LAPORAN PENELITIAN

METODE REGRESI

MODUL I

ANALISIS PENGARUH PENGGUNAAN KONTRASEPSI

PADA PASANGAN USIA SUBUR TERHADAP ANGKA
KELAHIRAN TOTAL DI INDONESIA MENGGUNAKAN
METODE ANALISIS REGRESI LINIER SEDERHANA

Oleh:
Divya Ayu Delivianty 2043211034
Ni Lu Eva Pradnyaningsih 2043211106

Asisten Dosen
Chafidhotul Itsmi

Dosen :
Iis Dewi Ratih, S. Si, M. Si.
Mukti R Dewi, S. Si, M.Sc.

Program Studi Sarjana Terapan

Departemen Statistika Bisnis
Fakultas Vokasi
Institut Teknologi Sepuluh Nopember
Surabaya
2023
 ii

ABSTRAK
Penggunaan kontrasepsi merupakan salah satu tolak ukur untuk
keberhasilan program keluarga berencana. Himbauan dari pemerintah
tersebut berdampak juga kemungkinan terhadap terhambatnya akses
untuk mendapatkan pelayanan KB. Terhambatnya pelayanan KB akan
menyebabkan penurunan penggunaan kontrasepsi, yang akhirnya akan
berdampak pada angka kelahiran yang tidak terkendali. Di samping
itu, program ini diharapkan dapat menurunkan angka kematian ibu
dan bayi karena kehamilan yang tidak diinginkan atau jarak kelahiran
terlalu dekat. Maka dari itu, praktikum kali ini ingin mencari tahu
apakah terdapat korelasi dan regresi antara penggunaan kontrasepsi
pada pasangan usia subur terhadap angka kelahiran total
menggunakan metode regresi linear sederhana. Data penggunaan
kontrasepsi pada pasangan usia subur dan angka kelahiran total
didapatkan dari website resmi Badan Pusat Statistik kemudian
dianalisa karakteristik datanya secara visual dengan boxplot, lalu
dicari hubungan kedua variabel dengan menggunakan uji korelasi
menggunakan scatterplot. Setelah itu, dilakukan uji analisis regresi
linear sederhana menggunakan uji serentak, uji parsial dan kenaikan
model serta pemeriksaan asumsi residual IIDN dan diinterpretasikan..
Kata Kunci : Korelasi, Regresi, Asumsi IIDN, Penggunaan Kontrasepsi,
Angka Kelahiran Total
 iii

DAFTAR ISI
Halama

n
ABSTRAK..............................................................................................................ii
DAFTAR ISI.........................................................................................................iii
DAFTAR TABEL................................................................................................vii
DAFTAR GAMBAR............................................................................................vii
DAFTAR LAMPIRAN........................................................................................vii
BAB 1. PENDAHULUAN
1.1 Latar Belakang.........................................................................................1
1.2 Rumusan Masalah...................................................................................2
1.3 Tujuan Praktikum....................................................................................2
1.4 Manfaat Praktikum..................................................................................3
1.5 Batasan Masalah......................................................................................3
BAB 2. LANDASAN TEORI
2.1 Statistika Deskriptif.................................................................................3
2.1.1 Mean...............................................................................................3
2.1.2 Median...........................................................................................4
2.1.3 Boxplot...........................................................................................4
2.2 Uji Korelasi.............................................................................................5
2.2.1 Scatterplot......................................................................................5
2.2.2 Koefisien Korelasi..........................................................................6
2.3 Regresi Linear Sederhana........................................................................7
2.3.1 Uji Serentak....................................................................................7
2.3.2 Uji Parsial.......................................................................................8
2.3.3 Uji Kebaikan Model.......................................................................9
2.4 Asumsi Residual IIDN............................................................................9
2.4.1 Asumsi Residual Identik................................................................9
2.4.2 Asumsi Residual Independen.........................................................9
2.4.3 Asumsi Residual Berdistribusi Normal..........................................9
2.5 Contraceptive Prevelance Rate..............................................................10
2.6 Angka Kelahiran Total..........................................................................10
 iii

BAB 3. METODOLOGI RISET

3.1 Sumber Data..........................................................................................10
3.2 Variabel Penelitian................................................................................10
3.3 Langkah Analisis...................................................................................10
3.4 Diagram Alir..........................................................................................11
DAFTAR PUSTAKA
LAMPIRAN
 vi

DAFTAR TABEL
Halaman
Tabel 3.1 Variabel Penelitian 10

DAFTAR GAMBAR
Halaman
Gambar 2.1 Boxplot 5
Gambar 2.2 Scatterplot 6
Gambar 3.1 Diagram Alir 12

DAFTAR LAMPIRAN
Halaman
Lampiran 1. Biodata Kelompok Peneliti..............................................................14
Lampiran 2. Pembagian Tugas.............................................................................14
 1

BAB 1. PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan salah satu negara dengan jumlah penduduk terbanyak
di dunia, menempati urutan keempat setelah China, India dan Amerika Serikat
dengan jumlah penduduk sebesar 275.122.131 jiwa. Hal tersebut dapat
menyebabkan tingginya angka kemiskinan dan kelaparan, kurang gizi pada balita,
serta kematian ibu dan anak (Prijatni, 2016). Keluarga berencana (KB) merupakan
sebuah solusi untuk mengatasi permasalahan tersebut. Pasangan usia subur adalah
sasaran langsung dari program KB dengan tujuan untuk menurunkan tingkat
kelahiran dengan cara penggunaan kontrasepsi secara berkelanjutan. Penggunaan
kontrasepsi merupakan salah satu tolak ukur untuk keberhasilan program keluarga
berencana. Terhambatnya pelayanan KB akan menyebabkan penurunan
penggunaan kontrasepsi, yang akhirnya akan berdampak pada angka kelahiran
yang tidak terkendali. Penggunaan kontrasepsi ditujukan mengendalikan
pertambahan jumlah penduduk, membatasi angka kelahiran, dan mengatur jarak
kelahiran. Hal itu dilakukan agar tercipta keluarga yang sehat dan sejahtera. Di
samping itu, program ini diharapkan dapat menurunkan angka kematian ibu dan
bayi karena kehamilan yang tidak diinginkan atau jarak kelahiran terlalu dekat.
Maka dari itu, praktikum kali ini ingin mencari tahu apakah terdapat korelasi dan
regresi antara penggunaan kontrasepsi pada pasangan usia subur terhadap angka
kelahiran total menggunakan metode regresi linear sederhana.
Regresi linier merupakan metode statistik yang berfungsi untuk menguji
sejauh mana hubungan sebab-akibat antara variabel faktor penyebab (x) terhadap
variabel akibatnya. Faktor penyebab pada umumnya dilambangkan dengan X
sedangkan variabel akibat dilambangkan dengan Y (Ginting, et al., 2019). Uji
korelasi untuk mengetahui apakah memiliki hubungan atau tidak diantara dua
variabel tersebut, lalu dilanjut menghitung estimasi paramater dalan regresi linear
sederhana dengan melakukan uji serentak, akan dilanjutkan dengan uji parsial
apabila dalam uji serentak keputusannya tolak H0. Setelah itu, mengalanisa
karakteristik data menggunakan boxplot dan pemeriksaan asumsi residual IIDN.
 2

Pengujian yang akan dilakukan dalam penelitian ini adalah penggunaan

kontrasepsi pada pasangan usia subur terhadap angka kelahiran total. Penggunaan
kontrasepsi pada pasangan usia subur sebagai variabel prediktor dan angka
kelahiran total sebagai variabel respon. Data penggunaan kontrasepsi pada
pasangan usia subur dan angka kelahiran total didapatkan dari website resmi
Badan Pusat Statistik kemudian dianalisa karakteristik datanya secara visual
dengan boxplot, lalu dicari hubungan kedua variabel dengan menggunakan uji
korelasi menggunakan scatterplot. Setelah itu, dilakukan uji analisis regresi linear
sederhana menggunakan uji serentak, uji parsial dan kenaikan model serta
pemeriksaan asumsi residual IIDN dan diinterpretasikan.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan, dapat dirumuskan masalah
dalam praktikum adalah sebagai berikut.
1. Bagaimana karakteristik angka penggunaan kontrasepsi pada pasangan usia
subur dan angka kelahiran total berdasarkan provinsi di Indonesia ?
2. Bagaimana uji korelasi data angka penggunaan kontrasepsi pada pasangan
usia subur dan angka kelahiran total berdasarkan provinsi di Indonesia ?
3. Bagaimana uji regresi linear sederhana data angka penggunaan kontrasepsi
pada pasangan usia subur dan angka kelahiran total berdasarkan provinsi di
Indonesia ?
4. Bagaimana pemeriksaan asumsi residual IIDN (identik, independen, dan
berdistribusi normal) dari data angka penggunaan kontrasepsi pada
pasangan usia subur dan angka kelahiran total berdasarkan provinsi di
Indonesia ?

1.3 Tujuan Praktikum

Perumusan masalah di atas menghasilkan tujuan yang akan dicapai dalam
praktikum ini, yaitu sebagai berikut
1. Mengetahui karakteristik angka penggunaan kontrasepsi pada pasangan usia
subur dan angka kelahiran total berdasarkan provinsi di Indonesia.
2. Mengetahui uji korelasi data angka penggunaan kontrasepsi pada pasangan
usia subur dan angka kelahiran total berdasarkan provinsi di Indonesia.
 3

3. Mengetahui uji regresi linear sederhana data angka penggunaan kontrasepsi

pada pasangan usia subur dan angka kelahiran total berdasarkan provinsi di
Indonesia.
4. Mengetahui pemeriksaan asumsi residual IIDN (identik, independen, dan
berdistribusi normal) dari data angka penggunaan kontrasepsi pada
pasangan usia subur dan angka kelahiran total berdasarkan provinsi di
Indonesia.

1.4 Manfaat Praktikum

Adapun manfaat dari praktikum kali ini yaitu bagi penulis, dapat
mengetahui karakteristik data pengujian korelasi, uji regresi linear sederhana dan
asumsi residual IIDN data penggunaan kontrasepsi pada pasangan usia subur
terhadap angka kelahiran total di Indonesia. Manfaat bagi pembaca, dapat
memahami konsep regresi liniear sederhana dan dapat menerapkan pada keadaan
yang ada disekitarnya.

1.5 Batasan Masalah

Batasan Masalah dalam praktikum ini adalah dengan menggunakan data
angka prevalensi penggunaan metode kontrasepsi pada pasangan usia subur dan
angka kelahiran total berdasarkan provinsi di Indonesia.

BAB 2. LANDASAN TEORI

2.1 Statistika Deskriptif

Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna. Dalam statistika deskriptif ini hanya menyajikan data dalam bentuk
gambar, tabel, grafik, atau lainnya dan tidak digunakan untuk mengambil
kesimpulan (WALPOLE, 1992).

2.1.1Mean
Rata-rata disebut juga mean dengan lambang x̅ (dibaca x bar). Rata rata
(Mean) adalah jumlah seluruh nilai data suatu kelompok sampel kemudian dibagi
dengan jumlah sampel tersebut (Sudjana, 2005)
Rumus rata-rata (mean) adalah sebagai berikut.
 4

n
∑ xi. fi
x= i=1
∑ fi
(2.1)
x̅ = Nilai rata-rata data populasi
xi = Nilai tengah kelas ke-i
n = Banyak seluruh data

fi = Frekuensi kelompok data ke-i

2.1.2Median
Median adalah suatu nilai yang membagi data menjadi dua bagian yang
sama banyaknya setelah data tersebut diurutkan dari yang terkecil sampai yang
terbesar (Sudjana, 2005).
Rumus data tunggal yang ditunjukkan pada persamaan 2.2

{
x n +1
, jika n ganjil
2
Me = Xn Xn
+( +1)
2 2
, jikan genap
2

(2.2)
Rumus data kelompok ditunjukkan pada persamaan 2.3.
n
−fkii
Me = Tbi + ( 2 )p (2.3)
fi
Keterangan :
Me = Median
Tbi = Tepi bawah median
n = Jumlah data
fki = Frekuensi kumulatif sebelum kelas median
fi= Frekuensi data pada kelas median
p = Panjang interval kelas

2.1.3Boxplot
 5

Boxplot merupakan salah satu bagian dari metode Statistical Approaches

dalam deteksi outlier. Boxplot merupakan alat analisis data yang digunakan untuk
menampilkan dan menyimpulkan data. Boxplot membantu dalam menampilkan
lokasi, penyebaran, dan bentuk distribusi data (skewness), dan nilai-nilai yang
tidak biasa (unusual) atau outlie. Berikut merupakan contoh dari boxplot.
(Dovoedo, 2011)

Gambar 2.1 Boxplot

2.2 Uji Korelasi
Uji korelasi digunakan untuk mengetahui ada atau tidak adanya
kecenderungan hubungan antara dua variabel atau lebih. Dalam menggunakan
teknik analisis korelasi, paling sedikit harus ada dua variabel yang dikorelasikan.
Variabel-variabel yang dianalisis hubungannya adalah variabel tergantung
(dependent variable) dengan variabel-variabel bebas (independent variable)
Berdasarkan jumlah variabel yang dikorelasikan, dibedakan menjadi korelasi dua
variabel (bivariat) dan korelasi ganda (multi variat). Yang perlu ditegaskan dalam
melakukan analisis korelasional ini ialah bahwa variabel-variabel yang akan
dikorelasikan harus mempunyai landasan teori atau kerangka teori (Drs. Setyo
Budiwanto, 2017).
Berikut adalah rumus untuk menghitung nilai korelasi.
n .(∑ XY )−(∑ X).(∑ Y )
r= (2.4)
√ {n . ∑ X 2 −¿ ¿ ¿
Keterangan : n = banyaknya data
X = variabel prediktor
 6

Y = variabel respon

2.2.1 Scatterplot
Scatterplot adalah grafik yang menampilkan sepasang data numeric pada
sistem koordinat Cartesian, dengan satu variabel pada masing-masing sumbu,
dengan tujuan menunjukan hubungan antara dua pengukuran variabel. Jika terjadi
korelasi antara kedua variabel tersebut, titik koordinasi jatuh di sepanjang garis
atau kurva. Semakin baik korelasi, maka semakin ketat titik-titik tersebut
mendekati garis (Drs. Setyo Budiwanto, 2017).

Gambar 2.2 Scatterplot

2.2.2 Koefisien Korelasi
Koefisien korelasi yang menunjukkan besarnya hubungan antar variable.
Hubungan antara variable-variabel yang dikorelasikan tersebut tidak
mempermasalahkan apakah ada hubungan sebab akibat atau tidak ada hubungan
sebab akibat (Drs. Setyo Budiwanto, 2017). Nilai koefesien korelasi berada di
antara −1<0<1 yaitu apabila r =−1 korelasi negatif sempurna, artinya taraf
signifikansi dari pengaruh variabel X terhadap variabel Y sangat lemah dan
apabila r =1 korelasi positif sempurna, artinya taraf signifikansi dari pengaruh
variabel X terhadap variabel Y sangat kuat. Jika koefisien korelasi menunjukkan
angka 0, maka tidak terdapat hubungan antara dua variabel yang dikaji (Sudjana,
2005).
Rumus koefisien korelasi sebagai berikut.

(2.5)
Keterangan :
 7

n = banyaknya data
X = variabel prediktor
Y = variabel respon

2.3 Regresi Linear Sederhana

Regresi linear sederhana adalah analisis regresi yang melibatkan hubungan
antara satu variabel tak bebas dihubungkan dengan satu variabel bebas. Regresi
linier juga merupakan metode statistik yang berfungsi untuk menguji sejauh mana
hubungan sebab-akibat antara variabel faktor penyebab (x) terhadap variabel
akibatnya. Faktor penyebab pada umumnya dilambangkan dengan X sedangkan
variabel akibat dilambangkan dengan Y (Ginting, et al., 2019).
Persamaan umum metode regresi linier sederhana dalam penelitian ini adalah
Y =a+bx (2.6)
Keterangan :
a = Konstanta
b = Koefisien Regresi
X = Variabel bebas
Y = Variabel Terikat
Menentukan koefisien persamaan a dan b dapat dengan melalui rumus berikut.
b=n ∑ xy – ¿ ¿ ¿ (2.7)
a= y−b x
(2.8)
Pengujian koefisien regresi adalah sebagai berikut.
bi
t= (2.9)
S bi
S y−x
Sb = (2.10)
√ ∑ X −¿ ¿ ¿ ¿ ¿
2

√ √
2
SSE ( y− ^y )
S y− x = (2.11)
n−1−k n

2.3.1Uji Serentak
 8

Uji serentak (uji f) yaitu uji untuk melihat bagaimanakah pengaruh semua
variabel bebasnya secara bersama-sama terhadap variabel terikatnya. Atau untuk
menguji apakah model regresi yang kita buat baik/signifikan atau tidak baik/ non
signifikan (Susianti Andi, 2018).
Hipotesis :
H 0 : β 1=0 (variabel prediktor tidak memberikan pengaruh signifikan terhadap
variabel respon)
H 0 : β 1 ≠ 0 (variabel prediktor memberikan pengaruh signifikan terhadap variabel
respon)
Daerah Kritis : Tolak H0 jika Fhitung > dari Ftab(a;dbr;dbg) atau P-value < 0.05
Statistik Uji :
MSR
F= (2.12)
MSE
Keterangan :
MSR = Kuadrat tengah regresi
MSE = Kuadrat tengah eror/galat

2.3.2Uji Parsial
Uji parsial (uji t) yaitu untuk menguji bagaimana pengaruh masing-masing
variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya.yang
dianggap konstan (Susianti Andi, 2018).
Hipotesis :
H 0 : β 0=0 (Intersep tidak berpengaruh signifikan terhadap variabel respon)
H 1 : β0 ≠ 0(Intersep berpengaruh signifikan terhadap variabel respon)
H 0 : β 1=0 (variabel prediktor tidak memberikan pengaruh signifikan terhadap
variabel respon)
H 0 : β 1 ≠ 0 (variabel prediktor memberikan pengaruh signifikan terhadap variabel
respon)
Taraf signifikan : α
Daerah kritis ; Tolak H0 jika Thitung > dari Ttab(a;dbg) atau P-value < 0.05
Statistik uji :
 9

βi
Thit= (2.13)
SE ¿ ¿

√
SE ( β 0 )= MSE
∑ xi
2
n( ∑ xi −n x 2)
(2.14)

√∑
MSE
SE ( β1 ) = 2 (2.15)
2
xi −n x
Keterangan :
^β i= Estimator, i = 1,2

2.3.3Uji Kebaikan Model

Uji kebaikan model atau Koefisien determinasi pada regresi linear sering
diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam
menjelaskan varians dari variabel terikatnya. Secara sederhana koefisien
determinasi dihitung dengan mengkuadratkan koefisien korelasi (R). Nilai
koefisien determinasi (R Square) dapat dipakai untuk memprediksi seberapa besar
konstribusi pengaruh variabel bebas (X) terhadap variabel terikat (Y) dengan
syarat hasil uji F dalam analisis regresi bernilai signifikan (Susianti Andi, 2018).
Perhitungan koefisien determinasi didapatkan dalam rumus berikut.

2
R =1−
SS Error
=1−
∑ ( y i− ^y i )
2

(2.16)
SS Total ∑ ( y i− y i )2
Keterangan:

= observasi respon ke-i

= rata-rata

= ramalan respon ke-i

2.4 Asumsi Residual IIDN

Pemeriksaan asumsi residual IIDN dapat digunakan untuk mengetahui data
yang dihasilkann setelah melakukan percobaan sudah memenuhi ketiga asumsi
IIDN (Montgomery, 2009) . Hal ini dijelaskan sebagai berikut.

2.4.1Asumsi Residual Identik

 10

Suatu data dikatakan identik apabila plot residualnya menyebar secara acak
dan tidak membentuk suatu pola tertentu dan pemeriksaan asumsi residual identik
dapat dilihat secara visual versus fits. (Montgomery, 2009)

2.4.2Asumsi Residual Independen

Suatu data dikatakan idependen apabila plot residualnya menyebar secara
acak dan tidak membentuk suatu pola tertentu dan pemeriksaan asumsi residual
idependen dapat dilihat secara visual versus order. (Montgomery, 2009)

2.4.3Asumsi Residual Berdistribusi Normal

Suatu data dikatakan berdistribusi normal apabila plot residualnya
cenderung mengikuti garis linear dan pemeriksaan asumsi residual berdistribusi
normal dapat dilihat secara visual normal probality plot. (Montgomery, 2009)

2.5 Contraceptive Prevelance Rate

CPR adalah persentase penggunaan alat/cara KB oleh pasangan usia subur
(PUS) yaitu WUS (umur 15-49 tahun) berstatus menikah atau hidup bersama
(Yogyakarta, 2019).

2.6 Angka Kelahiran Total

Angka kelahiran total adalah banyaknya anak yang diperkirakan/dilahirkan
oleh wanita selama masa reproduksi dengan anggapan bahwa perilaku
kelahirannya mengikuti pola kelahiran tertentu (BPS, 2019).

BAB 3. METODOLOGI RISET

3.1 Sumber Data

Data yang digunakan dalam praktikum ini adalah data sekunder yang
diperoleh dari website Badan Pusat Statistika pada hari Jumat, 17 Februari 2023
pukul 12.00 WIB di Surabaya.

3.2 Variabel Penelitian

Variabel penelitian pada praktikum in ditunjukkan pada Tabel 3.1
Tabel 3.1 Variabel Penelitian
Variabel Keterangan Skala Satuan
X Angka Prevalensi Penggunaan Metode Kontrasepsi Pada Rasio Persen
Pasangan Usia Subur Berdasarkan Provinsi di Indonesia
 11

tahun 2017
Angka Kelahiran Total Berdasarkan Provinsi di Indonesia
Y Rasio Persen
tahun 2017
3.3 Langkah Analisis
Langkah analisis yang dilakukan dalam praktikum ini adalah sebagai
berikut.
1. Mengumpulkan data angka prevalensi penggunaan metode kontrasepsi pada
pasangan usia subur dan angka kelahiran total berdasarkan provinsi di
Indonesia tahun 2017.
2. Mendeskripsikan karakteristik data angka prevalensi penggunaan metode
kontrasepsi pada pasangan usia subur dan angka kelahiran total berdasarkan

provinsi di Indonesia tahun 2017 menggunakan Boxplot.

3. Melakukan uji korelasi secara visual dengan scatterplot dan koefisien

regresi terhadap data angka prevalensi penggunaan metode kontrasepsi pada
pasangan usia subur dan angka kelahiran total berdasarkan provinsi di
Indonesia tahun 2017.
4. Menganalisis dan menguji model regresi linear sederhana dari data angka
prevalensi penggunaan metode kontrasepsi pada pasangan usia subur dan
angka kelahiran total berdasarkan provinsi di Indonesia tahun 2017.
5. Melakukan pemeriksaan asumsi residual pada data angka prevalensi
penggunaan metode kontrasepsi pada pasangan usia subur dan angka
kelahiran total berdasarkan provinsi di Indonesia tahun 2017.
6. Menginterpretasikan hasil analisis.
7. Menarik kesimpulan dan saran.

3.4 Diagram Alir

Berdasarkan langkah analisis pada 3.3 di atas, maka diagram alir yang
digunakan pada praktikum ini adalah sebagai berikut

Mulai

Mengumpulkan Data

Karakteristik Data
 12

Uji Korelasi

A
A

Analisis Regresi Linear

Uji Serentak

Uji Parsial

Pemeriksaan Asumsi Residual IIDN

Kesimpulan dan Saran

Selesai

Gambar 3.1 Diagram Alir

 13

DAFTAR PUSTAKA
Dovoedo, 2011. Outlier detection for multivariate skew-normal data: a
comparative study. Journal of Statistical Computation and Simulation, pp. 773-
778.
Drs. Setyo Budiwanto, M., 2017. Metode Statistika Untuk Mengolah Data
Keolahragaan. Malang: Fakultas Ilmu Keolahragaan Universitas Negeri Malang.
Fransiskus Ginting, E. B. E. R. S., 2019. Implementasi Algoritma Regresi
Linear Sederhana dalam Memprediksi Besaran Pendapatan Daerah. pp. 274-279.
Montgomery, D. C., 2009. Design and Analysis of Experiments. New York:
s.n.
Prijatni, S. R. d. I., 2016. Kesehatan Reproduksi dan Keluarga Berencana.
Sudjana, 2005. Metoda Statistika. Bandung: s.n.
Susianti Andi, J. A., 2018. Pengaruh Kompensasi dan Lingkungan Kerja
Terhadap Produktivitas Kerja Karyawan pada SNVT Pelaksanaan Jaringan
Pemanfaatan Air Pompengan Jeneberang.
WALPOLE, R. E., 1992. Pengantar Statistika: Edisi ke 3. s.l.:Jakarta PT
Gramedia Pustaka Utama.
Yogyakarta, B. P. S. D. I., 2019. Contraceptive Prevalence Rate (CPR).
[Online].
14
 15

LAMPIRAN
Lampiran 1. Biodata Kelompok Peneliti
Peneliti 1
1 Nama Lengkap Divya Ayu Delivianty
2 NRP 2043211034
3 Alamat Email ayudelivianty@gmail.com
4 No. Telepon / HP 082120373472

Peneliti 2
1 Nama Lengkap
2 NRP
3 Alamat Email
4 No. Telepon / HP
Ni Luh Eva Pradnyaningsih
2043211106
evapradnyaningsih44@gmail.com
085847670532

Lampiran 2. Pembagian Tugas

Pembagian Tugas
No
Nama Peneliti NRP Uraian Tugas
.
Mengerjakan
1. Divya Ayu Delivianty 2043211034 abstrak, bab 1 dan
bab 2, daftar isi.
Mengerjakan
2. Ni Luh Eva Pradnyaningsih 2043211106 bab3, bab 4 , bab
5 dan lampiran.