Pemodelan Faktor-Faktor yang Mempengaruhi Total Fertility Rate di Indonesia Menggunakan Regresi Nonparametrik Spline Truncated

Total Fertility Rate (TFR) adalah jumlah kelahiran hidup laki-laki dan perempuan tiap 1000 perempuan yang hidup hingga akhir masa reproduksi atau selama masa suburnya. TFR Indonesia pada tahun 2017 sebesar 2,4 yang mana angka tersebut belum mencapai TFR yang ditargetkan oleh BKKBN yakni sebesar 2,1. Dalam hal ini, TFR sebesar 2,1 merupakan angka standar capaian ideal bagi seluruh negara yang disebut juga dengan istilah penduduk tumbuh seimbang. TFR yang lebih dari 2,1 maka akan terjadi pertumbuhan penduduk dan kondisi seperti ini apabila tidak diatasi akan menyebabkan pertumbuhan penduduk Indonesia tidak seimbang. Penelitian ini dilakukan untuk mengetahui faktor-faktor yang diduga berpengaruh terhadap TFR di Indonesia menggunakan Regresi Nonparametrik Spline Truncated. Karena pola data faktor-faktor yang diduga berpengaruh pada TFR tidak mengikuti pola data tertentu dan ada perubahan pola pada sub interval tertentu. Variabel yang digunakan yaitu persentase usia kawin pertama wanita < 20 tahun, persentase unmet need KB, persentase Contraceptive Prevalence Rate (CPR), persentase penduduk miskin, dan persentase wanita tamat SMA. Hasil penelitian menunjukkan model terbaik adalah menggunakan kombinasi titik knot (3,2,3,3,3) dan semua variabel yang digunakan dalam penelitian berpengaruh signifikan terhadap TFR di Indonesia. Koefisien determinasi dari model ini adalah sebesar 97,41%. ====================================================================================================== Total Fertility Rate (TFR) is the number of live births of man and woman per 1000 women who live until the end of reproductive period or during their fertile period. Indonesia’s TFR in 2017 is 2,4 which has not yet reached the TFR targeted by BKKBN which is 2,1. In this case, TFR of 2,1 is the ideal standard for all countries, also called the balanced growth population. TFR is more than 2,1, there will be population growth and this conditions if not handled will cause uneven population growth in Indonesia. This research was conducted to determine the factors that are suspected to influence TFR in Indonesia using Nonparametric Spline Truncated Regression. Because the pattern of data factors that are suspected to affect TFR do not follow certain data patterns and there are changes in the pattern at certain sub-intervals. The variables used are the percentage of woman’s first marriage age < 20 years old, percentage of unmet need of family planning, percentage of contraceptive prevalence rate (CPR), percentage of poor population, and percentage of woman graduating from high school. The result showed the best model was to use a combination of knots point (3,2,3,3,3) and all variables used in the research had a significant effect on TFR in Indonesia. The coefficient of determination of this model is 97,41%