BAB V
FERTILITAS DAN KELUARGA
5.1 Pendahuluan
Fertilitas (fertility) adalah realisasi kelahiran hidup (live births) dalam suatu populasi, terutama pada perempuan usia reproduksi (15–49 tahun). Dalam demografi keluarga, fertilitas tidak hanya dipahami sebagai peristiwa biologis, tetapi sebagai hasil keputusan keluarga yang dipengaruhi norma, struktur rumah tangga, kondisi ekonomi, relasi gender, akses layanan kesehatan reproduksi/KB, dan konteks kebijakan.
Secara makro, penurunan fertilitas berdampak pada: (a) perubahan struktur umur penduduk (proporsi anak menurun), (b) peluang bonus demografi dan transisi menuju penuaan penduduk, serta (c) kebutuhan penyesuaian kebijakan keluarga, kesehatan, pendidikan, dan ketenagakerjaan. BPS melalui Long Form Sensus Penduduk 2020 (pendataan Mei–Juni 2022) menegaskan bahwa fertilitas Indonesia menurun tajam dalam lima dekade dan mendekati replacement level (sekitar 2,1).
5.2 Tingkat Kelahiran dan Perilaku Reproduksi
Tingkat kelahiran menggambarkan intensitas kelahiran di suatu populasi. Namun, untuk memahami fertilitas keluarga, angka agregat harus dibaca bersama perilaku reproduksi, yang mencakup antara lain:
- Usia kawin pertama/usia mulai hidup bersama dan pola pembentukan keluarga.
- Timing kelahiran (jarak kelahiran pertama, jarak antarkelahiran).
- Penggunaan kontrasepsi (metode, kesinambungan pemakaian, kegagalan/putus pakai).
- Preferensi fertilitas (jumlah anak ideal/diinginkan, preferensi jenis kelamin anak, norma keluarga).
- Faktor kesehatan reproduksi (infertilitas, kondisi kesehatan ibu, akses layanan ANC/PNC).
- Pengaruh lingkungan sosial-digital (informasi, norma baru, dan biaya pengasuhan/pendidikan yang dipersepsikan).
Dalam praktik, perilaku reproduksi keluarga sering bergerak mengikuti “logika siklus hidup” rumah tangga: pasangan menunda kelahiran untuk pendidikan/karier, lalu “mengejar” kelahiran pada rentang usia tertentu; pola ini terlihat dalam puncak fertilitas usia 25–29 pada berbagai wilayah (indikasi umum pola ASFR berbentuk U terbalik).
5.3 Fertilitas dalam Konteks Keluarga
Dalam perspektif demografi keluarga, fertilitas dipengaruhi oleh dinamika internal dan eksternal keluarga:
- Keluarga sebagai “unit keputusan” fertilitas
Keputusan memiliki anak biasanya merupakan hasil negosiasi pasangan (dan kadang keluarga besar), mempertimbangkan:
- Biaya langsung (pangan, kesehatan, pendidikan).
- Biaya tidak langsung (opportunity cost terutama pada perempuan: karier, waktu, mobilitas).
- Ketersediaan dukungan pengasuhan (kakek-nenek, daycare, jaringan sosial).
- Struktur keluarga dan dukungan antar-generasi.
Keluarga luas (extended family) dapat menurunkan “biaya pengasuhan” melalui dukungan care work, sehingga pada konteks tertentu dapat menahan laju penurunan fertilitas. Sebaliknya, keluarga inti urban sering menghadapi beban pengasuhan lebih tinggi (double burden).
- Relasi gender dan pembagian kerja domestik.
Literatur fertilitas modern menekankan bahwa ketika partisipasi kerja perempuan naik tetapi pembagian kerja rumah tangga tidak lebih setara, pasangan cenderung menunda/menurunkan jumlah anak (fertilitas “lebih rendah dari yang diinginkan”).
- Kebijakan dan layanan
Akses layanan KB dan kesehatan reproduksi (ketersediaan metode, kualitas konseling, kesinambungan layanan) memengaruhi kemampuan keluarga merealisasikan preferensi jumlah anak.
5.4 Angka Kelahiran Kasar (CBR) dan Total Fertility Rate (TFR)
A. Angka Kelahiran Kasar / Crude Birth Rate (CBR)
CBR mengukur jumlah kelahiran hidup per 1.000 penduduk dalam satu tahun.
Keterangan: 
Kelebihan: mudah dihitung dan dibandingkan antarwilayah.
Keterbatasan: sangat dipengaruhi struktur umur (misalnya wilayah dengan penduduk muda cenderung CBR lebih tinggi, meski perilaku reproduksi sama).
Contoh data tren Indonesia (World Bank–WDI via FRED):
CBR Indonesia menurun dari 16,674 (2020) menjadi 15,941 (2023) kelahiran per 1.000 penduduk.
B. Angka Kelahiran Total / Total Fertility Rate (TFR)
TFR adalah rata-rata jumlah anak yang dilahirkan seorang perempuan sepanjang masa reproduksinya, jika mengalami pola fertilitas menurut umur pada tahun tersebut.
(dengan kelompok umur 5 tahunan; ASFR dinyatakan per perempuan)
Kelebihan: lebih “bersih” dari pengaruh struktur umur dibanding CBR.
Keterbatasan: tetap merupakan ukuran sintetis—bukan jumlah anak aktual per kohor.
Data kunci Indonesia:
- BPS (Long Form SP2020) mencatat TFR Indonesia = 2,18, mendekati replacement level (±2,1).
- Data World Bank–WDI (via FRED) menunjukkan tren TFR: 2020 = 2,189; 2021 = 2,166; 2022 = 2,149; 2023 = 2,127.
Interpretasi demografi keluarga: tren penurunan TFR biasanya berkaitan dengan penundaan kelahiran, preferensi keluarga kecil, meningkatnya biaya pengasuhan, serta transformasi nilai dan aspirasi keluarga (pendidikan dan mobilitas sosial).
Ringkasan data (Indonesia, contoh tren terbaru)
| Indikator | 2020 | 2021 | 2022 | 2023 | Sumber |
| TFR (anak per perempuan) | 2,189 | 2,166 | 2,149 | 2,127 | World Bank–WDI via FRED |
| CBR (per 1.000 penduduk) | 16,674 | 16,417 | 16,204 | 15,941 | World Bank–WDI via FRED |
| TFR (hasil Long Form SP2020) | – | – | (pendataan 2022) | 2,18 | BPS Long Form SP2020 |
Catatan: Perbedaan angka antar-sumber dapat muncul karena perbedaan definisi tahun rujukan, metode estimasi, dan basis data. Untuk penulisan akademik, praktik yang lazim adalah menyebutkan tahun rujukan dan sumber secara eksplisit.
5.5 Faktor Sosial, Ekonomi, dan Budaya Fertilitas
Fertilitas keluarga adalah produk interaksi multi-faktor. Kerangka yang sering dipakai dalam analisis demografi keluarga mencakup:
A. Faktor sosial
- Pendidikan (khususnya pendidikan perempuan): cenderung menurunkan fertilitas melalui peningkatan literasi kesehatan reproduksi, aspirasi karier, dan penundaan perkawinan.
- Urbanisasi dan gaya hidup urban: biaya hidup dan hunian mendorong keluarga kecil.
- Norma sosial dan tekanan keluarga besar: pada konteks tertentu dapat mempertahankan preferensi anak lebih banyak.
- Agama dan nilai: memengaruhi penerimaan kontrasepsi, ideal keluarga, serta timing kelahiran.
B. Faktor ekonomi
- Pendapatan dan ketidakpastian kerja: ketidakpastian (pekerja informal, gig economy) sering terkait penundaan kelahiran.
- Biaya anak (cost of children): pendidikan, kesehatan, dan “biaya kualitas” (les, kursus) menaikkan biaya marginal anak berikutnya.
- Ketersediaan dukungan pengasuhan (daycare, kebijakan ramah keluarga di tempat kerja).
C. Faktor budaya
- Nilai anak (anak sebagai penerus, status sosial, atau jaminan hari tua).
- Preferensi jenis kelamin (di beberapa konteks memengaruhi “parity progression”).
- Budaya pernikahan dan ritus sosial (usia nikah, tekanan punya anak segera).
- Transformasi budaya digital: norma “parenting intensif”, standar kualitas pengasuhan, dan paparan gaya hidup dapat mengubah preferensi jumlah anak.
5.6 Preferensi jumlah anak dalam keluarga Indonesia
Preferensi jumlah anak adalah variabel penting karena menjembatani nilai, norma, dan perilaku. Dalam konteks Indonesia, norma “dua anak” masih kuat dalam wacana keluarga berencana, namun preferensi aktual dapat bervariasi menurut pendidikan, wilayah (perkotaan–perdesaan), kelas sosial, dan generasi.
Bukti empiris (contoh data):
- Studi berbasis data IDHS/SDKI 2017 menunjukkan norma “dua anak cukup” belum sepenuhnya merata; sebagian keluarga masih menginginkan >2 anak, dengan variasi sosial-demografis.
- Pada level daerah, terdapat temuan bahwa mayoritas PUS dapat menyebut “dua anak” sebagai jumlah ideal (contoh dari pendataan keluarga di salah satu provinsi). Ini menunjukkan preferensi bisa “mengarah” ke 2 anak, meski realisasi dapat berbeda karena faktor ekonomi, akses layanan, dan dinamika rumah tangga.
Analisis demografi keluarga (poin kunci):
- Gap preferensi–realisasi dapat terjadi: pasangan menginginkan 2 anak, tetapi realisasi bisa >2 (karena unmet need, kegagalan kontrasepsi, tekanan norma), atau <2 (karena penundaan, infertilitas, biaya tinggi).
- Preferensi tidak statis: berubah mengikuti fase rumah tangga, pengalaman pengasuhan anak pertama, perubahan pekerjaan, dan dukungan keluarga besar.
- Preferensi generasi muda cenderung lebih sensitif pada “biaya kualitas” dan aspirasi mobilitas sosial.
5.7 Tren Fertilitas dalam Keluarga Modern
BPS menegaskan penurunan fertilitas Indonesia menuju replacement level dengan TFR 2,18 (Long Form SP2020). Sejalan itu, data World Bank–WDI (via FRED) menunjukkan penurunan TFR dari 2,189 (2020) menjadi 2,127 (2023). Berikut tren yang lazim dalam keluarga modern:
- Penundaan perkawinan dan kelahiran pertama. Dipicu oleh pendidikan, urbanisasi, dan strategi stabilisasi ekonomi rumah tangga.
- Fertilitas terkonsentrasi pada umur tertentu (compression of childbearing). Kelahiran makin “terkonsentrasi” pada rentang usia optimal tertentu (sering 25–34), sementara kelahiran remaja dan kelahiran pada usia lebih tua cenderung ditekan melalui norma dan layanan kesehatan.
- Keluarga kecil dan peningkatan investasi kualitas anak. Perubahan orientasi dari kuantitas ke kualitas (pendidikan, kesehatan, keterampilan).
- Perubahan relasi gender dan beban pengasuhan. Ketika kerja perempuan meningkat tanpa dukungan pengasuhan dan pembagian kerja domestik yang adil, fertilitas cenderung turun.
- Pengaruh ekonomi perumahan dan tata kota. Harga hunian, ruang tinggal sempit, dan biaya transportasi memperkuat preferensi anak lebih sedikit.
- Digitalisasi kehidupan keluarga. Informasi dan norma pengasuhan menyebar cepat; standar “ideal parenting” yang tinggi dapat menaikkan beban psikologis dan biaya, mendorong fertility postponement.
Catatan : Data yang dapat digunakan (untuk memperkuat bagian “lengkap dengan data”)
Untuk analisis fertilitas-keluarga di Indonesia, sumber data yang lazim dipakai antara lain:
- BPS Long Form SP2020 (indikator fertilitas, mortalitas, mobilitas; termasuk TFR 2,18).
- World Bank – WDI (seri waktu TFR/CBR; mudah untuk tren lintas tahun).
- SDKI/IDHS (DHS Program) untuk preferensi jumlah anak, unmet need, kontrasepsi, dan determinan rumah tangga (sebagai rujukan mikro; dapat dipakai untuk analisis perilaku reproduksi).
5.8 Metode Analisis Fertilitas Keluarga
Subbagian ini menjelaskan pendekatan metodologis untuk menganalisis fertilitas dalam perspektif keluarga di Indonesia, meliputi: (1) penghitungan indikator fertilitas utama (khususnya TFR berbasis ASFR), (2) analisis tren fertilitas jangka panjang (1971–2023), dan (3) kerangka analisis determinan fertilitas keluarga menggunakan variabel mikro dari Survei Demografi dan Kesehatan Indonesia (SDKI).
5.8.1 Penghitungan Total Fertility Rate (TFR) dari ASFR
a. Konsep dasar
Total Fertility Rate (TFR) dihitung dari Age-Specific Fertility Rate (ASFR), yaitu tingkat kelahiran menurut kelompok umur perempuan usia reproduksi (15–49 tahun). ASFR menunjukkan jumlah kelahiran hidup per 1.000 perempuan pada kelompok umur tertentu dalam satu tahun.
b. Rumus ASFR
Keterangan:
= jumlah kelahiran hidup dari perempuan umur
–
= jumlah perempuan umur
–
ASFR biasanya dinyatakan per 1.000 perempuan, namun dalam perhitungan TFR dikonversi ke proporsi (dibagi 1.000).
c. Rumus TFR
dengan interval umur 5 tahunan: 15–19, 20–24, 25–29, 30–34, 35–39, 40–44, 45–49.
d. Contoh ilustratif perhitungan
| Kelompok Umur | ASFR (per 1.000) | ASFR (proporsi) |
| 15–19 | 30 | 0,030 |
| 20–24 | 120 | 0,120 |
| 25–29 | 140 | 0,140 |
| 30–34 | 90 | 0,090 |
| 35–39 | 40 | 0,040 |
| 40–44 | 10 | 0,010 |
| 45–49 | 2 | 0,002 |
| Jumlah | 0,432 |
Seorang perempuan diperkirakan melahirkan rata-rata 2,16 anak sepanjang usia reproduksinya jika mengalami pola ASFR tersebut.
5.8.2 Analisis Tren Fertilitas Indonesia (1971–2023)
a. Tujuan analisis tren
Analisis tren digunakan untuk:
- Menggambarkan arah perubahan fertilitas keluarga Indonesia dari waktu ke waktu
- Mengaitkan perubahan fertilitas dengan transisi demografi, kebijakan KB, dan transformasi sosial-ekonomi keluarga
- Mengidentifikasi fase pra-transisi, transisi, dan pasca-transisi fertilitas
b. Sumber data tren
- Sensus Penduduk (SP) 1971–2020
- Survei Demografi dan Kesehatan Indonesia (SDKI)
- Long Form SP2020
- World Development Indicators (WDI)
c. Tabel ringkasan tren TFR Indonesia (1971–2023)
| Tahun | TFR (anak per perempuan) | Keterangan Kontekstual |
| 1971 | ±5,6 | Fertilitas tinggi, keluarga besar dominan |
| 1980 | ±4,7 | Awal pengaruh program KB |
| 1990 | ±3,0 | Transisi fertilitas berlangsung cepat |
| 2000 | ±2,6 | Keluarga inti makin dominan |
| 2010 | ±2,4 | Urbanisasi & pendidikan meningkat |
| 2015 | ±2,3 | Stagnasi penurunan fertilitas |
| 2020 | ±2,2 | Mendekati replacement level |
| 2023 | ±2,1 | Konsolidasi keluarga kecil |
d. Pendekatan analisis
- Deskriptif longitudinal: membandingkan TFR antarwaktu
- Interpretatif-kontekstual: mengaitkan angka dengan perubahan keluarga, ekonomi, dan kebijakan
- Komparatif wilayah: urban–rural dan antarprovinsi (jika data tersedia)
5.8.3 Kerangka Analisis Determinan Fertilitas Keluarga (Berbasis SDKI)
Analisis mikro fertilitas keluarga dilakukan menggunakan data SDKI dengan pendekatan household-level analysis dan women-level analysis.
a. Variabel dependen
- Jumlah anak lahir hidup
- Status fertilitas (0, 1–2, ≥3 anak)
- Interval kelahiran
b. Variabel independen utama
- Pendidikan perempuan
- Tidak sekolah
- SD
- SMP
- SMA
- Perguruan Tinggi
Hipotesis: semakin tinggi pendidikan, semakin rendah fertilitas.
- Status pekerjaan perempuan
- Tidak bekerja
- Sektor informal
- Sektor formal
Hipotesis: perempuan bekerja, khususnya sektor formal, cenderung memiliki fertilitas lebih rendah.
- Kuintil kesejahteraan rumah tangga
- Sangat miskin
- Miskin
- Menengah
- Kaya
- Sangat kaya
Hipotesis: fertilitas lebih tinggi pada kuintil bawah, namun dapat menurun pada kelas menengah–atas karena biaya kualitas anak.
- Tipe wilayah
- Perkotaan
- Perdesaan
Hipotesis: fertilitas perdesaan lebih tinggi dibanding perkotaan.
- Paparan media
- Tidak terpapar
- Terpapar rendah
- Terpapar tinggi (TV, radio, internet)
Hipotesis: paparan media meningkatkan pengetahuan KB dan menurunkan fertilitas.
5.8.4 Model Analisis Statistik yang Digunakan
a. Analisis deskriptif
- Rata-rata jumlah anak lahir hidup
- Distribusi fertilitas menurut karakteristik keluarga
b. Analisis bivariat
- Crosstab fertilitas × pendidikan
- Fertilitas × wilayah
- Fertilitas × kuintil kesejahteraan
c. Analisis multivariat (opsional)
- Regresi Poisson / Negative Binomial (jumlah anak)
- Regresi logistik (fertilitas rendah vs tinggi)
Model umum:
5.8.5 Interpretasi Hasil dalam Perspektif Demografi Keluarga
Hasil analisis tidak hanya dibaca secara statistik, tetapi diinterpretasikan melalui:
- Logika keputusan keluarga (biaya-manfaat memiliki anak)
- Relasi gender dan pembagian peran
- Dukungan sosial dan keluarga besar
- Konteks budaya dan norma lokal
- Kebijakan kependudukan dan layanan KB
Pendekatan ini menempatkan fertilitas sebagai fenomena sosial-keluarga, bukan semata indikator numerik.
A. Diagram Model Konseptual Fertilitas Keluarga Indonesia
A.1. Model konseptual (berbasis ekologi keluarga + determinan proksimal)
KONTEKS MAKRO & KEBIJAKAN
(ekonomi makro, pasar kerja, harga hunian, kebijakan KB/KIA, norma sosial-budaya, transformasi digital, kualitas layanan kesehatan, pembangunan wilayah)
│
▼
KONTEKS KOMUNITAS & LINGKUNGAN
(urban–rural, akses fasilitas kesehatan & KB, akses pendidikan, jaringan sosial, paparan media & internet, norma lokal tentang anak/perkawinan)
│
▼
KARAKTERISTIK RUMAH TANGGA
(kuintil kesejahteraan, struktur keluarga inti/luas, dukungan kakek-nenek,
pekerjaan pasangan, stabilitas ekonomi, hunian)
│
▼
KARAKTERISTIK INDIVIDU/COUPLE
(pendidikan perempuan, status kerja, usia, literasi kesehatan reproduksi, nilai anak, kesetaraan gender, preferensi jumlah anak, preferensi jenis kelamin, religiositas)
│
▼
DETERMINAN PROKSIMAL (BONGAARTS)
1) Eksposur terhadap risiko hamil: usia kawin pertama, pola berpasangan, masa menyusui
2) Kontrasepsi: penggunaan, metode, kontinuitas, kualitas konseling, unmet need
3) Aborsi (jika terukur) / keguguran (terbatas)
4) Infertilitas/sterilitas (biologis & kesehatan)
│
▼
PERILAKU REPRODUKSI KELUARGA
(timing kelahiran, interval antarkelahiran, penghentian kelahiran/parity stopping, jumlah anak yang direalisasikan)
│
▼
│
▼
OUTCOME FERTILITAS
(CBR, ASFR, TFR, anak lahir hidup per perempuan, proporsi parity 0/1/2/3+)
Catatan pemaknaan (ringkas untuk narasi):
- Model ini memisahkan determinannya (pendidikan, pekerjaan, kesejahteraan, urban–rural, paparan media) dari mekanisme langsung (usia kawin, kontrasepsi, menyusui/amenore, infertilitas) yang secara langsung mengubah peluang kelahiran.
- Secara analitik, variabel SDKI umumnya kuat untuk blok “karakteristik” dan “determinannya”, sementara mekanisme proksimal dapat diperkaya dari modul KB, riwayat kelahiran, dan menyusui.
B. Contoh Output Tabel SDKI (Format Siap Pakai)
Di bawah ini adalah contoh format yang lazim dipakai dalam laporan analisis SDKI. Angka sengaja saya tulis sebagai placeholder (contoh), karena nilai sebenarnya harus dihasilkan dari pengolahan mikrodata SDKI/IDHS sesuai definisi variabel dan weighting survei.
B.1. Tabel Deskriptif Karakteristik Responden (Perempuan 15–49)
Tabel 5.1. Distribusi responden SDKI menurut karakteristik
(contoh format)
| Variabel | Kategori | n (unweighted) | % (weighted) |
| Pendidikan | ≤SD | … | … |
| SMP | … | … | |
| SMA | … | … | |
| PT | … | … | |
| Status kerja | Tidak bekerja | … | … |
| Bekerja informal | … | … | |
| Bekerja formal | … | … | |
| Kuintil kesejahteraan | 1 (termiskin) | … | … |
| 2 | … | … | |
| 3 | … | … | |
| 4 | … | … | |
| 5 (terkaya) | … | … | |
| Tipe wilayah | Perkotaan | … | … |
| Perdesaan | … | … | |
| Paparan media | Rendah | … | … |
| Sedang | … | … | |
| Tinggi | … | … |
Catatan metodologis (wajib ditulis di bawah tabel):
- % menggunakan sampling weight SDKI (weighted).
- n yang ditampilkan bisa unweighted (praktik umum), namun bisa juga weighted; pilih konsisten.
B.2. Tabel Fertilitas menurut Determinan Utama (Bivariat)
Ada dua gaya output yang umum:
Opsi 1 — Rata-rata jumlah anak lahir hidup (Children Ever Born/CEB)
Tabel 5.2. Rata-rata anak lahir hidup (CEB) menurut karakteristik (contoh format)
| Variabel | Kategori | Mean CEB | SE | p-value (uji beda) |
| Pendidikan | ≤SD | … | … | |
| SMP | … | … | ||
| SMA | … | … | ||
| PT | … | … | … | |
| Status kerja | Tidak bekerja | … | … | |
| Informal | … | … | ||
| Formal | … | … | … | |
| Kuintil | 1 | … | … | |
| 2 | … | … | ||
| 3 | … | … | ||
| 4 | … | … | ||
| 5 | … | … | … | |
| Wilayah | Urban | … | … | |
| Rural | … | … | … | |
| Paparan media | Rendah | … | … | |
| Sedang | … | … | ||
| Tinggi | … | … | … |
Uji beda yang lazim:
- ANOVA/Regresi linear (untuk mean) atau uji non-parametrik jika distribusi berat sebelah.
- Wajib menyesuaikan desain survei jika Anda menggunakan perangkat analisis survey.
Opsi 2 — Proporsi keluarga kecil (mis. CEB ≤ 2) vs tinggi (CEB ≥ 3)
Tabel 5.3. Proporsi fertilitas rendah/tinggi menurut karakteristik (contoh format)
| Variabel | Kategori | % CEB ≤ 2 | % CEB ≥ 3 | p-value (chi-square) |
| Pendidikan | ≤SD | … | … | |
| SMP | … | … | ||
| SMA | … | … | ||
| PT | … | … | … | |
| Wilayah | Urban | … | … | |
| Rural | … | … | … | |
| Kuintil | 1 | … | … | |
| 5 | … | … | … |
B.3. Contoh Output Tabel ASFR dan Perhitungan TFR (dari Riwayat Kelahiran)
Jika Anda ingin menampilkan cara hitung TFR “dari dalam SDKI”, tabelnya biasanya seperti ini:
Tabel 5.4. ASFR dan TFR (contoh format)
| Kelompok umur | ASFR (per 1.000) |
| 15–19 | … |
| 20–24 | … |
| 25–29 | … |
| 30–34 | … |
| 35–39 | … |
| 40–44 | … |
| 45–49 | … |
| TFR = 5 × Σ(ASFR/1000) | … |
Catatan: ASFR di SDKI biasanya dihitung dari kelahiran dalam periode tertentu (mis. 3 atau 5 tahun sebelum survei). Anda perlu menyebutkan reference period yang dipakai.
B.4. Contoh Output Regresi (Multivariat)
Opsi 1 — Regresi Poisson/NegBin (Outcome: jumlah anak lahir hidup/CEB)
Tabel 5.5. Determinan jumlah anak lahir hidup (CEB) (contoh format)
| Variabel | Kategori | IRR | 95% CI | p-value |
| Pendidikan (ref: PT) | ≤SD | … | … | … |
| SMP | … | … | … | |
| SMA | … | … | … | |
| Status kerja (ref: formal) | Tidak bekerja | … | … | … |
| Informal | … | … | … | |
| Kuintil (ref: 5) | 1 | … | … | … |
| 2 | … | … | … | |
| Wilayah (ref: urban) | Rural | … | … | … |
| Paparan media (ref: tinggi) | Rendah | … | … | … |
| Sedang | … | … | … | |
| Kontrol | Usia, status kawin, dll. | |||
| N, pseudo R² / AIC |
Interpretasi singkat yang biasanya ditulis:
- IRR > 1 berarti variabel terkait jumlah anak lebih tinggi dibanding referensi, setelah kontrol variabel lain.
- IRR < 1 berarti lebih rendah.
Opsi 2 — Regresi logistik (Outcome: CEB ≥ 3 vs ≤ 2)
Tabel 5.6. Determinan probabilitas memiliki ≥3 anak (contoh format)
| Variabel | Kategori | AOR | 95% CI | p-value |
| Pendidikan (ref: PT) | ≤SD | … | … | … |
| … | … | … | … | … |
Praktik Baik (Agar Output “SDKI-ready”)
Agar tabel Anda kuat secara akademik, di setiap tabel atau di catatan metode sebutkan:
- Populasi analisis (mis. perempuan 15–49 menikah/ever-married; atau semua 15–49).
- Periode rujukan fertilitas (mis. 3 tahun sebelum survei untuk ASFR/TFR).
- Pembobotan dan desain survei (weights, strata, cluster/PSU).
- Definisi variabel kunci: “paparan media”, “status kerja formal/informal”, dan pembentukan kuintil.
Referensi
- Badan Pusat Statistik. Sensus Penduduk dan Long Form SP2020.
- BKKBN. Indikator Kependudukan dan Keluarga Berencana.
- DHS Program. Indonesia Demographic and Health Survey (IDHS/SDKI).
- Weeks, J. R. (2015). Population: An Introduction to Concepts and Issues. Cengage Learning.
- Bongaarts, J. (2003). Completing the fertility transition in the developing world. Population and Development Review.
- Badan Pusat Statistik (BPS). Long Form Sensus Penduduk 2020 (SP2020-LF): ringkasan indikator fertilitas dan narasi TFR Indonesia 2,18 menuju replacement level.
- Federal Reserve Bank of St. Louis (FRED). Fertility Rate, Total for Indonesia (SPDYNTFRTINIDN), bersumber World Bank–WDI.
- Federal Reserve Bank of St. Louis (FRED). Crude Birth Rate for Indonesia (SPDYNCBRTINIDN), bersumber World Bank–WDI.
- DHS Program / IDHS–SDKI 2017 (dokumen rujukan mikro demografi keluarga dan kesehatan reproduksi).
EDU, DEMOGRAFI, ENVIRONMENT & FAMILY 
Tinggalkan komentar