A. Judul dan Identitas Kelompok

Judul Laporan : Analisis Karakteristik Perkawinan dan Perceraian di Provinsi Jawa Tengah Anggota Kelompok 6:

  1. Naura Helga Wistara (21116042610109)
  2. Nindy Puspitasari (21116042610113)
  3. Radhyana Calya Kawiswara Sunarso (21116042610120)

B. Pendahuluan : Data & Variabel

  1. Sumber Dataset
  1. Nama Dataset : Nikah dan Cerai Menurut Kabupaten/Kota (Kejadian) di Provinsi Jawa Tengah, 2025
  2. Link Dataset : https://jateng.bps.go.id/id/statistics-table/3/VkhwVUszTXJPVmQ2ZFRKamNIZG9RMVo2VEdsbVVUMDkjMyMzMzAw/nikah-dan-cerai-menurut-kabupaten-kota--kejadian--di-provinsi-jawa-tengah.html?year=2025
  1. JumlaH Observasi dan Jenis Variabel Jumlah Observasi : Terdapat 35 observasi (baris) yang mewakili seluruh wilayah di Provinsi Jawa Tengah, yang terdiri dari 29 kabupaten dan 6 kota Jenis Variabel : Terdapat 4 variabel yang terdiri dari variabel kategorik (kualitatif) berupa nama kabupaten/kota serta variabel numerik (kuantitatif) yang mencakup jumlah pernikahan, cerai talak, dan cerai gugat

  2. Penjelasan Singkat Variabel yang Digunakan dalam analisis ini terdiri dari: Variabel-variabel yang digunakan dalam analisis ini meliputi Wilayah sebagai nama 35 kabupaten/kota di Provinsi Jawa Tengah yang berstatus sebagai variabel kategorik. Selanjutnya , terdapat tiga variabel utama yang bersifat numerik diskrit, yaitu Nikah yang menyatakan jumlah peristiwa pernikahan di masing-masing wilayah, Cerai Talak yang menyatakan jumlah peristiwa perceraian atas permohonan suami, serta Cerai Gugat yang menyatakan jumlah peristiwabperceraian atas gugatan pihak istri tiap kabupaten dan kota.

R Markdown

#Membaca Data
library(readxl)
library(ggplot2)
setwd("D:/RStudio") 
#Import File Excel
data_bps<- read_excel("Dataset_PBL_ALPRO.xlsx")
# Memeriksa struktur data 
str(data_bps)
## tibble [35 × 4] (S3: tbl_df/tbl/data.frame)
##  $ Wilayah    : chr [1:35] "Kabupaten Cilacap" "Kabupaten Banyumas" "Kabupaten Purbalingga" "Kabupaten Banjarnegara" ...
##  $ Nikah      : chr [1:35] "12909" "10805" "6536" "6321" ...
##  $ Cerai Talak: chr [1:35] "1278" "801" "382" "453" ...
##  $ Cerai Gugat: chr [1:35] "3901" "3191" "1776" "1695" ...
head(data_bps)
## # A tibble: 6 × 4
##   Wilayah                Nikah `Cerai Talak` `Cerai Gugat`
##   <chr>                  <chr> <chr>         <chr>        
## 1 Kabupaten Cilacap      12909 1278          3901         
## 2 Kabupaten Banyumas     10805 801           3191         
## 3 Kabupaten Purbalingga  6536  382           1776         
## 4 Kabupaten Banjarnegara 6321  453           1695         
## 5 Kabupaten Kebumen      8596  488           1975         
## 6 Kabupaten Purworejo    4605  313           967
#Menampilkan seluruh baris data 
print(data_bps, n=Inf)
## # A tibble: 35 × 4
##    Wilayah                Nikah `Cerai Talak` `Cerai Gugat`
##    <chr>                  <chr> <chr>         <chr>        
##  1 Kabupaten Cilacap      12909 1278          3901         
##  2 Kabupaten Banyumas     10805 801           3191         
##  3 Kabupaten Purbalingga  6536  382           1776         
##  4 Kabupaten Banjarnegara 6321  453           1695         
##  5 Kabupaten Kebumen      8596  488           1975         
##  6 Kabupaten Purworejo    4605  313           967          
##  7 Kabupaten Wonosobo     5713  400           1488         
##  8 Kabupaten Magelang     7813  448           1541         
##  9 Kabupaten Boyolali     6077  372           1310         
## 10 Kabupaten Klaten       6453  303           1239         
## 11 Kabupaten Sukoharjo    4725  272           872          
## 12 Kabupaten Wonogiri     5717  324           1219         
## 13 Kabupaten Karanganyar  5110  292           1031         
## 14 Kabupaten  Sragen      6055  431           1522         
## 15 Kabupaten Grobogan     9632  623           2338         
## 16 Kabupaten Blora        5696  362           1222         
## 17 Kabupaten Rembang      4184  230           793          
## 18 Kabupaten Pati         7443  555           1791         
## 19 Kabupaten Kudus        5107  199           964          
## 20 Kabupaten Jepara       7932  357           1599         
## 21 Kabupaten Demak        7946  405           1591         
## 22 Kabupaten Semarang     6230  407           1437         
## 23 Kabupaten Temanggung   4621  277           888          
## 24 Kabupaten Kendal       6502  432           1732         
## 25 Kabupaten Batang       5276  252           1423         
## 26 Kabupaten Pekalongan   6553  227           1436         
## 27 Kabupaten Pemalang     10458 687           2822         
## 28 Kabupaten Tegal        10679 609           2724         
## 29 Kabupaten Brebes       13418 753           3455         
## 30 Kota Magelang          633   42            143          
## 31 Kota Surakarta         2838  142           638          
## 32 Kota Salatiga          946   50            224          
## 33 Kota Semarang          8203  479           1898         
## 34 Kota Pekalongan        1932  77            414          
## 35 Kota Tegal             1737  106           413
#Ubah tipe data kolom menjadi numerik 
data_bps$Nikah <- as.numeric(data_bps$Nikah)
data_bps$`Cerai Talak` <- as.numeric(data_bps$`Cerai Talak`)
data_bps$`Cerai Gugat` <- as.numeric(data_bps$`Cerai Gugat`)

Digunakan untuk mengatur direktori kerja, mengimpor datasset Excel “Dataset_PBL_ALPRO.xlsx” kedalam objek data_bps, memeriksa struktur serta tampilan awal data, dan mengonversi tipe data pada kolom Nikah,Cerai Talak, Cerai Gugat menjadi format numerik agar siap untuk dianalisis.

Including Plots

You can also embed plots, for example:

Interpretasi : Berdasarkan visualisasi histogram sebaran jumlah pernikahan, data menunjukkan pola distribusi yang tidak simetris sempurna di mana mayoritas wilayah mencatatkan angka pernikahan pada kisaran menengah, yaitu antara 4.000 hingga 8.000 kasus. Puncak frekuensi tertinggi terjadi pada interval 6.000 sampai 8.000 yang mendominasi sebagian wilayah pengamatan yakni mencakup 12 wilayah diikuti oleh interval 4.000 hingga 6.000 sebanyak 10 wilayah. Jumlah wilayah dengan angka pernikahan yang rendah di bawah 2.000 maupun wilayah dengan tingkat pernikahan yang tinggi di atas 10.000 hingga 14.000 jumlahnya relatif sedikit dan jarang dijumpai. Dengan demikian, mayoritas wilayah di Jawa Tengah (22 dari 35 wilayah atau sekitar 62,9%) memiliki angka pernikahan yang mengelompok.

#2. Grafik Base R : BOXPLOT "Perbandingan Jumlah Cerai Gugat dan Cerai Talak"
boxplot(
  data_bps$`Cerai Talak` ,data_bps$ `Cerai Gugat`,
  data = data_bps,
  col = c("lightblue", "lightcoral"),
  main = "Perbandingan Jumlah Cerai Gugat dan Cerai Talak",
  names = c("Cerai Talak", "Cerai Gugat"),
  ylab = "Jumlah Kasus"
)
# Menambahkan garis grid horizontal agar mudah dibaca
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

Interpretasi : Berdasarkan visualisasi boxplot perbandingan jumlah cerai talak dan cerai gugat, data memperlihatkan perbedaan tingkat dan keragaman kasus yang sangat kontras di mana Cerai Gugat memiliki nilai median serta sebaran data yang jauh lebih tinggi dan lebar dibandingkan Cerai Talak. Garis tengah kotak (median) Cerai Gugat berada di kisaran angka 1.437 kasus dengan rentang interkuartil yang membentang luas, sementara Cerai Gugat terkonsentrasi di angka yang jauh lebih rendah dengan median sekitar 372 kasus. Selain itu, kedua kelompok variabel sama-sama menunjukkan adanya titik-titik pencilan (outliers) di atas batas atas whisker yakni wilayah-wilayah dengan lonjakan angka perceraian yang jauh melampaui rata-rata mayoritas kabupaten/kota lainnya di Provinsi Jawa Tengah, seperti Kabupaten Cilacap dan Kabupaten Banyumas serta Kabupaten Brebes pada variabel Cerai Gugat.

#3. GRAFIK GGPLOT2 : SCATTERPLOT "Hubungan Antara Jumlah Pernikahan dan Cerai Gugat"
ggplot(data_bps, aes(x = Nikah, y = `Cerai Gugat`)) +
  geom_point(color = "darkblue", size = 3, alpha = 0.8) +
  geom_smooth(method = "lm", color = "red", linetype = "dashed") +
  labs(title = "Hubungan Antara Jumlah Pernikahan dan Cerai Gugat",
       subtitle = "Data Kependudukan Wilayah",
       x = "Jumlah Pernikahan (Nikah)",
       y = "Jumlah Cerai Gugat") +
  theme_minimal()
## `geom_smooth()` using formula = 'y ~ x'

Interpretasi : Berdasarkan scatter plot, terlihat adanya hubungan positif antara jumlah pernikahan dan jumlah cerai gugat pada kabupaten/kota di Provinsi Jawa Tengah tahun 2025. Artinya, semakin tinggi jumlah pernikahan di suatu wilayah, cenderung semakin tinggi pula jumlah cerai gugat. ​Sebagian besar titik pada grafik mengikuti arah garis regresi, sehingga menunjukkan adanya hubungan yang cukup kuat dan cenderung linear antara kedua variabel. Namun, terdapat beberapa titik yang menyimpang dari pola tersebut. Hal ini menunjukkan bahwa jumlah cerai gugat tidak hanya berkaitan dengan jumlah pernikahan, tetapi juga dapat dipengaruhi oleh faktor lain, seperti jumlah penduduk dan kondisi sosial ekonomi masyarakat. Pola hubungan positif pada grafik ini tidak berarti banyaknya pernikahan secara langsung menyebabkan meningkatnya perceraian. Hubungan tersebut hanya menunjukkan adanya keterkaitan antara kedua variabel berdasarkan data yang dianalisis. Secara keseluruhan, sebaran titik pada grafik memperlihatkan bahwa jumlah pernikahan memiliki hubungan positif dengan jumlah cerai gugat, di mana semakin tinggi jumlah pernikahan, cenderung semakin tinggi pula jumlah cerai gugat di suatu wilayah.

D.Uji t

#Uji t (2 sampel) INDEPENDEN
# Membuat data frame
status <- c(data_bps$`Nikah`,data_bps$`Cerai Gugat`)
provinsi <- factor(c(rep("Nikah",35),rep("CeraiGugat",35)))
datastatus <- data.frame(status, provinsi)
datastatus
##    status   provinsi
## 1   12909      Nikah
## 2   10805      Nikah
## 3    6536      Nikah
## 4    6321      Nikah
## 5    8596      Nikah
## 6    4605      Nikah
## 7    5713      Nikah
## 8    7813      Nikah
## 9    6077      Nikah
## 10   6453      Nikah
## 11   4725      Nikah
## 12   5717      Nikah
## 13   5110      Nikah
## 14   6055      Nikah
## 15   9632      Nikah
## 16   5696      Nikah
## 17   4184      Nikah
## 18   7443      Nikah
## 19   5107      Nikah
## 20   7932      Nikah
## 21   7946      Nikah
## 22   6230      Nikah
## 23   4621      Nikah
## 24   6502      Nikah
## 25   5276      Nikah
## 26   6553      Nikah
## 27  10458      Nikah
## 28  10679      Nikah
## 29  13418      Nikah
## 30    633      Nikah
## 31   2838      Nikah
## 32    946      Nikah
## 33   8203      Nikah
## 34   1932      Nikah
## 35   1737      Nikah
## 36   3901 CeraiGugat
## 37   3191 CeraiGugat
## 38   1776 CeraiGugat
## 39   1695 CeraiGugat
## 40   1975 CeraiGugat
## 41    967 CeraiGugat
## 42   1488 CeraiGugat
## 43   1541 CeraiGugat
## 44   1310 CeraiGugat
## 45   1239 CeraiGugat
## 46    872 CeraiGugat
## 47   1219 CeraiGugat
## 48   1031 CeraiGugat
## 49   1522 CeraiGugat
## 50   2338 CeraiGugat
## 51   1222 CeraiGugat
## 52    793 CeraiGugat
## 53   1791 CeraiGugat
## 54    964 CeraiGugat
## 55   1599 CeraiGugat
## 56   1591 CeraiGugat
## 57   1437 CeraiGugat
## 58    888 CeraiGugat
## 59   1732 CeraiGugat
## 60   1423 CeraiGugat
## 61   1436 CeraiGugat
## 62   2822 CeraiGugat
## 63   2724 CeraiGugat
## 64   3455 CeraiGugat
## 65    143 CeraiGugat
## 66    638 CeraiGugat
## 67    224 CeraiGugat
## 68   1898 CeraiGugat
## 69    414 CeraiGugat
## 70    413 CeraiGugat
# Uji asumsi homogenitas/kesamaan varians
#H₀: Varians kedua data sama
#H₁: Varians kedua data berbeda
library(car)
## Loading required package: carData
leveneTest(status ~ provinsi, data = datastatus)
## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value    Pr(>F)    
## group  1  19.388 3.868e-05 ***
##       68                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#uji asumsi normalitas
#H0: data normal
#H1: data tidak normal
shapiro.test(data_bps$`Nikah`)
## 
##  Shapiro-Wilk normality test
## 
## data:  data_bps$Nikah
## W = 0.96745, p-value = 0.377
shapiro.test(data_bps$`Cerai Gugat`)
## 
##  Shapiro-Wilk normality test
## 
## data:  data_bps$`Cerai Gugat`
## W = 0.9339, p-value = 0.03658
#Menggunakan fungsi bawaan di R
t.test(data_bps$`Nikah`, data_bps$`Cerai Gugat`, var.equal = FALSE) #karena tidak mengisyaratkan varians kedua kelompok sama
## 
##  Welch Two Sample t-test
## 
## data:  data_bps$Nikah and data_bps$`Cerai Gugat`
## t = 9.2358, df = 39.647, p-value = 1.977e-11
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  3832.541 5980.545
## sample estimates:
## mean of x mean of y 
##  6440.029  1533.486

Interpretasi :

  1. Uji Hipotesis Hasil uji t menampilkan “alternative hypothesis: true difference in means is not equal to 0”, sehingga pengujian dilakukan secara dua arah (two-tailed). H0: Rata-rata jumlah nikah sama dengan rata-rata jumlah cerai gugat (tidak terdapat perbedaan yang signifikan). H1: Rata-rata jumlah nikah berbeda dengan rata-rata jumlah cerai gugat (terdapat perbedaan yang signifikan).

  2. Uji Asumsi

  1. Uji Normalitas (Shapiro-Wilk)
  1. Uji Homogenitas Varians (Levene)
  1. Output Uji t
  1. Interpretasi Hasil Nilai p-value sebesar 1.977e-11 jauh lebih kecil daripada taraf signifikansi 0.05, sehingga H0 ditolak. Selang kepercayaan 95% untuk selisih rata-rata tidak mencakup angka nol, yang memperkuat keputusan tersebut. Dengan demikian, terdapat perbedaan rata-rata yang signifikan secara statistik antara jumlah nikah dan jumlah cerai gugat. Rata-rata jumlah nikah (6440.029) jauh lebih tinggi dibandingkan rata-rata jumlah cerai gugat (1533.486), dengan selisih sekitar 4906.5.

F. Hasil Akhir Berdasarkan analisis data 35 kabupaten/kota di Provinsi Jawa Tengah tahun 2025, jumlah pernikahan di sebagian besar wilayah berada pada kisaran 4.000–8.000 kasus, sedangkan cerai gugat lebih tinggi dan lebih beragam dibandingkan cerai talak (median 1.437 berbanding 372 kasus), dengan lonjakan di Kabupaten Cilacap, Banyumas, dan Brebes. Scatter plot menunjukkan hubungan positif yang cukup kuat antara jumlah pernikahan dan cerai gugat, namun hubungan ini bukan hubungan sebab-akibat karena dipengaruhi faktor lain seperti jumlah penduduk dan kondisi sosial ekonomi. Uji t Welch, yang digunakan karena varians kedua kelompok tidak homogen, menunjukkan perbedaan rata-rata yang signifikan (t = 9,2358; df = 39,647; p-value = 1,977 × 10⁻¹¹ < 0,05), dengan rata-rata jumlah pernikahan (6.440,029) jauh lebih tinggi daripada cerai gugat (1.533,486). Dengan demikian, dapat disimpulkan bahwa di Jawa Tengah jumlah pernikahan secara nyata lebih tinggi daripada cerai gugat, cerai gugat lebih dominan daripada cerai talak, dan wilayah dengan pernikahan lebih banyak cenderung memiliki cerai gugat lebih banyak pula.

G. Daftar Pustaka https://rpubs.com/futri0055/1357183