Analisis Faktor Yang Mempengaruhi Keputusan Usia Kawin Pertama Pada Wanita Usia 10-49 Tahun Di Jawa Timur Menggunakan Regresi Logistik Ordinal

Masalah kependudukan dapat disebabkan oleh meningkatnya tingkat fertilitas (kelahiran). Pada indikator fertilitas, usia kawin pertama (UKP) wanita dapat digunakan sebagai dasar untuk merancang kebijakan dalam memperlambat pertumbuhan penduduk. Pada wanita usia subur (WUS), akan menyumbang angka fertilitas. Jika semakin muda UKP pada WUS, maka akan semakin panjang masa reproduksi atau semakin banyak kelahiran. UKP dapat dibagi menjadi 3 kategori yaitu Perkawinan anak, remaja, dan dewasa. Klasifikasi respon dalam penelitian ini memiliki bentuk ordinal, maka digunakan analisis Regresi Logistik Ordinal yang merupakan teknik analisis untuk menentukan hubungan antara variabel respon dan variabel prediktor, dimana variabel respon masing-masing kategori memiliki tingkatan. Penelitian ini menggunakan 1.510 data SUSENAS 2022. Hasil penelitian ini menunjukkan bahwa variabel pendidikan WUS, UKP ayah, UKP ibu, status pekerjaan, tempat tinggal, dan status kemiskinan berpengaruh secara signifikan pada Klasifikasi UKP dengan ketepatan klasifikasi sebesar 60% . ==================================================================================================================================== Population problems can be caused by increased fertility rates (births). In terms of fertility indicators, the age at first marriage (UKP) for women can be used as a basis for designing policies to slow down population growth. In women of childbearing age (WUS), it will contribute to fertility rates. If the UKP is younger at WUS, the longer the reproductive period or the more births. UKP can be divided into 3 categories, namely child, youth, and adult marriage. The response classification in this study has an ordinal form, so Ordinal Logistic Regression analysis is used which is an analytical technique to determine the relationship between the response variable and the predictor variable, where the response of each category has a level. This analysis used 1.510 of SUSENAS 2022 data. The results of this study showed that the variables of WUS education, father's UKP, mother's UKP, employment status, residence, and poverty status had a significant effect on UKP classification with a classification accuracy of 60%