Embed Size (px)
Citation preview
DELTA ARLINTHA PURBASARI1311030086
Pemodelan Angka Putus Sekolah TingkatSLTP dan sederajat di Jawa Timur Tahun
2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Dr. Vita Ratnasari S. Si, M. Si
Oleh:
Dosen Pembimbing:
• Pembahasan
Latar Belakang
Pendidikan
Jawa Timur
Jawa Tengah
Jawa Barat42%
Angka Putus Sekolah
13 Ribu 9th
Paradigma Orang Tua
Ketidakmampuan Biaya
Latar Belakangfaktor yang
mempengaruhi angka putus
sekolah usia SMA di Jawa Timur
adalah keluarga miskin dan letak
rumah di pedesaan.
Septiana (2011)
Regresi Spasial
Rumusan MasalahBagaimana karakteristik kabupaten/kota di Jawa Timurberdasarkan variabel yang diduga berpengaruh terhadapangka putus sekolah?
1
Bagaimana pemodelan angka putus sekolah usiaSLTP dan se-derajat Kabupaten/ Kota di Jawa Timurdengan menggunakan Regresi logistik ordinal?
3
Bagaimana pengelompokkan kabupaten dan kotaberdasarkan variabel angka putus sekolah usiaSLTP dan se-derajat Kabupaten/ Kota di JawaTimur?
2
Tujuan Penelitian1
Mendiskripsikan karakteristik
kabupaten/kota di Jawa Timur berdasarkan
variabel yang diduga berpengaruh terhadap angka putus sekolah.
2
Mengelompokkan kabupaten dan kota berdasarkan variabel
angka putus sekolah usia SLTP dan se-derajat
Kabupaten/ Kota di Jawa Timur.
3
Memodelkan angka putus sekolah usia SLTP
dan se-derajat Kabupaten/ Kota di Jawa
Timur dengan menggunakan Regresi
logistik ordinal.
Manfaat PenelitianInformasi
Pemerintah Provinsi
Jawa Timur
Batasan Masalah
Tinjauan Pustaka
Text in here
Statistika deskriptif adalah metode-metode yang berkaitan denganpengumpulan dan penyajian suatugugus data sehingga dapatmemberikan informasi yangberguna. Statistika deskriptif hanyamemberikan informasi mengenaidata dan tidak menarik kesimpulanapapun (Walpole, 1995).
Statistika Deskriptif
Tinjauan PustakaText in
here
metode analisis multivariate yang bertujuan untukmemisahkan sekumpulan individu atau pengamatankedalam beberapa kelompok berdasarkan ukurankedekatan (Dillon, 1984).
Analisis Kelompok
d(xi, xj) : jarak antara observasi i dan j
Xik : nilai variabel k untuk observasi i
Xjk : nilai dari variabel k untuk observasi j, p adalah jumlah variabel prediktor
∑=
−=p
kjkikji xxxxd
1
2)(),(
Tinjauan PustakaMetode Non-Hierarki
Prosedur pengelompokan pada metode non hirarki yaitudengan metode K-Mean. Metode non hirarki dengan K-Mean ini bertujuan mengelompokkan obyek sedemikianhingga jarak tiap obyek ke pusat kelompok dalam satukelompok adalah minimum (Dillon, 1984).
Tinjauan PustakaRegresi logistik ordinal merupakan suatu metodeanalisis data yang digunakan untuk mencarihubungan antara variabel respon (y) yang bersifatpolikotomus (mempunyai skala data bertingkatdengan lebih dari 2 kategori) dengan variabelprediktor (x) (Hosmer dan Lemeshow, 2000).
Analisis RegresiLogistik Ordinal
Model regresi logistik yang umum adalah sebagai berikut
x
x
x10
10
e1e)( ββ
ββ
π+
+
+=
xx
xxg 10)(1)(ln)( ββ
ππ
+=
−
=
Transformasi dari , sehingga diperoleh persamaan berikut.( )xπ
Tinjauan Pustaka
Estimasi Parameter
Estimasi parameter dari nilai β dibutuhkan dalamkesesuaian model regresi logistik. Metode umumuntuk mengestimasi adalah maximum likelihood,metode ini akan memberikan dasar untukmengestimasi parameter dengan model regresilogistik (Hosmer dan Lemeshow, 2000).
Fungsi likelihood untuk pengamatan adalah sebagai berikut.( )ii x,y
( ) ( ) ( ) ( )[ ]∏=
××=n
i
yik
yi
yi
kiii xxxBl1
10 ...10 φφφ
Tinjauan PustakaSecara Serentak
Uji Signifikansi
Parameter
Statistika uji:
Daerah penolakan:H0 ditolak jika
pik ,...,2,1,0 =≠β
Hipotesis:H0: 0=kβ (variabel prediktor tidak berpengaruh terhadap
model).
(minimal ada satu variabel prediktor yang berpengaruh terhadap model).
H1 : minimal ada satu
( ) ( ) ( ) ( )[ ]∏=
n
i
yi
yi
yi
yi
nnnn
iiii xxxx
nn
nn
nn
nn
13210
3210
3210
3210
log 2- =G φφφφ
Tinjauan Pustaka
Secara Parsial
,
pik ,...,2,1,0 ==β
pik ,...,2,1,0 =≠β
H0: (variabel prediktor tidak berpengaruh terhadap model).
(variabel prediktor berpengaruh terhadap model).H1 :
Statistika uji:
Daerah penolakan: Tolak H0, jika
Uji Signifikansi
Parameter
2
22
))ˆ(SE(
ˆW
k
k
β
β=
( )αχ> ,dbW 22
Tinjauan Pustaka
Kesesuaian Model
,
Pengujian ini dilakukan untuk menguji apakah modelyang dihasilkan berdasarkan regresi logistikmultivariat/serentak sudah layak. Dengan kata laintidak terdapat perbedaan antara hasil pengamatan dankemungkinan hasil prediksi model. Hipotesis dalampengujian kesesuaian model sebagai berikut (Hosmerdan Lemeshow, 2000).
Tinjauan Pustaka
Kesesuaian Model
,
H0 : Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil pengamatan dengan
kemungkinan hasil prediksi model)H1 : Model tidak sesuai (terdapat perbedaan yang
signifikan antara hasil pengamatan dengan kemungkinan hasil prediksi model)
Statistik uji:
Daerah penolakan: Tolak H0, jika
( )∑=
−
−−+
−=
n
i ij
ijij
ij
ijij y
yy
yD2
1
ˆ1ln1
ˆln2
ππ
( )αχ ,2 dbD >
Tinjauan Pustaka
KetepatanKlasifikasi
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).
KenyataanPredeiksi
y1 y2 y3
y1 n11 n12 n13
y2 n21 n22 n23
y3 n31 n32 n33
Tabel 2.1 Tabel Klasifikasi
%100% 323133311312 ×+++++
=sampeltotaljumlah
nnnnnnAPER
Penelitian SebelumnyaWijayanti (2011)
Pemodelan Angka Putus Sekolah bagi Anak Usia Wajib Belajar di Jawa Timur menggunakan Generalized Poisson
Regression
persentase laju pertumbuhan ekonomi, persentase guru (SD/MI dan SMP/MTs) terhadap jumlah siswa, dan tingkat kesempatan kerja di Jawa
Timur
Fitroni (2011)
“Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan
Metode Regresi Spasial di Jawa Timur”
variabel PDRB per kapita, rasio tenaga pengajar/ jumlah siswa, dan rasio penduduk tamatan SD berpengaruh signifikan terhadap model yang
didapatkan.
Angka Putus Sekolah
SD:4227
SMP:5724 MI:1268
SD:4227
MTs:1861
Putus sekolah adalah proses berhentinya siswa secara terpaksa dari suatu lembaga pendidikan tempat dia belajar (BPS, 2012).
JAWA TIMUR13.080
Angka Putus Sekolah1. Persentase Penduduk Miskin
2. PDRB Per Kapita
3. Persentase Pertumbuhan Ekonomi
4. Rasio Ketersediaan Sekolah/Penduduk Usia Sekolah
BPS menggunakan 14 variabel kemiskinan yang secara umum variabel tersebut lebih mengarah pada kondisi fisik rumah tangga miskin.
=kapitaPDRB /
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).
Rasio ketersediaan sekolah SMP/MTs =
Angka Putus Sekolah
5. Rasio Guru/murid
6. Tingkat Kesempatan Kerja (TKK)
1000)/()/(×
MTsSMPdJumlahMuriMTsSMPJumlahGuruRasio guru dan murid SMP/MTs =
=TKK
7. Persentase Penduduk Miskin
Metode yang digunakan untuk menghitung kemiskinan adalah metode skor,artinya setiap variabel mempunyai bobot atau penimbang yang telah ditentukansebelumnya oleh BPS.
Angka Putus Sekolah8. IPM
IPM = 1/3 [X(1) + X(2) + X(3)]
X(1) : Indeks harapan hidupX(2) : Indeks pendidikan = 2/3(indeks melek huruf)+1/3(indeks rata-rata lama
sekolah)X(3) : Indeks standar hidup layak
Masing-masing indeks komponen IPM tersebut merupakan perbandingan antaraselisih suatu nilai indikator dan nilai minimumnya dengan selisih nilai
maksimum dan nilai minimum indikator yang bersangkutan.
Metodologi Penelitian
Badan Pusat Statistik Jawa
Timur
SUSENAS 2012
indikator ekonomi dan sosial tahun
2012
Sumber Data
Data sekunder berdasarkan
38 Kabupaten dan Kota
Faktor-Faktor yang diduga
mempengaruhi Angka Putus
Sekolah
Data Sekunder
Variabel Penelitian
Rasio sekolah/Murid % Pertumbuhan
EkonomiJumlah pengang
guran
Rasio Guru/ murid
Persentasependuduk miskin
PDRB perkapita
PersentaseTingkat
kesempatankerja
APTS usia SLTP
IPM
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 se-
derajat dengan variabel prediktor dengan menggunakan Regresi Logistik Ordinal.
Tabel 3.2 Struktur Data PenelitianKabupaten/k
otaY X1 X2 ... X10
1 Y1.1 X1.1 X2.1 ... X10.1
2 Y1.2 X1.2 X2.2 X10.2
3 Y1.3 X1.3 X2.3 X10.3
38 Y1.38 X1.38 X2.38 X10.38
Diagram Alir Penelitian
Mulai
Pengambilan Data
Analisis Regresi Logistik Ordinal
Uji Signifikansi Parameter secara
Serentak
Kesimpulan
Selesai
Uji Signifikansi Parameter
secara Parsial
Analisis Kelompok
Estimasi Parameter
4.1 Karakteristik Angka Putus Sekolah di Jawa Timur dan Faktor-Faktor yang Diduga Mempengaruhi
Variabel Rata-rata Maximum Minimum
Persentase Angkaputus sekolah 0,39 0,79 0,11
Pertumbuhan ekonomi 6,929 8,26 5,82Persentasepengangguran 2,633 8,91 0,16
PDRB per Kapita 106,612 1099,81 31,88IPM 71,638 78,14 61,03Persentase Tingkat kesempatan kerja 95,773 98,84 92,15
Persentase kemiskinan 13,816 30,21 4,74Rasio Guru/ Murid 81,024 146,23 35,59Rasio Jumlah Sekolah/ Murid 3,578 7,83 1,29
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa TimurVariabel Pertumbuhan
Ekonomi
0
1
2
3
4
5
6
7
8
9
Paci
tan
Pono
rogo
Tren
ggal
ekTu
lung
agun
gBl
itar
Ked
iriM
alan
gLu
maj
ang
Jem
ber
Bany
uwan
giBo
ndow
oso
Situ
bond
oPr
obol
ingg
oPa
suru
anSi
doar
joM
ojok
erto
Jom
bang
Nga
njuk
Mad
iun
Mag
etan
Nga
wi
Bojo
nego
roTu
ban
Lam
onga
nG
resi
kBa
ngka
lan
Sam
pang
Pam
ekas
anSu
men
epK
ota
Ked
iriK
ota
Blita
rK
ota
Mal
ang
Kot
a Pr
obol
ingg
oK
ota
Pasu
ruan
Kot
a M
ojok
erto
kota
Mad
iun
kota
Sur
abay
ako
ta B
atu
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur
Variabel Pengangguran
0
10000
20000
30000
40000
50000
60000
70000
80000
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur
Variabel IPM
0
10
20
30
40
50
60
70
80
Paci
tan
Pono
rogo
Ked
iriM
alan
gLu
maj
ang
Bany
uwan
giPa
suru
anN
ganj
ukM
adiu
nN
gaw
iTu
ban
Lam
onga
nTr
engg
alek
Tulu
ngag
ung
Blita
rSi
doar
joM
ojok
erto
Jom
bang
Mag
etan
Gre
sik
Kot
a K
ediri
Kot
a Bl
itar
Kot
a M
alan
gK
ota
Prob
olin
ggo
Kot
a Pa
suru
anK
ota
Moj
oker
toko
ta M
adiu
nko
ta S
urab
aya
kota
Bat
uJe
mbe
rBo
ndow
oso
Situ
bond
oPr
obol
ingg
oBo
jone
goro
Bang
kala
nSa
mpa
ngPa
mek
asan
Sum
enep
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur
Variabel Angka Putus Sekolah
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Paci
tan
Pono
rogo
Ked
iriM
alan
gLu
maj
ang
Bany
uwan
giPa
suru
anN
ganj
ukM
adiu
nN
gaw
iTu
ban
Lam
onga
nTr
engg
alek
Tulu
ngag
ung
Blita
rSi
doar
joM
ojok
erto
Jom
bang
Mag
etan
Gre
sik
Kot
a K
ediri
Kot
a Bl
itar
Kot
a M
alan
gK
ota
Prob
olin
ggo
Kot
a Pa
suru
anK
ota
Moj
oker
toko
ta M
adiu
nko
ta S
urab
aya
kota
Bat
uJe
mbe
rBo
ndow
oso
Situ
bond
oPr
obol
ingg
oBo
jone
goro
Bang
kala
nSa
mpa
ngPa
mek
asan
Sum
enep
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur
Variabel Tingkat Kesempatan Kerja
88
90
92
94
96
98
100
Paci
tan
Pono
rogo
Tren
ggal
ekTu
lung
agun
gBl
itar
Ked
iriM
alan
gLu
maj
ang
Jem
ber
Bany
uwan
giBo
ndow
oso
Situ
bond
oPr
obol
ingg
oPa
suru
anSi
doar
joM
ojok
erto
Jom
bang
Nga
njuk
Mad
iun
Mag
etan
Nga
wi
Bojo
nego
roTu
ban
Lam
onga
nG
resi
kBa
ngka
lan
Sam
pang
Pam
ekas
anSu
men
epK
ota
Ked
iriK
ota
Blita
rK
ota
Mal
ang
Kot
a Pr
obol
ingg
oK
ota
Pasu
ruan
Kot
a M
ojok
erto
kota
Mad
iun
kota
Sur
abay
ako
ta B
atu
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa TimurVariabel PDRB per Kapita
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa TimurVariabel Rasio Guru/ Murid
0
20
40
60
80
100
120
140
160
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa TimurVariabel Rasio Sekolah/ Murid
0
1
2
3
4
5
6
7
8
4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa TimurVariabel Persentase Kemiskinan
0
5
10
15
20
25
30
35
4.2 Analisis KlasterPengelompokkan Kabupaten/ Kota di Provinsi Jawa Timur berdasarkan variabel angka
putus sekolah
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.
Rendah Sedang Tinggi
Kab/ KotaAPS
(%)Kab/ Kota
APS
(%)Kab/ Kota
APS
(%)
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
Mojokerto0,14 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
Probolinggo0,32
Kota Pasuruan 0,39
Kota Batu 0,44
4.2 Analisis KlasterKarakteristik 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
4.2 Analisis KlasterPemetaan Hasil Pengelompokkan
4.2 Analisis KlasterBerikut ini adalah karakteristik dari masing-masing kelompok untuk angkaputus sekolah tingkat SLTP dan sederajat di Jawa Timur tahun 2012.
Variabel
Kelompok
1 2 3
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
4.3 Analisis Regresi Logistik OrdinalPengujian Signifikansi Parameter secara Serentak
H0 : semua variabel independen tidak berpengaruh signifikan terhadap variabel angka putus sekolah (β1 = β2 = β3 = β4 = β5 = β6 = β7 = β8 =0)
H1 : minimal ada satu variabel independen yang berpengaruh signifikan terhadap angka putus sekolah (minimal ada satu βk ≠ 0, k = 1,2,3,...,8)
Statistik Uji: Tabel 4.6 Hasil Akhir Pengujian Signifikansi Parameter secara Serentak
Kesimpulan: minimal ada satu variabel independen yang berpengaruhsignifikan terhadap angka putus sekolah di Provinsi Jawa Timur tahun 2012.
H0 ditolak
Step G db Sig.
1 44,293 8 13,362 0,000
4 42,722 5 9,236 0,000
tabel2χ
Keputusan yang dapat diambil adalah H0 ditolak, karena 42,988 lebih besardari 236,9χ (5;0,1)2 =
4.3 Analisis Regresi Logistik OrdinalPengujian Signifikansi Parameter secara Parsial
H0 : βk=0, k=1,2,3,...,8 (variabel prediktor tidak berpengaruh signifikan terhadapvariabel respon)H1 : βk ≠ 0, k=1,2,3,...,8 (variabel prediktor berpengaruh signifikan terhadap variabel
respon)Statistik Uji : Step Variabel Estimasi Std. Error Wald db Sig.
1
[klaster = 1,00] 73,105 51,136 2,083 1 0,149
[klaster = 2,00] 77,968 51,459 2,296 1 0,130
pertum_eko -0,369 1,258 0,086 1 0,769
persen_pengangguran 0,00001 0,00003 0,099 1 0,753
PDRB_kapita -0,029 0,0169 2,978 1 0,084
IPM 0,357 0,215 6,205 1 0,013
persen_TKT -1,147 0,509 5,072 1 0,024
persen_miskin 0,140 0,159 0,781 1 0,377
rasio_guru_mrd 0,063 0,029 4,804 1 0,028
rasio_sklh_mrd -2,456 1,003 6,001 1 0,014
4.3 Analisis Regresi Logistik OrdinalPengujian Signifikansi Parameter secara Parsial
Tabel 4.6 Hasil Akhir Pengujian Signifikansi Parameter secara Parsial
H0 ditolak
Step Variabel Estimasi Wald Odds Sig.
4
[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
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
4.3 Analisis Regresi Logistik OrdinalPengujian Kesesuaian Model
H0 : Model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengankemungkinan hasil prediksi model)
H1 : Model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengankemungkinan hasil prediksi model)
Statistik Uji: 1014,40=DDaerah Penolakan: Tolak H0, jika
αχ> ,dbD 2
( )1,0;692χKeputusan: H0 gagal ditolak karena nilai Dyaitu 84,418.
yaitu 40,1014 lebih kecil dari
Kesimpulan: Jadi dapat disimpulkan bahwa model yang terbentuk sudah sesuaikarena tidak ada perbedaan antara hasil observasi dengan kemungkinan prediksi
model.
4.3 Analisis Regresi Logistik OrdinalPembentukan Model dan Nilai Peluang
Logit 1Logit 2
Dari model tersebut yang telah terbentuk, dapat dihitung nilai peluangnya. Nilai peluang untuk Kabupaten Pacitan sebagai berikut.
2,325(x8)0,062(x7)1,154(x5)0,4(x4)0,0313(x3)83,2601(x)g −+−+−=2,325(x8)0,062(x7)1,154(x5)0,4(x4)0,0313(x3)87,3322(x)g −+−+−=
003,0003,01
003,0
)(1exp1
)(1exp=
+=
+=π
xg
xg (x)1
( ) 148,0008,0151,01
151,01
)(2exp1
)(2exp=−
+=π−
+=π x
xg
xg (x)2
849,0151,01
151,01
)(2exp1
)(2exp1 =
+−=
+−=π
xg
xg (x)3
4.3 Analisis Regresi Logistik OrdinalNilai Odds Rasio
Step Variabel Estimasi Wald Odds Sig.
4
PDRB per Kapita -0,0313 3,679 0,97 0,055
IPM 0,40 5,533 1,50 0,019
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
Tabel 4.8 Tabel Odds Rasio
4.3 Analisis Regresi Logistik OrdinalKetepatan Klasifikasi
Ketepatan Klasifikasi
rendah sedang tinggi Persentase
rendah 9 3 0 75%
sedang 2 11 2 73,33%
tinggi 0 3 8 72,73%
Persentase 73,68%
Tabel 4.7 Ketepatan Klasifikasi
Rata-rata ketepatanklasifikasi dalam
memprediksi model adalah, 73,68%.
Kesimpulan
Angka putus sekolah usia SLTP dan sederajat di Provinsi JawaTimur yang tertinggi adalah
Kabupaten Sampang sebesar 0,79 persen, kemungkinan
disebabkan karena jumlah angkapartisipasi sekolah lebih besardaripada capaian kinerja angka
partisipasi sekolah.
Kelompok 1
• Kabupaten Sidoarjo, Jombang, Madiun, Magetan, Ngawi, Lamongan, Gresik, Kota Blitar, Kota Malang, Kota Mojokerto, Kota Madiun, dan Kota Surabaya.
Kelompok 2
• KabupatenPacitan, Ponorogo, Trenggalek,
Tulungagung, Blitar, Kediri, Banyuwangi, Pasuruan, Mojokerto, Bojonegoro, Tuban, Kota Kediri, Kota Probolinggo, Kota Pasuruan, dan Kota Batu.
Kelompok 3
• KabupatenMalang, Lumajang, Jember, Bondowoso, Situbondo, Probolinggo, Nganjuk, Bangkalan, Sampang, Pamekasan, danSumenep
KesimpulanModel regresi logistik ordinal yang didapatkan
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).
Logit 1Logit 2
2,325(x8)0,062(x7)1,154(x5)0,4(x4)0,0313(x3)83,2601(x)g −+−+−=2,325(x8)0,062(x7)1,154(x5)0,4(x4)0,0313(x3)87,3322(x)g −+−+−=
Saran
Daftar PustakaAgresti, Alan. (2007). An Introduction to Categorical Data Analysis. New York: John Willey and Sons.Badan Pusat Statistik Jawa Timur, (2012). Indeks Pembangunan Manusia Surabaya 2012. Badan Pusat
Statistik, Provinsi Jawa Timur Surabaya.Badan Pusat Statistik Jawa Timur, (2013). Surabaya dalam Angka 2013. Badan Pusat Statistik, Provinsi Jawa Timur
Surabaya.Diknas Pendidikan Provinsi Jawa Timur. http://dindik.jatimprov.go.id/. Diakses pada tanggal 06 Februari 2014 pukul 20.00
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 2008. TugasAkhir Jurusan Statistika ITS, Surabaya.
Rengganis L. N. R. (2007). Analisis Pengelompokkan Kecamatan Kotamadya Surabaya Berdasarkan VariabelKependudukan, Kesehatan, dan Pendidikan. Tugas Akhir Jurusan Statistika ITS, Surabaya.
Septiana, Liska. (2011). Pemodelan Remaja Putus Sekolah Usia SMA di Provinsi Jawa Timur dengan MenggunakanMetode Regresi Spasial. Tugas Akhir Jurusan Statistik ITS, Surabaya.
UNICEF (2012). Laporan Tahunan Indonesia Tahun 2012.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.
