Analisis Faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara

TUGAS AKHIR

NURAZIZAH MANURUNG 102407020

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

NURAZIZAH MANURUNG 102407020

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Judul : ANALISIS FAKTOR ANGKA KEMATIAN BAYI TERHADAP PENOLONG KELAHIRAN DI SUMATERA UTARA

Kategori : TUGAS AKHIR

Nama : NURAZIZAH MANURUNG

Nomor Induk Mahasiswa : 102407020 Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU

PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2013

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Prof. Dr. Tulus, M.Si Drs. Suwarno Ariswoyo, M.Si

PERNYATAAN

ANALISIS FAKTOR ANGKA KEMATIAN BAYI

TERHADAP PENOLONG KELAHIRAN

DI SUMATERA UTARA

TUGAS AKHIR

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

Medan, Juli 2013

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 Faktor Angka Kematian Bayi Terhadap

Penolong Kelahiran di Sumatera Utara.

Terimakasih Penulis sampaikan kepada Bapak Drs. Suwarno Ariswoyo,

M.Si selaku pembimbing dan Sekretaris Program Studi D3 Statistika FMIPA

USU yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini.

Terima kasih kepada Bapak Drs. Faigiziduhu Bu’ulolo, M.Si selaku Ketua

Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si. PhD dan

Ibu Dra. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika

FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU

Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU,

pegawai FMIPA USU dan rekan – rekan kuliah. Akhirnya tidak terlupakan

kepada Ayah tercinta Syafaruddin Manurung dan Ibu tercinta Masribut Sinaga,

serta Abang, kakak, Adik dan keluarga yang selama ini memberikan bantuan dan

4.3 Pengujian Regresi Linier Berganda 33

4.4 Koefisien Determinasi 38

4.5 Koefisien Korelasi 39

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 41

5.2 Sekilas Tentang Program SPSS 41

5.3 Mengaktifkan SPSS 43

5.4 Input Data pada Worksheet 44

5.5 Pengisian Data 46

5.6 Pengolahan Data dengan Persamaan Regresi 47 5.7 Pengolahan Data dengan Persamaan Korelasi 50

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 52

6.2 Saran 54

Nomor Judul Halaman Tabel

Nomor Judul Halaman Gambar

5.1 Mengaktifkan SPSS 43

5.2 Worksheet 44

5.3 Layar Kerja Variabel View 46 5.4 Layar Data yang akan diolah 47

5.5 Analyze data Regresion 47

5.6 Kotak Dialog Linear Regression 48

PENDAHULUAN

1.1Latar Belakang

Angka kematian bayi merupakan salah satu indikator yang digunakan untuk

menggambarkan status kesehatan masyarakat. Di dunia, angka kematian bayi

sangat bervariatif pada setiap negara. Di negara berkembang salah satunya

indonesia, angka kematian bayi masih tergolong tinggi. Salah satu penyebab

kematian bayi di indonesia adalah infeksi, termasuk infeksi saluran nafas dan

diare. Selain itu, masalah gizi seperti kurang kalori dan protein, juga menjadi

salah satu penyebab kematian bayi.

Mortalitas (kematian) penduduk adalah salah satu dari tiga komponen

proses demografi yang berpengaruh terhadap struktur penduduk. Dua komponen

proses demografi lainnya adalah kelahiran (fertilitas) dan mobilisasi penduduk.

Tinggi rendahnya tingkat mortalitas penduduk disuatu daerah tidak hanya

mempengaruhi pertumbuhan penduduk, tetapi juga merupakan barometer dari

tinggi rendahnya tingkat kesehatan masyarakat di daerah tersebut. Dengan

memperhatikan trend dari tingkat mortalitas dan fertilitas di masa lalu dan

estimasi perkembangan dimasa mendatang dapatlah dibuat sebuah proyeksi

Kematian bayi adalah kematian yang terjadi antara saat bayi lahir sampai

bayi berusia tepat satu tahun. Banyak faktor yang dikaitkan dengan kematian bayi.

Secara garis besar, dari sisi penyebabnya kematian bayi ada dua macam yaitu :

1. Kematian bayi Endogen adalah kematian bayi yang terjadi pada

pertama setelah melahirkan, dan umumnya disebabkan oleh

faktor-faktor yang dibawa anak sejak lahir, yang diperoleh dari orang tuanya

pada saat konsepsi atau didapat setelah kehamilan.

2. Kematian bayi Eksogen adalah kematian bayi yang terjadi setelah usia

satu bulan sampai menjelang usia satu tahun yang di sebabkan oleh

faktor-faktor yang bertalian dengan pengaruh lingkungan.

Dengan uraian diatas penulis tertarik untuk menganalisis hubungan antara

faktor-faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera

Utara.

Dengan mengetahui seberapa besar bangsa Indonesia harus menekan

angka kematian bayi, maka untuk mengimplementasikan keadaan diatas maka

penulis memilih Tugas Akhir yang berjudul “Analisis Faktor Angka Kematian Bayi Terhadap Penolong Kelahiran di Sumatera Utara”.

1.2Rumusan Masalah

Adapun masalah yang akan dibahas adalah untuk mengetahui regresinya sebagai

mempengaruhi angka kematian bayi terhadap penolong kelahiran di Sumatera

Utara.

1.3 Tujuan Penelitian

Menganalisis apakah ada hubungan angka kematian bayi terhadap penolong

kelahiran serta Memberikan informasi kepada masyarakat tentang kesehatan bayi

di Sumatera Utara.

1.4 Batasan Masalah

Penulis membuat batasan permasalahan dari sekian banyak faktor yang

mempengaruhi angka kematian bayi di Sumatera Utara, yakni penulis hanya

mengambil tiga faktor yaitu dokter, bidan dan dukun sebagai variabel. Lalu

dianalisa dengan menggunakan Metode Regresi Linier Berganda dan akan dicari

apakah faktor-faktor tersebut mempengaruhi angka kematian bayi sehingga

nantinya akan diperoleh persamaan penduga yang layak digunakan. Data yang

diambil merupakan data skunder yang bersumber dari Kantor Badan Pusat

Statistik (BPS) Sumatera Utara. Data yang akan di teliti adalah data pada tahun

1.5Manfaat Penelitian

Penelitian ini diharapkan dapat menghasilkan manfaat untuk memberikan

informasi angka kematian bayi terhadap penolong kelahiran dan sebagai

pemerhati kesehatan bayi sebaiknya untuk di tindak lanjutin banyaknya penyebab

dari kematian bayi di Sumatera Utara sehingga dari informasi yang dihasilkan dari

penelitian ini diharapkan pemerintah mengambil langkah-langkah untuk kebijakan

terhadap meningkatnya angka kematian bayi di Indonesia.

1.6 Tinjauan Pustaka

Sumber bahan bacaan atau informasi penulis dapatkan dalam penulisan Tugas

Akhir ini adalah :

Dikti.go.id menyatakan Undang-undang Republik Indonesia Nomor 36 Tahun 2009TentangKesehatan dengan rahmat Tuhan Yang Maha Esa presiden republik

indonesia menimbang, bahwa kesehatan merupakan “hak asasi manusia” dan

salah satu unsur kesejahteraan yang harus diwujudkan sesuai dengan cita-cita

bangsa Indonesia sebagaimana dimaksud dalam Pancasila dan Undang-Undang

Dasar Negara Republik Indonesia Tahun 1945. Pasal 128 ayat 1 menyatakan

bahwa “Setiap bayi berhak mendapatkan air susu ibu eksklusif sejak dilahirkan

selama 6 (enam) bulan, kecuali atas indikasi medis”. Pasal 131 ayat 1 juga

mengatakan bahwa “Upaya pemeliharaan kesehatan bayi dan anak harus ditujukan

untuk mempersiapkan generasi yang akan datang yang sehat, cerdas, dan

Mason (1996) menyatakan bahwa analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan garis lurus dan

menggunakan persamaan tersebut untuk membuat perkiraan.

Mason (1996) menyatakan bahwa persamaan regresi (regression eqution) adalah suatu persamaan matematis yang mendefinisikan hubungan antara dua variabel.

Iswardono Sp (1981) menyatakan bahwa model persamaan regresi linier berganda Yi = β0 + β1X1i + β2X2i + β3X3i + Ei, dimana variabel bebas, X1, X2

dan X3 yang mempengaruhi Y.

1.7 Metodologi Penelitian

Metodologi penelitian yang digunakan penulis adalah dengan Metode Penelitian

Kepustakaan, Metode Pengumpulan Data. Adapun tahapan yang dilaksanakan

dalam penyelesaian masalah yang dihadapi adalah sebagai berikut :

1. Metode Pengumpulan Data

Dalam pengumpulan data, penulis menggunakan data sekunder dari Badan

Pusat Statistik (BPS) berupa buku-buku dan sumber-sumber yang dapat di

percaya dari Kantor Badan Pusat Statistik.

2. Studi Literatur

Studi literatur ini meliputi pengambilan teori-teori serta rumusan-rumus

dari beberapa sumber bacaan yang berkaitan dengan masalah yang sedang

3. Metode Pengolahan Data

Secara model regresi linier berganda dari data hasil pengamatan yang

terjadi akibat variabel X1,X2,X3,X4,...,Xk untuk populasi adalah :

Y = β0+ β1X1 + β2X2 + β3X3 + ... + βkXk + µ ; k = 1,2,3,...,n

Dengan Y merupakan pengamatan variabel takbebas. Xk merupakan

pengamatan variabel Bebas. β0 merupakan variabel Intersep dan

β0,β1,β2,β3X3,...,βkXk merupakan parameter koefisien regresi variabel bebas

yang nilainya tidak diketahui, sehingga nilainya diduga menggunakan

statistik sampel. µ merupakan error atau kesalahan yang tidak diketahui

harganya.

Model populasi regresi berganda dapat dicari dengan menggunakan

Metode Kuadrat Terkecil (Least Square Method). Prinsip metode kuadrat

terkecil ini adalah meminimumkan selisih kuadrat antara Y observasi dan Y

dugaan. Berikut ini adalah rumusnya :

Y = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk

Keterangan :

Y = variabel tak bebas (dependent variabel)

Xk = variabel bebas (independent variabel)

b0 = penduga bagi β0 intersep (titik potong)

bk = penduga bagi βk

Dalam penelitian ini variabel variabel tak bebas adalah bidan (X1),dokter

1.8 Lokasi dan WaktuPenelitian

Penelitian ini dilaksanakan di Badan Pusat Statistik (BPS) Medan. Pengambilan

data dilaksanakan selama 3 (tiga) kali terhitung dari tanggal 11 Maret, 19 Maret

sampai tanggal 03 April 2013 dengan cara mencatat langsung data Angka

Kematian Bayi Terhadap Penolong Kelahiran pada tahun 2011.

1.9Sistematika Penulisan

Adapun sistematika dalam penulisan ini adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Dalam bab ini diuraikan Latar Belakang, Rumusan Masalah, Tujuan

Penelitian, Batasan Masalah, Manfaat Penelitian, Tinjauan Pustaka,

Metodologi Penelitian, Lokasi dan Waktu Penelitian dan Sistematika

Penulis.

BAB 2 : LANDASAN TEORI

Pada bab ini menjelaskan tentang beberapa pengertian metode serta

teori-teori yang dipakai dalam mengolah data yaitu Regresi Linier

Ganda beserta aspek-aspeknya.

BAB 3 : SEJARAH SINGKAT TEMPAT RISET

Dalam bab ini menjelaskan tentang sejarah berdirinya Badan Pusat

BAB 4 : ANALISA DATA

Bab ini berisi tentang penganalisaan dan pengolahan data yang

diperoleh untuk melihat pengaruh faktor penolong kelahiran bayi yaitu

dokter, bidan dan dukun di Sumatera Utara, pengujian dilakukan

dengan metode yang telah ditentukan.

BAB 5 : IMPLEMENTASI SISTEM

Pada bab ini menjelaskan tentang program atau software yang dipakai

sebagai analisis terhadap data yang diperoleh.

BAB 6 : PENUTUP

Bab ini merupakan penutup yang akan memberikan beberapa

BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun

1886. Analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu

variabel takbebas (dependent variable) dengan satu atau lebih variabel bebas

(indefendent variable), dengan tujuan untuk mengestimasi dan/ atau memprediksi

rata-rata populasi atau nilai rata-rata variabel takbebas berdasarkan nilai variabel

bebas yang diketahui. Pusat perhatian adalah pada upaya menjelaskan dan

mengevalusi hubungan antara suatu variabel takbebas dengan satu atau lebih

variabel bebas.

2.2 Analisis Regresi Linier

Analisis regresi linier adalah analisa hubungan antara variabel bebas X dengan

variabel takbebas Y, yang merupakan persamaan penduga yang berguna untuk

menaksir/meramalkan variabel bebas. Untuk mempelajari hubungan-hubungan

antara beberapa variabel, analisis regresi linier terdiri dari dua bentukk, yaitu :

1. Analisis Regresi Sederhana (Simple analisis regresi)

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan model hubungan antara variabel tidak bebas

(sering simbolkan dengan Y) dan variabel bebas (disimbolkan dengan X). Regresi

linier sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu

pebuah takbebas Y. Dengan bentuk umum persamaan garis regresi linier

sederhana adalah:

Ŷ = a + bX (2.1)

Keterangan :

a = intercept (konstanta)

b = koefisien regresi = yang menunjukkan besarnya perubahan unit akibat

adanya perubahan tiap atau unit X.

X = variabel bebas

Ŷ = variabel takbebas

2.4 Regresi Linier Berganda

Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara

peubah respon (variabel dependen) dengan faktor-faktor yang mempengaruhi

lebih dari satu prediktor (variabel independen).

Regresi linier berganda hampir sama dengan regresi linier sederhana,

hanya saja pada regresi linier berganda variabel penduga (variabel bebas) lebih

dari satu variabel penduga (variabel bebas). Tujuan analisis regresi linier berganda

membuat prediksi perkiraan nilai Y atas nilai X. Secara umum model regresi

linier berganda untuk populasi adalah sebagai berikut:

Y = β0+ β1X1+ β2X2+ β3X3+ ... + βkXk + µ (2.2)

Keterangan :

Y = Pengamatan ke-i pada variabel takbebas

Xk = Pengamatan variabel Bebas

β0 = Parameter Intersep

β1,β2, β3,..., βk = Parameter Koefisien regresi variabel bebas

µ = Error atau kesalahan yang tidak diketahui harganya

Model regresi linier berganda untuk populasi diatas dapat ditaksir

berdasarkan sebuah sampel acak yang berukuran n dengan model regresi linier

berganda untuk sampel, yaitu:

Y = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk (2.3)

Keterangan :

Y = variabel tak bebas (dependent variabel)

Xk = variabel bebas (independent variabel)

Bentuk data yang akan diolah ditunjukkan pada tabel berikut ini :

Tabel 2.1 Bentuk Umum Data Observasi

2.5 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel takbebas (Y), tergantung kepada dua atau

lebih variabel bebas (X). Bentuk persamaan regresi linier berganda yang

mencakup dua atau lebih variabel dapat ditulis sebagai berikut:

Y = β0+ β1X1+ β2X2+ β3X3+ ... + βkXk + µ (2.4)

Untuk hal ini, penulis menggunakan regresi linier berganda tiga variabel,

yaitu satu variabel takbebas dan dua variabel bebas. Bentuk umum persamaan

regresi linier berganda tersebut adalah :

Y = b0 + b1X1 + b2X2 + b3X3 + ... + bkXk+ ei (2.5)

Keterangan :

n = ukuran sampel

ei = variabel kesalahan

Untuk rumus diatas, dapat diselesaikan dengan tiga variabel yang

berbentuk :

∑Yi = nb0 + b1∑X1i + b2∑X2i + b3∑X3i (2.6)

∑X1iYi = b0∑X1i + b1∑ + b2∑X1iX2i + b3∑X1iX3i (2.7)

∑X2iYi = b0∑X2i + b1∑X1iX2i + b2∑ + b3∑X2iX3i (2.8)

∑X3iYi = b0∑X3i + b1∑X1iX3i + b2∑X2iX3i + b3∑ (2.9)

Dengan b1, b2 adalah koefisien yang ditentukan berdasarkan data hasil

pengamatan. Untuk = − , = – , = – dan y = Y - ,

persamaan liniernya menjadi y = + + .

2.6 Koefisien Determinasi

Koefisien determinasi yang dinyatakan dengan R2 adalah salah satu nilai statistik

yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara

dua variabel yang ada dalam model persamaan regresi linier berganda secara

bersama-sama. Maka R2 akan ditentukan dengan rumus, yaitu :

R2 = (2.10)

Keterangan :

∑ = ∑ – (2.11)

Harga R2 yang diperoleh variansi yang dijelaskan masing-masing variabel

yang tinggal dalam regresi. Hal ini mengakibatkan variansi yang dijelaskan

penduga yang disebabkan oleh variabel yang berpengaruh saja.

2.7 Koefisien Korelasi

Koefisien korelasi merupakan ukuran kedua yang dapat digunakan untuk

mengetahui bagaimana keeratan hubungan antara variabel bebas dengan variabel

takbebas.

Nilai koefisien korelasi adalah -1 ≤ r ≤ 1. Jika dua variabel berkorelasi

negatif maka koefisien korelasi akan mendekati 0, sedangkan jika dua variabel

berkorelasi positif maka nilai koefisien korelai akan mendekati 1.

Untuk lebih memudahkan menetahui seberapa jauh derajat keeratan antara

variabel tersebut, dapat dilihat pada perumusan berikut :

-1,00 ≤ r ≤ -0,80 berarti berkorelasi kuat secara negatif

-0,79 -0,50 berarti berkorelasi sedang negatif

-0,49 ≤ r ≤ 0,49 berarti berkorelasi lemah

0,50 ≤ r ≤ 0,79 berarti berkorelasi sedang secara positif

Untuk hubungan lima variabel tersebut dapat dihitung dengan

menggunakan rumus sebagai berikut :

1. Koefisien Korelasi antara X1 dan Y

=

(2.12)

2. Koefisien Korelasi antara X2 dan Y

=

(2.13)

3. Koefisien Korelasi antara X3 dan Y

=

(2.14)

SEJARAH SINGKAT TEMPAT RISET

3.1Sejarah Singkat Badan Pusat Statistik (BPS)

3.1.1 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 Berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah

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

3.1.2 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.

3.1.3 Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik

ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan

yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia)

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 kementerian 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,

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, kementerian

Perekonomian dipecah menjadi kementerian Perdagangan dan kementerian

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 menteri.

3.1.4 Masa Orde Baru Sampai Sekarang

Dalam rangka perencanaan dan evaluasi pembangunan, maka untuk mendapatkan

statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan

pembenahan pada organisasi Badan 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

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 provinsi 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.

3.2 Visi dan Misi BPS (Badan Pusat Statistik) Provinsi Sumatera Utara

3.2.1 Visi

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai

Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi

informasi yang mutakhir.

3.2.2 Misi

Dalam menunjuk 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 Propinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai

struktur organisasi, karena perusahaan juga merupakan organisasi.Dimana

organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang

dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung

jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana

hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat

Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi

Sumatera Utara adalah berbentuk Lini dan staff

1. Bagian Tata Usaha/Kepegawaian

2. Bidang Statistik Produksi

3. Bidang Statistik Distribusi

4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik

BAB 4

PENGOLAHAN DATA

Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi

atau keterangan yang sering digunakan sebagai pengambilan keputusan untuk

dasar pembuatan keputusan-keputusan atau untuk memecahkan suatu persoalan.

Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut

didasrakan atas data yang baik.

Untuk membahas dan memecahkan masalah tentang Angka Kematian

Bayi seperti yang terlah diutarakan sebalumnya, penulis mengumpulkan data yang

berhubungan dengan permasalahan tersebut. Data yang dikumpulkan dari Badan

Pusat Statistik Propinsi Sumatera Utara adalah data mengenai Angka Kematian

Bayi Terhadap Penolong Kelahiran di Sumatera Utara, Penolong Kelahiran

diantaranya Dokter, Bidan dan Dukun. Adapun datanya yang telah diperoleh

Padang Lawas Utara 32,92 3,54 68,03 27,25

Padangsidempuan 26,08 12,45 84,44 3,11

Gunung Sitoli 9,04 13,61 65,22 17,73

Sumber : Badan Pusat Statistik

Catatan :

1. AKB : persen per tahun

4.1 Persamaan Regresi Linier Berganda

Untuk mencari persamaan regresi linier berganda, terlebih dahulu kita mengitung

koefisien-koefien regresi yang akan digunakan. Dengan koefisien-koefisien yang

linier bergandanya. Adapun nilai dari koefisien-koefisien yang di cari dengan

menggunakan Microsft axcel adalah sebagai berikut :

20,94 5,07 76,13 18,79 25,70 385,98 95,27 5795,78

18,36 1,42 93,11 5,47 2,02 132,22 7,77 8669,47

26,74 9,82 78,11 11,40 96,43 767,04 111,95 6101,17

13,06 1,94 36,03 55,74 3,76 69,90 108,14 1298,16

56,77 2,32 30,26 58,06 5,38 70,20 134,70 915,67

24,67 13,49 81,50 5,01 181,98 1099,44 67,58 6642,25

39,91 10,44 89,13 0,44 108,99 930,52 4,59 7944,16

7,49 18,85 81,15 0,00 355,32 1529,68 0,00 6585,32

11,29 7,89 87,81 0,00 62,25 692,82 0,00 7710,60

4,96 29,87 69,51 0,00 892,22 2076,26 0,00 4831,64

1,41 14,00 86,00 0,00 196,00 1204,00 0,00 7396,00

26,08 12,45 84,44 3,11 155,00 1051,28 38,72 7130,11

Sambungan Tabel 4.2 dari Perhitungan Nilai-nilai Koefisien Tabel diatas

1684,01 1112,89 5188,32 1072,53 3636,07 2402,92

2008,31 3106,95 170,56 25,34 470,55 727,96

Dari tabel 4.2 didapat jumlah nilai-nilai koefisien sebagai berikut :

∑Y ∑X1 ∑X2 ∑X3 ∑

714,88 328,37 2381,20 537,97 4477,67

∑X1X2 ∑X1X3 ∑ ∑X2X3 ∑

24830,04 3215,28 181866,16 28742,28 19885,08

∑ ∑X1Y ∑X2Y ∑X3Y ∑n

Dari data diatas didapat persamaan

∑Yi = b0n + b1i∑X1i + b2i∑X2i + b3i∑X3i (4.1)

∑X1iYi = b0∑X1i + b1i∑ + b2i∑X1iX2i + b3i∑X1iX3i (4.2)

∑X2iYi = b0∑X2i + b1i∑X1iX2i + b2i∑ + b3i∑X2iX3i (4.3)

∑X3iYi = b0∑X3i + b1i∑X1iX3i + b2i∑X2iX3i + b3i∑ (4.4)

Dengan persamaan diatas dapat kita subsitusikan nilai-nilai yang bersesuaian,

sehingga diperoleh persamaan :

714,88 = b0 33 + b1 328,37 + b2 2381,20 + b3 537,97

6288,80 = b0 328,37 + b1 4477,67 + b2 24830,04 + b3 3215,28

48469,65 = b0 2381,20 + b1 24830,04 + b2 181866,16 + b3 28742,28

15433,45 = b0 537,97 + b1 3215,28 + b2 28742,28 + b3 19885,08

Dengan mensubstitusikan persamaan diatas secara manual, diperoleh hasil sebagai

berikut :

b0 = -187,86

b1 = 1,94

b2 = 2,05

b3 = 2,57

Sehingga diperoleh persamaan regresinya:

Ŷ = b0 + b1X1i + b2X2i + b3X3i (4.5)

4.2 Analisis Residu

Setelah didapat persamaan regresinya, maka untuk mengetahui seberapa besar

pengaruh penolong kelahiran dengan angka kematian bayi yang diperkirakan,

maka dapat dihitung dengan mencari koefisien-koefisien dari Analisis Residunya

sebagai berikut :

Tabel 4.3 Penyimpangan Nilai Koefisien

32,92 28,50 4,42 19,52

Sehingga kesalahan bakunya dapat di hitung dengan menggunakan rumus :

= 15,04

Dengan perhitungan yang didapat, nilai penyimpangannya = 15,04 orang

kematian bayi, ini berarti bahwa rata-rata angka kematian bayi yang sebenarnya

akan menyimpang dari rata-rata angka kematian bayi di Sumatera Utara yang

diperkirakan sebasar 15,04 orang kematian bayi.

4.3 Pengujian Regresi Linier Berganda

Uji linearitas digunakan untuk menguji kepastian dari persamaan regresi

H0 : b1 = 0, tidak ada hubungan antara angka kematian bayi dengan dokter, bidan

dan dukun sebagai penolong kelahiran.

H1 : b1 ≠ 0 , ada hubungan antara angka kematian bayi dengan dokter, bidan dan

dukun sebagai penolong kelahiran.

Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (V1) = k = 3 dan

dk penyebut (V2) = n-k-1 = 29.

H0 diterima jika Fhitung ≤ Ftabel

H0 ditolak jika Fhitung > Ftabel

F

hitung

=

-14,17 8,90 8,99 -16,30 200,79 79,21 80,82 265,69

Sambungan Tabel 4.4 Pengujian Regresi Linier Berganda

Sehingga :

JKreg = ∑ + ∑ + ∑

= 1,94(-824,7) + 2,05(-3114,4) + 2,57(3779,4)

= 1728,62

JKres =

= 6563,67

Jadi Fhitung dapat dicari dengan :

Fhitung

=

=

= 2,55

Dari tabel distribusi Ftabel untuk dk pembilang (k) = 3 dk penyebut (n-k-1)

= 29, dan α yang digunakan = 0,05, diperoleh Ftabel = 2,93.

Karena Ftabel lebih besar daripada Fhitung maka H0 diterima dan H1 ditolak.

Hal ini berarti antara angka kematian bayi terhadap Dokter, Bidan maupun Dukun

sebagai penolong kelahiran tidak ada hubungan atau tidak mempengaruhi angka

4.4 Koefisien Determinasi

∑y2

= 8294,32

JKreg = 1728,62

Maka akan diperoleh koefisien determinasi dengan rumus :

R2 =

=

= 0,21

Dan untuk koefisien korelasi ganda digunakan rumus :

R =

=

= 0,46

Dari hasil perhitungan diatas diperoleh koefisien determinasinya sebesar

0,21 dan dari nilai akarnya diperoleh koefisien korelasinya sebesar 0,46. Nilai ini

digunakan untuk mnegetahui pengaruh variabel independent terhadap perubahan

variabel dependent. Artinya 46% Angka Kematian Bayi dipengaruhi oleh Dokter,

Bidan, dan Dukun sebagai Penolong Kelahiran di Sumatera Utara. Sedangkan

4.6 Koefisien Korelasi

Untuk mengukur seberapa besar pengaruh antara variabel bebas dengan variabel

takbebas, dapat dilihat dari besarnya koefisien korelasinya, sebagai berikut:

1. Koefisien korelasi antara Angka Kematian Bayi dengan Dokter sebagai

Penolong Kelahiran

=

–

–

=

=

=

= -0,26

Dari hasil yang didapat, menunjukkan korelasi lemah antara angka kematian

bayi dengan dokter sebagai penolong kelahiran di Sumatera Utara.

2. Koefisien korelasi antara Angka Kematian Bayi dengan Bidan sebagai

Penolong Kelahiran

=

=

=

= -0,34

Hasil ini menunjukkan bahwa antara angka kematian bayi dengan bidan

sebagai penolong kelahiran di Sumatera Utara berkorelasi lemah.

3. Koefisien korelasi antara Angka Kematian Bayi dengan Dukun sebagai

Penolong Kelahiran

=

=

–

=

=

= 0,39

Hasil ini menunjukkan bahwa antara angka kematian bayi dengan dukun sebagai

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah tahapan penerapan hasil desain tertulis ke dalam

programming dengan menggunakan perangkat lunak (software) sebagai

implementasi ataupun prosedur untuk menyelesaikan desain sistem. Adapun

implementasi sistem yang digunakan adalah SPSS (Statistical Product and

Service Solution) 17.0 for windows.

Tahapan implementsi sistem harus dapat menentukan basis apa yang akan

diterapkan dalam menampilkan hasil desain tertulis sehingga sistem yang

dibentuk memiliki kelebihan – kelebihan tersendiri.

5.2 Sekilas Tentang Program SPSS

SPSS merupakan salah satu paket program komputer yang digunakan dalam

mengolah data statistik. Banyak program lain yang juga dapat digunakan untuk

olah data statistik, misalnya Microstat, SAS, Statistica, SPS-2000 dan lain-lain,

SPSS merupakan software yang paling populer, dan banyak digunakan

sebagai alat bantu dalam berbagai macam riset, sehingga program ini paling

banyak digunakan di seluruh dunia. Saat ini Amerika Serikat saja diperkirakan

lebih dari 250.000 perusahaan menggunakan SPSS sebagai alat bantu dalam

pengambilan keputusan yang strategis bagi perusahaan.

SPSS pertama kali diperkenalkan oleh tiga mahasiswa Stanford University

pada 1968. Tahun 1984 SPSS sebagai software muncul dengan nama SPSS/PC+

dengan sistem Dos. Lalu sejak tahun 1992 SPSS mengeluarkan versi Windows.

SPSS dengan sistem Windows ini telah mengeluarkan software dengan beberapa

versi, antara lain SPSS for Windows versi 6, SPSS for Windows versi 7.5, SPSS

for Windows versi10.01, SPSS for windows versi 11.5, versi 12, versi 13, versi

14, versi 15, versi 16 dan SPSS for Windows versi 17.0.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada

ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the

Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS

diperluas untuk berbagai jenis user, misalnya untuk proses produksi untuk

perusahaan, riset ilmu-ilmu sain dan sebagainya. Sehingga SPSS yang

sebelumnya singkatan dari Statistical Package for the Social Sciences berubah

5.3 Mengaktifkan SPSS

1. Klik tombol start pada windows, kemudian klik program, lalu klik SPSS.

Selain cara itu, bisa diaktifkan melalui icon shortcut pada tampilan

dekstop.

Gambar 5.1 Mengaktifkan SPSS

2. Akan muncul tampilan SPSS dengan command window pada layar bagian

atas yang terdiri dari : File, Edit, View, Data, Transform, Analyze, Graphs,

Utilities, Add-ons, window, dan Help. Bagian bawah terdiri dari Data View

Gambar 5.2 Worksheet

5.4 Input Data pada Worksheet

Langkah-langkah untuk menginput data pada worksheet SPSS adalah sebagai

berikut :

1. Klik File

2. Klik New

3. Klik Data sehingga muncul Data Editor

4. Klik Command window bagian bawah yaitu Variable View. Variable view berisi beberapa menu pilihan, yaitu sebagai berikut :

b. Kolom Type : jika data berupa angka, maka perintah yang diaktifkan adalah Numeric. Namun jika data yang dimasukkan berupa

kata atau huruf, maka perintah yang diaktifkan adalah String.

c. Kolom Widht : jika data berupa huruf dengan perintah String, maka perlu diisi jumlah karakter huruf, namun jika data berupa angka

maka dapat diabaikan.

d. Kolom Decimal : dapat diisi apabila data pada kolom tersebut bertipe numeric saja.

e. Kolom Label : untuk memberi penjelasan nama variabel.

f. Kolom Values : digunakan untuk memberi value variabel untuk data tipe nominal atau ordinal. Misalnya 1 = tidak suka, 2 = suka, 3 =

sangat suka.

g. Kolom Missing : digunakan apabila dalam data yang akan diolah terdapat data-data yang hilang atau tidak ada. Maksudnya apabila

dalam suatu file data terdapat data yang tidak tercatat dikarenakan

sesuatu hal.

h. Kolom Colums : untuk menentukan lebar kolom pada kolom data di halaman Data View.

i. Kolom Align : untuk menentukan letak data, terdiri dari Left, Right dan Center

j. Kolom Measure : menunjukkan jenis pengukuran data apakah tipe data skala, nominal atau ordinal.

5. Klik baris 1 Name, isi dengan nama variable yang sesuai. Misalnya baris 1

6. Klik baris 1 , 2, 3, dan 4 pada kolom Type pilih numeric karena data yang

dimasukkan berupa angka. Sedangkan pada baris 1, 2, 3, dan 4 kolom

Label, isi dengan kepanjangan (nama asli) nama Variable secara utuh.

Misalnya, baris 1 label diisi dengan Angka Kematian Bayi , baris 2 Label

diisi dengan Dokter, baris 3 label diisi dengan Bidan dan Baris 4 label diisi

dengan Dukun.

7. Klik Command Window bagian bawah dimana tertulis Data View.

8. Masukkan data sesuai jumlah dan nama variable tertera pada

masing-masing kolom worksheet.

9. Data siap diolah sesuai kebutuhan

Gambar 5.3 Layar Kerja Variabel View

5.5 Pengisian Data

1. Aktifkan jendela data dengan mengklik data view pada bagian bawah sudut kiri jendela editor.

Gambar 5.4 Layar Data yang akan diolah

5.6 Pengolahan Data dengan Persamaan Regresi

1. Tampilkan file yang akan ditentukan oleh persamaan regresi pada jendela

editor yang tampak.

2. Klik menu Analyze

→

Regression

→

Linier, akan muncul seperti gambar berikut ini:

3. Setelah muncul kotak dialog Linear Regression, kemudian sorot variabel takbebas dan pindahkan ke kotak Dependent, demikian juga dengan variabel bebas pindahkan ke kotak Independent. Seperti gambar dibawah ini :

Gambar 5.6 Kotak Dialog Linear Regression

Gambar 5.7 Kotak Dialog Linier Regression Statistic

5. Kemudian klik Plots pada kolom kiri tersebut, lalu aktifkan Produce All Partial Plots, kemudian Klik continue, lalu klik OK.

5.7 Pengolahan Data dengan Persamaan Korelasi

Langkah-langkah uji korelasi dengan SPSS, setelah langkah-langkah data

terpenuhi, maka cara pengujian korelasi dapat dilakukan dengan langkah-langkah

sebagai berikut :

1. Klik Analyze, kemudian pilih submenu Correlate, kemudian pilih

Bivariate.

Gambar 5. 9 Analyze Data Correlation

2. Setelah muncul kotak dialog, kemudian sorot variabel-variabel yang

akan ditentukan korelasinya dan pindahkan ke kotak Variables.

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Setelah dilakukan analisis, maka dapat diambil beberapa kesimpulan antara lain :

1. Ternyata dari ketiga variabel yaitu Dokter, Bidan, dan Dukun sebagai

penolong kelahiran tidak berpengaruh yang nyata terhadap penurunan

Angka Kematian Bayi di Sumatera Utara.

2. Dari hasil perhitungan diperoleh bahwa persamaan penduga jumlah total

angka kematian bayi yang dipengaruhi oleh beberapa faktor terhadap

penolong kelahiran penduganya adalah :

Ŷ = -187,86 + 1,94 X1 + 2,05 X2 + 2,57 X3

b0 = -187,86, berarti bahwa jika penolong kelahiran dokter, bidan dan

dukun sama dengan nol, maka rata-rata angka kematian bayi adalah

sebesar -187,86. b1 = 1,94, Yang berarti bahwa jika jumlah penolong

kelahiran dokter dengan angka kematian bayi tetap maka kenaikan satu

orang jumlah dokter akan menaikkan jumlah angka kematian bayi sebesar

1,94. b2 = 2,05, hal ini berarti bahwa jika jumlah penolong kelahiran bidan

dengan angka kematian bayi tetap, maka kenaikan satu jumlah orang bidan

berarti bahwa jika jumlah penolong kelahiran dukun dengan angka

kematian bayi tetap, maka kenaikan satu jumlah orang bidan akan

bertambah jumlah kematian bayi sebesar 2,57.

3. Dari hasil perhitungan yang telah dilakukan sebelumnya diperoleh

koefisien determinasinya sebesar 0,21 dan dari nilai akarnya diperoleh

koefisien korelasinya sebesar 0,46. Nilai ini digunakan untuk mnegetahui

pengaruh variabel independent terhadap perubahan variabel dependent.

Artinya Sekitar 46% Angka Kematian Bayi dipengaruhi oleh Dokter,

Bidan, dan Dukun sebagai Penolong Kelahiran di Sumatera Utara.

Sedangkan 54% lainnya dipengaruhi oleh faktor-faktor lain

4. Dari tabel distribusi F dengan dk pembilang (k) = 3 dk penyebut (n-k-1) =

29, dan α = 0,05, diperoleh Ftabel = 2,93. Karena Ftabel lebih besar daripada

Fhitung maka H0 diterima dan H1 ditolak. Hal ini berarti antara angka

kematian bayi terhadap Dokter, Bidan maupun Dukun sebagai penolong

kelahiran tidak ada hubungan atau tidak mempengaruhi angka kematian

bayi.

5. Korelasi antara jumlah angka kematian bayi terhadap penolong kelahiran

dengan dukun merupakan korelasi lemah positif, sedangkan korelasi

6.2 Saran

Dari analisis dan kesimpulan yang telah didapat ada beberapa saran yang mungkin

bisa membantu menekan Angka Kematian Bayi sebagai berikut :

1. Untuk menekan angka kematian bayi pemerintah harus mengirim dan

menyebarkan dokter dan bidan keseluruh daerah, terutama daerah

pedalaman dalam jumlah yang dibutuhkan.

2. Diharapkan kepada kantor Badan Pusat Statistik agar dapat

mengumpulkan data khususnya data mengenai angka kematian bayi yang

Andi Supangkat. 2007. Statistika: Dalam Kajian Deskriptif, Inferensi, dan

Nonparametrik. Edisi Pertama. Jakarta: Kencana

Anto Dajan. 1991. Pengantar Metode Statistik. Jilid 2. Jakarta: Erlangga

Duwi Priyatno. 2009. SPSS: Untuk Analisis Korelasi, Regresi, dan Multivariate. Edisi

Pertama. Yogyakarta: Gava Media

Hakim, M. Iqbal. 1999. Pokok – Pokok Materi Statistik 2. Jakarta: Bumi Aksara

Hartono. 2008. SPSS 16.0: Analisis Data Statistika dan Penelitian. Edisi kedua.

Yogyakarta: Pustaka Pelajar

Ida Bagoes Mantra. 2009. Demografi Umum. Edisi Kedua. Yogyakarta: Pustaka

Pelajar

Iswardono Sp. 1981. Sekelumit: Analisa Regresi dan Korelasi. Edisi Pertama.

Yogyakarta: Fakultas Ekonomi, UGM

J.Supranto. 1991. Statistik Teori dan Aplikasi. Jilid 2. Jakarta: Erlangga

Sudjana. 1992. Metode Statistika. Bandung: Tarsito

Yamin, Sofyan dkk. 2010. Regresi dan Korelasi dalam Genggaman Anda. Jakarta:

Salemba Empat.

DEPARTEMEN MATEMATIKA PROGRAM STUDI D3 STATISTIKA

Jl. Bioteknologi No. 1 Kampus USU Medan Telp.(061)8211050 Fax.(061)8214290 Medan 20155

Medan, Maret 2013 Nomor : /UN5.2.1.8.1.3/SPB/2012

Lampiran : 1 Lembar

Hal : Pengumpulan Data Riset Mahasiswi Program Studi Diploma III Statistika Departemen Matematika FMIPA USU

Kepada Yth : Bapak Pimpinan

BADAN PUSAT STATISTIK (BPS) SUMATERA UTARA

Jl. Asrama No. 179 Medan

Dengan hormat,

Bersama dengan ini kami memohon kesediaan Bapak/Ibu pimpinan untuk menerima mahasiswi Program Studi Diploma III Statistika FMIPA USU Medan, untuk mengadakan penelitian data dikantor Badan Pusat Statistik, atas nama :

Nama NIM Program Studi

NURAZIZAH MANURUNG 102407020 D3 Statistika

Data yang akan diteliti khusus dipergunakan untuk menyusun Tugas Akhir mahasiswi yang bersangkutan pada Program Studi Diploma III Statistika FMIPA USU.

Demikian hal ini kami sampaikan, atas perhatian dan kerja sama yang baik kami ucapkan terima kasih.

Jl. Bioteknologi No. 1 Kampus USU MedanTelp.(061)8211050 Fax.(061)8214290, Medan 20155

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama : Nurazizah Manurung

NIM : 102407020

Judul Tugas Akhir : Analisis Faktor Angka Kematian Bayi terhadap Penolong Kelahiran di Sumatera Utara

Dosen Pembimbing : Drs. Suwarno Ariswoyo, M.Si

Tanggal Mulai Bimbingan : Tanggal Selesai Bimbingan :

No Tanggal Asistensi

Jl. Bioteknologi No. 1 Kampus USU MedanTelp.(061)8211050 Fax.(061)8214290, Medan 20155

SURAT KETERANGAN

Hasil Uji Program Tugas Akhir

Yang Bertanda tangan di bawah ini menerangkan bahwa Mahasiswa Tugas Akhir Progam D3 Statistika:

Nama : Nurazizah Manurung

NIM : 102407020 Pogram Studi : D3 Statistika Judul Tugas Akhir : Analisis Faktor Angka Kematian Bayi terhadap Penolong

Kelahiran di Sumatera Utara

Telah melakukan test program Tugas Akhir mahasiswa tersebut di atas pada tanggal

Dengan Hasil: Sukses / Gagal

Demikian diterangkan untuk digunakan melengkapi syarat pendaftaran Ujian Meja Hijau Tugas Akhir Mahasiswa bersangkutan di Jurusan D3 Statistika FMIPA USU Medan.

Medan, Juli 2013

Dosen Pembimbing

Drs. Suwarno Ariswoyo, M.Si