faktor-faktor sosial ekonomi yang mempengaruhi … · penggunaan kb dan status pekerjaan di wilayah...
TRANSCRIPT
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.
Keywords: CART, fertility, regression tree
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
Tanggal Lulus:
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
~"""' ~. JJ1/
~.~SDr r Budi Dr B us SaROno MSi Pembimbing I embimbing II
Diketahui oleh
Tanggal Lulus: 03 HAR 20 14
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 2
HASIL DAN PEMBAHASAN 4
Hasil 4
SIMPULAN DAN SARAN 10
Simpulan 10
DAFTAR PUSTAKA 10
LAMPIRAN 11
RIWAYAT HIDUP 17
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
penjelas.
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).
Tingkat kesalahan relatif pada validasi silang dirumuskan dengan:
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) Pengeluaran >= 367398.44 Pendidikan Suami = (3,5,6,7) 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
Rp102 203,60 Rp17 077 143.00
Rp656 496.10
Rp662 910.00
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
Kayu 69 2.40
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
Lampiran 4 Deskripsi peubah-peubah penjelas kategorik pada daerah perkotaan
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
Lampiran 5 Deskripsi peubah-peubah penjelas kategorik pada daerah perdesaan
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
Lampiran 5 Deskripsi peubah-peubah penjelas kategorik pada daerah perdesaan
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.