Analisis Faktor Angka Kematian Bayi Terhadap Penolong Kelahiran Di Sumatera Utara

ANALISIS FAKTOR ANGKA KEMATIAN BAYI TERHADAP

PENOLONG KELAHIRAN DI SUMATERA UTARA

TUGAS AKHIR

QORRY ANGRYANA

062407074

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

ANALISIS FAKTOR ANGKA KEMATIAN BAYI TERHADAP PENOLONG KELAHIRAN DI SUMATERA UTARA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

QORRY ANGRYANA

062407074

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

PERSETUJUAN

Judul : ANALISIS FAKTOR ANGKA KEMATIAN BAYI

TERHADAP PENOLONG KELAHIRAN DI SUMATERA UTARA

Kategori : TUGAS AKHIR

Nama : QORRY ANGRYANA

Nomor Induk Mahasiswa : 062407074

Program Studi : D3 STATISTIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Juni 2009

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU

Ketua, Pembimbing,

Dr. Saib Suwilo, M.Sc 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, Mei 2009

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Allah SWT, atas segala rahmat dan limpahan karunia-Nya tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan.

DAFTAR ISI

Halaman

Persetujuan ii Pernyataan iii Penghargaan iv

Daftar Isi v

Daftar Tabel vii

Daftar Gambar viii

BAB 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Tujuan Penelitian 3

1.4 Batasan Masalah 3

1.5 Manfaat Penelitian 4

1.6 Tinjauan Pustaka 4

1.7 Metodologi Penelitian 5

1.8 Lokasi dan Waktu Penelitian 7

1.9 Sistematika Penulisan 7

BAB 2 Landasan Teori 9

2.1 Pengertian Regresi 9

2.2 Analisis Regresi Linier 9

2.3 Regresi Linier Sederhana 10

2.4 Regresi Linier Berganda 11

2.5 Membentuk Persamaan Regresi Linier Berganda 12

2.6 Koefisien Determinasi 13

2.7 Koefisien Korelasi 14

BAB 3 Sejarah Singkat Tempat Riset 16

3.1 Sejarah Singkat Badan Pusat Statistik (BPS) di Indonesia 16

3.2 Visi dan Misi 19

3.2.1 Visi 19

3.2.2 Misi 19

3.3 Sejarah Singkat Kotamadya Medan 20

3.3.1 Letak 20

3.3.2 Batas 20

3.3.3 Geologi 20

3.3.4 Iklim 21

4.1 Pengolahan Data 22

4.2 Persamaan Regresi Linier Berganda 24

4.3 Analisis Residu 30

4.4 Pengujian Regresi Linier Berganda 32

4.5 Koefisien Determinasi 38

4.6 Koefisien Korelasi 38

BAB 5 Implementasi Data 40

5.1 Sejarah tentang SPSS 42

5.2 Mengaktifkan SPSS 42

5.3 Input Data pada Worksheet 44

5.4 Pengisian Data 47

5.5 Pengolahan Data dengan Persamaan Regresi 47 5.6 Pengolahan Data dengan Persamaan Korelasi 56

BAB 6 Kesimpulan dan Saran 59

6.1 Kesimpulan 59

6.2 Saran 60

Daftar Pustaka 62

DAFTAR TABEL

Halaman

Tabel 2.1 Bentuk Umum Data Observasi 12

Tabel 4.1 Data Angka Kematian Bayi (AKB) Dokter, Bidan dan Dukun 23

Tabel 4.2 Nilai-nilai Koefisien 25

Tabel 4.3 Jumlah Nilai Koefisien 28

Tabel 4.3 Penyimpangan Nilai Koefisien 30

DAFTAR GAMBAR

Halaman

Gambar 5.1 Mengaktifkan SPSS 43

Gambar 5.2 Tampilan Logo SPSS 43

Gambar 5.3 Worksheet 44

Gambar 5.4 Layar Kerja Variabel View 46

Gambar 5.5 Data yang diolah 47

Gambar 5.6 Anlyze Data Regression 48

Gambar 5.7 Kotak Dialog Regresi Linier 48

Gambar 5.8 Kotak Dialog Linier Regression Statistic 49

Gambar 5.9 Kotak Dialog Linier Regresi Plot 49

Gambar 5.10 Anlyze Data Correlation 57

BAB 1

PENDAHULUAN

1.1Latar Belakang

Kesejahteraan penduduk merupakan suatu tujuan penting yang ingin dicapai disetiap negara. Untuk mencapai tujuan tersebut maka pemerintah berusaha membuat suatu kebijakan-kebijakan penting dan berusaha memenuhi sarana dan fasilitas yang menunjang bagi kesejahteraan penduduk. Selama ini penelitian dibidang mortalitas hampir dikesampingkan, tidak terkecuali pula di Indonesia penelitian mortalitas jumlahnya relative sangat sedikit, dan itupun lebih banyak menekankan pada asfek dan tingkat perkembangan belum banyak tentang faktor-faktor lainnya yang dikaitkan dengan tinggi rendahnya tingkat kematian. Keadaan ini disebabkan karena selama ini ada anggapan bahwa arah perkembangan tingkat kematian akan cenderung terus menerus.

semakin laju. Apabila kenaikan ini tidak selalu diperhatikan semakin tinggi hingga sangat berpengaruh kepada perkembangan suatu negara.

Kematian bayi adalah kematian yang terjadi antara saat bayi lahir sampai bayi berusia tepats satu tahun. Banyal faktor yang dikaitkan dengan kematian bayi. Secara garis besar, dari sisi penyebabnya kematian bayi ada dua macam yaitu Endogen dan Eksogen, antara lain meliputi :

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 disebabkan oleh faktor-faktor yang bertalian dengan pengaruh lingkungan.

Dengan uraian diatas maka penulis tertarik untuk menganalisis hubungan antara faktor-faktor Angka Kematian Bayi terhadap Penolong Kelahiran di Sumatera Utara.

1.2Rumusan Masalah

Adapun masalah yang akan dibahas adalah untuk mengetahui persamaan regresinya sebagai persamaan penduganya terhadap angka kematian bayi terhadap penolong kelahiran di Sumatera Utara.

1.3Tujuan Penelitian

1. Menganalisis hubungan angka kematian bayi terhadap penolong kelahiran di SumateraUtara.

2. Memberikan informasi kepada masyarakat akan kesehatan bayi di Sumatera Utara.

1.4Batasan Masalah

1.5Manfaat Penelitian

Hasil penelitian ini diharapkan dapat menghasilkan manfaat sebagai berikut:

1. Untuk memberikan informasi angka kematian bayi terhadap penolong kematian. 2. Sebagai pemerhati kesehatan bayi sebaiknya untuk tindak lanjutin banyaknya

penyebab dari kematian bayi di Sumatera Utara.

3. Dari informasi yang dihasilkan dari penelitian ini diharapkan pemerintah mengambil langkah-langkah untuk kebijakan terhadap meningkatnya angka kematian bayi di Indonesia.

1.6Tinjauan Pustaka

Sumber bahan bacaan atau informasi yang penulis dapatkan dalam penulisan Tugas Akhir ini adalah:

kesehatan masyarakat” Ini adalah sebuah dasar tentang bagaimana seharusnya pemerintah memperhatikan kesehatan masyarakatnya.

Algifari (2000) menyatakan persamaan regresi (regression equation) adalah persamaan matematis yang mendefenisikan hubungan antara dua variabel.

Drs.Andi Supangkat (2000) menyatakan bahwa regresi ganda merupakan model persamaan regresi linier dari variabel bebas lebih dari satu.

1.7Metodologi 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 skunder dari Badan Pusat Statistik (BPS) berupa buku-buku dan sumber-sumber yang dapat dipercaya dari Kantor Badan Pusat Statistik (BPS) Sumatera Utara.

2. Studi Literatur

Studi literature ini meliputi pengambilan teori-teori serta rumus-rumus dari beberapa sumber bacaan yang berkaitan dengan masalah yang sedang diteliti. 3. Metode Pengolahan Data

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

Dengan Y merupakan pengamatan variabel tak bebas.Xk merupakan pengamatan

variabel bebas. β0 merupakan variabel Intersep dan β1,β2,β3,…,βk merupakan

parameter koefisien regresi variabel bebas yang nilainya tidak diketahui, sehingga nilainya diduga menggunakan statistic sampel. Μ merupakan error atau kesalahan yang tidak diketahui nilainya.

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

Di mana:

Y = variabel tak bebas (dependent variable)

Xk = variabel bebas (independent variable) b0 = penduga bagi β0 intersep (titik potong) bk = penduga bagi βk

1.8Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di Badan Pusat Statistik (BPS) Medan. Pengambilan data dilaksanakan selama 3 (tiga) kali terhitung dari tanggal 11 Februari, 13 Maret dan 7 April, dengan cara mencatat langsung data Angka Kematian Bayi terhadap Penolong Kelahiran pada tahun 2007.

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, Metodotologi Penelitian, Lokasi dan Waktu Penelitian dan Sistematika Penulisan.

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 Statistik (BPS), moto,Visi dan Struktur organisasi.

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 2

LANDASAN TEORI

2.1 Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang disebut variabel takbebas (dependent variable), pada satu atau lebih variabel, yairu variabel yang menerangkan dengan tujuan untuk memperkirakan ataupun meramalkan nilai-nilai dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas (independent variabel).

2.2 Analisis Regresi Linier

1. Analisis Regresi Sederhana (simple analisis regresi)

2. Analisis Regresi Berganda (multiple analisi regresi)

Analisi regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (independent variable) dan variabel takbebas (dependent variable). Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya 2 variabel bebas dengan satu variabel takbebas.

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel takbebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya ada satu peubah bebas X yang dihubungkan dengan satu peubah takbebas Y. bentuk-bentuk model umum regresi sederhana yang menunjukkan antara dua variabel, yaitu variabel X sebagai variabel bebas dan variabel Y sebagai variabel takbebas adalah :

Ŷ = a + bx (2.1)

Dimana :

Ŷ = Variabel takbebas

x = Variabel bebas

a = Parameter Intersep

2.4 Regresi Linier Berganda

Regresi linier berganda adalah analisi regresi yang menjelaskan hubungan antara peubah respon (variable dependent)dengan faktor-faltor yang mempengaruhi lebih dari satu predator (variable Independent).

Regresi linier berganda hampir sama dengan Regresi linier sederhana, hanya saja pada Regresi linier berganda variabel penduga (variabel bebas) lebih dari satu variabel penduga. Tujuan analisi regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y atas nilai X. Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel :

Y = β0 + β1X1i + β2X2i +…+ βk Xki + εi (2.2)

Dimana :

Y = Pengamatan ke-i pada variabel tak bebas

Xik = Pengamatan ke- i pada variabel bebas

β0 = Parameter Intersep

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

εi = Pengamatan ke i variabel kesalahan

Model diatas merupakan model regresi untuk populasi, sedangkan apabila hanya menarik sebagian berupa sampel dari populasi secara acak, dan tidak mengetahui regresi populasi, sehingga model regresi populasi perlu diduga berdasarkan model regresi sampel, sebagai berikut :

Yi = bo + b1X1i + b2X2i + … + bkXki (2.3)

Y = Variabel tak bebas

X = Variabel bebas

bo,b1,….,bk = Koefisien regresi

Bentuk data yang akan diolah ditunjukkan pada tabel berikut ini :

Tabel 2.1 Bentuk Umum Data Observasi

Variabel Bebas

Nomor Observasi

Respon

(Yi) X1i X2i X3i … Xki

1 2 . . . n Y1 Y2 . . . Yn X11 X12 . . . X1n X21 X22 . . . X2n X31 X32 . . . X3n … … … … … … Xk1 Xk2 . . . Xkn

∑ ∑Yi ∑X1i ∑X2i ∑X3i … ∑Xkn

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, yaitu :

Untuk hal ini, penulis menggunakan regresi linier berganda dengan tiga variabel, yaitu satu variabel takbebas (dependent variable) dan dua variabel bebas (independent

variable). Bentuk umum persamaan regresi linier berganda tersebut yaitu :

Yi = bo + b1X1i + b2X2i + b3X3i + ei (2.5)

Dimana :

I = 1,2,…,n

n = ukuran sampel e1 = variabel kesalahan

Untuk rumus diatas, dapat diselesaikannya dengan tiga variabel yang berbentuk: ∑Yi = nb0 + b1∑X1i + b2∑X2i + b3X3i (2.6)

∑X1iYi = b0∑X1i + b1∑(X1i)2 + b2X1iX2i + b3X1iX3i (2.7)

∑X2iYi = b0∑X2i + b1∑X1iX2i + b2∑(X2i)2 + b3X2iX3i (2.8)

X3iYi =b0X3i + b1X1iX3i + b2X2iX3i + b3(X3i)2 (2.9)

Dengan b1,b2 adalah koefisien yang ditentukan berdasarkan data hasil

pengamatan. Untuk x1 = X1- X 1 , x2 = X2- X2, x3 = X3 - X 3dan y = Y- Y, persamaannya

liniernya menjadi y = b1x1 + b2x2 + b3x3

2.6Koefisien Determinasi

keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabel – variabel bebas (X) yang ada didalam model persamaan regresi linier berganda secara bersama – sama. Maka R2 akan ditentukan dengan rumus, yaitu :

R2 =



2

i reg

y JK

(2.10)

Dimana :

JKreg = Jumlah Kuadrat Regresi











n Y Yi

y_i i

2 2

2 ( )

(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 (yang bersifat nyata).

2.7Koefisien Korelasi

Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui adanya derajat hubungan linier antara satu variabel dengan variabel yang lain. Untuk nengukur kuat tidaknya antara variabel bebas dan tak bebas, ditinjau dari besar kecilnya nilai koefisien korelasi (r). makin besar nilai r maka makin kuat hubungannya dan jika r makin kecil berarti makin lemah hubungannya.

Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara variabel tersebut, dapat dilihat pada perumusan berikut :

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

-0,79  r  -0,50 berarti berkorelasi sedang secara negatif

-0.49  r  0,49 berarti berkorelasi lemah

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

0,80  r  1,00 berarti berkorelasi kuat secara positif

Untuk hubungan lima variabel tersebut dapat dihitung dengan menggunakan rumus sebagai berikut :

1. Koefisien Korelasi antara X1 dan Y

ryx1=





 



















 } }{ { ) )( ( 2 2 2 1 2 1 1 1 i i i i i i i i Y Y n X X n Y X Y X n (2.12)

2. Koefisien Korelasi antara X2 dan Y

ryx2=





 



















 } }{ { ) )( ( 2 2 2 2 2 2 2 2 i i i i i i i i Y Y n X X n Y X Y X n (2.13)

3. Koefisien Korelasi antara X3 dan Y

ryx3=

BAB 3

SEJARAH SINGKAT TEMPAT RISET

3.1 Sejarah Singkat Badan Pusat Statistik di Indonesia

Seajarah Badan Pusat Statistik dibagi dalam tiga masa, yaitu masa sebelum kemerdekaan, masa setelah kemerdekaan dan masa orde baru. Masa sebelum kemerdekaan dibagi kembali dalam dua masa pemerintahan Belanda dan masa Pemerintah Jepang.

1. Masa Pemerintahan Belanda

a. Pada bulan Februari 1920, kantor statistik pertama kali dibentuk oleh direktur pertanian, kerajinan, dan perdagangan (Directur Van Landbouw Nijerverheid

en Handel) yang berkedudukan di Bogor. Kantor ini diserahi tugas untuk

mengolah dan mempublikasikan data statistik.

b. Pada bulan Maret 1923, dibentuk suatu komisi untuk badan statistik yang anggotanya merupakan wakil dari tiap-tiap departemen Komisi tersebut diserahi tugas merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

c. Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama

ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Invoer Uitvoer en Accijnsen (UIA)

yang sekarang disebut kantor bea dan cukai.

2. Masa Pemerintahan Jepang

a. Padabulan Juni 1944, Pemerintahan Jepang Baru Mengaktifkan kembali kegiatan statistik yang utamanya diarah kan untuk memenuhi kebutuhan perang atau militer.

b. Pada masa ini CKS diganti namanya dengan Shomubu Chosasitsu Guseikanbu.

3. Masa Kemerdekaan Republik

a. Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945, kegiatan statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke Yogyakarta sebagai konsekuensi Linggarjati. Sementara ini Pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

b. Berdasarkan surat edaran Kementrian Kemakmuran, tanggal 12 Juni 1950 No. 219/S.C, KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab kepada Menteri Kemakmuran.

KPS dibagi menjadi dua bagian yaitu bagian Reseach yang disebut Afdeling A

dan bagian penyelenggaraan tata usaha yang disebut Afdeling B.

d. Dengan Keputusan Presiden RI No.131 Tahun 1957, kementerian Perekonomian dipecah menjadi Kementerian Perdagangan dan Perindustrian. Untuk selanjutnya Keputusan Presiden RI No.172 Tahun 1957, terhitung mulai tanggal 1 Juni 1957 nama KPS diubah manjadi Biro Pusat Statistik dan urusan Statistik yang semula menjadi tanggung jawab dan wewenang barada dibawah Perdana Menteri.

4. Masa Orde Baru Sampai Sekarang

a. Pada pemerintahan orde baru, khususnya untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan Organisasi Biro Pusat Statistik.

b. Dalam masa orde baru ini BPS telah mengalami empat kali perubahan Stuktur Organisasi, yaitu :

1. Peraturan Pemerintahan No. 16 Tahun 1968 tentang Organisasi BPS 2. Peraturan Pemerintahan No. 16 Tahun 1980 tentang Organisasi BPS

3. Peraturan Pemerintah No. 2 Tahun 1992 tentang Organisasi BPS dan Keputusan Presiden No. 6 Tahun 1992 tentang kedudukan, tugas, fungsi, susunan dan tata kerja Biro Pusat Statistik.

5. Keputusan Presiden RI No. 86 tentang BPS.

6. Keputusan Kepala BPS No. 100 Tahun 1998 tentang organisasi dan tata kerja BPS.

7. PP No. 51 Tahun 1999 tentang penyelenggaraan statistik.

c. Tahun 1968 ditetapkan peraturan pemerintahan No. 16 tahun 1968 yaitu yang mengatur organisasi dan tata kerja di pusat dan daerah. Tahun 1980 peraturan pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti peraturan pemerintah No. Tahun 1968. Berdasarkan peraturan pemerintah No. 6 tahun 1980 di tiap propinsi terdapat perwakilan BPS dengan nama kantor statistik propinsi. Di Kabupaten / Kotamadya terdapat cabang perwakilan BPS dengan nama Kantor statistik Kabupaten / Kotamadya. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 ditetapkan nama Badan Pusat statistik sekaligus mengatur tata kerja Struktur Organisasi BPS yang baru.

3.2 Visi dan Misi

3.2.1 Visi

Badan Pusat Statistik mempunyai Visi untuk menjadikan informasi sebagai tulang punggung pembangunan nasional dal regional, didukung sumber daya manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

Dalam menunjang pembangunan nasional badan Pusat statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu dan handal, efektif dan efisien, peningkatan kesadaran masyarakat akan kegunaan Badan Statistik dan mengemban ilmu pengetahuan statistik dalam kehidupan masyarakat.

3.3 Sejarah Singkat Kotamadya Medan

3.3.1 Letak

Kota Medan terletak antara -2”27’ – 2”47’ Lintang Utara dan -98”35’ – 98”44’ Bujur Timur. Kota Medan diatas permukaan laut.

3.3.2 Batas

Kota Medan berbatasan berbatasan dengan : sebelah Utara, Selatan, Barat dan Timur : Kabupaten Deli Serdang.

3.3.3. Geologi

Kota Medan merupakan salah satu dari 19 Daerah Tingkat II Sumatera Utara dengan luas daerah sekitar 265.10 km2 . Kota ini merupakan pusat pemerintahan Daerah Tingkat I Sumatera Utara yang berbatasan langsung dengan Kabupaten Deli Serdang disebelah Utara, Selatan, Barat, dan Timur.

3.3.4 Iklim

Kota Medan mempunyai iklim tropis dengan suhu minimum menurut stasiun Polonia pada tahun 2002 berkisar antara 22,50C – 23,90C dan suhu maksimum berkisar antara 30,80C – 33,70C serta menurut Stasiun Sampali suhu minimum berkisar antara 23,40C – 24,10C dan suhu maksimum berkisar antara 30,90C – 33,80C.

BAB 4

ANALISA DATA

4.1 Pengolahan Data

Setiap data merupakan alat bagi pengambilan keputusan untuk dasar pembuatan keputusan - keputusan atau untuk memecahkan suatu persoalan. Keputusan yang baik dapat dihasilkan jika pengambilan keputusan tersebut didasarkan atas data yang baik. Salah satu kegunaan dari data adalah untuk memperoleh dan mengetahui gambaran tentang suatu / permasalahan.

[image:32.612.103.459.168.707.2]

Tabel 4.1 Data Angka Kematian Bayi (AKB), Dokter, Bidan dan Dukun sebagai

Penolong Kelahiran di Sumatera Utara. Dimana datanya adalah sebagai

berikut .

Kabupaten / Kota AKB Dokter Bidan Dukun

Kabupaten

Nias 27,10 8,59 32,93 54,04

Mandailing Natal 41,50 5,68 47,67 44,87 Tapanuli Selatan 26,00 1,16 59,24 39,02

Tapanuli Tengah 28,10 6,55 69,00 22,42 Tapanuli Utara 26,50 6,79 74,86 17,13

Toba Samosir 27,60 16,97 67,41 15,31

Labuhan Batu 35,10 6,98 70,52 21,70

Asahan 34,10 7,81 73,86 17,07

Simalungun 26,50 10,47 72,56 16,25

Dairi 26,30 6,18 70,66 20,25

Karo 11,50 15,80 79,81 4,39

Deli Serdang 22,90 15,53 80,98 3,24

Langkat 19,60 11,05 79,78 9,17

Nias Selatan 29,30 0,84 26,29 68,52

Humbang Hasundutan 31,50 5,64 71,16 18,77

Pakpak Barat 31,20 2,39 49,00 46,62

Serdang Bedagai 23,90 4,90 83,90 10,08

Batu Bara 34,70 5,12 81,29 13,59

Padang Lawas Utara x x x x

Padang Lawas x x x x

Kota

Sibolga 20,80 5,52 91,03 3,45

Tajung Balai 31,00 5,78 92,24 1,70

Pematang Siantar 13,70 16,90 83,10 0,00 Tebing Tinggi 17,20 10,47 87,21 1,93

Medan 13,80 31,13 67,69 0,71

Binjai 17,30 18,50 80,67 0,41

Padang Sidempuan 25,30 11,01 85,71 2,97 Sumber : Badan Pusat Statistik

Catatan :

1. x : masih bergabung dengan Kabupaten Induk (Tapsel) 2. AKB : persen per tahun

4.2 Persamaan Regresi Linier Berganda

[image:34.612.104.546.238.701.2]

Dengan koefisien – koefisien yang didapat dari perhitungan yang ada, maka dapat ditentukan persamaan untuk mencari regresi linier bergandanya. Adapun nilai dari koefisien – koefisien sebagai berikut :

Tabel 4.2 Nilai – nilai Koefisien

Y1 X1 X2 X3 X12 X1iX2i X1iX3i X22 X2iX3i X32

27,10 8,59 32,93 54,04 73,78 282,86 464,20 1084,38 1779,53 2920,32 41,50 5,68 47,67 44,87 32,26 270,76 254,86 2272,42 2138,95 2013,31 26,00 1,16 59,24 39,02 1,34 68,71 45,26 3509,37 2311,54 1522,56 28,10 6,55 69,00 22,42 42,90 451,95 146,85 4761,00 1546,98 502,65 26,50 6,79 74,86 17,13 46,10 508,29 116,31 5604,01 1282,35 293,43 27,60 16,97 67,41 15,31 287,98 1143,94 259,81 4544,10 1032,04 243,39 35,10 6,98 70,52 21,70 48,72 492,22 151,46 4973,07 1530,28 470,89

34,10 7,81 73,86 17,07 60,99 576,84 133,31 5455,29 1260,79 291,38 26,50 10,47 72,56 16,25 109,62 759,70 170,13 5264,95 1179,10 264,06 26,30 6,18 70,66 20,25 38,19 436,67 125,14 4992,83 1430,86 410,06 11,50 15,80 79,81 4,39 249,64 1260,99 69,36 6369,63 350,36 19,27 22,90 15,53 80,98 3,24 241,18 1267,61 50,31 6557,76 262,37 10,49 19,60 11,05 79,78 9,17 122,10 881,56 101,32 6364,84 731,58 84,08 29,30 0,84 26,29 68,52 0,70 22,08 57,55 691,16 1801,39 4694,99

31,20 2,39 49,00 46,62 5,71 117,11 111,42 2401,00 2284,38 2173,42

27,90 6,48 65,69 21,85 41,99 425,67 141,58 4315,17 1435,32 477,42 23,90 4,90 83,90 10,08 24,01 411,11 49,39 7039,21 845,71 101,60 34,70 5,12 81,29 13,59 26,21 416,20 69,58 6608,06 1104,73 184,68

x x x x x x x x x x

x x x x x x x x x x

20,80 5,52 91,03 3,45 30,47 502,48 19,04 8286,46 314,05 11,90 31,00 5,78 92,24 1,70 33,40 533,14 9,82 8508,21 156,80 2,89

Sambungan Tabel 4.2 dari Perhitungan Nilai Koefisien-Koefisien Tabel

diatas

Y12 X1iY1 X2iY1 X3iY1

734,41 232,78 892,40 1464,48 1722,25 235,72 1978,30 1862,10 676,00 30,16 1540,24 1014,52 789,61 184,05 1938,90 630,00

702,25 179,93 1983,79 453,94 761,76 468,37 1860,51 422,55 1232,01 244,99 2475,25 761,67 1204,09 271,00 2562,94 592,32 702,25 277,45 1922,84 430,62 691,69 162,53 1858,35 532,57 132,25 181,70 917,81 50,48

524,41 355,63 1854,44 74,19 384,16 216,58 1563,68 179,73 858,49 24,61 770,29 2007,63 992,25 177,66 2241,54 591,25 973,44 74,56 1528,80 1454,54 778,41 180,79 1832,75 609,61

x x x x

x x x x 432,64 114,81 1893,42 71,76 961,00 179,18 2859,44 52,70 187,69 231,53 1138,47 0,00 295,84 180,08 1500,01 33,19 190,44 429,59 934,12 9,79 299,29 320,05 1395,59 7,09

640,09 278,55 2168,46 75,14

Ket :

Yi = Angka Kematian Bayi (AKB)

X1i = Dokter

X2i = Bidan

X3i = Dukun

[image:37.612.224.442.83.338.2]

Dari tabel 4.2 didapat jumlah dari nilai-nilai :

Tabel 4.2 Jumlah Nilai Koefisien



Yi



X1i



X2i



X3i



 

2 1i

X



X1iX2i



X1iX3i



 

2 21

X



X2iX3i



 

2 3i

X

18082,93 2735,13 137613,24 26618,76 17047,81

 



2

i

Y



X1iYi



X2iYi



X3iYi



n

18642,02 5532,02 46438,31 14094,35 28

Dari data diatas didapat persamaan :

∑Yi = b0 n+ b1∑X1i + b2∑X2i + b3X3i (4.1)

∑X1iYi = b0∑X1i + b1∑(X1i)2 + b2X1iX2i + b3X1iX3i (4.2)

∑X2iYi = b0∑X2i + b1∑X1iX2i + b2∑(X2i)2 + b3X2iX3i (4.3)

X3iYi = b0X3i + b1X1iX3i + b2X2iX3i + b3(X3i)2 (4.4)

Dengan persamaan diatas dapat kita substitusikan nilai-nilai yang bersesuaian, sehingga diperoleh persamaan :

671 = b0 28 + b1 244,24 + b2 1844,26 + b3 495,72

5532,02 = b0 244,24 + b1 3376,86 + b2 18082,93 + b3 2735,13

46438,31 = b0 1844,26 + b1 18082,93 + b2 137613,24 + b3 26618,76

14094,35 = b0 495,71 + b1 2735,13 + b2 26618,76 + b3 17058,30

b1 = -0,26

b2 = 0,29

b3 = 0,41

sehingga diperoleh persamaan regresinya :

Ŷi = b0 + b1X1i + b2X2i + b3X3i (4.5)

Ŷi = 0,06 – 0,26X1i + 0,29X2i + 0,41X3i

4.3 Analisis Residu

[image:39.612.163.423.505.702.2]

Dengan 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

Yi Ŷi (Yi-Ŷi) (Yi-Ŷi)2

27,10 29,52 -2,42 5,85 41,50 30,80 10,70 114,49 26,00 32,92 -6,92 47,88 28,10 27,56 0,54 0,29 26,50 27,02 -0,52 0,27

35,10 27,59 7,51 56,40

34,10 26,43 7,67 58,82

26,50 25,04 1,46 2,13 26,30 27,25 -0,95 0,90 11,50 20,89 -9,39 88,17 22,90 20,83 2,07 4,28 19,60 24,07 -4,47 19,98 29,30 35,57 -6,27 39,31

31,50 26,92 4,58 20,97

31,20 32,76 -1,56 2,43 27,90 26,38 1.52 2,31 23,90 27,25 -3,35 11,22

34,70 27,87 6,83 46,64

x x x x x x x x

20,80 26,43 -5,63 31,69

31,00 25,99 5,01 25,10

Sehingga kesalahan bakunya dapat dihitung dengan menggunakan rumus :

Sy123=





1 2   



k n Y

Y_{i i}

(4.6)

Dimana :

(Yi-Ŷi)2 = 702,27

k = 3

n = 28

Sehingga :

Sy123=





1 2   



k n Y

Y_{i i}

(4.7) = 1 3 28 27 , 702  

= 2629,

= 5,41

Dengan penyimpangan nilai yang didapat, ini berarti bahwa rata – rata angka kematian bayi yang sebenarnya akan menyimpang dari rata – rata angka kematian bayi di Sumatera Utara yang diperkirakan sebesar 5,41 kematian.

4.4 Pengujian Regresi Linier Berganda

0 : _{1 2}

0 b b 

H Ini berarti bahwa antara Angka Kematian Bayi dengan Dokter, Bidan dan

Dukun sebagai Penolong Kelahiran tidak ada hubungan.

0 : ₁

0 b 

H Ini berari bahwa antara Angka Kematian Bayi dengan Dokter, Bidan dan

Dukun ada hubungan.

Dengan taraf nyata  0,05 dan nilai dengan dk pembilang ( ) = k =3 dan dk

penyebut ( ) = n-k-1 = 24

Tabel

F V₁

2 V

0

H diterima bila F_hitung  F_tabel

0

H ditolak bila F_hitung > F_tabel



1



/ /    k n JK k JK F res reg

hitung (4.8)

Untuk menguji model regresi yang telah terbentuk, maka dapat diambil:

i i

i X X

x₁  ₁  1

i i

i X X

x₂  ₂  2

i

y = Y_i Yi

[image:43.612.103.548.146.705.2]

Tabel 4.4 Pengujian Regresi Linier Berganda

i

y x1i x2i x3i x1i2 x2i2 x3i2 yi2

3,14 -0,13 -32,93 36,34 -0,02 1084,38 1320,59 9,85

17,54 -3,72 -18,19 27,17 13,83 330,87 738,20 307,65

2,04 -7,56 -6,62 21,32 57,15 43,82 454,54 4,16

4,14 -2,72 3,14 4,72 7,39 9,85 22,27 17,13

2,54 -1,93 9,00 -0,57 3,72 81,00 0,32 6,45

3,64 8,25 1,55 -2,39 68,06 2,40 5,71 13,24

11,14 -1,74 4,66 4,00 3,02 21,71 16,00 124,09

10,74 -0,91 8,00 -0,63 0,82 64,00 0,39 115,34

2,54 1,75 6,70 -1,45 3,06 44,89 2,10 6,45

2,34 -2,54 4,80 2,55 6,45 23,04 6,50 5,47 -12,46 7,08 13,95 -13,31 50,12 194,60 177,15 155,25

-1,06 6,81 15,12 -14,46 46,37 228,61 209,09 1,12

-4,36 2,33 13,92 -8,53 5,42 193,76 72,76 19,01

5,34 -7,88 -39,57 50,82 62,09 1565,78 2582,67 28,51

7,54 -3,72 5,30 1,07 13,83 28,09 1,14 56,85

7,24 -6,33 -16,86 28,92 40,06 284,25 836,36 52,41

3,94 -2,24 -0,17 4,15 5,01 0,02 17,22 15,52

-0,06 -3,82 18,04 -7,62 14,59 325,44 58,06 0,0003

x x x x x x x x

x x x x x x x x

-3,16 -3,20 25,17 -14,25 10,24 633,52 203,06 9,98

7,04 -2,94 26,38 -16,00 8,64 695,90 256,00 49,56

-10,26 8,18 17,24 0 66,91 297,21 0 105,26

-6,76 1,75 21,35 -15,77 3,06 455,82 248,69 45,69

-10,16 22,41 1,83 -16,99 502,20 3,34 288,66 103,22

-6,66 9,78 14,81 -17,29 95,64 219,33 298,94 44,35

1,34 2,29 19,85 -14,73 5,24 394,02 216,97 1,79

Sambungan tabel 4.4 pengujian regresi linier berganda

yix1i yix2i yix3i

-0,40 -103,40 114,10

-65,24 -319,05 476,56 -15,42 -13,50 43,49 -11,26 12,99 19,54

-4,90 22,86 -1,44 30,03 5,64 -8,69 -19,38 51,91 44,56

-9,77 85,92 -6,76

-5,94 11,23 5,96

-88,21 -173,81 165,84 -7,21 -16,02 15,32 -10,15 -60,69 37,19 -42,07 -211,30 271,37 -28,04 39,96 8,06 -45,82 -122,06 209,38 -8,82 -0,66 16,35

0,22 -1,08 0,45 -38,66 165,71 -44,14

x x x x x x 10,11 -79,53 45,03 -20,69 185,71 -112,64

-83,92 -176,88 0

-11,83 -144,32 106,60 -227,68 -18,59 172,61 -65,13 -98,63 115,15

Catatan:

i

Y = 23,96

i

X1 = 8,72

i

X2 = 65,86

i

X3 = 17,70 Sehingga











 i i i i i i

reg b y x b y x b y x

JK _{1 1 2 2 3 3} (4.9)

= -0,26(-762,68) + 0,29(-913,99) + 0,41(1670,48) = 618,13



res

JK (Yi – Ŷ)2 (4.10)

= 702,27

Jadi F_hitung dapat dicari dengan :

1 / /    k n JK k JK F res reg

hitung (4.11)

= 1 3 28 / 27 , 702 3 / 13 , 618   = 7,04

Dari tabel distribusi untuk dk pembilang (k) = 3 dk penyebut (n-k-1) = 24, dan α =

0.05, diperoleh = 3,01.

tabel

F

0,05

tabel

Karena lebih besar daripada maka ditolak dan H1 diterima. Hal ini berarti

antara angka kematian bayi dengan dokter, bidan dan dukun sebagai penolong kelahiran ada hubungan dan mempengaruhi angka kematian bayi di Sumatera Utara.

hitung

F F_tabel H₀

4.5 Koefisien Determinasi



2

yi =1413,69

reg

JK = 618,13

Maka akan diperoleh koefisien determinan dengan rumus :

=



2

i reg

y JK

(4.12) 2

R

= 69 , 1413

13 , 618

= 0,44

Dari hasil perhitungan diperoleh koefisien determinasinya (R2) sebesar 0,44. Ini berarti sekitar 44% Angka Kematian Bayi dipengaruhi oleh Dokter, Bidan dan Dukun sebagai Penolong Kelahiran. Sedangkan 56% lagi dipengaruhi oleh faktor-faktor lain.

4.6 Koefisien Korelasi

1. Koefisien korelasi antara Angka Kematian Bayi denagan Dokter sebagai Penolong Kelahiran



 





 



















  } }{

{ ₁2 ₁ 2 2 2

1 1 1 i i i i i i i i yx Y Y n X X n Y X Y X n

r (4.13)

=



 

 



 



2



  

2

671 02 , 18642 28 }{ 24 , 244 86 , 3376 28 { 671 24 , 244 02 , 5532 28    = 450241 56 , 521976 }{ 17 , 59653 08 , 94552 { 04 , 163885 56 , 154896    = 2503492852 48 , 8988  = 91 , 50034 48 , 8988 

= 0,18

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



 





 



















  } }{

{ ₂2 ₂ 2 2 2

=



 

 



 



2



  

2

671 02 , 18642 28 }{ 26 , 1844 24 , 137613 28 { 671 26 , 1844 31 , 46438 28    = } 450241 56 , 521976 }{ 95 , 3401294 } 72 , 3853170 { 46 , 1237498 68 , 1300272    = 10 3241556141 22 , 62774  E = 22 , 180043 22 , 62774

= 0,35

Ini menunjukkan korelasi lemah antara angka kematian bayi dengan bidan sebagai penolong kelahiran di Sumatera Utara

3. Koefisien korelasi antara Angka Kematian Bayi dengan Dukun sebagai Penolong Kelahiran



 





 



















  } }{

{ ₃2 ₃ 2 2 2

3 3 3 i i i i i i i i yx Y Y n X X n Y X Y X n r (4.15) =



 

 



 





  

2

= 99 , 137658

39 , 75440

= 0,56

BAB 5

IMPLEMENTASI DATA

5.1 Sejarah tentang SPSS

SPSS (Statistical Package For Service Solution) dibuat pada tahun 1968 oleh mahasiswa dari Standford University. SPSS pada awalnya merupakan salah satu paket program oleh data statistic yang ditujukan untuk analisis data ilmu – ilmu sosial, yang dahulu namanya

Social Package For Service Solution, seiring dengan perkembangannya, SPSS berubah

nama sesuai dengan kebutuhannya. SPSS sudah mampu memproses data statistic pada berbagai bidang ilmu, baik ilmu sosial maupun non sosial. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan cepat.

5.2 Mengaktifkan SPSS

[image:52.612.107.546.86.358.2]

Gambar 5.1 Mengaktifkan SPSS

Bila proses berjalan maka akan muncul logo SPSS dan sekaligus menunjukkan versi yang digunakan

[image:52.612.109.526.449.649.2]

2. Akan muncul tampialan SPSS dengan Command window pada layar bagian atas yang terdiri dari : File, Edit, View, Data, Transfor, Analyze, Graph, Utilities,

Add-One, Windowdan Help. Bagian bawah terdiri dari Data Viewdan Variable View.

[image:53.612.141.540.216.488.2]

3. SPSS siap dioperasikan dengan langkah pertama menginput data pada worksheet.

Gambar 5.3 Worksheet

5.3 Input Data pada Worksheet

Langkah-langkah untuk menginput data pada worksheet SPSS adalah sebagai berikut : 1. Klik File

2. Klik New

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

a. Name, diisi dengan nama atau singkatan variable sesuai keinginan

b. Type. Jika data berupa angka, maka perintah yang diaktifkan adalah Numeric. Namun jika data yang dimasukkan berupa kata atau huruf, perintah yang diaktifkan adalah String.

c. Widht. Jika data berupa huruf dengan perintah String, maka perlu diisi jumlah karakter huruf. Namun jika data berkarakter angka maka dapat diabaikan.

d. Decimals. Jika data dengan perintah String, kotak decimal otomatis akan non aktif. Namun jika data dengan perintah Numeric, maka kotak kerja Decimal Places akan aktif. Isilah sesuai keinginan, berapa digit yang akan diisikan.

e. Label. Jika pada kotak kerja Name yang diisi adalah singkatan, maka kepanjangan dari singkatan bisa diisikan pada kota kerja Lebel ini.

f. Value. Kotak kerja ini sering diabaikan dalam operasioan SPSS.

g. Missing. Jika data tidak memiliki nama maka akan dianggap hilang. Biasanya kotak kerja ini diabaikan dalam operasional SPSS.

h. Coulmn, digunakan untuk mengatur lebar-sempitnya kolom data, bisa ditambah dan dikurangi dengan menggunakan fasilitas Scroll number, untuk menaikkan atau menurungkan angkanya.

j. Measure, digunakan sesuai dengan jenis data yang digunakan dalam penelitian. Bisa berupa Scale, Nominal, Ordinal.

5. Klik baris 1 kolom Name, isi dengan singkatan nama variabel. Misalnya baris 1 Name JUB, baris 2 Name TSBB, baris 3 JB, dan baris 4 Name INF.

6. Klik baris 1 kolom Label, isi dengan kepanjangan nama variabel secara utuh. Misalnya, baris 1 label diisi Jumlah Uang Beredar, baris 2 Label diisi Tingkat Suku Bunga Bank, baris 3 Lebel diisi Jumlah Bank, baris 4 lebel diisi dengan Inflasi.

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

8. Masukkan data sesuai jumlah dan nama variabel tertera pada masing-masing kolom worksheet.

[image:55.612.154.547.416.640.2]

9. Data siap diolah sesuai kebutuhan.

5.4Pengisian Data

1. Aktifkan jendela data dengan mengklik data view, yag terletak disudut kiri bawah jendela editor.

2. Selanjutnya ketikkan data yang sesuai untuk setiap variabel yang telah didefinisikan.

Gambar 5.5 Data yang diolah

5.5Pengolahan Data dengan Persamaan Regresi

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

2. Plih menu Analyze, kemudian pilih sub menu Regression dengan cursor,dan pilih

[image:56.612.105.543.222.476.2]

[image:57.612.144.542.86.315.2]

Gambar 5.6 Anlyze data regression

3. Setelah muncul kotak dialog, kemudian sorot variabel yang menjadi variabel tidak bebas, da pindahkan ke kotak Variable Dependent. Demikian juga sorot Variable Independent

[image:57.612.126.524.437.668.2]

4. Klik ate, Model Fit,

lanjutkannya, lalu klik OK.

ialog linier regression statistic

5. Kem Produce All Partial Plots,

kem untuk

[image:58.612.161.488.168.356.2]

me

Gambar 5.9 Kotak dialog linier regresi plot

Statistic pada kotak dialog Linier Regression, aktifkan Estim

[image:58.612.172.474.486.640.2]

Casewise Diagnostics,kemudian klik Continue untuk me

Gambar 5.8 Kotak d

udian klik Plots pada kotak tersebut, lalu aktifkan

udian klik Continue, lalu klik OK pada kotak dialog Linier Regression

6. Ak

ssi

an muncul data regresinya

Regre on

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 Dukun, Bidan,

Doktera . Enter

a. All requested variables entered.

b. Dependent Variable: Angka Kematian Bayi

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .850a .723 .689 5.43572

a. Predictors: (Constant), Dukun, Bidan, Dokter

b. Dependent Variable: Angka Kematian Bayi

ANOVAb

Model Sum of Squares df Mean Square F Sig.

Regression 1852.855 3 617.618 20.903 .000a

Residual 709.130 24 29.547

1

Total 2561.984 27

a. Predictors: (Constant), Dukun, Bidan, Dokter

b. Dependent Variable: Angka Kematian Bayi

Coefficientsa

Model _{Unstandardized Coefficients}

Standardized

B Std. Error Beta

(Constant) .046 3.840 .012 .990

Dokter -.261 .180 -.182 -1.450 .160

Bidan .292 .049 .732 5.908 .000

1

Dukun .412 .065 .772 6.313 .000

a. Dependent Variable: Angka Kematian Bayi

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value .0463 35.7442 23.9643 8.28398 28

Residual -9.49472 10.53927 .00000 5.12485 28

Std. Predicted Value -2.887 1.422 .000 1.000 28

Std. Residual -1.747 1.939 .000 .943 28

5.6Pengolahan Data dengan Persamaan Korelasi

Langkah-langkah uji korelasi dengan SPSS, setelah langkah-langkah data terpenuhi, maka secara uji korelasi dapat dilakukan dengan langkah-langkah sebagai berikut:

[image:66.612.143.505.85.296.2] [image:66.612.145.526.458.641.2]

Gambar 5.10 Analyze data correlation

2. Setelah muncul kotak dialog, kemudian sorot variabel-variabel yang akan ditentukan korelasinya dan pindahkan ke kotak Varables.

3. Pada kolom Correlation Coefficients, pilih Pearson, sedang pada kolom Test of

Significant, pilih Two Tailed, lalu klik OK.

Gambar 5.10 Bivariate correlation

CORRELATIONS

/VARIABLES=Y X1 X2 X3 /PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.

Correlations

Correlations

Angka Kematian

Bayi Dokter Bidan Dukun

Pearson Correlation 1 -.182 .349 .563**

Sig. (2-tailed) .353 .069 .002

Angka Kematian Bayi

N 28 28 28 28

Pearson Correlation -.182 1 .445* -.421*

Sig. (2-tailed) .353 .018 .026

Dokter

N 28 28 28 28

Pearson Correlation .349 .445* 1 -.391*

Sig. (2-tailed) .069 .018 .040

Bidan

N 28 28 28 28

Pearson Correlation .563** -.421* -.391* 1

Sig. (2-tailed) .002 .026 .040

Dukun

N 28 28 28 28

**. Correlation is significant at the 0.01 level (2-tailed).

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

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

1. Ternyata dari ketiga variable yaitu Dokter, Bidan, dan Dukun sebagai Penolong Kelahiran mempunyai pengaruh yang nyata terhadap penurunan Angka Kematian Bayi (AKB) di Sumatera Utara.

2. Dari hasil perhitungan diperoleh bahwa persamaan penduga jumlah total angka kematian bayi yang dipengaruhi oleh beberapa faktor terhadap penolong kelahiraan penduganya adalah :

Ŷi = 0,06 – 0,26X1i + 0,29X2i + 0,41X3i

3. Sekitar 44% Angka Kematian Bayi dipengaruhi oleh ketiga variable tersebut, sedangkan 56% dipengaruhi oleh faktor-faktor lain.

4. Dari tabel distribusi F dengan dk pembilang = 3, dk penyebut = 28, dan α = 0.05,

diperoleh F_tabel = 3,01. Karena F_hitung lebih besar daripada F_tabel maka H₀ditolak

dan H₁ diterima. Hal ini berarti persamaan regresi linier berganda Y atas

3 2

,X X bersifat nyata atau ini juga berati bahwa penolong kelahiran seperti

dokter, bidan dan dukun mempengaruhi jumlah angka kematian bayi. 1

X ,

5. Korelasi antara jumlah angka kematian bayi terhadap penolong kelahiran dengan dukun merupakan korelasi sedang secara positif sebesar 0,56. Sedangkan korelasi antara variabel bebas yang lainnya merupakan berkorelasi lemah.

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 menyebar Dokter atau Bidan keseluruh negeri terutama daerah pedalaman dalam jumlah memadai.

DAFTAR PUSTAKA

Abdul, Hamang. 2005. Metode Statistika. Edisi Pertama. Graha Ilmu: Yogyakarta.

Algifari. 2000. Analisa Regresi : Teori, Kasus dan Sulusi. Edisi Kedua. Yogyakarta : BPFE-Yogyakarta.

BPS. 2006. Statistik Kesejahteraan Rakyat. Jakarta.

Heni, Agnes triyuliana. 2007. Pengolahan Data Statistik dengan SPSS 15.0. Yogyakarta: Wahana Komputer.

Iswardono. 1981. Sekelumit Analisa Regresi dan Korelasi. Edisi Pertama. Fakultas Ekonomi, UGM: Yogyakarta.

SURAT KETERANGAN

Hasil Uji Tugas Akhir

Yang bertanda tangan di bawah ini, menerangkan bahwa Tugas Akhir Mahasiswa Program D3 Komputer / Statistika :

Nama : QORRY ANGRYANA

NIM : 062407074

Program Studi : D-3 STATISTIK

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

Telah melaksanakan test program Tugas Akhir dari mahasiswa tersebut di atas pada tanggal Mei 2009

Dengan hasil : Sukses / Gagal

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

Medan, Mei 2009

Dosen Pembimbing

Drs. Suwarno Ariswoyo, M.Si.

Data Angka Kematian Bayi Terhadap Penolong Kelahiran dengan

Dokter, Bidan dan Dukun di Sumatera Utara

Kabupaten / Kota AKB Dokter Bidan Dukun

Kabupaten

Nias 27,10 8,59 32,93 54,04

Mandailing Natal 41,50 5,68 47,67 44,87 Tapanuli Selatan 26,00 1,16 59,24 39,02 Tapanuli Tengah 28,10 6,55 69,00 22,42 Tapanuli Utara 26,50 6,79 74,86 17,13

Toba Samosir 27,60 16,97 67,41 15,31

Labuhan Batu 35,10 6,98 70,52 21,70

Asahan 34,10 7,81 73,86 17,07

Simalungun 26,50 10,47 72,56 16,25

Dairi 26,30 6,18 70,66 20,25

Karo 11,50 15,80 79,81 4,39

Deli Serdang 22,90 15,53 80,98 3,24

Langkat 19,60 11,05 79,78 9,17

Nias Selatan 29,30 0,84 26,29 68,52

Humbang Hasundutan 31,50 5,64 71,16 18,77

Pakpak Barat 31,20 2,39 49,00 46,62

Samosir 27,90 6,48 65,69 21,85

Batu Bara 34,70 5,12 81,29 13,59

Padang Lawas Utara x x x x

Padang Lawas x x x x

Kota

Sibolga 20,80 5,52 91,03 3,45

Tajung Balai 31,00 5,78 92,24 1,70

Pematang Siantar 13,70 16,90 83,10 0,00 Tebing Tinggi 17,20 10,47 87,21 1,93

Medan 13,80 31,13 67,69 0,71

Binjai 17,30 18,50 80,67 0,41

Padang Sidempuan 25,30 11,01 85,71 2,97 Sumber : Badan Pusat Statistik

Catatan :

DEPARTEMEN PENDIDIKAN NASIONAL

UNIVERSITAS SUMATERA UTARA

FAKULTAS MATEMATIKA DAN ILIMU PENGETAHUAN ALAM PROGRAM DIPLOMA 3 KOMPUTER DAN STATISTIKA Jl. Bioteknologi No.1 Kampus USU Telp. (061) 8211050, 8214290

Fax. (061) 8214290 Medan 20155

KARTU BIMBINGAN TUGAS AKHIR MAHASISWA

Nama : Qorry Angryana

NIM : 062407074

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

Desen Pembimbing : Drs. Suwarno Ariswoyo, M.Si. Tanggal Mulai Bimbingan :

Tanggal Selesai Bimbingan :

No.

Tanggal Bimbingan

Pembahasan pada Asistensi, Mengenai pada

bab

Paraf Dosen

Pembimbing Keterangan

1. 2. 3. 4. 5. 6. 7. 8.

*Kartu ini harap dikembalikan ke Jurusan Matematika bila bimbingan mahasiswa telah selesai.

Diketahui/Disetujui

Departemen Matematika FMIPA USU

Ketua Pembimbing

Dr. Saib Suwilo, M.Sc. Drs. Suwarno Ariswoyo, M.Si.