<![CDATA[AbstrakMultikolinieritas merupakan asumsi pada regresi linear berganda yang terjadi karena korelasi antar variabel bebas yang menyebabkan permasalahan analisis. Penanganan yang dilakukan salah satunya dengan regresi ridge, yang dapat memastikan varians yang lebih kecil dalam estimasi parameter. Multikolinieritas pada data fertilitas menyebabkan varian dan galat yang besar. Penelitian ini bertujuan mengetahui determinan yang mempengaruhi fertilitas, deteksi multikolinieritas dan membuat model prediksi terbaik pada fertilitas wanita usia subur di Kalimantan Timur. Penelitian ini menggunakan desain cross-sectional dan metode analisis data regresi linier berganda dan metode ridge. Data yang digunakan merupakan Survei Demografi dan Kesehatan Indonesia (SDKI) tahun 2017 dengan dengan sampel sebanyak 701 WUS. Hasil penelitian diperoleh regresi ridge sebagai pemodelan terbaik dalam memprediksi tingkat fertilitas. Nilai VIF dan standar error yang lebih kecil dari MKT menjadikan regresi ridge sebagai pemodelan terbaik dalam menentukan tingkat fertilitas di Kalimantan Timur. Pemodelan regresi ridge yang digunakan dalam memprediksi tingkat fertilitas YR = 2,995148 - 0,01406898 (umur seks pertama) - 0,0119283 (umur kawin pertama) - 0,04233311 (umur pertama melahirkan) + 0,1001676 (lama kontrasepsi) + 0,1802514 (jumlah anak ideal) + 0,1679205 (kematian anak) – 0,005938239 (Indeks kekayaan). Umur seks pertama, umur kawin pertama, umur pertama melahirkan, lama KB dan jumlah anak ideal berpengaruh signifikan dengan tingkat fertilitas. Perlu dilakukan peningkatan pengetahuan mengenai kesehatan reproduksi bagi WUS (15-49 tahun) guna menurunkan tingkat fertilitas dan laju pertumbuhan penduduk.Kata kunci: fertilitas, wanita usia subur, regresi ridge AbstractMulticollinearity is an assumption in multiple linear regression that occurs because the correlation between independent variables causes analysis problems. One of the treatments is ridge regression, which can ensure a smaller variance in parameter estimation. Multicollinearity infertility data causes large variants and errors. This study aims to determine the determinants that affect fertility, detect multicollinearity and make the best prediction model for the fertility of women of childbearing age in East Kalimantan. This study used a cross-sectional design and data analysis method of multiple linear regression and ridge method. The data used is 2017 Indonesian Demographic and Health Survey (IDHS) with a sample of 701 WUS. The results obtained ridge regression as the best modeling in predicting fertility rates. The VIF value and standard error which is smaller than MKT make ridge regression the best model in determining the fertility rate in East Kalimantan. Ridge regression modeling used in predicting fertility rates YR=2.995148-0.01406898(age at first sex)-0.0119283(age at first marriage)-0.04233311(age at first birth)+0.1001676(contraceptive time)+0.1802514(ideal number of children)+0.1679205(child mortality)–0.005938239(wealth index). Age at first sex, age at first marriage, age at first delivery, length of family planning, and the ideal number of children had a significant effect on fertility rates. It is necessary to increase knowledge about reproductive health for female women (15-49 years) in order to reduce the fertility rate and population growth rate.Keywords: fertility, women of childbearing age, ridge regression]]>
