Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal

Transkripsi

1 Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI Dosen Pembimbing: Dr. Vita Ratnasari S. Si, M. Si

2 Pembahasan

3 Latar Belakang Pendidikan Angka Putus Sekolah Jawa Timur 13 Ribu 9th Jawa Tengah 42% Jawa Barat Paradigma Orang Tua Ketidakmampuan Biaya

4 Latar Belakang Septiana (2011) faktor yang mempengaruhi angka putus sekolah usia SMA di Jawa Timur adalah keluarga miskin dan letak rumah di pedesaan. Regresi Spasial

5 Rumusan Masalah 1 Bagaimana karakteristik kabupaten/kota di Jawa Timur berdasarkan variabel yang diduga berpengaruh terhadap angka putus sekolah? Bagaimana pengelompokkan kabupaten dan kota 2 berdasarkan variabel angka putus sekolah usia SLTP dan se-derajat Kabupaten/ Kota di Jawa Timur? 3 Bagaimana pemodelan angka putus sekolah usia SLTP dan se-derajat Kabupaten/ Kota di Jawa Timur dengan menggunakan Regresi logistik ordinal?

6 Tujuan Penelitian Memodelkan angka Mengelompokkan putus sekolah usia SLTP kabupaten dan kota dan se-derajat berdasarkan variabel Kabupaten/ Kota di angka Jawa putus sekolah usia Timur dengan SLTP dan se-derajat menggunakan Regresi Kabupaten/ Kota di Jawa logistik ordinal. Timur. Mendiskripsikan karakteristik kabupaten/kota di Jawa Timur berdasarkan variabel yang diduga berpengaruh terhadap angka putus sekolah.

7 Manfaat Penelitian Informasi Pemerintah Provinsi Jawa Timur

8 Batasan Masalah

9 Tinjauan Pustaka Statistika Deskriptif Statistika Text deskriptif in adalah metodemetode yang berkaitan dengan here pengumpulan dan penyajian suatu gugus data sehingga dapat memberikan informasi yang berguna. Statistika deskriptif hanya memberikan informasi mengenai data dan tidak menarik kesimpulan apapun (Walpole, 1995).

10 Tinjauan Pustaka Analisis Kelompok metode analisis multivariate yang bertujuan untuk memisahkan sekumpulan Text in individu atau pengamatan kedalam beberapa herekelompok berdasarkan ukuran kedekatan (Dillon, 1984). d( x, x i j ) = p k = 1 ( x ik x jk 2 ) d(x i, x j ) : jarak antara observasi i dan j X ik : nilai variabel k untuk observasi i X jk : nilai dari variabel k untuk observasi j, p adalah jumlah variabel prediktor

11 Tinjauan Pustaka Metode Non-Hierarki Prosedur pengelompokan pada metode non hirarki yaitu dengan metode K-Mean. Metode non hirarki dengan K- Mean ini bertujuan mengelompokkan obyek sedemikian hingga jarak tiap obyek ke pusat kelompok dalam satu kelompok adalah minimum (Dillon, 1984).

12 Tinjauan Pustaka Analisis Regresi Logistik Ordinal Regresi logistik ordinal merupakan suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel respon (y) yang bersifat polikotomus (mempunyai skala data bertingkat dengan lebih dari 2 kategori) dengan variabel prediktor (x) (Hosmer dan Lemeshow, 2000). Model regresi logistik yang umum adalah sebagai berikut Transformasi dari e β0 + β1x π ( x) = β + β x π ( x) 1+ e π ( x) ( x) = ln = β 0 + β x 1 π ( x) g 1 0 1, sehingga diperoleh persamaan berikut.

13 Tinjauan Pustaka Estimasi Parameter Estimasi parameter dari nilai β dibutuhkan dalam kesesuaian model regresi logistik. Metode umum untuk mengestimasi adalah maximum likelihood, metode ini akan memberikan dasar untuk mengestimasi parameter dengan model regresi logistik (Hosmer dan Lemeshow, 2000). Fungsi likelihood untuk pengamatan l n ( y, ) i x i y y ( B) = ( ) i ( ) i φ x 0 φ x 1 φ ( x ) [ ] yki 0 i 1 i... k i i= 1 adalah sebagai berikut.

14 Tinjauan Pustaka Secara Serentak Uji Signifikansi Parameter Statistika uji: Daerah penolakan: H 0 ditolak jika p i k,..., 1,2, 0 = β Hipotesis: H 0 : 0 = k β (variabel prediktor tidak berpengaruh terhadap model). (minimal ada satu variabel prediktor yang berpengaruh terhadap model). H 1 : minimal ada satu ( ) ( ) ( ) ( ) [ ] = n i y i y i y i y i n n n n i i i i x x x x n n n n n n n n G = - 2 log φ φ φ φ

15 Tinjauan Pustaka, Secara Parsial Uji Signifikansi Parameter H 0 : βk = 0, i = 1,2,..., p (variabel prediktor tidak berpengaruh terhadap model). H 1 : βk 0, i = 1,2,..., p Statistika uji: W Daerah penolakan: Tolak H 0, jika 2 (variabel prediktor berpengaruh terhadap model). 2 βˆ k = ( SE( βˆ )) 2 k W 2 2 > χ ( db, α)

16 Tinjauan Pustaka, Kesesuaian Model Pengujian ini dilakukan untuk menguji apakah model yang dihasilkan berdasarkan regresi logistik multivariat/serentak sudah layak. Dengan kata lain tidak terdapat perbedaan antara hasil pengamatan dan kemungkinan hasil prediksi model. Hipotesis dalam pengujian kesesuaian model sebagai berikut (Hosmer dan Lemeshow, 2000).

17 Tinjauan Pustaka, Kesesuaian Model H 0 : Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model) H 1 : Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model) Statistik uji: D = 2 n i= 2 y ij ˆ π ij ln yij + ( 1 y ) ij 1 ˆ π ij ln 1 yij Daerah penolakan: Tolak H 0, jika D > χ 2( db,α )

18 Tinjauan Pustaka, Ketepatan Klasifikasi Model Evaluasi prosedur pengklasifikasian merupakan suatu evaluasi yang digunakan untuk melihat nilai peluang kesalahan klasifikasi yang digunakan oleh suatu fungsi klasifikasi (Johnson dan Wichern, 2007). Tabel 2.1 Tabel Klasifikasi Kenyataan Predeiksi y 1 y 2 y 3 y 1 n 11 n 12 n 13 y 2 n 21 n 22 n 23 y 3 n 31 n 32 n 33 APER n + n + n + n + n + n % = jumlah total sampel 100%

19 Penelitian Sebelumnya Wijayanti (2011) Pemodelan Angka Putus Sekolah bagi Anak Usia Wajib Belajar di Jawa Timur menggunakan Generalized Poisson Regression Fitroni (2011) Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur persentase laju pertumbuhan ekonomi, persentase guru (SD/MI dan SMP/MTs) terhadap jumlah siswa, dan tingkat kesempatan kerja di Jawa Timur variabel PDRB per kapita, rasio tenaga pengajar/ jumlah siswa, dan rasio penduduk tamatan SD berpengaruh signifikan terhadap model yang didapatkan.

20 Angka Putus Sekolah JAWA TIMUR Putus sekolah adalah proses berhentinya siswa secara terpaksa dari suatu lembaga pendidikan tempat dia belajar (BPS, 2012). SD:4227 SD:4227 MTs: 1861 SMP: 5724 MI:1268

21 Angka Putus Sekolah 1. Persentase Penduduk Miskin BPS menggunakan 14 variabel kemiskinan yang secara umum variabel tersebut lebih mengarah pada kondisi fisik rumah tangga miskin. 2. PDRB Per Kapita PDRB / kapita = 3. Persentase Pertumbuhan Ekonomi Perhitungan pertumbuhan ekonomi diperoleh dari pengurangan nilai pada tahun ke-n dengan nilai pada tahun ke-(n-1) dan dikalikan dengan 100 persen (BPS, 2012). 4. Rasio Ketersediaan Sekolah/Penduduk Usia Sekolah Rasio ketersediaan sekolah SMP/MTs =

22 Angka Putus Sekolah 5. Rasio Guru/murid Rasio guru dan murid SMP/MTs = JumlahGuru( SMP / MTs) 1000 JumlahMurid( SMP / MTs) 6. Tingkat Kesempatan Kerja (TKK) TKK = 7. Persentase Penduduk Miskin Metode yang digunakan untuk menghitung kemiskinan adalah metode skor, artinya setiap variabel mempunyai bobot atau penimbang yang telah ditentukan sebelumnya oleh BPS.

23 Angka Putus Sekolah 8. IPM X (1) X (2) X (3) IPM = 1 / 3 [X (1) + X (2) + X (3) ] : Indeks harapan hidup : Indeks pendidikan = 2 / 3 (indeks melek huruf)+ 1 / 3 (indeks rata-rata lama sekolah) : Indeks standar hidup layak Masing-masing indeks komponen IPM tersebut merupakan perbandingan antara selisih suatu nilai indikator dan nilai minimumnya dengan selisih nilai maksimum dan nilai minimum indikator yang bersangkutan.

24 Metodologi Penelitian Sumber Data Data Sekunder SUSENAS 2012 Badan Pusat Statistik Jawa Timur Data sekunder berdasarkan 38 Kabupaten dan Kota indikator ekonomi dan sosial tahun 2012 Faktor-Faktor yang diduga mempengaruhi Angka Putus Sekolah

25 Variabel Penelitian APTS usia SLTP Rasio Guru/ murid Rasio sekolah/ Murid IPM PDRB per kapita % Pertumbuhan Ekonomi Persentase Tingkat kesempatan kerja Persentase penduduk miskin Jumlah pengang guran

26 Metode Analisis Data Mencari dan mengumpulkan data yang berkaitan dengan faktor-faktor yang mempengaruhi angka putus sekolah di Jawa Timur. Mendiskripsikan karakteristik Kabupaten/kota di Jawa Timur berdasarkan angka putus sekolah dengan menggunakan statistika deskriptif. Melakukan analisis pengelompokkan kabupaten dan kota untuk membentuk 3 kelompok berdasarkan variabel angka putus sekolah usia SLTP dan sederajat di Provinsi Jawa Timur menggunakan metode non-hirarki. Melakukan analisis regresi logistik ordinal untuk mengetahui faktor-faktor yang mempengaruhi angka putus sekolah di Provinsi Jawa Timur dengan menggunakan hasil pengelompokkan sebagai variabel respon. Analisis Regresi Logistik Ordinal dilakukan dengan cara: Mengestimasi parameter model angka putus sekolah di Jawa Timur. Melakukan pengujian parameter secara serentak dan parsial pada model angka putus sekolah di Jawa Timur. Memodelkan angka putus sekolah pada jenjang pendidikan SLTP/MTs sederajat dengan variabel prediktor dengan menggunakan Regresi Logistik Ordinal.

27 Mulai Pengambilan Data Analisis Kelompok Analisis Regresi Logistik Ordinal Tabel 3.2 Struktur Data Penelitian Kabup aten/k ota Y X 1 X 2... X 10 1 Y 1.1 X 1.1 X X Y 1.2 X 1.2 X 2.2 X Y 1.3 X 1.3 X 2.3 X 10.3 Estimasi Parameter Uji Signifikansi Parameter secara Serentak 38 Y 1.38 X 1.38 X 2.38 X Uji Signifikansi Parameter secara Parsial Kesimpulan Selesai Diagram Alir Penelitian

28 4.1 Karakteristik Angka Putus Sekolah di Jawa Timur dan Faktor-Faktor yang Diduga Mempengaruhi Variabel Ratarata Maximum Minimum Persentase Angka putus sekolah 0,39 0,79 0,11 Pertumbuhan ekonomi 6,929 8,26 5,82 Persentase pengangguran 2,633 8,91 0,16 PDRB per Kapita 106, ,81 31,88 IPM 71,638 78,14 61,03 Persentase Tingkat kesempatan kerja 95,773 98,84 92,15 Persentase kemiskinan 13,816 30,21 4,74 Rasio Guru/ Murid 81, ,23 35,59 Rasio Jumlah Sekolah/ Murid 3,578 7,83 1,29

29 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Pertumbuhan Ekonomi Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu

30 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Pengangguran

31 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur 80 Variabel IPM Pacitan Ponorogo Kediri Malang Lumajang Banyuwangi Pasuruan Nganjuk Madiun Ngawi Tuban Lamongan Trenggalek Tulungagung Blitar Sidoarjo Mojokerto Jombang Magetan Gresik Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu Jember Bondowoso Situbondo Probolinggo Bojonegoro Bangkalan Sampang Pamekasan Sumenep

32 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Angka Putus Sekolah Pacitan Ponorogo Kediri Malang Lumajang Banyuwangi Pasuruan Nganjuk Madiun Ngawi Tuban Lamongan Trenggalek Tulungagung Blitar Sidoarjo Mojokerto Jombang Magetan Gresik Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu Jember Bondowoso Situbondo Probolinggo Bojonegoro Bangkalan Sampang Pamekasan Sumenep

33 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur 100 Variabel Tingkat Kesempatan Kerja Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu

34 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel PDRB per Kapita

35 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Rasio Guru/ Murid

36 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur 8 Variabel Rasio Sekolah/ Murid

37 Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Persentase Kemiskinan

38 4.2 Analisis Klaster Pengelompokkan Kabupaten/ Kota di Provinsi Jawa Timur berdasarkan variabel angka putus sekolah Rendah Sedang Tinggi Kab/ Kota APS APS APS Kab/ Kota Kab/ Kota (%) (%) (%) Sidoarjo 0,14 Pacitan 0,43 Malang 0,54 Jombang 0,24 Ponorogo 0,36 Lumajang 0,62 Madiun 0,14 Trenggalek 0,49 Jember 0,56 Magetan 0,13 Tulungagung 0,34 Bondowoso 0,60 Ngawi 0,12 Blitar 0,50 Situbondo 0,69 Lamongan 0,11 Kediri 0,42 Probolinggo 0,74 Gresik 0,24 Banyuwangi 0,42 Nganjuk 0,54 Kota Blitar 0,17 Pasuruan 0,43 Bangkalan 0,55 Kota Malang 0,25 Mojokerto 0,40 Sampang 0,79 Kota Mojokerto 0,14 Bojonegoro 00,32 Pamekasan 0,61 Kota Madiun 0,21 Tuban 0,30 Sumenep 0,59 Kota Surabaya 0,18 Kota Kediri 0,36 Kota Probolinggo 0,32 Kota Pasuruan 0,39 Kota Batu 0,44 Kelompok 1 mempunyai rata-rata angka putus sekolah sebesar 0,29 persen. Kelompok 2 mempunyai rata-rata angka putus sekolah sebesar 0,37 persen. Kelompok 3 mempunyai rata-rata angka putus sekolah sebesar 0,61 persen.

39 4.2 Analisis Klaster Karakteristik Angka Putus Sekolah SLTP dan sederajat di Jawa Timur tahun 2012 pada Masing-Masing Kelompok Angka Putus Sekolah Kelompok Rata-rata Minimum Maximum Rendah 0,173 0,11 0,25 Sedang 0,395 0,3 0,5 Tinggi 0,621 0,54 0,79 Kabupaten Malang dan Kabupaten Sampang

40 4.2 Analisis Klaster Pemetaan Hasil Pengelompokkan

41 4.2 Analisis Klaster Berikut ini adalah karakteristik dari masing-masing kelompok untuk angka putus sekolah tingkat SLTP dan sederajat di Jawa Timur tahun Variabel Kelompok y 0,173 Rendah 0,395 Sedang 0,621 Tinggi X1 7,168 Tinggi 6,929 Sedang 6,667 Rendah X2 3,154 Tinggi 2,249 Rendah 2,589 Sedang X3 120,554 Sedang 135,347 Tinggi 52,218 Rendah X4 75,062 Tinggi 72,763 Sedang 66,369 Rendah X5 94,592 Rendah 96,034 Sedang 96,705 Tinggi X6 10,622 Rendah 12,721 Sedang 18,793 Tinggi X7 78,013 Rendah 78,268 Sedang 88,068 Tinggi X8 2,755 Rendah 3,263 Sedang 4,906 Tinggi

42 4.3 Analisis Regresi Logistik Ordinal Pengujian Signifikansi Parameter secara Serentak H 0 : semua variabel independen tidak berpengaruh signifikan terhadap variabel angka putus sekolah (β 1 = β 2 = β 3 = β 4 = β 5 = β 6 = β 7 = β 8 =0) H 1 : minimal ada satu variabel independen yang berpengaruh signifikan terhadap angka putus sekolah (minimal ada satu β k 0, k = 1,2,3,...,8) Statistik Uji: Tabel 4.6 Hasil Akhir Pengujian Signifikansi Parameter secara Serentak tabel Step G db Sig. 1 44, ,362 0, , ,236 0,000 H 0 ditolak Keputusan yang dapat diambil adalah H 0 ditolak, karena 42,988 lebih besar χ 2 (5;0,1) = 9, 236 dari Kesimpulan: minimal ada satu variabel independen yang berpengaruh signifikan terhadap angka putus sekolah di Provinsi Jawa Timur tahun χ 2

43 4.3 Analisis Regresi Logistik Ordinal Pengujian Signifikansi Parameter secara Parsial H 0 : β k =0, k=1,2,3,...,8 (variabel prediktor tidak berpengaruh signifikan terhadap variabel respon) H 1 : β k 0, k=1,2,3,...,8 (variabel prediktor berpengaruh signifikan terhadap variabel respon) Statistik Uji : Step Variabel Estimasi Std. Error Wald db Sig. [klaster = 1,00] 73,105 51,136 2, ,149 [klaster = 2,00] 77,968 51,459 2, ,130 pertum_eko -0,369 1,258 0, ,769 persen_pengangguran 0, , , ,753 1 PDRB_kapita -0,029 0,0169 2, ,084 IPM 0,357 0,215 6, ,013 persen_tkt -1,147 0,509 5, ,024 persen_miskin 0,140 0,159 0, ,377 rasio_guru_mrd 0,063 0,029 4, ,028 rasio_sklh_mrd -2,456 1,003 6, ,014

44 4.3 Analisis Regresi Logistik Ordinal Pengujian Signifikansi Parameter secara Parsial Tabel 4.6 Hasil Akhir Pengujian Signifikansi Parameter secara Parsial Step Variabel Estimasi Wald Odds Sig. [y = 1,00] 83,260 3,284 0,07 [y = 2,00] 87,332 3,56 0,059 PDRB per Kapita -0,0313 3,679 0,97 0,055 4 IPM 0,40 5,533 1,50 0,019 Persentase TKK -1,154 6,044 0,32 0,014 Rasio Guru/ Murid 0,062 4,921 1,06 0,027 Rasio Sekolah/ Murid -2,325 6,199 0,1 0,013 H 0 ditolak

45 4.3 Analisis Regresi Logistik Ordinal Pengujian Kesesuaian Model H 0 : H 1 : Model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model) Model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model) Statistik Uji: D = 40, 1014 Daerah Penolakan: Tolak H 0, jika D > χ2 db, α Keputusan: H 0 gagal ditolak karena nilai D yaitu 84,418. yaitu 40,1014 lebih kecil dari χ 2 ( 69;0,1) Kesimpulan: Jadi dapat disimpulkan bahwa model yang terbentuk sudah sesuai karena tidak ada perbedaan antara hasil observasi dengan kemungkinan prediksi model.

46 4.3 Analisis Regresi Logistik Ordinal Pembentukan Model dan Nilai Peluang Logit 1 Logit 2 g1(x) = g2(x) = 83,260 0,0313(x3) + 0,4(x4) 1,154(x5) + 0,062(x7) 2,325(x8) 87,332 0,0313(x3) + 0,4(x4) 1,154(x5) + 0,062(x7) 2,325(x8) Dari model tersebut yang telah terbentuk, dapat dihitung nilai peluangnya. Nilai peluang untuk Kabupaten Pacitan sebagai berikut. π1 (x) = π2 (x) = exp g1 ( x) 1 + exp g1 ( x) exp g2 ( x) 1 + exp g2 ( x) 0,003 = = 0, ,003 π1 0,151 ( x) = 0,008 = 0, ,151 exp g2 ( x) 0,151 π3 (x) = 1 = 1 = 1 + exp g ) 1 0,151 2 ( x + 0,849

47 4.3 Analisis Regresi Logistik Ordinal Nilai Odds Rasio Tabel 4.8 Tabel Odds Rasio Step Variabel Estimasi Wald Odds Sig. PDRB per Kapita -0,0313 3,679 0,97 0,055 IPM 0,40 5,533 1,50 0,019 4 Persen_TKK -1,154 6,044 0,32 0,014 Rasio Guru/ Murid 0,062 4,921 1,06 0,027 Rasio Sekolah/ Murid -2,325 6,199 0,1 0,013

48 4.3 Analisis Regresi Logistik Ordinal Ketepatan Klasifikasi Tabel 4.7 Ketepatan Klasifikasi Ketepatan Klasifikasi rendah sedang tinggi Persentase rendah % sedang ,33% tinggi ,73% Persentase 73,68% Rata-rata ketepatan klasifikasi dalam memprediksi model adalah, 73,68%.

49 Kesimpulan Angka putus sekolah usia SLTP dan sederajat di Provinsi Jawa Timur yang tertinggi adalah Kabupaten Sampang sebesar 0,79 persen, kemungkinan disebabkan karena jumlah angka partisipasi sekolah lebih besar daripadacapaian kinerja angka partisipasi sekolah. Kelompok 1 Kelompok 2 Kelompok 3 Kabupaten Sidoarjo, Jombang, Madiun, M agetan, Ngawi, Lamongan, Gre sik, Kota Blitar, Kota Malang, Kota Mojokerto, Kota Madiun, dan Kota Surabaya. Kabupaten Pacitan, Ponorogo, Trenggalek, Tulungagung, Blitar, Kediri, Ba nyuwangi, Pasuruan, Mojokert o, Bojonegoro, Tuban, Kota Kediri, Kota Probolinggo, Kota Pasuruan, dan Kota Batu. Kabupaten Malang, Lumajang, Jember, Bo ndowoso, Situbondo, Probolin ggo, Nganjuk, Bangkalan, Sam pang, Pamekasan, dan Sumenep

50 Kesimpulan Model regresi logistik ordinal yang didapatkan Logit 1 Logit 2 g1(x) g2(x) = 83,260 0,0313(x3) + 0,4(x4) 1,154(x5) + 0,062(x7) 2,325(x8) = 87,332 0,0313(x3) + 0,4(x4) 1,154(x5) + 0,062(x7) 2,325(x8) Variabel yang berpengaruh signifikan terhadap angka putus sekolah tingkat SLTP dan sederajat di Jawa Timur tahun 2012 berdasarkan analisis regresi logistik ordinal adalah PDRB per kapita (X3), indeks pembangunan manusia (X4), persentase tingkat kesempatan kerja (X5), rasio guru/ murid (X7), dan rasio sekolah/ murid (X8).

51 Saran

52 Daftar Pustaka Agresti, Alan. (2007). An Introduction to Categorical Data Analysis. New York: John Willey and Sons. Badan Pusat Statistik Jawa Timur, (2012). Indeks Pembangunan Manusia Surabaya Badan Pusat Statistik, Provinsi Jawa Timur Surabaya. Badan Pusat Statistik Jawa Timur, (2013). Surabaya dalam Angka Badan Pusat Statistik, Provinsi Jawa Timur Surabaya. Diknas Pendidikan Provinsi Jawa Timur. Diakses pada tanggal 06 Februari 2014 pukul WIB. Dillon, W. R. (1984). Multivariate Analysis Method and Application. New York: John Willey and Sons. Fitroni, B. N. (2011). Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur. Skripsi Jurusan Statistika ITS, Surabaya. Hosmer, D. W. dan Lemeshow, S. (2000). Applied Logistic Regression. New York: John Willey and Sons. Johnson, N. dan Wichern D. (2007). Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall, Englewood Cliffs. Rahmawati (2008). Pengaruh Kemampuan Ekonomi Keluarga dan Motivasi Belajar terhadap Kecenderungan Putus Sekolah Anak Usia Sekolah di Desa Dedel Kelurahan Lau Kecamatan Dawe Kabupaten Kudus Tahun Tugas Akhir Jurusan Statistika ITS, Surabaya. Rengganis L. N. R. (2007). Analisis Pengelompokkan Kecamatan Kotamadya Surabaya Berdasarkan Variabel Kependudukan, Kesehatan, dan Pendidikan. Tugas Akhir Jurusan Statistika ITS, Surabaya. Septiana, Liska. (2011). Pemodelan Remaja Putus Sekolah Usia SMA di Provinsi Jawa Timur dengan Menggunakan Metode Regresi Spasial. Tugas Akhir Jurusan Statistik ITS, Surabaya. UNICEF (2012). Laporan Tahunan Indonesia Tahun Walpole, R.E dan Mayer, R.H.(1995).Ilmu Peluang dan Statistik Untuk Insinyur dan Ilmuwan.Bandung: ITB. Wijayanti, T. C. (2011). Pemodelan Angka Putus Sekolah bagi Anak Usia Wajib Belajar di Jawa Timur dengan Pendekatan Generalized Poisson Regression. Tugas Akhir Mahasiswa Jurusan Statistika ITS, Surabaya.

53