Penerapan Regresi Linear Terhadap Tingkat Perceraian Di Jawa Tengah Menggunakan Bahasa Python

Syarifatul Muhajannah, Angelo Risang Kadisi, Nur Wakhidah

Abstract


Penelitian ini dilakukan untuk mengidentifikasi pola trend hubungan antara jumlah pernikahan dengan tingkat perceraian yang terjadi di 35 kabupaten/kota di Provinsi Jawa Tengah. Metode yang digunakan adalah regresi linier sederhana, dengan data utama yang bersumber dari Badan Pusat Statistik (BPS) Jawa Tengah pada tahun 2023. Dalam proses analisis, penelitian ini memanfaatkan bahasa pemrograman Python karena berbagai keunggulan yang dimilikinya. Python tidak hanya menawarkan sintaks yang sederhana dan mudah dipahami, tetapi juga memiliki berbagai pustaka yang sangat mendukung analisis data, seperti Pandas untuk pengolahan data, Scikit-learn untuk membangun model prediktif, dan Matplotlib untuk visualisasi data. Kemampuannya dalam mengelola data dalam jumlah besar secara efisien membuat Python sangat cocok untuk analisis yang memerlukan kecepatan dan akurasi tinggi. Model regresi linier sederhana yang diterapkan dalam penelitian ini menunjukkan hasil yang cukup signifikan. Nilai R-squared mencapai 87,74%, yang berarti bahwa sebanyak 87,74% variasi tingkat perceraian dapat dijelaskan oleh jumlah pernikahan di kabupaten/kota yang dianalisis. Di sisi lain, nilai Mean Squared Error (MSE) sebesar 79.745,23 menunjukkan tingkat kesalahan prediksi yang berada dalam batas yang dapat diterima. Model ini juga mengungkapkan bahwa setiap peningkatan satu pernikahan rata-rata akan berhubungan dengan kenaikan sebesar 0,3486 pada tingkat perceraian. Beberapa hasil prediksi tingkat perceraian di kabupaten/kota tertentu berdasarkan jumlah pernikahan menghasilkan angka seperti 2.281,39; 3.501,47; 1.518,09; 1.455,32; 1.264,24; 2.240,59; dan 3.046,43 kasus. Hasil prediksi ini menggambarkan estimasi tingkat perceraian yang dihasilkan oleh model di wilayah-wilayah tersebut. Analisis ini memperlihatkan adanya korelasi positif antara jumlah pernikahan dan tingkat perceraian, di mana wilayah dengan jumlah pernikahan yang lebih tinggi cenderung memiliki tingkat perceraian yang juga lebih tinggi. Penemuan ini memberikan bukti empiris yang memperkuat adanya hubungan linier yang signifikan antara kedua variabel tersebut. Dengan demikian, penelitian ini diharapkan dapat menjadi pijakan ilmiah dalam perumusan kebijakan yang lebih efektif. Melalui pendekatan berbasis data ini, intervensi yang dirancang untuk mengurangi angka perceraian di masa depan dapat dilakukan secara lebih terarah dan strategis

Full Text:

PDF

References


Nur’eni and L. Handayani, “Regresi probit untuk analisis variabel-variabel yang mempengaruhi perceraian di sulawesi tengah,” pp. 13–22, 2016.

U. D. Rahayu, N. L. Chusna, and M. Fachri, “ANALISIS KASUS PERCERAIAN PADA PENGADILAN NEGERI BEKASI MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING,” vol. 6, no. 1, pp. 165–172, 2022.

Windarman, Sapri, and E. Suryana, “Implementation of the Naïve Bayes Algorithm for Divorce Prediction at the Tais Religious Court Implementasi Algoritma Naïve Bayes Untuk Prediksi Perceraian Pada Pengadilan Agama Tais,” vol. 2, no. 2, pp. 501–510, 2022.

E. Purwaningsih and E. Nurelasari, “Implementasi Metode K-Means Clustering Dengan Davies Bouldin Index Pada Analisis Faktor Penyebab Perceraian,” vol. 7, no. 2, pp. 134–143, 2023.

M. A. Rizaty, “Ada 516.344 Kasus Perceraian di Indonesia pada 2022,” dataindonesia.id, 2023.

https://dataindonesia.id/varia/detail/ada-516344-kasus-perceraian-di-indonesia-pada-2022 (accessed Dec. 08, 2024).

N. Januari, “MENGGALI AKAR MASALAH : Analisis Kasus Perceraian di Indonesia,” vol. 3, no. 3, pp. 120–130, 2023.

Jateng.bps.go.id, “Jumlah Pernikahan dan Perceraian Menurut Kabupaten/Kota di Provinsi Jawa Tengah, 2020-2023,” jateng.bps.go.id, 2024. https://jateng.bps.go.id/id/statistics-table/2/NDk5IzI=/jumlah-pernikahan-dan-perceraian-menurut-kabupaten-kota-di-provinsi-jawa-tengah.html (accessed Dec. 08, 2024).

A. Wang, A. Zhang, E. H. W. Chan, W. Shi, and X. Zhou, “A Review of Human Mobility Research Based on Big Data and Its Implication for Smart City Development,” 2021.

M. Amien, “Workshop Pengenalan Bahasa Pemrograman Python untuk Data Sains,” pp. 39–42, 2024.

S. Raschka, J. Patterson, and C. Nolet, “Machine Learning in Python : Main Developments and Technology Trends in Data Science , Machine Learning , and Artificial Intelligence,” 2020, doi: 10.3390/info11040193.

W. Mckinney, Python for Data Analysis, 2nd Editio. United States of America: O’Reilly Media, 2018.

R. A. Samosir, M. F. Rozy, and A. P. Windarto, “Penerapan Algoritma Regresi Linier Berganda dalam Mengestimasi Jumlah Perceraian di Pengadilan Agama Simalungun,” vol. 2, no. 1, pp. 16–20, 2021.

M. arif abdul & Syukur and M. Faisal, “Penerapan Model Regresi Linear Untuk Estimasi Mobil Bekas Menggunakan Bahasa Python,” vol. 11, no. 2, pp. 182–191, 2023.

N. N. Aulia, “ANALISA HASIL PREDIKSI MINYAK SAYUR DENGAN REGRESI LINIER DARI MACHINE LEARNING PYTHON DAN R (STUDI KASUS: DATA KAGGLE),” pp. 6–21, 2021.

M. Sholeh, Suraya, and D. Andayati, “Machine Linear untuk Analisis Regresi Linier Biaya Asuransi Kesehatan dengan Menggunakan Python Jupyter Notebook,” vol. 8, no. 1, pp. 20–27, 2022.

Anjeliyani, F. Fatimah, and M. Casmat, “PEMODELAN REGRESI LINEAR UNTUK MEMPREDIKSI NILAI PENJUALAN DI PT GOODIEBAG CUSTOM INDONEIA TANPA MEMPERTIMBANGKAN UJI ASUMSI,” vol. 5, no. September, pp. 1–13, 2024.

N. Suhandi, E. Ayu, K. Putri, and S. Agnisa, “Analisis Pengaruh Jumlah Penduduk terhadap Jumlah Kemiskinan Menggunakan Metode Regresi Linear di Kota Palembang,” vol. 09, no. 2, pp. 77–82, 2018.

A. Andiati and S. O. R, “Analisis Kualitas Dan Kepuasan Pengguna Website Istyle.id Dengan Metode Webqual 4.0,” vol. 16, no. 2, pp. 111–123, 2023.

B. Ardianto, M. T. W. Pangesti, and N. Wakhidah, “Analisis Pengaruh Populasi dan Angkatan Kerja Terhadap Pengangguran di Kabupaten Demak Dengan Regresi Linear Berganda,” pp. 1–9.

M. F. Arfa, M. R. Al Fathan, H. B. Lumbantobing, and Rahmaddeni, “Cryptocurrency Price Prediction with Linear Regression Method Prediksi Harga Cryptocurrency dengan Metode Linier Regresi,” pp. 8–15, 2023.

V. Senggetang, Silvya L. Mandey, and S. Moniharapon, “PENGARUH LOKASI, PROMOSI DAN PERSEPSI HARGA TERHADAP KEPUTUSAN PEMBELIAN KONSUMEN PADA PERUMAHAN KAWANUA EMERALD CITY MANADO,” vol. 7, no. 1, 2019.

.




DOI: https://doi.org/10.33365/jtk.v19i2.4936

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Syarifatul Muhajannah, Angelo Risang Kadisi, Nur Wakhidah

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi Akuntansi - Universitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E  : teknokompak@teknokrat.ac.id.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jumlah Pengunjung : View Tekno Kompak StatsCounter

Flag Counter