Analisis Faktor-Faktor yang Mempengaruhi Jumlah Anak Lahir Hidup dengan Metode Classification and Regression Trees

Sintia Dewi Laksa Hartati, Yayat Karyana

Abstract


Abstract. Children born according to BPS are all children who at birth show signs of life, even for a moment such as heartbeat, crying, breathing and other signs of life. In the 2012 Indonesian Demographic and Health Survey (IDHS) report, the expected total fertility rate is 2 children per woman, which is not in line with the actual fertility rate (ie 2.6 children per woman). Therefore, this study will discuss the factors that influence the number of children born alive in the 2012 IDHS data. The method used is Classification and Regression Trees (CART) with the response variable of the number of children born alive in the form of binary data. As for the predictor variables, namely education level, wealth level, working status, age at first marriage and location of residence. The CART method was developed by Leo Breiman, Jerome H. Friedman, Richard A. Olshen, Stone in 1984 which is a tree-structured classification method. In this study, all independent variables affect the number of children born alive. Respondents with a controlled number of children born alive were respondents who had secondary and higher education levels, very rich wealth levels, did not have formal jobs, with age at first marriage >35 years and resided in urban areas. Respondents with an uncontrolled number of children born alive were respondents with a low level of education, very poor wealth level, having a formal job, having a first marriage age ≤35 years, and residing in a rural area. In this study, the classification of the number of live born children resulted in the classification accuracy of the testing data of 65.19%.

Keywords: number of children born alive, IDHS, Classification and Regression Trees.

Abstrak. Anak lahir hidup menurut BPS yaitu semua anak yang waktu lahir menunjukkan tanda-tanda kehidupan, walau sesaat, seperti adanya detak jantung, menangis, bernafas serta tanda-tanda kehidupan lainnya. Dalam laporan Survei Demografi dan Kesehatan Indonesia (SDKI) tahun 2012, disebutkan angka fertilitas total yang diharapkan sebesar 2 anak per wanita, yang berarti tidak sesuai dengan angka fertilitas sebenarnya (yakni 2,6 anak per wanita). Oleh sebab itu, penelitian ini akan membahas mengenai faktor-faktor yang mempengaruhi jumlah anak lahir hidup pada data SDKI tahun 2012. Metode yang akan digunakan adalah Classification and Regression Trees (CART) dengan variabel respon jumlah anak lahir hidup berbentuk data biner. Sedangkan untuk variabel prediktor yaitu tingkat pendidikan, tingkat kekayaan, status bekerja, umur kawin pertama dan lokasi tempat tinggal. Metode CART mulai dikembangkan oleh Leo Breiman, Jerome H. Friedman, Richard A. Olshen, Stone pada tahun 1984 yang merupakan metode klasifikasi berstruktur pohon. Dalam penelitian ini, semua variabel bebas berpengaruh terhadap jumlah anak lahir hidup. Responden dengan jumlah anak lahir hidup terkontrol terdapat pada responden yang memiliki tingkat pendidikan menengah dan tinggi, tingkat kekayaan sangat kaya, tidak mempunyai pekerjaan formal, dengan umur kawin pertama >35 tahun dan bertempat tinggal di daerah perkotaan. Untuk responden dengan jumlah anak lahir hidup tidak terkontrol terdapat pada responden dengan tingkat pendidikan rendah, tingkat kekayaan sangat miskin, memiliki pekerjaan formal, dengan umur kawin pertama 35 tahun, serta bertempat tinggal di daerah perdesaan. Dalam penelitian ini pula, pengklasifikasian jumlah anak lahir hidup menghasilkan ketepatan klasifikasi pada data testing sebesar 65,19%.

Kata Kunci: jumlah anak lahir hidup, SDKI, Classification and Regression Trees.


Keywords


Jumlah anak lahir hidup, SDKI, Classification and Regression Trees

Full Text:

PDF

References


Badan Pusat Statistik, Badan Kependudukan dan Keluarga Berencana Nasional, Departemen Kesehatan, & Macro International. (2013). Survei Demografi dan Kesehatan Indonesia 2012. Jakarta: Badan Pusat Statistik.

Breiman L., Friedman J.H., Olshen R.A., & Stone C.J. (1984). Classification And Regression Trees. Monterey: Wadsworth and Brooks.

Karyana, Y., Remi, S. S., Yusuf, A. A., & Purnagunawan, M. (2020). Fertilitas Dan Keputusan Menambah Anak Di Indonesia. Dalam Pandemi Covid-19: Saatnya Kaji Ulang Arah Penelitian Dan Pendidikan Kesehatan, ed. Sunardhi Widyaputra dan Cissy B Kartasasmita. Buku I. Unpad Press. Jatinangor.

Prabawati, I.N., Widodo, & Duskarnaen, M. F. (2019). Kinerja Algoritma Classification And Regression Tree (Cart) dalam Mengklasifikasikan Lama Masa Studi Mahasiswa yang Mengikuti Organisasi di Universitas Negeri Jakarta. PINTER : Jurnal Pendidikan Teknik Informatika Dan Komputer, 3(2), 139–145.

Zhang, B., Wei, Z., Ren, J., Cheng, Y., & Zheng, Z. (2018). An Empirical Study on Predicting Blood Pressure Using Classification and Regression Trees. IEEE Access, 6, 21760.

Irawadi Jody Alwin, Sunendiari Siti. (2021). Penerapan dan Perbandingan Tiga Metode Analisis Pohon Keputusan pada Klasifikasi Penderita Kanker Payudara. Jurnal Riset Statistika, 1(1), 19-27.




DOI: http://dx.doi.org/10.29313/.v0i0.28406

Flag Counter