FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT SISWA MELANJUTKAN PENDIDIKAN KE PERGURUAN TINGGI DENGAN MENGGUNAKAN REGRESI LOGISTIK ADEN GINANJAR ANDANAWARI

Ukuran: px
Mulai penontonan dengan halaman:

Download "FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT SISWA MELANJUTKAN PENDIDIKAN KE PERGURUAN TINGGI DENGAN MENGGUNAKAN REGRESI LOGISTIK ADEN GINANJAR ANDANAWARI"

Transkripsi

1 FAKTORFAKTOR YANG MEMPENGARUHI MINAT SISWA MELANJUTKAN PENDIDIKAN KE PERGURUAN TINGGI DENGAN MENGGUNAKAN REGRESI LOGISTIK (Studi Kasus: minat siswa SMU/Sederajat di Kab. Garut Terhadap Perguruan Tinggi) ADEN GINANJAR ANDANAWARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 21

2 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis saya yang berjudul Faktorfaktor yang mempengaruhi minat siswa melanjutkan pendidikan ke perguruan tinggi dengan menggunakan Regresi Logistik ( Studi kasus : minat siswa SMU/Sederajat di Kabupaten Garut terhadap STAI AlMusaddadiyah) adalah benar merupakan hasil karya sendiri dan belum pernah dipublikasikan. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Juni 21 Aden Ginanjar Andanawari NRP G152814

3 ABSTRACT Interest is a desire that tends to settle in a person to drive on a particular option as a necessity, then continue to be realized in real action with the attention on an object that wants to seek information as knowledge for themselves. Logistic regression is used for describing between dependent variable and independent variable to categorical data. In logistics regression analysis, y= showed that students are not interested in continuing their study while y=1 showed that students are interested in continuing their study to the university. STAI characteristics of the students who most of the madrasah aliyah. look at the existing market potential, it is necessary to investigate any factors that influence students' interest to continue their education into college. one analysis can be used to model the relationship is logistic regression. from the regression results indicate that factors that affect, among others, the job of parents, parents' education, average income of parents, the students achievement and there were some brothers or sister who continue study to college. The result of logistic regression method shows that interest that the parents education, average income of parents, motivating factor. keywords : students interest, logistics regression

4 RINGKASAN ADEN GINANJAR ANDANAWARI. Faktorfaktor yang mempengaruhi minat siswa melanjutkan pendidikan ke perguruan tinggi dengan menggunakan Regresi Logistik (Studi kasus : minat siswa SMU/sederajat di Kabupaten Garut terhadap Perguruan Tinggi). Dibimbing oleh I MADE SUMERTAJAYA dan UTAMI DYAH SYAFITRI. Sekolah Tinggi Agama Islam (STAI) Al Musadaddiyah Garut merupakan salah satu sekolah yang berada di bawah naungan Departemen Agama. STAI menyelenggarakan pendidikan Agama Islam dan Muamalat yang dimana karakteristik mahasiswa di kedua jurusan tersebut kebanyakan berasal dari Madrasah Aliyah. Hal ini disebabkan karena STAI adalah salah satu perguruan tinggi swasta yang menyelenggarakan pendidikan keagamaan. Masalah banyaknya siswa SMU atau sederajat yang tidak melanjutkan pendidikan ke perguruan tinggi dan masalah banyaknya siswa yang melanjutkan pendidikan ke STAI yang pada umumnya dari Madrasah Aliyah, maka akan dilakukan penelitian terhadap minat siswa untuk melanjutkan ke STAI dari berbagai strata sekolah yaitu jalur Sekolah Menengah Umum, SMK dan Madrasah Aliyah. Faktorfaktor yang mempengaruhi minat siswa untuk melanjutkan ke perguruan tinggi akan dianalisis dengan menggunakan regresi logistik biner. Tujuan dari penelitian ini adalah mengidentifikasi faktorfaktor yang mempengaruhi minat siswa melanjutkan ke perguruan tinggi dan menyusun pemodelan mana yang cocok untuk kasus minat siswa melanjutkan ke perguruan tinggi berdasarkan peubahpeubah penjelas yang berpengaruh nyata. Data yang digunakan dalam penelitian ini merupakan data primer dengan teknik sampling purposive dan stratifikasi berdasarkan jenis sekolah baik umum, kejuruan maupun madrasyah aliyah. Adapun alat yang digunakan adalah kuisioner. Jumlah responden yang digunakan dalam penelitian ini adalah sebanyak 3 responden yang terdiri atas 45% siswa SMU, 27% siswa SMK dan 28% Madrasah Aliyah. Adapun dilihat dari jenis kelamin dimana siswa perempuan lebih berminat untuk melanjutkan pendidikan ke perguruan tinggi dibandingkan dengan siswa lakilaki yaitu sebesar 33%, sedangkan dari faktor pendidikan ayah sebesar 31% dan pendidikan ibu sebesar 28% bahwa minat siswa melanjutkan pendidikan ke perguruan tinggi. Respon yang digunakan dalam regresi logistik adalah kategori biner yaitu siswa yang berminat melanjutkan ke perguruan tinggi (y=1) dan siswa yang tidak berminat melanjutkan ke perguruan tinggi (y=). Sedangkan peubah penjelasnya meliputi jenis kelamin, status anak, pendidikan ayah, pendidikan ibu, pekerjaan ayah, pekerjaan ibu, ratarata penghasilan orang tua, mata pelajaran yang disukai, tempat saudara berkuliah, faktor pendorong memilih perguruan tinggi, nilai raport serta tempat tinggal siswa. Semua peubah penjelas tersebut bersifat kategorik. Berdasarkan ekplorasi data awal yang disajikan dalam bentuk histogram dan frekuensi relatif diperoleh bahwa siswa yang berminat melanjutkan pendidikan ke perguruan tinggi jika dilihat dari beberapa faktor adalah sebesar 33% perempuan, 21,67% anak pertama, 29,5% yang orang tuanya berpendidikan sarjana, 22,5%

5 sebagai pegawai swasta, 24,33% orang tuanya berpenghasilan ratarata Rp. 5. sampai Rp. 2.., dan 44,33% yang ikut orang tua, 43,67% siswa yang menyukai pelajaran selain agama dan matematika, 2,33% yang saudaranya kuliah di perguruan tinggi swasta (PTS) serta 41,67% siswa yang memiliki nilai ratarata raport 6575, serta siswa yang memiliki faktor pendorong dari orang tua dan saudara. Hasil dari regresi logistik menunjukkan bahwa faktorfaktor yang berpengaruh terhadap minat siswa melanjutkan ke perguruan tinggi antara jenis kelamin, ratarata penghasilan orang tua serta faktor pendorong. Peubahpeubah tersebut secara statistik tidak signifikan pada taraf nyata 5% dan berpengaruh positif kecuali pada peubah ratarata penghasilan orang tua. Artinya bahwa dari ketiga peubah tersebut cenderung minat melanjutkan pendidikan ke perguruan tinggi. Berdasarkan nilai odds rasio untuk ratarata penghasilan orang tua yang berpenghasilan antara Rp.5. sampai Rp.2.., memiliki peluang lebih besar dalam melanjutkan pendidikan ke perguruan tinggi yaitu sebesar kali atau sekitar 57,43% lebih tinggi dibandingkan orang tua siswa yang ratarata penghasilan di atas Rp. 2.., Kata kunci : regresi logistik, minat siswa

6 @ Hak Cipta milik IPB, tahun 21 Hak Cipta dilindungi UndangUndang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah dan pengutipan tersebut tidak merugikan kepentingan yang wajar IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apa pun tanpa izin IPB

7 FAKTORFAKTOR YANG MEMPENGARUHI MINAT SISWA MELANJUTKAN PENDIDIKAN KE PERGURUAN TINGGI DENGAN MENGGUNAKAN REGRESI LOGISTIK ((Studi Kasus: minat siswa SMU/Sederajat di Kab. Garut Terhadap Perguruan Tinggi) ADEN GINANJAR ANDANAWARI Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Statistika Terapan SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 21

8 Judul Tesis Nama Mahasiswa Nomor Register Pokok Program Studi : Faktorfaktor yang mempengaruhi minat siswa melanjutkan pendidikan ke perguruan tinggi dengan menggunakan Regresi Logistik (Studi Kasus: minat siswa SMU/sederajat di Kab.Garut terhadap STAI Al Musaddadiyah) : Aden Ginanjar Andanawari : G : Statistika Terapan Menyetujui, Komisi Pembimbing Dr Ir. I Made Sumertajaya, MSi Ketua Utami Dyah Syafitri, S.Si, M.Si Anggota Mengetahui, Ketua Program Studi Statistika Dekan Sekolah Pascasarjana Dr. Ir. Aji Hamim Wigena, M.Sc Prof. Dr. Ir. Khairil A. Notodiputro, M.S Tanggal Lulus :5 Agustus 21 Tanggal Ujian : 25 Juni 21

9 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari dan Maret 21 ini adalah minat siswa melanjutkan ke perguruan tinggi, dengan judul faktorfaktor yang mempengaruhi minat siswa melanjutkan pendidikan ke perguruan tinggi dengan menggunakan Regresi Logistik (studi kasus : minat siswa SMU/sederajat di Kabupaten Garut terhadap STAI AlMusadaddiyah). Terima kasih penulis ucapkan kepada Bapak Dr. Ir. I Made Sumertajaya, M.Si dan Ibu Utami Dyah Syafitri,S.Si, M.Si selaku pembimbing yang telah banyak memberi masukan, serta Bapak Dr. Ir. Aji Hamim Wigena, M.Sc yang telah banyak memberi saran. Ungkapkan terima kasih juga disampaikan kepada ayah, ibu serta seluruh keluarga, atas segala doa dan kasih sayangnya tidak lupa penulis ucapkan terima kasih kepada temanteman Program Studi Statistika Terapan IPB atas dukungannya selama pembuatan karya ilmiah ini. Semoga tulisan ini dapat bermanfaat. Bogor, Juni 21 Aden Ginanjar Andanawari

10 RIWAYAT HIDUP Penulis dilahirkan di Garut pada tanggal 16 Oktober 1984 dari ayah Dadang Andanawari dan Ibu Farida. Penulis merupakan putra ke delapan dari sembilan bersaudara.penulis menyelesaikan pendidikan SD hingga MAN di Garut. Penulis lulus dari SDN 1 Wanaraja tahun 1997, MTSN 1 Cibatu tahun 2, MAN 1 Garut tahun 23, kemudian melanjutkan studinya di Institut Pendidikan dan Ilmu Keguruan PGRI jurusan pendidikan matematika tahun 27. Lulus dari perguruan tinggi, penulis bekerja menjadi asisten dosen di Sekolah Tinggi Agama Islam (STAI) AlMusadaddiyah pada tahun 27. Penulis bekerja sebagai dosen tetap yayasan AlMusadaddiyah Garut sejak tahun 28 sampai sekarang. Pada tahun 28 penulis diterima di Program Studi Statistika Terapan Sekolah Pascasarjana IPB dengan beasiswa Departemen Agama.

11 PENDAHULUAN Latar Belakang Salah Satu tujuan penyelenggaraan pendidikan menengah di Sekolah Menengah Umum (SMU) adalah meningkatkan pengetahuan siswa untuk melanjutkan pendidikan pada jenjang yang lebih tinggi. Berdasarkan kurikulum tahun 1994 program pengajaran di SMU terbagi menjadi tiga program pengajaran khusus yang dapat dipilih oleh siswa sesuai bakat dan kemampuannya yaitu program IPA, IPS dan Bahasa (Soeaidy et al, 1994). Berdasarkan informasi yang diperoleh dari Dinas pendidikan Kabupaten Garut pada tahun 27 sampai tahun 29 bahwa jumlah siswa sekolah lanjut tingkat akhir yang tidak melanjutkan pendidikan ke perguruan tinggi dimana datanya 1178 orang, 1197 orang dan 1214 orang meningkat secara signifikan pada tiap tahunnya dan berbagai penelitian menunjukkan bahwa kasus putus sekolah termasuk tidak melanjutkan pada jenjang pendidikan yang lebih tinggi erat kaitannya dengan latar belakang sosial ekonomi anak dan keluarganya (Jones & Hagul, 21). Sekolah Tinggi Agama Islam (STAI) Al Musadaddiyah Garut merupakan salah satu sekolah tinggi agama Islam yang berada di bawah naungan Departemen Agama. STAI menyelenggarakan pendidikan Agama Islam dan Muamalat yang dimana karakteristik mahasiswa di kedua jurusan tersebut kebanyakan berasal dari Madrasyah Aliyah. Hal ini disebabkan karena STAI adalah salah satu perguruan tinggi swasta yang menyelenggarakan pendidikan keagamaan. Dengan memperhatikan masalah banyaknya siswa SMU atau sederajat yang tidak melanjutkan pendidikan ke perguruan tinggi dan masalah banyaknya siswa yang melanjutkan pendidikan ke STAI yang pada umumnya dari Madrasah Aliyah, maka akan dilakukan penelitian terhadap minat siswa untuk melanjutkan ke STAI dari berbagai strata sekolah yaitu jalur Sekolah Menengah Umum, SMK dan Madrasah Aliyah. Beberapa analisis statstistik telah banyak dikembangkan untuk membantu menyelesaikan masalahmasalah dalam bidang pendidikan. Beberapa di antaranya adalah analisis regresi logistik, analisis diskriminan, pohon klasifikasi dan

12 Artificial Neural Network (ANN). Analisis yang akan dikaji dalam penelitian ini adalah analisis regresi logistik. Analisis regresi logistik sering dilakukan untuk membandingkan kemampuan prediksi melalui model yang disusun. Menurut Press and Wilson (dalam Nany Salwa, 26) bahwa penggunaan regresi logistik akan baik digunakan apabila asumsi sebaran normal ganda dan kesamaan matrik peragam tidak terpenuhi. Tujuan dari analisis regresi logitik itu sendiri adalah untuk melihat hubungan antara peubah respon yang berskala kategorik denga peubah penjelas yang berskala kategorik atau kontinu. Dari analisis ini juga dapat diperoleh peubahpeubah penjelas yang berpengaruh terhadap minat siswa melanjutkan pendidikan ke perguruan tinggi. Berdasarkan uraian di atas, maka penelitian ini dilakukan untuk mengetahui faktorfaktor yang mempengaruhi minat siswa dalam melanjutkan pendidikan ke perguruan tinggi. Salah satu alternatif yang dapat digunakan adalah analisis regresi logistik. Analisis regresi logistik merupakan salah satu metode yang bisa digunakan untuk menyelesaikan masalah dimana responnya merupakan data biner (minat dan tidak minat). Di sisi lain, regresi logistik dipilih karena ingin melihat pengaruh secara simultan dan parsial dari faktorfaktor yang mempengaruhi minat siswa untuk melanjutkan pendidikan ke perguruan tinggi. Tujuan Penelitian Tujuan penelitian ini antara lain : 1. Mengetahui karakteristik minat siswa melanjutkan pendidikan ke perguruan tinggi. 2. Mengetahui faktorfaktor apa saja yang mempengaruhi minat siswa SMU melanjutkan ke perguruan tinggi dengan menggunakan model regresi logistik

13 TINJAUAN PUSTAKA Pengertian Minat Arti minat menurut kamus umum Bahasa Indonesia berarti kesukaan (kecenderungan hati) kepada sesuatu atau keinginan. Menurut Slameto (1991) Minat adalah suatu rasa lebih suka dan rasa keterikatan pada suatu hal atau aktivitas, tanpa ada yang menyuruh. Minat pada dasarnya adalah penerimaan akan suatu hubungan antara diri sendiri dengan sesuatu diluar diri. Semakin kuat atau dekat hubungan tersebut semakin besar. Sedangkan menurut Kasijan (1988) mengatakan bahwa Minat adalah kemampuan untuk memberi stimuli yang mendorong kita untuk memperhatikan seseorang, sesuatu barang atau kegiatan yang dapat memberi pengaruh terhadap pengalaman yang distimuli oleh kegiatan itu sendiri. Berdasarkan dua definisi di atas tentang minat maka disimpulkan minat merupakan suatu keinginan yang cenderung menetap pada diri seseorang untuk mengarahkan pada suatu pilihan tertentu sebagai kebutuhannya, kemudian dilanjutkan untuk diwujudkan dalam tindakan yang nyata dengan adanya perhatian pada obyek yang diinginkannya itu untuk mencari informasi sebagai wawasan bagi dirinya. Menurut Kartono (1985) faktorfaktor yang berhubungan dengan minat dibedakan menjadi beberapa faktor sebagai berikut : 1. Faktorfaktor yang dapat menimbulkan minat a). Faktor motif sosial Minat dapat timbul dengan adanya motifasi dan keinginan tertentu dari lingkungan sosialnya. Seseorang akan melakukuan sesuatu dengan maksud agar mendapat respon. b). Faktor Emosi Minat berhubungan dengan perasaan dan emosi. Suksesnya pelaksanaan sesuatu kegiatan membuat perasaan senang dan semangat untuk melakukan kegiatan yang serupa, Sebaliknya kegagalan akan menurunkan minat atau malah sebaliknya menambah minat.

14 c). Faktor lingkungan Adalah faktor yang dapat memunculkan minat yang berasal dari keadaan sekitar seperti lingkungan keluarga, lingkungan sekolah. 2. Faktorfaktor yang dapat menurunkan minat antara lain: Secara alami faktorfaktor yang dapat menurunkan minat sebagai berikut : a. Faktor ketidakcocokan Minat seseorang terhadap sesuatu hal akan berkembang jika hal tersebut menarik dan sesuai dengan dirinya dan minat tersebut akan turun apabila tidak sesuai dengan dirinya. b. Faktor kebosanan Melakukan suatu aktifitas secara terus menerus secara monoton akan membosankan, hal ini dapat menyebabkan menurunnya minat. c. Faktor kelelahan Orang yang karena minatnya terhadap sesuatu aktivitas, akan melakukan aktivitas tersebut dengan tidak memperhatikan batas waktu kerja. Hal ini dapat mengakibatkan kelelahan. Orang yang lelah akan malas melakukan pekerjaan. Analisis Regresi Logistik Regresi logistik adalah prosedur pemodelan yang diterapkan untuk memodelkan variable respon (Y) yang bersifat kategori berdasarkan satu atau lebih variabel prediktor (X), baik itu yang bersifat kategori maupun kontinu. Apabila variabel responnya terdiri dari 2 kategori yaitu Y=1 (sukses) dan Y= (gagal), maka metode regresi logistik yang dapat diterapkan adalah regresi logistik biner (Agresti, 199). Seandainya memiliki p peubah bebas X = (X1, X2, X3, Xp) yang berpasangan dengan peubah tak bebas Y yang bernilai dan 1. Peluang Y=1 dinotasikan dengan π(x). Fungssi regresi logistik antara π(x) dan X adalah : π ( x) = exp [g ( x)] 1 + exp [g ( x)] Model regresi diatas merupakan fungsi regresi yang berbentuk curvalinier sehingga dengan transformasi logit maka fungsi tersebut akan menjadi fungsi linier (Agresti, 199).

15 Model logit mentransformasi masalah pendugaan peluang dengan kemungkinan (,1) menjadi masalah pendugaan log odds. Transformas logit dinyatakan dalam persamaan sebagai berikut : π ( x ) log it [π ( x ) ]= ln = g ( x ) 1 π ( x ) dengan g ( X ) = β + β 1 X 1 + β 2 X β p X p ( Hosmer & Lemeshow 1999). Jika n pengamatan (xi,yi) diasumsikan bebas, maka untuk menduga parameter (β,β1,β2, βp) dilakukan dengan metode kemungkinan maksimum sebagai berikut : (Y ) = g (Y1, Y 2,..., Y n ) = g (Y i ) i =1 n n n = g( yi ) = π (xi ) yi (1 π ( xi )1 yi i=1 i=1 n L (β ) = ln [ ( β )] = ln π ( x i ) y i (1 π ( xi ) )1 y i i = 1 Dengan melihat hasil fungsi L(β), yang selanjutnya akan dilakukan penurunan terhadap β, β1, β2,, βp. yang nantinya solusi dari persamaan diferensial ini bisa diperoleh dengan cara iterasi (Ryan,1997). Setelah diperoleh nilai dugaan β, β1, β2,, βp, maka dapat diperoleh penduga dari π(x) dengan persamaan : exp( gˆ ( x )) πˆ ( x ) = 1 + exp( gˆ ( x )) Dimana gˆ(x) = βˆ + βˆ1 x βˆ p x p, adalah penduga logit yang merupakan fungsi linier dari peubah penjelas (Hosmer & Lemeshow, 1999) Pengujian Kesesuaian Model Pengujian kesesuaian model dilakukan untuk memeriksa pengaruh peubahpeubah penjelas dalam model. Pengujian dilakukan untuk masingmasing parameter model β. Pengujian secara simultan dilakukan dengan menggunakan uji G yaitu uji nisbah kemungkinan(likelihood ratio test). UjiG untuk pengujian parameter βi dengan hipotesis : H H1 : β1 = β2 =. = βp = : minimal salah satu βi

16 Statistik uji yang digunakan adalah statistik uji G : L G = 2 log = 2[log( L ) log( L1 )] = 2(L L1 ) L1 Dimana : L = likelihood tanpa peubah bebas L1 = likelihood dengan peubah bebas P = banyaknya parameter dari peubah bebas Jika Ho benar, statistik G ini mengikuti sebaran χ 2 dengan derajat bebas p, Kriteria keputusan yang diambil adalah menolak Ho jika Ghitung χ 2α ( p ) ( Hosmer & lemeshow 1999). Seandainya Ho ditolak, maka selanjutnya dilakukan uji Wald untuk menguji parameter βi secara parsial. Hipotesis yang diujikan adalah : H H1 : βi = : βi, dimana i =1,2, p Sedangkan statistik uji Wald sebagai berikut : βˆ i W = S ˆ E ( ˆ β i ) Statistik uji Wald mengikuti sebaran normal baku, dengan β i sebagai penduga dan Sˆ E ( βˆ i ) sebagai penduga galat baku β i. Dengan kriteria keputusan adalah menolak Ho jika W atau nilai p α. Pereduksian Peubah Dalam penelitian mengenai minat siswa melanjutkan pendidikan ke perguruan tinggi peneliti menggunakan analisis backward elimination. Menurut Weisberg (dalam Sartika, 29) bahwa metode backword eleminanation merupakan salah satu metode pereduksian peubah penjelas yang digunakan dalam analisis regresi baik linier maupun logistik. Analisis ini dimulai dengan model penuh yaitu memasukkan seluruh peubah penjelas ke dalam model, kemudian peubahpeubah penjelas yang tidak nyata mulai dikeluarkan dari model melalui proses iterasi. Pada tiap proses iterasi peubah yang memiliki nilaip yang terbesar akan berakhir ketika peubah penjelas yang berada dalam model memiliki nilaip kurang dari.5. Setiap eliminasi selesai maka akan dilakukan uji kebaikan model untuk menguji bahwa model dapat menggambarkan data dengan baik. Analisis akan selesai jika tidak ada lagi peubah yang dapat dieliminasi dari model.

17 Interpretasi Koefisien Logistik Ukuran untuk melihat seberapa besar kecenderungan pengaruh peubah penjelas terhadap respon digunakan rasio odds (Hosmer & Lemeshow, 1999). Sedangkan interpretasi koefisien pada model regresi logistik biner dapat dilakukan dengan melihat nilai rasio odds dan selang kepercayaan rasio oddsnya. Odds sendiri diartikan sebagai peluang kejadian sukses dengan tidak sukses dari peubah respon. Rasio odds mengindikasikan seberapa lebih mungkin munculnya kejadian sukses pada suatu kelompok dibandingkan dengan kelompok lainnya. Tanda positif koefisien menunjukan bahwa nilai rasio odds lebih dari satu. Begitupun sebaliknya, untuk tanda koefisien negatif maka nilai rasio oddsnya kurang dari satu. Nilai odds ( rasio antara Y=1 dengan Y= untuk X=1) adalah [π (1) /{1 π (1)}], sedangkan untuk X= adalah [π () /{1 π ()}]. Log dari kedua odds tersebut didefinisikan sebagai g(1) dan g(). Rasio odds (ψ ) didefinisikan sebagai rasio dari odds untuk X=1 dengan X=, sehingga odds rasio dengan mudah dapat ditulis sebagai berikut : (ψ ) = [π (1) / {1 π (1) }] = exp ( β 1 ) [π ( ) / {1 π ( ) }] Dengan demikian, pada model logistik dengan satu peubah bebas dikotom koefisien β1 adalah beda logit, sedangkan exp(α+ β(x)) adalah nilai dari rasio odds (Agresti, 199). Rasio odds (ψ ) =1 berarti bahwa individu dengan nilai X=1 mempunyai resiko yang sama dengan individu dengan nilai X= dalam kaitannya dengan Y=1. Jika 1<ψ <, maka individu dengan X=1 mempunyai resiko yang lebih besar dibanding dengan X=. Sebaliknya jika <ψ < 1 individu dengan X=1 mempunyai risiko yang lebih kecil dibanding X= dalam kaitannya dengan Y=1 (Hosmer dan Lemeshow, 1999). Dimana Odds rasio memiliki selang kepercayaan (1α) 1 % sebagai berikut : exp βˆ i ± Z α S E (βˆ i ) 2

18 = DATA DAN METODE PENELITIAN Data Penelitian Data yang digunakan dalam penelitian ini adalah data primer hasil yang diperoleh melalui penyebaran kuisioner dan metode wawancara sebagai data pelengkap. Pengumpulan data dilaksanakan bulan Januari dan Maret tahun 21. Populasi dalam penelitian ini adalah sebanyak 12 siswa kelas tiga. Ukuran contoh yang diambil sebanyak 3 siswa, dimana sebanyak 134 siswa diambil dari sekolah menengah umum dan sebanyak 86 siswa diambil dari madrasah aliyah serta 8 siswa diperoleh dari sekolah menengah kejuruan. Unit sampling dalam penelitian ini adalah siswa kelas tiga pada sekolah terpilih di kabupaten Garut Jawa Barat. Metode Penarikan Contoh Tahapan pengambilan contoh siswa mengikuti pengambilan kaidah acak berlapis sebagai berikut : 1. Menyiapkan ukuran contoh Menurut Mendenhall (199) untuk menentukan ukuran contoh yang dibutuhkan untuk menduga alokasi proporsional dengan kesalahan pendugaan sebesar,5 adalah sebagai berikut : n = N pq ( N 1) D + pq 12 (,535) (,465) (12 1).,5 + (,535) (,465) = 299,8 Dimana : N = Jumlah Strata dalam populasi n = Jumlah anggota strata dalam contoh p = Alokasi proporsional yang sukses q = Alokasi proporsional yang gagal = (1p) D = kesalahan relatif yang ditoleransi = e Dengan salah satu pendekatan alternatif penarikan contoh acak sederhana sehingga dari perhitungan rumus diatas maka diperoleh ukuran contoh sebesar 3 siswa kelas tiga.

19 2. Membagi lapisan menjadi tiga lapisan, Lapisan pertama adalah sekolah menengah umum (SMU) dan lapisan kedua adalah sekolah madrasyah aliyah (MA) serta lapisan ketiga adalah sekolah menegah kejuruan (SMK), dengan jumlah populasi sebanyak 12 siswa dengan masingmasing jumlah siswa SMU sebanyak 539 orang, siswa SMK sebanyak 317 orang dan siswa MA sebanyak 344 orang. Dalam hal ini ketiga strata sekolah tersebut dibentuk berdasarkan level atau jenjang sekolah Contoh diambil secara acak dari masingmasing strata sekolah secara alokasi proporsional dimana : ni Ni N n N i ni = n N = Alokasi Proporsional = Jumlah subpopulasi = Jumlah populasi = Jumlah contoh Sehingga dari rumus alokasi tersebut diperoleh jumlah contoh untuk masingmasing lapisan, untuk SMU sebanyak 134 orang, SMK sebanyak 8 orang, dan untuk MA sebanyak 86 orang. 3. Memilih sekolah dan jumlah siswa pada setiap jurusan yang akan dijadikan ruang contoh pada setiap lapisan Dalam menentukan sekolah dan jumlah siswa kelas tiga berdasarkan jurusannya. Yang akan dipilih menjadi target penyebaran kuisioner dilakukan dengan menggunakan metode penarikan contoh acak sederhana dengan mempertimbangkan karakteristik mahasiswa yang ada di lingkungan STAI Al Musadaddiyah Garut. Pemilihan sekolah dilakukan dengan purposive dimana alokasi sampel proporsional berdasarkan jumlah siswa pada masingmasing sekolah dilakukan dengan pendekatan contoh secara acak pada setiap sekolah. Hasil dari penarikan contoh acak sederhana dapat disajikan pada Tabel 1.

20 Tabel 1 Penyebaran kuisioner berdasarkan pemilihan sekolah dan jurusan Nama Sekolah SMA 1 Garut SMA 1 Sukawening SMA 1 Cibatu SMU Muh 1 Garut SMU Darussalam Wanaraja SMK Hikmah SMK Pasundan 1 Cilawu SMK YPPT Tarogong SMK 1 Garut MA Nurul Islam MAN 1 Garut MA Pesantren Cipari MA Darul Ulum Total IIIIPA Banyaknya kuisioner yang disebar Manajemen/ TataBoga/ IIIIPS Akuntansi Sekretaris Total Siswa Metode Pengumpulan data Metode pengumpulan data dalam penelitian ini dilakukan dengan metode wawancara yang dituangkan dalam pemberian kuisioner untuk masingmasing siswa pada kelas tiga dengan siswa yang telah dipilih sebagai contoh. Sedangkan informasi yang diamati adalah : 1. Identitas responden meliputi jenis kelamin dan status dalam keluarga 2. Minat siswa melanjutkan pendidikan ke perguruan tinggi. 3. Faktor yang mempengaruhi minat siswa seperti tingkat dan bidang pendidikan orang tua, status dan bidang pekerjaan orang tua, tempat tinggal dan keberadaan anggota keluarga yang kuliah dan sumber informasi mengenai minatnya. Bentuk pertanyaan dalam kuisioner adalah pertanyaan tertutup, terbuka, dan semi terbuka. Responden adalah siswa dalam kelas contoh yang hadir saat survei dilaksanakan. Sedangkan wawancara dilakukan di sekolah setelah waktu belajar selesai atau pada waktu belajar atas izin pihak sekolah. Kuisioner lengkap dapat dilihat pada Lampiran 1.

21 Langkahlangkah Analisis Data Langkahlangkah dari penelitian minat siswa SMU melanjutkan ke perguruan tinggi dilakukan dengan tahap sebagai berikut: 1. Analisis Deskripsi data Dalam tahapan ini data kuisioner dilakukan analisis secara deskriptif dan analisis deskriptif yang akan disajikan dalam bentuk tabel sebaran frekuensi, frekuensi relatif, histrogram dan tabulasi silang untuk melihat kaitan antar peubah. 2. Analisis Regresi Logistik Seperti yang telah dikemukakan pada bagian tinjauan pustaka, maka beberapa tahapan analisis regresi logistic adalah sebagai berikut : a. Mengumpulkan pengamatan dan mendefinisikan peubah respon (y) adalah minat siswa SMU/sederajat melanjutkan ke perguruan tinggi dengan 2 kategori yaitu minat siswa SMU/sederajat yang melanjutkan ke Perguruan Tinggi (y = 1) dan yang tidak minat (y = ). Dimana peluang Y=1 dinotasikan dengan. Tabel 2 Peubahpeubah yang mempengaruhi minat Peubah bebas Keterangan Minat Siswa 1. Jenis kelamin (JK) 2. Status Anak (SA) 3. Pendidikan Ayah (PDDA) 4. Pendidikan Ibu (PDDI) 5. Pekerjaan Ayah (PKJA) 6. Pekerjaan Ibu (PKJI) 7. Ratarata pendapatan orang tua (RPDT) 8. Pelajaran yang disukai (PD) 9. Perguruan tinggi saudara berkuliah (PS) 1. Faktor pendorong memilih Perguruan tinggi (FP) 11. Nilai raport (NR) 12. Tempat Tinggal siswa (TTS) X1 X2 X3 X4 X5 X6 X7 X8 X9 X1 X11 X12 Keterangan Pengkodingan dapat di lihat pada lampiran 2 b. Melakukan fungsi logit dari peubah penjelas, yang mana transformasi logit adalah sebagai berikut (Agresti, 199) :

22 π ( x ) log it [π ( x ) ]= ln = g ( x ) 1 π ( x ) c. Menyelesaikan dugaan parameter dengan metode Kemungkinan Maksimum. Cara metode Kemungkinan Maksimum adalah dengan mengasumsikan yi saling bebas, maka : (Y ) = g (Y1, Y 2,..., Y n ) = g (Y i ) i =1 n n n = g( yi ) = π (xi ) yi (1 π ( xi )1 yi i=1 i=1 n L (β ) = ln [ ( β )] = ln π ( x i ) y i (1 π ( xi ) )1 y i i = 1 Setelah diperoleh nilai dugaan β, β1, β2,., βp, maka dapat diperoleh penduga dari π(xi) dengan persamaan : Dimana, merupakan penduga logit yang merupakan fungsi linier dari peubah penjelas (Hosmer & Lemeshow, 1999) d. Pengujian signifikansi model dilakukan secara bersamasama Dalam menguji peranan variabel penjelas di dalam model secara bersamasama, dalam hal ini di gunakan Statistik uji G dengan hipotesis : H : β1 = β2 = = βp = H1 : minimal ada satu βi Statistik uji yang digunakan adalah statistik uji G : L G = 2 log = 2[log( L ) log( L1 )] = 2(L L1 ) L1 exp( gˆ ( x )) πˆ ( x ) = 1 + exp( gˆ ( x )) Dimana : L = likelihood tanpa peubah bebas L1 = likelihood dengan peubah bebas P = banyaknya parameter dari peubah bebas Jika Ho benar, statistik G ini mengikuti sebaran χ 2 dengan derajat bebas p. e. Pengujian Parameter secara Parsial Dalam hal ini kita dapat menguji signifikansi dari parameter koefisien secara parsial dengan statistik uji Wald. Dimana Statistik uji Wald yaitu : W = βˆ i Sˆ E ( βˆ i )

23 Hipotesis yang akan diuji adalah : H : β i = H 1 : β i i = 1,2... p jika H benar statistik W akan mengikuti sebaran normal baku atau pvalue α. f. Menghitung Odds Ratio untuk interpretasi dari regresi logistik Nilai odds (rasio antara Y=1 dengan Y= untuk X=1) adalah [π (1 ) / {1 π (1 ) }], sedangkan untuk X= adalah [π ( ) / {1 π ( ) }]. Log dari kedua odds tersebut didefinisikan sebagai g(1) dan g(). Rasio odds (ψ ) didefinisikan sebagai rasio dari odds untuk X=1 dengan X=, sehingga odds rasio dengan mudah dapat ditulis sebagai berikut : [π (1) / {1 π (1) }] = exp ( β ) [π ( ) / {1 π ( ) }] (ψ ) = 1 Dimana Odds rasio memiliki selang kepercayaan (1α) 1 % sebagai berikut : exp βˆ i ± Z α S E (β i ) 2 Penelitian ini menggunakan bantuan pengangkat lunak Mx Excel dan SPSS 16

24 HASIL DAN PEMBAHASAN Deskripsi Data Banyaknya kuisioner yang disebarkan pada ketiga strata adalah 134 buah pada SMU, 8 buah pada SMK dan 86 buah pada MA. Komposisi penyebaran kuisioner dapat dilihat pada Tabel 3. Tabel 3 Komposisi penyebaran kuisioner minat siswa Nama Sekolah Banyaknya kuisioner yang disebar Manajemen/ IIIIPA IIIIPS Akuntansi TataBoga/ Sekretaris Total Siswa SMA 1 Garut SMA 1 Sukawening SMA 1 Cibatu SMU Muh 1 Garut SMU Darussalam SMK Hikmah SMK Pasundan 1 Cilawu SMK YPPT Tarogong SMK 1 Garut MA Nurul Islam MAN 1 Garut MA Pesantren Cipari MA Darul Ulum Total Berdasarkan Tabel 3 diatas, dapat ditarik kesimpulan bahwa jumlah kuisioner terbanyak disebar di SMU 1 Garut. Hal ini disebabkan karena jumlah siswanya paling banyak jika dibandingkan dengan sekolah yang lain. Gambar 1 mendeskripsikan bahwa siswa dengan jenis perempuan memiliki presentase terbesar yaitu sebesar 23 % terhadap minat melanjutkan pendidikan ke perguruan tinggi.

25 34.% 35.% 3.% 25.% 21.33% 23% 2.% 15.% 1.% 5.%.% Perempuan (tdk Perempuan Lakilaki (tdk minat lanjut ke (minat lanjut ke minat lanjut ke PT) PT) PT) 21.33% Lakilaki (minat lanjut ke PT) Gambar 1. Minat siswa berdasarkan jenis kelamin Gambar 2 mengilustrasikan persentase siswa yang berstatus sebagai anak pertama cenderung lebih besar minatnya melanjutkan pendidikan ke perguruan tinggi dibandingkan yang lainnya. Hal ini dapat dilihat dari jumlah siswa sebesar 35,67% dari jumlah keseluruhan % 4.% 3.% 25.67% 21.67% 17% 2.% 1.%.% Anak pertama Lainnya Minat Tidak minat Gambar 2. Minat siswa berdasarkan status siswa Salah satu faktor yang mendukung minat siswa melanjutkan pendidikan ke jenjang yang lebih tinggi adalah dari latar belakang pendidikan orang tuanya. Semakin tinggi pendidikan orang tua cenderung mempengaruhi minat siswa untuk melanjutkan ke perguruan tinggi, tetapi dari Gambar 3 diperoleh sebesar 31% pendidikan ayah dan sebesar 28% pendidikan ibu itu bahwa siswa minat melanjutkan pendidikan ke perguruan tinggi.

26 (a) Persentase Pendidikan Ayah (b) Persentase Pendidikan Ibu Gambar 3. Minat siswa berdasarkan pendidikan orang tua Berdasarkan Gambar 4 diperoleh kesimpulan bahwa siswa yang pekerjaan orang tuanya sebagai pegawai swasta lebih tinggi dibandingkan dengan pekerjaan orang tua yang bekerja sebagai PNS atau lainnya. Persentase siswa yang orang tuanya bekerja sebagai pegawai swasta masingmasing sebesar 22,33% dan 23%. 25.% 2.% 15.% 19.67% 15.% 22.33% 17.% 15.33% 1.67% 25.% 2.% 15.% 21.% 13.% 23.% 19.% 13.33% 1.67% 1.% 1.% 5.% 5.%.%.% PNS PegawaiSwasta Lainnya PNS PegawaiSwasta Lainnya Minat Tidak minat Minat Tidak minat (a) Persentase Pekerjaan Ayah (b) Persentase Pekerjaan Ibu Gambar 4. Minat siswa berdasarkan pekerjaan orang tua Ditinjau dari segi ekonomi, faktor penghasilan orang tua juga ikut mempengaruhi minat siswa dalam melanjutkan ke perguruan tinggi. Hal ini disebabkan karena semakin tingginya biaya pendidikan untuk jenjang yang lebih tinggi. Gambar 5

27 mengindikasikan jumlah siswa yang penghasilan orang tuanya berkisar antara Rp. 5., sampai Rp. 2.., memiliki minat siswa yang tinggi dalam melanjutkan pendidikan ke perguruan tinggi yaitu sebesar 24,33%. 25.% 2.% 15.% 16.33% 16.67% 24.33% 14.33% 16.67% 11.67% 1.% 5.%.% Kurang dari 5rb 5rb 2jt Lebih dari 2jt Minat Tidak minat Gambar 5. Minat siswa berdasarkan penghasilan orang tua Gambar 6 menunjukkan bahwa jumlah siswa yang tinggalnya bersama dengan orang tua memiliki jumlah lebih besar dari siswa yang ikut saudara ataupun lainnya. Dari sekian banyak siswa, ada sebanyak 44% siswa yang ikut orang tua, 6,67% siswa yang ikut bersama saudara dan sisanya sebanyak 6,33% yang memilih lainnya. 5.% 4.% 3.% 44.% 35.33% 2.% 1.%.% 6.67% 3.33% 6.33% 4.33% Ikut orang Tua Ikut saudara Lainnya Minat Tidak minat Gambar 6. Minat siswa berdasarkan tempat tinggal siswa Jenis pelajaran yang disukai, tidak menjadi alasan utama penyebab minat siswa melanjutkan ke perguruan tinggi. Jumlah siswa yang menyukai pelajaran matematika lebih tinggi yaitu sebesar 43,67%. Mata pelajaran yang disukai oleh siswa identik berpengaruh terhadap jurusan yang akan dipilih setelah memasuki lingkungan perguruan tinggi.

28 5.% 43.67% 4.% 3.% 3.% 2.% 1.%.% 6.67% 5.% 7.% 7.67% Agama matematika Lainnya Minat Tidak minat Gambar 7. Minat siswa berdasarkan pelajaran yang disukai Pengalaman terdahulu yang berkaitan dengan tempat saudara siswa berkuliah sebelumnya juga tidak dapat dikatakan sebagai penyebab dasar minat siswa melanjutkan ke perguruan tinggi. Hasil penyebaran kuisioner mengidentifikasikan bahwa jumlah siswa terbesar yang berminat melanjutkan ke perguruan tinggi justru mereka adalah siswa yang saudaranya tidak memiliki pengalaman kuliah sebelumnya. 6.% 5.% 4.% 3.% 2.% 1.% 2.33% 6.33%.% STAI 2.67% 2.33% PTN 5.33% PTS Lainnya 36.% Minat Tidak minat Gambar 8. Minat siswa berdasarkan tempat saudara berkuliah Dari Gambar 8 menunjukkan bahwa tempat saudara berkuliah dalam minat siswa melanjutkan pendidikan ke perguguruan tinggi sebanyak 5,33% siswa mengatakan saudaranya berkuliah di PTS lainnya, sebanyak 2,33% di STAI dan sebanyak 2,67% siswa menyebutkan di PTN.

29 Minat Siswa Berdasarkan Faktor Pendorong Dilihat dari faktor pendorong siswa dalam melanjutkan pendidikan ke perguruan tinggi dimana keinginan orang tua, saudara atau keinginan sendiri merupakan pendorong dalam minat siswa melanjutkan pendidikan ke perguruan tinggi. walaupun dari hasil data terlihat jumlah siswa yang berminat melanjutkan ke perguruan tinggi didominasi oleh siswa yang minat bukan karena keinginan sendiri, orang tua atau saudara. Minat Siswa Berdasarkan Nilai Ratarata Raport 41.67% 45.% 4.% 35.% 3.% 25.% 2.% 15.% 1.% 5.%.% 32% 26.33% Gambar 9. Minat siswa berdasarkan nilai ratarata raport siswa Dari Gambar 9 dimana minat siswa melanjutkan pendidikan ke perguruan tinggi berdasarkan nilai ratarata raport sebesar 41,67% terdapat pada nilai raatarata raport antara 65 sampai 75 adalah. Analisis Regresi Logistik Analisis regresi logistik biner dengan menggunakan program SPSS for windows Versi 16, dengan menggunakan metode Backward elimination. Sebelum melakukan analisis regresi logistik biner sebaiknya perhatikan ukuran contoh yang diambil dengan mempertimbangkan banyaknya kategori dari setiap peubah penjelas yang akan dianalisis secara simultan. Banyaknya kategori dari setiap peubah penjelas mengakibatkan pemodelan yang kurang baik dilihat dari

30 kemampuan mengklasifikasikan peubah penjelas terhadap peubah respond an pendugaan parameter yang didapatkan menjadi tidak logis. Untuk mengatasi masalah ini dapat dilakukan penggabungan kategorikategori dari peubah penjelas. Penggabungan kategori ini dapat mengurangi banyaknya sel yang harus terisi dan hasil analisis regresi logistik yang didapat akan lebih baik. Tingkat signifikansi yang digunakan dalam uji signifikansi model maupun signifikansi koefisien adalah sebesar 5 %. Artinya pada uji signifikansi model, jika tingkat signifikansi dalam model tersebut lebih kecil atau sama dengan 5% maka model tersebut sudah tepat. Pada uji signifikansi koefisien jika tingkat signifikansi suatu peubah lebih kecil atau sama dengan 5%, maka peubah tersebut berpengaruh secara nyata terhadap model. Pendugaan model yang dibentuk dari 12 peubah penjelas menghasilkan nilai statistikg sebesar 16,625. Model tersebut menghasilkan nilaip=, sehingga dapat ditarik kesimpulan bahwa sedikitnya ada satu βi tidak sama dengan nol diantara peubah penjelas tersebut pada taraf nyata 5%. Uji Parameter Model dan odds ratio Hasil uji parsial dengan menggunakan statistik uji Wald diperlihatkan oleh Tabel 4. Tabel ini mengkonfirmasikan bahwa hanya lima peubah yaitu pendidikan ayah, pekerjaan ayah, pekerjaan ibu, penghasilan orang tua, tempat perguruan tinggi saudara berkuliah berpengaruh signifikan secara statistik terhadap minat siswa dalam melanjutkan pendidikan ke perguruan tinggi di kabupaten Garut. Hal tersebut terlihat dari nilai signifikansi (pvalue=) yang lebih kecil dari α=,5 untuk semua peubah penjelas.

31 Tabel 4 Penduga parameter, statistik uji Wald, tingkat signifikansi, odds ratio dan selang kepercayaan dari model minat siswa melanjutkan ke PT Peubah B SE Wald Signifikansi Odds Ratio Lower SK 95% Upper Jenis_Kelamin (1) Rata_rata_penghasilan (1) Rata_rata_penghasilan (2),11,26 1,748,494,528,821,5,2 4,533,823,961,33 1, ,2634 5,7431,42391,36463,3483 2, ,888912,87367 Faktor_Pendorong (1) Faktor_Pendorong (2) 23,489 23,437 3,263 1,165,,,994 1,6E+1,998 1,5E+1 2,7E+7 9,52E+12 1,5E+9 1,48E+11 Constanta 1,533,471 1,594,1,216,8576, Sumber : Diolah dari data Kuisoner minat siswa melanjutkan pendidikan ke PT Nilai B dan exp(b) atau odds ratio dalam Tabel 4 menginformasikan tentang hubungan dan kecenderungan peubah penjelas terhadap minat siswa melanjutkan pendidikan ke perguruan tinggi. Hubungan dan kecenderungan tersebut dapat dijelaskan sebagai berikut : Adanya hubungan negatif antara ratarata penghasilan orang tua dengan minat siswa melanjutkan pendidikan ke perguruan tinggi (B=1,748). Hal ini menunjukan bahwa ratarata penghasilan orang tua yang berpenghasilan antara Rp.5. sampai Rp.2.., memiliki peluang lebih besar dalam melanjutkan pendidikan ke perguruan tinggi yaitu sebesar kali atau sekitar 57,43% lebih tinggi dibandingkan orang tua siswa yang ratarata penghasilan di atas Rp. 2.., Evaluasi Kebaikan Model Dari uji parameter dan odds rasio maka di peroleh model yang dapat digunakan dalam menduga faktorfaktor yang mempengaruhi minat siswa dalam melanjutkan pendidikan ke perguruan tinggi, dimana model peluang regresi logistik dengan transformasi logit adalah sebagai berikut : gˆ ( x) = 1,533 +,11D11 +,26D62 + 1,748D ,489D ,437 D12

32 SIMPULAN DAN SARAN Kesimpulan Dari hasil analisis dan pembahasan tentang faktorfaktor yang mempengaruhi minat melanjutkan pendidikan pada berbagai strata sekolah dengan menggunakan regresi logistik berdasarkan peubahpeubah yang digunakan dalam penelitian ini dapat ditarik beberapa kesimpulan sebagai berikut : 1. Terdapat perbedaan banyaknya siswa yang berminat melanjutkan berdasarkan asal Sekolah, dimana siswa SMU lebih berminat melanjutkan pendidikan ke perguruan tinggi dibandingkan siswa yang berasal dari sekolah SMK dan Madrasyah Aliyah, Namun perbedaan minat tersebut lebih didasarkan pada pendapatan orang tua yang memang berbeda pada ketiga strata sekolah tersebut. 2. Peubah yang memiliki pengaruh terhadap minat siswa dalam melanjutkan pendidikan ke perguruan tinggi adalah jenis kelamin, ratarata penghasilan orang tua dan faktor pendorong. Saran Faktorfaktor yang mempengaruhi pola minat setiap siswa dalam melanjutkan pendidikan ke perguruan tinggi, oleh karena itu untuk mengoptimalkan penggunaan model pada minat ini perlu dengan menambahkan ruang contoh dan sebagai rekomendasi untuk perguruan tinggi STAI yaitu dengan melihat faktorfaktor yang mempengaruhi minat siswa melanjutkan pendidikan ke perguruan tinggi maka dapat menyediakan fasilitas yang lengkap dan adanya jalur beasiswa sebagai daya tarik siswa dalam memilih STAI.

33 DAFTAR PUSTAKA Agresti A. (199). Categorical Data Analysis. New York: John Wiley and Sons. Anonim Bagaimana Mengembangkan Bakat Anak Sejak Dini?. Intisari 279: Cochran WG.21. Teknik penarikan contoh. Rudiansyah, Penerjemah ; Jakarta: UIPr. Terjemahan dari: Sampling Techniques. Kasijan Psikologi Pendidikan terjemahan Kasijan. Jakarta: Rineka Cipta Hosmer, D.W. dan Lemeshow (1999). Applied Logistic Regression. John Wiley, New York. Jones, G.W. & Hagul, P (21). Schooling in Indonesia: CrisisRelated and LongerTerm Issues. Bulletin of Indonesian Economic Studies Vol 37 No.2. Jakarta : Center for Strategic and International Studies(CSIS). Kartono, Kartini Bimbingan Belajar di SMA dan Perguruan Tinggi. Jakarta: CV. Rajawali. Kleinbaum, (1994). Weighted Estimation in Multilevel Ordinal and Binary Models to Presence of Informative Sampling Designs. Statistics Canada, Catalogue No.11, Vol.3, No.1, hal Kutner, M.H., C.J. Nachtsheim dan J. Neter. Applied Linear Regression Models. Fourth Edition. The McGrawHill Companies, Inc. Singapore. Ryan, T.P. (1997). Modern Regression Method. New York : John Wiley & Sons. Sartika E. 29. Analisis Faktorfaktor yang berpengaruh terhadap keberhasilan mahasiswa POLITEKNIK. {tesis}. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Levy PS, Lemeshow S Sampling of Populations. New York: A Wiley Lathersience publication. Salwa N. 26. Analisis Regresi Ordinal dan Analisis Diskriminan untuk Klasifikasi Keberhasilan Anggota LPPUMKM Kabupaten Tangerang. {tesis}. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor Scheaffer R., Mendenhall W, Ott L Elementary Survey Sampling. Fourth edition. Boston: PWSKENT Publishing Company.

34 Soeaidy, S., Hery S., Sumaryo., Suwarno & Puntoro GarisGaris Besar Program Pengajaran (GBPP) SMU YTNI & Dharmabakthi, Surabaya & Jakarta. Slameto, Belajar dan Faktor yang Mempengaruhinya. Jakarta: Rineka Cipta

35 LAMPIRAN

36 Lampiran 1 Penyebaran komposisi Kuisioner Tabel 2 Penyebaran kuisioner berdasarkan kelas Jurusan IPA Jurusan IPS Nama Sekolah Jumlah Jumlah Jurusan Siswa Jurusan Siswa IPA 1 7 IPS 1 5 SMA 1 Garut IPA 3 6 IPS 2 7 Total IPA 4 8 IPS IPA 1 5 IPS 1 4 SMA 1 Sukawening IPA 3 6 IPS 2 2 Total IPA 4 IPA 1 4 IPS IPS SMA 1 Cibatu IPA 3 2 IPS 2 2 Total IPA 4 IPA 1 5 IPS IPS SMU Muh. 1 Garut IPA 3 4 IPS 2 3 Total IPA 4 2 IPS IPA 1 4 IPS 1 5 SMU Darussalam IPA 3 4 IPS 2 5 Wanaraja IPA 4 5 IPS 3 6 Total IPA 1 3 IPS 1 3 MA Nurul Islam IPA 3 2 IPS 2 4 IPA 4 2 IPS 3 2 Total 7 9 IPA 1 5 IPS 1 3 MAN 1 Garut IPA 3 6 IPS 2 4 IPA 4 4 IPS 3 5 Total IPA 1 5 IPS 1 4 MA Pesantren Cipari IPA 3 6 IPS 2 3 IPA 4 4 IPS 3 4 Total 15 11

37 IPA 1 3 IPS 1 3 MA Darul Ulum IPA 3 4 IPS 2 4 Total IPA 4 2 IPS Tabel 3 Penyebaran kuisioner berdasarkan kelas Nama Sekolah SMK Hikmah Total Jurusan Manajemen/Akuntansi Jumlah Jurusan Siswa MJ 1 AK Jurusan Tata Boga/ Sekretaris Jurusan TB 2 SK 3 Jumlah Siswa SMK Pasundan 1 Cilawu Total SMK YPPT Tarogong Total SMK 1 Garut Total MJ 3 AK 5 AK 2 MJ 3 MJ 4 AK TB 4 SK 6 TB 4 SK 6 TB 2 SK

38 Lampiran 2. Kuisioner Minat siswa dalam melanjutkan pendidikan ke Perguruan Tinggi Angket Pernyataan Nama Sekolah Jurusan No. Responden A. IDENTITAS RESPONDEN 1. Nama Responden :. 2. Jenis kelamin Responden :.. 3. Jumlah Saudara Responden :.orang 4. Responden Anak Ke : a. Anak Pertama b. Lainnya : 5. Nama Orang Tua a. Ayah b. Ibu 6. Pendidikan Terakhir Orang Tua: :.. : a. Ayah 1. Tidak sekolah/ Tamat SD 2. Tamat SMPSMU 3. Sarjana 7. b. Ibu : 1. Tidak sekolah/ Tamat SD Pekerjaan Orang Tua a. Ayah : 2. Tamat SMPSMU 3. Sarjana 1. PNS b. Ibu 1. PNS 2. Pegawai Swasta : 2. Pegawai Swasta 3. Lainya : 3. Lainya : 8. Berapa ratarata pendapatan perbulan orang tua Anda : 1. kurang 5ribu rupiah 2. antara 5ribu 2 juta rupiah 3. Diatas 2 juta rupiah

39 9. Tempat tinggal Responden : 1. Ikut Orang Tua 2. Ikut Saudara 3. Lainnya 1. Anggota keluarga yang melanjutkan ke Perguruan Tinggi : a. Ada b. Tidak ada 11. Tempat Perguruan Tinggi anggota keluarga siswa yang berkuliah : 1. STAI AlMusadadiyah Garut 2. Perguruan Tinggi Negeri 3. Perguruan Tinggi Swasta lain : B. PENILAIAN TERHADAP PERGURUAN TINGGI 1. Apakah Anda akan melanjutkan pendidikan ke Perguruan Tinggi : 1. Ya 2. Tidak 2. Jika ya, Sebutkan alsannya : 1. Meupakan Perguruan Tinggi ternama dan berkualitas 2. Adanya Jurusan yang diminati 3. Dekat dengan rumah tinggal 4. Lingkungan Sekitar Perguruan Tinggi menyenangkan 5. Mengikuti jejak dan keinginan orang tua 6. Mewujudkan citacita sebelum SMU 7. Tinggal di asrama/ kos atau tinggal dengan saudara 8. Lainnya : 3. Perguruan Tinggi yang diinginkan : 1. STAI AlMusadadiyah Garut 2. Perguruan Tinggi Negeri 3. Perguruan Tinggi Swasta lain : 4. Bidang Ilmu yang diinginkan : 1. Agama 2. Matematika 3. Lainnya 4. Tidak tahu 5. Faktor pendorong dalam memilih Perguruan Tinggi dan bidang ilmu : 1. Keinginan sendiri 2. Orang Tua dan Saudara 3. Lainnya :..

40 Lampiran 3. Pengkodean peubah penjelas kategorik Jenis Kelamin Status Anak Pendidikan Ayah LakiLaki Perempuan Anak Pertama Lainnya SD SMP SMA Frekuensi Parameter Koding D1 D2 D3 Pembanding Sarjana 159 Pendidikan Ibu SD SMP SMA Sarjana 159 Pekerjaan Ayah PNS 14 1 Pegawai Swasta Lainnya Pekerjaan Ibu PNS 12 1 Pegawai Swasta Lainnya Ratarata Penghasilan Ortu < 5rb rb 2jt 116 > 2jt 85 1 Mata Pelajaran Yg Disukai Agama Matematika Lainnya PT tempat saudara berkuliah STAI 15 1 PTN PTS lainnya Tidak Ada Faktor Pendorong Pilih PT Sendiri Ortu/saudara Lainnya Tidak Ada Tempat Tinggal Siswa Keterangan : D : Peubah dummy : Sebagai pembanding Orang tua Saudara Lainnya

ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR

ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR ASTRI ATTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN

Lebih terperinci

EKO ERTANTO PEMBIMBING

EKO ERTANTO PEMBIMBING UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING

Lebih terperinci

ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010

ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:

Lebih terperinci

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465)

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465) = DATA DAN METODE PENELITIAN Data Peelitia Data yag diguaka dalam peelitia ii adalah data primer hasil yag diperoleh melalui peyebara kuisioer da metode wawacara sebagai data pelegkap. Pegumpula data dilaksaaka

Lebih terperinci

ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO

ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

HASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden

HASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden disusun ke dalam bentuk kartu stimuli, diantara tiap kartu berisi kombinasi dari taraftaraf atribut yang berbeda dengan kartu-kartu lainnya (Lampiran 4). 3. Pengumpulan data melalui penyebaran kuesioner.

Lebih terperinci

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama

Lebih terperinci

ABSTRAK METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER

ABSTRAK METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER Astri Atti* ABSTRACT Coronary heart disease (CHD) is an anomaly that caused by constriction of artery. CHD is influenced

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

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan

Lebih terperinci

REGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI

REGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI REGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas

Lebih terperinci

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden

Lebih terperinci

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat

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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi

Lebih terperinci

PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS

PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN

Lebih terperinci

ANALISIS MINAT SISWA SMA IBRAHIMY SUKOREJO MELANJUTKAN KE IAII SUKOREJO MENGGUNAKAN REGRESI LOGISTIK BINER DAN MULTI KORESPONDENSI IIN PUSPITA SARI

ANALISIS MINAT SISWA SMA IBRAHIMY SUKOREJO MELANJUTKAN KE IAII SUKOREJO MENGGUNAKAN REGRESI LOGISTIK BINER DAN MULTI KORESPONDENSI IIN PUSPITA SARI ANALISIS MINAT SISWA SMA IBRAHIMY SUKOREJO MELANJUTKAN KE IAII SUKOREJO MENGGUNAKAN REGRESI LOGISTIK BINER DAN MULTI KORESPONDENSI IIN PUSPITA SARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

Lebih terperinci

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN 1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code

Lebih terperinci

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

Lebih terperinci

MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP

MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA Puji Subekti Mahasiswa Program Magister Matematika Universitas Brawijaya Malang Telp : 8564963425; Email

Lebih terperinci

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Aplikasi Regresi Logistik Biner untuk Menganalisis Faktor Faktor yang Mempengaruhi Waktu Kelulusan Mahasiswa (Studi Kasus Mahasiswa Bidik

Lebih terperinci

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN

Lebih terperinci

PERBANDINGAN METODE INTERPOLASI ABRIDGED LIFE TABLE

PERBANDINGAN METODE INTERPOLASI ABRIDGED LIFE TABLE PERBANDINGANN METODE INTERPOLASI ABRIDGED LIFE TABLE DAN APLIKASINYA PADA DATAA KEMATIAN INDONESIA VANI RIALITA SUPONO SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini menggunakan data primer dan data sekunder. Data primer merupakan

III. METODE PENELITIAN. Penelitian ini menggunakan data primer dan data sekunder. Data primer merupakan III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data primer dan data sekunder. Data primer merupakan data yang diperoleh langsung dari sumber asli (tidak melalui perantara).

Lebih terperinci

ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI

ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS)

Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)

Lebih terperinci

ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN MODEL REGRESI LOGISTIK BINER DAN MODEL LOG LINIER

ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN MODEL REGRESI LOGISTIK BINER DAN MODEL LOG LINIER ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN MODEL REGRESI LOGISTIK BINER DAN MODEL LOG LINIER (Studi Kasus SPBU 44.502.10 Ketileng Semarang) SKRIPSI Oleh : LINTANG RATRI WARDHANI

Lebih terperinci

MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH

MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI

Lebih terperinci

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik

Lebih terperinci

MODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI

MODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI MODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya

Lebih terperinci

MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK

MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan

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

DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN

DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN PENERAPAN ANALISIS REGRESI LOGISTIK TERHADAP TINGKAT KEPUASAN MASYARAKAT DALAM PELAYANAN PEMBUATAN KARTU KELUARGA (STUDI KASUS: DI KECAMATAN MEDAN BELAWAN) SKRIPSI CHAIRUNNISA 120823008 DEPARTEMEN MATEMATIKA

Lebih terperinci

ANALISIS REGRESI TERPOTONG BEBERAPA NILAI AMATAN NURHAFNI

ANALISIS REGRESI TERPOTONG BEBERAPA NILAI AMATAN NURHAFNI ANALISIS REGRESI TERPOTONG DENGAN BEBERAPA NILAI AMATAN NOL NURHAFNI SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO

ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 RINGKASAN TJIPTO AJI SUDARSO. Analisis

Lebih terperinci

PENDUGAAN PARAMETER WAKTU PERUBAHAN PROSES PADA 2 CONTROL CHART MENGGUNAKAN PENDUGA KEMUNGKINAN MAKSIMUM SITI MASLIHAH

PENDUGAAN PARAMETER WAKTU PERUBAHAN PROSES PADA 2 CONTROL CHART MENGGUNAKAN PENDUGA KEMUNGKINAN MAKSIMUM SITI MASLIHAH PENDUGAAN PARAMETER WAKTU PERUBAHAN PROSES PADA CONTROL CHART MENGGUNAKAN PENDUGA KEMUNGKINAN MAKSIMUM SITI MASLIHAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 008 PERNYATAAN MENGENAI TESIS DAN

Lebih terperinci

MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA

MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 Hak Cipta milik Institut Pertanian Bogor, tahun 2008 Hak Cipta dilindungi

Lebih terperinci

BAHAN DAN METODE HASIL DAN PEMBAHASAN

BAHAN DAN METODE HASIL DAN PEMBAHASAN 5 Jika hipotesis nol benar, maka statistik uji-w akan menyebar mengikuti sebaran normal baku. Hipotesis nol ditolak jika W > Z α/2 (Hosmer & Lemeshow 1989). Interpretasi koefisien untuk model regresi logistik

Lebih terperinci

Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya

Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Jurnal Penelitian Sains Volume 16 Nomor 2(A) April 2013 Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Dian Cahyawati

Lebih terperinci

PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA

PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA (Studi Kasus : Siswa SMA Negeri Siau Timur Kabupaten Siau Tagulandang Biaro Propinsi Sulawesi Utara) NELDA PONTO SEKOLAH

Lebih terperinci

dimana: n1= jumlah sampel dalam tiap kecamatan

dimana: n1= jumlah sampel dalam tiap kecamatan IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di wilayah Kota Bogor. Pemilihan lokasi dilakukan secara sengaja (purposive) dengan pertimbangan Kota Bogor merupakan kota

Lebih terperinci

PREDIKSI STATUS KEAKTIFAN STUDI MAHASISWA DENGAN ALGORITMA C5.0 DAN K-NEAREST NEIGHBOR IIN ERNAWATI G

PREDIKSI STATUS KEAKTIFAN STUDI MAHASISWA DENGAN ALGORITMA C5.0 DAN K-NEAREST NEIGHBOR IIN ERNAWATI G PREDIKSI STATUS KEAKTIFAN STUDI MAHASISWA DENGAN ALGORITMA C5.0 DAN K-NEAREST NEIGHBOR IIN ERNAWATI G651044054 SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

MOCH. FAUZI PEMBIMBING : MUHAMMAD SJAHID AKBAR

MOCH. FAUZI PEMBIMBING : MUHAMMAD SJAHID AKBAR Faktor-faktor yang Mempengaruhi Peranan Ibu Rumah Tangga Nelayan Terhadap Pemenuhan Kebutuhan Rumah Tangga di Kelurahan Tebul Bangkalan dengan Metode Regresi Logistik Biner MOCH. FAUZI 1307 030 056 PEMBIMBING

Lebih terperinci

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL 1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

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

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

MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY

MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI

Lebih terperinci

PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok SILVANA SYAH

PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok SILVANA SYAH PEMODELAN USIA MENARCHE DENGAN REGRESI LOGISTIK ORDINAL DAN METODE CHAID Studi Kasus pada Siswi SMP di Kota Depok SILVANA SYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SURAT PERNYATAAN

Lebih terperinci

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN

PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo

(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo PERBANDINGAN REGRESI MODEL LOGISTIK BINER DENGAN REGRESI MODEL PROBIT TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI SIKAP SISWA SMP PADA MATA PELAJARAN MATEMATIKA (Studi Kasus Siswa SMP Kelas VIII di SMPN 1

Lebih terperinci

PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI

PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID

PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2006 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul : PEMODELAN STOK GABAH/BERAS

Lebih terperinci

Others Institution Credit Job Code

Others Institution Credit Job Code 4. Residence status (status kepemilikan rumah) yang dinotasikan dengan RS. Peubah ini dibagi menjadi enam kelompok. 5. Job code (kode pekerjaan) yang dinotasikan dengan JC. Peubah ini dibagi menjadi lima

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

PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI

PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI OPINI MAHASISWA TPB IPB TAHUN AKADEMIK 2005/2006 UNTUK MEMILIH MAYOR STATISTIKA SEBAGAI PILIHAN PERTAMA KARLINA SERAN

FAKTOR-FAKTOR YANG MEMPENGARUHI OPINI MAHASISWA TPB IPB TAHUN AKADEMIK 2005/2006 UNTUK MEMILIH MAYOR STATISTIKA SEBAGAI PILIHAN PERTAMA KARLINA SERAN FAKTOR-FAKTOR YANG MEMPENGARUHI OPINI MAHASISWA TPB IPB TAHUN AKADEMIK 2005/2006 UNTUK MEMILIH MAYOR STATISTIKA SEBAGAI PILIHAN PERTAMA KARLINA SERAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Regresi adalah bagaimana satu variabel yaitu variabel dependen dipengaruhi oleh satu atau lebih variabel lain yaitu variabel independen dengan tujuan untuk

Lebih terperinci

KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)

KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM) KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Disusun Oleh : SRI MAYA SARI DAMANIK 24010210120002 JURUSAN STATISTIKA

Lebih terperinci

HASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur

HASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur Software yang digunakan dalam penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi 15.0. HASIL DAN PEMBAHASAN Gambaran Umum Karakteristik Debitur Banyaknya debitur kredit konsumtif

Lebih terperinci

ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA

ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA TUGAS AKHIR ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA Any Masruroh 1308 030 065 Dosen Pembimbing Ir. Arie Kismanto, M.Sc PENDAHULUAN Latar Belakang Permasalahan

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian

BAB III METODE PENELITIAN. Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian 36 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian yang bersifat deskriptif kuantitatif. Penelitian yang bersifat deskriptif bertujuan

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

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Tempat dan Waktu Penelitian Penelitian dilakukan pada obyek wisata pemandian air panas alam CV Alam Sibayak yang berlokasi di Desa Semangat Gunung Berastagi, Kabupaten Karo Sumatera

Lebih terperinci

IV. METODE PENELITIAN. Kawasan ini dipilih secara sengaja (purposive) dengan pertimbangan bahwa

IV. METODE PENELITIAN. Kawasan ini dipilih secara sengaja (purposive) dengan pertimbangan bahwa IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Pengambilan data untuk keperluan penelitian dilakukan di Kelurahan Harapan Jaya, Kecamatan Bekasi Utara, Kota Bekasi, Provinsi Jawa Barat. Kawasan

Lebih terperinci

ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI

ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI

Lebih terperinci

MODEL REGRESI PROBIT BIVARIAT

MODEL REGRESI PROBIT BIVARIAT MODEL REGRESI PROBIT BIVARIAT NURFIDAH DWITIYANTI Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta PGRI Jl. Nangka No. 58 C, Tanjung Barat,

Lebih terperinci

Analisis Faktor-Faktor Yang Mempengaruhi Indeks Prestasi (IP) Mahasiswa ITATS Jurusan Teknik Industri

Analisis Faktor-Faktor Yang Mempengaruhi Indeks Prestasi (IP) Mahasiswa ITATS Jurusan Teknik Industri Analisis Faktor-Faktor Yang Mempengaruhi Indeks Prestasi (IP) Mahasiswa ITATS Jurusan Teknik Industri Suparto Teknik Industri, ITATS, Jalan AR. Hakim 100 Surabaya E-mail : wrskt_indria@yahoo.com Abstrak.

Lebih terperinci

PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO

PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

IV. METODOLOGI PENELITIAN. wisata tirta. Lokasi penelitian ini dapat dilihat pada Lampiran 1.

IV. METODOLOGI PENELITIAN. wisata tirta. Lokasi penelitian ini dapat dilihat pada Lampiran 1. IV. METODOLOGI PENELITIAN 4.1. Lokasi Penelitian Penelitian ini dilakukan di obyek wisata Tirta Jangari, Waduk Cirata, Desa Bobojong, Kecamatan Mande, Kabupaten Cianjur. Pemilihan lokasi ini dilakukan

Lebih terperinci

ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI

ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN

Lebih terperinci

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic

Lebih terperinci

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien

Lebih terperinci

ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH

ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

RISIKO GEMUK (FAT-TAILED ADRINA LONY SEKOLAH

RISIKO GEMUK (FAT-TAILED ADRINA LONY SEKOLAH PENENTUAN BESARNYA PREMI UNTUK SEBARAN RISIKO YANG BEREKOR GEMUK (FAT-TAILED RISK DISTRIBUTION) ADRINA LONY SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER

Lebih terperinci

Kegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran

Kegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan pengujian hipotesis (hypothesis testing) yang

BAB III METODE PENELITIAN. Penelitian ini merupakan pengujian hipotesis (hypothesis testing) yang BAB III METODE PENELITIAN 3.1. Ruang Lingkup Penelitian Penelitian ini merupakan pengujian hipotesis (hypothesis testing) yang menjelaskan sifat dari hubungan tertentu, memahami perbedaan antara kelompok

Lebih terperinci

Saintia Matematika ISSN: Vol. 02, No. 04 (2014), pp

Saintia Matematika ISSN: Vol. 02, No. 04 (2014), pp Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 04 (2014), pp. 313 321. SUATU KAJIAN TENTANG PELAYANAN KESEHATAN DI PUSKESMAS PEMBANTU JATI UTOMO BINJAI Nida Elhaq, Pasukat Sembiring, Djakaria Sebayang

Lebih terperinci

CHRISTINA / AKUNTANSI

CHRISTINA / AKUNTANSI PENGARUH UKURAN PEMERINTAH DAERAH, RASIO KEMANDIRIAN DAERAH, RASIO PEMBIAYAAN HUTANG, BELANJA DAERAH, DAN TIPE PEMERINTAHAN DAERAH TERHADAP PELAPORAN KEUANGAN PEMERINTAH DAERAH T E S I S Oleh CHRISTINA

Lebih terperinci

IV METODE PENELITIAN

IV METODE PENELITIAN IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Lokasi penelitian dilakukan di enam kelurahan di Kota Depok, yaitu Kelurahan Pondok Petir, Kelurahan Curug, Kelurahan Tapos, Kelurahan Beji, Kelurahan

Lebih terperinci

PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS INTRANET DIVISI NEWSROOM DAN PRODUKSI PADA PT MEDIA TELEVISI INDONESIA R. M. EKSA CATRA HARANDI W.

PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS INTRANET DIVISI NEWSROOM DAN PRODUKSI PADA PT MEDIA TELEVISI INDONESIA R. M. EKSA CATRA HARANDI W. PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS INTRANET DIVISI NEWSROOM DAN PRODUKSI PADA PT MEDIA TELEVISI INDONESIA R. M. EKSA CATRA HARANDI W.K SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

JURNAL MATEMATIKA DAN PEMBELAJARANNYA 2016 VOLUME 2, NO. 1. ISSN

JURNAL MATEMATIKA DAN PEMBELAJARANNYA 2016 VOLUME 2, NO. 1. ISSN VOLUME 2, NO. 1. ISSN 2303-0992 N. PONTO PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA (Studi Kasus: Siswa SMA Negeri Siau Timur Kabupaten Siau Tagulandang Biaro Propinsi

Lebih terperinci

PEMBAHASAN Pelaksanaan Survei

PEMBAHASAN Pelaksanaan Survei 4 Populasi penelitian dibagi menjadi dua lapisan berdasarkan cluster perumahan BNR. Cluster-cluster dengan ukuran rumah 1 m 2 digolongkan sebagai lapisan 1 sedangkan cluster-cluster dengan ukuran rumah

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK Oleh: Agista Dyah Prabawati (1308 100 026) Dosen Pembimbing: Dra. Destri Susilaningrum,

Lebih terperinci

ponsel, purposive sampling, regresi logistik politomus

ponsel, purposive sampling, regresi logistik politomus JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO

Lebih terperinci

Oleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya ABSTRAK

Oleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya   ABSTRAK (M.3) ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG BERKAITAN DENGAN RISIKO ANAK PUTUS SEKOLAH PENDIDIKAN DASAR (Kasus : Wilayah Kabupaten Ogan Ilir Provinsi Sumatera Selatan) Oleh: Dian Cahyawati S. Jurusan Matematika

Lebih terperinci

MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG

MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini

Lebih terperinci

TINJAUAN PUSTAKA. i dari yang terkecil ke yang terbesar. Tebaran titik-titik yang membentuk garis lurus menunjukkan kesesuaian pola

TINJAUAN PUSTAKA. i dari yang terkecil ke yang terbesar. Tebaran titik-titik yang membentuk garis lurus menunjukkan kesesuaian pola TINJAUAN PUSTAKA Analisis Diskriminan Analisis diskriminan (Discriminant Analysis) adalah salah satu metode analisis multivariat yan bertujuan untuk memisahkan beberapa kelompok data yan sudah terkelompokkan

Lebih terperinci

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER (R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak

Lebih terperinci

ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA

ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan

Lebih terperinci

BAB III LANDASAN TEORI. A. Regresi

BAB III LANDASAN TEORI. A. Regresi BAB III LANDASAN TEORI A. Regresi 1. Pengertian Regresi Regeresi adalah alat yang berfungsi untuk membantu memperkirakan nilai suatu varibel yang tidak diketahui dari satu atau beberapa variabel yang tidak

Lebih terperinci

ANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X

ANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X ANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X Erna Hayati Fakultas Ekonomi Universitas Islam Lamongan ABSTRAKSI Kepuasan

Lebih terperinci

PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS INTRANET DIVISI NEWSROOM DAN PRODUKSI PADA PT MEDIA TELEVISI INDONESIA R. M. EKSA CATRA HARANDI W.

PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS INTRANET DIVISI NEWSROOM DAN PRODUKSI PADA PT MEDIA TELEVISI INDONESIA R. M. EKSA CATRA HARANDI W. PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM BERBASIS INTRANET DIVISI NEWSROOM DAN PRODUKSI PADA PT MEDIA TELEVISI INDONESIA R. M. EKSA CATRA HARANDI W.K SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

Hubungan Indeks Prestasi Kumulatif (IPK) dengan Nilai Ujian Akhir Nasional (UAN): Studi Kasus di FMIPA Unsyiah

Hubungan Indeks Prestasi Kumulatif (IPK) dengan Nilai Ujian Akhir Nasional (UAN): Studi Kasus di FMIPA Unsyiah Statistika, Vol. 15 No. 1, 17 23 Mei 2015 Hubungan Indeks Prestasi Kumulatif (IPK) dengan Nilai Ujian Akhir Nasional (UAN): Studi Kasus di FMIPA Unsyiah Ridha Ferdhiana, 1,2, Ira Julita 1, Asep rusyana

Lebih terperinci

HASIL DAN PEMBAHASAN. 7. Peubah rancangan tempat tidur (TMP_TDR) Tempat tidur (1) (2) Kasur 1 0 Lainnya 0 1 Busa 0 0. Deskripsi Rerponden

HASIL DAN PEMBAHASAN. 7. Peubah rancangan tempat tidur (TMP_TDR) Tempat tidur (1) (2) Kasur 1 0 Lainnya 0 1 Busa 0 0. Deskripsi Rerponden 7. Peubah rancangan tempat tidur (TMP_TDR) Tempat tidur (1) (2) Kasur 1 0 Lainnya 0 1 Busa 0 0 8. Peubah rancangan alat pembersih yang digunakan di rumah (ALAT). Alat pembersih di rumah (1) (2) Sapu 1

Lebih terperinci

IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK

IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,

Lebih terperinci