Analisa Pengaruh Pasangan Usia Subur Dan Pengguna Alat/Cara Kb Terhadap Angka Kelahiran Di Kabupaten Tapanuli Utara Tahun 1995-2009

(1)

ANALISA PENGARUH PASANGAN USIA SUBUR DAN

PENGGUNA ALAT/CARA KB TERHADAP

ANGKA KELAHIRAN DI KABUPATEN

TAPANULI UTARA TAHUN

1995-2009

TUGAS AKHIR

MARIA SRI WAHYUNI SITANGGANG

082407100

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

ANALISA PENGARUH PASANGAN USIA SUBUR DAN

1995-2009

TUGAS AKHIR

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mencapai gelar Ahli Madya

MARIA SRI WAHYUNI SITANGGANG

082407100

PROGRAM STUDI DIPLOMA III STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

PERNYATAAN

ANALISA PENGARUH PASANGAN USIA SUBUR DAN

1995-2009

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 2011

(4)

PENGHARGAAN

Sekarang, ya Allah kami, kami bersyukur kepada-Mu dan memuji nama-Mu yang agung itu. Segala puji dan hormat hanya bagi Tuhan Allah Yang Maha Esa yang mengizinkan penulis untuk menyelesaikan tugas akhir ini.

(5)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar isi vi

Daftar Tabel vii

Daftar Gambar BAB 1 PENDAHULUAN 1

1.1 Latar belakang 5

1.2 Rumusan masalah 5

1.3 Batasan masalah 5

1.4 Tujuan penelitian 6

1.5 Manfaat penelitian 6

1.6 Metode penellitian 7

1.7 Sistematika penulisan BAB 2 LANDASAN TEORI 9

2.1 Analisa regresi 9

2.2Regresi linier sederhana 10

2.3Regresi linear berganda 11

2.4 Uji keberartian regresi linear 12

2.5 Uji koefisien regresi linier ganda 13

2.6 Analisa korelasi 14

2.7 Koefisien korelasi 14

BAB 3 GAMBARAN UMUM 17

3.1 Sejarah Singkat Kabupaten Tapanuli Utara 17

3.2 Letak geografis 20

3.3Luas wilayah 21

3.4 Penduduk kabupaten Tapanuli Utara 21

3.5 Kesehatan dan keluarga berencana 22

BAB 4 ANALISIS DATA 24

4.1 Pengolahan data 24

4.2 Membentuk persamaan linier berganda 25

4.3 Uji keberartian regresi 31

4.4 Koefisien determinasi 36

4.5 Koefisien korelasi 37

(6)

4.5.2 Perhitungan Korelasi Antara Variabel Bebas 38

4.6 Uji koefisien regresi linier ganda 39

BAB 5 IMPLEMENTASI SISTEM 42

5.1 Pengertian Implementasi Sistem 42

5.2Sekilas tentang program SPSS 42

5.3Pengolahan data dengan SPSS 43

5.4Pengolahan data dengan persamaan regresi 49

5.5 Pengolahan data dengan persamaan korelasi 52

5.6 Hasil pengolahan data dalam SPSS BAB 6 KESIMPULAN DAN SARAN 60

6.1 Kesimpulan 60

6.2 Saran 61

DAFTAR PUSTAKA

(7)

DAFTAR TABEL

Halaman

Tabel 2.1 Koefisien Korelasi yang Telah Diinterpretasikan 16

Tabel 4.1 Angka Kelahiran Total (TFR), Jumlah Pasangan Usia Subur (PUS) dan Pengguna Alat/cara KB tahun 1995-2009 di kabupaten Tapanuli Utara 24

Tabel 4.2 Harga-harga yang Diperlukan untuk menentukan a0, a1, dan a2 26

Tabel 4.3 Harga ^ Y untuk Uji Regresi 33

Tabel 5.1 Descriptive Statistics 54 Tabel 5.2 Correlations 54 Tabel 5.3 Variables Entered/Removedb 54 Tabel 5.4 Model Summaryb 54 Tabel 5.5 ANOVAb 54

Tabel 5.6 Coefficientsa 54

Tabel 5.7 Casewise Diagnosticsa 56

(8)

DAFTAR GAMBAR

Halaman

Gambar 3.1 Peta Kabupaten Tapanuli Utara 20

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0 44

Gambar 5.2 Kotak Dialog SPSS for windows 45

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS 46 Gambar 5.4 Tampilan Jendela Pengisian Variabel View 48 Gambar 5.5 Tampilan Jendela Pengisian Data View 49

Gambar 5.6 Kotak Dialog Linier Regression 50

(9)

Daftar Grafik

Halaman

Grafik 5.1 Histogram 58

Grafik 5.2 Scatterplot 1 59

(10)

BAB I

PENDAHULUAN

1.1Latar belakang

(11)

Pada hakekatnya pertumbuhan penduduk Indonesia dipengaruhi oleh tiga faktor utama yaitu tingkat kelahiran (fertilisasi), tingkat kematian (mortalitas), dan migrasi. Dalam skala makro dan nasional pengaruh migrasi dapat dikatakan nihil tetapi tingkat kelahiran dan kematian sangat besar pengaruhnya bagi laju pertumbuhan penduduk.

Seperti yang diuraikan di atas salah satu pengaruh laju pertumbuhan penduduk adalah fertilisasi. Fertilisasi adalah jumlah anak lahir hidup dan lebih dihitung untuk wanita karena wanitalah yang melahirkan anak. Suatu kelahiran disebut dengan lahir hidup apabila waktu lahir terdapat tanda kehidupan dan apabila tidak ada tanda-tanda kehidupan disebut lahir mati yang dalam demografi tidak dianggap sebagai suatu peristiwa kelahiran. Untuk mengurangi laju pertumbuhan penduduk harus dilakukan penurunan, pengendalian fertilisasi. Hal ini disebabkan sangat berpengaruh terhadap kesejahteraan penduduk yang merupakan tujuan penting yang harus dicapai oleh setiap negara. Untuk mencapai tujuan tersebut maka pemerintah berusaha membuat kebijakan-kebijakan penting dan berusaha memenuhi sarana dan fasilitas yang menunjang kesejahteraan penduduk.

(12)

”Agar pembangunan ekonomi dan peningkatan kedejahteraan rakyat dapat

terlaksana dengan cepat, harus dibarengi dengan pengaturan pertumbuhan jumlah

penduduk melalui program keluarga berencana, yang mutlak harus dilaksanakan

dengan berhasil, karena kegagalan keluarga berencana akan mengakibatkan hasil

usaha pembangunan menjadi tidak berarti dan dapat membahayakan generasi yang

akan datang”.

Bertolak dari pemikiran tersebut maka ditetapkan bahwa tujuan program keluarga berencana di Indonesia adalah mewujudkan keluarga kecil yang bahagia dan sejahtera yang merupakan Sumber Daya Manusia dengan mengendalikan kelahiran dalam rangka menjamin terkendalinya pertumbuhan penduduk Indonesia (David Lucas, 1995).

(13)

melahirkan banyak anak dan apabila usia kawin yang lebih tua yang dapat mempengaruhi fertilitas secara langsung maupun tidak langsung, pengaruh langsung adalah makin singkatnya wanita mengalami risiko melahirkan anak; pengaruh tidak langsung dapat merupakan penurunan fertilitas yang disebabkan sikap-sikap itu baru terhadap perkawinan dan keluarga. Sikap-sikap baru ini dapat menyebabkan seorang wanita kawin pada umur yang lebih tua dan mungkin juga menyebabkan pembatasan kelahiran dikarenakan risiko untuk melahirkan terlalu besar (Algiers Rachim, 1990).

Kebijakan-kebijakan yang telah dilakukan pemerintah harus diikutsertakan dengan peran serta masyarakat untuk mendukung tujuan tersebut. Sehingga pengetahuan tentang kependudukan sangat penting untuk merangsang timbulnya kesadaran dan membina tingkah laku yang bertanggungjawab sehingga masalah-masalah yang ada dapat diatasi dengan penuh perhatian dan memungkinkan setiap masalah dapat dicegah dan dihindari. Kesadaran masyarakat dan perhatian untuk ikut serta dalam mewujudkan kesadaran masyarakat dapat menanggulangi masalah pertumbuhan penduduk.

Berdasarkan uraian diatas penulis ingin mengetahui respon masyarakat dalam penurunan fertilitas. Dan sejauh manakah pengaruh pasangan subur dan penggunaan alat/cara KB terhadap angka kelahiran sehingga dapat menekan angka pertumbuhan penduduk agar dapat meningkatkan kesejahteraan rakyat seperti yang tertulis dalm pembukaan UUD 1945. Untuk itu penulis mengambil judul tulisan

”ANALISA PENGARUH PASANGAN USIA SUBUR DAN PENGGUNA

ALAT/CARA KB TERHADAP ANGKA KELAHIRAN DI KABUPATEN

(14)

1.2 Rumusan masalah

Sebagai rumusan masalah yang akan di analisis dalam penelitian ini adalah sebagai berikut :

1. Apakah jumlah pasangan usia subur (PUS) dan jumlah pengguna alat/cara KB memiliki hubungan yang signifikan terhadap angka kelahiran di kabupaten Tapanuli Utara ?

2. Apakah jumlah pasangan usia subur (PUS) dan jumlah pengguna alat/cara memiliki pengaruh yang besar terhadap angka kelahiran di kabupaten Tapanuli Utara?

3. Variabel manakah yang lebih mempengaruhi angka kelahiran di kabupaten Tapanuli Utara?

1.3 Batasan masalah

Untuk memperjelas dan untuk lebih memudahkan penelitian ini agar tidak menyimpang dari sasaran yang dituju, penulis hanya meneliti pengaruh jumlah pasangan usia subur (PUS) dan jumlah pengguna alat/cara KB terhadap angka kelahiran di kabupaten Tapanuli Utara diluar faktor lain yang mungkin mempengaruhi. Metode analisa data dengan menggunakan Metode Regresi Berganda. Data kuantitatif yang digunakan adalah data angka kelahiran, jumlah pasangan usia subur (PUS ), dan jumlah pengguna alat/cara di kabupaten Tapanuli Utara tahun 1995-2009.

1.4 Tujuan penelitian

(15)

1.5 Manfaat penelitian

Adapun yang menjadi manfaat penelitian ini adalah :

1. Dapat menuangkan ilmu dan mengaplikasikan teori-teori statistika yang diperoleh penulis selama kuliah untuk menyelesaikan permasalahan yang sedang diteliti.

2. Penelitian ini bermanfaat bagi penulis yaitu memperluas dan memperdalam pemahaman penulis dalam bidang statistika, serta melatih penulis dalam membuat sebuah karya ilmiah, dan melalui penelitian ini penulis dibiasakan untuk lebih banyak membaca.

3. Penelitian ini diharapkan menjadi salah satu pendukung dalam pengembangan dari teori-teori yang ada.

1. 6 Metode penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah : a. Lokasi Penelitian

Untuk mempermudah penelitian ini, peneliti mengadakan penelitian dan pengumpulan data pada Kantor Badan Pusat Statistik (BPS) Provinsi Sumatera Utara, di jalan Asrama no.179 Medan. Kemudian penelitian dilanjutkan di perpustakaan USU dan perpustakaan FMIPA USU untuk mencari buku penunjang untuk keperluan menganalisis data dan menyelesaikan tugas akhir ini.

b. Studi Kepustakaan (Library Research)

(16)

buku-buku, jurnal-jurnal ataupun sumber terbitan lainnya dan bahan-bahan yang bersifat teoritis yang mendukung serta relevan dengan penulisan tugas akhir ini.

c. Metode Pengumpulan Data

Metode pengumpulan data untuk keperluan penelitian ini dilakukan penulis dengan mengumpulkan data sekunder dari Badan Pusat Statistik (BPS) provinsi Sumatera Utara. Pengumpulan data yang diambil melalui data sekunder. Data sekunder adalah data yang dikumpulkan, diperoleh dari sumber-sumber yang tercetak, dimana data tersebut telah dikumpulkan oleh pihak lain sebelumnya. Sumber data sekunder adalah buku, laporan perusahaan, jurnal, internet dan lain sebagainya. Dalam hal ini penulis merangkum data berdasarkan data yang telah tersedia atau disusun oleh BPS. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.7 Sistematika penulisan

Dalam penyusunan tugas akhir ini penulis membagi menjadi enam bab dimana masing-masing bab terdiri dari sub-sub bab. Adapun sistematika penulisannya adalah sebagai berikut :

BAB 1 : PENDAHULUAN

(17)

BAB 2 : LANDASAN TEORI

Bab ini menguraiakan tentang konsep dan defenisi tentang analisis regresi berganda dan analisis korelasi.

BAB 3 : GAMBARAN UMUM

Bab ini menguraiakan tentang gambaran umum kabupaten Tapanuli Utara.

BAB 4 : ANALISIS DATA

Bab ini merupakan bab yang berisikan mengenai proses pembentukan analisis linier berganda dan analisis korelasi yang digunakan dalam penelitian ini.

BAB 5 : IMPLEMENTASI SISTEM

Dalam bab ini penulis menjelaskan pengertian dan tujuan implementasi sistem, rancangan program yang dipakai dan hasil outputnya.

BAB 6 : KESIMPULAN DAN SARAN

(18)

BAB 2

LANDASAN TEORI

2.1 Analisa regresi

Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Galton melakukan studi tentang kecenderungan tinggi badan anak. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut (Alfigari, 2000).

Menurut Mason, pengertian dari analisis regresi adalah suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua variabel atau lebih yaitu variabel bebas dan variabel terikat.

(19)

Untuk mempelajari hubungan-hubungan antara beberapa variabel, analisi regresi dapat dilihat dari dua bentuk yaitu :

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

2.2 Regresi linier sederhana

Regresi linier sederhana merupakan suatu prosedur untuk menunjukkan dua hubungan matematis dalam bentuk persamaan antara dua variabel, yaitu variabel X sebagai variabel bebas (variable independent) dan variabel Y sebagai variabel terikat (variable dependent).

Bentuk umum persamaan linier sederhana adalah :

Ŷ = a +bX

Dimana :

Ŷ = Variabel terikat

a = Parameter intersep (garis potong kurva terhadap sumbu Y)

b = Koefisien regresi (kemiringan atau slop kurva linear) X = Variabel bebas

(20)

2.3Regresi linear berganda

Regresi linear berganda suatu linear yang menjelaskan ada tidaknya suatu hubungan fungisional dan meramalkan pengaruh dua variabel independen (X) atau lebih terhadap variabel dependent (Y). Dalam analisa berganda, akan digunakan X yang menggambarkan seluruh variabel yang termasuk di dalam analisa dan variabel dependen. Bentuk umum persamaan regresi linear berganda adalah sebagai berikut :

Ŷ= a0 + a1 x1 +a2 x2 + a3 x3 + …+ ak xk

Dimana :

Ŷ = Nilai estimasi Y

a0

= Nilai Y pada perpotongan (intersep) antara garis linear dengan sumbu vertikal Y atau disebut konstanta

a1, a2, a3

= Koefisien variabel bebas

x1 x2 x3

= Variabel bebas

Untuk mengetahui nilai koefisien

ao, a1, a2 … ak

diperlukan n buah pasangan

data (

x1, x2, x3… xk,

Y) yang didapat dari pengamatan. Untuk regresi linear berganda

dengan variabel bebas dapat ditaksir oleh Ŷ =

a0

+ a1 x1i + a2 x2i

.Untuk mengetahui

(21)

2.4 Uji keberartian regresi linear

Uji keberartian digunakan untuk mengetahui apakah sekelompok variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel terikat. Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan adalah dengan mengunakan uji F. Rumus yang digunakan untuk menentukan Fhitung dapat

dinyatakan sebagai berikut :

1. Dengan JKreg (Jumlah Kuadrat Regresi)

Dimana :

Dengan derajat kebebasannya(dk) adalah k.

2. JKres(Jumlah Kuadrat Residu)

Dengan derajat kebebasan n-k-1

(22)

H1 : Minimal satu parameter koefisien regresi tidak sama dengan nol 2. Menentukan derajat kebebasan (α) yang diinginkan

3. Menentukan uji statistik dalam hal penulisan ini digunakan uji F 4. Tentukan daerah tolak atau criteria pengujian yaitu :

Terima H0 apabila Fhitung ≤ Ftabel Tolak H0 apabila Fhitung>Ftabel

2.5 Uji koefisien regresi linier ganda

1. Menentukan formula hipotesis

Ho : an = 0 ( Xn tak mempengaruhi Y) H1 : an≠ 0 ( Xn mempengaruhi Y)

2. Menentukan taraf nyata dan nilai ttabel dengan derajat kebebasan t(1-1/2α); n-k-1

3. Menentukan kriteria pengujian. H0 diterima bila thitung ≤ ttabel H0 ditolak bila thitung > ttabel 4. Menentukan nilai thitung.

an n hitung s a t = ) 1 ( ₁₂2 2 1 12 . 1 r x S

S_a y

− ∑

= dan

) 1 ( ₁₂2 2 2 12 . 2 r x S

S_a y

− ∑

= (Abdul Hakim, 2002: 291)

(23)

2.6 Analisa korelasi

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

2.7 Koefisien korelasi

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

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

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

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

(24)

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

Untuk perhitungan koefisien korelasi r berdasarkan sekumpulan data (Xi,Yi) berukuran n dengan menggunakan rumus :

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

dimana :

ry1

= Koefisien korelasi antara Y dan X1

ry2

= Koefisien korelasi antara Y dan X2

r12

= Koefisien korelasi antara X1 dan X2

(25)

variabel-variabel bebas (X) yang ada di dalam model persamaan regresi linier berganda secara bersama-sama. Maka R2 dapat dibentuk dengan rumus :

Harga R2 diperoleh sesuai dengan variansi yang dijelaskan masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (bersifat nyata).

Koefisien korelasi ini bernilai antara -1 dan +1, jika dua variabel berkorelasi negatif maka nilai koefisien korelasi akan mendekati -1, jika dua variabel tidak berkorelasi maka koefisien korelasi akan mendekati 0, sedangkan jika dua variabel berkorelasi positif maka nilai koefisien korelasi akn mendekati +1. Untuk lebih memudahkan mengetahui bagaimana sebenarnya derajat keeratan antara variabel-variabel tersebut, dapat dilihat pada rumus berikut ini :

Tabel 2.1 Koefisien Korelasi yang Telah Diinterpretasikan

Interval Koefisien

Tingkat Hubungan

(26)

BAB 3

GAMBARAN UMUM KABUPATEN TAPANULI UTARA

3.1 Sejarah singkat kabupaten Tapanuli Utara

Pada masa Hindia Belanda, Kabupaten Tapanuli Utara termasuk Kabupaten dairi dan Toba Samosir yang sekarang termasuk dalam keresidenan Tapanuli yang dipimpin seorang Residen Bangsa Belanda yang berkedudukan di Sibolga. Keresidenan Tapanuli yang dulu disebut Residentie Tapanuli terdiri dari 4 Afdeling (Kabupaten) yaitu Afdeling Batak Landen, Afdeling Padang Sidempuan, Afdeling Sibolga dan Afdeling Nias. Afdeling Batak Landen dipimpin oleh seorang Asisten Residen yang ibukotanya di Tarutung.

Sesudah kemerdekaan Republik Indonesia diproklamasikan tanggal 17 Agustus 1945, pemerintah mulailah membentuk struktur pemerintahan baik di pusat dan di daerah. Dengan diangkatnya Dr. Ferdinand Lumbantobing sebagai Residen Tapanuli, disusunlah struktur pemerintahan dalam negeri di Tapanuli khususnya di Tapanuli Utara.

(27)

dan Kabupaten Nias ( dulu Kabupaten Nias). Disamping itu ditiap kabupaten dibentuk badan legislatif Dewan Perwakilan Rakyat yang anggotanya dari anggota partai politik setempat.

Mengingat luasnya wilayah Kabupaten Tapanuli Utara meliputi Dairi pada waktu itu, maka untuk meningkatkan daya guna pemerintahan, pada tahun 1956 dibentuk Kabupaten Dairi yang berpisah dari Kabupaten Tapanuli Utara.

Salah satu upaya untuk mempercepat laju pembangunan ditinjau dari aspek pembangunan daerah, pemerataan hasil-hasil pembangunan dan stabilitas keamanan adalah dengan jalan pemekaran wilayah. Pada tahun 1998 Kabupaten Tapanuli Utara dimekarkan menjadi dua kabupaten yaitu Kabupaten Tapanuli Utara dan Kabupaten Toba Samosir sesuai dengan Undang Undang No. 12 tahun 1998 tentang pembentukan Kabupaten Mandailing Natal.

Kemudian pada tahun 2003 Kabupaten Tapanuli Utara dimekarkan kembali menjadi dua kabupaten yaitu Kabupaten Tapanuli Utara dan Kabupaten Humbang Hasundutan sesuai dengan Undang Undang No. 9 tahun 2003 tentang pembentukan kabupaten Nias Selatan, Kabupaten Pakpak Barat dan Kabupaten Humbang Hasundutan.

Setelah Kabupaten Tapanuli Utara berpisah dengan Kabupaten Humbang Hasundutan jumlah kecamatan di Kabupaten Tapanuli Utara menjadi 15 kecamatan. Kecamatan yang masih tetap dalam Kabupaten Tapanuli Utara yaitu :

(28)

3. Kecamatan Sipoholon 4. Kecamatan Tarutung 5. Kecamatan Siatas Barita 6. Kecamatan Pahae Jae 7. Kecamatan Purbatua 8. Kecamatan Simangumban 9. Kecamatan Pahae Julu 10.Kecamatan Pangaribuan 11.Kecamatan Sipahutar 12.Kecamatan Pagaran

13.Kecamatan Siborong-borong 14.Kecamatan Garoga

(29)

3.2 Letak geografis

Sumber : BPS Tapanuli Utara

Gambar 3.1 Peta Kabupaten Tapanuli Utara

Kabupaten Tapanuli Utara merupakan salah satu daerah kabupaten di Provinsi Sumatera Utara terletak di wilayah pengembangan dataran tinggi Sumatera Utara berada pada ketinggian antara 300 – 1.500 meter di atas permukaan laut. Topografi dan kontur tanah Kabupaten tapanuli Utara beraneka ragam yaitu yang tergolong datar (3,16 persen), landai (26,86 persen), miring ( 25,63 persen), dan terjal ( 44,35 persen).

(30)

berbatasan dengan Kabupaten Labuhan Batu, di sebelah Selatan berbatasan dengan Kabupaten Tapanuli Selatan, dan di sebelah Barat berbatasan dengan Humbang Hasundutan dan Tapanuli Tengah.

Letak geografis dan astronomis Kabupaten Tapanuli Utara ini sangat menguntungkan karena berada pada jalur lintas dari beberapa kabupaten di Propinsi Sumatera Utara.

3.3 Luas wilayah

Luas wilayah Kabupaten Tapanuli Utara sekitar 3.800,31 Km2 terdiri dari luas daratan 3.793,71 Km2 dan luas perairan Danau Toba 6,60 Km2 . Dari 15 kecamatan yang ada, kecamatan yang paling luas di Kabupaten Tapanuli Utara adalah Kecamatan Garoga sekitar 567,58 Km2 atau 14,96 persen dari luas kabupaten dan kecamatan yang terkecil luasnya yaitu Kecamatan Muara sekitar 79,75 Km2 atau 2,10 persen.

3.4Penduduk kabupaten Tapanuli Utara

(31)

penduduk juga telah dilakukan melalui Program Keluarga Berencana yang dimulai awal tahun 1970-an.

Jumlah penduduk Kabupaten Tapanuli Utara pada tahun 2008 berkisar 268.691 jiwa merupakan angka proyeksi yang dihitung berdasarkan data jumlah penduduk hasil Pedaftaran Pemilih dan Pendataan Penduduk Berkelanjutan (P4B) yang dilaksanakan pada bulan April tahun 2003. Hasil proyeksi tersebut menunjukkan bahwa jumlah penduduk Kabupaten Tapanuli Utara tahun 2008 sebesar 268.691 jiwa yang terdiri dari 133.433 jiwa laki-laki dan 135.258 jiwa perempuan. Rasio jenis kelamin Kabupaten Tapanuli Utara tahun 2008 sebesar 98,65 ini berarti bahwa jumlah penduduk perempuan di Tapanuli Utara lebih banyak daripada jumlah penduduk laki-laki. Sedang tingkat kepadatan penduduk relative rendah, yaitu 70,83 penduduk perkilometer persegi. Banyaknya rumah tangga tahun 2008 sebesar 59.709, dengan rata-rata anggota rumah tangga sebesar 4,50 orang.

3.5Kesehatan dan keluarga berencana

Jumlah rumah sakit umum yang berada di Kabupaten Tapanuli Utara tahun 2008 sebanyak 1 buah yang berlokasi di kecamatan Tarutung, sedangkan sarana kesehatan lainnya pada tingkat kecamatan terdapat sebanyak 19 puskesmas (5 unit diantaranya puskesmas berstatus rawat inap) dan 60 unit puskesmas pembantu. Polindes sebanyak 192 unit, posyandu ada sekitar 388 unit, apotek sebnyak 7 unit, toko obat sebanyak 14 unit, klinik bersalin swasta 2 unit dan balai pengobatan swasta sebanyak 2 unit.

(32)

gigi sebanyak 18 orang, sedangkan tenaga medis bidan tersedia 532 orang, perawat sebanyak 99 orang.

(33)

BAB 4

ANALISIS DATA

4.1 Pengolahan data

[image:33.595.117.519.513.741.2]

Data yang diambil dari kantor Badan Pusat Statistik Sumatera Utara adalah data Angka Kelahiran Total (TFR) di kabupaten Tapanuli Utara, jumlah pasangan usia subur (PUS) dan pengguna alat/cara KB tahun 1995-2009.

Tabel 4.1 Angka Kelahiran Total (TFR), Jumlah Pasangan Usia Subur (PUS)

dan Pengguna Alat/cara KB tahun 1995-2009 di kabupaten Tapanuli

Utara.

No. Tahun

Angka

Kelahiran

Total

(TFR)

Jumlah Pasangan

Usia Subur

Jumlah Pengguna

alat/cara KB

1 1995 4,34 92.637 58.787

2 1996 4,23 84.961 64.815

3 1997 4,12 76.589 71.739

(34)

5 1999 3,90 56.147 32.542

6 2000 3,82 50.158 25.726

7 2001 3,70 47.240 27.609

8 2002 3,60 51.359 29.042

9 2003 3,54 31.118 18.782

10 2004 3,48 31.838 15.546

11 2005 3,30 30.768 17.230

12 2006 3,24 32.853 18.062

13 2007 3,14 32.745 18.160

14 2008 3,05 32.967 18.893

15 2009 2,91 32.761 18.632

( Sumber : Badan Pusat Statistik Provinsi Sumtera Utara

Keterangan :

Y_i = Angka kelahiran total (TFR)

X₁_i= Jumlah pasangan usia subur

X₂_i= Jumlah pengguna alat/cara KB

4.2 Membentuk persamaan linier berganda

(35)

[image:35.595.108.525.139.699.2]

Tabel 4.2 Harga-harga yang Diperlukan untuk menentukan a0, a1, dan a2

No. Y_i Y2_i X₁_i X₂_i X2

1i X

2 2i

1 4,34 18,84 92.637 58.787 8.581.613.769 3.455.911.369

2 4,23 17,89 84.961 64.815 7.218.371.521 4.200.984.225

3 4,12 16,97 76.589 71.739 5.865.874.921 5.146.484.121

4 4,01 16,08 61.124 40.521 3.736.143.376 1.641.951.441

5 3,90 15,21 56.147 32.542 3.152.485.609 1.058.981.764

6

3,82 14,59 50.158 25.726 2.515.824.964 661.827.076

7

3,70 13,69 47.240 27.609 2.231.617.600 762.256.881

8

3,60 12,96 51.359 29.042 2.637.746.881 843.437.764

9

3,54 12,53 31.118 18.782 968.329.924 352.763.524

10

3,48 12,11 31.838 15.546 1.013.658.244 241.678.116

11 3,30 10,89 30.768 17.230 946.669.824 296.872.900

12

3,24 10,50 32.853 18.062 1.079.319.609 326.235.844

13

3,14 9,86 32.745 18.160 1.072.235.025 329.785.600

14

3,05 9,30 32.967 18.893 1.086.823.089 356.945.449

15

(36)

Sambungan tabel 4.2

X₁_i X₂_i Y_iX₁_i Y_iX₂_i

(37)

Dari tabel tersebut diperoleh harga-harga sebagai berikut :

n = 15 ∑ X1iX2i= 28.867.973.062

∑Yi = 54,38 ∑YiX1i_{= 2.819.976,03}

∑Y2

i = 199,90 ∑ YiX2i = 1.824.081,95

∑X1i_{= 745.265}

∑X2i= 476.086

∑X1i2 _{= 43.179.997.477}

∑X2

2i_{= 20.023.267.498}

Rumus umum persamaan regresi linier berganda dengan dua variabel bebas yaitu : Y_i = a₀+ a₁X₁_i+a₂X₂_i

Dan diperoleh melalui persamaan-persamaan berikut :

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

54,38 = 15 a0 + 745.265 a1 + 476.086 a2 ₍₁₎

2.819.976,03 = 745.265 a0 + 43.179.997.477 a1 + 28.867.973.062 a2 (2) 1.824.081,95 = 476.086 a0 + 28.867.973.062 a1 + 20.023.267.498 a2 (3)

(38)

Eliminasi persamaan a0 daripersamaan1(satu) dan 2 (dua) :

40.527.510,70 = 11.178.975 a0 + 555.419.920.225 a1 + 354.810.232.790 a2

42.299.640.45 = 11.178.975 a0 + 647.699.962.155 a1 + 433.019.595.930 a2 _

-1.772.129,75 = 0 + (-92.280.041.930) a1 + (-78.209.363.140) a2 (4)

Eliminasi persamaan a0 dari persamaan 1(satu) dan 3(tiga) :

25.889.556,68 = 7.141.290 a0 + 354.810.232.790 a1 + 226.657.879.396 a2

27.361.229,25 = 7.141.290 a0 + 433.019.595.930 a1 + 300.349.012.470 a2 _

-1.471.672,57 = 0 + (-78.209.363.140 a1 + (-73.691.133.074) a2 (5)

Eliminasi a1 dari persamaan 4(empat) dan 5(lima) :

1.3059E+17 = 6.80022E+21 a1 + 5.76334E+21 a2

1.15099+17 = 6.1167E+21 a1 + 5.76334E+21 a2 _

1.54917E+16 = 6.83516E+20 a1

1.54917E+16 a1 =

6.83516E+20

(39)

Subsitusi a1 (2,26647 x 10-5) ke persamaan 4 (empat) :

-1.772.129,75 = (-92.280.041.930) a1 + (-78.209.363.140) a2

-1.772.129,75 = (-92.280.041.930)( 2,26647 x 10-5)+ (-78.209.363.140) a2

-3.863.626.70 = -78.209.363.140 a2

3.863.626,70 a2 =

-78.209.363.140

a2 = -4,08349 x 10-6

Subsitusi a1 (2,26647 x 10-5) dan a2 (-4,08349 x 10-6) ke persamaan 1 :

54,38 = 15 a₀ + 745.265 a₁ + 476.086 a₂

54,38 = 15 a₀ + 745.265 (2,26647 x 10-5) + 476.086 (-4,08349 x 10-6)

54,38 = 15 a₀ + 745.265 a₁ + 476.086 a₂

39,43 = 15 a₀ 39,43 a0 =

15

a0 = 2,629

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

a₀= 2,629

(40)

a₂= -4,08349 x 10-6

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

3 3 2 2 1 1 0 ^

X a X a X a a

Y = + + +

^

Y = 2,629+ 2,26647 x 10-5X - 4,08349 x 10₁ -6X₂

4.3 Uji keberartian regresi

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

Ho : β0= β

1= . . . = βk= 0

Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu jumlah pasangan usia subur dan jumlah pengguna alat/cara KB dengan variabel tak bebas yaitu angka kelahiran total (TFR).

H1 : Minimal satu parameter koefisien regresi yang ≠ 0

(41)

Kriteria pengujian hipotesisnya : Terima H0 apabila Fhitung ≤ Ftabel Tolak H0 apabila Fhitung>Ftabel

Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi (JK_reg) dan JK untuk sisa (JK_res) yang akan

didapatkan setelah mengetahui nilai-nilai Jika x₁_i= X₁_i– X ₁, x₂_i= X₂_i– X₂ , dan y_i

= Y_i- Y _i. Untuk memperoleh nilai-nilai tersebut maka diperlukan harga-harga berikut :

1

X = 49.684

2

X = 31.739

(42)

[image:42.595.116.523.179.526.2]

Nilai x₁, x₂ dan y diperoleh dari tabel 4.2 berikut :

Tabel 4.3 Harga

^

Y untuk Uji Regresi

No. Y_i X₁_i X₂_i x₁_i x₂_i y_i x₁_i2 x2i2

1 4,34 92.637 58.787 42.952,67 27.047,93 0,71

1.844.931.573,78 731.590.697,60

2 4,23 84.961 64.815 35.276,67 33.075,93 0,60

1.244.443.211,11 1.094.017.365,87

3 4,12 76.589 71.739 26.904,67 39.999,93 0,49

723.861.088,44 1.599.994.666,67

4 4,01 61.124 40.521 11.439,67 8.781,93 0,38

130.865.973,44 77.122.353,07

5 3,90 56.147 32.542 6.462,67 802,93 0,27

41.766.060,44 644.701,94

6 3,82 50.158 25.726 473,67 -6.013,07 0,19

224.360,11 36.156.970,74

7 _3,70 _47.240 _27.609 _-2.444,33 _-4.130,07 _0,07

5.974.765,44 17.057.450,67

8 3,60 51.359 29.042 167,67 -2.697,07 -0,03

2.804.508,44 7.274.168,60 9 3,54 31.118 18.782 -18.566,33 -12.957,07 -0,09

344.708.733,44 167.885.576,60 10 3,48 31.838 15.546 -17.846,33 -16.193,07 -0,15

318.491.613,44 262.215.408,07 11 3,30 30.768 17.230 -18.916,33 -14.509,07 -0,33

357.827.666,78 210.513.015,54 12 3,24 32.853 18.062 -16.831,33 -13.677,07 -0,39

283.293.781,78 187.062.152,60 13 3,14 32.745 18.160 -16.939,33 -13.579,07 -0,49

286.941.013,78 184.391.051,54 14 3,05 32.967 18.893 -16.717,33 -12.846,07 -0,58

279.469.233,78 165.021.428,80 15 2,91 32.761 18.632 -16.923,33 -13.107,07 -0,72

286.399.211,11 171.795.196,60

(43)

Lanjutan tabel 4.3 :

No. x₁_iy_i x₂_iy_i ^

Y Y_i-

^

Y (Y_i-

^

Y)2 y2

1 30.696,84 19.330,26 4,49 -0,15 0,02 0,51

2 21.330,62 19.999,91 4,29 -0,06 0,00 0,37

3 13.308,84 19.786,63 4,07 0,05 0,00 0,24

4 4.400,46 3.378,12 3,85 0,16 0,03 0,15

5 1.775,08 220,54 3,77 0,13 0,02 0,08

6 92,21 -1.170,54 3,66 0,16 0,03 0,04

7 -182,51 -308,38 3,59 0,11 0,01 0,01

8 -42,42 68,33 3,67 -0,07 0,01 0,00

9 1.584,33 1.105,67 3,26 0,28 0,08 0,01

10 2.59367 2.353,39 3,29 0,19 0,04 0,02

11 6.154,11 4.720,28 3,26 0,04 0,00 0,11

12 6.485,67 5.270,23 3,30 -0,06 0,00 0,15

13 8.221,22 6.590,37 3,30 -0,16 0,02 0,24

14 9.618,04 7.390,77 3,30 -0,25 0,06 0,33

15 12.105,82 9.375,92 3,30 -0,39 0,15 0,51

∑ 118.141,98 98.111,50 54,38 -54,38 0,47 2,75

Dari tabel tersebut diperoleh nilai-nilai berikut :

∑ x₁_iy_i = 118.141,98

∑x₂_iy_i = 98.111,50

∑(Y_i-

^

(44)

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni JK_regdan JK_res

sebagai berikut:

JK_reg = a₁

∑

x₁_iy_i+ a₂∑x2iyi

= (2,26647 x 10-5)( 118141,98) + (-4,08349 x 10-6)( 98111,50) = 2,28

JK_res = ∑(Y_i-

^

Y )2

= 0,47

Jadi Fhitung dapat dicari dengan :

F_hitung=

) 1 /( / − −k n JK k JK res reg = ) 1 2 15 /( 47 , 0 2 / 28 , 2 − − = 04 , 0 14 , 1 = 28,50

Untuk F_tabel, yaitu nilai statistik F jika dillihat dari tabel distribusi F dengan

derajat kebebasan pembilang V₁= k dan penyebut V₂= n – k – 1, dan α = 5% = 0,05 maka:

F_tabel = F₍ ₎₍ _; ₎

2 1V

V

α = F(α)(k;k−n−1)

= F₍₀_,₀₅₎₍₂_;₁₂₎

(45)

Dengan demikian dapat kita lihat bahwa nilai F_hitung(28,50) > F_tabel(3,89).

Maka Ho ditolak dan Ha diterima. Hal ini berarti persamaan linier berganda Y atas X₁,X₂ bersifat nyata yang berarti bahwa jumlah pasangan usia subur dan jumlah pengguna alat/cara KB secara bersama-sama berpengaruh terhadap terjadinya angka kelahiran total (TFR).

4.4 Koefisien determinasi

Dari tabel 4.3 dapat dilihat harga ∑y 2= 2,75 dan nilai JK_reg= 2,28 telah dihitung sebelumnya, maka diperoleh nilai koefisien determinasi :

R2=

∑

₌n

1 i

2 i reg

y JK

R2=

2,75 2,28

= 0,83

Untuk koefisien korelasi ganda digunakan rumus :

R = R2

Maka :

R = 0,83 R = 0,91

(46)

(TFR) yang terjadi dipengaruhi oleh jumlah pasangan usia subur dan jumlah pengguna alat/cara KB. Sedangkan sisanya sebesarnya sebesar 100% - 83% = 17% dipengaruhi oleh faktor-faktor yang lain.

4.5 Koefisien korelasi

4.5.1Perhitungan korelasi antara variabel bebas dan variabel terikat

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak bebas, maka dari tabel 4. 3 dapat dihitung besar koefisien korelasinya yaitu :

1. Koefisien korelasi antara angka kelahiran total/TFR (Y) dengan jumlah pasangan usia subur (X₁) :

r_y₁=

{

∑

−

∑

}

{

∑

−

∑

}

− 2 2 2 1 2 1 1 1 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n =

{

2

}{

2

}

(54,38) -) 90 , 199 )( 15 ( (745.265) -9.997.447) (15)(43.17 54,38) (745.265)( -) 03 , 976 . 819 . 2 )( 15 ( =

{

92.280.041.930

}{

41,24

}

(47)

2. Koefisien korelasi antara angka kelahiran total/TFR (Y) dengan jumlah pengguna alat/cara KB (X2) :

r_y₂=

{

∑

−

∑

}

{

∑

−

∑

}

− 2 2 2 2 2 2 2 2 ) ( ) ( ) )( ( i i i i i i Y Y n X X n Y X Y X n

{

2

}{

2

}

(54,38) -0) (15)(199,9 (476.086) -3.267.498) (15)(20.02 54,38) (476.086)( -95) 1.824.081, )( 15 ( =

{

73.691.133.074

}{

41,24

}

,68 25.889.556 -,25 27.361.229 = 28 1.743.355, 57 1.471.672, =

= 0,84

4.5.2 Perhitungan korelasi antara variabel bebas

1. _{Koefisien korelasi antara jumlah pasangan usia subur (X1) dengan jumlah}

pengguna alat/cara KB (X2) :

r₁₂=

{

∑

−

∑

}{

∑

−

∑

}

− 2 2 2 2 2 1 2 1 2 1 2 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n

{

2

}{

2

}

(476.086) -.498) 20.023.267 )( 15 ( (745.265) -9.997.477) (15)(43.17 476.086) (745.265)( -.062) 28.867.973 )( 15 ( = =

{

73691133074

}

(48)

Dari perhitungan koefisien korelasi baik antara variabel bebas terhadap variabel tak bebas maupun antara sesama variabel bebas diperoleh kesimpulan sebagai berikut :

1. r_y₁= 0,91 ; variabel X₁berkorelasi kuat terhadap variabel Y

2. r_y₂= 0,84 ; variabel X₂berkorelasi kuat terhadap variabel Y

3. r₁₂= 0,95 ; variabel X₁berkorelasi kuat terhadap variabel X₂

4.6 Uji koefisien regresi linier ganda

1. Pengaruh Antara Pasangan Usia Subur dengan Angka Kelahiran (TFR)

H0 : a1 = 0 Pasangan usia subur tidak berpengaruh terhadap angka

kelahiran (TFR) di kabupaten Tapanuli Utara.

H1 : a1 > 0 Pasangan usia subur berpengaruh terhadap angka kelahiran

(TFR) di kabupaten Tapanuli Utara.

Dengan taraf nyata α = 0,05 maka nilai ttabel dengan derajat kebebasan t(1-1/2α );

n-k-1 sehingga t(0,975); 12 = 2,179 (Uji 2 sisi).

H0 diterima bila thitung ≤ ttabel H0 ditolak bila thitung > ttabel

Menentukan nilai thitung. Digunakan rumus berikut :

)

1

(

₁₂2

2 1 12 . 1

r

x

S

_a y

(49)

1 ) ( ... 12 . 2 2 − − − =

∑

k n Y Y k y

S i i

 = 1 2 15 47 , 0 − − = 0,039167 Sy.12..k = 0,197907

) ) 0,95 ( 1 ( ,33 6152002795 0,197907 2 1 − = a

S _`

06 -7.95864E 7 24866,8750 0,197907

1 = =

a S Maka : 06 -7.95864E 05 -2.26647E 1 1 ₌ = a hitung s a t

t_hitung =2,85

Dapat dilihat bahwa thitung > ttabel sehingga H0 ditolak yang berarti secara

parsial pasangan usia subur berpengaruh terhadap Angka Kelahiran (TFR) di kabupaten Tapanuli Utara.

2. Pengaruh Pengguna Alat/Cara KB dengan Angka Kelahiran (TFR)

H0 : a2 = 0 Pengguna alat/cara KB tidak berpengaruh terhadap angka

kelahiran (TFR) di kabupaten Tapanuli Utara.

H1 : a2 > 0 Pengguna alat/cara KB berpengaruh terhadap angka kelahiran

(TFR) di kabupaten Tapanuli Utara.

Dengan taraf nyata α = 0,05 maka nilai ttabel dengan derajat kebebasan t(1-1/2α );

n-k-1 sehingga t(0,975); 12 = 2,179 (Uji 2 sisi).

(50)

Menentukan nilai thitung. Digunakan rumus berikut :

)

1

(

₁₂2

2 1 12 . 1

r

x

S

_a y

−

∑

=

9 2

2 =4.913 x 10

∑x 0,94841243 12 = r 1 ) ( ... 12 . 2 2 − − − =

∑

k n Y Y k y

S i i

 = 1 2 15 47 , 0 − − = 0,039167 Sy.12..k = 0,197907

) ) 0.95 ( 1 ( 10 x 4.913 0,197907 2 9 2 − + = a

S `

6

-2 8.90605 x 10

2222,58016 0,197907 = = a S Maka : 6 --6 2 2 10 x 8.90605 10 x 4,08349 -= = a hitung s a t

t_hitung =-0,46

Dapat dilihat bahwa thitung < ttabel sehingga H0 diterima yang berarti secara

(51)

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

(52)

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

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk

berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari Statistical Product and Service Solutions.

5.3 Pengolahan data dengan SPSS

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

2 Selanjutnya pilih menu All Program

(53)

[image:53.595.145.489.136.360.2]

Tampilannya adalah sebagai berikut :

Gambar 5.1 Tampilan Pengaktifan SPSS 17.0

(54)

[image:54.595.223.399.92.302.2]

Gambar 5.2 Kotak Dialog SPSS for windows

2. Memasukan data ke dalam SPSS

SPSS Data Editor mempunyai 2 tipe lingkungan kerja yaitu : Data View dan Variable View. Untuk menyusun defenisi variabel, posisi tampilan SPSS Data Editor harus

berada pilih ada “Variable View”. Lakukan dengan mengklik tab sheet Variable View yang berada dibagian kiri bawah atau langsung menekan Ctrl+T. Tampilan variable view juga dapat dimunculkan dari View lalu pilih Variable.

(55)

[image:55.595.122.507.95.312.2]

Gambar 5.3 Tampilan Jendela Variabel View dalam SPSS

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

Type : untuk mendefenisikan tipe variabel apakah bersifat numeric atau string

Widht : untuk menuliskan panjang pendek variabel

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

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

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

(56)

misalnya nominal, ordinal atau scale 2.1Pengisian Variabel

Tempatkan pointer pada baris pertama di bawah Name.

Name : _{klik ganda pada sel tersebut dan ketik Thn}

Type : _{Pilih string karena dalam bentuk data}

Width : Untuk keseragaman ketik 8 Decimal : Ketik 0

Label : Ketik Tahun

Values dan Missing : Abaikan pilihan ini karena data tidak dikategorisasikan

Align : _{Pilih Center}

Measure : Pilih nominal

Variabel Y

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

Type : Pilih numeric karena berupa angka Width : Untuk keseragaman ketik 8

Decimal : Ketik 0

Label : Ketik Jumlah kelahiran total (TFR) 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

(57)

Align : Pilih Center Measure : Pilih scale

Lakukan seterusnya untuk variabel X2 dengan Name dan Label yang sesuai dengan

[image:57.595.125.503.209.430.2]

Variabel yang dimaksudkan, sehingga diperoleh seperti gambar berikut :

Gambar 5.4 Tampilan Jendela Pengisian Variabel View

2.2Pengisian Data

1. Aktifkan jendela data dengan mengklik Data View

(58)

[image:58.595.108.523.112.346.2]

Tampilannya adalah sebagai berikut :

Gambar 5.5 Tampilan Jendela Pengisian Data View

5.4 Pengolahan 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.

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 (angka kelahiran total) pada kotak Dependent, dan variabel bebas X (jumlah pasangan usia subur (pus), jumlah pengguna alat/cara KB pada kotak

(59)

[image:59.595.206.427.83.263.2]

Gambar 5.6 Kotak Dialog Linier Regression

4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan Estimate, Model fit, Descriptive dan Casewise diagnostics, lalu klik continue

untuk melanjutkan seperti pada gambar berikut :

Gambar 5.7 Kotak dialog Linear Regression : Statistics

[image:59.595.215.418.447.581.2]

(60)

DEPENDNT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal

[image:60.595.207.425.172.340.2]

Probability Plot. Lalu klik Continue untuk melenjutkan seperti gambar berikut :

Gambar 5.8 Kotak dialog Linear Regression : Plots

6. Kemudian klik tombol Options pada kotak dialog Linear Regression sehingga muncul kotak dialog yang baru. Pada Stepping Method Criteria, aktikan Use

Probability of F dengan standard error 0,05 oleh karena itu masukkan nilai entry

(61)

[image:61.595.209.437.107.269.2]

Gambar 5.9 Kotak dialog Linear Regression : Options

7. Selanjutnya klik OK pada kotak dialog Linear Regression.

5.5Pengolahan data dengan persamaan korelasi

Langkah-lagkahnya adalah sebagai berikut :

1. Tampilkan lembar kerja dimana sudah terdapat data yang akan dianalisis

(62)

[image:62.595.208.423.82.250.2]

Gambar 5.10 Pilih Analyze, Correlate, Bivariate

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

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

seperti gambar berikut :

[image:62.595.197.437.475.681.2]

(63)

[image:63.595.160.473.144.229.2]

5.6 Hasil pengolahan data dalam SPSS Tabel 5.1 Descriptive Statistics

Descriptive Statistics

Mean Std. Deviation N

Angka_kelahiran 3.6253 .44317 15

Psangan_usia_subur 4.97E4 20962.556 15

[image:63.595.120.510.295.529.2]

Pengguna_alat_KB 3.17E4 18732.596 15

Table 5.2 Correlations

Correlations

Angka_kelahiran

Psangan_usia_

subur

Pengguna_al

at_KB

Pearson Correlation Angka_kelahiran 1.000 .908 .844

Psangan_usia_subur .908 1.000 .948

Pengguna_alat_KB .844 .948 1.000

Sig. (1-tailed) Angka_kelahiran . .000 .000

Psangan_usia_subur .000 . .000

Pengguna_alat_KB .000 .000 .

N Angka_kelahiran 15 15 15

Psangan_usia_subur 15 15 15

Pengguna_alat_KB 15 15 15

Table 5.3 Variables Entered/Removedb

Variables Entered/Removedb

Model Variables Entered

Variables

Removed Method

1 Pengguna_alat_K

B,

Psangan_usia_sub

ura

. Enter

[image:63.595.192.451.598.722.2]

(64)

[image:64.595.105.427.129.201.2]

Tabel 5.4 Model Summaryb

Tabel 5.5 ANOVAb

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2.277 2 1.139 28.911 .000a

Residual _.473 ₁₂ _.039

Total 2.750 14

a. Predictors: (Constant), Pengguna_alat_KB, Psangan_usia_subur

b. Dependent Variable: Angka_kelahiran

Model Summaryb

Model R R Square Adjusted R Square

Std. Error of the

Estimate

1 .910a .828 .799 .19844

a. Predictors: (Constant), Pengguna_alat_KB, Psangan_usia_subur

[image:64.595.113.509.550.700.2]

b. Dependent Variable: Angka_kelahiran

Tabel 5.6 Coefficientsa

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

T Sig. B Std. Error Beta

1(Constant) 2.629 .164 15.998 .000

Psangan_usia_subu

r 2.266E-5 .000 1.072 2.840 .015

Pengguna_alat_KB -4.083E-6 .000 -.173 -.457 .656

a. Dependent Variable:

(65)

[image:65.595.148.486.144.479.2]

Tabel 5.7 Casewise Diagnosticsa

Casewise Diagnosticsa

Case

Number Std. Residual Angka_kelahiran Predicted Value Residual

1 -.748 4.34 4.4884 -.14839

2 -.301 4.23 4.2898 -.05980

3 .243 4.12 4.0718 .04822

4 .813 4.01 3.8487 .16125

5 .663 3.90 3.7685 .13147

6 .803 3.82 3.6606 .15938

7 .570 3.70 3.5868 .11320

8 -.374 3.60 3.6743 -.07430

9 1.424 3.54 3.2574 .28256

10 .973 3.48 3.2870 .19302

11 .222 3.30 3.2558 .04415

12 -.301 3.24 3.2997 -.05971

13 -.790 3.14 3.2969 -.15686

14 -1.254 3.05 3.2989 -.24890

15 -1.942 2.91 3.2953 -.38529

(66)

[image:66.595.115.518.137.414.2]

Tabel 5.8 Residuals Statisticsa

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 3.2558 4.4884 3.6253 .40329 15

Std. Predicted Value -.916 2.140 .000 1.000 15

Standard Error of Predicted

Value .055 .176 .082 .034 15

Adjusted Predicted Value 3.2121 4.6653 3.6251 .42261 15

Residual -.38529 .28256 .00000 .18372 15

Std. Residual -1.942 1.424 .000 .926 15

Stud. Residual -2.065 1.534 -.004 1.016 15

Deleted Residual -.43601 .32792 .00019 .22936 15

Stud. Deleted Residual -2.463 1.638 -.030 1.089 15

Mahal. Distance .134 10.033 1.867 2.792 15

Cook's Distance .003 .487 .094 .140 15

Centered Leverage Value .010 .717 .133 .199 15

(67)

[image:67.595.124.427.233.457.2]

Grafik 5.1 Histogram

(68)

[image:68.595.122.452.195.388.2]

Grafik 5.2 Scatterplot 1

[image:68.595.125.462.547.746.2]

(69)

BAB 6

KESIMPULAN DAN SARAN

6.1Kesimpulan

Berdasarkan analisis yang telah dilakukan penulis maka dapat diambil beberapa kesimpulan sebagai beriku :

1. Dari persamaan perhitungan diperoleh bahwa persamaan penduga tingkat angka kelahiran untuk jumlah pasangan usia subur dan pengguna alat/cara KB adalah:

^

Y = 2,629 + 2,26647x10-5 – 4,08349x10-6

Ini berarti bahwa jumlah pasangan usia subur mempengaruhi angka kelahiran sebesar 2,26647x10-5 dan pengguna alat/cara KB mempengaruhi angka kelahiran sebesar -4,08349x10-6. Serta nilai konstanta sebesar 2,629 yang berarti tanpa adanya variabel pasangan subur dan pengguna alat/cara KB maka besar angka kelahiran di Kabupaten Tapanuli Utara sebesar 2,63.

2. Melalui uji keberartian linier dengan taraf kesalahan (α = 0,05) dapat disimpulkan bahwa H0 ditolak. Hal ini berarti kedua variabel yang diuji yaitu

(70)

3. Berdasarkan perhitungan koefisien korelasi antara r y.x1 dapat dilihat bahwa jumlah pasangan usia subur berkorelasi kuat dengan angka kelahiran dan searah.

4. Berdasarkan perhitungan koefisien korelasi antara r y.x2 dapat dilihat bahwa jumlah pengguna alat/cara KB berkorelasi kuat dengan angka kelahiran dan searah.

5. Berdasarkan perhitungan koefisien korelasi antara rx1x2 dapat dilihat bahwa jumlah pasangan usia subur memiliki korelasi yang kuat dengan jumlah pengguna alat/cara KB dan searah.

6. Melalui uji koefisien regresi linier ganda( uji t) dengan taraf kesalahan (α = 0,05) diperoleh kesimpulan untuk pengaruh antara pasangan usia subur dengan angka lelahiran (TFR) adalah H0 ditolak yang berarti secara parsial pasangan

usia subur berpengaruh terhadap Angka Kelahiran (TFR) di kabupaten Tapanuli Utara. Dan untuk pengaruh pengguna alat/cara KB dengan angka kelahiran (TFR) adalah H0 diterima yang berarti secara parsial pengguna

alat/cara KB tidak berpengaruh terhadap Angka Kelahiran (TFR) di kabupaten Tapanuli Utara.

6.2Saran

(71)

(72)

DAFTAR PUSTAKA

Algifari. 1997. Analisis Regresi Teori, Kasus, dan Solusi. Yogyakarta: BPFE

Hakim, Abdul. 2002. Statistik Induktif untuk Ekonomi dan Bisnis. Yogyakarta: Ekonisia

Hasan, Iqbal. 1999. Pokok-pokok Materi Statistika I. Jakarta : Bumi Aksara

Kustituanto, Bambang. 1984. Statistik Analisa Runtut Waktu dan Regresi Korelasi. Edisi Pertama. Yogyakarta: BPFE

Lucas, David, dkk. 1995. Pengantar Kependudukan. Terjemahan Nin Bakti Sumanto dan Rini Ningsih Saladi. Yogyakarta : Gadjah Mada University Press

Priyatno, Dwi. 2010. Paham Analisa Statistik Data dengan SPSS. Cetakan Pertama. Yogyakarta : Mediakom

Rachim, Algiers, dkk. 1990. Pendewasaan Usia Perkawinan. Jakarta: Badan Koordinasi Keluarga Berencana.

Sudjana. 1992 . Metode Statistika. Bandung. Edisi ke-6 : Tarsito.