Pemetaan Total Fertility Rate (TFR) di Jawa Timur Menggunakan Pendekatan Regresi Logistik Biner dengan Efek Interaksi

Transkripsi

1 D168 Pemetaa Total Fertlty Rate (TFR) d Jawa Tmur Megguaka Pedekata Regres Logstk Ber dega Efek Iteraks Nsa Ad da Vta Ratasar Departeme Statstka, FMKSD, Isttut Tekolog Sepuluh Nopember (ITS) e-mal: vtarata70@gmal.com Abstrak Total Fertlty Rate (TFR) atau Agka Fertltas Total merupaka salah satu dkator utuk membadgka keberhasla atar wlayah dalam melaksaaka pembagua sosal ekoom, sepert meujukka tgkat keberhasla program Keluarga Berecaa (KB). Pada tahu 2015, TFR Jawa Tmur adalah 2,03 aak dmaa agka tersebut berada d bawah TFR asoal. Perwakla BKKBN Jawa Tmur meargetka Agka Fertltas Total kabupate/kota berada d bawah 2,03. Kabupate/kota dbag mejad dua kategor, dkataka belum mecapa target apabla TFR lebh dar 2,03 da sudah mecapa target apabla TFR kurag dar 2,03. Data meujukka adaya kesejaga Agka Fertltas Total atar kabupate da kota d Jawa Tmur dmaa mash terdapat daerah yag memlk Agka Fertltas Total tgg d atas 2,03. Hasl pemodela meujukka bahwa persetase umet eed, rata-rata lama sekolah perempua, formed coset, PDRB Perkapta, persetase pasaga usa subur, serta teraks atara formed coset da PDRB perkapta berpegaruh terhadap Agka fertltas total pada tgkat kepercayaa 90%. Ketepata klasfkas yag dperoleh sebesar 92,1% dmaa mash ada tga daerah yag msklasfkas, yatu Kabupate Jember, Kabupate Bltar, da Kabupate Pacta. Kata Kuc Agka Fertltas Total, Iteraks, Klasfkas, Moderator, Regres Logstk. J I. PENDAHULUAN UMLAH peduduk d Jawa Tmur dpredks semak bertambah dar tahu ke tahu. Pertambaha peduduk dapat mejad modal pembagua karea terdapat agkata kerja sesua perkembaga peduduk tersebut. Secara terus meerus, pertambaha peduduk terjad karea jumlah bay yag lahr semak bertambah atau tggya fertltas. Tggya fertltas jka tdak dbareg dega pegkata sumber daya mausa yag berkualtas dapat membulka masalah-masalah sosal d masyarakat. Tgkat fertlltas suatu daerah dukur dega Total Fertlty Rate (TFR) atau Agka Fertltas Total. Agka Fertltas Total d Jawa Tmur megalam peurua yag sgfka sejak 1971 hgga tahu Pada tahu 2015, Jawa Tmur mejad salah satu provs yag telah berhasl mecapa target BKKBN dega TFR sebesar 2,032. Namu, target belum bsa dcapa oleh semua kabupate da kota d Jawa Tmur. Hal dkareaka mash adaya kesejaga Agka Fertltas Total atar kabupate da kota d Jawa Tmur dmaa terdapat daerah yag memlk Agka Fertltas Total tgg d atas 2,03. Adaya kesejaga meujukka mash belum rataya pembagua Keluarga Berecaa (KB) d wlayah tersebut da pertumbuha ekoomya belum berkualtas. Peelta megea Agka Fertltas Total telah dlakuka oleh Ladmar megea aalss tgkat fertltas d Jawa Tmur megguaka Regres Data Pael dega pedekata model tetap. Haslya, partspas perempua dalam pasar kerja, perempua sedag megguaka alat KB, persetase rumah tagga yag memlk pegeluara perkapta d atas 500 rbu perbula da pegaggura perempua berpegaruh sgfka terhadap tgkat fertltas d Kabupate/kota Provs Jawa Tmur [1]. Adaya teraks atar varabel predktor dalam pemodela memugkka salah-satuya merupaka varabel atara (moderator) yag meghubugka varabel la utuk mempegaruh respo. Salah satu metode yag dapat dguaka utuk meetuka teraks atar varabel adalah Moderated Multple Regresso. Peelta megguaka teraks varabel telah dlakuka oleh Isa megguaka metode Probt Ber [2]. Peelta tersebut memberka hasl bahwa adaya efek teraks berkotrbus dalam megkatka akuras model mejad 82,692%. Dalam peelta L, Weg, Shao, & Guo [3], pemodela serg memberka akuras predks yag redah karea efek teraks da efek tersembuy dar faktor yag mempegaruh. Utuk tu, perlu ddetfkas teraks atar varabel. Peelta bertujua utuk megetahu karakterstk fertltas, faktor-faktor yag mempegearuh fertltas, da pemetaa TFR d Jawa Tmur. Hasl peelta dharapka dapat member formas da pertmbaga dalam meetuka kebjaka bag BKKBN Provs Jawa Tmur dalam upaya meeka fertltas. A. Multkoleartas II. TINJAUAN PUSTAKA Multkoleartas merupaka keadaa terjadya koleras lear yag tgg d atara varabel-varabel predktor X 1, X 2,, X p. Multkoleartas meyebabka varas estmas mejad besar, terval kepercayaa mejad lebar, peguja sgfkas mejad tdak sgfka, serta koefse determas R 2 tgg amu sedkt varabel predktor yag sgfka. Metode yag dapat dguaka utuk medeteks multkoleartas adalah Varace Iflato Factor (VIF). Apabla la VIF lebh dar 10, maka dapat ddkaska terdapat kasus multkoleartas [4].

2 D169 B. Regres Logstk Regres logstk merupaka salah satu metode yag dguaka utuk meggambarka hubuga atara varabel respo (Y) berskala kategork dega satu atau beberapa varabel predktor (X). Varabel Y megkut dstrbus Bomal. Apabla varabel predktor ada sebayak p varabel, maka model regres Logstk dapat dtulska dalam betuk logt, yatu fugs lk dar regres Logstk. ( x ) logt ( x ) log x x p p 1 ( x ) L (1) Berdasarka fugs logt d atas, x j adalah la varabel respo ke-j pada observas ke- sedagka adalah koefse regres varabel predktor ke-j. Model berkut meghubugka probabltas terjadya kejada dega varabel predktor [5]. expx β x (2) 1 expx β x β x x L x L x (3) j j p p β 0 merupaka kostata sedagka β j merupaka koefse regres pada varabel predktor ke-j. Estmator β Maxmum Lkelhood dperoleh dega memaksmumka logartma dar fugs lkelhood. y X, β x x (4) y ( ) 1 ( ) 1 L 1 y l L X, β x β l 1 exp x β (5) 1 1 ˆ T T β X WX X Wz (6) Nla z merupaka vektor yag berukura 1 dega: y ˆ x z Logt ˆ x ˆ x 1 ˆ x ˆ T ˆ 1 ˆ 1 (7) Var β X dag X (8) C. Peguja Sgfkas Parameter Peguja sgfkas parameter secara seretak dlakuka dega megguaka Lkelhood Rato Test, dmaa hpotess yag dguaka adalah: H 0: β 1= β 2 = = β P =0 H 1: β j 0, dmaa j=1,2,,p Statstk uj Lkelhood Rato Test yag dguaka adalah sebaga berkut: G 2l y 1 y ˆ 1 ˆ 1 L0 G 2 log 2l L L (9) 0 1 L1 Nla G megkut dstbus Ch-square dega derajat bebas df sebesar p. Jka 2 G p,, maka dputuska utuk meolak H 0 yag meujukka mmal terdapat satu varabel predktor berpegaruh sgfka terhadap varabel respo [6]. Selajutya, dapat dlakuka uj sgfkas parameter dega peguja parsal utuk megetahu varabel-varabel predktor maa yag sgfka terhadap varabel respo Peguja sgfkas parameter dlakuka megguaka Wald test dega hpotess sebaga berkut. H 0: β j=0 H 1: β j 0, dmaa j=1,2,,p Statstk uj Wald test dhtug dega rumus sebaga berkut: ˆ j W SE( ˆ ) j dmaa: SE( ˆ ) Var( ˆ ) j j 2 (10) Hasl peguja dputuska tolak H 0 apabla la atau p-value kurag dar α. Artya, varabel ke-j berpegaruh sgfka terhadap pembetuka model. α merupaka taraf sgfkas yag dguaka, yak 5% [6]. D. Uj Kesesuaa Model Goodess of ft test atau uj kesesuaa model merupaka peguja yag dguaka utuk megetahu apakah terdapat perbedaa atara hasl observas dega kemugka hasl predks model. Hpotess yag dguaka adalah sebaga berkut: H 0: model telah sesua (tdak ada perbedaa atara hasl observas dega hasl predks) H 1: model belum sesua (ada perbedaa atara hasl observas dega hasl predks) Statstk uj Devas (D) dguaka sebaga pedekata utuk mela goodess of ft. ˆ 1 ˆ D 2 y l 1 y l (11) 1 y 1 y Keputusa meolak hpotess ull (H 0) jka D dega α merupaka taraf sgfkas sebesar 10% [6]. p 1, E. Iteraks Varabel Pemodela Regres Logstk memugkka terdapat efek teraks atar varabel predktor. Iteraks atar varabel dbuat sebaga betuk artmatka dar pasaga varabel efek utama [6]. Adaya teraks varabel dapat terjad akbat varabel moderator. Kehadra varabel moderator dapat megubah hubuga awal atara varabel predktor dega respo [7]. F. Moderated Multple Regresso Moderated Multple Regresso atau uj teraks adalah aplkas dar regres ler bergada, dmaa dalam persamaaaya megadug usur teraks. Jka terdapat varabel respo Y dega varabel predktor pertama adalah X da varabel predktor kedua yag daggap sebaga varabel moderator adalah Z. Y X Z (12) Kemuda dberka persamaa kedua, yatu persamaa yag megadug varabel baru berupa hasl perkala atara varabel X da varabel Z [8].

3 D170 Y X Z X Z (13) * Utuk meguj sgfkas efek varabel moderator secara statstk, dapat dlakuka dega uj-f da uj-t [9]. Pada persamaa (12), jka koefse β 2 tdak sgfka amu koefse β 3 sgfka, maka jes moderasya adalah moderas mur. Jka koefse β 2 da β 3, maka jes moderasya adalah moderas semu. Jka β 2 sgfka amu β 3 tdak sgfka, maka jes moderasya adalah predktor moderas. Sedagka jka keduaya tdak sgfka maka varabel teraks X dega Z buka sebaga varabel moderator. G. Evaluas Ketepata Klasfkas Salah satu cara yag dguaka utuk megevaluas ketepata klasfkas d ataraya melalu perhtuga Apparet Error Rate (APER), total accuracy rate (1-APER), sestvty, da specfcty. Meurut Johso da Wcher [10], APER merupaka propors observas yag dpredks secara tdak bear (ukura kesalaha klasfkas total). Total accuracy rate merupaka propors observas yag dpredks secara bear (ukura ketepata klasfkas total). Specfcty megukur propors yag bear-bear egatf, yatu propors dar kelas 0 yag terdetfkas secara bear. Sestvty megukur propors yag bear-bear postf, yatu propors dar kelas 1 yag terdetfkas secara bear [11]. H. Kosep Fertltas Istlah fertltas sama dega kelahra hdup (lve brth), yatu terlepasya bay dar rahm seorag perempua dega ada tada-tada kehdupa, msalya berterak, berafas, jatug berdeyut, da sebagaya [10]. Dalam pegerta la, fertltas adalah tgkat kelahra rl dar seorag wata selama masa reproduks. D Idoesa, masa reproduks dmula sejak usa 15 tahu da aka berhet pada usa 49 tahu [11]. I. Agka Fertltas Total Utuk mela kods kesehata masyarakat dbutuhka suatu yag dapat dguaka sebaga dkator utuk mela kods kesehata masyarakat. Salah satuya dega megguaka Agka Fertltas Total. Agka Fertltas Total atau Total Fertlty Rate (TFR) merupaka rata-rata aak yag dlahrka seorag wata selama masa usa suburya [12]. J. Faktor-Faktor yag Mempegaruh Agka Fertltas Total Faktor-faktor yag mempegaruh tgg redahya peduduk dapat dbag mejad dua, yatu faktor demograf da faktor o demograf. Faktor demograf d ataraya adalah stuktur umur, struktur perkawa, umur kaw pertama, partas, dsrups perkawa, da propors yag kaw. Sedagka faktor o demograf atara la keadaa ekoom peduduk, tgkat peddka, perbaka status perempua, urbasas, da dustralsas. Varabel-varabel d atas dapat berpegaruh secara lagsug terhadap fertltas, ada juga yag tdak lagsug [10]. A. Sumber Data III. METODOLOGI PENELITIAN Jes data yag dguaka adalah data sekuder yag dperoleh melalu perwakla BKKBN Provs Jawa Tmur, Publkas BPS, da Jawa Tmur dalam Agka Data yag dguaka berupa Agka Fertltas Total atau Total Fertlty Rate (TFR) beserta tujuh faktor yag dduga mempegaruh TFR dar 29 kabupate da sembla kota d Jawa Tmur tahu B. Varabel Peelta Varabel respo, yatu Agka Fertltas Total (Y) dkategorka mejad dua kategor, yatu y=1 jka TFR sesua target BKKBN 2,03 da y=0 apabla TFR > 2,03. Berkut adalah varabel respo da varabel predktor yag dguaka dalam peelta. Tabel 1. Varabel Peelta Varabel Agka Fertltas Total (Y) Cotraceptve Prevalece Rate (X1) Persetase Umet eed KB (X2) Usa perkawa pertama (X3) Agka Kemata Bay (X4) Rata-rata lama sekolah perempua (X5) Pembera Iformed Coset (X6) PDRB Perkapta (X7) Persetase PUS (X8) Skala Kategork Raso Raso Raso Raso Raso Raso Raso Raso C. Lagkah Aalss Berkut merupaka lagkah-lagkah yag dlakuka utuk mecapa tujua peelta. 1. Medeskrpska data Agka fertltas total (Y) da faktor-faktor yag dduga mempegaruhya. 2. Memerksa asums multkoleartas. 3. Melakuka pemodela Regres Logstk tapa teraks. 4. Membetuk teraks varabel megguaka Moderated Multple Regresso. 5. Melakuka pemodela Regres Logstk dega efek teraks. 6. Memlh model terbak megguaka seleks Backward. 7. Meghtug la odds rato setap varabel yag sgfka. 8. Meghtug ketepata klasfkas yag dukur dega la akuras, sestvty, da specfcty. 9. Memetaka Agka fertltas total data aktual da hasl pemodela Regres Logstk dega efek teraks. IV. ANALISIS DAN PEMBAHASAN A. Eksploras Data Peelta Total Fertlty Rate (TFR) atau Agka fertltas total merupaka perhtuga kelahra yag dguaka utuk meggambarka rata-rata jumlah aak yag dlahrka oleh wata usa 15 sampa 49 tahu. BKKBN meggka Agka fertltas kabupate/kota d Jawa Tmur berada d bawah TFR Jawa Tmur, yatu Utuk tu, kabupate/kota yag memlk TFR d bawah 2.03 dapat dkataka telah mecapa target da d atas 2.03 berart belum mecapa target.

4 D171 Gambar 1. Persetase Ketercapaa Target Total Fertlty Rate (TFR). persetase kabupate/kota yag telah mecapa target TFR mash lebh kecl dbadgka persetase kabupate/kota yag belum mecapa target. Dar 38 kabupate/kota, haya 45%, yatu 12 kabupate da lma kota yag telah mecapa target. Agka fertltas total terkecl dcapa oleh Kabupate Sumeep dega TFR sebesar 1,52 da yag tertgg adalah Kabupate Sampag dega TFR 2,45. Hasl juga dapat meujukka program keluarga berecaa belum berjala maksmal d Kabupate Sampag. Hubuga atar varabel dapat dgambarka megguaka aalss kuadra, msalya hubuga atara agka prevales pemakaa KB (CPR) dega Agka fertltas total (TFR). Gambar 2. Kuadra CPR da TFR dalam Peta Jawa Tmur. Kuadra I meggambarka kods dmaa CPR da TFR yag tgg d suatu wlayah, yak CPR d atas 65,3% da TFR d atas 2,03. Peyebabya bsa berasal dar perkaha usa muda yag tgg, peserta yag kut KB telah memlk aak yag sudah bayak, peserta KB berusa tua, atau peserta KB sudah tdak efektf megguaka KB, sepert alat/obatya tdak efektf atau mudah dropout. Wlayah yag terletak d kuadra I ada 13 kabupate da satu kota, yatu kabupate Kedr, Malag, Jember, Bayuwag, Bodowoso, Probolggo, Mojokerto, Ngajuk, Madu, Mageta, Ngaw, Lamoga, Gresk, da Kota Probolggo. Kuadra II megambarka kods wlayah yag memlk TFR tgg da CPR redah. Wlayah-wlayah yag masuk pada kuadra memerluka perbaka da perhata serus dar program KB. Hal dkareaka mash redahya kesertaa ber-kb para Pasaga Usa Subur (PUS) sehgga terjad peggkata TFR. Wlayah yag berada dalam kuadra II adalah Kabupate Poorogo, Tulugagug, Bltar, Jombag, Sampag, Pamekasa, Kota Bltar, Pasurua, da Madu. Kuadra III dtempat oleh wlayah yag memlk TFR da CPR yag sama-sama redah. Redahya fertltas pada wlayah yag masuk pada kuadra III dapat dsebabka oleh faktor la d luar program Keluarga Berecaa (KB), msalya bayak peduduk yag mekah d usa dewasa, tgkat peddka yag tgg, pedapata tgg, bayak peduduk yag bekerja da sebagaya. Kuadra III ds oleh Kabupate Pasurua, Sdoarjo, Sumeep, Bagkala, Kota Kedr, Malag, Mojokerto, Surabaya, da Batu. Kuadra IV ds oleh daerah-daerah yag memlk TFR redah da CPR tgg, yatu Kabupate Pacta, Treggalek, Lumajag, Stubodo, Bojoegoro, da Tuba. Kods daggap deal da daggap sebaga kesuksesa program Keluarga Berecaa. Berkut adalah perbadga la statstk mea, varas, mmum, da maksmum dar ketujuh varabel predktor pada kategor wlayah yag belum mecapa target TFR (0) da yag sudah mecapa target (1). Tabel 2. Deskrptf Varabel Predktor pada Masg-Masg Kategor TFR Varabel Y Mea M Max CPR (X1) Umet Need (X2) UKP (X3) Agka Kemata Bay (X4) RLS Perempua (X5) Iformed Coset (X6) PDRB Perkapta (X7) Persetase PUS (X8) Berdasarka varabel Cotraceptve Prevalece Rate (X 1), persetase umet eed (X 2), Usa Kaw Pertama (X 3), Agka Kemata Bay (X 4), rata-rata lama sekolah perempua (X 5), da Iformed Coset (X 6), la mea da varas atara wlayah yag belum mecapa target (Y=0) dega wlayah yag sudah mecapa target (Y=1) tdak jauh berbeda. Namu jka dlhat dar PDRB perkapta, kedua wlayah memlk perbedaa dmaa wlayah yag masuk kategor sudah mecapa target TFR memlk la PDRB perkapta yag jauh lebh besar dbadgka dega wlayah yag belum mecapa target TFR. Hal meujukka bahwa masyarakat berpeghasla tgg cederug utuk merecaaka jumlah aak yag lebh sedkt. Aka tetap, varas d kelompok 1 cukup besar sehgga memugkka terjad kesejaga pedapata atar kabupate/kota yag masuk kelompok 1. B. Pemodela TFR d Jawa Tmur Sebelum melakuka pemodela, terlebh dahulu melakuka pedeteksa multkoleartas, pembetuka model legkap Regres Logstk Ber, serta pembetuka model Regres Logstk Ber dega efek teraks. 1. Pembetuka Model Regres Logstk Ber 1.1 Deteks Multkoleartas Asums multkoleartas ddeteks dega la VIF. Berkut adalah la VIF setap varabel predktor.

5 D172 Tabel 3. Nla VIF Varabel Predktor Varabel Predktor Nla VIF Cotraceptve Prevalece Rate (X1) Persetase Umet eed (X2) Usa Kaw Pertama (X3) Agka kemata Bay (X4) Rata-rata Lama Sekolah Perempua (X5) Iformed Coset (X6) PDRB Perkapta (X7) Persetase Pasaga Usa Subur (X8) Berdasarka Tabel 3, la VIF pada masg-masg varabel predktor cederug kecl, yatu tdak lebh dar 10. Hasl mejelaska bahwa model tdak megadug multkoleartas atau tdak ada hubuga ler atar varabel predktor. Utuk tu, kedelapa varabel dapat dmodelka megguaka Regres Logstk. 1.2 Peguja Sgfkas Parameter Seretak Pada metode Regres Logstk Ber, uj seretak dlakuka dega Lkelhood Rato Test (G) yag dtujukka oleh tabel berkut. Tabel 4. Lkelhood Rato Test G Ch-square df P-Value 29,170 13, ,000 Berdasarka Tabel 4, dperoleh la G sebesar 29,170. Pada derajat bebas (df) 8, ddapatka la Ch-square ( sebesar 13,362. Statstk uj G memlk la yag lebh besar dar la krts 13,362 da P-Value sebesar 0,000 lebh kecl dar taraf sgfkas 10%. Utuk tu, peguja dputuska tolak H 0 sehgga dapat dsmpulka bahwa mmal terdapat satu varabel yag memberka pegaruh yag sgfka terhadap Total Fertlty Rate (TFR). 1.3 Peguja Sgfkas Parameter Parsal Peguja secara parsal dlakuka utuk megetahu varabel-varabel yag memberka pegaruh sgfka terhadap Total Fertlty Rate (TFR). Tabel 5. Hasl Peguja Parsal Model Regres Logstk Ber Predktor Wald P-Value CPR (X1) 0,726 0,394 Umet Need (X2) 4,153 0,042** UKP (X3) 0,448 0,503 Agka Kemata bay (X4) 2,023 0,155 RLS Perempua (X5) 3,176 0,075** Iformed coset (X6) 4,332 0,037** PDRB Perkapta (X7) 3,840 0,050** Persetase PUS (X8) 3,963 0,046** Utuk memperoleh varabel yag sgfka berpegaruh terhadap Total Fertlty Rate (TFR), statstk uj Wald pada ketujuh varabel harus lebh besar dar Z α/2, yatu sebesar 1,645 atau p-value kurag dar 0,1. Berdasarka Tabel 5, varabel yag memberka pegaruh yag sgfka terhadap TFR adalah persetase umet eed (X 2), rata-rata lama sekolah perempua (X 5), Iformed Coset (X 6), PDRB Perkapta (X 7), da persetase pasaga usa subur (X 8). 1.4 Model Terbak Regres Logstk Pemlha model terbak Regres Logstk Ber dlakuka dega cara meyeleks varabel megguaka Backward selecto. Prosedur dlakuka dega megeluarka varabel yag memlk p-value terbesar. Tabel 6. Pemodela Regres Logstk Hasl Seleks Backward Varabel Wald P-Value Umet Need (X2) 6,666 0,010** RLSPerempua (X5) 5,093 0,024** Iformed coset (X6) 5,784 0,016** PDRB Perkapta (X7) 5,013 0,025** Persetase PUS (X8) 5,043 0,025** Hasl seleks varabel megguaka Backward meghaslka lma varabel yag sgfka (p-value kurag dar 0,1). Kelma varabel tersebut adalah umet eed KB, rata-rata lama sekolah perempua, formed coset, PDRB Perkapta, serta persetase pasaga usa subur. 2. Pembetuka Model Legkap Regres Logstk dega Efek Iteraks 2.1 Pembetuka Varabel Iteraks Pada peelta, terdapat dua metode utuk megetahu ada tdakya teraks atar predktor, yak pembetuka teraks varabel dega megguaka Moderated Multple Regresso (MMR). Metode Moderated Multple Regresso (MMR) daplkaska dega cara memodelka dua kal dega regres logt ber, yak model dega efek utama da model dega efek utama da teraks dar dua varabel yag dduga salg berteraks. Metode MMR juga dlakuka utuk seluruh kemugka teraks yag terjad atar varabel predktor. Peelta megguaka delapa predktor sehgga kemugka teraks yag terjad ada sebayak 2C 8, yak sebayak 28 kombas teraks varabel predkor. Dar 28 kombas teraks predktor megguaka MMR, dperoleh satu pasag varabel predktor yag salg berteraks, yatu formed coset (X 6) da persetase Pasaga Usa Subur (X 8). Hasl MMR sebelum da sesudah dlakuka pemodela megguaka teraks dtamplka pada Tabel 4.7 da Tabel 4.8. Tabel 7. Hasl MMR Sebelum Dlakuka Iteraks X6,8 Predktor Wald P-Value Costat 0,825 0,364 X6 1,818 0,178 X8 2,155 0,142 Berdasarka Tabel 6 d atas, varabel Persetase Pasaga Usa Subur (X 8) maupu Iformed Coset (X 6) tdak memberka pegaruh yag sgfka terhadap Total Fertlty Rate (TFR). Selajutya, pemodela dlakuka dega meambahka teraks atar kedua varabel. Tabel 8. Hasl MMR Setelah Dlakuka Iteraks X6,8 Predktor Wald P-Value Costat 5,285 0,022 X6 4,450 0,035** X8 5,779 0,016** X6*X8 5,043 0,025**

6 D173 Nla p-value yag dperoleh pada efek utama persetase Pasaga Usa Subur (X 8) da Iformed Coset (X 6), maupu teraks keduaya kurag dar 10%. Hal meujukka bak efek utama maupu teraks varabel tersebut memberka pegaruh yag sgfka terhadap Agka fertltas total. Varabel persetase Pasaga Usa Subur (X 8) dduga mempegaruh hubuga lagsug atara Iformed Coset (X 6) dega Agka fertltas total (Y) atau dega kata la X 8 dduga sebaga varabel moderator. Iformed coset da pasaga usa subur daggap sebaga salah satu faktor yag mempegaruh fertltas. Iformed coset harus dtadataga oleh pasaga suam str yag meyataka persetujua mereka melakuka KB [13]. Iformed coset aka tgg jka pasaga usa subur semak bayak. Iformed coset yag tgg d suatu wlayah aka mempegaruh tgkat fertltas d wlayah tersebut. 2.2 Peguja Sgfkas Parameter Seretak Uj seretak dlakuka dega Lkelhood Rato Test (G) yag dtujukka oleh tabel berkut. Tabel 9. Lkelhood Rato Test G Ch-square df P-Value 33,655 14, ,000 Berdasarka Tabel 4.12, dperoleh la G sebesar 33,655. Pada derajat bebas (df) 9, ddapatka la Ch-square ( sebesar 14,684. Utuk tu, peguja dputuska tolak H 0 sehgga dapat dsmpulka bahwa mmal terdapat satu varabel yag memberka pegaruh yag sgfka terhadap Total Fertlty Rate (TFR). 2.3 Peguja Sgfkas Parameter Parsal Lagkah berkutya adalah melakuka peguja parsal pada model Regres Logstk yag melbatka efek utama dar kedelapa varabel da teraks X 6 da X 8. Tabel 10. Uj Parsal Model Legkap Efek Utama dega Efek Iteraks X6,8 Predktor Wald P-Value CPR (X1) 0,632 0,426 Umet Need (X2) 2,803 0,094** UKP (X3) 0,041 0,839 AKB(X4) 2,237 0,135 RLS Perempua (X5) 2,119 0,146 Iformed coset (X6) 2,656 0,103 PDRB Perkapta (X7) 2,338 0,126 Persetase PUS (X8) 3,700 0,054** X6X8 3,433 0,064** Berdasarka hasl uj parsal model legkap efek utama dega teraks X 6,8, dperoleh tga varabel yag memlk p- value kurag dar 0,1. Ketga varabel tu adalah persetase umet eed, persetase pasaga usa subur, da teraks atara formed coset da persetase pasaga usa subur (X 6,8). Jka dbadgka dega hasl pemodela pada Tabel 5, peambaha teraks X 6,8 meyebabka varabel yag sgfka berkurag. 2.4 Model Terbak Regres Logstk dega Efek Iteraks Pemlha model terbak dlakuka dega cara meyeleks varabel megguaka Backward selecto. Tabel 11. pemodela Regres Logstk dega Efek Iteraks Hasl Seleks Backward Predktor Wald P-Value Umet Need (X2) 6,477 0,011 RLS Perempua (X5) 4,625 0,032 Iformed coset (X6) 3,182 0,074 PDRB Perkapta (X7) 3,889 0,049 Persetase PUS (X8) 5,689 0,017 X6X8 4,139 0,042 Costat 4,843 0,028 Hasl pemodela megguaka Backward meghaslka eam varabel yag sgfka karea p-value lebh besar dar 0,1. Efek utama da teraks memberka pegaruh terhadap model. Dega demka, persetase umet eed, rata-rata lama sekolah perempua, formed coset, PDRB Perkapta, persetase pasaga usa subur, serta teraks atara formed coset da PDRB perkapta memberka pegaruh terhadap Agka fertltas total pada tgkat kepercayaa 90%. 3. Evaluas Ketepata Klasfkas Selajutya, g dketahu apakah peambaha teraks lebh bak atau tdak, dapat dlhat melalu akuras ketepata klasfkas. Berkut adalah perbadga ketepata klasfkas model Regres Logstk tapa teraks da dega teraks. Tabel 12. Perbadga Akuras Model Tapa da dega Efek Iteraks Metode Regres Logstk Akuras Dega Iteraks 92,1% Tapa teraks 86,8% Hasl akuras atau ketepata klasfkas dar model Regres Logstk Ber dega efek teraks lebh besar dbadgka model tapa teraks. Ketepata klasfkas model dega teraks adalah sebesar 92,1% sedagka model tapa teraks sebesar 86,8%. Hasl meujukka bahwa keberadaa teraks varabel mampu megkatka ketepata klasfkas utuk memodelka Agka fertltas total d Jawa Tmur. Oleh sebab tu, Agka fertltas total lebh bak dmodelka megguaka Regres Logstk dega efek teraks. 4. Uj kesesuaa Model Nla statstk uj Devas sebesar 18,603. Pada derajat bebas 31 ddapatka la krts Ch-square ( sebesar 41,42 lebh besar dar statstk uj Devas. Hasl juga ddukug dega p-value sebesar 0,961 lebh dar taraf sgfkas 10% sehgga dputuska gagal tolak H 0. Dega demka, pada tgkat kepercayaa 90% dapat dsmpulka bahwa hasl predks model telah sesua da tdak ada perbedaa yag sgfka atara hasl predks pemodela dega data hasl observas. 5. Iterpretas Model Regres Logstk dega Efek Iteraks Model terbak utuk Total Fertlty Rate (TFR) kabupate/kota d Jawa Tmur megguaka Regres Logstk Ber dega efek teraks dtamplka pada persamaa 4.1: ˆ exp x βˆ x 1 exp x β (4.1)

7 D174 dmaa: x βˆ X 2.111X X X 1.421X X , 8 Iterpretas dar model regres logstk ber dega efek teraks tdak berdasarka la koefse β melaka megguaka Odds Rato (OR). Nla OR dguaka utuk megetahu kecederuga masg-masg varabel predktor terhadap Total Fertlty Rate (TFR) utuk setap kabupate/kota d Jawa Tmur. Tabel 13. Odds Rato Hasl Model Legkap Regres Logstk Ber dega Efek Iteraks Predktor β OR= Exp(β) 1/OR Umet Need (X2) ,327 0,300 RLS Perempua (X5) -2,111 0,121 8,264 Iformed coset (X6) -0,454 0,103 9,679 PDRB Perkapta (X7) 0,179 1,196 0,836 Persetase PUS (X8) -1,421 0,241 4,149 X6X ,162 0,150 Berdasarka Tabel 13, aka dberka cotoh utuk megterpretaska la OR. Nla Odds Rato sebesar 3,327 meujukka bahwa setap keaka satu perse umet eed, maka peluag suatu kabupate/kota utuk masuk kelompok d bawah target Agka fertltas total adalah sebesar 3,327 kal lpat. Nla Odds Rato sebesar 8,26 meujukka bahwa setap keaka satu agka rata-rata lama sekolah perempua, maka peluag suatu kabupate/kota d Jawa Tmur utuk masuk kelompok d atas target adalah sebesar 8,26 kal lpat. OR sebesar 1,162 meujukka bahwa keaka sepuluh perse formed coset yag dbareg dega keaka sepuluh perse pasaga usa subur memberka peluag suatu kabupate/kota d Jawa Tmur utuk masuk kelompok d bawah target sebesar 1,162 kal lpat. Varabel yag memberka pegaruh palg besar terhadap Agka fertltas total adalah keaka satu agka rata-rata lama peddka perempua. C. Pemetaa Total Fertlty Rate (TFR) d Jawa Tmur Selajutya, dlakuka pemetaa utuk megetahu hasl klasfkas Agka fertltas total (TFR) sebelum dlakuka pemodela (aktual) da sesudah dlakuka pemodela Regres Logstk dega efek teraks. Pemetaa TFR kabupate/kota d Jawa Tmur dtamplka pada Gambar 3 da Gambar 4. Gambar 3. Pemetaa TFR Sebelum Pemodela. Gambar 4. Pemetaa TFR Hasl Pemodela Regres Logstk dega Efek Iteraks. Kabupate/kota yag tergolog dalam kategor TFR telah mecapa target dtujukka oleh area berwara bru. Kabupate/kota yag belum mecapa target dtujukka oleh area berwara merah. Secara umum, klasfkas TFR kabupate/kota d Jawa Tmur dega megguaka data aktual tdak jauh berbeda dega hasl predks model terbak Regres Logstk Ber dega efek teraks. Perbedaaya, jka pada data aktual Kabupate Pacta tergolog ke dalam kategor TFR mecapa target, maka hasl pemodela megklasfkaska ke dalam kategor TFR belum mecapa target. Begtupu pada kabupate Jember da Kabupate Bltar yag awalya tergolog TFR belum mecapa target, pada hasl pemodela keduaya masuk kategor TFR telah mecapa target. I meujukka bahwa pemodela Regres Logstk dega efek teraks mampu megklasfkaska TFR kabupate/kota d Jawa Tmur dega bak. V. KESIMPULAN DAN SARAN Berkut merupaka kesmpula yag dapat dberka dar hasl aalss da pembahasa. 1. Perbadga atara wlayah yag belum da mecapa target TFR yag dtetapka BKKBN cukup sembag. Rata-rata agka prevales KB, persetase umet eed (X 2), Usa Kaw Pertama, Agka Kemata Bay, rata-rata lama sekolah perempua, da Iformed Coset atara wlayah yag belum mecapa target TFR dega wlayah yag sudah mecapa target TFR tdak jauh berbeda. Namu jka dlhat dar PDRB perkapta, kedua wlayah memlk perbedaa dmaa wlayah yag masuk kategor sudah mecapa target TFR memlk la PDRB perkapta yag jauh lebh besar dbadgka dega wlayah yag belum mecapa target TFR. 2. Hasl pemodela Agka fertltas total megguaka Regres Logstk Ber dega efek teraks memberka formas bahwa persetase umet eed, rata-rata lama sekolah perempua, formed coset, PDRB Perkapta, persetase pasaga usa subur, serta teraks atara formed coset da PDRB perkapta memberka pegaruh yag sgfka terhadap Agka fertltas total. Model terbak Total Fertlty Rate (TFR) kabupate/kota

8 D175 x d Jawa Tmur megguaka Regres Logstk Ber dega efek teraks: exp X 2.111X X X 1.421X X ,8 1 exp X 2.111X X X 1.421X X ,8 3. Pemodela Agka fertltas total megguaka Regres Logstk Ber dega efek teraks mampu megklasfkaska kabupate/kota ke dalam kategor belum da sudah mecapa target TFR sebesar 92,1% dega msklasfkas haya 7,9%. Sara yag dapat dberka adalah perluya megevaluas program KB khsusuya d wlayah yag memlk agka prevales KB yag redah sedagya agka fertltasya tgg. Sela tu, Pemertah perlu berskap tegas dalam memberka z bag masyarakat yag g mekah d bawah umur. Peddka peduduk perempua juga patut mejad fokus utama utuk dtgkatya. Pemertah dapat megadaka pelatha da peyuluha keluarga berecaa khususya kepada peduduk usa muda. DAFTAR PUSTAKA [1] K. Ladmar, Aalss Tgkat Fertltas d Kabupate/Kota Provs Jawa Tmur, Semarag, [2] F. Isa, Pemodela Kasus Dabetes Melltus Tpe 2 d Klk Assalaam Kabupate Bajaregara Jawa Tegah dega Metode Probt Ber, Surabaya, [3] J. L, J. Weg, C. Shao, ad H. Guo, Cluster-Based Logstc Regresso Model for Holday Travel Mode Choce, Proceda Egeerg, 2016, pp [4] Setawa ad Dw Edah Kusr, Ekoometrka. Ad, [5] A. Agrest, Categorcal Data Aalyss, 2d ed. New York: Joh Wley & Sos, Ic, [6] D. Hosmer ad J. Lemeshow, Appled Logstc Regresso, 2d ed. USA: Joh Wley & Sos Ic, [7] U. Sekara, Metodolog Peelta utuk Bss, 4th ed. Jakarta: Salemba Empat, [8] J. Jaccard, Iteracto Effects Logstc Regresso. USA: SAGE Publcatos, Ic, [9] Y. Rahma, Aalss Tgkat Partspas Perempua dalam Agkata Kerja d Provs Jawa Tmur Megguaka Regres Probt Ber dega Efek Iteraks, Isttut Tekolog Sepuluh Nopember, [10] R. Johso ad D. Wcher, Appled Multvarate Statstkal Aalyss, 6th ed. USA: Pearso Educato, Ic, [11] J. Ha, M. Kamber, ad J. Pe, Data Mg Cocepts ad Techques. Morga Kaufma Publsher, [12] Matra, Demograf Umum. Yogyakarta: Pustaka Pelajar, 2007.