Analisis Pengaruh Jumlah Pasangan Usia Subur dan Akseptor KB Terhadap Angka Kelahiran di Kabupaten Tapanuli Selatan Tahun 1997-2011

AKSEPTOR KBTERHADAPANGKA KELAHIRAN DI KABUPATEN TAPANULI SELATAN

TAHUN 1997-2011

TUGASAKHIR

FEBI SANDRA AMELIA POHAN 092407066

PROGRAMSTUDI DIPLOMAIIISTATISTIKA DEPARTEMENMATEMATIKA

FAKULTASMATEMATIKADANILMUPENGETAHUANALAM UNIVERSITASSUMATERAUTARA

ANALISA PENGARUH JUMLAH PASANGAN USIA SUBUR DAN AKSEPTOR KBTERHADAPANGKA KELAHIRAN

DI KABUPATEN TAPANULI SELATAN TAHUN 1997-2011

TUGASAKHIR

Diajukanuntukmelengkapitugas danmemenuhisyaratmemperolehAhli Madya

FEBI SANDRA AMELIA POHAN 092407066

PROGRAMSTUDI DIPLOMA 3STATISTIKA DEPARTEMENMATEMATIKA

FAKULTASMATEMATIKADANILMUPENGETAHUANALAM UNIVERSITASSUMATERAUTARA

Halaman LEMBAR PERSETUJUAN

LEMBAR PERNYATAAN

KATA PENGANTAR ... i

DAFTAR ISI ... ii

DAFTAR TABEL DAN GRAFIK ... iv

BAB 1 PENDAHULUAN 1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Ruang Lingkup ... 2

1.4 Maksud dan Tujuan ... 3

1.5 Manfaat Penelitian ... 3

1.6 Metodelogi Penelitian ... 4

1.7 Lokasi dan Tujuan ... 5

1.8 Sistematika Penulisan ... 6

BAB 2 LANDASAN TEORI 2.1 Pengertian Keluarga Berencana ... 8

2.1.1 Akseptor KB ... 9

2.1.2 Pasangan Usia Subur ... 10

2.2 Analisis Regresi ... 11

2.2.1 Regresi Linier Berganda ... 11

2.2.2 Uji Regresi Linier Berganda ... 13

2.3 Analisis Korelasi ... 15

2.3.1 Koefisien Determinasi ... 16

2.3.2 Koefisien Korelasi ... 17

BAB 3 URAIAN SINGKAT KABUPATEN TAPANULI SELATAN 3.1 Keadaan Daerah ... 19

3.2 Iklim ... 20

3.3 Penduduk ... 20

3.4 Pemerintah ... 21

BAB 4 ANALISIS DATA 4.1 Pengolahan Data ... 22

4.2 Membentuk Persamaan Linier Berganda ... 23

4.3 Uji Keberartian Regresi ... 28

4.4 Koefisien Determinasi... 31

4.5 Koefisien Korelasi... 32

4.5.1 Perhitungan Korelasi Antara Variabel Bebas dan Variabel Terikat 32 4.5.2 Perhitungan Korelasi Antara Variabel Bebas ... 34

5.1 Pengertian Implementasi Sistem ... 38

5.2 Window Yang Tersedia Dalam SPSS ... 39

5.3 SPSS Dalam Statistika ... 39

5.4 Cara Kerja SPSS ... 42

5.5 Output Pengolahan Data Dengan SPSS ... 51

BAB 6 PENUTUP 6.1 Kesimpulan dan Saran... 59

6.1.1 Kesimpulan ... 59

6.1.2 Saran... 61

DAFTAR TABEL DAN GRAFIK

DAFTAR TABEL

Halaman

Tabel 2.1 Bentuk Umum Data

Observasi... 12 Tabel 2.2 Interpretasi Dari Nilai

R... 18

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

KB Tahun 1995-2009 di Kabupaten Tapanuli Selatan... 22

Tabel 4.2 Harga-harga Yang Diperlukan Untuk Menentukan�₀,�₁, �2... 24

Tabel 2.5 Harga Ŷ untuk Uji

Regresi... 29 Tabel 5.1 Descriptive

Statistics... 51

Tabel 5.2

Correlations... 51

Tabel 5.3 Variables Entered/Removedb... 52

Tabel 5.4 Model Summaryb

... 52

Tabel 5.5

ANOVAb... 52

Tabel 5.6

Coefficientsa...

Tabel 5.7 Casewise

Diagnosticsa... 54 Tabel 5.8 Residuals

Statisticsa... 55

DAFTAR GRAFIK Grafik 5.1

Histogram... 56 Grafik 5.2 Scatterplot

1... 57 Grafik 5.3 Scatterplot

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Akseptor KB adalah peserta keluarga yang merupakan pasangan usia subur dimana salah

seorang diantaranya menggunakan alat kontrasepsi untuk tujuan pencegahan kehamilan,

baik itu melalui program KB maupun non-program. Dimana alat kontrasepsi adalah salah

satu alat yang digunakan untuk mengendalikan angka kelahiran dalam keluarga

berencana (KB), yang meliputi cara-cara ilmiah, sterelisasi dan cara untuk mencegah

yang bertemunya sel sperma dengan sel telur.

Sebagaimana yang kita ketahui pertambahan pendudukdiakibatkan karena

meningkatnya jumlah kelahiran. Pertambahan penduduk yang sangat berdampak bagi

pembangunan ekonomi dan kesejahteraan rakyat. Untuk mengatasi dan menanggulangi

masalah yang dihadapi kependudukan Indonesia khususnya di Kabupaten Tapanuli

Program Keluarga Berencana bertujuan meningkatkan kesejahteraan ibu dan

anak serta mewujudkan norma keluarga kecil, bahagia dan sejahtera yang menjadi dasar

bagi terwujudnya masyarakat yang sejahtera melalui pengendalian kelahiran dan

pengendalian pertumbuhan penduduk.

Berdasarkan pemikiran diatas maka penulis memilih judul tugas akhir ini,

“ANALISA PENGARUH PASANGAN USIA SUBUR DAN AKSEPTOR KB

TERHADAP ANGKA KELAHIRAN DI KABUPATEN TAPANULI SELATAN

TAHUN 1997-2011”.

1.2 PERUMUSAN MASALAH

Dari uraian diatas yang menjadi permasalahan dalam tulisan ini adalah apakah ada

pengaruh jumlah pasangan usia subur dan akseptor KB terhadap angka kelahiran di

Kabupaten Tapanuli Selatan berdasarkan data tahun 1997-2011.

1.3 RUANG LINGKUP

1. Angka kelahiran dihitung berdasarkan persentase jumlah persalinan ibu yang

melahirkan.

2. Sasaran program Keluarga Berencana adalah seluruh lapisan masyarakat yang

merupakan pasangan usia subur.

3. Akseptor KB yang dianalisis adalah alat kontrasepsi yang dominan yang digunakan oleh masyarakat yaitu: IUD, PIL, Kondom dan Suntikan.

1.4 MAKSUD DAN TUJUAN

Maksud dari penelitian ini adalah sebagai acuan bagi pemerintah setempat dalam rangka

meningkatkan kesejahteraan rakyat di Kabupaten Tapanuli Selatan melalui pelayanan

program Keluarga Berencana dengan penyuluhan penggunaan alat kontrasepsi.

Tujuan penelitian ini adalah untuk mengetahui pengaruh jumlah pasangan usia

subur dan akseptor KB terhadap angka kelahiran di Kabupaten Tapanuli Selatan.

1.5 MANFAAT PENELITIAN

Adapun manfaat dari penelitian ini antara lain:

2. Sebagai pertimbangan dalam menurunkan angka kematian ibu melahirkan dan kematian bayi dimasa yang akan datang.

3. Sedangkan bagi penulis penelitian ini merupakan wujud dari pada penerapan yang telah didapat selama ini di perkuliahan, khususnya dalam bidang statistika yaitu dengan menggunakan Analisis Regresi Linier Berganda dan Analisis Korelasi.

1.6 METODELOGI PENELITIAN

Metodelogi penelitian yang digunakan adalah:

1. Library Research (Kepustakaan)

Penulis mengadakan penelitian dengan mengutip teori dari beberapa buku yang

ada di perpustakaan yang ada kaitannya dengan analisis data pada penelitian ini.

2. Pengumpulan Data

Untuk menyusun Tugas Akhir penulis melakukan penerapan metode penelitian

dalam memperoleh data-data yang dibutuhkan sehingga penulisan Tugas Akhir ini dapat

diselesaikan dengan baik. Adapun data yang diperoleh untuk penulisan ini merupakan

data dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Ruang lingkup data secara

keseluruhan adalah Pasangan Usia Subur (PUS), sedangkan untuk akseptor KB dibagi

atas beberapa kategori, yaitu: IUD, PIL, Kondom dan Suntikan. Data yang digunakan

3. Pengolahan Data

Untuk mendukung penyusunan Tugas Akhir ini, maka penulis membutuhkan data

yang relevan dan aktual dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara.

Selanjutnya dilakukan pengolahan dan penganalisissan dengan menggunakan metode

Regresi Linier Berganda dan Korelasi. Adapun rumus menggunakan Metode Regresi

Linier Berganda dan Korelasi yang digunakan sebagai berikut:

Rumus Regresi Linier Berganda

Ŷ_� = �₀+�₁�₁+�₂�₂+⋯+�_��_�

Rumus Korelasi

r

_y,1,2,..,k

=

(nΣXiYi)−(ΣXiYi)

�(nΣXi)2)−(ΣXi)2�(nΣYi)2)−(ΣYi)2

Beberapa variabel Makro yang diperoleh dari data sekunder yang akan di analisis yaitu

hasil survei dari BPS Provinsi Sumatera Utara tentang Kelahiran sebagai variabel

respon/dependent (Y) yang dipengaruhi oleh variabel predictor/independent yaitu:

X₁ = Jumlah Pasangan Usia Subur

X₂ = Jumlah Akseptor KB

data yang digunakan dalam penelitian ini diperoleh dari kantor Badan pusat Statistik Jl.

Asrama No. 179 Provinsi Sumatera Utara. Pengumpulan data dilakukan mulai tanggal 30

April 2012 sampai dengan 15 Juni 2012.

1.8 SISTEMATIKA PENULISAN

Dalam penulisan ini, penulis membagi dalam 6 (enam) bab, yang masing-masing terdiri

dari sub-sub bab. Pembagian dimaksudkan untuk mempermudah penguraian dimulai dari

pengertian dan penegasan judul sampai kepada kesimpulan dan saran, sehingga

penguraian tersebut dapat dilihat adanya hubungan isi dengan pokok bahasan.

Laporan hasil penelitian ini disusun dengan sistematika sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini menguraikan tentang Latar Belakang, Perumusan Masalah,

Ruang Lingkup, Maksud dan Tujuan, Manfaat Penelitian, Metodelogi

Penelitian, Lokasi dan Waktu serta Sistematika Penulisan.

BAB 2 LANDASAN TEORI

Bab ini menguraikan teori tentang pengertian Keluarga Berencana,

Akseptor Keluarga Berencana (KB) dan beberapa model matematika

Analisis Regresi dan Korelasi.

Bab ini menguraikan tentang gambaran umum Kabupaten Tapanuli

selatan mengenai Keadaan Daerah, Iklim, Penduduk dan Pemerintahan.

BAB 4 ANALISA DAN PEMBAHASAN

Bab ini menguraikan tentang pengolahan data dengan menggunakan

model matematik statistik, yaitu Regresi Linier Berganda dan Korelasi.

BAB 5 IMPLEMENTASI SISTEM

Bab ini menjelaskan pengertian dan tujuan implementasi sistem,

rancangan program yang dipakai dan hasil outputnya.

BAB 6 PENUTUP

Bab ini menguraikan kesimpulan dari hasil penelitian yang diperoleh,

serta memberikan saran yang dianggap perlu kepada pihak-pihak yang

BAB 2

LANDASAN TEORI

2.1 Pengertian Keluarga Berencana

Keluarga Berencana adalah salah satu usaha yang dilakukan atau dijalankan untuk mencegah kehamilan, baik secara tradisional dan modern yang tujuannya adalah meningkatkan kesejahteraan ibu dan anak serta mewujudkan norma keluarga kecil,bahagia dan sejahtera yang menjadi dasar bagi terwujudnya masyarakat yang sejahtera melalui pengendalian kelahiran dan pengendalian pertumbuhan penduduk. Dengan demikian diharapkan:

1. Terkendalinya tingkat kelahiran dan pertambahan penduduk 2. Meningkatnya jumlah peserta KB atas dasar kesadaran

Untuk mencapai tujuan diatas, program keluarga berencana diarahkan kepada sasaran langsung, yang merupakan usaha untuk menurunkan tingkat kelahiran melalui keluarga berencana dengan menggunakan alat kontrasepsi secara berlanjut bagi yang sudah menggunakan alat kontrasepsi, dan mengajak yang baru untuk menggunakan alat kontrasepsi. Atau mengajak semua pasangan usia subur memakai alat kontrasepsi secara aktif dan lestari, sehingga memberikan efek langsung terhadap penurunan tingkat kelahiran atau penurunan laju pertumbuhan penduduk.

Banyaknya alat kontrasepsi yang dipakai menunjukkan tingkat partisipasi masyarakat dalam mengendalikan kelahiran. Karena semakin tingkat pemakaian alat maka semakin besar pula peluang untuk mengendalikan kelahiran, yang akan membuka peluang untuk mensejahterakan keluarga.

2.1.1 Akseptor KB

Akseptor KB adalah peserta keluarga yang merupakan pasangan usia subur dimana salah seorang diantaranya menggunakan alat kontrasepsi untuk tujuan pencegahan kehamilan, baik itu melalui program KB maupun non-program.

cara-cara alamiah, sterilisasi dan cara untuk mencegah bertemunya sel sperma dengan sel telur.

Alat kontrasepsi yang digunakan untuk mencegah kehamilan adalah: 1. IUD (Intra Uterina Device)

IUD (Intra Uterina Device) atau AKDR (Alat Kontrasepsi Dalam Rahim) adalah sebuah alat kecil yang dimasukkan kedalam rahim oleh dokter atau petugas kesehatan terlatih atau bidan.

2. PIL

PIL adalah obat yang berbentuk tablet, yang merupakan kombinasi dari hormon-hormon sintesis yang dapat mencegah kehamilan.

3. KONDOM

Kondom adalah sarung karet yang dipakai pada alat kemaluan pria (penis) selama melakukan hubungan seksual.

4. SUNTIKAN

Salah satu cara pencegahan kehamilan dengan jalan menyuntikkan cairan tertentu ke dalam tubuh, dimana cairan ini berisi progestin.

2.1.2 Pasangan Usia Subur (PUS)

2.2 Analisa Regresi

Regresi diperkenalkan pertama sekali oleh Sir Francis Galton pada tahun 1877. Analisis regresi diinterpretasika sebagai suatu analisa yang berkaitan dengan studi ketergantungan (hubungan kausal) dengan suatu variabel tak bebas (dependent variable) dengan satu atau lebih variabel penjelas (explanatory variables).

Tujuan utama analisis regresi adalah untuk membuat perkiraan nilai suatu variabel yaitu (dependent variable) jika nilai variabel lain yang berhubungan dengannya (independent variable) sudah ditentukan (diketahui).

Dalam analisis regresi variabelnya akan dibedakan menjadi dua jenis variabel, yaitu variabel terikat (Y) adalah tingkat kelahiran dan variabel bebas dimana (X1) adalah Pasangan Usia Subur dan (X2) adalah Akseptor KB menurut

alat kontrasepsi yang digunakan.

2.2.1 Regresi Linier Berganda

Regresi linier berganda berguna untuk mencari pengaruh dua variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih terhadap variabel tak bebas, atau meramalkan dua variabel bebas atau lebih terhadap variabel tak bebas. Dengan demikian multiple regression digunakan untuk penelitian yang menyertakan variabel sekaligus.

Bentuk umum persamaan regresi linier berganda adalah sebagai berikut:

Ŷ� = �0 +�1�1+�2�2+⋯+����

Dengan:

Ŷi = variabel tak bebas (dependent variable) X₁, X₂ = variabel bebas (independent variable)

�0 = parameter intersep (suatu konstanta)

�1,�2,�� = koefisien variabel X1 dan X2

Tabel 2.1

Bentuk Umum Data Observasi No

observasi

Variabel Terikat

(Yi)

Variabel Bebas

��� ��� ... ���

1 Y1 �_�� �_�� ... �_��

2 Y2 �_�� �_�� ... �_��

3 Y3 ��� ��� ... ���

. . . . . .

. . . . . .

Σ Σ Yi ���� Σ��� ... Σ���

Persamaan regresi dari suatu data observasi dapat dibuat dengan menentukan besarnya a0, a1dan a2 yang terdapat pada persamaan tersebut.

Besarnyaa0, a1 dana2dapat ditentukan dengan menggunakan rumus berikut:

Ŷ� = a0+ a1X1i+a2X2i

Dan diperoleh melalui persamaan-persamaan berikut :

Untuk kekeliruan baku taksiran S2y,1,2,…,k =

∑(Yi−Ŷ)2

n−k−1 , dimana (n-k-1) merupakan derajata kebebasan (dk).

2.2.2 Uji Regresi Linier Berganda

Uji regresi linier berganda perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel-variabel tak bebas.

Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan atau pengujian persamaan regresi menggunakan statistik F yang dirumuskan sebagai berikut:

F =

JKReg

k

�

JK_Res

n−k−1

�

Dimana:

F = Statistik F yang menyebar mengikuti distribusi dengan derajat bebas (Bebas �₁= k dan �₂ = n-k-1)

JK_Reg = Jumlah Kuadrat Regresi

= b1∑yix1i+ b1∑yix2i+...+bk∑yixki , dengan derajat kebebasan (dk) =

(n-k-1)

JKRes = Jumlah Kuadrat Residu (sisa), JKRes = ∑(�� − Ŷ)2, dengan derajat

kebebasan (dk) = (n-k-1)

Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter koefisien regresi secara keseluruhan melibatkan intersep serta k buah variabel penjelas sebagai berikut:

Ŷi= β0 + β₁ X1 + β₂X2 + ... + β_k Xk

Dimana persamaan penduganya adalah:

Ŷ� = �0 +�1�1+�2�2+⋯+����

Dimana :

�0, �1 , �2, ... , ��adalah parameter penduga β0 , β₁ , β₂, ... , β_k

Langkah-langkah yang dibutuhkan untuk pengujian hipotesa ini adalah: a. H0 : �� = 0 (�� tak mempengaruhi Y)

H1 : �� ≠ 0 (�� mempengaruhi Y)

c. Keputusan :

H₀ diterima jika t_hitung ≤ t_{ta bel} H0 ditolak jika thitung > ttabel

d. Menentukan nilai thitung

thitung = _���

��

��1=

��.12

�∑ �12 (1−�122)

dan �_�2= ��.12 �∑ �22 (1−�122)

(Abdul Hakim, 2002:291)

e. Membuat kesimpulan apakah H₀ diterima atau ditolak

2.3 Analisis Korelasi

Analisis korelasi digunakan untuk mengetahui hubungan antara dua variabel atau lebih tanpa memperhatikan ada atau tidaknya hubungan kausal diantara variabel tersebut.

Pada dasarnya analisis ini bertujuan untuk mengukur kekuatan atau derajat hubungan antara dua variabel. Derajat hubungan antara dua variabel ini disebut sebagai korelasi sederhana.

dikatakan berkorelasi negatif adalah jika datanya cenderung berubah dalam arah yang berlawanan, dengan kata lain jika kenaikan nilai pada suatu variabel diikuti oleh penurunan pada variabel lainnya dan sebaliknya. Dikatakan tidak berkorelasi apabila tidak ada hubungan atau kaitan antara variabel yang satu dengan lainnya.

Koefisien korelasi R dapat digunakan untuk mengetahui derajat hubungan antara dua variabel atau lebih dan mengetahui arah hubungan antara dua variabel. Untuk mengetahui derajat hubungan antara dua variabel atau lebih menggunakan nilai absolut dari koefisien tersebut. Besarnya koefisien korelasi adalah 0 sampai dengan ±1. Apabila dua variabel mempunyai nilai R = 0 berarti variabel tersebut tidak mempunyai hubungan, sedangkan apabila mempunyai nilai R = ±1 maka variabel tersebut memiliki hubungan yang sempurna.

Semakin tinggi nilai koefisien korelasi antara dua variabel (mendekati 1) maka tingkat derajat hubungan tersebut semakin tinggi dan sebaliknya semakin rendah (mendekati 0) maka tingkat derajat hubungan semakin lemah.

2.3.1 Koefisien Determinasi

dijelaskan oleh persamaan regresi yang dihasilkan. Besarnya koefisien determinasi (R2) dapat dicari dengan menggunakan rumus sebagai berikut:

R2 = JKReg ∑y2

Besarnya koefisien R2 nilainya antara nol sampai satu: 0 < R2 < 1, semakin mendekati nol besarnya koefisien determinasi suatu regresi, maka semakin kecil pula pengaruh semua variabel independent terhadap nilai dependent. Sebaliknya, semakin mandekati satu besarnya koefisien determinan suatu regresi, maka semakin besar besar pula pengaruh semua variabel independent terhadap nilai dependent.

2.3.2 Koefisien Korelasi

Jika hubungan antara dua variabel telah diketahui, maka pengukuran yang lebih akurat dari derajat hubungan diantara dua variabel itu adalah menggunakan parameter yang dikenal sebagai koefisien korelasi yang biasa dinotasikan dengan r jika hanya terdapat dua variabel dan r bila terdapat tiga variabel atau lebih.

Untuk mencari korelasi antara variabel Y terhadap Xi atau ��,1,2,…,�dapat

dicari dengan rumus: ��,1,2,…,� =

(_{� ∑ ����})–(∑ �_�∑ �_�)

�(� ∑ �_�)2_{)−(∑ �}

�)2�(� ∑ �2_{)(∑ �)}2

��1�2 =

(� ∑ �1�2)−(∑ �1�2)

�(� ∑ �1)²−(∑ �1)²�(� ∑ �2)²−(∑ �2)²

s

Koefisien korelasi mengambil nilai antara -1 dan +1, jika dua variabel berkorelasi negatif maka nilai koefisien korelasi mendekati -1, jika tidak memiliki korelasi maka koefisien korelasi akan mendekati 0 dan berkorelasi positf maka nilai koefisien korelasi akan mendekati +1.

Untuk lebih memudahkan mengetahui bagaimana sebenarnya derajat keeretan anatara variabel-variabel tersebut, dapat dilihat pada perumusan berikut ini.

Tabel 2.2

Interpretasi dari Nilai R

R Interpretasi

0 Tidak berkorelasi

0,01 – 0,20 Sangat rendah

0,21 – 0,40 Rendah

0,41 – 0,60 Agak rendah

0,61 – 0,80 Cukup

0,81 – 0,99 Tinggi

BAB 3

URAIAN SINGKAT KABUPATEN TAPANULI SELATAN

3.1 Keadaan Daerah

Kabupaten Tapanuli Selatan terletak pada garis 0˚58’35” - 2˚07’33” Lintang Utara dan 98˚42’50” - 99˚34’16” Bujur Timur. Sebelah utara berbatasan dengan Kabupaten Tapanuli Tengah dan Kabupaten Tapanuli Utara. Sebelah timur berbatasan dengan Kabupaten Padang Lawas dan Kabupaten Padang lawas Utara. Sedangkan sebelah selatan berbatasan dengan Kabupaten Mandailing Natal. Sebelah barat berbatasan dengan kabupaten Mandailing Natal dan juga Samudera Indonesia.

3.2 Iklim

Curah hujan di Kabupaten Tapanuli Selatan cenderung tidak teratur di sepanjang tahunnya. Pada bulan Maret terjadi curah hujan tertinggi (1,508 mm). Sedangkan hari hujan terbanyak terjadi di bulan November yaitu 22 hari.

3.3 Penduduk

Jumlah penduduk Kabupaten Tapanuli Selatan berdasarkan angka agregat hasil Sensus Penduduk 2010 (SP2010) sebesar 264,108 jiwa yang terdiri dari 131,435 jiwa penduduk laki-laki dan 132,673 jiwa penduduk perempuan, sedangkan jumlah rumah tangganya sebanyak 60,793 rumah tangga.

Bila dibandingkan dengan luas Kabupaten Tapanuli Selatan (4,367.05 Km²), maka rata-rata tingkat kepadatan penduduknya mencapai 60 jiwa per km² dan rata-rata sebanyak 4 jiwa disetiap rumah tangga.

3.4 Pemerintahan

Berdasarkan Perda No.5 Tahun 2008 Tentang Penataan Desa dan Perubahan Status Desa menjadi kelurahan di Kabupaten Tapanuli Selatan mengalami perubahan. Dari 12 kecamatan yang ada di Kabupaten Tapanuli Selatan terdiri dari 212 desa dan 36 kelurahan.

Anggota DPRD Kabupaten Tapanuli Selatan hasil PEMILU 2009 sebanyak 45 orang. Keanggotaan terbesar dari Partai Golkar yang berjumlah 7 orang; PPP dan Parta Demokrat masing-masing berjumlah 5 orang; Partai Demokrasi Pembaruan, Partai Demokrasi Indonesia Perjuangan, Partai Persatuan Daerah yang masing-masing berjumlah 3 orang, dan diikuti oleh partai-partai pemenang pemilihan umum 2009 yang lain.

BAB 4

ANALISIS DATA

4.1 Pengolahan Data

Data yang diambil dari kantor Badan Pusat Statistik Sumatera Utara adalah data Angka Kelahiran Total (TFR) di kabupaten Tapanuli Utara, jumlah pasangan usia subur (PUS) dan pengguna alat/cara KB tahun 1997-2011.

Tabel 4.1

Angka Kelahiran Total (TFR), Jumlah Pasangan Usia Subur (PUS) dan Akseptor KB tahun 1997-2011 di kabupaten Tapanuli Selatan

No.

Tahun

Angka Kelahiran Total

(TFR)

Jumlah Pasangan Usia Subur

Jumlah Akseptor KB

1 1997 4,34 92.637 58.787

2 1998 4,23 84.961 64.815

3 1999 4,12 76.589 71.739

5 2001 3,90 56.147 32.542

6 2002 3,82 50.158 25.726

7 2003 3,70 47.240 27.609

8 2004 3,60 51.359 29.042

9 2005 3,54 31.118 18.782

10 2006 3,48 31.838 15.546

11 2007 3,30 30.768 17.230

12 2008 3,24 32.853 18.062

13 2009 3,14 32.745 18.160

14 2010 3,05 32.967 18.893

15 2011 2,91 32.761 18.632

( Sumber : Badan Pusat Statistik Provinsi Sumtera Utara

Keterangan :

Yi = Angka kelahiran total (TFR) X_1i= Jumlah pasangan usia subur X_2i= Jumlah pengguna alat/cara KB

4.2 Membentuk Persamaan Linier Berganda

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

No. Y_i Y2_i X_1i X_2i X12i X

2 2i 1 4,34 18,84 92.637 58.787 8.581.613.769 3.455.911.369 2 4,23 17,89 84.961 64.815 7.218.371.521 4.200.984.225 3 4,12 16,97 76.589 71.739 5.865.874.921 5.146.484.121 4 4,01 16,08 61.124 40.521 3.736.143.376 1.641.951.441 5 3,90 15,21 56.147 32.542 3.152.485.609 1.058.981.764 6 3,82 14,59 50.158 25.726 2.515.824.964 661.827.076 7 3,70 13,69 47.240 27.609 2.231.617.600 762.256.881 8 3,60 12,96 51.359 29.042 2.637.746.881 843.437.764 9 3,54 12,53 31.118 18.782 968.329.924 352.763.524 10 3,48 12,11 31.838 15.546 1.013.658.244 241.678.116 11 3,30 10,89 30.768 17.230 946.669.824 296.872.900 12 3,24 10,50 32.853 18.062 1.079.319.609 326.235.844 13 3,14 9,86 32.745 18.160 1.072.235.025 329.785.600 14 3,05 9,30 32.967 18.893 1.086.823.089 356.945.449 15 2,91 8,47 32.761 18.632 1.073.283.121 347.151.424

∑ 54,38 199,90 745.265 476.086 43.179.997.477 20.023.267.498

Sambungan tabel 4.2

Dari tabel tersebut diperoleh harga-harga sebagai berikut :

n = 15 ∑ X_1iX_2i= 28.867.973.062

∑Yi = 54,38 ∑YiX1i _{= 2.819.976,03}

∑Y2

i = 199,90 ∑ YiX2i= 1.824.081,95

∑X1i _{= 745.265}

∑X2i= 476.086

∑X2

1i _{= 43.179.997.477}

∑X2

2i _{= 20.023.267.498}

Rumus umum persamaan regresi linier berganda dengan dua variabel bebas yaitu : Y_i = a₀+ a₁X_1i+a₂X_2i

Dan diperoleh melalui persamaan-persamaan berikut :

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

54,38 = 15 a₀ +745.265 a₁ + 476.086 a_{2 (1)} 2.819.976,03 =745.265 a0+ 43.179.997.477 a1 + 28.867.973.062 a2 (2)

1.824.081,95 = 476.086 a0 + 28.867.973.062 a1 + 20.023.267.498 a2 (3)

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

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

42.299.640.45=11.178.975a0 + 647.699.962.155 a1 + 433.019.595.930 a2 _

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

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

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

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

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

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

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

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

1.54917E+16 = 6.83516E+20 a1

a1 =

1.54917�+16 6.83516 E+20

a1 = 2.26647E-05

Subsitusi a1 () ke persamaan 4 (empat) :

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

-1.772.129,75 = (-92.280.041.930)( 2.26647E-05)+ (-78.209.363.140) a2

a2 =

3.863.626,70

−78.209.363.140

a2 = - 4.94011E-05

Subsitusi a1 (2.26647E-05) dan a2 (- 4.94011E-05) ke persamaan 1 :

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

54,38 = 15 a₀ +745.265 (2.26647E-05) + 476.086 (- 4.94011E-05) 54,38 = 15 a₀ +745.265 a₁ + 476.086 a₂

39,43 = 15 a₀ a0=

39,43 15

a0 = 2,629

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

a₀= 2,629

a₁= 2.26647E-05 a₂= - 4.94011E-05

Dari koefisien-koefisien yang diperoleh dibentuklah model persamaan regresi linier berganda: 3 3 2 2 1 1 0 ^ X a X a X a a

Y = + + +

^

4.3 Uji Keberartian Regresi

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

Ho : β0= β

1= . . . = βk= 0

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

Ha : Minimal satu parameter koefisien regresi yang ≠ 0

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

Kriteria pengujian hipotesisnya : Tolak Ho jika F_hitung ≤ F_tabel Terima Ho jika F_hitung> F_tabel

Untuk menguji model regresi yang terbentuk, diperlukan dua macam jumlah kuadrat (JK) yaitu JK untuk regresi (JK_reg) dan JK untuk sisa (JK_res) yang akan didapatkan setelah mengetahui nilai-nilai. Jika x_1i= X_1i– X ₁, x_2i= X_2i–

2

Untuk memperoleh nilai-nilai tersebut maka diperlukan harga-harga berikut :

1

X = 49.684

2

X = 31.739

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

Tabel 4.3 Harga

^

Yuntuk Uji Regresi

Lanjutan tabel 4.3 :

x_1iy_i x_2iy_i ^

Y Y_i-

^

Y (Y_i-

^

Y)2 y2

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

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

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

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

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

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

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

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

Y_i X_1i X_2i x_1i x_2i y_i X_1i

² X2i_²

x_1iy_i x_2iy_i ^

Y Y_i-

^

Y (Y_i-

^

Y)2 y2

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

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

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

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

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

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

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

118.141,9

8 98.111,50 0,47 2,75

Dari tabel tersebut diperoleh nilai-nilai berikut :

∑ x_1iy_i = 118.141,98

∑x2iyi = 98.111,50

∑(Yi-

^

Y)2 = 0,47

Sehingga diperoleh dua macam jumlah kuadrat-kuadrat yakni JK_regdan JK_res sebagai berikut: JKreg = a1

∑

x1iyi+ a2∑x2iyi

= (2.26647E-05)( 118141,98) + (- 4.94011E-05)( 98111,50) = 2,28

JK_res = ∑(Y_i-

^

Y)2 = 0,47

Jadi Fhitung dapat dicari dengan :

Fhitung=

= 28,50

Untuk Ftabel, yaitu nilai statistik F jika dillihat dari tabel distribusi F dengan derajat kebebasan pembilang V₁= k dan penyebut V₂= n – k – 1, dan α = 5% = 0,05 maka:

F_tabel = F_{( )( ; )}

2 1V

V

α = F(α)(k;k−n−1)

= F_(0,05)(2;12) = 3,89

Dengan demikian dapat kita lihat bahwa nilai F_hitung(28,50) > Ftabel(3,89). Maka Ho ditolak dan Ha diterima. Hal ini berarti persamaan linier berganda Y atas X₁,X₂ bersifat nyata yang berarti bahwa jumlah pasangan usia subur, panjang jalan dan jumlah Akseptor KB secara bersama-sama berpengaruh terhadap terjadinya angka kelahiran total (TFR).

4.4 Koefisien Determinasi

Dari tabel 4.3 dapat dilihat harga ∑y2_{= 2,75 dan nilai JK}

reg= 2,28 telah dihitung sebelumnya, maka diperoleh nilai koefisien detrminasi :

R2=

∑

=

n

1 i

2 i reg

y JK

= 0,83

Untuk koefisien korelasi ganda digunakan rumus : R = 2

R

Maka : R = 0,83 R = 0,91

Dari hasil perhitungan diperoleh nilai korelasi (R) yaitu sebesar 0,91 yang menunjukkan bahwa korelasi antara variabel bebas X dengan variabel tak bebas Y berhubungan secara positif dengan tingkat yang tinggi. Adapun nilai koefisien determinasi R2

diperoleh sebesar 0,83 yang berarti sekitar 83% amgka kelahiran total (TFR) yang terjadi dipengaruhi oleh jumlah pasangan usia subur dan jumlah Akseptor KB. Sedangkan sisanya sebesarnya sebesar 100% - 83% = 17% dipengaruhi oleh faktor-faktor yang lain.

4.5 Koefisien Korelasi

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. 3 dapat dihitung besar koefisien korelasinya yaitu :

ry₁=

{

∑

∑

−

∑

∑

}

{

∑

∑

−

∑

}

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

{

2

}{

2

}

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

{

92.280.041.930

}{

41,24

}

,70 40.527.510 -,45 42.299.640 = 37.344,17 380.5961.1 1772129.75 = 0.91

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

ry2=

{

∑

∑

−

∑

∑

}

{

∑

∑

−

∑

}

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

{

2

}{

2

}

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

{

73.691.133.074

}{

41,24

}

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

= 0, 84

1. _{Koefisien korelasi antara jumlah pasangan usia subur (X1) dengan jumlah Akseptor KB} (X2) :

r₁₂=

{

∑

∑

−

∑

∑

}{

∑

∑

−

∑

}

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

{

2

}{

2

}

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

{

73691133074

}

0} 9228004193 { 90 3548102327 -30 4330195959 = 21 6.80022E 0 7820936314 + = 0,95

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

1.r_y1= 0,91 ; variabel X₁berkorelasi kuat terhadap variabel Y 2. r_y2= 0,84 ; variabel X₂berkorelasi kuat terhadap variabel Y 3. r₁₂= 0,95 ; variabel X₁berkorelasi kuat terhadap variabel X₂

1. Pengaruh antara Pasangan Usia Subur dengan Angka Kelahiran (TFR) H0 : �1 = 0 Pasangan Usia Subur tidak berpengaruh terhadap angka

kelahiran (TFR) di kabupaten Tapanuli Selatan)

H1 : �1 0 Pasangan Usia Subur berpengaruh terhadap angka

kelahiran (TFR) di kabupaten Tapanuli Selatan)

Dengan taraf nyata α = 0,05 maka nilai ������ dengan derajat kebebasan

�_�1−1

2��; �−�−1

sehingga �_(0,975;12 = 2,179 (uji 2 sisi) Keputusan :

H0 diterima jika thitung ≤ ttabel

H0 ditolak jika thitung > ttabel,

Menentukan nilai t_hitung ��1 =

��.12

�∑ �12 (1−�122)

∑ �12 = 6.152.002.795,33 �12 = 0,94841243

S² y.12...k = ∑(��−Ŷ�)² �−�−1

= 0,47

15−2−1

=0,039167 Sy.12...k = 0,197907

��1 =

0,1907907

�6.152.002.795,33(1−(0,95)2₎

= 0,1907907

24.866,87507 = 7.95864E – 06

t_hitung = �1 ��1

= 2.26647�−05

7.95864�−06

= 2,85

Dapat dilihat bahwa �_{ℎ�����}>�_{�����} sehingga �₀ ditolak yang berarti secara parsial Pasangan Usia Subur berpengaruh terhadap Angka Kelahiran (TFR) di Kabupaten Tapanuli Selatan.

2. Pengaruh antara Akseptor KB dengan Angka Kelahiran (TFR) H0 : �2 = 0 Akseptor KB tidak berpengaruh terhadap angka

kelahiran (TFR) di kabupaten Tapanuli Selatan)

H1 : �2> 0 Akseptor KB berpengaruh terhadap angka

kelahiran (TFR) di kabupaten Tapanuli Selatan)

Dengan taraf nyata α = 0,05 maka nilai ������ dengan derajat kebebasan

�_�1−1

2��; �−�−1

sehingga �_(0,975;12 = 2,179 (uji 2 sisi) Keputusan :

H0 diterima jika thitung ≤ ttabel

H0 ditolak jika thitung > ttabel,

Menentukan nilai t_hitung ��1 =

��.12

�∑ �12 (1−�122)

S² y.12...k = ∑(��−Ŷ�)² �−�−1

= 0,47

15−2−1

=0,039167 Sy.12...k = 0,197907

��2 =

0,1907907

�4.913�109_(1−(0,95)2₎

= 0,1907907

2222,58016 = 8.90605x10

−6

Maka:

t_hitung = �2 ��2

= −4,08349 � 10−6

8.90605 � 10−6

= -0,46

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tujuan implementasi sistem adalah:

1. Menyelesaikan desain yang ada dalam komponen sistem yang disetujui.

2. Untuk memastikan bahwa personil dapat mengoperasikan sistem yang baru yaitu dengan mempersiapkan pemakaian manual dan dokumen lain untuk melatih personil.

SPSS (Statistical Package for the Social Sciences) merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu – ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS berubah menjadi Statistical Product and Service Solutions. Pengguna SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

5.3 Window yang Tersedia dalam SPSS

SPSS menyediakan empat window, meliputi: 1. Data editor

Window ini terbuka secara otomatis setiap kali program SPSS dijalankan dan berfungsi untuk input data SPSS. Terlebih dahulu beri nama variabel dilakukan dengan klik variabel view yang terletak disebelah kiri jendela editor, lalu lakukan pengisian variabel berikut:

• Name : digunakan untuk memberikan nama variabel

• Type : digunakan untuk menentukan tipe data

• Width : digunakan untuk menentukan lebar kolom

• Decimals : digunakan untuk memberikan nilai desimal

• Value : digunakan untuk menjelaskan nilai data pada kolom

• Missing : digunakan untuk menentukan data yang hilang

• Columns : digunakan untuk menentukan lebar kolom

• Align : digunakan untuk menentukan rata kanan, kiri atau tengah

• Measure : digunakan untuk menentukan tipe atau ukuran data, yaitu nominal, ordinal dan skala.

Menu yang ada pada data editor adalah sebagai berikut: a. File

Menu file berfungsi untuk menangani hal – hal yang berhubungan dengan file data, seperti membuat file baru, membuka file tertentu, mengambil data dari program lain, mencetak isi data editor, dan lainnya.

b. Edit

Menu edit berfungsi untuk menangani hal – hal yang berhubungan dengan memperbaiki atau mengubah nilai data (duplikasi data, menghilangkan data, edit data, dan lainnya). Selain itu, menu edit juga berfungsi untuk mengubah setting pada options (seperti output label, script, dan lainnya).

c. View

Menu view berfiungsi untuk mengubah toolbar (statusbar, penampakan value label, dan lainnya).

Menu data berfungsi untuk membuat perubahan data SPSS secara keseluruhan, seperti mengetik data, menyeleksi data berdasarkan kriteria tertentu, menggabung data dan lainnya.

2. Transform

Transform untuk membuat perubahan pada variabel menu transform berfungsi yang telah dipilih dalam kriteria tertentu.

a. Analyze

Menu analyze merupakan menu inti dari SPSS, yang berfungsi untuk melakukan semua prosedur perhitungan statistik, seperti uji t, uji f, regresi, time series dan lainnya.

b. Graphs

Menu graphs berfungsi untuk membuat berbagai jenis grafik untuk mendukung analisis statistic seperti pie, line, bar, dan kombinasinya.

c. Utilities

Menu utilities atau menu tambahan yang mendukung program SPSS,seperti: 1) Memberi informasi tentang variabel yang dikerjakan

2) Mengatur tampilan menu – menu yang lain.

3. Menu output viewer

4. Menu syntak editor

Walaupun SPSS sudah menyediakan berbagai macam pengolahan data statistik secara memadai, namun ada beberapa perintah atau pilihan yang hanya dapat digunakan SPSS command language.

5. Menu script editor

Menu script pada dasarnya digunakan untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti, membuka dan menutup file, export chart, penyesuaian bentuk output dan lainnya.

5.4 Cara Kerja SPSS

Cara kerja SPSS meliputi tiga bagian, yaitu : input, proses, dan output 1. Input

Data yang akan dianalisis harus diinput terlebih dahulu pada bagian view data, sedangkan proses coding dan pendefinisian variabel pada view variabel. Didalam view data terdapat kolom yang menunjukkan variabel yang akan dianalisis dan baris yang menunjukkan banyaknya pengamatan atau data yang akan dianalisis.

2. Proses

Setelah semua data di input pada data editor, langkah selanjutnya adalah melakukan proses analisis melalui langkah – langkah yang tersedia pada menu SPSS sesuai dengan hasil output yang dibutuhkan.

3. Output

Hasil analisis akan ditampilkan pada file yang terpisah dari data editor, yaitu pada output navigator.

Langkah – langkah pengolahan data dengan menggunakan program SPSS:

1. Harus dipastikan terlebih dahulu bahwa SPSS terinstal pada komputer dan kemudian dibuka dengan:

a. Klik dua kali menu SPSS yang terdapat pada icon shortcut pada tampilan desktop b. Selain itu program SPSS dalam diaktifkan melalui klik tombol start pada jendela

windows.

c. Klik all program, lalu pilih SPSS for windows, kemudian klik SPSS Inc (SPSS 16,0)

Gambar 5.1 Tampilan Worksheet SPSS 16.0 For Windows

2. Klik lembar Variabel View dari SPSS Data Editor, kemudian definisikan:

a. Pada variabel Name definisikan variabel Y dengan nama Y, variabel X₁ dengan nama X₁, variabel X₂ dengan nama X₂.

b. Pada variabel Type definisikan tipe data untuk Y, X₁, X₂ definisikan dengan Numeric.

c. Pada variabel Width untuk keseragaman gunakan 8.

d. Pada variabel Decimals, untuk variabel Y karena tipe data desimal maka ketik 2. Dan untuk Tahun, X₁ dan X₂ karena data numerik dan bukan data desimal ketik 0. e. Pada variabel Label, definisikan Y dengan Angka Kelahiran Total (TFR), X₁

Gambar 5.2 Tampilan Pengisian Data Variabel pada Variabel View

3. Kemudian pada lembar Data View yang berada dikiri bawah dari SPSS Data Editor, masukkan data Tahun, Y, X₁, X₂ sebagai berikut:

Gambar 5.3 Tampilan Pengisian Data Variabel pada Data View

Gambar 5.4 Tampilan pada jendela editor Regression

5. Kemudian akan didapat tampilan sebagai berikut:

6. Pindahkan variabel Angka Kelahiran Total (Y) kedalam box berjudul dependent kemudian pindahkan variabel Jumlah Pasangan Usia Subur (X₁), Jumlah Akseptor KB (X₂), kedalam box berjudul independent(s). seperti terlihat pada tampilan berikut:

Gambar 5.6 Tampilan Dependent dan Independent

Gambar 5.7 Linear regression Statistic

8. Selanjutnya klik kotak Plots pada kotak dialog Linier Regression untuk membuat grafik. Isi kolom Y dengan pilihan SRESID dan kolom X dengan ZPRED, kemudian klik next. Isi lagi kolom Y dengan ZPRED dan kolom X dengan DEPENDNT. Pada Standardizes Residual Plots, aktifkan Histogram dan Normal Probability Plot. Lalu

Gambar 5.8 Linear Regression Plots

9. Kemudian klik OK.

Gambar 5.8 Tampilan Linear Correlations Statistik

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

12.Pada kolom Correlations Coefficients aktifkan Pearson, pada kolom Test of Significance aktifkan Two-tailed dan Flag significant correlations, lalu klik OK seperti gambar berikut:

Gambar 5.9Tampilan variabel yang akan diuji dengan Bivariate Correlations

5.5 Output Pengolahan Data Dengan SPSS

Tabel 5.1 Descriptive Statistics

Descriptive Statistics

Mean Std. Deviation N

Angka Kelahiran (TFR) 3.6253 .44317 15

Jumlah Pasangan Usia

Subur (PUS) 4.97E4 20961.109 15

Jumlah Akseptor KB 3.17E4 18732.596 15

Tabel 5.2 Correlations

Correlations

Angka Kelahiran

(TFR)

Jumlah

Pasangan Usia

Subur (PUS)

Jumlah

Akseptor KB

Pearson Correlation Angka Kelahiran

(TFR) 1.000 .909 .844

Jumlah Pasangan

Usia Subur (PUS) .909 1.000 .948

Jumlah Akseptor KB .844 .948 1.000

Sig. (1-tailed) Angka Kelahiran

(TFR) . .000 .000

Jumlah Pasangan

Usia Subur (PUS) .000 . .000

Jumlah Akseptor KB .000 .000 .

N Angka Kelahiran

(TFR) 15 15 15

Jumlah Pasangan

Correlations Angka Kelahiran (TFR) Jumlah Pasangan Usia Subur (PUS) Jumlah Akseptor KB

Pearson Correlation Angka Kelahiran

(TFR) 1.000 .909 .844

Jumlah Pasangan

Usia Subur (PUS) .909 1.000 .948

Jumlah Akseptor KB .844 .948 1.000

Sig. (1-tailed) Angka Kelahiran

(TFR) . .000 .000

Jumlah Pasangan

Usia Subur (PUS) .000 . .000

Jumlah Akseptor KB .000 .000 .

N Angka Kelahiran

(TFR) 15 15 15

Jumlah Pasangan

Usia Subur (PUS) 15 15 15

Jumlah Akseptor KB 15 15 15

Tabel 5.3 Variables Entered/��������

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 Jumlah Akseptor

KB, Jumlah

Pasangan Usia

Subur (PUS)a

. Enter

a. All requested variables entered.

Tabel 5.4 Model ��������

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .910a .828 .800 .19825

a. Predictors: (Constant), Jumlah Akseptor KB, Jumlah Pasangan

Usia Subur (PUS)

b. Dependent Variable: Angka Kelahiran (TFR)

Tabel 5.5 ������

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 2.278 2 1.139 28.978 .000a

Residual .472 12 .039

Total 2.750 14

a. Predictors: (Constant), Jumlah Akseptor KB, Jumlah Pasangan Usia Subur (PUS)

b. Dependent Variable: Angka Kelahiran (TFR) Tabel 5.6 �������������

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 2.628 .164 16.005 .000

Jumlah

Pasangan Usia

Subur (PUS)

2.268E-5 .000 1.073 2.847 .015

Jumlah Akseptor

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 2.628 .164 16.005 .000

Jumlah

Pasangan Usia

Subur (PUS)

2.268E-5 .000 1.073 2.847 .015

Jumlah Akseptor

KB -4.100E-6 .000 -.173 -.460 .654

Tabel 5.7 Casewise ������������

Casewise Diagnosticsa

Case

Number Std. Residual

Angka Kelahiran

(TFR) Predicted Value Residual

1 -.749 4.34 4.4885 -.14848

2 -.301 4.23 4.2896 -.05965

3 .245 4.12 4.0713 .04865

4 .814 4.01 3.8485 .16145

5 .664 3.90 3.7684 .13163

6 .805 3.82 3.6605 .15954

7 .552 3.70 3.5906 .10937

8 -.374 3.60 3.6741 -.07411

9 1.427 3.54 3.2570 .28296

10 .975 3.48 3.2866 .19336

11 .225 3.30 3.2555 .04454

12 -.299 3.24 3.2993 -.05934

13 -.789 3.14 3.2965 -.15649

14 -1.254 3.05 3.2985 -.24852

15 -1.942 2.91 3.2949 -.38492

Tabel 5.8 Residuals �����������

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 3.2555 4.4885 3.6253 .40337 15

Std. Predicted Value -.917 2.140 .000 1.000 15

Standard Error of Predicted

Value .055 .175 .082 .034 15

Adjusted Predicted Value 3.2115 4.6649 3.6250 .42256 15

Residual -.38492 .28296 .00000 .18355 15

Std. Residual -1.942 1.427 .000 .926 15

Stud. Residual -2.066 1.538 -.004 1.016 15

Deleted Residual -.43564 .32846 .00032 .22929 15

Stud. Deleted Residual -2.463 1.643 -.029 1.089 15

Mahal. Distance .149 10.030 1.867 2.790 15

Cook's Distance .003 .486 .095 .141 15

Centered Leverage Value .011 .716 .133 .199 15

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

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

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

Ŷ = 2,629 + 2.26647E-05 – 4.08349E-06

Ini berarti bahwa jumlah Pasangan Usia Subur mempengaruhi Angka Kelahiran sebesar 2.26647E05 dan Akseptor KB mempengaruhi Angka Kelahiran sebesar -4.08349E-06. Serta nilai konstanta sebesar 2,629 yang berarti tanpa adanya variabel Pasangan Usia Subur dan Akseptor KB maka besar Angka Kelahiran di Kabupaten Tapanuli Selatan sebesar 2,63.

2. Melalui Uji Keberartian Linier dengan taraf kesalahan (α = 0,05) dapat disimpulkan

dan Akseptor KB secara bersama-sama mempengaruhi Angka Kelahiran di Kabupaten Tapanuli Selatan secara signifikan.

3. Berdasarkan perhitungan koefisien korelasi antara �_�.�1 dapat dilihat bahwa Jumlah Pasangan Usia Subur berkorelasi kuat dengan Angka Kelahiran dan Searah.

4. Berdasarkan perhitungan koefisien korelasi antara �_�.�2 dapat dilihat bahwa Jumlah Pasangan Usia Subur berkorelasi kuat dengan Angka Kelahiran dan Searah.

5. Berdasarkan perhitungan koefisien korelasi antara �_.�1�2 dapat dilihat bahwa Jumlah Pasangan Usia Subur berkorelasi kuat dengan Jumlah Akseptor KB dan Searah.

6. Melalui uji koefisien regresi linier ganda (uji t) dengan taraf kesalahan (α = 0,05)

diperoleh kesimpulan untuk pengaruh antara pasangan usia subur dengan angka kelahiran (TFR) adalah �₀ ditolak yang berarti secara parsial pasangan usia subur berpengaruh terhadap Angka Kelahiran (TFR) di kabupaten Tapanuli Selatan. Dan untuk pengaruh Akseptor KB dengan angka kelahiran (TFR) adalah �₀ diterima yang berarti secara parsial Akseptor KB tidak berpengaruh terhadap Angka Kelahiran (TFR) di kabupaten Tapanuli Selatan.

6.2 Saran

Selatan. Hal ini disebabkan karena tingginya pengaruh Pasangan Usia Subur terhadap kelahiran di Kabupaten Tapanuli Selatan.

DAFTAR PUSTAKA

Dr. Ida Bagus Mantra. Pengantar Studi Demografi. Nur Cahaya

BPS. 2001-2010. Medan Dalam Angka 2001-2010. Badan Pusat Statistik

Tosin, Rijanto. 1999. Microsoft Excel 2000, Kilat 24 Jurus, edisi ke-1. Jakarta: Dinastindo.

Penduduk Dan Fakta Dalam Angka.

http://www.UnitedNations.org/agepatternoffertility.htm.

Fertilitas.

Mortalitas.

File:///D:/Data Statistik Indonesia - Fertilitas Indikator Fertilitas.htm. 11 Mei 2009. Indikator fertilitas.