PEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN 2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION)

Transkripsi

1 PEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN 2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION) Pembimbing : Ir. Sri Pingit Wulandari, MSi Liska Septiana l15_k4@yahoo.co.id

2 Latar Belakang Pendidikan SDM berkualitas sehingga meningkatkan mutu hidup (BPS 2008) Salah satu parameter keberhasilan pendidikan adalah menuntaskan APK (Angka Partisipasi Kasar) dan APM (Angka Partisipasi Murni) mutu pendidikan untuk mencapai 95% (Rasiyo, 2009). Dapat dikatakan belum maksimal berdasarkan jenjang pendidikan formal khususnya pada jenjang pendidikan SMA pada APK sebesar 71,18 % dan APM sebesar 57,05 % Remaja putus sekolah usia SMA sekitar 40,89 persen

3 Putus Sekolah di Jawa Timur Berdasarkan Jatimprov pada tahun 2007/ Kota Kediri kediri Malang Jember Series Mennurut Eko Setiyono (Kepala Bagian Masyarakat Kabupaten Kediri):Alasan utama mereka antara lain masalah ekonomi, medan yang terlalu jauh, menikah, hingga mencari pekerjaan Menurut Kahumas Pemkot Malang M Yusuf, siswa siswi yang jarak sekolah dengan tempat tinggalnya terlalu jauh dan mereka adalah dari keluarga kurang mampu diberi bantuan berupa sepeda Dana BOS dari tiap wilayah berbeda

4 Permasalahan dan Tujuan 1 2 Bagaimana pemetaan secara spasial dari persentase remaja putus sekolah usia SMA di Provinsi Jawa Timur? Bagaimana pemodelan regresi spasial berdasarkan faktor-faktor yang mempengaruhi remaja putus sekolah usia SMA di Provinsi Jawa Timur? 1 2 Mendiskripsikan pemetaan secara spasial pada remaja putus sekolah usia SMA di Provinsi Jawa Timur. Menyusun pemodelan Regresi Spasial berdasarkan faktor-faktor yang mempengaruhi remaja putus sekolah usia SMA di Provinsi Jawa Timur.

5 Manfaat Apa Manfaatnya mengaplikasikan ilmu yang telah diperoleh dari bangku perkuliahan serta memberikan informasi bagi pembaca khususnya pemerintah Jawa Timur tentang putus sekolah remaja usia SMA di setiap Kabupaten/Kota di Jawa Timur serta faktor-faktor apa saja yang mempengaruhiputus sekolah remaja usia SMA.

6 Tinjauan Pustaka Parameter Pendidikan menuntaskan APK (Angka Partisipasi Kasar) dan APM (Angka Partisipasi Murni) mutu pendidikan untuk mencapai 95%. Jumlah siswa dijenjang pendidikan tertentu *) APK = x 100 % Jumlah penduduk kelompok usia tertentu PUTUS SEKOLAH Jl. siswa kelpk usia sekolah dijenjang pendidikan tertentu *) APM = x 100 % Jumlah penduduk kelompok usia tertentu usia 2-4 tahun ( usia Play group) usia 7 12 tahun (usia SD), usia13 15 tahun (usia SLTP), usia tahun (usia SMU) usia tahun (usia perguruan tinggi/pt)

7 Tinjauan PustakaCont Faktor-aktor lain yang menyebabkan anak putus sekolah yaitu jenis kelamin, jumlah saudara dan rata-rata pengeluaran perbulan. Jenis kelamin erat kaitannya dengan putus sekolah, diduga angka putus sekolah anak perempuan jauh lebih besar dibandingkan dengan anak laki-laki. (Elfindri 2001) Faktor ekonomi indikatornya antara lain tidak ada biaya dan bekerja (Alifianto, 2008).

8 Tinjauan PustakaCont Dampak Pendidikan Eksternalities dan efek tidak langsung yang berhubungan dengan pendidikan, Kesehatan, dan pertumbuhan populasi: Pendidikan, pencapaian dan prestasi anak Peningkatan kesehatan, dan kematian bayi lebih rendah Lebih baik individu healt penurunan jumlah kelahiran Pertumbuhan penduduk yang lebih rendah dan kesehatan lebih baik populasi (dan angkatan kerja) Pendidikan Peningkatan laba (produktivitas tinggi) Pertumbuhan tinggi Peningkatan pendapatan tetangga Partisipasi dalam angkatan kerja Peningkatan angkatan kerja

9 Tinjauan PustakaCont Analisis Regresi Analisis regresi merupakan analisis untuk mendapatkan hubungan dan model matematis antara variabel dependen (Y) dan satu atau lebih variabel independen (X). pengamatan sebanyak n Y = b 0 +b1x b px p +e, Y = b 0 +b 1 X i b p X ip +e Dalam bentuk Matrik Dalam model regresi ada asumsi normalitas yaitu ε IIDN(0,s 2 I).

10 Tinjauan Pustaka Cont Model umum regresi spasial dinyatakan pada persamaan (2.6) dan (2.7) (LeSage, 1999; dan Anselin 1988). y W y + Xβ + = 1 u dengan u = W u + 2 ε ε ~ N(0, s 2 I)

11 Tinjauan Pustaka Cont Spatial Autoregressive Model (SAR) Spatial Autoregressive Model (SAR) disebut juga Spatial Lag Model (SLM) adalah salah satu model spasial dengan pendekatan area dengan memperhitungkan pengaruh spasial lag pada variabel dependen saja. y W y + Xβ + ε = 1 y W y = Xβ + 1 ε I W y = Xβ + ε 1 y 1 1 I W Xβ + I W ε = 1 1 y ~ N I W1 Xβ, I W1 s I I W T

12 Tinjauan Pustaka Cont Spatial Error Model (SEM) Uji Residual Spatial error model berbasis Maximum Likelihood estimation dilakukan untuk mengetahui SEM, menguji Residual spatial autocorrelation dengan Lagrange Multiplier (LM ) Hipotesis yang dikemukakan ialah n σ 2 1 T LRT = 2 lnσ ln (I B) (I B) (y 2 1 T + ( y Xβ) ( y Xβ) 2 2s n Xβ) (I B) (I B) ( y Xβ) + lns 2 T 1 T 1 2

13 Tinjauan Pustaka Cont Matriks Pembobot Pembobot yang digunakan dalam penelitian ini adalah sebagai berikut: Persinggungan sisi sudut (Queen Contiguity) adalah lokasi yang bersisian atau titik sudutnya bertemu dengan lokasi yang menjadi perhatian diberi pembobotan w ij = 1, sedangkan untuk lokasi lainnya adalah w ij = 0. Sumber: LeSage (1999) W Queen = W Queen ,5 0 0,5 0 0 = 0 0,3 0 0,3 0, ,5 0 0, ,5 0,5 0 Moran s Scatterplot Pemodelan tiap wilayah

14 Tinjauan Pustaka Cont Uji Efek Spasial Efek spasial yaitu spatial dependence dan spatial heterogeneity pada data, digunakan beberapa metode pengujian. Pengujian adanya spatial dependence memakai metode Moran s I dan Lagrange Multiplier (LM). Untuk pengujian adanya spatial heterogeneity menggunakan metode Breusch-Pagan Test. Spatial Dependence Hipotesis yang digunakan adalah : H 0 : I = 0 (tidak ada autokorelasi antar lokasi) H 0- : I 0 (ada autokorelasi antar lokasi) Statistik uji disajikan pada persamaan : Z hitung = I - E(I) var(i) var (I) : varians Moran s I E(I) : expected value Moran s I Pengambilan keputusan adalah H 0 ditolak jika > Z α/2

15 Tinjauan Pustaka Cont Spatial Dependence Cont Pada LM test diperoleh berdasar pada asumsi model di bawah H 0. Terdapat tiga hipotesis yang akan digunakan, yaitu: Keputusan tolak H 0 jika nilai LM > X 2 (k). Spatial Heterogenity Heterogenitas data secara spasial dapat diuji dengan menggunakan statistik uji Breusch- Pagan test (BP test) yang mempunyai hipotesis: Tolak H 0 bila BP > χ 2 (k).

16 Sumber Data dan Variabel Data sekunder Hasil Survei Sosial Ekonomi Nasional (Susenas) Tahun 2009 di Provinsi Jawa Timur, dengan variabel sebagai berikut: Variabel respon (y) yaitu presentase remaja putus sekolah usia SMA tiap kabupaten/kota di Jawa timur. Dimaksud usia SMA adalah usia tahun, Variabel X 1 X 2 X 3 X 4 X 5 Keterangan variabel Rasio jenis kelamin Persentase banyaknya anggota rumah tangga yang >4 Persentase kemiskinan Rasio letak rumah di pedesaan Rasio pendidikan kepala rumah tangga

17 Langkah Analisis Data Mendeskripsikan Variabel Regresi sederhana Pengujian signifikan Parameter Uji Asumsi Residual (IIDN) Model Regresi Spasiasl Pengujian Efek Spasial Uji Heterogenitas Spasial Uji Dependensi Spasial Ya Ya GWR SAR SEM SARMA

18 Analisis Data dan Pembahasan Presentase Remaja Putus Sekolah di Jawa Timur Kode Wilayah 01 Kab. Pacitan 03 Kab. Trenggalek 06 Kab. Kediri 07 Kab. Malang 16 Kab. Mojokerto Kode Wilayah 12 Kab. Sitbondo 13 Kab. Probolinggo 15 Kab. Sidoarjo 26 Kab. Bangkalan 27 Kab. Sampang 28 Kab. Pamekasan 71 Kota Kediri

19 Jika dilihat berdasarkan persentase remaja putus sekolah di Jawa Timur tahun 2009 Pacitan (33,65%) (%) Putus Sekolah Trenggalek (38,9%) Analisis Data dan Pembahasan Mojokerto (31,54%) 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 Situbondo Sidoarjo (7,14%) Kabupaten/Kota (5,45%) Sampang(7,06%) Bangkalan (7,47%) Kota Probolinggo Kota Pasuruan Kota Mojokerto Kota Madiun Kota Surabaya Kota Batu

20 Statistika Deskriptif Analisis Data dan Pembahasan Cont Variabel Jumlah Mean Minimum Median Maksimum Y X X X X X Jenis kelamin (X 1 ) 2. Jumlah anggota rumah tangga yang lebih dari empat (X 2 ) 3. Persentase keluarga miskin (X 3 ) 4. Letak rumah di pedesaan (X 4 ) 5. Pendidikan kepala rumah tangga(x 5 )

21 Deteksi Kolinieritas dengan VIF Analisis Data dan Pembahasan Cont Variabel Prediktor Nilai VIF X X X X X Semua variabel memiliki nilai VIF < 10 yang berarti tidak ada kasus multikolinearitas.

22 Analisis Data dan Pembahasan Cont Model Regresi Linear Predictor Coef SE Coef T P Constant X X X ** X * X Nilai R square *T (31;0,975) = ** T (31;0,95) = α(0,1) α(0,05) Sehingga model regresi linearnya : Y ˆ = 18, ,11 X + 0, 0482 X + 0, 6019 X + 21, 0384 X 1,312 X

23 Analisis Data dan Pembahasan Cont Pengujian Efek Spasial Uji Dependensi Spasial Nilai P-value Moran s I (error) 3,0266 0,0025* Lagrange Multiplier 9,3692 0,0022* (lag) Lagrange Multiplier 5,9245 0,0149* (error) Lagrange Multiplier 11,942 0,0025* (SARMA) Ket: * Signifikan α=0.05 Wy Scatterplot of Wy vs Stadart 0 Jombang Tulungagung Malang Ponorogo Blitar Lamongan Kota Batu Tuban Nganjuk Kediri Kota Malang Kota Mojokerto Kota Kediri Pasuruan Mojokerto Kota Blitar Lumajang Bojonegoro Sidoarjo Kota Pasuruan Madiun Kota Probolinggo Jember Ngawi Situbondo Gresik Kota MadiunProbolinggo Sumenep Bangkalan Magetan Pamekasan Kota Surabaya Bondowoso Sampang Banyuwangi Trenggalek Stadart 1 2 3

24 Analisis Data dan Pembahasan Cont Model Spasial Spatial Autoregressive Model (SAR) Variabel Coeff Z P-value ρ 0,4820 3,3766 0,0007* Intercept 4,5013 0,8248 0,4094 X1-0,0189-0,0150 0,9879 X2 0,0687 0,8961 0,3701 X3 0,4083-1,6603 0,0968** X4 0,1864 2,5553 0,0106* X5-0,8865-0,6229 0,5332 Ket: R 2 = 44,15% *Signifikan α=5% **, Signifikan α=10% n y = 0, 482 w y 0, 408X + 0,186 X + e i ij j 3i 4i i j= 1, ij

25 Analisis Data dan Pembahasan Cont Spatial Error Model (SEM) Variabel Coeff Z P-value λ 0,5144 3,5964 0,0003* Intercept 13,576 2,4612 0,0138* X1 0,1430 0,1205 0,9040 X2 0,0480 0,6426 0,5204 X3 0,3254-1,0982 0,2720 X4 0,1481 2,0811 0,0374* X5 9,9e-005 7,1e-005 0,9999 R 2 = 42,38% *Signifikan α=5% y = 13, ,148 X + u i 4i i u = 0,514 w u + e n i ij j i j= 1, ij

26 Analisis Data dan Pembahasan Cont Faktor- faktor yang Mempengaruhi Putus Sekolah SMA Persentase Remaja Putus sekolah usia SMA (%) Persentase letak rumah di pedesaan (%) Persentase keluarga miskin (%)

27 Kesimpulan dan Saran Kesimpulan 1. Berdasarkan peta tematik tentang angka putus sekolah remaja usia SMA untuk setiap kabupaten di Provinsi Jawa Timur, yang memiliki angka putus sekolah dengan persentase tinggi, yaitu untuk kabupaten Malang, kabupaten Mojokerto, kabupaten Kediri, kabupaten Trenggalek, dan kabupaten Pacitan. Sedangkan yang memiliki presentase rendah adalah daerah kabupaten Pamekasan, kabupaten Sampang, kabupaten Bangkalan, kabupaten Situbondo, kabupaten Probolinggo, kabupaten Sidoarjo dan kota Kediri. Serta untuk hasil statistik deskriptif, terlihat bahwa rata-rata siswa putus sekolah sebesar 19,19%. Dengan rata-rata siswa yang putus sekolah yang berjenis kelamin perempuan, dan status ekonomi miskin sebesar 1,427 dan 15,96%. 2. Berdasarkan hasil analisis didapatkan dependensi dalam lag dan error, maka dilakukan pemodelan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Model SAR didapatkan variabel predictor yang signifikan pada α=10% adalah variabel keluarga miskin (X3) dan letak rumah dipedesaan (X4) dengan nilai R2=44,15%. Model SAR yang didapatkan adalah sebagai berikut.

28 Kesimpulan dan Saran Cont Saran 1. Faktor-faktor sebagai variabel prediktor yang mempengaruhi angka putus sekolah remaja usia SMA di Provinsi Jawa Timur sebaiknya ditambah mengingat nilai R2 yang rendah, kemungkinan beberapa variabel yang di tambahkan untuk penelitian selanjutnya adalah anggaran pendidikan per APBD, tenaga SMA per jumlah siswa SMA, fasilitas fisik pendidikan SMA per jumlah siswa SMA. 2. Menggunakan selain jenis persinggungan sisi sudut (Queen Contiguity). Dalam memilih persinggungan jenis sudut perlu diperhatikan untuk melihat kondisi daerah, kususnya daerah Jawa Timur yang memiliki kemudahan akses transportasi untuk berpindah dari daerah yang satu dengan daerah yang lain, selain itu Jawa Timur memiliki kedekatan wilayah yang dapat dijangkau dengan mudah tanpa melihat kedekatan sudut antar wilayah, seperti Kota.Surabaya dan Kab.Bangkalan yang memiliki jembatan sebagai kemudahan penduduknya untuk berindah dari Kota.Surabaya ke Kab.Bangkalan ataupun ssebaliknya. 3. Sebaiknya dalam penelitian selanjutnya dapat menggunakan pemodelan spasial Spatial Autoregressive Moving Average (SARMA), karena dalam penelitian ini diketahui bahwa dalam LM test sebagai didapatkan dependensi dalam ( lag, error)

29 DAFTAR PUSTAKA Alifianto, A Kuliah Kerja Nyata Wajib Belajar 9 Tahun. <URL: Anselin, L. (1988). Spatial Econometrics : Methods and Models, Kluwer Academic Publishers, Netherlands. Badan Pusat Statistik Provinsi Jawa Timur Hasil Survei Sosial Ekonomi Nasional Tahun 2008 di Provinsi Jawa Timur. BPS Jawa Timur. Surabaya. Bitter, C., G. Mullian and S. Dall erba Incorporating Spatial Variation in Housing Atribute Prices. A Comparition Of Geographically Weighted Regression And The Spatial Expantion Method. mpra.ub.unimuechen.de/1379/01/mpra paper 1379.pdf. Diakses pada 3Maret Choriyah, N.I Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara. [Tugas Akhir]. Surabaya: Program Sarjana Jurusan Statistika ITS. Draper, Norman dan Harry, Smith Analisis Regresi Terapan. Jakarta: PT. Gramedia Pustaka Umum. Elfindri Strategi Sukses Membangun Daerah. Gorga Media. Jakarta.

30 Grahacendikia Anak Putus Sekolah dan Cara Pembinaan-nya. <URL: sekolah/re-ferensi Penelitian Skripsi- Tesis>. LeSage, J.P. (1999), The Theory and Practice of Spatial Econometrics, Mughal, Waris Hameed Human Capital Investment and Poverty Reduction Strategy in Pakistan. Asia Pacific Press. Rasiyo Pemerataan Pendidikan Belum Tercapai. Diunduh dari alamat m.pdf pada pada Selasa, 15 Februari 2011, am. Sulistiyanti Pendidikan, Kemiskinan, dan Pertumbuhan Ekonomi. Malang. Walpole, E. Ronald Pengantar Statistika. Edisi ketiga. Penerbit : PT. Gramedia Pustaka Utama. Jakarta.

31 Jadikan hidup bermanfaat untuk orang lain Jika tak bisa membantu dengan pertolongan maka cukup dengan nasehat jika tak bisa maka senyumlah untuk orang lain