TUGAS AKHIR Oleh : Arief Yudissanta (1307 030 019) Pembimbing : Prof. Susanti Linuwih Mstat.PHD PENGELOMPOKAN SEKOLAH DASAR BERDASARKAN RATA-RATA NILAI UJIAN AKHIR SEKOLAH BERSTANDAR NASIONAL DI SETIAP SEKOLAH DASAR DI KOTA MOJOKERTO DENGAN METODE HIERRARKI CLUSTERING Page 1
PENDAHULUAN LATAR BELAKANG PENDIDIKAN MASALAH PENDIDIKAN DI INDONESIA RENDAHNYA MUTU PENDIDIKAN UASBN Page 2
PERMASALAHAN : Bagaimana pengelompokan sekolah dasar dengan menggunakan analisis kelompok hierrarki berdasarkan dafa nilai Ujian Akhir Sekolah Berstandar Nasional (UASBN) tiap mata pelajaran. TUJUAN : Untuk mengetahui pengelompokan sekolah dasar berdasarkan nilai rata-rata per mata pelajaran yang diujikan. Untuk mengetahui deskripsi tentang kondisi guru berdasarkan usia dan jenjang pendidikannya Page 3
MANFAAT Memberikan informasi kepada DIKNAS kota Mojokerto, agar pemerintah kota Mojokerto tahu sekolah dasar sekolah dasar mana yang harus diberi pembinaan BATASAN MASALAH Data nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional) pada tahun ajaran 2008/2009 di Sekolah Dasar (SD) dan Madrasah Ibtida iyah (MI) sekecamatan Magersari dan Prajuritkulon kota Mojokerto Page 4
TUGAS AKHIR TINJAUAN PUSTAKA Page 5
TINJAUAN STATISTIK CLUSTER HIERRARKI NON HIERRARKI Page 6
CLUSTER HIERRARKI Langkah-langkah analisis hierrarkhi clustering/kelompok adalah sebagai berikut : 1. Mulai dengan N kelompok, setiap kelompok mengandung entiti tunggal dan sebuah matriks simetrik dari jarak (similarities) D = {d ik } dengan tipe NxN. 2. Cari matriks jarak untuk pasangan kelompok yang terdekat (paling mirip). Misalkan jarak antara kelompok U dan V yang paling mirip adalah d uv. 3. Gabungkan kelompok U dan V. Label kelompok yang baru dibentuk dengan (UV). Update entries pada matrik jarak dengan cara : a. Hapus baris dan kolom yang bersesuaian dengan kelompok U dan V b. Tambahkan baris dan kolom yang memberikan jarak-jarak antara kelompok (UV) dan kelompok-kelompok yang tersisa. 4. Ulangi langkah 2 dan 3 sebanyak (N-1) kali. (Semua objek akan berada dalam kelompok tunggal setelah algoritma berahir). Catat identitas dari kelompok yang digabungkan dan tingkat-tingkat (jarak atau similaritas) di mana penggabungan terjadi (Johnson dkk, 2002). Page 7
JARAK ECLUIDIUS Jarak euclidius berawal dari jarak Minkowski dengan dua objek sehingga dapat dinyatakan dalam bentuk persamaan sebagai berikut : Page 8
1.Metode MetodePautan PautanTunggal Tunggal(Singel SingelLinkage Linkage) d min{ d d } (UV )W UW, VW = (1) 2.Metode MetodePautan PautanLengkap Lengkap(Complete CompleteLinkage Linkage) d (UV)W = maks{d UW, d VW } 3.Metode MetodePautan PautanRata Rata-rata rata(average AverageLinkage Linkage) i N k ( UV ) d N ik W 4.Metode MetodeWard s Page 9
ANALISIS DISKRIMINAN Analisis diskriminan adalah salah satu metode analisis multivariate yang diterapkan untuk memodelkan hubungan antara satu variabel respon yang bersifat kategori dengan satu atau lebih variabel prediktor yang bersifat kuantitatif dengan membentuk fungsi diskriminan (Hair dkk, 2006) Tujuan dari analisis diskriminan, antara lain : Untuk melakukan identifikasi variabel-variabel yang paling membedakan antar dua grup. Untuk membangun persamaan atau fungsi berdasarkan variabel-variabel pembeda yang dapat digunakan menghitung variabel baru sehingga dapat menggambarkan perbedaan antar 2 grup. Untuk mengelompokkan pengamatan ke dalam salah satu grup yang ada. Tahapan-tahapan analisis diskriminan : 1. Evaluasi signifikansi variabel pembeda Untuk mengukur signifikansi variabel-variabel pembeda yang membedakan grup secara signifikan. Asumsi ini akan terpenuhi apabila nilai rata-rata masing-masing variabel berbeda untuk kedua grup tersebut. Adapun hipotesis untuk masing-masing variabel pembeda : H o H 1 : : 1 1 2 2 1 = [ x 1, x 2,.,x p ] T untuk grup kedua x x p ]T untuk grup kedua 2 = [ 1, 2,., x dengan statistik uji : n1 n2 p1 n1n 2 F hitung = D ( n1 n2 2) p n1 n 2 dimana D 2 = ( 1 2 ) T -1 ( 1 2 ) 2. Estimasi fungsi diskriminan 2 dimana : p = jumlah variabel Page 10
EVALUASI FUNGSI KLASIFIKASI Hal penting untuk menilai suatu prosedur klasifikasi adalah dengan menghitung peluang kesalahan klasifikasi ukuran yang dinamakan Apparent Error Rates (APER), didefinisikan dengan fraksi (proporsi) pengamatan pada sampel yang salah diklasifikasikan oleh fungsi klasifikasi. Apabila asumsi multivariat normal dan homogenitas matriks varian-kovarian terpenuhi maka akan berakibat nilai APER akan semakin besar. APER dihitung dengan terlebih dahulu membuat Tabel Klasifikasi. Actual Group Predicted Group 1 2 3 1 n n 11 12 n13 n 2 21 n 22 n 23 3 n 31 n 32 n 33 n APER 12 n 13 n n 1 21 n n 2 23 n n 3 31 n 32 Page 11
Uji Distribusi Normal Multivariat Untuk melakukan analisis diskriminan, jika terdapat banyak variabel yang mendukung diperlukan asumsi distribusi normal multivariat [Johnson dan Wichern, 2002]. Sifat normal multivariat data dapat diuji dengan menghitung nilai jarak kuadrat pada setiap pengamatan, yaitu : 2 ' 1 d j ( x j x) S ( x j x) dengan j 1,2,...,n dimana : x j = pengamatan ke-j S -1 = invers matriks varian kovarians hipotesis : H 0 : data berdistribusi normal multivariate. H 1 : data tidak berdistribusi normal multivariate. Hipotesis nol akan ditolak dengan = 0.05 jika lebih dari 50% nilai dari d j2 lebih besar dari 2 (0.05,p). Page 12
UJI MATRIKS VARIANS KOVARIANS Untuk menguji kehomogenan matriks varian kovarians antar kelompok digunakan Statistik uji Box s M dengan hipotesis statistiknya adalah : H 0 : 1 = 2 =... = k H 1 : minimal ada satu kelompok berbeda, i j ; i, j,..., k Statistik uji Box s M : Box s M = K S * Dengan, dimana : k 1 2 ln W/(n * k ( n ( n1) / 2 n = banyaknya responden K = banyaknya kelompok K ) ln W n K = matrik kovarian gabungan dalam kelompok. S l : matriks kovarians kelompok ke-l K ) ( n K K k 1 ( n k ) ln l S k Daerah kritis pengujian ini adalah, Tolak Ho apabila, yang artinya matriks varian kovarians antar kelompok tidak homogen. ) / 2 Page 13
TINJAUAN NON STATISTIK PENDIDIKAN UASBN Page 14
TUGAS AKHIR METODE PENELITIAN Page 15
SUMBER PENELITIAN Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Departemen Pendidikan kota Mojokerto yaitu data hasil Ujian Akhir Sekolah Berstandar Nasional (UASBN) pada tahun pelajaran 2008/2009 di sekolah dasar kota Mojokerto dengan jumlah sekolah sebanyak 58 sekolah dasar. Page 16
VARIABEL PENELITIAN Variabel yang digunakan dalam penelitian ini adalah sebagai berikut : X 1 : Rata-rata nilai Ujian Akhir Sekolah setiap sekolah dasar pada pelajaran Matematika X 2 : Rata-rata nilai Ujian Akhir Sekolah setiap sekolah dasar pada pelajaran Bahasa Indonesia X 3 : Rata-rata nilai Ujian Akhir Sekolah setiap sekolah dasar pada pelajaran Ilmu Pengetahuan Alam (IPA) Page 17
LANGKAH ANALISIS Langkah-langkah dalam menganalisis data adalah sebagai berikut : Melakukan analisis deskriptif dengan cara menyajikan data usia dan jenjang pendidikan guru di setiap sekolah dasar dalam bentuk diagram pie chart dan histogram untuk mengetahui deskripsi dari sekolah dasar tersebut. Melakukan analisis dengan menggunakan metode cluster hierrarki untuk mengetahui pengelompokan Sekolah Dasar (SD) berdasarkan nilai rata-rata per mata pelajaran yang diujikan. Melakukan analisis diskiminan untuk mengetahui variabel-variabel yang membedakan dalam pengelompokan. Dengan mempertimbangkan asumsi yang ada, yaitu sebagai berikut : a. Uji distribusi multivariate normal, digunakan untuk mengetahui apakah data nilai UASBN di sekolah dasar-sekolah dasar kota Mojokerto berdistribusi multivariate normal. b. Uji homogenitas matriks varians kovarians, untuk mengetahui data bersifat homogen atau berasal dari distribusi yang sama atau tidak. Setelah asumsi-asumsi diatas sudah terpenuhi, maka dapat dilakukan analisis diskriminan. Pembuatan Laporan. Page 18
TUGAS AKHIR ANALISIS dan PEMBAHASAN Page 19
Karakteristik Guru berdasarkan rata-rata Usia Guru di Tiaptiap Sekolah Dasar Dari gambar diatas dapat diketahui bahwa usia guru SD/MI kota Mojokerto kebanyakan berumur diatas 45 tahun dengan prosentase sebesar 33% sedangkan yang terbanyak kedua yaitu guru dengan usia kurang dari 30 tahun dengan prosentase sebesar 29%. Dan yang paling sedikit adalah guru dengan usia 31 sampai 35 tahun yang dapat dilihat prosentasenya sebesar 11%. Page 20
Karakteristik Guru berdasarkan Jenjang pendidikan Guru di Tiap-tiap Sekolah Dasar Jenjang Pendidikan Guru SD/MI di Kota Mojokerto S2 2% SD 1% SMP 3% SMA sederajat 14% D1 2% S1 56% D3 2% D2 20% Dari Gambar diatas dapat diketahui bahwa jenjang pendidikan guru SD/MI kota Mojokerto kebanyakan Sarjana (S1) dengan prosentase sebesar 56% sedangkan yang terbanyak kedua yaitu guru dengan jenjang pendidikan Diploma 2 (D2) dengan prosentase sebesar 20%. Dan untuk guru atau penjaga memiliki prosentase yang paling rendah yaitu sebesar 1%, dan untuk Diploma 1(D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase sebesar 2% Page 21
Analisis Cluster atau Kelompok Hierrarkhi Analisis kelompok hierrarkhi digunakan untuk mengetahui pengelompokan sekolah-sekolah dasar yang ada di Mojokerto berdasarkan nilai UASBN ( Ujian Akhir Semester Berstandar Nasional) yang terdiri dari mata pelajaran Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Adapun hasil pengelompokan yang diperoleh adalah sebagai berikut : Page 22
Analisis Cluster dengan Metode Ward s 1.Metode Ward s 4 kelompok Kelompok 1 Kelompok 2 Kelompok 3 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1 Kelompok 4 MI Darul Huda dan MI GUPPI Page 23
2. Metode Ward s 3 kelompok Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2 Kelompok 3 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1, MI Darul Huda dan MI GUPPI Page 24
3. Metode Ward s 2 kelompok Kelompok 1 Kelompok 2 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1, MI Darul Huda dan MI GUPPI Page 25
Analisis Cluster dengan Metode Pautan Lengkap 1.Pautan lengkap dengan 4 kelompok Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2 Kelompok 3 MI Al Karimah, dan MI Nurul Huda 1 Kelompok 4 MI Darul Huda, dan MI GUPPI Page 26
2. Pautan lengkap dengan 3 kelompok Kelompok 1 Kelompok 2 Kelompok 3 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1 MI Darul Huda, dan MI GUPPI Page 27
3. Pautan lengkap dengan 2 kelompok Kelompok 1 Kelompok 2 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru, SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1 MI Darul Huda, dan MI GUPPI Page 28
UJI MATRIKS VARIANS COVARIANS UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE WARD S Jumlah kelompok Box s M F df1 df2 P-value 4 kelompok 24.390 1.757 12 1415 0.050 3 kelompok 54.221 4.025 12 2831 0.000 2 kelompok 20.642 3.239 6 2241 0.003 Jumlah kelompok UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE PAUTAN LENGKAP Box s M F Df1 Df2 P-value 4 kelompok 5.458 0.852 6 1928 0.529 3 kelompok 3.772 0.591 6 2113 0.738 Page 29
UJI NOR MAL MULTIVARIATE Berdasarkan pemeriksaan dan pengujian asumsi data berdistribusi normal multivariate dilakukan pada data hasil UASBN SD/MI kota Mojokerto tahun ajaran 2008-2009 didapatkan bahwa data berdistribusi normal multivariate yang terlihat dari dari plot data multivariate yang membentuk garis lurus (lampiran) dan hasil pengujiannya sebagai berikut: Hipotesis: H 0 : data berdistribusi normal multivariate H 1 : data tidak berdistribusi normal multivariate Kriteria yang digunakan adalah menerima H 0 jika minimal ada 50% nilai-nilai d j2 x 2 p (0,5). Dengan macro minitab diperoleh nilai daerah chi-square (%) = 0, 0.568966 sehinga keputusannya gagal tolak H 0 dan menyimpulkan data berdistribusi multinormal. Page 30
KETEPATAN PENGKLASIFIKASIAN Pemilihan Kelompok Berdasarkan Ketepatan pengklasifikasian SD/MI Metode dan jumlah kelompok Metode ward s dengan 4 kelompok Pautan lengkap dengan 4 kelompok Pautan lengkap dengan 3 kelompok Ketepatan klasifikasi SD/MI 96.6% 94.8% 100% Page 31
ANALISIS DISKRIMINAN Berdasarkan hasil ketepatan pengklasifikasian diatas dapat disimpulkan bahwa metode yang dipilih dalam penelitian ini adalah metode pautan lengkap dengan jumlah kelompok sebanyak 3. Adapun analisis diskriminan pada metode pautan lengkap dengan 3 kelompok adalah sebagai berikut : Kelompok Jumlah Anggota Pertama 28 Kedua 28 Ketiga 2 Predicted Group Membership Pertama 28 Kedua 0 Ketiga 0 100% 0% 0% 0 28 0 0% 100% 0% 0 0% 0 0% 2 100% Persentase Ketepatan Klasifikasi 100% Fungsi diskriminan Y 1 = -22,696 + 2,684 Matematika Page 32
TUGAS AKHIR KESIMPULAN dan SARAN Page 33
KESIMPULAN Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik guru yang mengajar di SD/MI kota Mojokerto kebanyakan berusia diatas 45 tahun dan dibawah 30 tahun, sedangkan guru yang paling sedikit mengajar di SD/MI kota Mojokerto yaitu guru yang memiliki umur berkisar dari 31 tahun sampai 35 tahun. Dan untuk jenjang pendidikan guru yang mengajar di SD/MI di kota Mojokerto kebanyakan guru yang sudah memegang ijasah Sarjana (S1) dengan prosentase yang mencapai 50%, dan juga di ikuti guru dengan jenjang pendidikan Diploma 2 (D2). Sedangkan guru atau penjaga yang memiliki prosentase kecil yaitu guru atau penjaga yang jenjang pendidikannya Sekolah Dasar (SD) dengan prosentase 1%, dan untuk guru yang jenjang pendidikannya sampai Diploma 1 (D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase 2%. 2. Pengelompokkan terhadap SD/MI di kota Mojokerto terbentuk menjadi tiga kelompok dimana pengelompokan berdasarkan nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional) pada tahun ajaran 2008-2009, dengan mata pelajaran yang di ujikan yaitu Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Dan kelompok yang didapatkan terdiri dari kelompok satu termasuk dalam kategori nilai tinggi yaitu nilai yang di dapatkan lebih dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI, kelompok dua termasuk dalam kategori nilai sedang yaitu nilai yang di dapatkan hampir mendekati dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI dan untuk kelompok ketiga termasuk dalam kategori rendah yaitu nilai yang didapatkan kurang ataupun jauh dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua SD/MI yaitu MI Darul Huda dan MI GUPPI. SARAN Berdasarkan hasil penelitian, dapat diketahui perlu adanya bimbingan ataupun pembinaan terhadap SD/MI yang berada pada kelompok tiga atau kelompok rendah, agar sekolah tersebut juga mencetak siswa-siswi yang berprestasi seperti halnya sekolah lainnya. Dan untuk sekolah yang berada pada kelompok tinggi agar bisa mempertahankan apa yang sudah ada saat ini. Page 34
DAFTAR PUSTAKA Anonim 2009. Masalah Pendidikan di Indonesia http://id.wikipedia.org/wiki/pendidikan Dikbud 2009. Ujian Nasional. www.kompas.com Hair J.F., Rolph E. Anderson, Ronald L. Tatham, William C. Black. 2006. Multivariate Data Analysis. Sixth Edition, Pearson Education Prentice Hall, Inc. Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical Analysis, 5 th Edition. New Jersey: Prentice Hall, Englewood Cliffs. Sharma, Subhash. 1996. Applied Multivariate Technique, John Wiley. New York. Sisdiknas. Undang-Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional Page 35
Page 36