Rata-rata Nilai. 2 saudara 25%

dokumen-dokumen yang mirip
OLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

PENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES

PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE

Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani

PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK (Choice the Best Linear Regression Multilevel Models)

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

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

Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized Least Square (IGLS) (Studi Kasus: Tingkat Pendidikan Anak di Kabupaten Semarang)

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

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.

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

A. Sekilas tentang Pemodelan Multilevel

BAB 2 LANDASAN TEORI

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang)

STATISTIKA INDUSTRI 2 TIN 4004

(S.3) METODE MULTILEVEL STRUCTURAL EQUATION MODELING DENGAN WEIGHTED LEAST SQUARE ESTIMATION UNTUK ANALISIS PELAYANAN KESEHATAN IBU

PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang)

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

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA

Dosen Pembimbing : Dr. Purhadi, M.Sc

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang)

BAB 2 LANDASAN TEORI

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.

BAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit

METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT ABSTRAK

Analisis Regresi Multilevel dalam Menentukan Variabel Determinan Nilai Ujian Akhir Nasional Siswa

PEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT

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

PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN

PENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL

BAB I PENDAHULUAN. dijumpai data populasi yang berstruktur hirarki. Struktur data tersebut biasanya

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

Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

BAB 2 LANDASAN TEORI

Oleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD

PENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1

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

REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL

ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)

Model Probit Untuk Ordinal Response

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

pendekatan regresi logistik biner Oleh :Wida Suliasih ( )

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

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak

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

ANALISIS REGRESI MULTILEVEL DALAM MENENTUKAN VARIABEL DETERMINAN NILAI UJIAN AKHIR NASIONAL SISWA

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

BAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan

PROSIDING ISBN :

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

Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan

BAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA

BAB 2 LANDASAN TEORI. regresi adalah sebuah teknik statistik untuk membuat model dan menyelediki

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang

ABSTRAK. Pada prakternya tolak ukur yang dapat dilihat oleh keberhasilan mahasiswa adalah

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun

BAB V KESIMPULAN DAN SARAN

BAB 2 LANDASAN TEORI

BAB 4 ANALISIS DAN PEMBAHASAN

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

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)

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

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

Analisis Regresi Spline Kuadratik

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

4 HASIL DAN PEMBAHASAN

METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI

BAB 2 LANDASAN TEORI. Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)

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

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

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

PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR

BAB 2 LANDASAN TEORI. dangkal, sehingga air mudah di gali (Ruslan H Prawiro, 1983).

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN

BAB V HASIL PENELITIAN DAN PEMBAHASAN

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

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

x 1 x 3 x 4 y 1 x 5 x 6 x 7 x 8 BAHAN DAN METODE δ 1 λ 41 ξ 1 δ 4 λ 51 γ 21 δ 6 λ 61 ε 1 δ 3 η 1 γ 31 δ 7 λ 71 ξ 2 λ 81 ξ 3 λ 31 δ 5

Transkripsi:

Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai rata-rata UASBN siswasiswi SD/MI di kecamatan Tulangan dengan jenis kelamin siswa tersebut. Dari data nilai UASBN yang didapatkan pada tahun ajaran 2009/2010, dapat dilihat adanya perbedaan nilai UASBN antara siswa laki-laki dan perempuan. Terlihat bahwa rata-rata nilai UASBN siswa laki-laki lebih rendah dari nilai rata-rata UASBN siswa perempuan. Nilai rata-rata UASBN siswa laki-laki yang terdiri dari 690 siswa adalah sebesar 23,96. Sedangkan nilai-rata-rata UASBN siswa perempuan yang terdiri dari 627 siswi adalah sebesar,36. Nilai rata-rata siswa laki-laki dan perempuan memiliki selisih sebesar 0,40. 13th 38% 14th 4% 15th11th 1% 1% 12th 56% Gambar 6.3. Pie Chart peserta UASBN 2009/2010 Menurut Umur Pada Gambar 6.3 dapat diketahui bahwa peserta UASBN tahun 2009/2010 yang berjumlah 1.317 siswa tersebut terdiri dari beberapa usia. Siswa SD/MI di kecamatan Tulangan terdiri atas siswa-siswi kelas enam dengan usia antara 11 hingga 15 tahun. 56% atau sebanyak 745 siswa berusia 12 tahun. Sebanyak 38% dari 1317 siswa atau sebanyak 496 siswa berusia 13 tahun. Selain itu, terdapat 4% dari 1.317 siswa berusia 14 tahun. Terdapat juga 1% siswa yang mungkin terlalu dini ketika masuk SD sehingga pada saat mengikuti UASBN tahun 2009/2010 masih berusia 11 tahun. Namun ada juga 1% siswa yang mengikuti UASBN tahun 2009/2010 berusia 15 tahun. Hal ini mungkin terjadi karena siswa tersebut terlambat ketika masuk sekolah dasar atau mungkin siswa tersebut beberapa kali mengalami tinggal kelas atau terlambat masuk Sekolah Dasar. Rata-rata Nilai UASBN.70,13,26 23,75 21,08 11th 12th 13th 14th 15th Gambar 6.4 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Umur Gambar 6.4 menunjukkan hubungan antara nilai rata-rata UASBN SD/MI di kecamatan Tulangan dengan usia siswa yang mengikuti UASBN tersebut. Terlihat bahwa nilai rata-rata UASBN tertinggi diraih oleh siswa-siswi dengan usia 11 tahun. Padahal pada usia ini siswa dinilai terlalu dini jika mengikuti UASBN SD/MI. Nilai rata-rata UASBN siswa yang berumur 11 tahun adalah,70. Sementara itu, nilai rata-rata UASBN terendah didapat oleh siswa-siswi yang berumur 15 tahun ketika mengikuti UASBN. Nilai rata-rata UASBN siswa dengan usia 15 tahun tersebut adalah 21,08. Siswa dengan usia 13 tahun memiliki nilai UASBN yang relatif lebih tinggi dibanding nilai rata-rata UASBN siswa dengan usia 12 dan 14 tahun. Nilai rata-rata UASBN siswa dengan usia 12 hingga 14 tahun berturut-turut adalah sebesar,13,,26, serta 23,75. Usia siswa ketika mengikuti UASBN berbanding terbalik dengan nilai rata-rata UASBN siswa tersebut. 2 saudara 25% 3 saudara 13% 4 saudara0 saudara 0% 7% 1 saudara 55% Gambar 6.5. Pie Chart peserta UASBN 2009/2010 Menurut Jumlah Saudara Pada Gambar 6.5 dapat diketahui bahwa peserta UASBN tahun 2009/2010 yang berjumlah 1317 siswa tersebut memiliki jumlah saudara yang berbeda. Siswa SD/MI di kecamatan Tulangan terdiri atas siswa-siswi kelas enam dengan jumlah saudara yang berkisar antara 0 hingga 4 saudara. 7% dari 1317 siswa merupakan anak tunggal atau tidak memiliki saudara. 55% dari 1.317 siswa hanya memiliki satu saudara. Sisanya memiliki 2 hingga 4 saudara. Jumlah saudara yang dimiliki siswa erat kaitannya dengan perhatian orang tua terhadap siswa tersebut. Apabila saudara yang dimiliki siswa semakin banyak, maka perhatian orang tua 7

akan terpecah dan kurang terkonsentrasi pada siswa tersebut. Selain itu, apabila semakin banyak saudara yang dimiliki oleh siswa tersebut maka kondisi rumah akan semakin ramai dan kurang kondusif untuk belajar. Karakteristik nilai UASBN terhadap jumlah saudara yang dimiliki para siswa dapat dilihat pada Gambar 6.6. 25.5 23.5 0 1 2 3 4 saudara saudara saudara saudara saudara Gambar 6.6. Bar Chart peserta UASBN 2009/2010 Menurut Jumlah Saudara Berdasarkan Gambar 6.6 dapat diketahui bahwa justru semakin banyak jumlah saudara yang dimiliki, siswa tersebut mendapatkan nilai UASBN yang semakin tinggi. Hal ini mungkin saja terjadi karena bagi siswa dengan jumlah saudara yang banyak, siswa tersebut cenderung terpicu untuk berlomba-lomba dalam berprestasi dengan suadara-saudaranya. 6.2 Karakteristik Sekolah Pelaksana UASBN SD/MI Berdasarkan Akreditasi Sekolah-sekolah di kecamatan Tulangan baik Sekolah Dasar Negeri (SDN), Sekolah Dasar Swasta (SDS), maupun Madrasah Ibtidaiyah (MI) terbagi atas beberapa akreditasi. Akreditasi merupakan sebuah pengakuan untuk kompetensi. kredibilitas, kemandirian dan integritas dari Lembaga penilaian kesesuaian (LPK) dalam rangka melaksanakan kegiatan penilaian kesesuaian. Akreditasi diatur oleh Badan Akreditasi Nasional Sekolah/ Madrasah (BAN- S/M). Akredita si B 68% 23.99.13.27.09 Akredita si A 32%.80 Gambar 6.7 Pie Chart Presentase SD/MI di Kecamatan Tulangan Berdasarkan Akreditasi Gambar 6.7 menunjukkan presentase SD/MI di Kecamatan Tulangan berdasarkan akreditasi. Terdapat 44 sekolah dasar di kecamatan Tulangan baik Sekolah Dasar Negeri (SDN), Sekolah Dasar Swasta (SDS), maupun Madrasah Ibtidaiyah. Sebanyak 32% dari 44 sekolah tersebut yaitu sebanyak 14 sekolah terakreditasi A. Sebanyak 68% sisanya, yaitu 30 sekolah mendapatkan akreditasi B. Di kecamatan Tulangan memang masih banyak sekolah dasar yang hanya mendapatkan akreditasi B. Namun, tidak ada sekolah dasar di kecamatan Tulangan yang mendapatkan akreditasi C atau belum terakreditasi pada tahun ajaran 2009/2010. Hal ini menunjukkan bawa kualitas Sekolah Dasar (SD) di Kecamatan Tulangan sudah baik mengingat akreditasi terendah adalah B. Akreditasi erat kaitannya dengan nilai UASBN. Semakin tinggi akreditasi sekolah tersebut seharusnya nilai UASBN sekolah tersebut juga semakin tinggi..4.2 23.8 Gambar 6.8. Bar Chart Rata-rata Nilai UASBN di Kecamatan Tulangan Berdasarkan Akreditasi Berdasarkan Gambar 6.8 dapat diketahui nilai rata-rata UASBN sekolah berdasarkan akreditasi sekolah. Dari data yang diperoleh pada UASBN SD/MI kecamatan Tulangan pada tahun 2009/2010, dapat diketahui bahwa sekolah-sekolah dengan akreditasi A memiliki nilai rata-rata UASBN sebesar,26 Sekolah-sekolah yang mendapatkan akrditasi B justru mendapatkan nilai rata-rata sebesar 23, 96. Hal ini menunjukkan bahwa nilai rata-rata UASBN sekolah dengan akreditasi lebih rendah yaitu B lebih rendah daripada sekolah-sekolah dengan akreditasi A. Jumlah sekolah 40 30 20 10 0 31.26 A 23.96 Gambar 6.9 Bar Chart SD/MI di Kecamatan Tulangan Berdasarkan Status Sekolah Berdasarkan Gambar 6.9 dapat diketahui persebaran sekolah-sekolah dasar dan sederajat di kecamatan Tulangan. Dapat diketahui bahwa terdapat 44 sekolah dasar dan sederajat di kecamatan Tulangan. Hanya terdapat satu sekolah dasar swasta selain Madrasah Ibtidaiyah di B SDN SDS MI 1 12 8

kecamatan Tulangan. Sekolah dasar tersebut adalah Sekolah Dasar (SD) Muhammadiyah 2. Selain itu, terdapat 12 sekolah dasar swasta berbasis Madrasah Ibtidaiyah di kecamatan Tulangan. Sisanya yaitu 31 sekolah dasar merupakan Sekolah Dasar (SD) yang dikelola oleh pemerintah atau disebut juga Sekolah Dasar Negeri (SDN). 8 siswa 19% 33 siswa 2% 1036 siswa SDN SDS 79% Gambar 6.10 Pie Chart Peserta UASBN di Kecamatan Tulangan Berdasarkan Status Sekolah Dari 44 sekolah dasar penyelenggara UASBN SD/MI di kecamatan Tulangan pada tahun 2009/2010 dapat diketahui pula jumlah siswa yang menjadi peserta UASBN SD/MI di kecamatan Tulangan pada tahun 2009/2010 berdasarkan status sekolahnya. Dapat dilihat dari Gambar 4.8 bahwa 19% dari peserta UASBN SD/MI di kecamatan Tulangan pada tahun 2009/2010 tersebut berasal dari Madrasah Ibtdaiyah (MI) swasta di kecamatan Tulangan. 25 dari peserta UASBN SD/MI di kecamatan Tulangan pada tahun 2009/2010 berasal dari Sekolah Dasar (SD) swasta non MI. Selain itu, 79% dari 1317 siswa yang menjadi peserta UASBN SD/MI di kecamatan Tulangan pada tahun 2009/2010 merupakan siswa Sekolah Dasar Negeri (SDN) yang tersebar di seluruh wilayah kecamatan Tulangan. Rata-rata UASBN 26 25,07 25.68.07 23 SDN SDS MI Gambar 6.11 Bar Chart Rata-rata Nilai UASBN di Kecamatan Tulangan Berdasarkan Status Sekolah Berdasarkan Gambar 6.11, diketahui bahwa rata-rata nilai UASBN SDN di kecamatan Tulangan pada tahun ajaran 2009/2010 adalah sebesar,07. Nilai rata-rata UASBN untuk sekolah dasar swasta non MI adalah sebesar 25,68. Selain itu, diketahui pula nilai rata-rata UASBN Madrasah Ibtidaiyah (MI) swasta di kecamatan Tulangan adalah sebesar,07. Dapat dilihat bahwa sekolah dasar swasta non madrasah memiliki nilai rata-rata UASBN tertinggi di MI kecamatan Tulangan. Sekolah Dasar Negeri (SDN) dengan Madrasah Ibtidaiyah memiliki nilai ratarata UASBN yang relatif sepadan yaitu sekitar,075. jur.lain 43% PGSD 57% Gambar 6.12 Pie Chart Guru Kelas 6 Berdasarkan Pendidikan Terakhir Berdasarkan Gambar 6.12, dapat diketahui pendidikan guru kelas 6 dari masing-masing 44 sekolah baik Sekolah Dasar Negeri (SDN), Sekolah Dasar Swasta (SDS) non madrasah, serta Madrasah Ibtidaiyah (MI). Sebanyak 43% dari 44 sekolah dasar di kecamatan Tulangan menempatkan guru dengan pendidikan bukan Pendidikan Guru Sekolah Dasar (PGSD) sebagai guru kelas 6. Sedangkan sebanyak 57% dari 44 sekolah dasar menempatkan guru yang memang merupakan lulusan Pendidikan Guru Sekolah Dasar (PGSD) sebagai guru kelas 6. Siswa siswi yang dididik oleh masing-masing guru kelas baik dengan pendidikan terakhir Pendidikan Guru Sekolah Dasar (PGSD) maupun dari jurusan lain tentunya memiliki hasil yang berbeda. Pengaruh pendidikan terakhir guru terhadap nilai UASBN sekolah dapat dilihat berdasarkan gambar dibawah ini. 25.43 23.57 23 PGSD jur.lain Gambar 6.13. Bar Chart Rata-rata UASBN Sekolah Berdasarkan Pendidikan Terakhir Guru Kelas 6 Gambar 6.13 menunjukkan hubungan antara pendidikan terakhir guru kelas 6 dengan rata-rata nilai UASBN sekolah tempat guru tersebut mengajar. Nilai rata-rata UASBN sekolah dengan guru kelas 6 yang berpendidikan terakhir PGSD adalah sebesar,43. Namun, rata-rata nilai UASBN sekolah dengan guru kelas 6 yang memiliki pendidikan terakhir selain PGSD adalah sebesar 23,57. 9

1.1 Uji Signifikansi Serentak Variabel Prediktor Terhadap Variabel Respon Untuk mengetahui signifikan atau tidaknya suatu variabel pada model dapat diketahui melalui pengujian signifikansi parameter. Berikut adalah pengujian signifikansi secara serentak dengan menggunakan pengujian chi-square. H 0 : γ 00 = γ 01 = = γ rp = 0 H 1 : Minimal ada satu γ rp 0, r = 0,1,,s dan p = 0,1,,s Statistik hitung: χ 2 statistik = 2.0462,929073 df = 9 p-value = <0.001 Berdasarkan hasil pengujian di atas, dapat diketahui bahwa nilai p-value dari pengujian signifikansi secara serentak yang didapatkan adalah kurang dari α yang ditentukan yaitu 0,05. Hal ini menunjukkan bahwa terjadi penolakan terhadap hipotesis nol sehingga menunjukkan bahwa minimal terdapat satu variabel yang koefisiennya tidak sama dengan nol. 1.2 Uji SignifikansiIndividu Variabel Prediktor Terhadap Variabel Respon Berpengaruh atau tidaknya masing-masing variabel prediktor tersebut dapat diketahui melalui pengujian signifikansi individu. Berikut adalah pengujian signifikansi individu setelah dilakukan pemodelan multilevel awal dengan sotware HLM7. Pengujian dilakukan dengan menggunakan uji T- rasio. H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor dengan variabel respon Tabel 6.1 Uji Signifikansi Individu Variabel Prediktor terhadap Variabel Respon Efek Tetap t-rasio P-value Keterangan Intersep 16.30 0,00 Tolak H 0 X 1 W 1 (ukuran kelas) W 2 (pendidikan guru) W 3 (pengalaman guru kelas) W 4 (akreditasi sekolah) (jenis kelamin) X 2 (umur) X 3 0,80 0,43 Gagal Tolak H 0-2,30 0,03 Tolak H 0 1,09 0,28 Gagal tolak H 0-0,91 0,37 Gagal Tolak H 0 4,87 0,00 Tolak H 0-3,85 0,00 Tolak H 0 (jumlah saudara) 1,34 0,18 Gagal Tolak H 0 X 4 (nilai raport kls 4 smt 1) 5,95 0,00 Tolak H 0 *) signifikan pada = 0,05 Tabel 6.1 menunjukkan ada hubungan antara pendidikan guru kelas 6 (W 2 ), jenis kelamin siswa (X 1 ), umur siswa (X 2 ), serta nilai raport kelas 4 semester 1 siswa tersebut (X 4 ) dengan nilai UASBN siswa tersebut. Namun terdapat 4 variabel yang tidak signifikan terhadap nilai UASBN siswa. Variabel-variabel tersebut adalah ukuran kelas (W 1 ), pengalaman guru kelas (W 3 ), akreditasi sekolah (W 4 ) serta jumlah saudara dari siswa tersebut (X 3 ). Keempat variabel yang signifikan tersebut kemudian akan dianalisis lebih lanjut menggunakan analisis regresi multilevel. 6.4 Analisis Regresi Multilevel Random Intersep Setelah dilakukan pemodelan regresi multilevel random intersep dan didapatkan variabel-variabel yang signifikan, dilakukan kembali analisis lebih lanjut terhadap variabelvariabel yang signifikan tersebut. Pemodelan regresi multilevel random intersep dilakukan kembali pada variabel-variabel yang signifikan tersebut. Berikut adalah model regresi multilevel random intersep yang akan dibentuk. Model Level-1 Y ij = β 0j + β 1j Jk ij + β 2j umur ij + β 3j raport ij + ε ij Model Level-2 β 0j = γ 00 + γ 01 pendidikan guru kelas j + δ 0j β 1j = γ 10 β 2j = γ 20 β 3j = γ 30 Setelah persamaan digabungkan, maka akan didapatkan persamaan berikut. Y ij = γ 00 + γ 01 pendidikan guru kelas j + γ 10 Jk ij + γ 20 umur ij + γ 30 raport ij + ε ij + δ 0j Untuk mendapatkan model tersebut, digunakan suatu software yang khusus menangani tentang kasus multilevel model. Software tersebut adalah Hierarchial Linier Model (HLM7). Berikut adalah hasil output dari model yang dibentuk dan analisisnya. Tabel 6.2 Pemodelan Variabel Prediktor terhadap Variabel Respon Efek Tetap Koefisian Error t-rasio d.f. P-value ββ 0 Intersep 22.33 1,19 18,80 42 <0,001 W 1 (pendidikan guru kelas) -0,90 0,35-2,62 42 0,012 X 1 (jk) 0,40 0,08 4,81 1.270 <0,001 X 2 (umur) -0,26 0,07-3,81 1.270 <0,001 X 3 (raport) 0,22 0,04 6,08 1.270 <0,001 10

Berdasarkan Tabel 6.2 diatas dapat diketahui model regresi multilevel yang didapatkan dari analisis adalah y ij = 22,33 0,90(W 1j ) + 0,40(X 1ij ) 0,26(X 2ij ) + 0,22(X 3ij ) Interpretasi dari model di atas adalah sebagai berikut. 1. Untuk siswa yang bersekolah dengan guru kelas berpendidikan PGSD berjenis kelamin laki-laki, didapatkan model regresi multilevel sebagai berikut. y ij = 22,33 0,26(X 2ij ) + 0,22(X 3ij ) y senilai 22,33. 2. Untuk siswa yang bersekolah dengan guru kelas berpendidikan non PGSD berjenis kelamin lakilaki, didapatkan model regresi multilevel y ij = 21,43 0,26(X 2ij ) + 0,22(X 3ij ) y senilai 21,43. 3. Untuk siswa yang bersekolah dengan guru kelas berpendidikan PGSD berjenis kelamin perempuan didapatkan model regresi multilevel y ij = 22,73 0,26(X 2ij ) + 0,22(X 3ij ) y senilai 22,73. 4. Untuk siswa yang bersekolah dengan guru kelas berpendidikan non PGSD berjenis kelamin perempuan didapatkan model regresi multilevel y ij = 21,83 0,26(X 2ij ) + 0,22(X 3ij ) y senilai 21,83. Setelah didapat model regresi multilevel, maka diketahui pula nilai σ 2 dan τ dari model regresi tersebut. Dengan menggunakan nilai σ 2 dan τ, dapat dihitung nilai Intra Class Correlation (ICC) dari masing-masing variabel dalam model tersebut. Perhitungan ICC model tersebut adalah ICC = τ τ + σ 2 = 1.16141 1.16141 + 2.16569 = 0,349076 Nilai dari Intra Class Correlation (ICC) tersebut menunjukkan nilai korelasi atau hubungan dari masing-masing unit pada level 2(sekolah). Semakin tinggi nilai ICC menunjukkan bahwa masing-masing sekolah tersebut memiliki hubungan yang semakin berkaitan. Berdasarkan perhitungan didapatkan bahwa nilai ICC adalah sebesar 0,349. Hal tersebut menunjukkan bahwa terdapat 34% variansi pada nilai UASBN yang merupakan variansi antar sekolah, sedangkan 66% sisanya merupakan variansi yang terdapat pada level siswa (individu). Dengan menggunakan HLM, dapat pula diketahu R 2 dari model yang terbentuk. R 2 merupakan proporsi pereduksian varians setelah dimasukkan variabel-variabel yang dianggap signifikan. Nilai R 2 menunjukkan berapa besar varians yang dijelaskan dalam model. Persentase variansi yang dijelaskan (proporsi pereduksian variansi) berdasarkan prediktor pada level 1 adalah 2 R level 1 = σσ2 mmmmmmmmmm haaaaaaaa iiiiiiiiiiiiiiii σσ 2 mmmmmmmmmm ssssssssssssssssssss σσ 2 mmmmmmmmmm haaaaaaaa iiiiiiiiiiiiiiii 2.29108 2.16569 = 2.29108 = 0,0547 ~ 5,5% Berdasarkan perhitungan tersebut dapat diketahui bahwa variansi yang dijelaskan oleh variabel variabel prediktor pada level 1 terhadap model adalah sebesar 5,5 %. Hal ini terjadi karena kemungkinan besar masih banyak faktor-faktor lain yang mempengaruhi nilai UASBN siswa SD/MI di Kecamatan Tulangan pada tahun ajaran 2009/2010 dan belum masuk dalam model level satu tersebut. Persentase variansi yang dijelaskan (proporsi pereduksian variansi) berdasarkan prediktor pada level 2 adalah 11

2 R level 2 = τ model hanya intersep τ model signifikan τ model hanya intersep 1.35452 1.16141 = 1.35452 = 0,142567 ~ 14,26% Berdasarkan hasil berhitungan R 2 berdasarkan variabel prediktor level 2 tersebut dapat diketahui 2 bahwa nilai R level 2 adalah 14,26 persen. Hal tersebut menunjukkan bahwa variabel prediktor pada level dua yaitu pendidikan guru kelas enam mampu mereduksi variansi awal atau mampu menjelaskan nilai UASBN siswa sebesar 14,26 %. 2 Nilai R level 2 tersebut relatif kecil mengingat masih banyak variabel lain pada sekolah penyelenggara UASBN yang mempengaruhi nilai UASBN siswa di sekolah tersebut. 2. Kesimpulan dan Saran 7.1 Kesimpulan Berdasarkan hasil analisis data terhadap faktor-faktor yang mempengaruhi UASBN SD/MI di Kecamatan Tulangan pada tahun ajaran 2009/2010 dengan menggunakan analisis regresi multilevel, diperoleh hasil 1. Karakteristik peserta UASBN dan sekolah penyelenggara UASBN SD/MI di Kecamatan Tulangan pada tahun 2009/2010 adalah sebagai berikut. a. Siswa peserta UASBN terdiri dari 48% laki-laki dan 52% perempuan. 38% siswa berusia 13 tahun, 56% berusia 12 tahun dan sisanya berusia 11, 14, dan 15 tahun. 55% peserta UASBN memiliki 1 saudara, 25% memiliki 2 saudara, 13% memiiki 3 saudara, 7% anak tunggal dan sisanya memiliki 4 saudara. b. Sekolah penyelenggara UASBN terdiri dari 68% sekolah dengan akreditasi B dan 32% berakreditasi A. 31 sekolah adalah SD Negeri, 1 SD swasta non madrasah, dan 12 MI. 57% sekolah memiliki guru kelas 6 berpendidikan PGSD dan 43% guru kelas 6 non-pgsd. 2. Faktor-faktor yang mempengaruhi nilai UASBN SD/MI di Kecamatan Tulangan tahun ajaran 2009/2010 adalah jenis kelamin, umur, nilai raport kelas IV, dan pendidikan guru. UASBN cenderung berkurang sebesar 0,26 dan pada setiap peningkatan nilai raport kelas 4 semester 1 pada tiga pelajaran UASBN, nilai UASBN cenderung bertambah sebesar 0,22 satuan. Perpotongan pada sumbu x (intersep) untuk siswa laki-laki dengan pendidikan guru kelas PGSD dan non PGSD maupun siswa perempuan dengan pendidikan guru kelas PGSD maupun non PGSD berturut-turut adalah sebesar 22,33, 21,43, 22,73 dan 21,83. 7.2 Saran Adapun saran yang dapat diberikan setelah melakukan penelitian adalah perlu digali lebih lanjut akan faktor-faktor yang mempengaruhi nilai UASBN siswa disamping faktor-faktor yang telah diteliti di atas. Hal tersebut mengingat masih banyak lagi faktor-faktor yang mungkin mempengaruhi ketidak-berhasilan seorang siswa dalam UASBN. 3. PUSTAKA BSNP. (2008). Standar Nasional Pendidikan. Jakarta : BSNP dan BALITBANG. Dewi L., Anastasia. (2008). Estimasi Parameter Regresi Logistik Multilevel. Jakarta: Skripsi FMIPA UI. Ermawati. (2008). Perbandingan Prestasi Belajar Siswa dengan Mengunakan Multigroup Structural Equation model. Surabaya: Tesis Jurusan Statistika ITS. Mendiknas. (2009). Permendiknas No.74 Th.2009 Tentang Ujian Akhir Sekolah Berstandar Nasional (UASBN) Sekolah Dasar/Madrasah Ibtidaiyah/Sekolah Dasar Luar Biasa (SD/MI/SDLB) Tahun Pelajaran 2009/2010. Jakarta: Mendiknas press. Dalyono, M. dan TIM MKDK IKIP Semarang. (1997). Psikologi Pendidikan. Semarang: IKIP Semarang Press. Drapper, N.R. dan Smith, H. (1981). Applied Regression Analysis. New York: John Wiley & Sons. Goldstein, H. (2003). Multilevel Statistical Models. London: Arnold Publishers. Hox, J.J. (2002). Multilevel Analysis: Techniques and Applications. Mahwah: Lawrence Erlbaum Associates. Kreft, I. dan De Leeuw. (1998). Introducing Multilevel Modeling. London: Sage. Raudenbush, S., dkk. (2001). HLM 7: Hierarchical Linear and Nonlinear Model. USA: SSI, Inc. Singer, J.D. dan Willet, J.B. (2003). Applied Longitudinal Data Analysis: Modelling Change and Event Occurrence. London: Oxford University Press. Sutarsih. (2008). Pemodelan Nilai UNAS Dengan Pendekatan Regresi Spline. Surabaya : Tesis Jurusan Statistika ITS. 12