 16
2.8Uji Koefisien Regresi Linier Berganda 18
BAB 3 SEJARAH UMUM TEMPAT RISET
3.1Sejarah BPS Provinsi Sumatera Utara 20
3.2Visi dan Misi BPS Provinsi Sumatera Utara 20
BAB 4 PENGOLAHAN DATA
4.1 Pengambilan Sampel 24
4.2 Membentuk Persamaan Linier Berganda 26
4.3 Kesalahan Standar Estimasi 30
4.4 Uji Keberartian Regresi 31
4.5 Koefisien Determinasi 36
4.6 Analisis Korelasi 37
4.7 Uji Koefisien Regresi Linier Berganda 40
BAB 5 IMPLEMENTASI SISTEM
5.1Pengertian Implementasi Sistem 44
5.2Sekilas Tentang Program SPSS 44
5.3Pengolahan Data dengan SPSS 46
5.4Pengolahan Data dengan Persamaan Regresi 50
5.5Hasil Pengolahan Data dalam SPSS 54
BAB 6 KESIMPULAN DAN SARAN
6.1Kesimpulan 61
6.2Saran 62
DAFTAR PUSTAKA
DAFTAR TABEL
Halaman
Tabel 4.1 Data yang akan diolah 25
Tabel 4.2 Nilai-nilai yang diperlukan untuk menentukan Persamaan regresi 26
Tabel 4.3 Nilai-nilai Yang diperlukan untuk Menentukan Kesalahan Standar 30
DAFTAR GAMBAR
Halaman
Gambar 3.1 Struktur Organisasi BPS Provinsi Sumatera Utara 23
Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 46
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS 47
Gambar 5.3 Tampilan Jendela Pengisian Variabel View 49
Gambar 5.4 Tampilan Jendela Pengisian Data View 50
Gambar 5.5 Pilih Analyze,Regression, Linear 51
Gambar 5.6 Kotak Dialog Linier Regression 52
Gambar 5.7 Kotak dialog Linear Regression : Statistics 52
