ADLN - Perpustakaan Universitas Airlangga
BAB IV HASIL DAN PEMBAHASAN
4.1. Pengolahan data menggunakan software MARS. Berdasarkan Lampiran 2 dapat dilihat bahwa Plot hubungan Angka Kematian Bayi dengan beberapa prediktor belum menunjukkan pola yang jelas. Karena belum jelasnya pola hubungan antara masing-masing prediktor dengan Angka Kematian Bayi maka dapat dijadikan pertimbangan bahwa pendekatan yang digunakan dalam penelitian kali ini adalah nonparametric dengan mengunakan metode MARS. Sebelum mengolah data menggunakan MARS, pertama akan menginputkan data pada SPSS yang ada terdiri atas 10 prediktor dan satu respon dengan 38 pengamatan. Hasil pengamatan / data yang diperoleh dari Balai Pusat Statistik Jawa Timur tahun 2008 sebagaimana pada Lampiran 1 . Selanjutnya adalah mengimpor data dari inputan yang ada pada SPSS ke dalam software MARS. Setelah itu untuk pengolahan data Angka Kematian Bayi yang perlu dilakukan adalah menentukan besarnya Basis Function (BF), Maximum Interaction (MI) dan Minimum Object under knot (MO). Di dalam penelitian kali ini digunakan 10 variabel prediktor, untuk itu besar Basis Function (BF) yang kita gunakan 20 sampai 40, Maximum Interaction (MI) yang kita gunakan 1, 2 dan 3, dan Minimum Object under knot (MO) yang kita gunakan 0, 1, 2, dan 3. Langkah selanjutnya kita mengkombinasikan Basis
25 Skripsi
Nugraha, Yudhistira Wahyu Permodelan Angka Kematin Bayi Di Jawa Timur Dengan Pendekatan Multivariate....
ADLN - Perpustakaan Universitas Airlangga
26
Function (BF), Maximum Interaction (MI) dan Minimum Object under knot (MO) untuk mendapatkan model yang terbaik.
Tabel 4.4 Hasil kombinasi untuk Basis Function 20,30,40 BF 20 20 20 20 20 20 20 20 20 20 20 20 30 30 30 30 30 30 30 30 30 30 30 30 30 40 40 40 40 40 40 40
Skripsi
MI 1 1 1 1 2 2 2 2 3 3 3 3 1 1 1 1 2 2 2 2 2 3 3 3 3 1 1 1 1 2 2 2
MO 0 1 2 3 0 1 2 3 0 1 2 3 0 1 2 3 0 1 2 3 4 0 1 2 3 0 1 2 3 0 1 2
GCV 23,593 25,344 22,129 22,13 23,022 29,889 23,5 23,501 23,365 29,381 23,5 23,501 23,593 25,344 22,129 22,13 23,022 29,889 23,5 23,501 23,775 23,365 29,381 23,5 23,501 23,593 25,344 22,129 22,13 23,022 29,889 23,5
Nugraha, Yudhistira Wahyu Permodelan Angka Kematin Bayi Di Jawa Timur Dengan Pendekatan Multivariate....
ADLN - Perpustakaan Universitas Airlangga
27
BF 40 40 40 40 40
MI 2 3 3 3 3
MO 3 0 1 2 3
GCV 23,501 23,365 29,381 23,5 23,501
4.2. Pemilihan model terbaik. Model yang terbaik dipilih melalui kriteria model yang memiliki nilai GCV paling kecil. Dari kombinasi yang
telah dilakukan didapatkan
model yang
memiliki GCV paling kecil adalah model dengan Basis Function (BF) = 20 , Maximum Interaction (MI) = 1 dan Minimum Object under knot (MO) = 2 dengan nilai GCV = 22,129 dan juga dapat dilihat nilai R2 yang menunjukkan angka 0.92 yang berarti model ini sudah bisa ditetapkan sebagai model terbaik. 4.3. Mendapatkan nilai koefisien model. Setelah mendapatkan kombinasi tersebut kita akan mendapatkan nilai koefisien setiap Basis Function dengan menggunakan OLS (Ordinary Least Square) dari software MARS. Setelah melalui proses tersebut maka model terbaik yang diperoleh sebagai berikut: O = 42,917 – 3,148r¶ + 3,793r¶ – 0,073r¶
(4.1)
dengan :
r¶ = B − 70.850
BF = 70.850 − B
Skripsi
Nugraha, Yudhistira Wahyu Permodelan Angka Kematin Bayi Di Jawa Timur Dengan Pendekatan Multivariate....
ADLN - Perpustakaan Universitas Airlangga
28
r¶ = 480.171 − B Pada persamaan (4.1) didapatkan 3 fungsi basis tanpa interaksi pada yang masuk dalam model. Interpretasi untuk masing-masing fungsi basis akan dijelaskan sebagai berikut : 1. r¶ = B – 70,850
=|
B – 70,850, B > 70,850b 0, ~M,..3M
Nilai koefisien r¶ akan bermakna jika nilai B jika nilai B
lebih besar dari 70,850, tetapi
kurang dari 70,850 maka nilai koefisien r¶ tidak akan bermakna
karena r¶ bernilai 0. Dengan kata lain bisa diartikan bahwa Angka Kematian
Bayi (Y) akan menurun jika nilai IPM (B ) lebih besar dari 70,850. 2. BF = 70,850 − B
=|
70,850 − B
Nilai koefisien r¶ akan bermakna jika nilai B
jika nilai
B
, B < 70,850b 0, lainnya
lebih kecil dari 70,850, tetapi
lebih besar dari 70,850 maka nilai koefisien r¶ tidak akan
bermakna karena r¶ bernilai 0. Dengan kata lain bisa diartikan bahwa Angka
Kematian Bayi (Y) akan meningkat jika nilai IPM (B ) lebih kecil dari 70,850. 3. r¶ = 480,171 − B
=|
480,171 − B , B < 480,171b 0, ~M,..3M
Nilai koefisien r¶ akan bermakna jika nilai B lebih kecil dari 480,171, tetapi
jika nilai
B lebih besar dari 480,171 maka nilai koefisien r¶ tidak akan
bermakna karena r¶ bernilai 0. Dengan kata lain bisa diartikan bahwa Angka
Skripsi
Nugraha, Yudhistira Wahyu Permodelan Angka Kematin Bayi Di Jawa Timur Dengan Pendekatan Multivariate....
ADLN - Perpustakaan Universitas Airlangga
29
Kematian Bayi (Y) akan menurun jika nilai rata-rata pengeluaran rumah tangga perbulan (B ) lebih kecil dari 480,171. 4.4. Mendapatkan variabel yang berpengaruh. Dari pemilihan model yang terbaik dengan GCV yang paling kecil maka didapatkan model final (4.1) terlihat bahwa variabel prediktor yang masuk kedalam model sebanyak 2 buah, yaitu : rata-rata pengeluaran rumah tangga perbulan (X9) dan Indeks Pembangunan Manusia (X10). Dapat dilihat pula pada Lampira 3 – 2 nilai P – value yang dimiliki kedua variabel tersebut sudah kurang
dari nilai ½ = 5%. Jadi dapat dilihat variabel yang berpengaruh kepada Angka
Kematian Bayi adalah kedua variabel tersebut.
Skripsi
Nugraha, Yudhistira Wahyu Permodelan Angka Kematin Bayi Di Jawa Timur Dengan Pendekatan Multivariate....
