FAKTOR-FAKTOR SOSIAL EKONOMI YANG
MEMPENGARUHI FERTILITAS PEREMPUAN
DENGAN LAMA PERKAWINAN DI BAWAH
10 TAHUN DI PROVINSI JAWA BARAT
LIESTIA NOVIANI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Fertilitas Perempuan dengan Lama Perkawinan di Bawah 10 Tahun di Provinsi Jawa Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Februari 2014 Liestia Noviani NIM G14090009
ABSTRAK
LIESTIA NOVIANI. Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Fertilitas Perempuan dengan Lama Perkawinan di Bawah 10 Tahun di Provinsi Jawa Barat. Dibimbing oleh BUDI SUSETYO dan BAGUS SARTONO.
Tingginya laju pertumbuhan penduduk merupakan masalah pokok pembangunan yang dihadapi oleh negara-negara berkembang termasuk Indonesia. Ledakan penduduk terjadi terutama karena menurunnya tingkat mortalitas (kematian) penduduk sementara tingkat fertilitas belum dapat dikontrol dengan baik. Tujuan dari penelitian ini adalah untuk menentukan faktor-faktor sosial ekonomi yang mempengaruhi fertilitas (kelahiran) di Provinsi Jawa Barat. Informasi faktor-faktor tersebut maka dapat digunakan sebagai salah satu alat pertimbangan dalam pengendalian kependudukan. Penelitian ini menggunakan data Survei Sosial Ekonomi Nasional (SUSENAS) Provinsi Jawa Barat tahun 2011. Peubah respon pada penelitian ini berupa data kontinu yaitu jumlah anak kandung lahir hidup sehingga analisis yang tepat digunakan dalam penelitian ini adalah pohon regresi dengan algoritma CART. Pohon regresi pada wilayah perkotaan menghasilkan 6 simpul akhir dengan peubah penjelas paling efektif yaitu status penggunaan KB, pendidikan suami, pengeluaran per kapita per bulan, dan penggunaan jamban. Pohon regresi pada wilayah perdesaan menghasilkan 5 simpul akhir dengan peubah penjelas paling efektif yaitu status penggunaan KB, pengeluaran per kapita per bulan, dan status penggunaan jamban.
Kata kunci: CART, fertilitas, pohon regresi
ABSTRACT
LIESTIA NOVIANI. Socio economics Factors Affecting Fertility of Female with Under 10 Years Marriage in West Java Province. Advised by BUDI SUSETYO and BAGUS SARTONO.
The high rate of population growth is the main problem faced by the development of developing countries, including Indonesia. Population explosion occurred mainly due to a decreased level of mortality (death) while the population fertility rates can not be well controlled. The purpose of this study was to determine the socio economics factors that affect fertility (births) in the Province of West Java. Information factors can be used as one tool in population control considerations. This study used the data of National Socio economic Survey of West Java Province in 2011. Response variable in this study is the number of biological children born alive, whisch is continuous, so that the proper analysis is a regression tree with CART algorithm. Regression tree in urban produce 6 end nodes with the most effective explanatory variable is the contraception status, husband’s education, expenditure per capita per month, and the use of toilet. Regression tree in rural produce 5 end nodes with the most effective explanatory variable is the status of the use of family planning, expenditure per capita per month, and the use of toilet.
avonoids, saponins
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika
pada
Departemen Statistika
FAKTOR-FAKTOR SOSIAL EKONOMI YANG
MEMPENGARUHI FERTILITAS PEREMPUAN
DENGAN LAMA PERKAWINAN DI BAWAH
10 TAHUN DI PROVINSI JAWA BARAT
LIESTIA NOVIANI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2014
Judul Skripsi : Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Fertilitas Perempuan dengan Lama Perkawinan di Bawah 10 Tahun di Provinsi Jawa Barat
Nama : Liestia Noviani NIM : G14090009
Disetujui oleh
Dr Ir Budi Susetyo, MS Pembimbing I
Dr Bagus Sartono, MSi Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi Ketua Departemen
Judul Skripsi: Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Fertilitas Perempuan dengan Lama Perkawinan di Bawah 10 Tahun di Provinsi Jawa Barat
Nama : Liestia Noviani NIM : 014090009
Disetujui oleh
~"""'
~
.
J
J1
/
~.
~
S
Dr r Budi Dr B us SaROno MSi
Pembimbing I embimbing II
Diketahui oleh
PRAKATA
Puji syukur dipanjatkan kehadirat Allah SWT karena atas karunia, rahmat dan hidayah dari-Nya lah maka penulis dapat menyelesaikan karya ilmiah ini dengan judul “Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Fertilitas Perempuan dengan Lama Perkawinan di Bawah 10 Tahun di Provinsi Jawa Barat ”. Karya ilmiah ini diajukan sebagai salah satu syarat untuk mendapatkan gelar Sarjana Statistika di Institut Pertanian Bogor.
Pada kesempatan ini penulis mengucapkan terima kasih yang sebanyak-banyaknya kepada :
1. Dr Ir Budi Susetyo, MS dan Dr Bagus Sartono, MSi selaku dosen pembimbing yang telah memberikan arahan dan bimbingan dalam penulisan karya ilmiah ini.
2. Bapak (alm), mamah, kakak dan keponakan tersayang Melvin yang selalu memberikan doa, semangat, dukungan berupa moril maupun meteril, dan kasih sayang kepada penulis.
3. Alfin Noorhassan Subchan Rachlan atas semangat dan dukungan yang selalu diberikan kepada penulis.
4. Seluruh teman-teman STK angkatan 46 atas keceriaannya selama tiga tahun menjalani kuliah bersama.
Terima kasih juga diucapkan kepada semua pihak-pihak yang tidak dapat disebutkan satu persatu yang telah banyak membantu dalam pembuatan karya tulis ini. Semoga karya tulis ini dapat diterima dan bermanfaat bagi perkembangan ilmu pengetahuan.
Bogor, Februari 2014 Liestia Noviani
DAFTAR ISI
DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 2 METODE 2 Bahan 2 Metode 2HASIL DAN PEMBAHASAN 4
Hasil 4
SIMPULAN DAN SARAN 10
Simpulan 10
DAFTAR PUSTAKA 10
LAMPIRAN 11
DAFTAR TABEL
1 Rata-rata jumlah anak kandung lahir hidup berdasarkan pendidikan istri dan suami di wilayah perkotaan dan perdesaan
5 2 Rata-rata jumlah anak kandung lahir hidup berdasarkan status
penggunaan KB dan status pekerjaan di wilayah perkotaan dan perdesaan
5
3 Nilai improvement awal wilayah perkotaan 7
4 Nilai improvement awal wilayah perdesaan 9
DAFTAR GAMBAR
1 Pohon regresi wilayah perkotaan 6
2 Pohon regresi wilayah perdesaan 8
DAFTAR LAMPIRAN
1 Peubah-peubah penjelas yang digunakan 12
2 Deskripsi peubah-peubah penjelas numerik daerah perkotaan 13 3 Deskripsi peubah-peubah penjelas numerik daerah perdesaan 14 4 Deskripsi peubah-peubah penjelas kategorik daerah perkotaan 14 5 Deskripsi peubah-peubah penjelas kategorik daerah perdesaan 15
PENDAHULUAN
Latar Belakang
Jumlah penduduk dunia semakin meningkat dari tahun ke tahun termasuk Indonesia. Jumlah penduduk Indonesia berada di urutan keempat terbesar di dunia setelah berturut-turut China, India, dan Amerika Serikat. Berdasarkan hasil Sensus Badan Pusat Statistik (BPS) tahun 2010, jumlah penduduk di Indonesia mencapai 237.641.326 dengan laju pertumbuhan penduduk sebesar 1,49 persen per tahun. Tingginya laju pertumbuhan penduduk dan distribusi yang tidak merata menimbulkan berbagai masalah seperti penyediaan makanan, lapangan kerja, sarana kesehatan, pendidikan dan berbagai kebutuhan lainnya sehingga dapat menghambat kemajuan proses pembangunan di bidang sosial ekonomi.
Fertilitas merupakan salah satu komponen penting yang mempengaruhi laju pertumbuhan penduduk. Sejalan dengan berkembangnya ilmu pengetahuan dan teknologi dalam pengolahan sumber daya alam yang ada, tingkat kehidupan manusia menjadi semakin membaik. Hal ini sangat mempengaruhi penurunan tingkat mortalitas (kematian) penduduk. Seperti banyak dikemukakan oleh ahli demografi, bahwa ledakan penduduk yang terjadi pada abad-abad terakhir ini terutama karena menurunnya tingkat mortalitas dengan cepat, sementara tingkat fertilitas belum dapat dikontrol dengan baik (Mantra 2003).
Fertilitas dalam isitilah demografi diartikan sebagai hasil reproduksi yang nyata dari seorang wanita. Dengan kata lain fertilitas sama dengan kelahiran hidup (live birth), yaitu terlepasnya bayi dari rahim seorang perempuan dengan adanya tanda-tanda kehidupan. Apabila pada waktu lahir tidak ada tanda-tanda kehidupan disebut dengan lahir mati (still birth) yang di dalam demografi tidak dianggap sebagai suatu peristiwa kelahiran.
Faktor-faktor yang mempengaruhi tinggi rendahnya fertilitas dapat dibagi menjadi dua yaitu faktor demografi dan selain demografi. Faktor demografi diantaranya adalah struktur umur, struktur perkawinan, umur kawin pertama dan lainnya. Sedangkan faktor selain demografi antara lain, keadaan ekonomi penduduk, tingkat pendidikan, perbaikan status perempuan, urbanisasi dan industrialisasi (Lembaga Demografi FE UI 1981).
Jawa Barat merupakan salah satu provinsi terpadat di Indonesia. Dari Survei Sosial Ekonomi Nasional (SUSENAS) dapat dilakukan analisis untuk mengetahui faktor-faktor sosial ekonomi yang mempengaruhi fertilitas pada usia perkawinan di bawah 10 tahun di Provinsi Jawa Barat. Peubah respon pada penelitian ini berupa data rasio yaitu jumlah anak kandung lahir hidup sehingga analisis yang tepat digunakan dalam penelitian ini adalah pohon regresi dengan algoritma CART. Dengan diketahuinya faktor-faktor yang mempengaruhi fertilitas pemerintah dapat membuat kebijakan untuk mengendalikan pertumbuhan penduduk untuk meningkatkan kualitas hidup bangsa Indonesia.
Classification and Regression Trees (CART) adalah salah satu metode atau algoritma dari teknik pohon keputusan. CART merupakan metode statistik non parametrik yang dapat menggambarkan hubungan antara peubah respon dengan satu atau lebih peubah penjelas (Hartati et al. 2012). Menurut Breiman, et al. (1993), apabila peubah respon berbentuk numerik maka metode yang digunakan
2
pohon regresi (regression trees), sedangkan apabila peubah respon memiliki skala kategorik maka metode yang digunakan adalah pohon klasifikasi (classification trees). Keunggulan dari metode CART adalah tidak ada asumsi yang harus dipenuhi dan mudah untuk di interpretasikan.
Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menentukan faktor-faktor sosial ekonomi yang berpengaruh terhadap fertilitas perempuan dengan lama perkawinan di bawah 10 tahun di Provinsi Jawa Barat.
METODE
Bahan
Data yang digunakan dalam penelitian ini adalah data sekunder hasil Survei Sosial Ekonomi Nasional (SUSENAS) Provinsi Jawa Barat tahun 2011 yang diperoleh dari Badan Pusat Statistik (BPS). Sampel yang diambil adalah perempuan yang lama perkawinannya di bawah 10 tahun. Peubah respon yang menjadi perhatian dalam penelitian ini adalah jumlah anak kandung lahir hidup. Sedangkan peubah-peubah penjelas yang digunakan yaitu sebanyak 16 peubah dapat dilihat pada Lampiran 1.
Metode
Tahapan-tahapan yang akan dilakukan pada penelitian ini adalah:
1. Melakukan analisis deskriptif pada peubah penjelas untuk mengetahui gambaran umum fertilitas di provinsi Jawa Barat.
2. Membangun pohon regresi dengan algoritma CART.
Metode pohon regresi dikenal sebagai penyekatan rekursif biner karena dalam proses penyekatannya kumpulan data yang disebut simpul selalu disekat menjadi dua sekatan yang disebut simpul anak. Tahap pertama, seluruh data dipisah menjadi anak gugus berdasarkan salah satu peubah yang dipilih. Masing-masing anak gugus kemudian diperiksa kembali dan dibagi lagi berdasarkan pemisah lainnya. Proses tersebut berlanjut sampai tercapai kriteria berhenti tertentu. Anak gugus yang tidak bisa dipisah lagi dinamakan simpul akhir, sedangkan yang masih bisa dipisah dinamakan simpul anak. Adapun aturan-aturan pembentukan pohon regresi, yaitu:
a. Pembentukan pohon regresi.
Pohon regresi dibentuk melalui penyekatan gugus data dengan sederetan penyekat biner sampai dihasilkan simpul akhir. Aturan penyekatan suatu simpul menjadi dua simpul anak adalah sebagai berikut: i. Setiap penyekatan tergantung pada nilai yang berasal dari satu peubah
3 ii. Untuk peubah kontinu Xj, penyekatan yang diperbolehkan adalah Xj c,
dimana c adalah nilai tengah antara dua nilai amatan peubah Xj secara
berurutan. Jadi jika Xj memiliki nilai n yang berbeda maka akan ada n-1
penyekatan.
iii. Untuk peubah kategorik, penyekatan yang terjadi berasal dari semua kemungkinan penyekatan berdasarkan terbentuknya dua anak gugus yang saling lepas (disjoint). Jika Xj adalah peubah ketegorik nominal dengan L
ketegori, maka akan ada 2L-1-1 penyekatan, sedangkan jika berupa kategorik ordinal maka akan ada L-1 penyekatan.
b. Proses penyekatan
Proses penyekatan pada tiap simpul adalah sebagai berikut:
i. Tentukan semua kemungkinan penyekatan pada tiap peubah penjelas ii. Pilih penyekatan terbaik dari masing-masing peubah penjelas. Penyekatan
terbaik adalah penyekat yang memaksimumkan ukuran kehomogenan dari masing-masing simpul anak terhadap simpul induknya. Ukuran kehomogenan pada simpul t yaitu
( ) ∑ ∑ ( ̅( )) dimana ̅( ) ( )∑
Misal ada penyekatan s yang menyekat t menjadi simpul anak kiri tL
dan simpul anak kanan tR, fungsi penyekat atau yang biasa disebut dengan
nilai improvement dinyatakan sebagai
( ) ( ) * ( ) ( )+
dimana ( ) adalah fungsi penyekat pada pohon regresi, R(t) adalah kuadrat tengah galat pada simpul induk, ( ) adalah kuadrat tengah galat pada simpul anak kiri, dan ( ) adalah kuadrat tengah galat pada simpul anak kanan. Penyekatan terbaik s* adalah penyekatan yang memenuhi kriteria:
( ) ( )
dengan S adalah gugus yang berisi semua kemungkinan penyekatan. iii. Pilih peubah yang dijadikan penyekat. Peubah yang dijadikan penyekat
adalah peubah yang memiliki nilai ( ) maksimum paling besar diantara peubah lainnya.
c. Proses pemangkasan
Bila pohon yang dibentuk pada proses penyekatan berukuran sangat besar, maka pohon akan semakin komplek dalam menggambarkan data. Untuk dapat menyederhanakan ukuran pohon agar menjadi pohon yang layak dilakukan suatu teknik yang disebut teknik pemangkasan validasi silang pada pohon regresi (Lewis 2000).
4 ( ) ( ) ( ̅) dengan ( ) ∑ , ̅( dan ( ̅) ∑ ,
dengan ( ) adalah kuadrat tengah galat pohon optimal, ( ̅) adalah kuadrat tengah galat simpul awal, N adalah jumlah pengamatan dalam simpul k, yi adalah nilai dari peubah respon, dan ̅( ) adalah rataan dari simpul k.
Pohon terbaik adalah Tk0, yaitu:
(
) ( )
d. Penentuan nilai dugaan respon
CART akan menghitung ringkasan statistik dari masing-masing simpul akhir setelah pohon regresi terbentuk. Jika aturan penyekatan menggunakan metode kuadrat terkecil, maka akan dihitung rataan dan standar deviasi dari peubah respon. Nilai rataan pada simpul akhir merupakan nilai dugaan dari peubah respon pada kasus simpul terakhir tersebut (Komalasari 2005).
3. Menginterpretasikan hasil.
HASIL DAN PEMBAHASAN
Deskripsi Data
Banyaknya perempuan yang dijadikan sampel pada penelitian ini adalah sebanyak 4077 perempuan yang terdapat di provinsi Jawa Barat. Sebanyak 2930 responden tinggal di wilayah perkotaan dan 1147 responden tinggal di wilayah perdesaan. Peubah penjelas yang digunakan dalam penelitian ini sebanyak 16 peubah penjelas. Deskripsi peubah penjelas pada responden yang tinggal di perkotaan dapat dilihat pada Lampiran 2 dan Lampiran 4, sedangkan deskripsi peubah penjelas pada responden yang tinggal di perdesaan dapat dilihat pada Lampiran 3 dan Lampiran 5.
Responden di wilayah perkotaan rata-rata berusia 28 tahun dengan rata-rata usia pada saat perkawinan pertama yaitu 22 tahun dan mayoritas pendidikan istri dan suami adalah lulusan SD/sederajat. Adapun responden di wilayah perdesaan rata-rata berusia 26 tahun dengan rata-rata usia pada saat perkawinan pertama yaitu 19 tahun dan pendidikan terakhir istri dan suami mayoritas adalah lulusan SD/sederajat. Hal ini menunjukan bahwa rata-rata responden di wilayah perdesaan
5 menikah pada usia lebih muda dibandingkan dengan responden di wilayah perkotaan.
Berdasarkan Lampiran 2 dan Lampiran 3, pendapatan per kapita per bulan dan pengeluaran per kapita per bulan di wilayah perkotaan lebih besar dibandingkan dengan wilayah perdesaan. Pendapatan per kapita per bulan tertinggi di wilayah perkotaan adalah sebesar Rp22 500 000 sedangkan di wilayah perdesaan hanya Rp5 600 000. Kemudian pengeluaran per kapita per bulan di wilayah perkotaan rata-rata sebesar Rp737 944.48 sedangkan rata-rata pengeluaran per kapita per bulan di wilayah perdesaan sebesar Rp448 437.03.
Mayoritas sampel memiliki rumah sendiri. Dinding yang digunakan umunya tembok dengan atap genteng, lantai keramik, dan menggunakan listrik PLN sehingga dapat disimpulkan bahwa mayoritas sampel memiliki rumah yang layak. Sebagian besar sampel sudah memiliki jamban sendiri. Untuk air yang digunakan, sampel umumnya menggunakan sumur sebagai air untuk mandi/cuci dan air minum (Lampiran 4 dan Lampiran 5)
Tabel 1 Rata-rata jumlah anak kandung lahir hidup berdasarkan pendidikan istri dan suami di wilayah perkotaan dan perdesaan
Pendidikan
Istri Suami
Perkotaan Perdesaan Perkotaan Perdesaan n (%) ̅ n (%) ̅ n (%) ̅ n (%) ̅ Tidak tamat SD 92 3.10 1.53 107 9.30 1.49 102 3.50 1.38 108 9.40 1.39 SD/Sederajat 2044 69.80 1.32 875 76.30 1.23 1941 66.20 1.31 878 76.50 1.25 SMP/Sederajat 125 4.30 1.30 90 7.80 1.30 65 2.20 1.29 65 5.70 1.25 SMA/Sederajat 294 10.00 1.26 41 3.60 1.22 424 14.50 1.29 65 5.70 1.22 D1/D2/D3 178 6.10 1.42 21 1.80 1.29 136 4.60 1.46 12 1.00 1.17 D4/S1 189 6.50 1.38 13 1.10 1.46 247 8.40 1.45 18 1.60 1.33 S2/S3 8 0.30 0.88 0 0.00 - 15 0.50 1.53 1 0.10 2.00 Jumlah 2930 100 1.30 1147 100 1.14 2930 100 1.39 1147 100 1.37
Tabel 2 Rata-rata jumlah anak kandung lahir hidup berdasarkan status penggunaan KB dan status pekerjaan di wilayah perkotaan dan perdesaan
Status Penggunaan
KB
Perkotaan Perdesaan
Bekerja Tidak Bekerja Bekerja Tidak Bekerja n (%) ̅ n (%) ̅ n (%) ̅ n (%) ̅ Tidak pernah 703 66.32 1.47 1279 68.40 1.52 269 75.78 1.34 595 75.13 1.38 Sedang 166 16.66 1.30 347 18.55 1.27 48 13.52 1.27 124 15.66 1.15 Tidak lagi 191 18.02 0.54 244 13.05 0.62 38 10.70 0.63 73 9.21 0.56 Jumlah 1060 100 1.10 1870 100 1.14 355 100 1.08 792 100 1.03
Berdasarkan Tabel 1 dapat dilihat bahwa pendidikan istri dan suami di wilayah perdesaan maupun perkotaan mayoritas adalah SD/Sederajat. Rata-rata jumlah anak kandung lahir hidup pada pasing-masing tingkat pendidikan mayoritas adalah satu anak.
Berdasarkan persentase responden yang bekerja dan tidak bekerja pada wilayah perkotaan dan perdesaan (Tabel 2), hanya sedikit yang sedang menggunakan KB, mayoritas responden tidak pernah menggunakan KB. Hal ini
6
kemungkinan dikarenakan lama perkawinan responden yang dibawah 10 tahun sehingga masih memiliki keinginan yang besar untuk mempunyai anak. Rata-rata jumlah anak kandung lahir hidup pada responden yang tidak pernah menggunakan KB lebih besar daripada responden yang sedang menggunakan KB. Hal ini menunjukan bahwa KB berhasil menekan angka fertilitas pada lama perkawinan di bawah 10 tahun di Provinsi Jawa Barat.
Pohon Regresi Wilayah Perkotaan
Penerapan pohon regresi pada wilayah perdesaan dengan pemangkasan menggunakan validasi silang menghasilkan pohon dengan 10 simpul yang terdiri dari 4 simpul anak dan 6 simpul akhir. (Gambar 1). Berdasarkan pohon regresi yang terbentuk, peubah penjelas yang muncul dalam pohon regresi adalah status penggunaan KB, pendidikan suami, pengeluaran per kapita per bulan, dan penggunaan jamban, artinya peubah-peubah tersebut merupakan peubah yang efektif dalam memprediksi fertilitas pada lama perkawinan di bawah 10 tahun di wilayah perkotaan Provinsi Jawa Barat.
Gambar 1 Pohon regresi wilayah perkotaan
Node 1 STD = 0.781 Avg = 1.327 N = 2930 Node 3 STD = 0.697 Avg = 1.457 N = 2495 Terminal Node 2 STD = 0.920 Avg = 0.880 N = 108 Terminal Node 3 STD = 0.775 Avg = 1.615 N = 686 Node 4 STD = 0.655 Avg = 1.396 N = 1809 Terminal Node 5 STD = 0.654 Avg = 1.258 N = 322 Terminal Node 4 STD = 0.517 Avg = 1.197 N = 402 Node 5 STD = 0.679 Avg = 1.453 N = 1407 Terminal Node 6 STD = 0.676 Avg = 1.512 N = 1085 Terminal Node 1 STD = 0.758 Avg = 0.486 N = 327 Node 2 STD = 0819 Avg = 0.584 N = 435 Status KB = (3) Status KB = (1,2)
Pendidikan Suami = (1,2,4) Pendidikan Suami = (3,5,6,7) Pengeluaran <= 367398.44 Pengeluaran >= 367398.44
Jamban = (2,3,4) Jamban = (1)
Status KB = (1) Status KB = (2)
7 Peubah status penggunaan KB merupakan peubah yang memiliki nilai improvement terbesar (Tabel 3) sehingga peubah status penggunaan KB merupakan peubah pertama yang muncul sebagai penyekat. Jadi status penggunaan KB merupakan peubah yang paling efektif dalam memprediksi fertilitas di wilayah perkotaan Provinsi Jawa Barat.
Tabel 3 Nilai improvement awal daerah perkotaan
Peubah Improvement
KB 0.09516
Pengeluaran per kapita per bulan 0.02199 Pendapatan per kapita per bulan 0.01845
Kepemilikan Rumah 0.00934
Umur perkawinan pertama 0.00691
Jamban 0.00413
Pendidikan suami 0.00303
Pendidikan istri 0.00223
Sumber air minum 0.00156
Sumber air mandi/cuci 0.00137
Jaminan kesehatan 0.00124
Status pekerjaan wanita 0.00115
Dinding rumah 0.00080 Atap rumah 0.00053 Lantai rumah Penerangan 0.00016 0.00008
Pengamatan pada simpul utama ini dipilah menjadi dua simpul, yaitu pengamatan dengan status penggunaan KB tidak menggunakan lagi pada simpul kiri dan pengamatan status penggunaan KB tidak pernah menggunakan dan sedang menggunakan pada simpul kanan. Berdasarkan nilai rata-rata jumlah anak kandung lahir hidup pada simpul kanan dan kiri terlihat bahwa responden yang tidak menggunakan KB dan sedang menggunakan KB memiliki jumlah anak kandung lahir hidup lebih banyak daripada responden yang pernah menggunakan KB namun saat ini sudah tidak menggunakan lagi. Kelompok amatan pada simpul kiri kemudian terpilah lagi berdasarkan peubah pendidikan suami tidak sekolah/tidak tamat SD, SD, dan SMA pada simpul kiri dan SMP, D1/D2/D3, D4/S1, dan S2/S3 pada simpul kanan. Pada simpul awal sebelah kanan, yaitu wanita yang tidak menggunakan KB dan sedang menggunakan KB terpilah lagi berdasarkan peubah pengeluaran per kapita per bulan di bawah Rp367 398.44 pada simpul kiri dan diatas Rp367 398.44 pada simpul kanan. Responden yang memiliki pengeluaran per kapita per bulan diatas Rp367 398.44 kemudian terpilah lagi berdasarkan peubah penggunaan jamban. Responden yang menggunakan jamban sendiri terpilah lagi berdasarkan peubah status pengggunaan KB, yaitu sedang menggunakan KB pada simpul kiri dan tidak pernah menggunakan KB pada simpul kanan. Responden yang menggunakan KB memiliki rata-rata jumlah anak kandung lahir hidup lebih sedikit daripada responden yang tidak menggunakan KB. Hal ini menunjukan bahwa KB berhasil menekan angka kelahiran.
8
Responden yang memiliki rata-rata jumlah anak kandung lahir hidup terbanyak adalah yang memiliki pengeluaran per kapita per bulan dibawah Rp 367 398.44 dan tidak pernah menggunakan KB atau sedang menggunakan KB. Sedangkan responden yang memiliki rata-rata anak terkecil adalah yang pendidikan suaminya SD, SMA, atau tidak sekolah/tidak tamat SD,serta tidak menggunakan KB lagi.
Pohon Regresi Wilayah Perdesaan
Penerapan pohon regresi pada wilayah perdesaan dengan pemangkasan menggunakan validasi silang menghasilkan pohon dengan 8 simpul yang terdiri dari 3 simpul anak dan 5 simpul akhir (Gambar 2). Berdasarkan pohon regresi yang terbentuk, peubah penjelas yang muncul dalam pohon regresi adalah status penggunaan KB, pengeluaran per kapita per bulan, dan penggunaan jamban artinya peubah-peubah tersebut merupakan peubah yang efektif dalam memprediksi fertilitas perempuan pada lama perkawinan di bawah 10 tahun di wilayah perdesaan Provinsi Jawa Barat.
Peubah status penggunaan KB merupakan penyekat terbaik. Hal tersebut dapat dilihat dari Tabel 4 yang menunjukan bahwa status penggunaan KB memiliki nilai improvement terbesar sehingga digunakan sebagai penyekat awal.
Gambar 2 Pohon regresi wilayah perdesaan
Node 1 STD = 0.757 Avg = 1.263 N = 1147 Node 3 STD = 0.697 Avg = 1.457 N = 2495 Terminal Node 2 STD = 0.551 Avg = 0.346 N = 52 Terminal Node 3 STD = 0.801 Avg = 1.529 N = 403 Node 4 STD = 0.606 Avg = 1.213 N = 633 Terminal Node 4 STD = 0.524 Avg = 1.094 N = 254 Terminal Node 5 STD = 0.643 Avg = 1.293 N = 397 Terminal Node 1 STD = 1.038 Avg = 0.797 N = 59 Node 2 STD = 0.875 Avg = 0.586 N = 111 Status KB = (3) Status KB = (1,2) Pengeluaran <= 327081.06 Jamban = (2,3,4) Jamban = (1) Pengeluaran >= 500088.19 Pengeluaran <= 500088.19 Pengeluaran >= 327081.06
9 Pada pohon regresi yang terbentuk, peubah penjelas yang muncul dalam pohon regresi adalah status penggunaan KB, pengeluaran per kapita per bulan, dan penggunaan jamban, artinya peubah-peubah tersebut merupakan peubah yang efektif dalam memprediksi fertilitas perempuan pada lama perkawinan di bawah 10 tahun di wilayah perkotaan Provinsi Jawa Barat.
Tabel 4 Nilai improvement awal wilayah perdesaan
Peubah Improvement
KB 0.09626
Pengeluaran per kapita per bulan 0.02001 Pendapatan per kapita per bulan 0.01741
Kepemilikan rumah 0.00870
Umur perkawinan pertama 0.00471
Jamban 0.00428
Pendidikan istri 0.00263
Pendidikan suami 0.00170
Sumber air minum 0.00149
Status pekerjaan wanita 0.00145
Sumber air mandi/cuci 0.00140
Jaminan kesehatan 0.00088 Atap rumah 0.00043 Lantai rumah Dinding rumah Penerangan 0.00025 0.00017 0.00010
Pengamatan pada simpul utama ini dipilah menjadi dua simpul, yaitu pengamatan dengan status penggunaan KB tidak menggunakan lagi pada simpul kiri dan pengamatan status penggunaan KB tidak pernah menggunakan dan sedang menggunakan pada simpul kanan. Berdasarkan nilai rata-rata jumlah anak kandung lahir hidup pada simpul kanan dan kiri terlihat bahwa responden yang tidak menggunakan KB dan sedang menggunakan KB memiliki jumlah anak kandung lahir hidup lebih banyak daripada responden yang pernah menggunakan KB namun saat ini sudah tidak menggunakan lagi. Kelompok amatan pada simpul kiri kemudian terpilah lagi berdasarkan peubah pengeluaran per kapita per bulan dibawah Rp500 088.19 dan diatas Rp500 088.19. Sedangkan kelompok amatan pada simpul kanan terpilah lagi berdasarkan pengeluaran per kapita per bulan dibawah Rp327 081.06 dan diatas Rp327 081.06. Pada kelompok pengeluaran per kapita per bulan diatas Rp327 081.06 kemudian dipilah lagi berdasarkan penggunaan jamban, yaitu kelompok yang menggunakan jamban bersama, umum, dan lainnya pada simpul kiri dan kelompok yang menggunakan jamban sendiri pada simpul kanan. Keluarga yang menggunakan jamban sendiri memiliki rata-rata anak lebih banyak dibandingkan dengan yang menggunakan jamban umum, bersama, atau lainnya.
Responden yang memiliki rata-rata anak terbanyak adalah yang pengeluaran per kapita per bulannya dibawah Rp327 081.06 dan tidak pernah menggunakan KB atau sedang menggunakan KB. Sedangkan responden yang memiliki rata-rata
10
anak terkecil adalah yang pengeluaran per kapita per bulannya di atas Rp500 088.19 dan tidak menggunakan KB lagi.
SIMPULAN
Pohon regresi pada daerah perkotaan menghasilkan pohon dengan 10 simpul yaitu 4 simpul anak dan 6 simpul akhir. Peubah penjelas yang muncul dalam pohon regresi yaitu status penggunaan KB, pendidikan suami, pengeluaran per kapita per bulan, dan penggunaan jamban artinya peubah-peubah tersebut merupakan peubah yang efektif dalam memprediksi fertilitas perempuan pada lama perkawinan di bawah 10 tahun di wilayah perkotaan Provinsi Jawa Barat.
. Dari pohon yang dihasilkan dapat dilihat bahwa responden yang menggunakan KB memiliki jumlah anak kandung lahir hidup lebih banyak daripada yang tidak menggunakan KB. Hal ini menunjukan bahwa KB berhasil menekan angka fertilitas. Selain itu, responden yang memiliki suami berpendidikan tinggi juga memiliki rata-rata jumlah anak kandung lahir hidup lebih banyak dibandingkan dengan yang berpendidikan rendah.
Pohon regresi pada daerah perdesaan menghasilkan pohon dengan 8 simpul yaitu 3 simpul anak dan 5 simpul akhir. Peubah penjelas yang muncul dalam pohon regresi yaitu status penggunaan KB, pengeluaran per kapita per bulan, dan penggunaan jamban artinya peubah-peubah tersebut merupakan peubah yang efektif dalam memprediksi fertilitas perempuan pada lama perkawinan di bawah 10 tahun di wilayah perdesaan Provinsi Jawa Barat . Pada pohon regresi wilayah perkotaan maupun perdesaan, responden yang menggunakan jamban sendiri memiliki jumlah anak kandung lahir hidup lebih banyak daripada yang menggunakan jamban bersama, umum, atau lainnya. Hal tersebut menunjukan bahwa wanita yang menggunakan jamban sendiri memiliki tingkat kesehatan lebih baik sehingga dapat melahirkan anak lebih banyak.
DAFTAR PUSTAKA
Breiman L, Friedman JH, Olshen RA, Stone CJ. 1993. Classification and Regression Trees. New York (US): Champan and Hall.
Hartati A, Ismaini Z, Brodjol SSU. 2012. Analisis CART (Classification and Regression Trees) pada Faktor-Faktor yang Mempengaruhi Kepala Rumah Tangga di Jawa Timur Melakukan Urbanisasi. Sains dan Seni ITS. 2301-928X
Komalasari WB. 2007. Metode Pohon Regresi untuk Eksplorasi Data dengan Peubah yang Banyak dan Kompleks. Informatika Pertanian. 16.967-980. Lembaga Demografi FE UI. 1981. Dasar-Dasar Demografi. Jakarta (ID).
Lembaga Demografi FE UI.
Lewis RJ. 2000. An Introduction to Classification and Regression Tree (CART) Analysis. California (US): Department of Emergency Medicine Harbor, UCLA Medical Center
11 Mantra IB. 2003. Demografi Umum. Yogyakarta (ID): Pustaka Pelajar.
Steinberg, Mikhail G. 2006. CART 6.0 User’s Manual. San Diego (CA): Salford Systems.
12
Lampiran 1 Peubah-peubah yang digunakan dalam membuat model
Peubah Keterangan Peubah Tipe Kategori
X1 Pendidikan Istri Kategorik 1=Tidak sekolah/tidak
tamat SD 2=SD 3=SMP 4=SMA 5=D1/D2/D3 6=D4/S1 7=S2/S3
X2 Pendidikan Suami Kategorik 1= Tidak sekolah/tidak
tamat SD 2=SD 3=SMP 4=SMA 5=D1/D2/D3 6=D4/S1 7=S2/S3 X3 X4
Status Pekerjaan Wanita Umur Pada Saat
Perkawinan Pertama (Tahun) Kategorik Numerik 1=Bekerja 2=Tidak Bekerja
X5 Status Penggunaan KB Kategorik 1=Tidak pernah
menggunakan 2=Sedang menggunakan 3=Tidak menggunakan lagi X6 X7 X8 X9 Kepemilikan Rumah Atap Rumah Dinding Rumah Lantai Rumah Kategorik Kategorik Kategorik Kategorik 1=Milik sendiri 2=Kontrak/Sewa
3=Bebas sewa milik orang tua/orang lain 4=Dinas 5=Lainnya 1=Beton 2=Genteng 3=Sirap 4=Seng 5=Asbes 6=Ijuk 7=Lainnya 1=Tembok 2=Kayu 3=Bambu 4=Lainnya 1=Marmer/keramik/granit 2=Tegel 3=Semen 4=Kayu 5=Tanah 6=Lainnya
13 Lampiran 1 Peubah-peubah yang digunakan dalam membuat model
Peubah Keterangan Peubah Tipe Kategori
X10 X11 X12 X13 X14 X15 X16 Y
Sumber Air Minum
Sumber Air Mandi/Cuci
Penggunaan Jamban Penerangan Jaminan Kesehatan Pendapatan Perkapita Perbulan (Rp) Pengeluaran Perkapita Perbulan (Rp)
Jumlah Anak Kandung Lahir Hidup Kategorik Kategorik Kategorik Kategorik Kategorik Numerik Numerik Numerik
1=Air kemasan bermerk 2=Air isi ulang
3=Ledeng 4=Sumur 5=Mata air 6=Air sungai 7=Air hujan 8=Lainnya
1=Air kemasan bermerk 2=Air isi ulang
3=Ledeng 4=Sumur 5=Mata air 6=Air sungai 7=Air hujan 8=Lainnya 1=Sendiri 2=Bersama 3=Umum 4=Tidak ada 1=Listrik PLN 2=Listrik non PLN 3=Petromak 4=Obor 5=Lainnya 1=Ada 2=Tidak ada
Lampiran 2 Deskripsi peubah-peubah penjelas numerik daerah perkotaan
Peubah Minimum Maximum Mean Std. Deviasi
Umur pada saat perkawinan pertama kawin (Tahun)
9 48 21.96 4.195
Pendapatan per
kapita per bulan Rp40 000.00 Rp22 500 000.00 Rp712 660.08 Rp873 751.70
Pengeluaran per kapita per bulan
14
Lampiran 3 Deskripsi peubah-peubah penjelas numerik daerah perdesaan
Peubah Minimum Maximum Mean Std. Deviasi
Umur pada saat perkawinan pertama (Tahun)
12 51 19.18 3.381
Pendapatan per kapita per bulan
Rp37 500.00 Rp5 600 000.00 Rp385 293.59 Rp365 871.85
Pengeluaran per
kapita per bulan Rp102 203.60 Rp6 697 314.00 Rp448 437.03 Rp309 381.41
Lampiran 4 Deskripsi peubah-peubah penjelas kategorik pada daerah perkotaan
Peubah Kategori Frekuensi Persentase(%)
Pendidikan Istri Tidak sekolah/tidak tamat
SD 92 3.10 SD/Sederajat 2044 69.80 SMP/Sederajat 125 4.30 SMA/Sederajat 294 10.00 D1/D2/D3 178 6.10 D4/S1 189 6.50 S2/S3 8 0.30
Pendidikan Suami Tidak sekolah/tidak tamat
SD 102 3.50 SD/Sederajat 1941 66.20 SMP/Sederajat 65 2.20 SMA/Sederajat 424 14.50 D1/D2/D3 136 4.60 D4/S1 247 8.40 S2/S3 15 0.50
Status Pekerjaan Wanita Bekerja 1060 36.20
Tidak bekerja 1870 63.80
Status Penggunaan KB Tidak pernah menngunakan 1982 67.60
Sedang menggunakan 513 17.50
Tidak menggunakan lagi 435 14.80
Kepemilikan Rumah Milik sendiri 1425 48.60
Kontrak/sewa 611 20.90
Bebas sewa milik orang
tua/orang lain 853 29.10
Dinas 37 1.30
Lainnya 4 0.10
Atap Rumah Beton 107 3.70
Genteng 2489 84.90 Sirap 6 0.20 Seng 14 0.50 Asbes 310 10.60 Ijuk 2 0.10 Lainnya 2 0.10
Dinding Rumah Tembok 2639 90.10
15
Bambu 215 7.30
Lainnya 7 0.20
Lantai Rumah Marmer/keramik/granit 1953 66.70
Tegel 352 12.00
Semen 474 16.20
Kayu 87 3.00
Tanah 45 1.50
Lainnya 19 0.60
Sumber Air Minum Air kemasan bermerk 470 16.00
Air isi ulang 772 26.30
Ledeng 297 10.10 Sumur 1224 41.80 Mata air 166 5.70 Air sungai 0 0.00 Air hujan 1 0.10 Lainnya 0 0.00
Sumber Air Mandi/Cuci Air kemasan bermerk 0 0.00
Air isi ulang 5 0.20
Ledeng 454 15.50 Sumur 2249 76.80 Mata air 197 6.70 Air sungai 18 0.60 Air hujan 1 0.00 Lainnya 6 0.20
Penggunaan Jamban Sendiri 2090 71.30
Bersama 576 19.70 Umum 143 4.90 Tidak ada 121 4.10 Penerangan Listrik PLN 2887 98.50 Listrik non PLN 35 1.20 Petromak 0 0.00 Obor 6 0.20 Lainnya 2 0.10
Jaminan Kesehatan Ada 1281 43.70
Tidak ada 1649 56.30
Lampiran 5 Deskripsi peubah-peubah penjelas kategorik pada daerah perdesaan
Peubah Kategori Frekuensi Persentase(%)
Pendidikan Istri Tidak sekolah/tidak tamat SD 107 9.30
SD/Sederajat 875 76.30 SMP/Sederajat 90 7.80 SMA/Sederajat 41 3.60 D1/D2/D3 21 1.80 D4/S1 13 1.10 S2/S3 0 0.00
Pendidikan Suami Tidak sekolah/tidak tamat SD 108 9.40
SD/Sederajat 878 76.50
SMP/Sederajat 65 5.70
SMA/Sederajat 65 5.70
16 D1/D2/D3 12 1.00 D4/S1 18 1.60 S2/S3 1 0.10 Status Pekerjaan Wanita Bekerja 355 31.00 Tidak bekerja 792 69.00 Status Penggunaan KB
Tidak pernah menngunakan
864 75.30
Sedang menggunakan 172 15.00
Tidak menggunakan lagi 111 9.70
Kepemilikan Rumah Milik sendiri 841 73.30
Kontrak/sewa 22 1.90
Bebas sewa milik orang
tua/orang lain 277 24.10
Dinas 6 0.50
Lainnya 1 0.10
Atap Rumah Beton 22 1.90
Genteng 1090 95.00 Sirap 2 0.20 Seng 5 0.40 Asbes 15 1.30 Ijuk 13 1.10 Lainnya 0 0.00
Dinding Rumah Tembok 674 58.80
Kayu 52 4.50
Bambu 415 36.20
Lainnya 6 0.50
Lantai Rumah Marmer/keramik/granit 464 40.50
Tegel 116 10.10
Semen 201 17.50
Kayu 252 22.00
Tanah 56 4.90
Lainnya 58 5.10
Sumber Air Minum Air kemasan bermerk 31 2.70
Air isi ulang 129 11.20
Ledeng 44 3.80 Sumur 563 49.10 Mata air 366 31.90 Air sungai 14 1.20 Air hujan 0 0.00 Lainnya 0 0.00 Sumber Air Mandi/Cuci
Air kemasan bermerk
0 0.00
Air isi ulang 1 0.10
Ledeng 35 3.10 Sumur 667 58.20 Mata air 379 33.00 Air sungai 57 5.00 Air hujan 0 0.00 Lainnya 8 0.70
17
Penggunaan Jamban Sendiri 595 51.90
Bersama 212 18.50 Umum 119 10.40 Tidak ada 221 19.30 Penerangan Listrik PLN 1108 96.60 Listrik non PLN 33 2.90 Petromak 0 0.00 Obor 5 0.40 Lainnya 1 0.10
Jaminan Kesehatan Ada 348 30.30
Tidak ada 799 69.70
18
RIWAYAT HIDUP
Liestia Noviani dilahirkan di Karawang pada tanggal 22 November 1991 dari pasangan Bapak Affendi dan Ibu Mustikawati. Penulis merupakan anak ketiga dari tiga bersaudara.
Tahun 2003 penulis menyelesaikan pendidikan dasar di SDN Sarimulya IV Cikampek kemudian menyelesaikan pendidikan menengah pertama di SLTPN 1 Kota Baru. Tahun 2009 penulis menyelesaikan pendidikan menengah atas di SMAN 1 Kota Baru. Pada tahun yang sama penulis masuk Institut Pertanian Bogor melalui jalur Undangan Masuk Mahasiswa IPB (USMI).
Selama mengikuti perkuliahan, penulis aktif dalam Himpunan Keprofesian Gamma Sigma Beta (GSB) sebagai staff divisi Human Resources and Development pada tahun 2011, selain itu pada tahun 2012 penulis juga aktif di GSB sebagai staff divisi Sains. Penulis aktif dalam kepanitiaan bedah buku 9 Summers 10 Autumns 2011, Welcome Ceremony of Statistics 2011, Welcome Ceremony of Statistics 2011, Statistika Ria 2011, dan penulis juga pernah menjabat sebagai ketua divisi Leading Officer dalam kepanitiaan Statistika Ria 2012. Pada bulan Februari sampai April 2013, penulis melaksanakan kegiatan praktik lapang di PT Swadaya Panduartha.
