PENGARUH PASANGAN USIA SUBUR (PUS), AKSEPTOR KB
DAN JUMLAH POSYANDU TERHADAP JUMLAH
KELAHIRAN DI KOTA MEDAN TAHUN 2012
TUGAS AKHIR
WINDI WULANDARI
112407012
PROGRAM STUDI DIPLOMA 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
PENGARUH PASANGAN USIA SUBUR (PUS), AKSEPTOR KB
DAN JUMLAH POSYANDU TERHADAP JUMLAH
KELAHIRAN DI KOTA MEDAN TAHUN 2012
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya
WINDI WULANDARI 112407012
PROGRAM STUDI DIPLOMA 3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Pengaruh PasanganUsia Subur (PUS), Akseptor KB dan Jumlah Posyandu Terhadap Jumlah Kelahiran di Kota Medan Tahun 2012
Kategori : Tugas Akhir Nama : Windi Wulandari
Nim : 112407012
Program Studi : D3 Statistika Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara
Disetujui di Medan, Juli 2014
Disetujui oleh:
Program Studi D3 Statistika FMIPA USU Pembimbing Ketua,
PERNYATAAN
PENGARUH PASANGAN USIA SUBUR (PUS), AKSEPTOR
KB, DAN JUMLAH POSYANDU TERHADAP JUMLAH
KELAHIRAN DI KOTA MEDAN TAHUN 2012
TUGAS AKHIR
Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dari beberapa ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juli 2014
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan Tugas Akhir ini dengan judul Analisis Regresi Pengaruh Pasangan Usia Subur (PUS), Akseptor KB dan Jumlah Posyandu Terhadap Jumlah Kelahiran Di Kota Medan Tahun 2012.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Daftar Isi iv
Daftar Tabel vi
Daftar Gambar vii
Bab 1. Pendahuluan
1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 4
1.6. Metode Penelitian 4
1.7. Sistematika Penulisan 5
Bab 2. Landasan Teori
2.1. Pengertian Analisis Regresi 8
2.2. Analisis Regresi Linier Berganda 9
2.3. Membentuk Persamaan Regresi Linier Berganda 9
2.4. Kesalahan Standart Estimasi 10
2.5. Koefisien Determinasi 11
2.6. Koefisien Korelasi 12
2.7. Uji Regresi Linier Berganda 13
Bab 3. Gambaran Umum Badan Pusat Statistik
3.1. Sejarah Badan Pusat Statistik 16
3.2. Tugas, Fungsi dan Kewenangan Badan Pusat Statistik 17
3.2.1. Tugas 17
3.2.2. Fungsi 17
3.2.3. Kewenangan 18
3.3. Visi dan Misi BPS 18
3.3.1 Visi 18
3.3.2 Misi 18
3.4 Struktur Organisasi BPS 19
3.5 Logo BPS 21
Bab 4. Analisis Data
4.1. Pengambilan Data 22
4.2. Pengolahan Data 24
4.3. Kesalahn Standar Estimasi 28
4.5. Menghitung Koefisien Korelasi Antar Variabel Dependent (Y)
Dan Variabel Independent (X1) 36
4.6. Perhitungan Koefisien Determinasi dan Koefisien
Korelasi Ganda 38
4.7 Perhitungan Korelasi Antar Variabel Bebas 38 Bab 5. Implementasi Sistem
5.1. Pengertian Implementasi Sistem 40
5.2. Peranan Komputer Dalam Statistika 40
5.3. Cara SPSS 42
5.4. Mengoperasikan SPSS 43
Bab 6. Kesimpulan dan Saran
6.1. Kesimpulan 52
6.2. Saran 53
DAFTAR TABEL
Nomor Judul Halaman
Gambar
2.1. Interpretasi Koefisien Korelasi nilai � 13 4.1. Data Jumlah Kelahiran, Pasangan Usia Subur,
Jumlah Akseptor KB, dan Jumlah Posyandu
Pada Tahun 2012 23
4.2. Nilai – Nilai yang Dibutuhkan untuk Menghitung
Koefisien Regresi Linier Berganda 24
4.3. Harga Penyimpangan�� 29
DAFTAR GAMBAR
Nomor Judul Halaman
Tabel
2.1 Interpretasi Koefisien Korelasi Nilai � 13 3.1 Struktur Organisasi BPS Provinsi 20
3.2 Logo BPS 21
5.1 Tampilan Saat Membuka SPSS Pada Windows 44
5.2 Tampilan Awal SPSS 44
5.3 Tampilan Pada Pengisian Variable View 48 5.4 Tampilan Pada Data View 48 5.5 Tampilan Saat Membuat Persamaan Regresi 49 5.6 Tampilan Pada Saat Pemasukan Variable Statistic 50 5.7 Tampilan Pada Kotak Statistic 51
BAB 1
PENDAHULUAN
1.1Latar Belakang
Penduduk adalah kekayaan bangsa sekaligus modal dasar pembangunan (http//badan lingkungan hidup daerah.com). Hal ini dapat terjadi jika jumlah penduduk yang besar tersebut dapat diberdayakan sesuai kodrat, keahlian dan bidang kerja masing–masing. Sebaliknya apabila jumlah penduduk yang besar itu tidak dapat diberdayakan dan dikendalikan secara bijak dan terencana makaakan terjadi beban pembangunan. Oleh sebab itu untuk menunjang keberhasilan pembangunan nasional, dalam penanganan masalah kependudukan pemerintah tidak saja mengarahkan pada peningkatan sumber daya manusianya tetapi juga pada upaya peningkatan jumlah penduduknya.
Masalah kependudukan merupakan masalah penting yang perlu mendapat perhatian dan pembahasan serius dari pemerintah dan ahli kependidikan di Indonesia. Dalam perencanaan pembangunan, data kependudukan memegang peranan penting. Semakin lengkap dan akurat data kependudukan data yang tersedia maka semakin mudah dan tepat rencana pembangunan itu dibuat. Sebagai contoh: dalam perencanaan pendidikan diperlukan data mengenai jumlah penduduk dalam usia sekolah, dan para pekerja.
mengurangi laju pertumbuhan penduduk harus dilakukan penurunan fertillitas. Hal ini sangat berpengaruh terhadap kesejahteraan penduduk yang merupakan tujuan penting yang ingin dicapai oleh sebuah negara. Untuk mencapai tujuan tersebut pemerintah harus membuat kebijakan-kebijakan penting dan berusaha memenuhi sarana dan fasilitas yang menunjang kesejahteraan penduduk.Dengan adanya kesadaran masyarakat dan perhatian untuk ikut serta dalam mewujudkan kesejahteraan penduduk maka pemerintah dan masyarakat secara bersama-sama berusaha menanggulangi masalah pertumbuhan penduduk, misalanya dengan melaksanakan program Keluarga Berencana (KB).
Banyak faktor yang mempengaruhi jumlah kelahiran, diantaranya adalah jumlah pasangan usia subur (PUS), jumlah akseptor KB, dan jumlah posyandu di lingkungan penduduk. Pasangan Usia Subur adalah pasangan suami-istri yang istrinya berusia 15-49 tahun. Diusia ini perempuan berpotensi untuk bereproduksi.Selain itu, jumlah akseptor KB juga mempengaruhi yang dimana akseptor adalah orang yang menerima serta mengikuti program keluarga berencana.Dan posyandu adalah wadah dimana biasanya masyarakat atau penduduk melakukan aktivitas kesehatan, misalnya seperti konsultasi pemakaian KB, pemeriksaan kehamilan, dan melakukan persalinan.
1.2Rumusan Masalah
Model persamaan regresi linier berganda yang dapat digunakan untuk jumlah kelahiran di kota Medan 2012 variabel-variabel yang mempengaruhinya yaitu Pasangan Usia Subur, Akseptor KB, dan Posyandu. Berdasarkan hal tersebut maka dapat dirumuskan masalah penelitian sebagai berikut:
1. Apakah analisi beberapa faktor yaitu jumlah Pasangan Usia Subur, Akseptor KB, serta Posyandu mempengaruhi Jumlah Kelahiran di Kota Medan?
2. Manakah dari ketiga variabel yang paling berpengaruh terhadap Jumlah Kelahiran di Kota Medan?
1.3Batasan Masalah
Untuk memberikan kejelasan dan memberikan kemudahan penelitian ini agar tidak jauh menyimpang dari sasaran yang ingin dicapai, penulis hanya meneliti pengaruhJumlah Kelahiran dengan faktor–faktor yang mempengaruhinya yaitu Pasangan Usia Subur (PUS), jumlah Akseptor KB, dan jumlah Posyandu.
1.4Tujuan Penelitian
Adapun tujuan penelitian ini adalah:
1. Untuk menentukan model regresi linier berganda yang dapat digunakan untuk jumlah kelahiran berdasarkan variabel–variabel yang mempengaruhinya.
3. Untuk mengetahui faktor mana yang paling kuat mempengaruhi jumlah kelahiran di Kota Medan.
1.5Manfaat Penelitian
Manfaat yang dapat diambil dari penelitian ini adalah: 1. Bagi Mahasiswa
Menambah pengalaman penulis dalam menerapkan dan mengembangkan konsep ilmiah (ilmu pengetahuan) yang diperoleh dalam perkuliahan untuk menyelesaikan permasalahan yang diteliti.
2. Bagi Badan Pusat Statistik Provinsi Sumatera Utara
Bahan perbandingan serta sumbangan pemikiran dalam menganalisis faktor-faktor yang dapat mempengaruhi jumlah kelahiran.
1.6Metodologi Penelitian
1.7Sistematika Penulisan
Adapun sistematika penulisan yang akan dikemukakan dalam penulisan Tugas Akhir ini adalah sebagai berikut:
BAB 1: Pendahuluan
Bab ini menjelaskan tentang latar belakang masalah, maksud dan tujuan penelitian, perumusan masalah, metode penelitian dan sistematika penulisan.
BAB 2: Landasan Teori
Bab ini menjelaskan tentang klasifikasi mengenai faktor – faktor yang mempengaruhi jumlah kelahiran.Dan menguraikan tentang regresi, regresi linier berganda, uji regresi ganda dan korelasi regresi linier berganda serta uji koefisien regresi berganda.
BAB 3: Gambaran Umum Lokasi Riset
Bab ini memaparkan tentang sejarah singkat tempat riset yaitu Badan Pusat Statistik (BPS), visi dan misi BPS.
BAB 4: Analisis Data
BAB 5: Implementasi Sistem
Bab ini memaparkan tentang implementasi sistem yang digunakan untuk analisis penelitian yaitu program SPSS.
BAB 6: Kesimpulan dan Saran
BAB 2
LANDASAN TEORI
2.1 Pengertian Analisis Regresi
Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang pengetahuan, terutama para peneliti yang dalam penelitiannya banyak menggunakan statistik sebagai dasar analisis maupun perancangan (Hartono, Drs.2004) maka dapat dikatakan bahwa statistik mempunyai pengaruh yang penting dan besar terhadap kemajuan berbagai bidang ilmu pengetahuan.
semakin kacil tingkat penyimpangan antara nilai prediksi dengan nilai rilnya, maka semakin tepat persamaan regresi yang dibentuk.
2.2 Analisis Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu variabel terikat (�) dan satu variabel bebas (�).Pada regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan lebih dari satu untuk variabel bebas.
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih terhadap variabel terikatnya. Dengan demikian regresi berganda(multiple regression) digunakan untuk untuk penelitian yang menyertakan beberapa variabel sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika diarahkan untuk menguji variabel–variabel yang ada (Supranto.J.MA.2009).
Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai � dan nilai �. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih variabel, yaitu:
�= �0+�1�1+�1�1 +∙∙∙+����+� (2.1) dengan:
�0,�1,�2, … ,�� = Koefisien regresi
� = Variabel kesalahan (galat)
Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak, dan tidak mengetahui regresi populasi, untuk keperluan analisis, variabel bebas akan dinyatakan dengan �1,�2, … ,�� (� ≥1) sedangkan variabel tidak bebas dinyatakan dengan �. Sehingga model regresi populasi perlu diduga berdasarkan model regresi sampel berikut:
��= �0+�1�1+�2�2 +∙∙∙+����+� (2.2)
dengan:
� = Variabel tak bebas � = Variabel bebas �0,�1,�2, … ,�� = Koefisien regresi
�= Variabel kesalahan (galat)
2.3 Membentuk Persamaan Regresi Linier Berganda
��= �0+�1�1+�2�2 +�3�3 (2.3)
Koefisien-koefisien�0,�1,�2,�3 dapat dihitung dengan menggunakan persamaan:
Σ� i =��0 +�1∑�1� +�2∑�2�+�3∑�3� (2.4) ∑�1�� =�0∑�1�+�1∑�1�2 +�2Σ�1��2�+�3Σ�1��3� (2.5)
∑�2�� = �0∑�2�+�1Σ�1��2�+�2∑�2�2 +�3Σ�2��3� (2.6)
∑�3�� = �0∑�3�+�1Σ�1��3�+�2Σ�2��3�+�3Σ�3�2 (2.7)
harga-harga�0,�1,�2,�3 didapat dengan menggunakan persamaan diatas dengan metode eliminasi atau subsitusi.
2.4 Kesalahan Standart Estimasi
1 ) ( 2 ,..., 2 , 1 , − − − =
∑
Λ k n Y YSy k i
(2.8) dengan:
�� = Nilai data sebenarnya
�� = Nilai taksiran � = Ukuran sampel
� = Banyak variabel bebas
2.5. Koefisien Determinasi
Koefisien determinasi dinyatakan dengan �2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel, untuk mengetahui proporsi keragaman total dalam variabel tak bebes (�) yang dapat dijelaskan atau diterangkan oleh variabel–variabel bebas (�) yang ada didalam model persamaan regresi linier berganda secara bersama–sama. Maka �2akan ditentukan dengan rumus, yaitu:
R2 = 2
y JKreg
∑
(2.9) dengan:
����� = Jumlah Kuadrat Regresi
2.6 Koefisien Korelasi
Setelah mendapatkan hasil tentang jumlah pengaruh pada variabel yang diteliti untuk selanjutnya penulis akan mencari seberapa besar hubungan antara variabel terikat dengan variabel bebas, atau antara variabel bebas itu sendiri. Studi yang membahas derajat hubungan antara variabel–variabel tersebut dikenal dengan nama analisis korelasi.
Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui derajat hubungan linier antara satu variabel dengan variabel yang lain. Umumnya analisis korelasi digunakan, dalam hubungan dengan analisis regresi, untuk mengukur ketepatan garis regresi dalam menjelaskan variasi nilai variabel dependent.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan “�”.
Bentuk umum korelasi adalah:
�
���=
� ∑ ����−(∑ ��)(∑ ��) ���∑��2−(∑��)2��� ∑ ��2−(∑ ��)2�(2.10)
dengan:
��� = Koefisien korelasi antara �dan �
��� = Variabel bebas
Nilai r selalu antara 1 dan 1, sehingga nilai r tersebut dapat ditulis: -1≤ � ≤ 1. Semakin tinggi nilai koefisien korelasi (semakin mendekati nilai 1) maka hubungan antara dua variabel tersebut semakin tinggi, jika nilai koefisiennya mendekati nilai 0 maka hubungannya semakin rendah. Adapun jika nilainya bertanda negatif, maka terjadi hubungan yang berlawanan arah, artinya jika suatu nilai variabel naik maka nilai variabel lain akan turun.
Tabel 2.1 Interpretasi Koefisien Korelasi nilai �
� Interpretasi
0 0,01 – 0,20 0,21 – 0,40 0,41 – 0,60 0,61 – 0,80 0,81 – 0,99
1
Tidak berkorelasi Sangat rendah
Rendah Agak rendah
Cukup Tinggi Sangat tinggi
2.7 Uji Regresi Linier Berganda
1. Menentukan Formulasi hipotesis
�0:�1 = �2 =∙∙∙=�� = 0(�1 =�2 =∙∙∙= ��tidak mempengaruhi �)
�1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan
nol atau mempengaruhi �.
2. Menentukan taraf nyata � dan nilai ������ dengan derajat kebebasan �1 = �dan �2 =� − � −1.
3. Menentukan kriteria pengujian �0diterima bila �ℎ����� ≤ ������
�0ditolak bila �ℎ����� > ������
4. Menentukan nilai statistik F dengan rumus:
� = �����/�
�����/(�−�−1) (2.8)
dengan:
����� =Jumlah kuadrat regresi
����� = Jumlah kuadrat residu (sisa)
(� − � −1) = Derajat kebebasan
����� = �1∑�1�+�2∑�2�+ ∙∙∙ +��∑�� (2.11)
dengan:
�1 =�1− ��1
�2 =�2− ��2
�3 =�3− ��3
� = � − ��
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen.BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan.Selain hal–hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran–ukuran lainnya.
1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol), 2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan 3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).
3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik
Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.
3.2.1 Tugas
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
3.2.2 Fungsi
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik. 2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggaraan statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan statistik.
3.2.3 Kewenangan
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan:
1. Penyusunan rencana nasional secara makro di bidangnya.
2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.
3. Penetapan sistem informasi di bidangnya.
4. Penetapan dan penyelenggaraan statistik nasional.
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku
3.3 Visi dan Misi BPS
3.3.1 Visi
Pelopor data
3.3.2 Misi
1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.
3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.
4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak. 5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik
yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem
3.4 Struktur Organisasi BPS
Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.
Gambar 3.1 Struktur Organisasi BPS Provinsi
Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu– individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.
Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai/staf tersebut.
Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur–unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.
K E P A L A
Bagian Tata Usaha
Bidang I ntegrasi Pengolahan & Diseminasi Statistik Bidang
Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial Seksi Statistik Kependudukan Seksi Statistik Ketahanan Sosial Seksi Statistik Kesejahteraan Rakyat Seksi Statistik Konstruksi,
Pertam-bangan & Energi Seksi Statistik
I ndustri Seksi Statistk
Pertanian
Seksi Statistk Niaga & Jasa Seksi Statistk Keuangan & Harga
Produsen Seksi Statistk Harga Konsumen &
3.5 Logo BPS
Logo BPS adalah sebagai berikut:
BAB 4
ANALISIS DATA
Pada bab ini akan diuraikan bagaimana cara pengolahan data dengan menggunakan beberapa metode. Adapun metode yang digunakan dalam penyelesaian tugas akhir ini adalah analisis regresi linier berganda, kesalahan standard estimasi, uji keberartian regresi, koefisien korelasi linier ganda.Dan koefisien antar variable dependent dan independent.
4.1 Pengambilan Data
Tabel 4.1 Jumlah Kelahiran, Jumlah Pasangan Usia Subur (PUS),
Jumlah Akseptor KB dan Jumlah Posyandu
di Kota Medan Tahun 2012
No Kecamatan Kelahiran PUS Akseptor
KB Posyandu 1 Medan Tuntungan 1.004 12.067 8.727 48 2 Medan Johor 2.704 18.970 14.183 57 3 Medan Amplas 2.131 21.768 13.881 69 4 Medan Denai 2.663 24.213 15.010 95
5 Medan Area 1.841 14.386 9.296 113
6 Medan Kota 1.350 8.624 5.210 92
7 Medan Maimun 1.274 5.385 4.613 42
8 Medan Polonia 1.036 7.477 5.168 32
9 Medan Baru 1.029 5.970 3.917 25
10 Medan Selayang 1.095 15.309 9.829 41 11 Medan Sunggal 1.832 18.479 12.302 71 12 Medan Helvetia 2.928 25.028 16.408 55 13 Medan Petisah 1.549 10.110 6.334 59
14 Medan Barat 1.086 8.856 6.474 69
15 Medan Timur 2.313 14.595 10.236 78 16 Medan Perjuangan 1.898 14.217 9.201 64 17 Medan Tembung 2.377 20.425 12.780 69 18 Medan Deli 3.223 25.161 16.921 90 19 Medan Labuhan 2.243 20.118 13.718 87 20 Medan Marelan 2.415 21.593 14.230 61 21 Medan Belawan 1.502 17.625 12.625 79
dengan:
� = Jumlah Kelahiran
�1 = Pasangan Usia Subur (PUS)
�2 = Akseptor KB
�3 = Posyandu
4.2 Pengolahan Data
Tabel 4.2 Nilai – Nilai yang Dibutuhkan Untuk Menghitung Koefisien
Regresi Linier Berganda
No � �1 �2 �3 ��1 ��2
1 1.004 12.067 8.727 48 12.115.268 8.761.908
2 2.704 18.970 14.183 57 51.294.880 38.350.832
3 2.131 21.768 13.881 69 46.387.608 29.580.411
4 2.663 24.213 15.010 95 64.479.219 39.971.630
5 1.841 14.386 9.296 113 26.484.626 17.113.936
6 1.350 8.624 5.210 92 11.642.400 7.033.500
7 1.274 5.385 4.613 42 6.860.490 5.876.962
8 1.036 7.477 5.168 32 7.746.172 5.354.048
9 1.029 5.970 3.917 25 6.143.130 4.030.593
10 1.095 15.309 9.829 41 16.763.355 10.762.755
11 1.832 18.479 12.302 71 33.853.528 22.537.264
12 2.928 25.028 16.408 55 73.281.984 48.042.624
13 1.549 10.110 6.334 59 15.660.390 9.811.366
14 1.086 8.856 6.474 69 9.617.616 7.030.764
15 2.313 14.595 10.236 78 33.758.235 23.675.868
16 1.898 14.217 9.201 64 26.983.866 17.463.498
17 2.377 20.425 12.780 69 48.550.225 30.378.060
18 3.223 25.161 16.921 90 81.093.903 54.536.383
19 2.243 20.118 13.718 87 45.124.674 30.769.474
20 2.415 21.593 14.230 61 52.147.095 34.365.450
21 1.502 17.625 12.625 79 26.472.750 18.962.750
Sambungan Tabel 4.2
No ��3 �1�2 �1�3 �2�3 �2
Sambungan Tabel 4.2
No. �12 �22 �32
Dari Tabel 4.2 maka diperoleh hasil sebagai berikut:
n = 21 ∑ ��1 = 696.461.414
∑ � = 39.493 ∑ ��2 = 464.410.076 ∑ �1 = 330.376 ∑ ��3 = 2.766.377
∑ �2 = 221.063 ∑ �1�2 = 3.988.068.168
∑ �3 = 1.396 ∑ �1�3 = 23.202.142
∑ �2 = 83.736.095 ∑ �
2�3 = 15.448.017
∑ �12 = 5.997.370.008
∑ �22 = 2.660.543.805
∑ �32 = 102.546
Dari data tersebut maka selanjutnya akan dicari persamaan normal dengan rumus sebagai berikut:
ΣY = nb0 + b1ΣX1 + b2ΣX2 + b3ΣX3
ΣYX1 = b0ΣX1 + b1ΣX12 + b2ΣX1X2 + b3ΣX1X3 ΣYX2 = b0ΣX2 + b1ΣX1X2+ b2ΣX22 + b3ΣX2X3 ΣYX3 = b0ΣX3+ b1ΣX1X3+ b2ΣX2X3 + b3ΣX32
39.493 = 21 b0 + 330.376 b1 + 221.063 b2 + 1.396 b3
696.461.414 = 330.376 b0 + 5.997.370.008 b1 + 3.988.068.168 b2 + 23.202.142 b3 464.410.076 = 221.063 b0 + 3.988.068.168 b1 + 2.660.543.805 b2 + 15.448.017 b3 2.766.377 = 1.396 b0 + 23.202.142 b1 + 15.448.017 b2 + 102.546 b3
Setelah persaman diatas diselesaikan, maka diperoleh koefisien-koefisien regresi linier berganda sebagai berikut :
b0 = 193,691 b1 = 0,018 b2 = 0,110 b3 = 3,677
Dengan demikian, persamaan regresi linier ganda �, �1, �2, �3 terhadap Y adalah:
Ŷ = 193,691 + 0,018�1 + 0,110�2 + 3,677�3
4.3 Kesalahan Standard Estimasi
Untuk mengetahui seberapa besar tingkat kekeliruan baku taksiran dari persamaan regresi yang telah didapatkan, maka diperlukan harga��.
Tabel 4.3 Harga Penyimpangan ��
No Y �� Y - �� (Y - ��)2
1 1.004 -543 1.547,363 295.243,3498 2 2.704 399 2.304,87 159.304,7569 3 2.131 -235 2.366,138 55.289,87904
4 2.663 33 2.629,94 1.092,9636
5 1.841 -50 1.890,7 2.470,09
6 1.350 90 1.260,307 8.044,834249
7 1.274 322 952,485 103.371,8952
8 1.036 139 896,757 19.388,61305
9 1.029 205 823,946 42.047,14292
10 1.095 -606 1.701,2 367.478,44
11 1.832 -309 2.140,6 95.233,96
dengan:
∑ � = 39.493 ∑Y − �� = 76.263,887 ∑ �� = -36.771 ∑(Y − ��)2 = 746.281.746,4
Setelah memperoleh harga yang terdapat pada Tabel 4.3, maka kekeliruan bakunya dapat dihitung dengan menggunakan rumus (2.8) sebagai
berikut:��.1,2,…� = �∑(��−���)2
�−�−1
��.1234 = �
2.233.140 21−3−1
�
�.1234 =√
131.361��.1234 = 362,43
Dengan penyimpangan nilai yang didapat ini berarti bahwa rata-rata jumlah kelahiran yang sebenarnya akan menyimpang dari rata-rata jumlah kelahiran yang diperkirakan sebesar 362,43.
4.3 Uji Keberartian Regresi
Pengujian hipotesa dalam regresi linier berganada perlu dilakukan agar tidak terjadi kesalahan penarikan kesimpulan.
1. Menentukan formulasi hipotesis
�0:Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu
�1:Terdapat pengaruh yang signifikan antara variabel bebas yaitu
Pasangan Usia Subur (PUS), Akseptor KB, dan Posyandu terhadapvariabel terikat yaitu jumlah kelahiran.
2. Mencari nilai Ftabel dari Tabel Distribusi F
Dengan taraf nyata α = 0,05 dan nilai Ftabel dengan dk pembilang (v1) = k = 3 dan dk penyebut (v2) = n – k -1 = 21 – 3 – 1 = 17, maka diperoleh Fv1;v2(α) = F3;21(0,05) = 3,07.
3. Menentukan kriteria penguji �0diterima bila Fhitung< Ftabel
�1ditolak bila Fhitung ≥ Ftabel
4. Menentukan nilai statistik Fhitung
�ℎ����� = ����(���)/�
(���)/(�−�−1)
Untuk menguji model regresi yang telah terbentuk, maka diperlukan nilai-nilai �, �, �2, �3dngan rumus :
� = � −Ῡ �2 = �2 − Ῡ
Untuk memperoleh nilai-nilai tersebut, maka diperlukan nilai harga sebagai
berikut:
��1 = 330.376, ��2 = 221.063, ��3 = 1.396, ��= 39.493
Untuk menentukan uji keberartian regresi maka diperlukan nilai x1, x2, x3 dan �yang dapat membantu untuk mengerjakan uji keberartian regresi, sehingga dapat diperoleh dari Tabel 4.4 berikut ini:
Tabel 4.4 Nilai Untuk Uji Keberartian Regresi
No �� �1� �2� �3� �2 �12
1 -877 -3.665 -1.800 -18 768.461 13.433.621 2 823 3.238 3.656 -9 677.956 10.483.411
3 250 6.036 3.354 3 62.691 36.430.997
4 782 8.481 4.483 29 612.120 71.924.130 5 -40 -1.346 -1.231 47 1.570 1.812.229 6 -531 -7.108 -5.317 26 281.557 50.526.372 7 -607 -10.347 -5.914 -24 367.987 107.064.351 8 -845 -8.255 -5.359 -34 713.381 68.148.170 9 -852 -9.762 -6.610 -41 725.255 95.300.363
10 -786 -423 -698 -25 617.197 179.090
11 -49 2.747 1.775 5 2.364 7.544.963
12 1.047 9.296 5.881 -11 1.097.007 86.412.075 13 -332 -5.622 -4.193 -7 109.971 31.609.026 14 -795 -6.876 -4.053 3 631.419 47.281.995 15 432 -1.137 -291 12 186.953 1.293.202
16 17 -1.515 -1.326 -2 302 2.295.802
17 496 4.693 2.253 3 246.394 22.022.461 18 1.342 9.429 6.394 24 1.801.987 88.902.449 19 362 4.386 3.191 21 131.320 19.235.325 20 534 5.861 3.703 -5 285.563 34.349.088 21 -379 1.893 2.098 13 143.352 3.582.728
Sambungan Tabel 4.4
No �22 �32 ��1 ��2 ��3
1 3.239.314 341 3.212.976 1.577.747,311 16.197 2 13.367.729 90 2.665.951 3.010.437,596 -7.803 3 11.250.594 6 1.511.252 839.825,4059 632 4 20.098.997 814 6.635.224 3.507.562,834 22.316 5 1.514.892 2.164 53.335 48.763,50113 -1.843 6 28.268.464 651 3.771.741 2.821.200,406 -13.543 7 34.973.143 599 6.276.803 3.587.429,501 14.848 8 28.716.840 1.189 6.972.491 4.526.152,596 29.119 9 43.689.582 1.720 8.313.667 5.629.039,692 35.322 10 486.938 649 332.466 548.212,4535 20.015 11 3.151.301 20 -133.547 -86.308,0703 -220 12 34.588.401 132 9.736.254 6.159.846,882 -12.020 13 17.579.652 56 1.864.425 1.390.415,501 2.479 14 16.425.265 6 5.463.952 3.220.439,644 -2.005 15 84.570 133 -491.700 -125.740,499 4.983 16 1.757.771 6 -26.335 -23.043,8322 -43 17 5.076.867 6 2.329.421 1.118.440,834 1.253 18 40.885.672 553 12.657.054 8.583.439,501 31.578 19 10.183.697 421 1.589.334 1.156.426,644 7.437 20 13.713.620 30 3.131.905 1.978.914,454 -2.926 21 4.402.403 157 -716.654 -794.414,88 -4.742 Jumlah 333455711,2 9.745 75.150.016 48.674.787,48 141.033
dengan:
∑ �� = 0 ∑ ��1 = 75.150.016
∑ �1� = 0 ∑ ��2= 48674787,48
∑ �2� = 0 ∑ ��3 = 141.033
∑ �3� = 0 ∑ �2 = 9.464.807
∑ �12 = 799.831.847 ∑ �22= 333455711,2
Dari nilai-nilai diatas dapat diketahui nilai jumlah kuadrat regresi (�����) dan nilai (�����) dan selanjutnya dapat dihitung �ℎ�����.
����� =�1∑��1+�2∑��2+�3∑��3
����� = (0,018 x 75.150.016)+(0,11 x 48674787,48)+(3,677 x 141.033)
����� = 7.225.504,542 �����= Ʃ(� − Ŷ)2
����� =2.233.140
�ℎ�����
=
����� �
�����/(�−�−1)
�ℎ�����
=
7.225.504,542
3
2.233.140/(21−3−1)
�ℎ�����
=
18,335Untuk �ℎ�����, yaitu nilai statistik � jika dilihat dari tabel distribusi � dengan derajat kebebasan pembilang �1 = k yaitu 3 dan penyebut �2 = n-k-1 yaitu 21, dan α = 5% = 0,05 maka:
������ = �(α)(v1;v2)
������ =� (0,05)(3;21) = 3,07
4.4 Perhitungan Koefisien Determinasi Dan Koefisien Korelasi Ganda
Dari Tabel 4.4 dapat dilihat harga Ʃ�2 = 9.464.807dan nilai ����� = 7.225.504,542telah dihitung sebelumnya, maka diperoleh nilai koefisien
determinasi: �2 =�����
Ʃ�2
�2
=
7.225.504,542 9.464.807�2 = 0,763
Dan untuk koefisien korelasi ganda, kita gunakan: � = √�2
= √0,763
= 0,874
Dari hasil perhitungan didapat nilai koefisien determinasi 0,763. Dan dengan mencari akar dari �2, diperoleh koefisien korelasinya sebesar 0,874. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent terhadap perubahan variabel dependent. Artinya 76,3% jumlah kelahiran dipengaruhi oleh pasangan usia subur, akseptor KB dan jumlah posyandu. Sedangkan sisanya 23,7% dipengaruhi oleh faktor-faktor lain.
4.5 Menghitung Koefisien Korelasi Antar Variabel Dependen (�) dengan
1. Koefisien korelasi antara Jumlah Kelahiran (�) dengan jumlah Pasangan Usia Subur (�1)
�
(�,�1)=
� ∑ �
2� −
(
∑ �
2)(
∑ �
)
�
{
� ∑ �
22−
(
∑ �
2)
2}
�� ∑ �
2−
(
∑ �
)
2�
�
(�,�1)=
(21 × 696.461.441)
−
(330.376 × 39.493)
�
{21 × 5.997.370.008
−
(330.376)
2}{21 × 83.736.095
−
(39.493)
2}
�
(�,�1)=
1.578.150.326
√
1.827.151.342
�
(�,�1)=
0,864Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan jumlah pasangan usia subur. Artinya penambahan jumlah kelahiran akan meningkatkan jumlah pasangan usia subur, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah pasangan usia subur. Hubungan antara jumlah kelahiran dengan jumlah pasangan usia subur tergolong kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,864.
2. Koefisien korelasi antara Jumlah Kelahiran (�) dengan Akseptor KB (�2)
�
(�,�2)=
� ∑ �
2� −
(
∑ �
2)(
∑ �
)
�(�,�2) =
(21 × 464.410.076)−(221.063 × 39.493)
�{21 × 2.660.543.805−(221.063)2}{21 × 83.736.095−(39.493)2}
�(�,�2) =
1022170537 √1,39184�+ 18
�
(�,�2)=
0,866Nilai yang positif menandakan hubungan yang searah antara jumlah kelahiran dengan nilai akseptor KB. Artinya penambahan jumlah kelahiran akan meningkatkan jumlah akseptor KB, dan sebaliknya penurunan jumlah kelahiran akan menurunkan jumlah akseptor KB. Hubungan antara jumlah kelahiran dengan jumlah akseptor tergolong kuat, ini ditandai dengan nilai r yang diperoleh yaitu 0,866.
3.
Koefisien korelasi antara � (Jumlah kelahiran) dengan �3 (Posyandu)�(�,�3) =
� ∑ �3� −(∑ �3)(∑ �)
�{� ∑ �32−(∑ �3)2}�� ∑ �2−(∑ �)2�
�(�,�3) =
(21 × 2.766.377)−(1.396 × 39.493)
�{21 × 102.546−(1.396)2}{21 × 83.736.095−(39.493)2}
�(�,�3) =
2.961.689 √4,06764�+ 13
�
(�,�3)=
0,464menurunkan jumlah posyandu. Hubungan antara jumlah kelahiran dengan jumlah posyandu tergolong lemah, ini ditandai dengan nilai r yang diperoleh yaitu 0,464.
4.6 Perhitungan Korelasi Antar Variabel Bebas
Utuk mengukur seberapa besar hubungan variabel independen (Xi) terhadap variabel independen lainnya (Xi), dapat dilihat dari besarnya nilai koefisien korelasinya yaitu:
1. Koefisien korelasi antara Pasangan Usia Subur (�1) dengan Akseptor KB (�2)
�(1,2) =
� ∑ �1�2−(∑ �1)(∑ �2)
�{� ∑ �12−(∑ �1)2}�� ∑ �22−(∑ �2)2�
�(1,2)=
(21 × 3.988.068.168)−(330.376 × 221.063)
�{(21 × 5.997.370.008)−(330.376)2}{(21 × 2.660.543.805)−(221.063)2}
�(1,2) =
10.715.521.840 √1,17618�+ 20 �(1,2) = 0,988
Artinya variabel Pasangan Usia Subur (�1) berkolerasi positif dan kuat terhadap Akseptor KB (�2).
2. Koefisien korelasi antara Pasangan Usia Subur (�1) dengan Posyandu (�3)
�(1,3) =
� ∑ �1�3 −(∑ �1)(∑ �3)
�(1,3)= (21 × 23.022.142)−(330.376 × 1.396)
�{(21 × 5.997.370.008)−(330.376)2}{(21 × 102.546)−(1.396)2}
�(1,3) =
26.040.086 �3,4374�+ 15
�(1,3) = 0,444
Artinya variabel Pasangan Usia Subur (�1) berkolerasi positif dan lemah terhadap Posyandu (�3).
3. Koefisien korelasi antara Akseptor KB (�2) dengan Posyandu (�3) �(2,3) =
� ∑ �2�3−(∑ �2)(∑ �3)
�{� ∑ �22−(∑ �2)2}�� ∑ �32−(∑ �3)2�
�(2,3) =
(21 × 15.448.017)−(221.063 × 1.396)
�{(21 × 2.660.543.805)−(221.063)2}{(21 × 102.546)−(1.396)2}
�(2,3) =
15.804.409 �1,43308�+ 15
�
(2,3)=
0,417BAB 5
IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem
Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.
Tahapan iplementasi merupakan tahapan penerapan hasil desain tertulis ke dalam programming.Dalam pengolahan data pada karya tulis ini penulis menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS for windows dalam masalah memperoleh perhitungan.
5.2 Peranan Komputer Dalam Statistika
Komputer memiliki peranan penting yang sangat penting dalam statistika. Komputer bekerja secara efisien dalam pengolahan data mempunyai karakteristik sebagai berikut :
1. Jumlah Input yang Besar
2. Proyek yang Repetitif
Pengolahan yang berulang-ulang akan lebih efisien dengan menggunakan komputer, karena perintah hanya dilakukan satu kali kemudian diulang-ulang (copy) untuk menjalankan pengolahan yang lain.
3. Diperlukan Kecepatan yang Tinggi
Komputer dapat melakukan proses pengolahan jumlah data yang besar dalam waktu yang singkat. Hanya saja yang membedakan pada proses pemasukan data.
4. Diperlukan Ketepatan
Komputer yang telah terprogram dengan benar akan melakukan proses pengolahan yang tepat. Pada proses pemasukan data akan terlihat jika terjadi kesalahan informasi.
5. Pengolahan Hal yang Kompleks
Hubungan antar fenomena yang kompleks akan dapat dipecahkan dengan mudah menggunakan komputer dalam waktu yang tepat dan cepat.
SPSS sebagai software statistic, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Standford University, yang dioperasikan pada computer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk computer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya sistem operasi windows, SPSS pada tahun 1992 juga mengeluarkan versi Windows.
Proses ini membuat SPSS (Statistical Package for the Social Sciens) yang tadinya ditujukan bagi pengolahan data statistik untuk ilmu sosial, sekarang diperluas untuk melayani berbagai user, seperti untuk proses produksi di pabrik, riset ilmu-ilmu sains dan lainnya.Dan sekarang SPSS menjadi Statistical Product and Services Solutions.
5.3 Cara Kerja SPSS
Cara kerja SPSS sama halnya dengan prinsip komputer yaitu meliputi 3 bagian : input, proses, dan output.
1. Input
Pada statistik, input berupa data yang telah ditabulasikan pada data editor bagian viewdata, sedangkan proses coding dan pendefenisian variable pada view variable.
2. Proses
menganalisis input yang ada di data editor sesuai dengan perintah dari pemakai.
3. Output
Pada statistik, output berupa hasil analisis, baik dalam bentuk penyajian data maupun dalam bentuk grafik atau table serta kesimpulan yang diperoleh dari hasil analisis.
Pada SPSS, output berupa hasil analisis program SPSS yang disajikan dalam output navigator.
Dengan demikia, cara kerja SPSS dapat dilihat dalam sistematika berikut :
5.4 Mengoperasikan SPSS
Adapun langkah-langkah pengolahan data dengan menggunakan program SPSS adalah :
a. Mengaktifkan Program SPSS pada Windows
Klik Start, kemudian All Program, SPSS Inc, SPSS 17.0 for windows. Seperti tampilan gambar berikut:
INPUT DATA dengan DATA EDITOR
PROSES dengan DATA EDITOR
Gambar 5.1 Tampilan saat membuka SPSS pada Windows
Maka akan muncul tampilan Gambar 5.2 seperti dibawah ini :
Gambar 5.2 Tampilan awal SPSS
b. Pemasukan Data
Langkah-langkahnya sebagai berikut:
a. Pada Variable View, isilah kolom dengan ketentuan data yang akan diolah. Pengisian Kolom dilakukan dengan cara berikut :
1. Input variable Y (jumlah kelahiran) a) Name
Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik Y.
b) Type
Karena Y berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.
c) Width
Untuk keseragaman ketik 8. d) Decimals
Berdasarkan data yang ada maka ketik 0. e) Label
Label adalah keterangan untuk nama variable. Maka untuk Y ketik Jumlah Kelahiran.
2. Input Variabel �1 (Pasangan Usia Subur) a) Name
b) Type
Karena �1 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.
c) Width
Untuk keseragaman ketik 8. d) Decimals
Berdasarkan data yang ada maka ketik 0. e) Label
Label adalah keterangan untuk nama variable. Maka untuk �1 ketik Pasangan Usia Subur.
3. Input Variabel �2 (Akseptor KB) a) Name
Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik �2 .
b) Type
Karena �2 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.
c) Width
Untuk keseragaman ketik 8. d) Decimals
e) Label
Label adalah keterangan untuk nama variable. Maka untuk �2 ketik Akseptor KB.
4. Input Variabel �3(Jumlah Posyandu) a) Name
Letakkan pointer pada kolom name, klik pada sel tersebut dan ketik �3 .
b) Type
Karena �3 berupa angka, maka klik kotak kecil di kanan sel tersebut, pilih type numeric.
c) Width
Untuk keseragaman ketik 8. d) Decimals
Berdasarkan data yang ada maka ketik 0. e) Label
Hasilnya dapat dilihat pada Gambar 5.3 berikut ini :
Gambar 5.3 Tampilan Pada Pengisian Variable View
Setelah proses pengisian Variabel View selesai, klik pada Data View dan isikan data pada kolom yang sudah didefennisikan sebelumnya. Tampilannya pada Gambar 5.4:
c. Menyimpan Data
Setelah proses pengisian data telah selesai, maka langkah selanjutnya adalah menyimpan file tersebut dengan langkah-langkah sebagai berikut :
1. Dari Menu SPSS, pilih menu file kemudian pilih submenu save as. 2. Beri nama file tersebut, dan
3. Klik save.
d. Analisis Regresi dan Korelasi Dengan SPSS
Adapun langkah-langkah analisis regresi dalam SPSS adalah sebagai berikut : 1. Buka analyze→regression→linear
Maka akan muncul tampilan Gambar 5.5 sebagai berikut:
2. Masukkan Jumlah Kelahiran (Y) pada kotak dependent, sedangkan Pasangan Usia Subur (�1), Akseptor KB (�2), serta jumlah Posyandu (�3) pada kotak independent (s). Seperti pada gambar berikut:
Gambar 5.6 Tampilan pada saat pemasukan variable statistic
Gambar 5.7 Tampilan pada kotak Statistic
4. Klik plots dan berikan tanda ceklist pada pilihan Produce All Partial Plot. Lalu klik continue seperti pada gambar berikut :
Gambar 5.8 Tampilan pada kotak Plots
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Setelah dilakukannya analisis, maka penulis dapat mengambil beberapa kesimpulan antara lain:
1. Dengan menggunakan rumus di atas maka diperoleh nilai koefisien–koefisien b0= 193,691; b1 = 0,018; b2 = 0,110; dan b3 = 3,677. Persamaan regresi yang diperoleh berdasarkan nilai – nilai koefisien regresi berganda tersebut adalah ��= 193,691 + 0,018�1+ 0,110�2+ 3,677�3
2. Koefisien determinasi (�2) adalah sebesar 0,89, menunjukkan bahwa 76,3% pertumbuhan ekonomi dipengaruhi oleh keempat faktor yang dianalisis yaitu Pasangan Usia Subur (�1), Akseptor KB (�2), dan Posyandu (�3), dan 23,7% sisanya dipengaruhi oleh faktor – faktor yang lain
4. Pada analisis koefisien korelasi antara variabel dependen (terikat) dengan variabel independen (bebas), korelasi yang kuat terjadi pada jumlah kelahiran (�) dengan akseptor KB (�2) yaitu sebesar 0,866 dan tergolong sangat kuat, ini ditandai dengan nilai r yang sangat kuat yaitu sebesar 0,866(0,80 ≤ r ≤ 1,000 berarti korelasi sangat kuat).
6.2 Saran
1. Pemerintah kota Medan agar senantiasa memperhatikan struktur penduduk yang berada pada kelompok usia subur dengan membuat suatu kebijakan yang tepat pada kelompok usia subur yang cukup tinggi mempengaruhi jumlah kelahiran.
2. Pemerintah agar senantiasa memperhatikan masyarakat yang memakai alat kontrasepsi (khususnya KB) dengan membuat suatu kebijakan yang bisa menumbuhkan kemauan masyarakat untuk memakai alat kontrasepsi (khususnya KB) yang cukup tinggi mempengarui jumlah kelahiran.
DAFTAR PUSTAKA
Algifari. 1997. “Analisis Regresi Cetakan Pertama”. Yogyakarta: BPFE Yogyakarta.
Algifari. 2000. “Analisis Regresi Cetakan Pertama”. Yogyakarta: BPFE Yogyakarta.
BPS. 2011. Medan Dalam Angka 2011. Medan: Badan Pusat Statistik Provinsi Sumatera Utara.