ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI DINAMIKA KEMATIAN BAYI DI PROPINSI NUSA TENGGARA TIMUR PADA
TAHUN 2010
TUGAS AKHIR
SRI PUTRI AYU 102407090
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI DINAMIKA KEMATIAN BAYI DI PROPINSI NUSA TENGGARA TIMUR PADA
TAHUN 2010
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar AhliMadya
SRI PUTRI AYU 102407090
PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2013
PERSETUJUAN
Judul : ANALISIS BEBERAPA FAKTOR YANG
MEMPENGARUHI DINAMIKA KEMATIAN
BAYI DI PROPINSI NUSA TENGGARA TIMUR PADA TAHUN 2010
Kategori : TUGAS AKHIR
Nama : SRI PUTRI AYU
Nomor Induk Mahasiswa : 102407090
Program Studi : D3 STATISTIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juli 2013
Diketahui oleh
Departemen Matematika FMIPA USU
Ketua, Pembimbing,
Prof. Dr. Tulus, M.Si Drs. Henry Rani Sitepu, M.Si
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang dengan limpah karunia-Nya, penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul : Analisis Beberapa Faktor yang Mempengaruhi Dinamika Kematian Bayi di Propinsi Nusa Tenggara Timur Pada Tahun 2010.
Terimakasih penulis sampaikan kepada Bapak Drs.Henry Rani Sitepu,M.Si selaku dosen pembimbing yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Faigiziduhu Bu’lolo,M.Si dan Bapak Drs.Suwarno Ariswoyo,M.Si selaku ketua dan sekretaris Program Studi D3 Statistika FMIPA USU Medan, Bapak Prof.Dr.Tulus,M.Si PhD dan ibu Dra.Mardianingsih,M.Si selaku ketua dan sekretaris Departemen Matematika FMIPA USU Medan, Bapak Drs.Sutarman,M.Sc selaku dekan FMIPA USU Medan, seluruh staff dan dosen Program Studi D3 Statistika FMIPA USU Medan, pegawai FMIPA USU Medan dan rekan-rekan kuliah.
Akhirnya tidak terlupakan kepada Ayahanda penulis, H.Manalu dan Ibunda penulis, M.br Simbolon dan keluarga yang selama ini memberikan doa, bantuan dan dorongan yang diperlukan dalam proses penyusunan Tugas Akhir ini. Semoga Tuhan Yang Maha Esa akan membalasnya.
Medan, Juni 2013
Penulis
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 Identifikasi Masalah 4
1.3 Batasan Masalah 4
1.4 Tujuan Penelitian 5
1.5 Manfaat Penelitian 5
1.6 Metodologi Penelitian 6
1.7 Tinjauan Pustaka 7
1.8 Lokasi Penelitian 8
1.9 Sistematika Penulisan 8
BAB 2 LANDASAN TEORI
2.1 Pengertian Regresi dan Korelasi 10
2.1.1 Pengertian Regresi 10
2.1.2 Pengertian Korelasi 12
2.2 Regresi Linier Sederhana 14
2.3 Regresi Linier Berganda 15
2.4 Uji Keberartian Regresi 16
2.5 Pengujian Hipotesis 17
2.6 Uji Koefisien Regresi Linier Berganda 19
2.7 Koefisien Determinasi 20
BAB 3 GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1 Visi dan Misi Badan Pusat Statistik 21
3.2 Struktur Organisasi Badan Pusat Statistik 22
BAB 4 PENGOLAHAN DATA
4.1 Pengolahan dan Evaluasi Data 24
4.2 Menentukan Persamaan Regresi Linier Berganda 25
4.4 Pengujian Koefisien Regresi Linier Berganda 36
4.5 Pengujian Koefisien Korelasi 39
4.5.1 Perhitungan Koefisien Korelasi antara Variabel
Bebas dan Variabel Terikat 41
4.5.2 Perhitungan Korelasi antar Variabel Bebas 43
4.6. Perhitungan Koefisien Determinasi 45
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 47
5.2 Sekilas Tentang Program SPSS 47
5.3 Pengolahan Data dengan SPSS 48
5.4 Analisis Regresi dan Korelasi dengan SPSS 52
5.5 Hasil Output dengan SPSS 55
BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan 65
6.2 Saran 66
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
Tabel 2.1 Interpretasi Nilai R 14
Tabel 4.1 Data yang akan diolah 24
Tabel 4.2 Nilai-nilai menghitung Koefisien Regresi dan Uji Regresi 26
Tabel 4.3 Penolong untuk kekeliruan taksiran baku 30
Tabel 4.4 Pengujian Regresi Linier Berganda 32
DAFTAR GAMBAR
Gambar 3.1Struktur Organisasi Badan Pusat Statistik 23
Gambar5.1 Tampilan Pengaktifan SPSS 17.0 48
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS 50
Gambar 5.3 Tampilan Jendela Pengisian Data View 52
Gambar 5.4 Pilih Analyze, Regression, Linear 53
Gambar 5.5 Kotak Dialog Linier Regression 53
Gambar 5.6 Kotak dialog Linear Regression Statistics 54
Gambar 5.7 Kotak dialog Linear Regression Plots 55
Gambar 5.8 Output Partial Regression Plot Pertama 62
Gambar 5.9 Output Partial Regression Plot Kedua 63
Gambar 5.10 Output Partial Regression Plot Ketiga 64
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Kematian atau mortalitas adalah salah satu dari tiga komponen proses demografi
yang berpengaruh terhadap struktur penduduk. Tinggi rendahnya tingkat
mortalitas penduduk di suatu daerah tidak hanya mempengaruhi pertumbuhan
penduduk, tetapi juga merupakan barometer dari tinggi rendahnya tingkat
kesehatan masyarakat di daerah tersebut. Dengan memperhatikan trend dari
tingkat mortalitas di masa lampau dan estimasi perkembangan di masa
mendatang dapatlah dibuat sebuah proyeksi penduduk wilayah bersangkutan.
(Ida Bagoes Mantra, 2009)
Kematian bayi adalah kematian yang terjadi antara saat bayi lahir sampai
bayi berusia tepat satu tahun. Banyak faktor yang dikaitkan dengan kematian
bayi. Secara garis besar, dari sisi penyebabnya kematian bayi ada dua macam,
yaitu :
1. Kematian bayi endogen adalah kematian bayi yang terjadi pada
pertama setelah melahirkan, dan umumnya disebabkan oleh
faktor – faktor yang dibawa anak sejak lahir, yang diperoleh dari
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.
Banyak faktor – faktor yang menyebabkan rendah atau tingginya jumlah
kematian bayi di Indonesia. Daerah-daerah kepulauan terpencil di Indonesia
identik dengan minimnya sarana dan prasarana kesehatan dan rendahnya kondisi
kesehatan masyarakat. Salah satu tanda kurangnya kondisi kesehatan tersebut
adalah tingginya angka kematian ibu melahirkan dan tingkat kematian bayi. Di
samping itu, rendahnya kesadaran akan keluarga berencana juga ikut ambil bagian
menurunkan kesadaran masyarakat akan kondisi kesehatannya. Selain itu
banyaknya jumlah penduduk miskin di suatu wilayah tersebut juga merupakan
salah satu faktor terbesar dalam meningkatnya jumlah kematian ibu dan bayi.
Propinsi Nusa Tenggara Timur merupakan salah satu provinsi yang
memiliki jumlah kematian bayi yang tinggi di Indonesia. Provinsi yang berbatasan
langsung dengan 2 negara tetangga, Timor Timur dan Australia ini memang
memiliki tingkat kesehatan yang bisa dibilang rendah dibanding provinsi lain di
Indonesia. Menurut Survei Dasar Kesehatan Indonesia (SDKI) terakhir tahun
2007, angka kematian ibu melahirkan di NTT sebesar 306 ibu dari 100.000
kelahiran. Padahal di tingkat nasional angkanya hanya 228 ibu dari 100.000
kelahiran. (http//www.google.com)
Sebanyak 1.253 bayi di Nusa Tenggara Timur (NTT) meninggal saat
dilahirkan. Pasalnya, kelahiran bayi tersebut tidak dilakukan di pusat layanan
kesehatan di masing – masing daerah disana, yang terdiri dari beberapa
kabupaten.
Gubernur Nusa Tenggara Timur, Frans Lebu Raya mengatakan pada tahun 2010
terdapat sebanyak 1.253 bayi yang meninggal saat dilahirkan ibunya. Pernyataan
Gubernur NTT terkait dengan masih tingginya angka kematian ibu dan anak di
daerah tersebut. Namun, Gubernur belum bisa memastikan rasio perbandingan
kematian ibu dan anak karena belum dilakukan perhitungan pada tahun 2011.
(http://www.google.com)
Banyak kalangan yang berpendapat soal ajal adalah urusan Tuhan. Akan
tetapi kita tidak dapat menutup mata adanya provinsi-provinsi lain yang
mempunyai jumlah kematian bayi yang tinggi. Salah satu langkah untuk
mencegahnya adalah menemukan akar permasalahan dari fenomena tersebut.
Ditemukannya akar permasalahan, berarti akan didapati faktor-faktor yang dapat
dikendalikan. Dalam hal ini Penulis memilih :
1. Jumlah Kematian Bayi di NTT
Sebagai variabel tak bebas, dan
1. Status Gizi Buruk di NTT
2. Pendidikan Tertinggi Wanita yang di Tamatkan Berumur 15 Tahun ke atas (tamat SD) di NTT
3. Banyaknya fasilitas pelayanan kesehatan (posyandu) di NTT
Sebagai variabel bebas.
Berdasarkan uraian di atas dan dengan mengetahui seberapa besar bangsa
Indonesia harus menekan jumlah kematian bayi, maka untuk
berjudul : “Analisis Beberapa Faktor yang Mempengaruhi Dinamika Kematian Bayi di Propinsi Nusa Tenggara Timur Pada Tahun 2010”
1.2 Identifikasi Masalah
Masalah kematian bayi dipengaruhi oleh beberapa faktor yang menyebabkan
tingginya jumlah kematian bayi. Dalam penelitian ini yang menjadi permasalahan
adalah bagaimana hubungan antara beberapa faktor yang mempengaruhi jumlah
kematian bayi tersebut dengan analisis regresi linier berganda sehingga akan
diperoleh persamaan penduga yang layak digunakan.
1.3 Batasan Masalah
Penulis membuat batasan permasalahan dari beberapa faktor yang ada yang
mempengaruhi jumlah kematian bayi, yakni Penulis hanya mengambil tiga faktor
yang mempengaruhi jumlah kematian bayi, yaitu : Status Gizi Buruk (X1),
Tingkat Pendidikan Ibu (X2), dan Banyaknya Fasilitas Kesehatan/Posyandu(X3).
Lalu akan dianalisis secara regresi linier berganda dan akan dicari apakah
faktor-faktor tersebut sangat mempengaruhi kenaikan jumlah kematian bayi.
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut :
1. Untuk mengetahui faktor-faktor yang sangat berpengaruh terhadap
jumlah kematian bayi di NTT.
2. Untuk mengetahui seberapa besar faktor-faktor tersebut mempengaruhi
tingkat jumlah kematian bayi di NTT.
3. Untuk mengetahui faktor yang paling harus diperhatikan terhadap jumlah
kematian bayi di NTT.
1.5 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Penulis dapat mengaplikasikan ilmu dengan membandingkan teori-teori
yang diperoleh selama kuliah.
2. Memberikan informasi tentang jumlah kematian bayi di Provinsi Nusa
Tenggara Timur serta faktor-faktor yang mempengaruhinya.
3. Sebagai sarana meningkatkan pengetahuan dan wawasan pembaca
mengenai analisis data.
4. Sebagai acuan untuk pemerintah untuk memperhatikan tingginya jumlah
kematian bayi di NTT khususnya pemerintah NTT.
1.6 Metodologi Penelitian
Metodologi yang digunakan Penulis dalam melaksanakan penelitian diantaranya
1. Metode Penelitian Kepustakaan (Studi Literatur).
Dalam hal ini penelitian dilakukan dengan membaca dan mempelajari
buku-buku ataupun literatur pelajaran yang didapat di perkuliahan ataupun
umum, serta sumber informasi lainnya yang berhubungan dengan objek
yang diteliti
2. Metode Pengumpulan Data
Pengumpulan data untuk keperluan penelitian dilakukan Penulis dengan
menggunakan data sekunder. Data sekunder adalah data yang diperoleh
oleh pihak lain yang umumnya disajikan dalam bentuk tabel-tabel atau
diagram. Data sekunder yang digunakan diperoleh dari Kantor Badan
Pusat Statistik Propinsi Sumatera Utara.
1.7 Tinjauan Pustaka
Metode analisis data adalah metode yang digunakan bertujuan untuk mendapatkan
informasi yang relevan yang terkandung dalam data tersebut dan menggunakan
hasil analisis tersebut untuk memecahkan suatu masalah. Permasalahan yang akan
dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol.
(Hartono. 2004)
Metode analisis data biasanya menggunakan variabel independent (bebas)
dan variabel dependent (terikat). Untuk melihat persamaan regresi liniernya dan
mengetahui hubungan setiap variabel digunakan analisis korelasi :
1) Menentukan kelompok data yang menjadi variabel terikat (Y) dan
variabel bebas (X).
2) Menetukan hubungan antara variabel bebas (X) dengan variabel terikat
(Y) sehingga di dapat regresi Y atas X1, X2, X3,…,Xk.
3) Uji regresi linier berganda untuk mengetahui seberapa besarnya
pengaruh variabel bebas (X) secara bersama-sama terhadap variabel
terikat (Y).
Secara umum model regresi linier berganda adalah sebagai berikut :
Ŷ= β0 + β1X1 + β2X2 + β3X3 +… + βnXn + ε
4) Uji korelasi untuk mengetahui bagaimana dan seberapa besar pengaruh
hubungan variabel-variabel bebas tersebut terhadap variabel
terikat.(Santoso.1992)
5) Uji koefisien-koefisien regresi untuk menguji taraf nyata
koefisein-koefisien regresi yang didapat dan seberapa besar kontribusinya.
1.8 Lokasi Penelitian
Penelitian atau pengumpulan data dilakukan di Kantor Badan Pusat Statistik
1.9 Sistematika Penulisan
Adapun sistematika penulisan yang diuraikan oleh Penulis antara lain :
BAB 1 : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, identifikasi
masalah, tujuan penelitian, manfaat penelitian, metode
penelitian, lokasi penelitian, dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini berisi tentang suatu landasan teori yang
diaplikasikan dalam pengolahan data yang tepat, yaitu
menguraikan tentang pengertian regresi linier berganda, uji
regresi linier, uji korelasi, dan uji koefisien regresi linier
berganda.
BAB 3 : GAMBARAN UMUM TEMPAT RISET
Bab ini menjelaskan atau menceritakan tentang sejarah
singkat berdirinya perusahaan, visi dan misi, beserta
struktur organisasinya.
BAB 4 : PENGOLAHAN DATA
Bab ini menguraikan proses pengolahan data pada regresi
linier berganda, analisis korelasi ganda, uji keberartian
regresi dan koefisien regresi linier berganda.
BAB 5 : IMPLEMENTASI SISTEM
Bab ini menguraikan proses pengolahan data dengan
program yang akan digunakan yaitu SPSS mulai dari input
data hingga hasil outputnya yang membantu dalam
menyelesaikan permasalahan dalam penulisan.
BAB 6 : KESIMPULAN DAN SARAN
Bab ini terdiri atas kesimpulan dari hasil analisis yang
telah dilakukan serta saran berdasarkan kesimpulan yang
diperoleh tentunya bermanfaat bagi pembaca dan pihak
BAB 2
LANDASAN TEORI
2.1 Pengertian Regresi dan Korelasi
2.1.1 Pengertian Regresi
Regresi adalah suatu metode statistika yang berguna untuk memeriksa atau
memodelkan hubungan diantara variabel-variabel. Variabel-variabel tersebut
dengan menggunakan analisis regresi dapat melihat adanya pengaruh suatu
karakteristik terhadap data lain. Dengan kata lain jika kita mempunyai dua atau
lebih variabel maka kita dapat mencari suatu cara bagaimana variabel-variabel itu
berhubungan. Dan hubungan tersebut secara matematika dinyatakan sebagai
hubungan fungsional antara variabel-variabel.
Regresi pertama kali dipergunakan sebagai konsep statistika oleh Sir
Farncis Galton (1822-1911). Beliau memperkenalkan model peramalan,
penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan
dengan penelitiannya terhadap tinggi badan manusia. Galton melakukan suatu
penelitian di mana penelitian tersebut membandingkan antara tinggi anak laki-laki
dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki
dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed)
mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang
badannya sangat tinggi cenderung lebih pendek daripada ayahnya, sedangkan
anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari
ayahnya, jadi seolah-olah semua anak laki-laki yang tinggi dan anak laki-laki
yang pendek bergerak menuju kerata-rata tinggi dari seluruh anak laki-laki yang
menurut istilah Galton disebut dengan “regression to mediocrity”. Dari uraian
tersebut dapat disimpukan bahwa pada umumnya tinggi anak mengikuti tinggi
orangtuanya.
Istilah “regresi” pada mulanya bertujuan untuk membuat perkiraan nilai
satu variabel (tinggi badan anak) terhadap suatu variabel yang lain (tinggi badan
orangtua). Pada perkembangan selanjutnya analisis regresi dapat digunakan
sebagai alat untuk membuat perkiraan nilai suatu variabel dengan menggunakan
beberapa variabel lain yang berhubungan dengan variabel tersebut.
Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent
variabel) dengan variabel-variabel bebas (independent variabel) lainnya memiliki
sifat hubungan sebab akibat (hubungan kausal), baik didasarkan pada teori, hasil
penelitian sebelumnya, maupun yang didasarkan pada penjelasan logis tertentu.
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara
dua variabel atau lebih. Korelasi ditemukan oleh Karl Pearson pada awal tahun
1900 sehingga korelasi sering disebut Korelasi Pearson Product Moment (PPM).
Produk korelasi atau pengukuran digunakan untuk melihat kuat lemahnya korelasi
disebut koefisien korelasi yang sering disimbolkan dengan r atau R (penggunaan r
biasanya pada korelasi parsial sedangkan R digunakan pada korelasi berganda).
Untuk mendapatkan nilai koefisien korelasi maka dapat digunakan rumus
sebagai berikut :
Untuk menghitung koefisien korelasi antara variabel tak bebas Y dengan
tiga variabel bebas X1, X2, X3 yaitu :
1. Koefisien korelasi antara Y dengan X1 r y1 =
2 2 2 1 2 1 1 12 ) ( ) ( ) )( ( i i i i i i i i Y Y n X X n Y X Y X n2. Koefisien korelasi antara Y dengan X2
3. Koefisien korelasi antara Y dengan X3 r y2 =
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 r y3 =
2 2 2 2 3 3 3 ) ( ) 3 ( ) )( ( i i i i i i i i Y Y n X X n Y X Y X n r yx=
2 2 2 2 ) ( ) ( ) )( ( i i i i i i i i Y Y n X X n Y X Y X nUntuk menghitung koefisien korelasi antara Variabel Bebas X, yaitu :
1. Koefisien Korelasi antara X1 dengan X2
r
12=
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 n2. Koefisien Korelasi antara X1 dengan X3
r
13=
2 3 2 3 2 1 2 1 3 1 3 1 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n3. Koefisien Korelasi antara X2 dengan X3
r
23=
2 3 2 3 2 2 2 2 3 2 3 2 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X nKoefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien
korelasi adalah plus (+) atau minus (-) yang menunjukan arah korelasi.
Sifat korelasi akan menentukan arah dari korelasi. Keeratan korelasi dapat
Tabel 2.1 Interpretasi dari nilai R
R Interpretasi
0 Tidak ada korelasi
0.01-0.20 Sangat Lemah
0.21-0.40 Lemah
0.41-0.70 Kuat
0.71-0.90 Sangat Kuat
0.91-0.99 Sangat Kuat Sekali
1 Korelasi Sempurma
Sumber : Algifari, 1997
2.2 Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua
variabel di mana hanya terdapat satu variabel bebas/peubah bebas X dan satu
variabel tak bebas Y.
Dalam bentuk persamaan umum, model regresi sederhana adalah :
dimana:
Y : adalah variabel terikat/tak bebas (dependent)
X : adalah variabel bebas (independent)
a : adalah penduga bagi intercept
b : adalah penduga bagi koefisien regresi
Y = a + bX
2.3 Regresi Linier Berganda
Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara
peubah respon (variabel dependent) dengan faktor-faktor yang menjelaskan yang
mempengaruhi lebih dari satu predictor (variabel independent).
Dalam pembahasan mengenai regresi sederhana, simbol yang digunakan
untuk variabel bebasnya adalah X. Dalam regresi berganda, persamaan regresinya
memiliki lebih dari satu variabel bebas maka perlu menambah tanda bilangan
pada setiap variabel tersebut, dalam hal ini X1, X2, . . . , Xk.
Secara umum persamaan regresi berganda dapat ditulis sebagai berikut :
Yi = b0+ b1X1i+b2X2i+ b3X3i
dimana :
Y : Variabel tak bebas
X : Variabel bebas
b0, b1, b2, b3, : Koefisien regresi untuk data sampel
Koefisien-koefisien b0,b1,b2,b3 dapat dihitung dengan menggunakan persamaan :
Harga-harga b0,b1,b2, dan b3 didapat dengan menggunakan persamaan di atas
dengan metode eliminasi atau substitusi. Dalam penelitian ini penulis
menggunakan software dari komputer.
2.4 Uji Keberartian Regresi
Uji keberartian regresi dilakukan untuk mengetahui apakah sekelompok variabel
bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.
Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara
keseluruhan menggunakan uji statistik F.
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu Jumlah Kuadrat
untuk regresi yang ditulis JK
reg dan Jumlah Kuadrat untuk sisa (residu) yang
ditulis dengan JK
res
Jika x1i= X1i– X 1, x2i= X2i– X2, . . . , xk= Xki– Xk dan yi= Yi– Y maka secara umum jumlah kuadrat-kuadrat tersebut dapat dihitung dari :
dengan derajat kebebasan dk = (n – k – 1) untuk sampel berukuran n.
Dengan demikian uji keberartian regresi berganda dapat dihitung dengan :
Dimana statistik F yang menyebar mengikuti distribusi F dengan derajat
kebebasan pembilang V1= k dan penyebut V2= n – k – 1.
JKreg= b1
x1iyi+b2
x2iyi ...bk
xkiyiJKres=
(Yi– 2^
)
i Y
Fhitung =
) 1 /(
/
k n JK
k JK
res reg
2.5 Pengujian Hipotesis
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam
penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah
populasi maka tidak menutup kemungkinan untuk terjadinya kesalahan dalam
mengambil keputusan antara menolak atau menerima suatu hipotesis.
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu:
tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence
interval. Didasarkan tingkat signifikansi pada umumnya digunakan 0,05. Kisaran
tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan
tingkat signifikansi adalah probabilitas melakukan kesalahan, yaitu kesalahan
menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada
umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah
tingkat dimana sebesar 95% nilai sampel akan mewakili nilai populasi dimana
sampel berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: Ho
(hipotesis nol) dan H1 (hipotesis alternatif). Ho bertujuan untuk memberikan
usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian
dengan keadaan yang sesungguhnya yang diteliti. H1 bertujuan memberikan
usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang
diteliti.
Pembentukan suatu hipotesis memerlukan teori-teori maupun hasil
penelitian terlebih dahulu sebaagai pendukung pernyataan hipotesis yang
1) Hipotesis nol dan hipotesis alternatif yang diusulkan
2) Daerah penerimaan dan penolakan serta teknik arah pengujian (satu arah
ataudua arah)
3) Penentuan nilai hitung statistik
4) Menarik kesimpulan apakah menerima atau menolak hipotesis yang
diusulkan
Dalam uji keberartian regresi, langkah-langkah yang dibutuhkan untuk
pengujian hipotesis ini antara lain :
1) Ho: Tidak terdapat hubungan fungsional yang signifikan antara variabel
bebas dengan variabel tak bebas.
H1: Terdapat hubungan fungsional yang signifikan antara variabel bebas
Dengan variabel tak bebas.
2) Pilih taraf α yang diinginkan
3) Hitung statistik F
hitung dengan menggunakan rumus :
4)Nilai Ftabel menggunakan daftar tabel F dengan taraf signifikansi α yaitu
Ftabel= F(1)(nk1)
5)Kriteria pengujian : jika Fhitung > Ftabel, maka Ho ditolak dan H1 diterima.
Sebaliknya Jika Fhitung < Ftabel, maka Ho diterima dan H1 ditolak.
Fhitung =
) 1 /(
/
k n JK
k JK
res reg
2.6 Uji Koefisien Regresi Linier Berganda
Untuk mengetahui bagaimana keberartian setiap variabel bebas dalam regresi,
perlu diadakan pengujian tersendiri mengenai koefisien-koefisien regresi.
Pengujian dapat dilakukan dengan merumuskan hipotesis berikut :
Ho : Variabel bebas Xi tidak berpengaruh terhadap Y dimana i = 1,2,…,k
H1 : Variabel bebas Xi berpengaruh terhadap Y) dimana i = 1, 2, . . ., k
Dimana :
Tolak H0 jika thitung > ttabel
Terima H0 jika thitung < ttabel
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran sy.12...k, jumlah kuadrat-kuadrat ∑x2
ijdengan xij= Xj- Xj dan koefisien korelasi ganda
antara masing-masing variabel bebas X dengan variabel tak bebas Y dalam regresi yaitu R.
Dengan besaran-besaran ini dibentuk kekeliruan baku koefisien biyakni :
s
i
b =
Selanjutnya hitung statistik
ti=
i b i s
b
Yang akan berdistribusi t dengan derajat kebebasan dk = (n-k-1) dan
ttabel = t(1-α)(n-k-1)
s
i
b =
) 1 )( x
( 2ij 2
2 ... 12 .
2.7 Koefisien Determinasi
Koefisien determinasi yang disimbolkan dengan R2 bertujuan untuk mengetahui
seberapa besar kemampuan variabel independent menjelaskan variabel dependent.
Nilai R2dikatakan baik jika berada di atas 0,5 karena nilai R2 berkisar antara 0
dan 1. Pada umumnya model regresi linier berganda dapat dikatakan layak dipakai
untuk penelitian, karena sebagian besar variabel dependen dijelaskan oleh variabel
independen yang digunakan dalam model.
Sehingga rumus umum koefisien determinasi yaitu :
R2=
n
1 i
2 i reg
y JK
BAB 3
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1 Visi dan Misi BPS (Badan Pusat Statistik) Propinsi Sumatera Utara
A. Visi BPS (Badan Pusat Statistik)
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai
tulang punggung informasi pembangunan nasional dan regional, didukung
Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi
informasi yang mutakhir.
B. Misi BPS (Badan Pusat Statistik)
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi
mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu,
handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan
2.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara
Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai
struktur organisasi, karena perusahaan juga merupakan organisasi. Dimana
organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang
dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.
Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung
jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana
hubungannya yang satu dengan yang lain.
Dengan adanya struktur organisasi perusahaan yang baik, maka dapat
diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan.
Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi
Sumatera Utara adalah berbentuk Lini dan staff
1. Bagian Tata Usaha/Kepegawaian
2. Bidang Statistik Produksi
3. Bidang Statistik Distribusi
4. Bidang Statistik Kependudukan
5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik
6. Bidang Neraca Wilayah dan Analisis Statistik
STRUKTUR ORGANISASI BADAN PUSAT STATISTIK PROVINSI
BAB 4
PENGOLAHAN DATA
4.1 Pengolahan dan Evaluasi Data
Data diambil dari Badan Pusat Statistik Provinsi Sumatera Utara, yaitu berupa
data Angka Kematian Bayi, Banyaknya Fasilitas Pelayanan Kesehatan
[image:32.612.125.512.350.653.2](Posyandu), Pendidikan Terakhir Ibu(Tamat SD), dan Penderita Gizi Buruk.
Tabel 4.1 Jumlah Kematian Bayi, Banyak Posyandu, Tamat SD, Penderita Gizi Buruk Pada Tahun 2010 di Provinsi Nusa Tenggara Timur
No Kabupaten/Kota
Jumlah Kematian
Bayi
Banyak
Posyandu Tamat SD Gizi Buruk
1 Sumba Barat 24 180 13.325 9.504
2 Sumba Timur 32 499 29.075 11.516
3 Kupang 112 676 38.129 9.839
4 Timor Tengah Selatan 108 712 61.036 14.871
5 Timor Tengan Barat 43 459 39.434 9.168
6 Belu 32 788 47.159 8.498
7 Alor 32 420 31.411 10.305
8 Lembata 38 315 21.237 6.038
9 Flores Timur 62 530 36.466 7.491
10 Sikka 44 598 43.083 9.839
11 Ende 28 586 38.011 12.411
12 Ngada 41 279 26.369 9.392
13 Manggarai 77 549 45.677 13.417
14 Rote Ndao 33 319 20.691 12.970
15 Manggarai Barat 68 400 38.088 8.498
16 Sumba Barat Daya 59 325 31.326 9.616
17 Sumba Tengah 17 154 6.661 8.721
18 Nagekeo 36 228 23.893 6.261
19 Manggarai Timur 80 476 51.636 13.082
20 Sabu Raijun 16 184 10.750 9.727
21 Kota Kupang 143 265 32.019 14.566
Sumber : Diolah dari Nusa Tenggara Timur Dalam Angka tahun 2011
Dari data di atas dapat disimbolkan :
Y = Jumlah Kematian Bayi
X1 = Banyak Posyandu
X2 = Tamat SD
X3 = Gizi Buruk
Setelah mellihat data yang tersedia penulis mengelompokkan penganalisaan dan
pembahasan menjadi 5 kelompok yaitu :
1. Menentukan persamaan regresi linier berganda
2. Uji keberartian regresi
3. Uji koefisien regresi berganda
4. Menentukan nilai korelasi
5. Uji koefisein determinasi
4.2 Menentukan Persamaan Regresi Linier Berganda
Untuk melihat hubungan antara variabel-variabel bebas (banyak posyandu, tamat
SD, dan gizi buruk) terhadap variabel terikat (jumlah kematian bayi) maka
langkah pertama yang harus dilakukan adalah menentukan persamaan regresi
linier berganda.
Nilai-nilai yang diperlukan untuk menghitung koefisien-koefisien regresi b1, b2, b3
Tabel 4.2 Nilai-Nilai untuk Menghitung Koefisien-Koefisien Regresi dan Perhitungan Uji Regresi
No Y X1 X2 X3 yi x1i x2i
1 24 180 13.235 9.504 -29,57 -245,81
-19.402,40
2 32 499 29.075 11.516 -21,57 73,19 -3.562,43
3 112 676 38.129 9.839 58,43 250,19 5.491,57
4 108 712 61.036 14.871 54,43 286,19 28.398,57
5 43 459 39.434 9.168 -10,57 33,19 6.796,57
6 32 788 47.159 8.498 -21,57 362,19 14.521,57
7 32 420 31.411 10.305 -21,57 -5,81 -1.226,43
8 38 315 21.237 6.038 -15,57 -110,81 -11.400,4
9 62 530 36.466 7.491 8,43 104,19 3.828,571
10 44 598 43.083 9.839 -9,57 172,19 10.445,57
11 28 586 38.011 12.411 -25,57 160,19 5.373,571
12 41 279 26.369 9.392 -12,57 -146,81 -6.268,43
13 77 549 45.677 13.417 23,43 123,19 13.039,57
14 33 319 20.691 12.970 -20,57 -106,81 -11.946,4
15 68 400 38.088 8.498 14,43 -25,81 5.450,571
16 59 325 31.326 9.616 5,43 -100,81 -13.11,43
17 17 154 6.661 8.721 -36,57 -271,81 -25.976,4
18 36 228 23.893 6.261 -17,57 -197,81 -8.744,43
19 80 476 51.636 13.082 26,43 50,19 18.998,57
20 16 184 10.750 9.727 -37,57 -241,81 -21.887,4
21 143 265 32.019 14.566 89,43 -160,81 -618,43
Jumlah 1.125 8.942 685.386 215.730
[image:34.612.125.528.129.532.2]Sambungan Tabel 4.2 Nilai-nilai Untuk Menghitung Koefisien-Koefisien Regresi dan Perhitungan Uji Regresi.
No x3i yi2 x1ix2i x2ix3i x1ix3i x1iyi
1 -768,86 874,47 4.769.301,7 14.917.695,8 188.992 7.268,94 2 1.243,14 465,33 -260.735,84 -4.428.607,6 90.986,2 -1.578,82 3 -433,86 3.413,90 1.373.938,90 -2.382.557,5 -108.547 14.618,27 4 4.598,14 2.962,47 8.127.400,70 130.580.688 1.315.945 15.576,94 5 -1.104,86 111,76 225.581,44 -7.509.240,5 -36.671 -350,87 6 -1.774,86 465,33 5.259.574,9 -25.773.715 -642.836 -7.812,97 7 32,14 465,33 7.124,966 -39.420,918 -186,73 125,32 8 -4.234,86 242,47 1.263.276,1 48.279.186,4 469.263 1.725,46 9 -2.781,86 71,05 398.900,68 -10.650.539 -289.843 878,18 10 -433,86 91,62 1.798.627,9 -4.531.885,8 -74.706 -1.648,11 11 2.138,14 653,90 860.794,97 11.489.463,4 342.510 -4.096,30 12 -880,86 158,05 920.265,01 5.521.590,08 129.318 1.845,61 13 3.144,14 548,90 1.606.35 40.998.275,4 387.328 2.886,18 14 2.697,14 423,19 1.275.992,3 -32.221.224 -288.081 2.197,22 15 -1.774,86 208,19 -140.676,65 -9.673.985,6 45.808,2 -372,39 16 -656,86 29,47 132.204,49 861.421,224 66.217,5 -547,25 17 -1.551,86 1.337,47 7.060.640,7 40.311.706,2 421.810 9.940,47 18 -4.011,86 308,76 1.729.731,3 35.081.398,2 793.584 3.475,80 19 2.809,14 698,47 953.547,35 53.369.701,2 140.992 1.326,46 20 -545,86 1.411,62 5.292.588,7 11.947.409,2 131.993 9.085,13
21
4.293,14 7.997,47 99.449,20 -2.655.002,2 -690.378
-14.380,97
Sambungan Tabel 4.2 Nilai-nilai Untuk Menghitung Koefisien-koefisien Regresi dan Perhitungan Uji Regresi
No x2iyi x3iyi x1i2 x2i2 x3i2
1 573.757,50 22736,2 60422,322 376.454.234,51 591.141,31 2 76.846,67 -26816,4 5356,8458 12.690.897,33 1.545.404,16 3 320.864,70 -25349,7 62595,2744 30.157.356,76 188.232,02 4 1.545.694 250.270,3 81.904,99 806.478.859,20 21.142.917,73 5 -71.849,47 11.679,92 1.101,61 46.193.383,18 1.220.709,31 6 -313.251 38.286,20 131.181,94 210.876.036,81 3.150.117,88
7 26.455,82 -693,37 33,76 1.504.127,04 1.033,16
8 177.521 65.942,78 12.278,75 129.969.771,60 17.934.015,02 9 32.269,39 -23.447,10 10.855,65 14.657.959,18 7.738.729,16 10 -99.979,04 4.152,63 29.649,56 109.109.962,50 188.232,02 11 -137.409,9 -54.675,40 25.660,99 28.875.269,90 4.571.654,88 12 78.803,10 11.073,63 21.553,04 39.293.196,76 775.909,31 13 305.498,50 73.662,78 15.175,89 170.030.423 9.885.634,31 14 245.755,10 -55.484,10 11.408,27 142.717.155,60 7.274.579,59 15 78.643,96 -25.608,70 666,13 29.708.728,90 3.150.117,88 16 -7.119,18 -3.565,80 10.162,56 1.719.844,90 431.461,31 17 949.995,10 56.753,63 73.880,42 674.774.841,30 2.408.260,59 18 153.652,10 70.494,06 39.128,61 76.465.031,04 16.094.997,73 19 502.105,10 74.241,63 2.519,09 360.945.716,30 7.891.283,59 20 822.342 20.508,63 58.471,84 479.059.529,50 297.960,02 21 -55.305,18 383.929,60 25.859,70 382.453,89 18.431.075,59
Jumlah 5.205.290 868.091,70 679.867,24 3.742.064.779,80 124.913.466,67
Sehingga didapat suatu persamaan :
∑x1y = b1 ∑x12 + b2∑x1x2 + b3∑x1x3
∑x2y = b1 ∑x1x2 + b2∑x22 + b3∑x2x3
∑x3y = b1 ∑x1x3 + b2∑x2x3 + b3x32
Dapat kita substitusikan nilai-nilai yang bersesuaian, sehingga diperoleh
persamaan :
40.162 = 679.867,24b1 + 42.753.880 b2 + 2.393.498b3
5.205.290 = 42.753.880 b1 + 3.742.064.779b2 + 293.492.357 b3
868.091,7 = 2.393.498 b1 + 293.492.357 b2 + 124.913.466,6 b3
Setelah persamaan di atas diselesaikan, maka diperoleh koefisien-koefisien regresi
linier berganda seperti berikut:
b1 = -0,082 b2 = 0,002 b3 = 0,004
untuk mendapatkan b0 dengan cara :
b0 = - b1 X1 – b2X2 – b3X3
b0 = 53,57 – (-0,082)(404,38) – (0,002)(32.637,43) – (0,004)(10.255,71)
b0 = -16,322
Untuk menghitung kekeliruan baku taksiran diperlukan harga-harga Ŷ
yang diperoleh dari persamaan regresi di atas untuk tiap harga X1, X2, dan X3
[image:38.612.123.529.228.588.2]yang diketahui :
Tabel 4.3 Nilai-nilai yang Diperlukan untuk Menghitung Nilai Taksiran Baku No Y X1 X2 X3 Ŷ (Y - Ŷ ) (Y - Ŷ )²
1 24 180 13.325 9.504 33,37 -9,37 87,83
2 32 499 29.075 11.516 46,93 -14,93 222,97
3 112 676 38.129 9.839 43,83 68,17 4.646,88
4 108 712 61.036 14.871 106,81 1,19 1,41
S 43 459 39.434 9.168 61,54 -18,54 343,81
6 32 788 47.159 8.498 46,73 -14,73 217,03
7 32 420 31.411 10.305 53,24 -21,24 451,22
8 38 315 21.237 6.038 24,43 13,57 184,09
9 62 530 36.466 7.491 43,07 18,93 358,27
10 44 598 43.083 9.839 60,13 -16,13 260,24
11 28 586 38.011 12.411 61,25 -33,25 1.105,70
12 41 279 26.369 9.392 51,07 -10,07 101,44
13 77 549 45.677 13.417 83,64 -6,64 44,11
14 33 319 20.691 12.970 50,74 -17,74 314,78
15 68 400 38.088 8.498 61,01 6,99 48,83
16 59 325 31.326 9.616 58,10 0,89 0,80
17 17 154 6.661 8.721 19,21 -2,21 4,89
18 36 228 23.893 6.261 37,77 -1,77 3,14
19 80 476 51.636 13.082 100,21 -20,21 408,52
20 16 184 10.750 9.727 28,96 -12,96 168,01
21 143 265 32.019 14.566 84,21 58,79 3.456,03
Jumlah 1.125 8.942 685.386 215.730 1.156,29 -31,292 12.393,02
Dengan k = 3, n = 21 dan ∑(Yi – Ŷ)2 = 12.293,022 didapat :
s
2 .. 12 . k y=
1 ² ) (Y ^ i
k n Ys²
y.12..k=
1 3 21 022 , 393 . 12
=
17 022 , 430 . 12=
729s
y.12..k=
1 ) (Y ^ i
k n Y=
√729= 27
Ini berarti bahwa rata-rata jumlah angka kematian bayi akan menyimpang dari
4.3 Pengujian Keberartian Regresi
Tabel 4.4 Nilai-nilai yang Diperlukan untuk Pengujian Regresi Linier Berganda
No yi x2i x2i x3i yi2 x1i2
1 -29,57 -245,81 -19.402,4 -768,86 874,47 60.422,32
2 -21,57 73,19 -3.562,43 1.243,14 465,33 5.356,85
3 58,43 250,19 5.491,57 -433,86 3.413,90 62.595,27
4 54,43 286,19 28.398,5
7 4.598,14 2.962,47 81.904,99
5 -10,57 33,19 6.796,57 -1.104,9 111,76 1.101,61
6 -21,57 362,19 14.521,5
7 -1.774,90 465,33
131.181,9 4
7 -21,57 -5,81 -1.226,43 32,14 465,33 33,75
8 -15,57 -110,81 -11.400,4 -4234,9 242,47 12.278,75
9 8,42 104,19 3.828,57 -2781,9 71,04 10.855,66
10 -9,57 172,19 10.445,5
7 -433,86 91,61 29.649,56
11 -25,57 160,19 5.373,57 2138,14 653,89 25.660,99
12 -12,57 -146,81 -6.268,43 -880,86 158,04 21.553,04
13 23,43 123,19 13.039,5
7 3144,14 548,90 15.175,89 14 -20,57 -106,81 -11.946,4 2697,14 423,18 11.408,27
15 14,43 -25,81 5.450,57
1 -1774,9 208,18 666,13
16 5,43 -100,81 -1.311,43 -656,86 29,47 10.162,56
17 -36,57 -271,81 -25.976,4 -1551,9 1.337,47 73.880,42 18 -17,57 -197,81 -8.744,43 -4011,9 308,76 39.128,61
19 26,43 50,19 189.98,5
7 2809,14 698,47 2.519,08
20 -37,57 -241,81 -21.887 -545,86 1.411,61 58.471,85 21 89,43 -160,81 -618,43 4293,14 7.997,47 25.859,71
Jumla h
22.939,1 4
679.867,2 4
Sambungan Tabel 4.4 Nilai-nilai yang Diperlukan untuk Pengujian Regresi Linier Berganda
No x2i2 x3i2 x1iyi x2iyi x3iyi
1 376.454.234,5 591.141,31 7.268,94 573.757,53 22.736,21 2 12.690.897,33 1.545.404,16 -1.578,82 76.846,67 -26.816,36 3 30.157.356,76 188.232,02 14.618,28 320.864,67 -25.349,65 4 806.478.859,2 21.142.917,7 15.576,94 15.45.693,60 250.270,34 5 46.193.383,18 1.220.709,30 -350,87 -71.849,47 11.679,91 6 210.876.036,8 3.150.117,8 -7.812,97 -313.251 38.286,20
7 1.504.127,04 1.033,16 125,32 26.455,82 -693,37
8 129.969.771,6 17.934.01 1725,46 177.520,96 65.942,77 9 14.657.959,18 7.738.729,16 878,18 32.269,39 -23.447,08 10 109.109.962,5 188.232,02 -1.648,11 -99.979,04 4.152,64 11 28.875.269,9 4.571.654,87 -4.096,30 -137.409,80 -54.675,36 12 39.293.196,76 775.909,31 1.845,60 78.803,10 11.073,63 13 170.030.423 9.885.634,30 2.886,18 305.498,53 73.662,78 14 142.717.155,6 7.274.579,59 2.197,22 245.755,10 -55.484,08 15 29.708.728,9 3.150.117,87 -372,39 78.643,96 -25.608,65 16 1.719.844,89 431.461,31 -547,25 -7.119,18 -3.565,79 17 674.774.841,3 2.408.260,59 9.940,46 949.995,10 56.753,63 18 76.465.031,04 16.094.997,7 3.475,79 153.652,10 70.494,06 19 360.945.716,3 7.891.283,59 1.326,46 502.105,12 74.241,64 20 479.059.529,5 297.960,02 9.085,13 822.341,95 20.508,63 21 382.453,89 18.431.075,5 -14.380,96 -55.305,18 383.929,63
Perumusan Hipotesa :
H0: Tidak terdapat pengaruh yang signifikan antara variabel bebas yaitu, banyak
posyandu, pendidikan ibu (tamat SD), dan gizi buruk terhadap jumlah
kematian bayi.
H1: Terdapat pengaruh yang signifikan antara variabel bebas yaitu, banyak
posyandu, pendidikan ibu (tamat SD), dan gizi buruk terhadap jumlah
kematian bayi.
Kriteria Pengujian Hipotesisnya :
Jika Fhitung > Ftabel maka tolak H0
Jika Fhitung < Ftabel maka terima H0
Untuk menguji model regresi yang telah terbentuk, maka dapat diambil :
x1i = X1i - X1
x2i = X2i – X2
x3i = X3i – X3
yi = Yi –
Dan diperlukan harga – harga yang akan dicantumkan pada tabel 4.4
Menguji keberartian regresi linier ganda ini dimaksudkan untuk
meyakinkan apakah regresi (berbentuk linier) yang didapat berdasarkan penelitian
ada artinya bila dipakai untuk membuat kesimpulan mengenai hubungan peubah.
JK
reg=
b1
x1iyi+
b2
x2iyi...bk
x3iyi= (-0,082)(40.162,29) + (0,002)(5.205.289,8) + (0,004)(868.091,71)
= 10.546,12
JK
res=
(Yi–
2 ^
)
i Y
=
12.393,022Jadi F hitung dapat dicari dengan :
F
hitung=
) 1 /( / k n JK k JK res reg
=
17 / 022 , 393 . 12 3 / 12 , 546 . 10=
0013 , 729 37 , 515 . 3= 4,822
Dengan demikian dapat disimpulkan bahwa :
Dari tabel distribusi Ftabel untuk dkpembilang = V1 = 3, dkpenyebut = V2 = 17 dan α =
5% = 0,05 maka Ftabel = F(α)(V1;V2) = F(0,05)(3;17) = 3,20 sehingga didapat Fhitung >
Hal ini berarti persamaan regresi linier ganda Y atas X1, X2,dan X3
bersifat nyata. Yang berarti terdapat pengrauh yang signifikan antara variabel
bebas yaitu, banyak posyandu, pendidikan ibu (tamat SD), dan gizi buruk
terhadap jumlah kematian bayi.
4.4 Pengujian Koefisien Regresi Linier Berganda
Dari hasil perhitungan didapat persamaan penduga regresi berganda
Ŷ = -16,322 - 0,082 X1 + 0,002 X2 + 0,004 X3
Untuk mengetahui bagaimana keberartian adanya setiap variabel bebas dalam
persamaan regresi di atas, perlu diadakan pengujian tersendiri mengenai
koefisien-koefisien regresinya.
1. Hipotesis Pengujian
H0 :Tidak ada pengaruh yang signifikan antara koefisien X1,X2,X3 terhadap
Y.
H1 :Ada pengaruh yang signifikan antara koefisien X1, X2, X3 terhadap Y.
2. Taraf nyata signifikansi (α) diambil sebesar 0,05
3. Kriteria pengujian : terima H0 jika ti < ttabel dan tolak H0 jika ti >ttabel,
4. Ambil kesimpulan berdasarkan kriteria pengujian .
Dapat dihitung kekeliruan baku koefisien bi sebagai berikut :
Sb1 =
² .
(∑ ) ( )
=
( . , ) ( , )
= √0,0019
= 0,044
Sb2 =
² .
(∑ ) ( )
=
( . . . )( , )
=
3,585= 1,893
Sb3 =
² .
(∑ ) ( )
=
( . . , )( , )
= √1,074
Diperoleh distribusi student
t
i=
t
1=
t
2=
= ,
, =
, ,
= -1,299 = 2,235
t
3=
=
, ,= 1,365
Dari tabel distribusi t dengan dk = 17 dan α = 0,05 diperoleh ttabel sebesar
= 2,11 dan hasil dari perhitungan di atas diperoleh :
1. t1 = -1,299 < 2,11
2. t2 = 2,235 > 2,11
3. t3 = 1,365 < 2,11
Maka dapat dikatakan bahwa variabel X2 (pendidikan ibu) mempunyai hubungan
yang signifikan terhadap jumlah kematian bayi. Ini berarti pendidikan ibu
benar-benar berpengaruh terhadap jumlah kematian bayi sedangkan variabel X1 (banyak
posyandu) dan variabel X3 (gizi buruk) tidak benar-benar berpengaruh terhadap
jumlah kematian bayi.
4.5 Pengujian Koefisien Korelasi
Tabel 4.5 Nilai-nilai yang Diperlukan untuk Uji Koefisien Korelasi
No Y X1 X2 X3 X12 X22 X32
1 24 180 13.235 9.504 32.400 175.165.225 90.326.016
2 32 499 29.075 11.516 249.001 845.355.625 132.618.256
3 112 676 38.129 9.839 456.976 1.453.820.641 96.805.921
4 108 712 61.036 14.871 506.944 3.725.393.296 221.146.641
5 43 459 39.434 9.168 210.681 1.555.040.356 84.052.224
6 32 788 47.159 8.498 620.944 2.223.971.281 72.216.004
7 32 420 31.411 10.305 176.400 986.650.921 106.193.025
8 38 315 21.237 6.038 99.225 451.010.169 36.457.444
9 62 530 36.466 7.491 280.900 1.329.769.156 56.115.081
10 44 598 43.083 9.839 357.604 1.856.144.889 96.805.921
11 28 586 38.011 12.411 343.396 1.444.836.121 154.032.921
12 41 279 26.369 9.392 77.841 695.324.161 88.209.664
13 77 549 45.677 13.417 301.401 2.086.388.329 180.015.889
14 33 319 20.691 12.970 101.761 428.117.481 168.220.900
15 68 400 38.088 8.498 160.000 1.450.695.744 72.216.004
16 59 325 31.326 9.616 105.625 981.318.276 92.467.456
17 17 154 6.661 8.721 23.716 44.368.921 76.055.841
18 36 228 23.893 6.261 51.984 570.875.449 39.200.121
19 80 476 51.636 13.082 226.576 2.666.276.496 171.138.724
20 16 184 10.750 9.727 33.856 115.562.500 94.614.529
21 143 265 32.019 14.566 70.225 1.025.216.361 212.168.356
Sambungan Tabel 4.5 Nilai-nilai yang diperlukan untuk Uji Koefisien Korelasi
No X
1Y X2Y X3Y Y2 X1X2 X2X3 X1X3
1 4.320 317.640 228.096 576 2.382.300 125.785.440 1.710.720 2 15.968 930.400 368.512 1.024 14.508.425 334.827.700 5.746.484 3 75.712 4.270.448 1.101.968 12.544 25.775.204 375.151.231 6.651.164 4 76.896 6.591.888 1.606.068 11.664 43.457.632 907.666.356 10.588.152 5 19.737 1.695.662 394.224 1.849 18.100.206 361.530.912 4.208.112 6 25.216 1.509.088 271.936 1.024 37.161.292 400.757.182 6.696.424 7 13.440 1.005.152 329.760 1.024 13.192.620 323.690.355 4.328.100 8 11.970 807.006 229.444 1.444 6.689.655 128.229.006 1.901.970 9 32.860 2.260.892 464.442 3.844 19.326.980 273.166.806 3.970.230 10 26.312 1.895.652 432.916 1.936 25.763.634 423.893.637 5.883.722 11 16.408 1.064.308 347.508 784 22.274.446 471.754.521 7.272.846 12 11.439 1.081.129 385.072 1.681 7.356.951 247.657.648 2.620.368 13 42.273 3.517.129 1.033.109 5.929 25.076.673 612.848.309 7.365.933 14 10.527 682.803 428.010 1.089 6.600.429 268.362.270 4.137.430 15 27.200 2.589.984 577.864 4.624 15.235.200 323.671.824 3.399.200 16 19.175 1.848.234 567.344 3.481 10.180.950 301.230.816 3.125.200 17 2.618 113.237 148.257 289 102.5794 58.090.581 1.343.034 18 8.208 860.148 225.396 1.296 544.7604 149.594.073 1.427.508 19 38.080 4.130.880 1.046.560 6.400 24.578.736 675.502.152 6.227.032 20 2.944 172.000 155.632 256 1.978.000 104.565.250 1.789.768 21
37.895 45.78.717 2.082.938 20.449 8.485.035 466.388.754 3.859.990
Jlh 519.198 41.922.397 12.425.056 83.207 334.597.766 7.334.364.823 9.425.387
4.5.1 Perhitungan Korelasi antara Variabel Bebas dan Variabel Terikat
Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tidak
bebas, maka dari tabel 4.5 dapat dihitung besar koefisien korelasinya, yaitu :
1. Koefisien korelasi antara angka kematian bayi (Y) dengan banyaknya
posyandu (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}=
{( )}{( )}=
( )( )=
,=
0,322. Koefisien korelasi antara angka kematian bayi (Y) dengan pendidikan
tertinggi (tamat SD) (X2) :
r
y2==
( ) ( )
=
,
= 0,57
3. Koefisien korelasi antara angka kematian bayi (Y) dengan gizi buruk (X3) :
r
y3 =
2 2 2 2 3 3 3 ) ( ) 3 ( ) )( ( i i i i i i Y Y n X X n Y X Y X n=
( ) ( ) ( ) ( ) {( ) ( ) ( )²}{( ) ( ) ( )²}=
{( ) }{( ) }=
( )( )=
,= 0,51
4.5.2 Perhitungan Korelasi antara Variabel Bebas
1. Koefisien korelasi antara banyaknya posyandu (X1) dengan Tamat SD (X2) :
r
12 =
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}=
{( )}{( ) }=
( )( )=
,= 0,85
2. Koefisien korelasi antara banyaknya posyandu (X1) dengan gizi buruk (X3) :
r
13 ==
( )( )
=
,
= 0,26
3. Koefisien korelasi antara tamat SD (X2) dengan gizi buruk (X3) :
r
23 =
2 3 2 3 2 2 2 2 3 2 3 2 ) ( ) ( ) )( ( i i i i i i i i X X n X X n X X X X n=
( ) ( ) ( )( ) {( ) ( ) ( ) ²}{( ) ( ) ( ) ²}=
{ ( ) } {( ) }=
( ) ( )=
, = 0,43Dari perhitungan didapat nilai kofisien korelasi :
1. ry1 = 0,32 ; Variabel X1 berkorelasi lemah terhadap variabel Y
2. ry2 = 0,57 ; Variabel X2 berkorelasi kuat terhadap variabel Y
3. ry3 = 0,51 ; Variabel X3 berkorelasi kuat terhadap variabel Y
4. r12 = 0,85 ; Variabel X1 berkorelasi sangat kuat terhadap variabel X2
5. r13 = 0,26 ; Variabel X1 berkorelasi lemah terhadap variabel X3
6. r23 = 0,43 ; Variabel X2 berkorelasi lemah terhadap variabel X3
4.6 Perhitungan Koefisien Determinasi
Berdasarkan tabel 4.4 didapat harga ∑yi2 = 22939,14 , sedangkan JKreg yang telah
dihitung adalah : 10546,12. Maka selanjutnya dengan rumus :
R
2=
n
1 i
2 i reg
y JK
Sehingga didapat koefisien determinasi :
R2
=
14 , 22939 10546,12
Dan untuk koefisien korelasi ganda, kita gunakan :
R = ²
= √0,460234
= 0,682209
Dari hasil perhitungan didapat nilai koefisien determinasi sebesar 0,46 dan
dengan mencari akar dari R2, diperoleh koefisien korelasi gandanya sebesar 0,68. Nilai tersebut digunakan untuk mengetahui pengaruh variabel independent
terhadap perubahan variabel dependent. Artinya, 46% jumlah kematian bayi
dipengaruhi oleh banyak posyandu, tingkat pendidikan ibu dan gizi buruk.
Sedangkan 64% sisanya dipengaruhi oleh faktor-faktor lain.
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 yang diperbaiki.
Tahapan implementasi sistem merupakan tahapa penerapan hasil desain
yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini
menggunakan software SPSS versi 17.0
5.2 Sekilas Tentang Program SPSS
SPSS merupakan salah satu paket program komputer yang digunakan untuk
mengolah data statistik. Analisis data akan menjadi lebih cepat, efisien dengan
hasil perhitungan yang akurat dengan program untuk analisis statistic yang paling
SPSS pertama kali 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 penggunannya dalam mengolah
data statistika.
5.3 Pengolahan Data dengan SPSS
1. Memulai SPSS pada window yaitu sebagai berikut :
Pilih menu Start dari Windows
Selanjutnya pilih menu Program
[image:56.612.133.508.416.678.2] Pilih SPSS Statistic 17
Gambar 5.1 Tampilan Pengaktifan SPSS 17.0
Gambar 5.1 Tampilan Pengaktifan SPSS 17.0
2. Memasukkan 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 “Variable View”. Lakukan dengan mengklik tab sheet Variable View yang berada di bagian kiri bawah atau langsung menekan Ctrl+T.
tampilan Variable View juga dapat dimunculkan dari View lalu pilih Variable.
Gambar 5.2 Tampilan Jendela Variabel View dalam SPSS
Pada tampilan jendela Variabel View terdapat kolom-kolom berikut :
Name : untuk memasukkan nama variabel yang akan diuji
Type : untuk mendefinisikan tipe variabel apakah bersifat numeric/string
Widht : untuk menuliskan panjang pendek variabel
Decimals : untuk menuliskan jumlah decimal 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
Coloumns : untuk menuliskan lebar kolom
Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka data view
Measure : untuk menentukan skala pengukuran variabel, misalnya nominal,ordinal atau scale
2.1 Pengisian Variabel
Tempatkan pointer pada baris pertama di bawah Name
Name : Klik ganda pada sel tersebut dan ketik angka kematian bayi
Type : Pilih Numeric karena data dalam bentuk angka
Widht : Untuk keseragaman ketik 8
Decimal : Ketik 0
Label : Tidak Perlu diisi
Values and missing : Abaikan karena data tidak dikategorisasikan
Align : Pilih Center
Measure : Pilih nominal
Begitu seterusnya untuk mengisi variabel Y, X1, X2, dan X3 dengan Name dan
Label yang sesuai dengan Variabel yang dimaksudkan.
2.2 Pengisian Data
1. Aktifkan jendela dengan mengklik Data View
2. Ketikkan data yang sesuai dengan setiap variabel yang telah didefinisikan
Tampilannya adalah sebagai berikut :
Gambar 5.3 Tampilan Jendela Pengisian Data View
5.4 Analisis Regresi dan Korelasi Dengan SPSS
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 seperti gambar berikut :
Gambar 5.4 Pilih Analyze, Regression, Linear
3. Setelah itu akan muncul kotak dialog Linear Regression, pada kotak dialog ini
akan diatmpilkan variabel-variabel yang akan diuji. Masukkan variabel tak
bebas Y (Angka Kematian Bayi) pada kotak Dependent, dan variabel bebas X
(Banyak Posyandu, Tamat SD, dan Gizi Buruk) pada kotak Independent
seperti gambar dibawah ini :
[image:61.612.134.506.458.673.2]4. Klik kotak Statistics pada kotak dialog Linear Regression, kemudian aktifkan
[image:62.612.135.508.183.429.2]Estimate, Model Fit, Descriptive dan Part and Partial Correlations lalu klik Continue untuk melanjutkan seperti pada gambar berikut :
Gambar 5.6 Kotak Dialog Linear Regresion : Statistics
5. Selanjutnya klik kotak Plots pada kotak dialog Linear Regression dan berikan tanda ceklist pada pilihan Produce All Partial Plot. Lalu ketik continue untuk melanjutkan seperti pada gambar berikut :
Gambar 5.7 Kotak Dialog Linear Regression : Plots/Option
6. Kemudian klik Ok untuk mengakhiri pengisian prosedur analisis.
5.5 Hasil Output Pengolahan Data dalam SPSS
a. Bagian Descriptive Statistics
Descriptive Statistics
Mean Std. Deviation N
Jumlah_Kematian_Bayi 53.57 33.867 21
Banyak_Posyandu 425.81 184.373 21
Tamat_SD 32637.43 13678.569 21
Interpretasi :
1. Rata-rata jumlah kelahiran (dengan jumlah data 21) adalah : 53,57 jiwa dengan standard deviasi 33,867.
2. Rata-rata banyak posyandu (dengan jumlah data 21) adalah : 425,81 unit dengan standard deviasi 184,373.
3. Rata-rata pendidikan ibu (tamat SD) (dengan jumlah data 21) adalah : 32.637,43 dengan standard deviasi 13.678,569.
4. Rata-rata jumlah gizi buruk (dengan jumlah data 21) adalah : 10.272,86 dengan standard deviasi 2.499,135.
b. Bagian Correlations
Correlations
Jumlah_Kematian
_Bayi
Banyak_
Posyandu
Tamat_
SD
Gizi_
Buruk
Pearson Correlation Jumlah_Kematian_Bayi 1.000 .322 .562 .513
Banyak_Posyandu .322 1.000 .848 .260
Tamat_SD .562 .848 1.000 .429
Gizi_Buruk .513 .260 .429 1.000
Sig. (1-tailed) Jumlah_Kematian_Bayi . .078 .004 .009
Banyak_Posyandu .078 . .000 .128
Tamat_SD .004 .000 . .026
Gizi_Buruk .009 .128 .026 .
N Jumlah_Kematian_Bayi 21 21 21 21
Banyak_Posyandu 21 21 21 21
Tamat_SD 21 21 21 21
Gizi_Buruk 21 21 21 21
Interpretasi :
1. Besar hubungan antar variabel jumlah kematian bayi dengan banyak posyandu
yang dihitung dengan koefisien korelasi adalah 0,322. Variabel jumlah
kematian bayi dengan pendidikan ibu (tamat SD) diperoleh 0,562. Dan
variabel jumlah kematian bayi dengan gizi buruk diperoleh 0,513. Karena
korelasi jumlah kematian bayi dengan pendidikan ibu lebih besar, maka
variabel pendidikan ibu(tamat SD) lebih berpengaruh terhadap jumlah
kematian bayi dibanding dengan variabel banyak posyandu dan gizi buruk.
2. Terjadi korelasi yang kuat antara variabel banyak posyandu dengan
pendidikan ibu (tamat SD), yaitu sebesar 0,848. Dan korelasi yang lemah
antara variabel banyak posyandu dengan gizi buruk yaitu sebesar 0,260 dan
antara variabel gizi buruk dengan banyak posyandu yaitu sebesar 0,260. <