TUGAS AKHIR. Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Sains HASNARIKA NIM /2007

Ukuran: px
Mulai penontonan dengan halaman:

Download "TUGAS AKHIR. Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Sains HASNARIKA NIM /2007"

Transkripsi

1 PENGARUH FAKTOR EKSTERNAL TERHADAP KETIDAKLULUSAN SISWA SMA/MA/SMK DALAM UJIAN NASIONAL MENGGUNAKAN REGRESI POISSON (Studi Kasus Pada SMA/MA/SMK di Kota Tanjungpinang) TUGAS AKHIR Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Sains HASNARIKA NIM /2007 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI PADANG 2012

2

3

4

5

6 ABSTRAK Hasnarika : Pengaruh Faktor Eksternal Terhadap Ketidaklulusan Siswa SMA/MA/SMK Dalam Ujian Nasional Menggunakan Regresi Poisson (Studi Kasus Pada SMA/MA/SMK di Kota Tanjungpinang) Ujian Nasional (UN) merupakan salah satu alat evaluasi bagi pencapaian tujuan pendidikan. Salah satu permasalahan dalam UN adalah ketidaklulusan, yang mencerminkan mutu pendidikan belum sesuai dengan standar nasional pendidikan. Faktor yang mempengaruhi mutu pendidikan adalah faktor internal dan faktor eksternal. Yang termasuk faktor eksternal adalah lingkungan keluarga, sekolah dan masyarakat. Untuk melihat hubungan antara pengaruh faktor eksternal terhadap ketidaklulusan UN perlu dibentuk suatu model menggunakan regresi Poisson. Penelitian ini bertujuan untuk menentukan bentuk model regresi Poisson dari faktor eksternal yang mempengaruhi ketidaklulusan siswa SMA/MA/SMK dalam UN dan menentukan faktor eksternal yang paling dominan mempengaruhinya. Jenis penelitian yang dilakukan adalah penelitian terapan. Penelitian ini menggunakan data sekunder berupa data jumlah ketidaklulusan siswa SMA/MA/SMK Tahun Pelajaran 2010/2011 serta faktor eksternal lingkungan sekolah yang mempengaruhinya. Data ini diperoleh dari Disdikpora dan 22 sekolah yang terdapat di Kota Tanjungpinang. Data yang diperoleh dianalisis menggunakan metode pendugaan kemungkinan maksimum dengan pendekatan Newton-Raphson, uji rasio kemungkinan, uji Wald, dan kriteria AIC. Hasil penelitian diperoleh bentuk model pengaruh faktor eksternal terhadap ketidaklulusan siswa SMA/MA/SMK dalam UN Tahun Pelajaran 2010/2011 yaitu: y = exp (-5, ,5691 X 1a(0) + 4,2538 X 1b(0) 0,7965 X 2a(0) 1,6224 X 2b(0) + 0,0865 X 3 0,7771 X 4 + 2,3571 X 5(0) + 2,8453 X 6(0) ). Dari model tersebut disimpulkan bahwa faktor yang mempunyai pengaruh nyata adalah akreditasi sekolah B dan C, input siswa rendah dan sedang, jumlah guru, jumlah guru dengan tingkat pendidikan masih di bawah S1, keadaan gedung sekolah yang kurang baik, dan kelengkapan alat pembelajaran yang kurang lengkap. i

7 KATA PENGANTAR Puji syukur kehadirat Allah SWT yang senantiasa memberikan rahmat dan karunia-nya sehingga skripsi yang berjudul Pengaruh Faktor Eksternal Terhadap Ketidaklulusan Siswa SMA/MA/SMK Dalam Ujian Nasional Menggunakan Regresi Poisson (Studi Kasus Pada SMA/MA/SMK di Kota Tanjungpinang akhirnya dapat diselesaikan. Tujuan dari penulisan skripsi ini adalah untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains pada Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Padang. Seluruh kegiatan ini dapat diselesaikan berkat bantuan dan bimbingan dari berbagai pihak. Untuk itu peneliti mengucapkan terima kasih kepada : 1. Ibu Dra. Media Rosha, M.Si, Pembimbing I sekaligus Penasehat Akademik. 2. Ibu Dra. Hj. Nonong Amalita, M.Si, Pembimbing II. 3. Bapak Dr. Irwan, M.Si, Bapak Drs. Atus Amadi Putra, M.Si, dan Bapak Dodi Vionanda, S.Si,M.Si, Tim penguji. 4. Ibu Dr. Armiati, M.Pd, Ketua Jurusan Matematika FMIPA UNP. 5. Bapak M. Subhan, S.Si, M.Si, Sekretaris Jurusan Matematika FMIPA UNP. 6. Ibu Dra. Dewi Murni, M.Si, Ketua Program Studi Matematika FMIPA UNP. 7. Bapak dan Ibu dosen Jurusan Matematika FMIPA UNP. ii

8 8. Kepala Dinas Pendidikan Pemuda dan Olahraga Kota Tanjungpinang, Kepala Bidang Pendidikan Menengah dan Pengawas SMA/MA/SMK Kota Tanjungpinang. 9. Kepala Sekolah, Majelis guru, dan Staf Tata Usaha SMA/MA/SMK di Kota Tanjungpinang. 10. Rekan rekan mahasiswa Jurusan Matematika FMIPA UNP, khususnya angkatan Semua pihak yang telah membantu sampai skripsi ini akhirnya dapat diselesaikan. Semoga bimbingan yang Bapak, Ibu serta teman-teman berikan menjadi amal kebaikan dan mendapat balasan yang sesuai dari Allah SWT. Skripsi ini masih jauh dari kesempurnaan. Oleh karena itu, saran dan kritik yang bersifat membangun sangat diharapakan dari semua pihak untuk kesempurnaan skripsi ini. Semoga skripsi ini bermanfaat bagi kita semua. Amin. Padang, Juli 2012 Peneliti iii

9 DAFTAR ISI Halaman ABSTRAK... i KATA PENGANTAR... ii DAFTAR ISI... iv DAFTAR TABEL... vi DAFTAR GRAFIK... vii DAFTAR LAMPIRAN... viii BAB I PENDAHULUAN... 1 A. Latar Belakang... 1 B. Perumusan Masalah... 5 C. Pembatasan Masalah... 5 D. Pendekatan Masalah dan Pertanyaan Penelitian... 5 E. Tujuan Penelitian... 6 F. Manfaat Penelitian... 6 BAB II TINJAUAN PUSTAKA... 8 A. Ujian Nasional (UN) Pengertian Ujian Nasional (UN) Kondisi Hasil Ujian Nasional Faktor yang Mempengaruhi Ketidaklulusan B. Analisis Regresi Poisson Distribusi Poisson Regresi Poisson Peubah Dummy iv

10 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian B. Data dan Sumber Data C. Teknik Analisis Data BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian Deskripsi Data Analisis Data B. Pembahasan BAB V PENUTUP A. Kesimpulan B. Saran DAFTAR PUSTAKA LAMPIRAN v

11 DAFTAR TABEL Tabel Halaman 1. Persentase Hasil Kelulusan UN SMA/MA/SMK Secara Nasional Persentase Hasil Kelulusan UN SMA/MA/SMK di Kota Tanjungpinang Jumlah SMA/MA/SMK Swasta dan Negeri di Kecamatan Kota Tanjungpinang Peubah Penjelas dan Kategorinya Jumlah Siswa Tidak Lulus UN Per Sekolah Pada Masing-Masing Kecamatan Peubah Dummy X Peubah Dummy X Hasil Dugaan Parameter Model Regresi Poisson Hasil Uji Signifikansi Masing-Masing Parameter Model Regresi Poisson Nilai AIC Masing-Masing Model Hasil Uji Signifikansi Masing-Masing Parameter Model Tereduksi Regresi Poisson vi

12 DAFTAR GRAFIK Grafik Halaman 1. Data yang Mengikuti Pola Distribusi Poisson Plot Peubah Respons Jumlah Ketidaklulusan Siswa SMA/MA/SMK vii

13 DAFTAR LAMPIRAN Lampiran Halaman 1. Data Jumlah Ketidaklulusan Siswa SMA/MA/SMK Dalam Ujian Nasional dan Faktor-Faktor yang Mempengaruhinya Output SAS 9.1 Untuk Keseluruhan Peubah Penjelas Output SAS 9.1 Tanpa Melibatkan Peubah Penjelas Output SAS 9.1 Model Tereduksi Melibatkan Seluruh Peubah Penjelas Output SAS 9.1 Model Tereduksi Tanpa Melibatkan Seluruh Peubah Penjelas Nilai Kritis Distribusi χ Dokumentasi viii

14 BAB I PENDAHULUAN A. Latar Belakang Pendidikan merupakan salah satu sektor penting dalam pembangunan di setiap Negara. Menurut Undang-Undang No.20 Tahun 2004 pendidikan merupakan usaha sadar dan terencana untuk mengembangkan segala potensi yang dimiliki peserta didik melalui proses pembelajaran. Pendidikan bertujuan untuk mengembangkan potensi anak agar memiliki kecerdasan, berakhlak mulia serta memiliki keterampilan yang diperlukan sebagai anggota masyarakat dan warga negara. Untuk melihat tingkat pencapaian tujuan pendidikan diperlukan suatu alat evaluasi. Ujian Nasional (UN) merupakan salah satu alat evaluasi bagi pencapaian tujuan pendidikan. Menurut keputusan Menteri Pendidikan Nasional No.153/U/2003 tentang UN disebutkan bahwa tujuan UN adalah untuk mengukur pencapaian hasil belajar peserta didik melalui pemberian tes pada siswa sekolah lanjutan tingkat pertama dan sekolah lanjutan tingkat atas. Selain itu UN bertujuan untuk mengukur mutu pendidikan dan mempertanggungjawabkan penyelenggaraan pendidikan di tingkat nasional, provinsi, kabupaten sampai pada tingkat sekolah (Ngadirin, 2004). 1

15 2 Salah satu permasalahan yang dikhawatirkan oleh siswa dan pihak sekolah dalam menghadapi UN adalah jika siswa tidak mampu mencapai standar kelulusan nasional yang telah ditentukan atau yang disebut ketidaklulusan dalam UN. Ketidaklulusan dalam UN mencerminkan mutu pendidikan yang belum sesuai dengan standar nasional pendidikan. Hal ini tidak bisa dibiarkan karena mutu pendidikan itu dipengaruhi oleh hasil belajar siswa. Menurut Peraturan BSNP (Badan Standar Nasional Pendidikan) No.0011/P/BSNP/XII/2011 (BSNP POS UN, 2011: 3) tentang kriteria dan mekanisme kelulusan SMA/MA/SMK disebutkan bahwa kelulusan peserta didik dari satuan pendidikan ditentukan berdasarkan Nilai Akhir (NA) dimana NA diperoleh dari gabungan nilai Sekolah/Madrasah (S/M) dari mata pelajaran yang diujiannasionalkan dan nilai UN dengan pembobotan 40 % untuk nilai S/M dan 60% untuk nilai UN. Peserta didik dinyatakan lulus UN apabila nilai rata-rata dari semua NA mencapai paling rendah 5,5 dan nilai rata-rata setiap mata pelajaran paling rendah 4,0. Menurut Soekamto (1992: 45) mutu pendidikan atau kualitas pendidikan yang diwakili oleh hasil belajar siswa tidak dapat dilepaskan dari faktor-faktor yang mempengaruhinya, yaitu faktor internal dan eksternal. Faktor internal adalah faktor yang berasal dari dalam diri siswa, seperti kemampuan, motivasi, sikap, dan kepribadian siswa. Sedangkan faktor eksternal adalah faktor yang ada di luar diri siswa yang dapat mempengaruhi hasil belajar siswa, seperti lingkungan sekolah, keluarga, dan masyarakat.

16 3 Salah satu faktor eksternal yang berpengaruh adalah lingkungan sekolah yang mempunyai peranan penting dalam menentukan hasil belajar siswa. Lingkungan sekolah adalah wahana kegiatan dan proses pendidikan berlangsung. Di lingkungan sekolah nilai-nilai kehidupan ditumbuhkan dan dikembangkan. Oleh karena itu, lingkungan sekolah menjadi wahana yang sangat dominan bagi pengaruh dan pembentukan sikap, perilaku, dan prestasi seorang siswa. Berdasarkan hasil wawancara kepada beberapa guru SMA/MA/SMK di Kota Tanjungpinang pada tanggal 28 Februari-1 Maret 2012 bahwa terdapat beberapa faktor eksternal di lingkungan sekolah yang berpengaruh terhadap hasil belajar siswa serta berpengaruh terhadap hasil UN, yaitu: akreditasi sekolah, input siswa yang masuk ke sekolah, jumlah guru, tingkat pendidikan guru yang masih ada di bawah S1, sarana dan prasarana yang masih kurang seperti: kondisi gedung sekolah yang kurang nyaman, kelengkapan alat pembelajaran yang masih kurang seperti: buku pelajaran, alat praktikum dan sarana IPTEK. Faktor eksternal mempunyai pengaruh terhadap pembentukan karakter anak serta sebagai penunjang dalam kegiatan proses pembelajaran untuk mencapai suatu tujuan. Faktor lingkungan sekolah yang mempengaruhi ketidaklulusan UN memang beragam, bukan hanya masalah kualitas pendidiknya, namun sarana dan prasarana juga cukup berperan tinggi. Sekolah yang memiliki sarana prasarana yang memadai dapat dijadikan sebagai sumber belajar bagi siswa yang akan sangat membantu para siswanya menguasai materi yang akan diujikan. Tidaklah heran jika banyak siswa yang berhasil lulus dengan nilai 10 berasal dari sekolah

17 4 yang sarana prasarananya memadai. Sekolah seperti itu tentu memiliki sumber belajar yang kaya yang memungkinkan para siswanya belajar lebih intens dan fokus. Antara pengaruh faktor eksternal dengan jumlah ketidaklulusan UN bagi siswa di suatu sekolah diduga terdapat sebuah hubungan. Untuk itu perlu diketahui, bagaimana bentuk hubungan antara faktor eksternal dengan jumlah ketidaklulusan siswa di suatu sekolah. Data jumlah ketidaklulusan UN bagi siswa SMA/MA/SMK memiliki pola data diskrit, dimana data diskrit merupakan banyak kejadian pada suatu waktu dengan variabel acak bulat. Cameron dan Trivedi (1998: 5) menyatakan bahwa suatu peristiwa akan mengikuti distribusi Poisson jika peristiwa itu jarang terjadi dalam suatu ruang sampel yang besar. Salah satu analisis hubungan yang menggunakan data diskrit adalah regresi Poisson. Regresi Poisson adalah suatu metode yang digunakan untuk memodelkan hubungan antara peubah respons Y yang bersifat diskrit yang menyatakan jumlah atau banyaknya suatu peristiwa yang terjadi pada suatu daerah dalam selang waktu tertentu dan berdistribusi Poisson berdasarkan satu atau lebih peubah penjelas X (Montgomery, 2006: 449). Untuk penelitian ini jumlah ketidaklulusan siswa SMA/MA/SMK dalam UN sebagai peubah respons mengikuti distribusi Poisson dengan faktor-faktor eksternalnya sebagai peubah penjelas. Berdasarkan uraian di atas maka dilakukan penelitian dengan judul: Pengaruh Faktor Eksternal Terhadap Ketidaklulusan Siswa SMA/MA/SMK Dalam Ujian

18 5 Nasional Menggunakan Regresi Poisson (Studi Kasus Pada SMA/MA/SMK di Kota Tanjungpinang). B. Perumusan Masalah Berdasarkan latar belakang masalah maka perumusan masalah pada penelitian ini adalah Bagaimana pengaruh faktor eksternal terhadap ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang dengan menggunakan regresi Poisson?. C. Pembatasan Masalah Melihat luasnya cakupan faktor eksternal maka penelitian ini dibatasi pada faktor lingkungan sekolah yaitu: akreditasi sekolah, input siswa yang masuk ke sekolah, jumlah guru, jumlah guru dengan tingkat pendidikan masih di bawah S1, keadaan gedung sekolah, kelengkapan alat pembelajaran, kelengkapan buku di perpustakaan, dan ketersediaannya sarana IPTEK. D. Pendekatan Masalah Dan Pertanyaan Penelitian Berdasarkan rumusan masalah maka pendekatan yang dilakukan adalah dengan menggunakan analisis teori yang berkaitan dengan regresi Poisson dan menerapkannya di dalam pengaruh faktor eksternal terhadap ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang.

19 6 Adapun pertanyaan pada penelitian ini adalah: 1. Bagaimana bentuk model regresi Poisson dari faktor eksternal yang mempengaruhi ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang? 2. Faktor-faktor eksternal apa yang mempunyai pengaruh terhadap ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang? E. Tujuan Penelitian Adapun tujuan yang ingin dicapai pada penelitian ini yaitu: 1. Untuk menentukan bentuk model regresi Poisson dari faktor eksternal yang mempengaruhi ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang. 2. Untuk menentukan faktor-faktor eksternal yang mempunyai pengaruh terhadap ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang. F. Manfaat Penelitian Dalam penelitian ini diharapkan dapat memberikan manfaat antara lain: 1. Menambah wawasan peneliti dan pembaca dalam mempelajari analisis regresi Poisson. 2. Sebagai referensi bagi peneliti selanjutnya.

20 7 3. Sebagai bahan masukan bagi Dinas Pendidikan Pemuda dan Olahraga Kota Tanjungpinang dalam menanggulangi jumlah ketidaklulusan siswa SMA/MA/SMK. 4. Sebagai bahan masukan bagi Pemerintah Kota Tanjungpinang dalam menghasilkan sumber daya manusia yang berkualiatas.

21 8 BAB II TINJAUAN PUSTAKA A. Ujian Nasional (UN) 1. Pengertian Ujian Nasional (UN) Ujian Nasional (UN) merupakan bentuk penilaian yang dilakukan oleh pemerintah terhadap peserta didik secara nasional pada jenjang pendidikan dasar dan menengah. Hasil UN dapat digunakan sebagai salah satu acuan untuk penentuan kelulusan peserta didik dari suatu satuan pendidikan. Pemerintah telah mengambil kebijakan untuk menerapkan UN sebagai salah satu bentuk evaluasi pendidikan. Selain itu, UN juga berfungsi sebagai alat pengendali mutu pendidikan secara nasional, pendorong peningkatan mutu pendidikan secara nasional, bahan dalam menentukan kelulusan peserta didik dan sebagai bahan pertimbangan dalam seleksi penerimaan pada jenjang pendidikan yang lebih tinggi (Ngadirin, 2004). Ujian Nasional diselenggarakan untuk memetakan mutu satuan pendidikan SD, SMP, dan SMA sederajat secara nasional ( Peta tersebut selanjutnya akan digunakan untuk memberi bantuan atau pembinaan kepada sekolah yang bersangkutan berupa bantuan sarana prasarana, peningkatan kualitas guru dan lainnya. Jika UN tidak ada, kita tidak mengetahui apakah siswa pada suatu sekolah sudah 8

22 9 memenuhi standar nasional atau belum. Suatu saat norma kelulusannya akan mencapai 6,00 atau lebih tinggi lagi. Saat ini kita belum mengetahui apakah standar kelulusan siswa di Indonesia telah memenuhi Standar Internasional atau tidak. 2. Kondisi Hasil Ujian Nasional Perkembangan hasil UN dari tahun ke tahun selalu naik meskipun kriteria kelulusan juga dinaikkan. Berikut adalah tabel persentase hasil kelulusan UN secara nasional di seluruh Indonesia menurut tingkat pendidikannya yaitu: Tabel 1: Persentase Hasil Kelulusan UN SMA/MA/SMK Secara Nasional No. Tingkat Pendidikan UN 2008 UN 2009 UN 2010 UN SMA/MA 91,32 % 93,74 % 89,61 % 99,22 % 2 SMK 92,58 % 93,85 % 99,20 % 99,51 % Sumber: Data Kementerian Pendidikan Nasional Berdasarkan tabel persentase hasil kelulusan UN SMA/MA/SMK secara nasional di atas terlihat bahwa hasil kelulusan UN pada tahun 2009 mengalami peningkatan dari hasil kelulusan UN tahun 2008 untuk tingkat SMA/MA/SMK. Tetapi pada tahun 2010 mengalami penurunan hasil kelulusan UN untuk tingkat SMA/MA sebesar 4,13 % dari tahun Sedangkan hasil kelulusan UN untuk tingkat SMK mengalami peningkatan dari tahun 2008 hingga tahun 2011.

23 10 Di kota Tanjungpinang terdapat 22 sekolah SMA/MA/SMK yang terdiri dari: 10 SMA, 2 MA, 10 SMK. Berikut adalah tabel persentase hasil kelulusan UN di Kota Tanjungpinang menurut tingkat pendidikannya: Tabel 2: Persentase Hasil Kelulusan UN SMA/MA/SMK di Kota Tanjungpinang No. Tingkat Pendidikan UN 2008 UN 2009 UN 2010 UN SMA 93, 43 % 81,19 % 85,74 % 94,65 % 2 MA 85,60 % 84,39 % 70,09 % 81,25 % 3 SMK 90,29 % 75,19 % 74,89 % 99,36 % Sumber: Dinas Pendidikan Pemuda dan Olahraga Kota Tanjungpinang Berdasarkan tabel persentase hasil kelulusan UN SMA/MA/SMK di Kota Tanjungpinang di atas terlihat bahwa hasil kelulusan UN untuk tingkat SMA tertinggi terjadi pada tahun 2011 dengan persentase yang tidak lulus UN sebesar 5,35 %. Sedangkan hasil kelulusan UN untuk tingkat MA dan SMK terendah terjadi pada tahun 2010 dengan persentase yang tidak lulus UN sebesar 29,91 % dan 25,11 %. 3. Faktor Yang Mempengaruhi Ketidaklulusan Ketidaklulusan menjadi salah satu hal yang dikhawatirkan oleh pihak sekolah. Dimana tingkat kelulusan siswa hingga 100% menjadi target utama dan kebanggaan sekolah, karena hal ini merupakan salah satu indikator keberhasilan sekolah. Hal ini tidak lepas dari bagaimana proses belajar dari siswa itu sendiri. Menurut Slameto (2010: 54) faktor-faktor yang mempengaruhi proses belajar banyak jenisnya, tetapi digolongkan menjadi dua saja, yaitu faktor

24 11 internal dan eksternal. Faktor internal adalah faktor yang ada di dalam diri individu yang sedang belajar, sedangkan faktor eksternal adalah faktor yang ada di luar individu. Faktor eksternal yang berpengaruh terhadap proses belajar dikelompokkan menjadi tiga faktor, yaitu: faktor keluarga, faktor sekolah dan masyarakat. Faktor eksternal yang termasuk pada faktor sekolah, yang mempengaruhi proses belajar yang diperoleh dari berbagai sumber yaitu: a. Akreditasi Sekolah Menurut Badan Akreditasi Nasional-Sekolah/Madrasah (BAN-SM), akreditasi sekolah adalah kegiatan penilaian sekolah secara sistematis dan komprehensif melalui kegiatan evaluasi diri dan evaluasi eksternal untuk menentukan kelayakan dan kinerja sekolah. Dengan adanya akreditasi sekolah diharapkan kualitas sekolah juga semakin baik, dan sekolah yang berkualitas akan menghasilkan lulusan yang baik dan mempunyai prestasi belajar yang tinggi (Barokah, 2006: 46). b. Input Siswa Suatu sekolah akan dapat dijadikan bermutu, jika dimulai dengan input siswa yang masuk ke sekolah tersebut. Dilihat dari bagaimana kualitas siswa yang masuk ke sekolah itu. Apabila kualitas siswa yang masuk ke sekolah tersebut baik, maka outputnya bisa juga baik. Namun demikian tentu ada lagi kriterianya, ada lagi ukurannya yang akan dapat membuat sekolah tersebut berkualitas (Bakar, 2009).

25 12 c. Jumlah Guru Dalam proses belajar mengajar, guru mempunyai tugas untuk mendorong, membimbing, dan memberi fasilitas belajar bagi siswa untuk mencapai tujuan (Slameto, 2010: 97). Saat ini dalam hal penempatan guru, jumlah guru dirasakan oleh masyarakat maupun pemerintah sendiri masih sangat kurang (Fani, 2011: 2). Sehingga masih ada beberapa guru yang mengajar mata pelajaran yang tidak sesuai dengan bidang keahliannya untuk menutupi kekurangan jumlah guru di sekolah. d. Tingkat Pendidikan Guru Tingkat pendidikan adalah tahapan pendidikan yang ditetapkan berdasarkan tingkat perkembangan peserta didik, tujuan yang akan dicapai, dan kemampuan yang dikembangkan. Semakin tinggi tingkat pendidikan yang telah dilalui oleh seseorang, maka akan ada kecenderungan pada meningkatnya berbagai kemampuan sesuai dengan jenis pendidikan yang diikuti (Mendung, 2011). Persyaratan tentang pendidikan formal dan non formal bagi guru pada setiap tingkat pendidikan formal merupakan tuntutan terhadap mutu pendidikan itu sendiri. e. Keadaan Gedung Sekolah Dengan jumlah siswa yang banyak serta variasi karakteristik mereka masing-masing menuntut keadaan gedung harus memadai di dalam setiap kelas, dimana bangunan gedung harus memenuhi ketentuan tata bangunan

26 13 yang telah ditetapkan di dalam Permendiknas tentang sarana dan prasarana. Bagaimana mungkin mereka dapat belajar dengan nyaman, jika kelas tidak memadai bagi setiap siswa (Slameto, 2010: 69). f. Kelengkapan Alat Pembelajaran Alat pembelajaran erat hubungannya dengan cara belajar siswa, karena alat pembelajaran yang dipakai oleh guru pada waktu mengajar dipakai juga oleh siswa untuk menerima bahan yang diajarkan. Kenyataannya saat ini dengan banyaknya tuntutan yang masuk sekolah, maka memerlukan alat-alat yang membantu lancarnya belajar siswa dalam jumlah yang besar pula, seperti: laboratorium atau media-media yang lain. Kebanyakan sekolah masih kurang memiliki media dalam jumlah maupun kualitasnya (Slameto, 2010: 68). g. Kelengkapan Buku di Perpustakaan Ketersediaan buku yang berkualitas merupakan salah satu prasarana pendidikan yang sangat penting dibutuhkan dalam menunjang keberhasilan proses pendidikan. Menurut Permendiknas No. 24/2007 (Permendiknas, 2007: 357) tentang sarana prasarana, perpustakaan adalah ruang yang mempunyai fungsi sebagai tempat kegiatan peserta didik dan guru memperoleh informasi dari berbagai jenis bahan pustaka dengan membaca, mengamati, mendengar sekaligus tempat petugas mengelola perpustakaan. Namun kenyataannya saat ini masih banyak sekolah yang

27 14 perpustakaannya kurang lengkap seperti buku pelajaran, buku pengayaan, serta buku referensi yang dapat dijadikan sumber belajar. h. Ketersediaannya Teknologi Informasi dan Komunikasi (IPTEK) Menurut Permendiknas No. 24/2007 (Permendiknas, 2007: 415) tentang standar sarana dan prasarana, teknologi informasi dan komunikasi adalah satuan perangkat keras dan lunak yang berkaitan dengan akses dan pengelolaan informasi serta komunikasi untuk mendukung pembelajaran. Dimana sekolah yang memiliki teknologi informasi dan komunikasi yang lengkap akan membantu siswa dalam mengakses soal-soal ujian serta informasi pembelajaran. Ada banyak faktor yang mempengaruhi tingkat ketidaklulusan siswa dalam UN. Tersedianya fasilitas belajar di sekolah, lingkungan belajar yang nyaman di sekolah, dan jumlah guru yang memadai di sekolah tersebut merupakan faktor eksternal yang mempunyai pengaruh terhadap tingkat ketidaklulusan siswa dalam UN. Menurut peraturan BSNP No.0011/P/BSNP/XII/2011 (BSNP POS UN, 2011: 3) tentang kriteria dan mekanisme kelulusan SMA/MA/SMK disebutkan bahwa kelulusan peserta didik dari satuan pendidikan ditentukan dengan menggunakan kriteria sebagai berikut: a. Telah menyelesaikan seluruh program pembelajaran.

28 15 b. Memperoleh nilai minimal baik pada penilaian akhir untuk seluruh mata pelajaran seperti: kelompok mata pelajaran agama dan akhlak mulia, kelompok mata pelajaran kewarganegaraan dan kepribadian, kelompok mata pelajaran estetika, dan kelompok mata pelajaran jasmani, olahraga dan kesehatan. c. Lulus Ujian Sekolah/Madrasah (US/M) untuk kelompok mata pelajaran ilmu pengetahuan dan teknologi. d. Lulus Ujian Nasional. e. Kelulusan peserta didik dari Ujian Nasional ditentukan berdasarkan Nilai Akhir (NA) dimana NA diperoleh dari gabungan nilai Sekolah/Madrasah (S/M) dari mata pelajaran yang diujianasionalkan dan nilai UN dengan pembobotan 40 % untuk nilai S/M dan 60% untuk nilai UN. f. Nilai S/M diperoleh dari: 1) Gabungan antara nilai US/M dan nilai rata-rata rapor semester 3,4,5 untuk SMA/MA dengan pembobotan 60% untuk US/M dan 40 % untuk nilai rata-rata rapor. 2) Gabungan antara nilai US/M dan nilai rata-rata rapor semester 1,2,3,4,5 untuk SMK dengan pembobotan 60% untuk nilai US/M dan 40% untuk nilai rata-rata rapor. g. Peserta didik dinyatakan lulus UN apabila nilai rata-rata dari semua NA mencapai paling rendah 5,5 dan nilai rata-rata setiap mata pelajaran paling rendah 4,0.

29 16 B. Analisis Regresi Poisson 1. Distribusi Poisson Menurut Walpole dan Myers (1995: 218), ciri-ciri suatu data berdistribusi Poisson adalah: a. Banyak hasil yang terjadi dalam selang waktu tertentu tidak terpengaruh oleh kejadian pada selang waktu atau daerah lain yang terpisah. b. Peluang terjadinya suatu hasil tidak bergantung pada peluang hasil yang lain. c. Peluang terjadinya suatu hasil dalam jangka waktu yang pendek atau daerah yang sempit dapat diabaikan. Data yang penyebarannya diskrit dinamakan dengan distribusi Poisson yang memiliki fungsi peluang: ( )...(1) dengan parameter µ > 0. Menurut Montgomery (2006: 449) nilai harapan dan ragam dari distribusi Poisson adalah: E (y) = Var (y) = µ...(2) Dalam hal ini E (y) adalah rata-rata dan Var (y) adalah keragaman dari distribusi Poisson. Berikut adalah grafik data yang mengikuti pola distribusi Poisson (Usoskin, 2003: 745):

30 17 Gambar 1: Grafik Data yang Mengikuti Pola Distribusi Poisson Grafik data distribusi Poisson tersebut mempunyai tujuan untuk menguji distribusi data yang dilakukan dengan memplot data peubah respons dengan membentuk diagram histogram, sehingga dapat diketahui bentuk pola distribusi yang mengikuti penyebaran data. Grafik data distribusi Poisson mempunyai bentuk yang berbeda dari grafik data distribusi Normal, dimana bentuknya tidak simetris dengan sumbu x. 2. Regresi Poisson Regresi Poisson merupakan analisis regresi yang digunakan pada data berbentuk diskrit yang menyatakan jumlah atau banyaknya suatu kejadian yang jarang terjadi dalam suatu daerah pada selang waktu tertentu. Sebagai contoh jumlah panggilan telepon pada suatu kantor, jumlah absensi bulanan pada tempat kerja, jumlah kecelakaan pesawat dan lain-lain. Regresi ini

31 18 termasuk pada model regresi non linier yang diturunkan dari distribusi Poisson dengan mendefinisikan µ sebagai fungsi peubah penjelas. Dalam regresi Poisson, data disusun dalam struktur tabulasi silang (Cros section Data) yang terdiri dari n pengamatan yang saling lepas dan sebagai pengamatan ke-i adalah (y i,x i ). Peubah respon y i adalah suatu besaran skalar yang menyatakan jumlah terjadinya suatu peristiwa atau kejadian, dan x i adalah besaran vektor yang menyatakan peubah penjelas (Cameron & Trivedi, 1998: 9). Menurut Montgomery (2006: 449) model dari regresi Poisson dituliskan sebagai: ( )...(3) E (y i ) = µ i Dimana : y i : peubah respon ke-i E (y i ) : rata-rata dari peubah respon ke-i : galat Dalam model regresi Poisson pada persamaan (3) terdapat rataan peubah respons atau ( ). Untuk menghubungkan rataan respons dengan peubah penjelas, Montgomery (2006: 449) menyatakan bahwa dapat digunakan suatu fungsi penghubung (link function). Misal: ( )...(4)

32 19 Hubungan antara rataan dan peubah penjelas adalah: µ i = g -1 (η i ) = g -1 ( )...(5) Terdapat beberapa macam link function yang secara umum digunakan pada distribusi Poisson. Satu di antaranya adalah identity link (Montgomery, 2006: 449). Dimana: g ( µ i ) =µ i = Berdasarkan persamaan (5) diperoleh: µ i =...(6) Link function yang terkenal lainnya untuk distribusi Poisson adalah log link (Montgomery, 2006: 450). Dimana: g ( µ i )= ln µ i = Untuk log link ini diperoleh hubungan antara peubah respons dan rataan, yaitu: µ i = g -1 ( ) atau dapat dituliskan sebagai: ( )...(7) Sehingga diperoleh model regresi Poisson sebagai berikut: ( ) ( )...(8)

33 20 Adapun langkah-langkah yang dilakukan dalam membentuk model regresi Poisson adalah sebagai berikut: a. Pendugaan Parameter Model Untuk menduga parameter dalam regresi Poisson digunakan Metode Maksimum Likelihood. Menurut (Montgomery, 2006: 450) jika pada sampel acak mempunyai n pengamatan dengan peubah respons y dan peubah bebas x, maka fungsi likelihood dari regresi Poisson adalah: ( ) ( ) ( )...(9) Dari fungsi likelihood dari persamaan (9) dapat dibentuk log-likelihood yaitu: ( ) ( ) ( )...(10) Berdasarkan persamaan (7) maka persamaan (10) dapat ditulis sebagai: ( ) ( ) ( )...(11) Untuk menduga parameter β diperoleh dengan mendiferensialkan persamaan (11) terhadap β (Agresti, 2007: 10) maka diperoleh: ( ) ( ( )) Nilai dugaan diperoleh dengan memaksimumkan bentuk diferensial tersebut sehingga diperoleh: ( ) ( ( ))...(12)

34 21 Karena fungsi pada persamaan (12) berbentuk implisit, maka digunakan prosedur iterasi numerik yaitu Newton-Raphson. Secara umum persamaan untuk iterasi Newton-Raphson menurut (Agresti, 2007: 342) adalah: ( )...(13) Dimana: ( ) ( )...(14) ( ) Dengan nilai taksiran awal parameter, yaitu: ( )...(15) ( )...(16) Penentuan nilai taksiran awal parameter ini diperoleh dengan menggunakan metode Ordinary Least Square (OLS). Jika persamaan (14) dan persamaan (15) disubstitusikan ke persamaan (13), maka diperoleh: ( ( ) ) ( ) ( ) ( )...(17) Persamaan (17) dapat ditulis menjadi: ( ( ) ) ( ) ( ) ( )...(18)

35 22 Apabila digunakan pendekatan matriks maka persamaan (18) dapat ditulis sebagai berikut: [ ]...(19) Dimana: X: Matriks peubah bebas, dinotasikan sebgai berikut: [ ] W: Matriks pembobot, dinotasikan sebagai berikut: ( ( )) Z: Vektor variabel respons [ ( ) ( ) ] b. Uji Signifikansi Model Regresi Poisson Uji signifikansi model ini dilakukan untuk menentukan jika terdapatnya hubungan antara peubah respons dan beberapa peubah penjelas didalam model tersebut. Uji signifikansi model yang digunakan dalam model regresi Poisson adalah uji rasio kemungkinan (likelihood ratio test) Cameron & Trivedi (1998: 45). Uji rasio kemungkinan bertujuan untuk melihat pengaruh peubah penjelas dalam model secara bersama-sama. Untuk uji rasio kemungkinan terlebih dahulu ditentukan dua buah fungsi likelihood yang berhubungan dengan model regresi yang diperoleh. Fungsi likelihood tersebut adalah

36 23 yaitu nilai likelihood untuk model lengkap dengan melibatkan peubah penjelas dan yaitu nilai likelihood untuk model sederhana tanpa melibatkan peubah penjelas. Cameron & Trivedi (1998: 45) menjelaskan mengenai uji signifikansi model regresi Poisson menggunakan uji rasio kemungkinan dengan hipotesis yang digunakan adalah: Dengan statistik uji yang digunakan pada pengujian ini adalah: ( )...(20) Kriteria uji rasio kemungkinan ini mengikuti distribusi dengan derajat kebebasan k. Keputusan yang diambil yaitu, jika nilai statistik uji lebih besar dari nilai pada tabel dengan taraf nyata α maka tolak H 0. Dengan kata lain, jika maka tolak yang berarti pada model regresi Poisson terdapat paling tidak ada satu parameter yang tidak sama dengan nol. c. Uji Signifikansi Masing-Masing Parameter Model Regresi Poisson Pada model regresi Poisson masing-masing parameter yang dihasilkan dari pendugaan parameter belum tentu mempunyai pengaruh yang signifikansi terhadap model, untuk itu perlu dilakukan pengujian

37 24 terhadap masing-masing parameter model. Uji signifikansi yang digunakan pada model regresi Poisson adalah Uji Wald. Montgomery (2006: 454) menjelaskan mengenai uji signifikansi masing-masing parameter model regresi Poisson menggunakan uji Wald dengan hipotesis yang digunakan adalah: ( ) ( ) Dengan statistik uji yang digunakan adalah: ( ( )...(21) ) Kriteria uji statistik ini berdistribusi dengan derajat kebebasan 1. Dimana dengan taraf nyata α untuk daerah penolakannya adalah ditolak jika, artinya parameter regresi memiliki signifikansi terhadap model. Dengan kata lain peubah penjelas memiliki pengaruh terhadap model jika peubah penjelas yang lainnya juga ada pada model. d. Pemilihan Model Terbaik Menurut Bozdogan (2000: 63) dalam menentukan model terbaik pada regresi Poisson dapat menggunakan metode Akaike Information Criterion (AIC). AIC didefinisikan sebagai berikut: AIC 2ln L( ) 2k...(22)

38 25 Dimana: ( ): fungsi maksimum likelihood k : banyak parameter di dalam model Pada metode AIC, untuk menentukan model terbaik dilakukan dengan melihat nilai AIC pada masing-masing model. Model yang memiliki nilai AIC terkecil dan parameternya signifikan terhadap model merupakan model regresi yang terbaik. 3. Peubah Dummy Dalam analisis regresi Poisson akan dilibatkan peubah penjelas yang bersifat kualitatif, dimana peubah tersebut akan diukur dalam skala pengukuran nominal. Karena semua peubah dalam regresi bersifat kuantitatif maka peubah kualitatif tadi harus dijadikan kuantitatif agar regresi dapat digunakan (Sembiring, 1995: 259). Peubah dummy dikenal juga dengan nama peubah indikator atau peubah boneka. Peubah dummy ini bersifat biner, dimana nilainya 0 atau 1 (Sembiring, 1995: 260). Di dalam peubah dummy antara kategori yang satu dengan yang lainnya harus saling bebas. Peubah dummy pada prinsipnya merupakan perbandingan karakteristik. Dalam menentukan peubah dummy perlu diperhatikan jika data terdapat peubah penjelas yang memiliki k kategori maka terdapat k-1 (banyaknya kategori dikurangi satu) peubah dummy, dimana peubah yang tidak

39 26 diperkenalkan akan langsung masuk menjadi intersep (Kleinbaum dan Kupper, 1978: 189). Jika banyaknya peubah dummy sama dengan banyaknya kategori maka peubah dummy tersebut secara keseluruhan tidak lagi bebas satu sama lainnya (Sembiring, 1995: 266). Pemberian nilai 1 dan 0 pada kategori yang ada bersifat bebas, disesuaikan dengan tujuan. Kategori yang diberi nilai 0 disebut sebagai kategori dasar (kategori pembanding).

40 27 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Penelitian ini merupakan penelitian terapan yang diawali dengan analisis teori dan diikuti dengan pengambilan data. Penelitian terapan merupakan penelitian yang mencoba memecahkan suatu persoalan dengan menggunakan matematika. B. Data dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data jumlah ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional Tahun Pelajaran 2010/2011 di Kota Tanjungpinang yang diperoleh dari Dinas Pendidikan Pemuda dan Olahraga Kota Tanjungpinang. Sedangkan data lingkungan sekolah, diperoleh dari masing-masing SMA/MA/SMK di Kota Tanjungpinang yang berjumlah 22 yang terdiri dari 11 sekolah swasta dan 11 sekolah negeri dengan jumlah SMA/MA/SMK pada masing-masing Kecamatan dapat dilihat pada Tabel 3. Tabel 3: Jumlah SMA/MA/SMK Swasta dan Negeri di Kecamatan Kota Tanjungpinang No. Kecamatan Swasta Negeri 1 Kec. Tg.Pinang Timur Kec. Tg.Pinang Barat Kec. Tg.Pinang Kota Kec. Bukit Bestari

41 28 Adapun peubah-peubah yang digunakan pada penelitian ini berdasarkan kajian teori dan data yang diperoleh dari pendataan adalah sebagai berikut: a. Peubah respons (Y) yaitu jumlah siswa yang tidak lulus Ujian Nasional. b. Peubah penjelas (X) yang terdiri dari faktor eksternal yang merupakan lingkungan sekolah yang mempengaruhi ketidaklulusan siswa SMA/MA/SMK. Peubah penjelas dan kategorinya dapat dilihat pada tabel berikut: Tabel 4: Peubah Penjelas dan Kategorinya Peubah Penjelas Kategori X 1 : Akreditasi sekolah Peubah bertipe non metrik, terdiri dari: a. Akreditasi sekolah A b. Akreditasi sekolah B c. Akreditasi sekolah C X 2 : Input siswa Peubah bertipe non metrik, terdiri dari: a. Input siswa tinggi b. Input siswa sedang c. Input siswa rendah X 3 : Jumlah guru Peubah bertipe metrik X 4 : Jumlah guru dengan tingkat Peubah bertipe metrik pendidikan masih di bawah S1 X 5 : Keadaan gedung sekolah Peubah bertipe non metrik, terdiri dari: a. Keadaan gedung sekolah yang kurang baik b. Keadaan gedung sekolah yang baik X 6 : Kelengkapan alat pembelajaran Peubah bertipe non metrik, terdiri dari: a. Alat pembelajaran kurang lengkap b. Alat pembelajaran lengkap X 7 : Kelengkapan buku di Peubah bertipe non metrik, terdiri dari: perpustakaan a. Buku kurang lengkap b. Buku lengkap X 8 : Ketersediaannya sarana IPTEK Peubah bertipe non metrik, terdiri dari: a. Kurang tersedia sarana IPTEK b. Tersedia sarana IPTEK

42 29 C. Teknik Analisis Data Penelitian ini menggunakan model regresi Poisson untuk menggambarkan pengaruh faktor eksternal terhadap ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional di Kota Tanjungpinang. Pada penelitian ini digunakan bantuan Software SAS versi 9.1 dengan memakai PROC GENMOD. Adapun langkahlangkah yang dilakukan dalam menentukan model tersebut adalah sebagai berikut: 1. Membentuk peubah dummy pada peubah penjelas a. Apabila peubah penjelas memiliki lebih dari dua kategori dilakukan pengurangan antara banyaknya kategori dikurangi satu berdasarkan teori pada halaman (25). b. Apabila peubah penjelas memiliki dua kategori maka diberikan nilai 0 dan 1 pada kategori, dimana kategori yang diberi nilai 0 dianggap sebagai kategori dasar. 2. Memplot data peubah respons Plot data dilakukan terhadap peubah respon untuk menentukan distribusi data dan analisis yang sesuai untuk data penelitian ini dengan langkah-langkah: a. Melakukan plot data terhadap peubah respons dengan menggunakan diagram histogram. b. Membandingkan plot data dari hasil langkah 2a dengan grafik fungsi distribusi yang terdapat pada halaman (17).

43 30 3. Pendugaan parameter model Pendugaan parameter dilakukan untuk membentuk model regresi poisson dengan mengikutsertakan seluruh peubah penjelas dengan menggunakan persamaan (16). 4. Pengujian signifikansi model regresi Poisson Pengujian signifikansi model regresi Poisson dilakukan untuk melihat pengaruh dari peubah penjelas didalam model dengan menggunakan uji rasio kemungkinan. Untuk uji ini dilakukan langkah-langkah sebagai berikut: a. Menentukan nilai dan dengan menggunakan persamaan (11). b. Menentukan nilai T dengan menggunakan persamaan (20). c. Menentukan nilai χ 2 α,k kemudian membandingkannya dengan nilai T, dimana jika maka tolak. 5. Pengujian signifikansi masing-masing parameter model regresi Poisson Pengujian signifikansi masing-masing parameter regresi Poisson dilakukan untuk melihat pengaruh parameter terhadap model secara terpisah. Adapun langkah-langkah yang dilakukan adalah: a. Melakukan uji Wald untuk masing-masing parameter dengan menggunakan persamaan (21). b. Menentukan nilai χ 2 α,1 kemudian membandingkannya dengan nilai uji Wald. Dimana ditolak jika.

44 31 6. Pemilihan model terbaik Pemilihan model terbaik pada regresi poisson dilakukan dengan menggunakan persamaan (22). Dimana dengan melihat nilai yang terkecil dan parameternya signifikan terhadap model merupakan model yang terbaik.

45 32 BAB IV HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Deskripsi Data Data yang diperoleh dari Dinas Pendidikan Pemuda dan Olahraga Kota Tanjungpinang, dapat dilihat pada Lampiran 1 halaman 53. Lampiran ini menggambarkan jumlah siswa SMA/MA/SMK yang tidak lulus UN Tahun Pelajaran 2010/2011 dan faktor eksternal lingkungan sekolah yang mempengaruhinya. Berikut adalah tabel jumlah siswa yang tidak lulus UN per sekolah pada masing-masing Kecamatan di Kota Tanjungpinang: Tabel 5: Jumlah Siswa Tidak Lulus UN Per Sekolah Pada Masing-Masing Kecamatan No Kecamatan Jumlah Sekolah Rata-Rata Siswa Jumlah Siswa yang Tidak Tidak Lulus Per Tidak Lulus Lulus 100 % Sekolah 1 Kec. Tg.Pinang Timur ,67 2 Kec. Tg.Pinang Barat ,5 3 Kec. Tg.Pinang Kota Kec. Bukit Bestari ,5 Berdasarkan Tabel 5 dapat dilihat bahwa jumlah siswa yang tidak lulus UN paling banyak terdapat pada Kecamatan Tanjungpinang Kota dengan ratarata siswa yang tidak lulus per sekolah adalah 29 siswa. Sedangkan jumlah siswa yang tidak lulus paling sedikit terdapat pada Kecamatan Tanjungpinang Timur dengan rata-rata siswa yang tidak lulus per sekolah adalah 5,67 siswa. 32

46 33 2. Analisis Data Dalam menganalisis data penelitian ini, digunakan bantuan software SAS versi 9.1 dengan memakai PROC GENMOD. Adapun hasil analisis yang dilakukan adalah: a. Membentuk Peubah Dummy Pada Peubah Penjelas 1) Peubah penjelas lebih dari dua kategori Peubah dummy ini dibentuk pada peubah penjelas yang memiliki lebih dari dua kategori yaitu: peubah akreditasi sekolah dan peubah input siswa. Dimana dilakukan pengurangan antara banyaknya kategori dikurangi satu sebagai berikut: X 1 = Akreditasi sekolah Untuk peubah akreditasi sekolah dikelompokkan menjadi tiga kategori, yaitu akreditasi sekolah A, B dan C. Pada data ini terlebih dahulu dibentuk peubah dummy agar dapat dilakukan analisis, yaitu: Tabel 6: Peubah Dummy Pada X 1 Kategori X 1a X 1b Akreditasi sekolah A 0 0 Akreditasi sekolah B 1 0 Akreditasi sekolah C 0 1 Akreditasi sekolah X 1a akan bernilai 1 apabila akreditasi sekolah berada pada kategori akreditasi sekolah B dan bernilai 0 untuk akreditasi sekolah lainnya. Akreditasi sekolah X 1b akan bernilai 1 apabila akreditasi sekolah berada pada kategori akreditasi sekolah C dan bernilai 0 untuk akreditasi sekolah lainnya.

47 34 X 2 = Input siswa Untuk peubah input siswa dikelompokkan menjadi tiga kategori, yaitu input siswa tinggi, sedang, dan rendah. Pada data ini terlebih dahulu dibentuk peubah dummy agar dapat dilakukan analisis, yaitu: Tabel 7: Peubah Dummy Pada X 2 Kategori X 2a X 2b Input Siswa Tinggi 0 0 Input Siswa Sedang 1 0 Input Siswa Rendah 0 1 Input siswa X 2a akan bernilai 1 apabila input siswa berada pada kategori input siswa sedang dan bernilai 0 untuk input siswa lainnya. Input siswa X 2b akan bernilai 1 apabila input siswa berada pada kategori input siswa rendah dan bernilai 0 untuk input siswa lainnya. 2) Peubah penjelas hanya dua kategori Pada peubah penjelas yang memiliki dua kategori akan diberikan nilai 0 dan 1 pada kategori, dimana kategori yang diberi nilai 0 dianggap sebagai kategori dasar. Adapun peubah penjelas yang memiliki dua kategori adalah: X 5 = Keadaan gedung sekolah Untuk peubah keadaan gedung sekolah, diberi nilai seperti: 0: Keadaan gedung sekolah yang kurang baik 1: Keadaan gedung sekolah yang baik X 6 = Kelengkapan alat pembelajaran Untuk peubah kelengkapan alat pembelajaran, diberi nilai seperti: 0: Alat pembelajaran kurang lengkap

48 35 1: Alat pembelajaran lengkap X 7 = Kelengkapan buku di perpustakaan Untuk peubah kelengkapan buku di perpustakaan, diberi nilai seperti: 0: Buku kurang lengkap 1: Buku lengkap X 8 = Ketersediaannya sarana IPTEK Untuk peubah ketersediaannya sarana IPTEK, diberi nilai seperti: 0: Kurang tersedia sarana IPTEK 1: Tersedia sarana IPTEK b. Memplot Data Peubah Respons Berdasarkan data pada Lampiran 1 halaman 51 plot data peubah respons (y) dapat dilihat pada grafik berikut ini: Gambar 2: Plot Peubah Respons Jumlah Ketidaklulusan Siswa SMA/MA/ SMK

49 36 Dari hasil grafik tersebut terlihat bahwa grafik di atas berbentuk distribusi Poisson. Grafik dari plot data peubah respons sesuai dengan gambar 1, dimana bentuknya tidak simetris terhadap sumbu x. c. Pendugaan Parameter Model Dengan mengikutsertakan seluruh peubah penjelas, diperoleh hasil pendugaan parameter model regresi Poisson dengan Metode Maksimum Likelihood menggunakan pendekatan Newton-Raphson pada persamaan (16). Berdasarkan bantuan software SAS versi 9.1 dugaan parameter model dapat dilihat pada Lampiran 2 halaman 53 yang dapat diberikan pada tabel berikut ini: Tabel 8: Hasil Dugaan Parameter Model Regresi Poisson Peubah Penjelas Nilai Parameter β i Intersep -5,5985 Akreditasi sekolah (Akreditasi sekolah C) 3,6749 Akreditasi sekolah (Akreditasi sekolah B) 4,2308 Input siswa (Input siswa rendah) -0,7575 Input siswa (Input siswa sedang) -1,5582 Jumlah guru 0,0856 Jumlah guru dengan tingkat pendidikan masih di bawah S1-0,7481 Keadaan gedung sekolah (kurang baik) 2,3023 Kelengkapan alat pembelajaran (kurang lengkap) 2,7251 Kelengkapan buku (kurang lengkap) -0,1179 Ketersediaan IPTEK (kurang tersedia) -0,1373

50 37 Berdasarkan Tabel 8 di atas diperoleh model regresi Poisson dengan mengikutsertakan seluruh peubah penjelas, yaitu: y = exp (-5, ,6749 X 1a(0) + 4,2308 X 1b(0) 0,7575 X 2a(0) 1,5582 X 2b(0) + 0,0856 X 3 0,7481 X 4 + 2,3023 X 5(0) + 2,7251 X 6(0) 0,1179 X 7(0) + 0,1373 X 8(0) ). Model regresi Poisson di atas menunjukkan bahwa koefisien faktor eksternal yang masuk ke dalam model, masing-masing mempunyai pengaruh terhadap jumlah siswa SMA/MA/SMK yang tidak lulus UN. Dengan kata lain nilai koefisien negatif dari tiap faktor eksternal yang masuk ke dalam model menyebabkan jumlah siswa SMA/MA/SMK yang tidak lulus UN menurun. d. Pengujian Signifikansi Model Regresi Poisson Selanjutnya dilakukan pengujian signifikansi model untuk menggambarkan jika terdapatnya hubungan antara ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional Tahun Pelajaran 2010/2011 dengan beberapa faktor eksternal lingkungan sekolah. Berdasarkan persamaan (11) diperoleh nilai dugaan log likelihood yang mengandung seluruh peubah penjelas adalah 140,4339. Sedangkan untuk nilai dugaan model yang tidak mengandung peubah penjelas sebesar 55,9997. Ini dapat dilihat pada nilai log likelihood pada Lampiran 2 halaman 52 dan Lampiran

51 38 3 halaman 54 secara berturut-turut. Adapun hipotesis yang digunakan adalah: H 0 : β 1= β 2 =... = β 10 = 0 Statistik uji yang digunakan untuk pengujian tersebut adalah: T = 2 ( ln - ln ) = 2 (140, ,9997) = 2 (84,4342) =168,8684 Berdasarkan tabel Chi-Kuadrat pada Lampiran 6 halaman 58 dengan α = 0,05 dan derajat bebas 10 diperoleh nilai χ 2 0,05;10 = 18,31. Karena T > χ 2 0,05;10 maka H0 ditolak pada α = 0,05 yang berarti paling tidak ada satu β i yang berpengaruh terhadap model. Sehingga dapat disimpulkan bahwa model regresi Poisson y = exp (-5, ,6749 X 1a(0) + 4,2308 X 1b(0) 0,7575 X 2a(0) 1,5582 X 2b(0) + 0,0856 X 3 0,7481 X 4 + 2,3023 X 5(0) + 2,7251 X 6(0) 0,1179 X 7(0) + 0,1373 X 8(0) ) signifikan pada taraf nyata 0,05. Artinya pada taraf nyata 0,05 model tersebut dapat digunakan untuk menggambarkan hubungan antara pengaruh faktor eksternal lingkungan sekolah terhadap jumlah ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional.

52 39 e. Pengujian Signifikansi Masing-Masing Parameter Model Regresi Poisson Selanjutnya dilakukan pengujian untuk melihat pengaruh masingmasing peubah penjelas terhadap peubah respons. Uji ini menggunakan persamaan (21). Berdasarkan Lampiran 2 halaman 53 didapatkan uji signifikansi masing-masing parameter regresi Poisson seperti di bawah ini. Hipotesis yang digunakan adalah: ( ) ( ) Dengan menggunakan statistik uji: Sehingga, ( ( ) ) ( ( ) ) ( ) ( ) ( ) ( ( ) ) ( ) ( ( ( )) ( ) ( ) ( )) ( ) ( ( ) ) ( ) ( ( ( )) ( ) ( ) ( )) ( ) ( ( ) ) ( ) ( ( ( )) ( ) ( ) ( )) ( ) ( ( ) ) ( ) ( ( ( )) ( ) ( ) ( )) ( ( ) )

53 40 Nilai uji Wald untuk masing-masing parameter dapat dilihat seperti pada tabel berikut ini: Tabel 9: Hasil Uji Signifikansi Masing-Masing Parameter Model Regresi Poisson Parameter Uji Wald Penerimaan Hipotesis Intersep 19,48 Tolak H 0 Akreditasi sekolah (Akreditasi sekolah C) 9,53 Tolak H 0 Akreditasi sekolah (Akreditasi sekolah B) 15,98 Tolak H 0 Input siswa (Input siswa rendah) 2,31 Terima H 0 Input siswa (Input siswa sedang) 8,81 Tolak H 0 Jumlah guru 35,66 Tolak H 0 Jumlah guru dengan tingkat pendidikan masih di bawah S1 15,31 Tolak H 0 Keadaan gedung sekolah (kurang baik) 28,35 Tolak H 0 Kelengkapan alat pembelajaran (kurang lengkap) 13,94 Tolak H 0 Kelengkapan buku (kurang lengkap) 0,03 Terima H 0 Ketersediaan IPTEK (kurang tersedia) 0,05 Terima H 0 Berdasarkan tabel Chi-Kuadrat pada Lampiran 6 halaman 58 dengan α = 0,05 dan derajat bebas 1 diperoleh nilai χ 2 0,05;1 = 3,84,diperoleh hasil uji signifikansi masing-masing parameter model regresi Poisson seperti pada Tabel 9. Penerimaan hipotesis yang dilakukan pada Tabel 9 adalah, jika > maka tolak H0. Berdasarkan tabel terlihat bahwa parameter ( ) ( ) ( ) ( ) ( ) signifikan pada taraf nyata 0,05. Artinya, pada taraf nyata 0,05 akreditasi sekolah C, akreditasi sekolah B,

54 41 input siswa yang sedang, jumlah guru, jumlah guru dengan tingkat pendidikan masih di bawah S1, keadaan gedung sekolah yang kurang baik dan kelengkapan alat pembelajaran yang kurang lengkap memiliki pengaruh terhadap jumlah siswa SMA/MA/SMK yang tidak lulus UN Tahun Pelajaran 2010/2011 jika bersama-sama berada dalam model. f. Pemilihan Model Terbaik Untuk memperoleh model terbaik maka dilakukan seleksi model pada model penuh dan model tereduksi dengan menggunakan kriteria AIC pada persamaan (22). Model penuh adalah model signifikan yang terdiri dari seluruh peubah penjelas. Sedangkan model tereduksi adalah model yang terdiri dari masing-masing parameternya signifikan terhadap model. Adapun hasil analisis pemilihan model terbaik tersebut, dimana nilai ln ( ) dapat dilihat pada Lampiran 2 halaman 52 dan Lampiran 4 halaman 55 adalah: AIC model penuh = -2 (140,4339) + 2(11) = -258,8678 AIC model tereduksi = -2 (140,4065) + 2 (9) = -262,813

55 42 Nilai AIC untuk masing-masing model di atas dapat dilihat pada tabel berikut: Tabel 10: Nilai AIC Masing-Masing Model Model AIC Model Penuh -258,8678 Model Tereduksi -262,813 Berdasarkan Tabel 10 terlihat bahwa model yang memiliki nilai AIC terkecil adalah model tereduksi dengan nilai AIC = -262,813. Artinya model yang terbaik untuk menggambarkan pengaruh faktor ekstenal lingkungan sekolah terhadap ketidaklulusan siswa SMA/MA/SMK dalam Ujian Nasional adalah model yang tereduksi. Adapun analisis yang dilakukan selanjutnya adalah: 1) Pendugaan Parameter Model Tereduksi Dengan mengikutsertakan seluruh peubah penjelas yang tereduksi menggunakan persamaan (16) diperoleh hasil pendugaan parameter model tereduksi. Berdasarkan bantuan software SAS versi 9.1 diperoleh dugaan parameter model tereduksi yang dapat dilihat pada Lampiran 4 halaman 56 yang dapat ditulis sebagai berikut: y = exp (-5, ,5691 X 1a(0) + 4,2538 X 1b(0) 0,7965 X 2a(0) 1,6224 X 2b(0) + 0,0865 X 3 0,7771 X 4 + 2,3571 X 5(0) + 2,8453 X 6(0) ).

BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)

BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data

Lebih terperinci

PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI

PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA

Lebih terperinci

BAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data

BAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data BAB III MODEL REGRESI DATA PANEL Pada bab ini akan dikemukakan dua pendekatan dari model regresi data panel, yaitu pendekatan fixed effect dan pendekatan random effect yang merupakan ide pokok dari tugas

Lebih terperinci

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON

BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal

Lebih terperinci

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di 5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.

Lebih terperinci

BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU

BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik

Lebih terperinci

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK

Lebih terperinci

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah 1, Rochdi Wasono 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu

Lebih terperinci

PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)

PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA) Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

Lebih terperinci

Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru

Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru IIN SUNDARI Program Studi Matematika, Fakultas Matematika

Lebih terperinci

Model Regresi Dummy dalam Memprediksi Performansi Akademik Mahasiswa Jurusan Matematika FMIPA UNP

Model Regresi Dummy dalam Memprediksi Performansi Akademik Mahasiswa Jurusan Matematika FMIPA UNP Model Regresi Dummy dalam Memprediksi Performansi Akademik Mahasiswa Jurusan Matematika FMIPA UNP Nonong Amalita, Yenni Kurniawati Jurusan Matematika FMIPA UNP E-mail: nongamalita@yahoo.com Abstrak. Performansi

Lebih terperinci

PENDUGAAN DATA HILANG PADA RANCANGAN BUJUR SANGKAR LATIN DENGAN ANALISIS KOVARIAN SKRIPSI AWANG TERUNA SIDDIQ

PENDUGAAN DATA HILANG PADA RANCANGAN BUJUR SANGKAR LATIN DENGAN ANALISIS KOVARIAN SKRIPSI AWANG TERUNA SIDDIQ PENDUGAAN DATA HILANG PADA RANCANGAN BUJUR SANGKAR LATIN DENGAN ANALISIS KOVARIAN SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat untuk mencapai gelar Sarjana Sains AWANG TERUNA SIDDIQ 110803052

Lebih terperinci

E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:

E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN: E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 23-28 ISSN: 2303-1751 PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA

Lebih terperinci

4 HASIL DAN PEMBAHASAN

4 HASIL DAN PEMBAHASAN 9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB 2005-2010 Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun 2005-2010 menurun tetapi

Lebih terperinci

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

Lebih terperinci

HUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM.

HUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. HUKUM ITERASI LOGARITMA TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. 00290 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah Overdispersi dalam Model Regresi Logistik Multinomial Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan

Lebih terperinci

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA

PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA

Lebih terperinci

ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH

ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,

Lebih terperinci

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) SKRIPSI Oleh : VICA NURANI 24010211130033 JURUSAN STATISTIKA FAKULTAS

Lebih terperinci

A. Latar Belakang. B. Tujuan Sosialisasi

A. Latar Belakang. B. Tujuan Sosialisasi Homepage E-mail Alamat : www.smuha-yog.sch.id : info@smuha-yog.sch.id : Jl. Kapas 7 Yogyakarta MAJELIS PENDIDIKAN DASAR DAN MENENGAH PIMPINAN DAERAH MUHAMMADIYAH KOTA YOGYAKARTA SMA MUHAMMADIYAH 2 TERAKREDITASI

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan

Lebih terperinci

ANALISIS PEUBAH RESPONS KATEGORIK DENGAN MODEL REGRESI ORDINAL

ANALISIS PEUBAH RESPONS KATEGORIK DENGAN MODEL REGRESI ORDINAL ANALISIS PEUBAH RESPONS KATEGORIK DENGAN MODEL REGRESI ORDINAL SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian persyaratan guna

Lebih terperinci

MODEL REGRESI PROBIT BIVARIAT SKRIPSI

MODEL REGRESI PROBIT BIVARIAT SKRIPSI MODEL REGRESI PROBIT BIVARIAT SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Untuk Memenuhi Sebagian Persyaratan Guna Memperoleh Gelar Sarjana Sains

Lebih terperinci

PERATURAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 59 TAHUN 2011 TENTANG

PERATURAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 59 TAHUN 2011 TENTANG SALINAN PERATURAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 59 TAHUN 2011 TENTANG KRITERIA KELULUSAN PESERTA DIDIK DARI SATUAN PENDIDIKAN DAN PENYELENGGARAAN UJIAN SEKOLAH/MADRASAH DAN

Lebih terperinci

BAB ΙΙ LANDASAN TEORI

BAB ΙΙ LANDASAN TEORI 7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang

Lebih terperinci

IV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian

IV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini akan dilaksanakan di beberapa peternak plasma ayam broiler di Kota Depok. Penentuan lokasi penelitian dilakukan atas dasar pertimbangan

Lebih terperinci

REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL

REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 167 174 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL ALDILA SARTI Program Studi Matematika, Fakultas Matematika

Lebih terperinci

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA

Lebih terperinci

TINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan

TINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan 4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam

Lebih terperinci

E-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:

E-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN: E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja

Lebih terperinci

PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 45 TAHUN 2010 TENTANG

PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 45 TAHUN 2010 TENTANG SALINAN PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 45 TAHUN 2010 TENTANG KRITERIA KELULUSAN PESERTA DIDIK PADA SEKOLAH MENENGAH PERTAMA/MADRASAH TSANAWIYAH, SEKOLAH MENENGAH PERTAMA

Lebih terperinci

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian

Lebih terperinci

PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON

PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD

ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan 6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga

Lebih terperinci

Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif 1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi

Lebih terperinci

MA2081 Statistika Dasar

MA2081 Statistika Dasar Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika

Lebih terperinci

ii KATA PENGANTAR Puji syukur ke hadirat Allah SWT, Tuhan Yang Maha Esa atas limpahan rahmat dan hidayahnya, sehingga dunia pendidikan kita telah memiliki Standar Nasional Pendidikan. Standar Nasional

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 28 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data sekunder, yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk

Lebih terperinci

BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR).

BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR). BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE 3.1. Model Smooth Transition Autoregressive Model Smooth Transition Autoregressive adalah salah satu model runtun waktu nonlinear yang merupakan perluasan dari model

Lebih terperinci

Dosen Pembimbing : Dr. Purhadi, M.Sc

Dosen Pembimbing : Dr. Purhadi, M.Sc Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980

Lebih terperinci

HASIL DAN PEMBAHASAN Model Regresi Poisson

HASIL DAN PEMBAHASAN Model Regresi Poisson HASIL DAN PEMBAHASAN Model Regresi Poisson Hubungan antara jumlah penderita DBD dan faktor-faktor yang mempengaruhinya dapat diketahui dengan menggunakan analisis regresi. Analisis regresi yang digunakan

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang Penelitian

BAB 1 PENDAHULUAN 1.1 Latar Belakang Penelitian BAB 1 PENDAHULUAN 1.1 Latar Belakang Penelitian Pendidikan memiliki peran strategis dalam mewujudkan pembangunan karena sasarannya adalah peningkatan kualitas sumber daya manusia (SDM). Tidak dapat dipungkiri

Lebih terperinci

alam proses pembelajaran, penilaian dilakukan untuk mengukur pencapaian kompetensi

alam proses pembelajaran, penilaian dilakukan untuk mengukur pencapaian kompetensi Kata Pengantar alam proses pembelajaran, penilaian dilakukan untuk mengukur pencapaian kompetensi peserta didik sebagai hasil belajar yang telah ditetapkan dalam kurikulum. Oleh karena itu, guru wajib

Lebih terperinci

RMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X

RMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga

IV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga Kabupaten Bogor, Propinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan

BAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Kegunaan peramalan

Lebih terperinci

BAB III CONTOH KASUS. Pada bab ini akan dibahas penerapan metode robust dengan penaksir M

BAB III CONTOH KASUS. Pada bab ini akan dibahas penerapan metode robust dengan penaksir M BAB III CONTOH KASUS Pada bab ini akan dibahas penerapan metode robust dengan penaksir M dan penaksir LTS. Berikut ini akan disajikan aplikasinya pada data yang akan diolah menggunakan program paket pengolah

Lebih terperinci

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS SKRIPSI Oleh : NAOMI RAHMA BUDHIANTI J2E 007 021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO

Lebih terperinci

III. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan

III. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan 29 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : (1)

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN / Selanjutnya, sekolah ini beralamat di desa

BAB IV HASIL PENELITIAN DAN PEMBAHASAN / Selanjutnya, sekolah ini beralamat di desa BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Singkat SMP Negeri 1 Suwawa SMP Negeri 1 Suwawa memiliki NSS/NPSN yakni; 201300401001/40500880. Selanjutnya, sekolah ini beralamat

Lebih terperinci

PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION

PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN FUNGSI PEMBOBOT FIXED GAUSSIAN KERNEL DAN ADAPTIVE GAUSSIAN KERNEL (Studi Kasus Laju Pertumbuhan Penduduk Provinsi Jawa Tengah) SKRIPSI

Lebih terperinci

HASIL DAN PEMBAHASAN. (a) (b) (c)

HASIL DAN PEMBAHASAN. (a) (b) (c) 5 b. Analisis data daya tahan dengan metode semiparametrik, yaitu menggunakan regresi hazard proporsional. Analisis ini digunakan untuk melihat pengaruh peubah penjelas terhadap peubah respon secara simultan.

Lebih terperinci

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari

Lebih terperinci

BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN

BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN A. Analisis Variasi Pembelajaran Pendidikan Agama Islam SMP Negeri 3 Pekalongan

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat

Lebih terperinci

STANDAR PENILAIAN (Permen No. 20 Th. 2007)

STANDAR PENILAIAN (Permen No. 20 Th. 2007) STANDAR PENILAIAN (Permen No. 20 Th. 2007) STANDAR PENILAIAN Peraturan Mendiknas Nomor: 20 Tahun 2007 tentang DIREKTORAT PEMBINAAN SMA DITJEN MANAJEMEN PENDIDIKAN DASAR DAN MENENGAH DEPARTEMEN PENDIDIKAN

Lebih terperinci

TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk

TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk 5 TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk Gizi buruk adalah keadaan kurang zat gizi tingkat berat yang disebabkan oleh rendahnya konsumsi energi dan protein dalam waktu cukup lama yang ditandai dengan

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan batasan operasional dalam penelitian ini mencakup seluruh definisi yang digunakan untuk memperoleh data yang akan dianalisis

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan

IV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan Cigombong, Kabupaten Bogor, Provinsi Jawa Barat. Lokasi penelitian dipilih secara

Lebih terperinci

SKRIPSI JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

SKRIPSI JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH SKRIPSI Oleh: Restu Dewi Kusumo Astuti NIM : J2E009002 JURUSAN STATISTIKA

Lebih terperinci

MODEL-MODEL LEBIH RUMIT

MODEL-MODEL LEBIH RUMIT MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

TANYA-JAWAB PELAKSANAAN UJIAN NASIONAL

TANYA-JAWAB PELAKSANAAN UJIAN NASIONAL 1 2 D Kata Pengantar alam proses pembelajaran, penilaian dilakukan untuk mengukur pencapaian kompetensi peserta didik sebagai hasil belajar yang telah ditetapkan dalam kurikulum. Oleh karena itu, guru

Lebih terperinci

MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON

MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak

Lebih terperinci

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika

Lebih terperinci

Peraturan Mendiknas Nomor: 20 Tahun tentang STANDAR PENILAIAN DIREKTORAT PEMBINAAN SMA

Peraturan Mendiknas Nomor: 20 Tahun tentang STANDAR PENILAIAN DIREKTORAT PEMBINAAN SMA Peraturan Mendiknas Nomor: 20 Tahun 2007 tentang STANDAR PENILAIAN DIREKTORAT PEMBINAAN SMA DITJEN MANAJEMEN PENDIDIKAN DASAR DAN MENENGAH DEPARTEMEN PENDIDIKAN NASIONAL PENILAIAN PENDIDIKAN Penilaian

Lebih terperinci

BAB I PENDAHULUAN. untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian,

BAB I PENDAHULUAN. untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, BAB I PENDAHULUAN A. Latar Belakang Pendidikan merupakan suatu hal pokok di dalam mendukung serta menunjang demi terciptanya kemajuan suatu bangsa. Melalui pendidikan, kualitas dari suatu individu atau

Lebih terperinci

METODE PENELITIAN Definisi dan Pengukuran Variabel Definisi dan pengukuran variabel penelitian ini disajikan pada Tabel 3.1.

METODE PENELITIAN Definisi dan Pengukuran Variabel Definisi dan pengukuran variabel penelitian ini disajikan pada Tabel 3.1. III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Kegiatan penelitian dilaksanakan pada 11 Maret 2015 sampai 11 Mei 2015. Tempat pelaksanaan kegiatan penelitian di Kabupaten Karanganyar. Pemilihan

Lebih terperinci

BAB II LANDASAN TEORI. 2.1 Uji Hipotesis

BAB II LANDASAN TEORI. 2.1 Uji Hipotesis BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang pengujian hipotesis, metode klasifikasi berstruktur pohon, metode-metode statistika yang menjadi dasar pada metode QUEST, dan algoritme QUEST..1

Lebih terperinci

IV. METODOLOGI PENELITIAN. Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten

IV. METODOLOGI PENELITIAN. Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten IV. METODOLOGI PENELITIAN 4.1 Lokasi dan Waktu Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten Kepulauan Seribu, Provinsi DKI Jakarta. Pemilihan lokasi dilakukan secara sengaja (purposive

Lebih terperinci

IV. METODOLOGI PENELITIAN. Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur,

IV. METODOLOGI PENELITIAN. Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur, IV. METODOLOGI PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur, Tanjungpinang, Kepulauan Riau. Pemilihan lokasi dilakukan secara sengaja (purposive)

Lebih terperinci

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

Model Regresi Zero Inflated Poisson Pada Data Overdispersion

Model Regresi Zero Inflated Poisson Pada Data Overdispersion Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:

Lebih terperinci

BAHAN PRESS RELEASE PERSIAPAN PELAKSANAAN UJIAN NASIONAL PROVINSI JAWA TENGAH TAHUN PELAJARAN 2011/2012

BAHAN PRESS RELEASE PERSIAPAN PELAKSANAAN UJIAN NASIONAL PROVINSI JAWA TENGAH TAHUN PELAJARAN 2011/2012 BAHAN PRESS RELEASE PERSIAPAN PELAKSANAAN UJIAN NASIONAL PROVINSI JAWA TENGAH TAHUN PELAJARAN 2011/2012 I. Dasar 1. Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional, Pasal 58 ayat (2);

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 34 IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian faktor-faktor yang mempengaruhi harga komoditas kakao dunia tidak ditentukan. Waktu pengumpulan data dilaksanakan pada bulan Februari

Lebih terperinci

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

Lebih terperinci

REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak

REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Rita Rahmawati 1, Widiarti 2, Pepi Novianti 3 1) Program Studi Statistika FMIPA Undip 2) Sekolah Pascasarjana Departemen Statistika IPB 3) Jurusan Matematika

Lebih terperinci

METODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan

METODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah

Lebih terperinci

PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 20 TAHUN 2007 TENTANG STANDAR PENILAIAN PENDIDIKAN DENGAN RAHMAT TUHAN YANG MAHA ESA

PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 20 TAHUN 2007 TENTANG STANDAR PENILAIAN PENDIDIKAN DENGAN RAHMAT TUHAN YANG MAHA ESA PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 20 TAHUN 2007 TENTANG STANDAR PENILAIAN PENDIDIKAN DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI PENDIDIKAN NASIONAL, Menimbang : bahwa dalam

Lebih terperinci

(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur.

(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur. (R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi Buruk di Jawa Timur Ida Mariati Hutabarat 1, Asep Saefuddin 2 1Jurusan Matematika Uncen. 2 Departemen Statistika IPB 1Jl.Kamp Wolker

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura

Lebih terperinci

BAB I PENDAHULUAN. sendiri. Tuntutan itu sangat wajar dan masuk akal serta bukan termasuk isu

BAB I PENDAHULUAN. sendiri. Tuntutan itu sangat wajar dan masuk akal serta bukan termasuk isu BAB I PENDAHULUAN A. Latar Belakang Masalah Tantangan dan perkembangan pendidikan di Indonesia pada masa yang akan datang semakin besar dan kompleks. Hal ini disebabkan adanya perubahan tuntutan masyarakat

Lebih terperinci

UJIAN NASIONAL SD/MI dan SDLB SMP/MTs, SMPLB, dan SMALB SMA/MA dan SMK Tahun Pelajaran 2011/2012

UJIAN NASIONAL SD/MI dan SDLB SMP/MTs, SMPLB, dan SMALB SMA/MA dan SMK Tahun Pelajaran 2011/2012 Sosialisasi Penyelenggaraan UJIAN NASIONAL SD/MI dan SDLB SMP/MTs, SMPLB, dan SMALB SMA/MA dan SMK Tahun Pelajaran 2011/2012 dipersiapkan oleh Badan Standar Nasional Pendidikan Kementrian Pendidikan dan

Lebih terperinci

Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat)

Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat) Statistika, Vol. 14 No. 2, 69 76 November 2014 Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat) Jurusan Matematika, Fakultas Sains dan

Lebih terperinci

BAB III METODE PENELITIAN. Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini

BAB III METODE PENELITIAN. Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini digilib.uns.ac.id BAB III METODE PENELITIAN 3.1. Model Penelitian Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini menggunakan metode deskriptif dengan pendekatan kuantitatif, tujuannya

Lebih terperinci

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan

Lebih terperinci

III. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series

III. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series 40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari

Lebih terperinci

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci