• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Laporan akhir pkmp (pemodelan tingkat risiko putus sekolah pendidikan dasar menggunakan metode chaid dan regresi logistik)
 

Laporan akhir pkmp (pemodelan tingkat risiko putus sekolah pendidikan dasar menggunakan metode chaid dan regresi logistik)

on

  • 874 views

 

Statistics

Views

Total Views
874
Views on SlideShare
874
Embed Views
0

Actions

Likes
0
Downloads
36
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft Word

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Laporan akhir pkmp (pemodelan tingkat risiko putus sekolah pendidikan dasar menggunakan metode chaid dan regresi logistik) Laporan akhir pkmp (pemodelan tingkat risiko putus sekolah pendidikan dasar menggunakan metode chaid dan regresi logistik) Document Transcript

    • LAPORAN AKHIR PKMP PEMODELAN TINGKAT RISIKO PUTUS SEKOLAH PENDIDIKANDASAR MENGGUNAKAN METODE CHAID DAN REGRESI LOGISTIK(Kasus: Indralaya sebagai Ibu Kota Kabupaten Ogan Ilir Sumatera Selatan) Oleh: 1. Didin Astriani Prasetyowati ( 08071001018) Angkatan 2007 2. Nafitalia (08081001014) Angkatan 2008 3. Rahmat Kurniadi (08091001015) Angkatan 2009 UNIVERSITAS SRIWIJAYA INDRALAYA 2011
    • HALAMAN PENGESAHAN PROGRAM KREATIVITAS MAHASISWA LAPORAN AKHIR1. Judul : Pemodelan Tingkat Risiko Putus Sekolah Pendidikan Dasar Menggunakan Metode Chaid dan Regresi Logistik (kasus: Indralaya sebagai Ibu Kota Kabupaten Ogan Ilir Sumatera Selatan)2. Bidang Kegiatan : PKM-P3. Bidang Ilmu : MIPA4. Ketua Pelaksana Penelitian a. Nama Lengkap : Didin Astriani Prasetyowati b. NIM : 08071001018 c. Jurusan : Matematika d. Universitas : Universitas Sriwijaya e. Alamat Rumah dan No HP : Komplek Serumpun Indah A2-11 Indralaya Ogan Ilir, 085273778320 f. Alamat email : Astriani59@gmail.com5. Anggota Pelaksana Penelitian : 2 Orang6. Dosen Pendamping a. Nama Lengkap dan Gelar : Dian Cahyawati S., M.Si b. NIP : 197303212000122001 c. Alamat Rumah dan No HP : Komplek Serumpun Indah A2-11 Indralaya Ogan Ilir 306626. Biaya Kegiatan Total a. Dikti : Rp 5.500.000,- (lima juta lima ratus ribu rupiah) b. Sumber Lain : Rp 0,-7. Jangka Waktu Pelaksanaan : 5 bulan Indralaya, 27 Juni 2011Menyetujui,Pembantu Dekan III FMIPA Ketua Pelaksana KegiatanDrs. Endro Setyo Cahyono, M.Si Didin Astriani PrasetywatiNIP 19640926 199002 1 002 NIM 08071001018Pembantu Rektor IIIUniversitas Sriwijaya Dosen PendampingDr. Ir. H. Anis Saggaff, MSCE Dian Cahyawati, M.SiNIP 19621028 198903 1 002 NIP 19730321 2000 12 2 001
    • ABSTRAK Salah satu permasalahan di dunia pendidikan nasional di Indonesia adalahmasalah putus sekolah. Angka putus sekolah yang paling tinggi adalah putussekolah pendidikan dasar (SD dan SLTP). Salah satu upaya pemerintah untukmenurunkan angka putus sekolah adalah dengan pemberian program beasiswa.Namun terdapat indikasi bahwa pendistribusian program beasiswa ini tidak tepatsasaran karena pemberian beasiswa belum mempertimbangkan status ekonomidan kriteria tertentu penerimanya. Kriteria calon penerima beasiswa dapatditentukan melalui faktor-faktor yang mempengaruhi dan besarnya tingkat risikoseseorang untuk putus sekolah. Hal ini dapat diperoleh melalui analisis metodeCHAID dan pemodelan regresi logistik. Analisis dilakukan terhadap 156 sampelanak usia sekolah pendidikan dasar hasil Survei tahun 2011 Kecamatan Indralaya.Hasil analisis metode CHAID menunjukkan bahwa faktor-faktor yangberpengaruh terhadap variabel status putus sekolah adalah Pendidikan KepalaKeluarga, Pendapatan Rumah Tangga dan Jenis Kelamin Anak. Hasil pemodelanregresi logistik melalui pengkategorian ulang variabel-variabel bebas denganmetode CHAID, diperoleh model terbaik untuk menduga besarnya tingkat risikoseseorang untuk putus sekolah yaitu : exp(−6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1)) π= 1 + exp( −6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1)) ABSTRAC One of problems in world education of national in Indonesian is drop outcase. The highest number of drop case is drop out of base education (primaryand secondary school). One of governmental efforts to decrease number of dropout is giving schoolarship program. But there are indication that thisschoolarship program distribution not fall into right target because of not yetconsidered economic status and selected criterion of his grantee candidate. Thegrantee candidate criterion can be determined by knowing the influence factors ofdrop out case and the magnitude of someone risk to drop out. Those thing can beobtained by analysis CHAID method and formulates logistic regression modelAnalysis conducted to 4568 school age child sampel of base education result ofSusenas year 2000 South Sumatera Province. The result of analysis CHAIDmethode indicate that the influence factors to drop out variable are allindependent variables which perceived, that are Education of Household Head(KRT), Proportion Expenditure of Food, Location, Amount of Children, Work ofKRT, and Gender child. The result of logistic regression model passingrecategory in dependent variables by CHAID method, obtained the best logisticregression estimated model to estimate someone risk to drop out. That is: exp(−6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1))π= 1 + exp(−6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1))
    • KATA PENGANTAR Bismillaahirrohmaanirrohiim Puji syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkanrahmat dan karunia-Nya sehingga penelitian ini berhasil diselesaikan dengansegala kemudahan dan kelancaran. Penelitian ini berjudul Pemodelan TingkatResiko Putus Sekolah Pendidikan Dasar Menggunakan Metode Chaid dan RegresiLogistik (Kasus: Indralaya Sebagai Ibu Kota Kabupaten Ogan Ilir SumateraSelatan). Penelitian ini merupakan penelitian Program Kreativitas Mahasiswa dibidang Penelitian (PKM-P) yang didanai dari dana DP2M Dikti, Tahun Anggaran2011. Laporan penelitian ini pada intinya berisikan tentang faktor-faktor yangberpengaruh terhadap tingkat risiko putus sekolah pendidikan dasar seseorangberdasarkan karakteristiknya. Berdasarkan faktor-faktor itu, selanjutnya dibentukmodel penduga tingkat risiko putus sekolah untuk mengetahui besarnya peluangseseorang putus sekolah. Hasil penelitian ini diharapkan dapat memberikan bahanpertimbangan dalam menentukan skala prioritas kriteria calon penerima beasiswa,sebagai salah satu upaya pemerintah dalam menurunkan angka putus sekolahterutama putus sekolah pendidikan dasar. Penulis mengucapkan terima kasih yang tidak terhingga kepada Ibu Prof.Dr. Badia Perizade, M.B.A selaku Rektor Universitas Sriwijaya, Bapak Dr. Ir. H.Anis Saggaff, MSCE selaku Pembantu Rektor III Universitas Sriwijaya, BapakDrs. Muhammad Irfan, M.T selaku Dekan Fakultas MIPA Universitas Sriwijaya,Bapak Drs. Endro Setyo Cahyono, M.Si selaku Pembantu Dekan III FakultasMIPA Universitas Sriwijaya, dan Dian Cahyawati, M.Si selaku dosenpembimbing atas segala bantuan dan dukungan baik moril dan materil atasterlaksananya penelitian ini. Ucapan terima kasih penulis sampaikan juga kepadasemua pihak yang telah membantu selesainya penelitian ini, yang tidak dapatpenulis tuliskan satu persatu. Semoga mendapatkan balasan dari Allah SWT,Yang Maha Mengetahui dan Maha Memiliki segalanya. Penulis menyadari bahwa laporan ini masih jauh dari sempurna, karenanyakritik dan saran dari berbagai pihak sangat diharapkan. Akhir kata, penulisberharap semoga hasil penelitian ini bermanfaat. Indralaya, Juni 2011 Penuli s
    • I. PENDAHULUAN 1.1. Latar Belakang Masalah Kondisi dunia pendidikan nasional di Indonesia merupakan salah satumasalah yang harus dihadapi dalam aktifitas-aktifitas Pembangunan Nasional.Terutama masih tingginya angka putus sekolah, akan menjadikan masalahpendidikan makin memburuk. Meskipun pada tahun 1994 pemerintah telahmencanangkan Wajib Pendidikan Dasar 9 tahun (pendidikan dasar SD dan SLTP),tetapi hingga saat ini belum seluruh penduduk yang berusia 7 – 15 tahunmengenyam pendidikan yang seharusnya mereka terima. Bahkan diperkirakanterdapat sekitar satu juta anak putus sekolah setiap tahunnya di Indonesia(Republika, 5 Pebruari 2002, dalam Cahyawati 2007). Demikian pula dapat diketahui dari data kependidikan yang tersedia diBadan Penelitian dan Pengembangan (Balitbang) Departemen PendidikanNasional, mengungkapkan bahwa selama tahun 1996/1997 – 1999/2000, rata-rataputus sekolah SD sekitar 800 ribu orang, antara 226 ribu – 390 ribu orang putussekolah di SLTP, serta 800 ribu hingga 1,1 juta orang lulusan SD tidakmelanjutkan ke SLTP setiap tahunnya. Angka melanjutkan lulusan SD setiaptahunnya hanya mencapai 67 – 75% (www.depdiknas.go.id). Menurut hasil penelitian Alifianto (2008) dalam Choiriyah (2009),ditunjukkan bahwa faktor-faktor yang menyebabkan anak putus sekolah adalahfaktor demografi, geografis, sosial budaya, dan ekonomi. Kondisi sosial ekonomiyang diperhatikan dalam data Sensus Ekonomi Nasional (Susenas) 2003, sepertijuga yang diperhatikan dalam penelitian Siswadi (2009), kondisi sosial ekonomimeliputi usia anak, jenis kelamin anak, jumlah anggota rumah tangga, usiaKepala Rumah Tangga (KRT), jenis tingkat pendidikan KRT, lokasi tempattinggal, lapangan usaha KRT, jenis pekerjaan KRT, pengeluaran rumah tanggaperbulan, jenis dan sektor pekerjaan KRT. Apabila faktor-faktor risiko tersebut dapat diketahui secara dini signifikansidan besar pengaruhnya terhadap kejadian putus sekolah, maka dapat ditentukanapakah seseorang memiliki kecenderungan untuk putus sekolah atau tidak.Apabila seorang anak terindikasi berisiko putus sekolah, maka dapat diantisipasidan diupayakan agar tidak mengalami putus sekolah, yaitu misalnya denganprogram beasiswa. Dengan memperhatikan faktor-faktor dominan dan tingkatresiko putus sekolah tersebut, maka pendistribusian beasiswa dapat tepat sasaran. Faktor-faktor dominan yang mempengaruhi seseorang tidak melanjutkansekolah dapat dianalisis dengan metoda CHAID sebagai metoda klasifikasi.Menggunakan metoda ini dapat diketahui faktor-faktor apa saja yangmempengaruhi tingkat risiko putus sekolah, mulai dari faktor yang paling kuatpengaruhnya terhadap tingkat risiko putus sekolah sampai faktor-faktor yanglemah pengaruhnya. Kemudian faktor-faktor ini dapat dimodelkan denganRegresi Logistik. Model Regresi Logistik akan menduga tingkat risiko seseorangtidak melanjutkan sekolah atau putus sekolah pendidikan dasar berdasarkan latarbelakang dan karakteristik seseorang tersebut. Melalui model ini, diharapkan peran dari Pemerintah dalam melaksanakanpembangunan pendidikan, terutama di Kecamatan Indralaya sebagai ibukotakabupaten. Kecamatan Indralaya merupakan kecamatan yang perlu diperhatikandalam perencanaan-perencanaan pembangunannya dan masalah-masalahpendidikan yang terjadi. Hal ini karena selain sebagai Ibukota Kabupaten,
    • Kecamatan Indralaya merupakan tempat adanya lembaga pendidikan tinggi negeriterkemuka di Sumatera Selatan, yaitu Universitas Sriwijaya. Sehingga melaluipendekatan model ini diharapkan dapat menjadi bahan informasi danpertimbangan bagi Pemerintah Daerah Indralaya untuk menentukan kebijakanyang terkait dengan pendidikan dasar, khususnya masalah putus sekolah.1.2. Perumusan Masalah Salah satu upaya pemerintah yang telah dilakukan untuk membantupembiayaan sekolah adalah adanya program pemberian beasiswa, dihapuskannyabiaya SPP dan uang pangkal di SD dan SLTP negeri. Namun pendistribusianbeasiswa ini harus mengacu pada kriteria-kriteria tertentu penerima beasiswa agartidak terjadi kesalahan pendistribusian. Sangat diharapkan bahwa besiswa inidapat diterima oleh orang yang benar-benar membutuhkan. Kriteria penerima beasiswa dapat mengacu pada faktor-faktor dominan yangmempengaruhi seseorang tidak melanjutkan sekolah. Berdasarkan besar kecilnyatingkat risiko yang dihitung dengan pendekatan model ini, maka dapat ditentukanskala prioritas calon penerima beasiswa.1.3. Tujuan Penelitian 1. Memperoleh faktor-faktor dominan yang mempengaruhi tingkat risiko seseorang putus sekolah pendidikan dasar di Kecamatan Indralaya. 2. Membuat model yang dapat menduga tingkat risiko putus sekolah pendidikan dasar seseorang berdasarkan faktor-faktor yang mempengaruhinya.1.4. Luaran yang Diharapkan Penerapan metode CHAID sebagai salah satu tehnik statistika dapatmenghasilkan faktor-faktor yang berpengaruh terhadap risiko putus sekolah,selanjutnya pemodelan Regresi Logistik dapat digunakan untuk mengetahuibesarnya risiko seseorang putus sekolah. Sehingga hasil penelitian secarakeseluruhan diharapkan dapat dijadikan rujukan untuk membuat skala prioritaspemberian beasiswa sebagai salah satu upaya menurunkan angka putus sekolahterutama putus sekolah pendidikan dasar 9 tahun. Hasil penelitian ini diharapkan dapat diterapkan pada siswa siswi SD danSLTP untuk segera mengetahui besarnya tingkat risiko seorang anak putussekolah pendidikan dasar, sehingga diharapkan dapat memberikan kontribusiuntuk menyelesaikan masalah pendidikan dalam Pembangunan Nasional.1.5. Kegunaan Penelitian 1. Memberikan masukan kepada pemerintah Kecamatan Indralaya dalam menyusun kebijakan pendidikan untuk menurunkan angka putus sekolah tingkat SD dan SMP, sehingga berdasarkan faktor – faktor yang signifikan diharapkan angka putus sekolah tingkat SD dan SMP dapat dikendalikan. 2. Memberikan alternatif pertimbangan untuk menentukan bantuan biaya pendidikan yang bertujuan untuk menghindari kejadian putus sekolah pendidikan dasar di Kecamatan Indralaya.
    • II. TINJAUAN PUSTAKA Metoda CHAID sebagai tehnik statistika dapat digunakan untuk menentukanklasifikasi faktor-faktor yang berpengaruh terhadap tingkat risiko putus sekolah.Pemodelan Regresi Logistik dapat digunakan untuk menghitung dan mengetahuhibesarnya tingkat risiko seseorang putus sekolah berdasarkan latar belakang dankarakteristik orang tersebut.2.1. Metode CHAID Metode CHAID (Chi-square Automatic Interaction Detection) merupakansalah satu tipe metode AID (Automatic Interaction Detection). AID adalah suatuteknik untuk menganalisis kelompok data berukuran besar dengan membaginyameojadi sub-sub kelompok yang tidak saling tumpang tindih (Kass, 1982). Teknikpemecahan kelompok menjadi beberapa sub kelompok dilakukan sedemikian rupasehingga diperoleh sub-sub kelompok yang secara maksimal saling berbeda(Huba, 2001). Proses pemecahan dan pengelompokkan dilakukan secara iteratif, dimulaidari peubah bebas yang mempunyai hubungan paling kuat dengan peubahtakbebas yang ditunjukan oleh besarnya nilai-p (p-value) berdasarkan uji khi-kuadrat. Analisis CHAID juga akan melakukan penggabungan kategori-kategoridalam satu peubah bebas yang tidak memiliki hubungan dengan peubah takbebas,sehingga hasil penggabungan itu menjadi kategori yang berpengaruh terhadappeubah takbebas.2.1.1. Algoritma Metode CHAID Proses pengelompokkan dengan metode CHAID ini menggunakan defaultbatas nilai-p = 0.05, artinya jika ada dua buah kategori/ kelompok yang memilikinilai-p ≥ 0.05 maka kategori itu akan digabung. Sedangkan untuk splitting,menggunakan default nilai-p < 0.10, artinya jika suatu kategori memberikan nilai-p kurang dari 0.10, maka kategori itu akan dipecah berdasarkankategori/kelompok lain. Melalui metode ini, akan dihasilkan peubah-peubah bebas yangberpengaruh terhadap peubah takbebas mulai dari yang paling tinggi keeratannyahingga yang paling rendah. Sedangkan untuk peubah bebas yang tidakberpengaruh terhadap peubah takbebas, maka peubah itu akan dikeluarkan Padaanalisis regresi, proses seperti ini dikenal dengan metode selection forward untukmenentukan peubah-peubah yang berpengaruh. Secara singkat algoritma CHAID adalah sebagai berikut (http://www.cbs.wl/en/services/autimp/appendix%201-tree-(autimp).pdf) :1. Untuk setiap peubah bebas cari pasangan kategori yang memiliki nilai-p paling besar.2. Bandingkan nilai-p itu dengan batas nilai-p yang telah ditetapkan, jika lebih besar maka gabungkan. Jika nilai-p terbesar masih lebih kecil dari batas nilai- p maka tidak ada kategori yang perlu digabungkan. Jika peubah bebas hanya memiliki dua kategori, dan apabila nilai-p yang ada lebih besar dari batas nilai-p, maka peubah ini dikeluarkan dari model. Lanjutkan proses ini sampai tidak ada lagi nilai pasangan kategori yang mempunyai nilai-p lebih besar dari batas nilai-p. Untuk peubah kategorik nominal, penggabungan dapat dilakukan antara kategori mana saja. Tetapi pada peubah berskala ordinal, penggabungan hanya dapat dilakukan antara kategori-kategori yang berurutan.
    • Apabila pada proses 2 ini terjadi penggabungan kategori kedalam suatu peubah, atau pengurangan jumlah kategori dari c kategori menjadi r kategori, maka nilai-p yang digunakan dikalikan dengan pengganda Bonferroni (B). Pengganda Bonferroni ini tergantung pada tipe peubah kategoriknya yaitu peubah nominal atau peubah ordinal. Untuk : I. Peubah Nominal i (r − i) r −1 c B = ∑(−1) . . .(1) i =0 i!(r − i )! II. Peubah Ordinal  c − 1 B =  r − 1  . . .(2)  3. Dari semua peubah bebas hasil proses 1 dan proses 2, cari peubah dengan nilai-p paling kecil sebagai peubah pertama yang masuk dalam model.4. Ulangi proses 1, 2 dan 3 untuk peubah bebas sisanya dengan menempatkan peubah bebas itu sebagai sub populasi berdasarkan kategori peubah yang terpilih. Metode ini menghasilkan suatu dendogram yang menggambarkan strukturhubungan peubah takbebas dan peubah bebas, interaksi antar peubah bebas danpengkategorian ulang peubah-peubah bebas.2.2. Regresi Logistik Model Logistik atau model logit telah digunakan secara luas dalam berbagaianalisis statistika terutama di bidang kesehatan dan bidang sosial. Model analisisini pertama kali digunakan oleh Truett, Cornfield dan Kannel pada tahun 1967(Hosmer & Lemeshow, 2000). Misalkan terdapat p peubah bebas X ′ = ( X 1 , X 2 ,  , X p ) yang berpasangandengan peubah takbebas Y yang bernilai 0 dan 1. Peluang Y=1 dinotasikan denganπ(X). Fungsi regresi logistik antara π(X) dan X adalah: exp[ g ( X )] π(X ) = , …(3) 1 + exp[ g ( X )]dengan g ( X ) = β0 + β1 X 1 + β2 X 2 +  + β p X p (Hosmer & Lemeshow,2000). Fungsi regresi di atas berbentuk curvilinear sehingga untuk membuatnyamenjadi fungsi linier dilakukan transformasi logit sebagai berikut (Agresti,2002):  π(X )  logit [π ( X )] = log   = g( X ) …(4) 1 − π ( X )  Pengujian terhadap parameter βi secara simultan dilakukan denganmenggunakan Uji Nisbah Kemungkinan (Likelihood Ratio Test) dari hipotesissebagai berikut: H0 : β0 = β1 = …= βp =0 H1 : ada βi ≠ 0 ; i=0,1, …, p Statistik uji yang digunakan adalah statistik G, yaitu:
    •   n1  n1  n0  n0        n n G = −2 ln  n     …(5)    ∏ π i i (1 − π i ) y 1− yi   i =1    n ndengan n1 = ∑Yi , n0 = ∑ (1 − Yi ), dan n = n0 + n1 . i =1 i =1 2 2 Kriteria ujinya adalah tolak H0 jika nilai G> X ( p −1,α) . Dimana X ( p −1,α)adalah sebaran X2 dengan derajat bebas (p-1). Sedangkan pengujian parameter βi secara parsial dilakukan dengan Uji Walddengan cara merasiokan βi dugaan dengan kesalahan bakunya. Hipotesis yangakan diuji adalah : H 0 : βi = 0 H1 : βi ≠ 0 ; i=0,1, …, p. Statistik uji yang digunakan adalah Statistik W, yaitu: ˆ βi W = ˆ ˆ SE βi( ) …(6) Kriteria ujinya adalah tolak H0, jika statistik W > sebaran normal baku. Dalam regresi logistik β1 menunjukkan perubahan nilai logit untuk setiapsatu unit perubahan pada peubah bebas X. Untuk model regresi logistik dengansatu peubah bebas dikotom dapat diilustrasikan dalam tabel berikut: Peubah BebasPeubah Tak Bebas X=1 X=0 exp( β 0 + β 1 ) exp( β 0 ) Y=1 π (1) = π ( 0) = 1 + exp( β 0 + β 1 ) 1 + exp( β 0 ) 1 1 Y=0 1- π (1) = 1- π (0) = 1 + exp( β 0 + β1 ) 1 + exp( β 0 ) Jumlah 1 1 Sumber: Hosmer & Lemeshow (2000) Nilai odds (rasio antara Y=1 dengan Y=0) untuk X=1 adalah [π(1)/1-π(1)],sedangkan untuk X=0 adalah [π(0)/1-π(0)]. Log dari kedua odds tersebutdidefinisikan sebagai g(1) dan g(0). Rasio odds (ψ) didefinisikan sebagai rasiodari odds untuk x=1 dengan x=0, sehingga: ψ= [π (1) / 1 − π (1)] = exp( β ) …(7) [ π ( 0) / 1 − π ( 0) ] 1  [π (1) / 1 − π (1)]  Lnψ = Ln   = g (1) − g (0) = β 1 = beda logit  [π (0) / 1 − π (0)]  Jadi, pada model logistik dengan satu peubah bebas dikotom koefesien β1adalah beda logit, sedangkan exp(β1) adalah nilai rasio odds (Hosmer &Lemeshow, 2000). Rasio odds (ψ)=1 berarti bahwa individu dengan nilai x=1 mempunyairisiko yang sama dengan individu dengan nilai x=0. Jika 1<(ψ)<∞ maka individu
    • dengan nilai x=1 mempunyai risiko yang lebih besar dibanding dengan individudengan nilai x=0. Sedangkan jika 0<(ψ)<1 maka individu dengan nilai x=1mempunyai risiko yang lebih kecil dibanding dengan individu dengan nilai x=0dalam kaitannya dengan Y=1 (Agresti, 2002).III. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah survei. Teknikpengambilan sampel yang digunakan adalah teknik pengambilan sampel acaksederhana, dimana terdapat 20 Desa di Kecamatan Indralaya, diambil 20% secaraacak diperoleh 4 desa, dari setiap desa diambil 10-15 Rumah Tangga (RT) secaraacak sehingga diperoleh 40-60 RT sebagai responden. Pengumpulan data primer dilakukan melalui pengisian kuesioner olehRumah Tangga yang mempunyai anak usia pendidikan dasar ( 7-15 tahun). Hal-hal yang ditanyakan berkaitan dengan karakteristik sosial ekonomi keluarga darianak usia sekolah pendidikan dasar baik yang putus sekolah maupun yang tidak. Variabel tak bebas (dependent) yang diamati adalah status putus sekolah (Y= 1) atau melanjutkan sekolah (Y = 0). Sedangkan variabel-variabel bebas yangdiamati adalah : 1. Jenis Kelamin 2. Pendidikan Terakhir Kepala Keluarga 3. Jenis Pekerjaan Kepala Keluarga 4. Jumlah Anak dalam Keluarga 5. Pendapatan Rumah TanggaIV. PELAKSANAAN PROGRAM4.1. Tempat dan Waktu Pelaksanaan Tempat penelitian adalah wilayah Kecamatan Indralaya Kabupaten OganIlir. Waktu penelitian dimulai dari bulan Februari 2011- bulan Juni 2011.4.2. Jadwal Faktual Pelaksanaan Berikut adalah tabel yang berisikan rancangan kegiatan penelitian yangtelah dilakukan. Tabel 1. Rancangan dan Jadual Kegiatan Penelitian Waktu (Bulan) No. Uraian Kegiatan 1 2 3 4 5 1. PERSIAPAN 1. Pengumpulan, Penelusuran Referensi u/ Studi Pustaka 2. PELAKSANAAN 1. Pengumpulan Data primer 2. Setting dan Input Data 3. Membuat Program Treedisc utk Data Amatan 4. Pengolahan Data menggunakan Metode CHAID 5. Pembentukan Model Regresi Logistik 6. Deskripsi dan Interpretasi Hasil 3. PENYUSUNAN DAN PEMBUATAN LAPORAN 1. Pembuatan Draft Laporan Penelitian 2. Penyusunan Laporan Penelitian Akhir
    • 3. Penggandaan Laporan 4. SEMINAR dan PUBLIKASI HASIL PENELITIAN4.3. Instrumen Pelaksanaan Instrumen pelaksanaan dalam penelitian ini menggunakan program makroTREEDISC yang ditulis pada paket program SAS versi 6.12 untuk analisismetode CHAID, sedangkan pemodelan Regresi Logistik menggunakan paketprogram statistik SPSS versi 15.4.4. Rancangan dan Realisasi Biaya Biaya yang telah dikeluarkan untuk kegiatan penelitian ini adalah sebesarRp 5.500.000.00 (Lima juta lima ratus ribu rupiah), dengan rincian seperti padaTabel 2 berikut. Tabel 2. Rincian Biaya PenelitianNo. Komponen Biaya Biaya Total Biaya 1 KEGIATAN PERSIAPAN 1. Penelusuran dan Pengumpulan Referensi Buku, Jurnal, Internet Rp400.000 2. Satu unit ATK x Rp 100.000 Rp100.000 3. Peach Catridge 2 buah x Rp 200.000 Rp400.000 4. Kertas A4 2 rim x Rp 35.000 Rp70.000 5. Tinta 4 kotak x Rp 20.000 Rp80.000 Rp1.050.000 2 PELAKSANAAN PENELITIAN 1. Fotokopy Draf Proposal 15 lembar x 4 rangkap Rp 10.000 2. Papan Survei 3 buah x Rp 10.000 Rp 30.000 3. Fotokopy Kuesioner 4 lembar x 100 x Rp 150 Rp 60.000 4. Sewa Ojeg Motor untuk pengambilan data primer 3 Motor x 4 hari x Rp 100.000 Rp 1.200.000 5. Konsumsi pelaksanaan survei 6 org x 4 hari x Rp 25.000 Rp 600.000 6. “gift” Responden 50 RT x Rp 10.000 p 500.000 7. Setting, Input , Pengolahan dan Analisis Data 3 org x 30 hari x Rp 10,000 Rp 900.000 Rp 3.300.000 3 PEMBUATAN LAPORAN PENELITIAN 1. Penyusunan Draf Laporan Monev Rp100.000 2. Pembuatan Laporan Akhir Rp250.000 3. Penggandaan Laporan Akhir Rp400.000 4. Pengiriman Laporan Akhir Rp200.000 5. Publikasi Hasil : Jurnal (PKMP– FMIPA Unsri) Rp100.000 Rp1.150.000 Total Biaya yang Diperlukan Lima Juta Lima Ratus Ribu Rupiah Rp5.500.000
    • V. HASIL DAN PEMBAHASAN5.1. Deskripsi Data Berdasarkan teknik penarikan sampel, diperoleh sebanyak 50 KK dariempat desa yang terpilih sebagai sampel, yaitu desa Indralaya Raya, DesaPenyandingan, Desa Tanjung Seteko dan Desa Ulak Segelung. Dari 50 KK inidiperoleh sampel anak sebanyak 156 anak, dengan anak yang berusia 7-15 tahunsebanyak 85 anak, baik yang masih sekolah maupun yang putus sekolah. Profil 85sampel anak usia sekolah pendidikan dasar (usia 7-15 tahun) berdasarkankarakteristik yang diamati dan ukuran asosiasi dengan variabel terikatditampilakan pada tabel 2. Tabel 2. Profil Anak Usia Sekolah Pendidikan Dasar Propinsi Sumatera Selatan Status Sekolah Ukuran Asosiasi Persentase Variabel Jumlah Koef. Putus Tidak (%) p-value KontJumlah Sampel 11 74 85 12.94 Perempuan 9 38 47 19.15Jenis Kelamin 0.206 0.059 Laki-laki 2 36 38 5.26 Minimal SD 9 18 27 33.33Pendidikan SLTP 2 45 47 4.26 0.392 0.000Kepala Keluarga SLTA 0 3 3 0.00 PT 0 11 11 0.00 Berdagang 0 12 12 0.00 Bertani 7 32 39 17.95Pekerjaan Kepala Swasta 3 12 15 20.00 -0.015 0.890Keluarga PNS 0 3 3 0.00 Lainnya 1 15 16 6.25 <=500000 10 25 35 28.57Pendapatan 500000< Pdptn <= 1 38 39 0.373 0.000Rumah Tangga 1000000 2.56 > 1000000 0 11 11 0.00 1-2 2 27 29 6.90Jumlah Anak 3-4 3 25 28 10.71 -0.177 0.106 >4 6 22 28 21.43 Tabel 2. menunjukan persen dari anak usia sekolah pendidikan dasar yangputus sekolah memiliki karakteristik utama: berjenis kelamin perempuan,pendidikan Kepala Keluarga (KK) minimat tamat Sekolah Dasar, dan PendapatanKK kurang dari Rp.500.000,-. Dua variabel lainnya, yaitu variabel Jenis PekerjaanKK dan jumlah anak terlihat tidak memiliki hubungan langsung yang signifikandengan tingkat putus sekolah pendidikan dasar. Hal ini terlihat dari nilai p-valueyang lebih besar dari 10%.5.2. Analisis Hasil Metode CHAID Hasil analisis CHAID menghasilkan suatu kategori baru pada masing-masing variabel bebas dan dendogram yang menggambarkan pengelompokkanberdasarkan hubungan berstruktur variabel terikat dengan variabel-variabel bebas.Proses penggabungan nilai-nilai kategori pada masing-masing variabel denganmetode CHAID ini menggunakan default batas nilai-p = 0.05, artinya jika ada dua
    • buah kategori/kelompok yang memiliki p-value > 0.05 maka kategori itu akandigabung. Sedangkan untuk splitting, menggunakan default nilai-p < 0.1, artinyajika suatu kategori memberikan p-value kurang dari 0.1, maka kategori itu akandipecah berdasarkan kategori lain. Proses perhitungan dan pembentukan dendogram pada metode CHAIDdilakukan dengan menggunakan program macro TREEDISC pada SAS 6.12.Dendogram hasil metode CHAID tersebut terlihat seperti pada Gambar 1. SPL: STATSKOL VAL: 0 1 COU: 74 11 PVA: 0.0004 0.0007 SPL: PDDKK SPL: PDDKK VAL: 1 VAL: 2 3 4 COU: 189 41 PVA: 0.3276 COU: 56 2 0.3340 PVA: 0.1859 0.4880 SPL: JK SPL: JK SPL: PDPRT SPL: PDPRT VAL: 0 VAL: 1 VAL: 1 VAL: 2 3 COU: 13 COU: 5 7 COU: 12 COU: 2 PVA: 0.3964 2 44 0 PVA: 0.3596 0.4076 PVA: 0.1859 PVA: 0.8401 0.4880 Gambar 1. Dendogram Status Putus Sekolah Pendidikan Dasar Hasil Metode CHAID5.2.1. Pengkategorian Ulang pada Variabel Bebas dengan Metode CHAID Pada penelitian ini ada lima variabel bebas yang dianalisis, dari enamvariabel diperoleh bahwa ada tiga variabel bebas yang berpengaruh terhadapvariabel terikat. Hasil kategori baru pada variabel-variabel bebas dengan metodeCHAID adalah sebagai berikut 1. Jenis Kelamin (JK) dari 2 kategori tetap menjadi 2 kategori, yaitu: (0) Laki-laki dan (1) Perempuan 2. Pendidikan KK (PDDKK) dari 4 kategori berubah menjadi 2 kategori, yaitu: (1) minimal tamat SD dan (2,3,4) tamat SLTP ke atas. 3. Pendapatan Rumah Tangga (PDPRT) dari 3 kategori berubah menjadi 2 kategori, yaitu: (1) adalah rumah tangga dengan pendapatan kurang dari Rp.500.000,- dan (2,3) adalah rumah tangga dengan pendapatan lebih dari Rp.500.000,-.5.2.2. Faktor-Faktor yang Berpengaruh terhadap Risiko Putus Sekolah Berdasarkan Gambar 1, dapat dijelaskan sebagai berikut: 1) Faktor utama yang paling kuat pengaruhnya terhadap tingkat putus sekolah seseorang adalah Pendidikan Kepala Keluarga. Dari 4 kategori, diperoleh 2 kategori yang saling beda secara statistik, yaitu: kategori pertama minimal tamat SD dan kategori kedua tamat SLTP ke atas. 2) Kategori pertama dari pendidikan KK, dipengaruhi oleh jenis kelamin anak dalam rumah tangga, dimana untuk jenis kelamin perempuan
    • cenderung lebih rendah pendidikannya dibandingkan dengan laki-laki dalam kontribusinya terhadap tingkta putus sekolah. 3) Kategori kedua dari pendidikan KK, dipengaruhi oleh pendapatan Rumah Tangga, hal ini terdapat kecenderungan bahwa semakin kecil pendapatan rumah tangga maka semakin besar pula resiko seseorang terhadap putus sekolah. Apabila dilihat secara keseluruhan, dendogram pada Gambar 1., secaraumum dapat disimpulkan bahwa faktor-faktor yang mempengaruhi tingkat risikoputus sekolah pendidikan dasar adalah tingkat Pendidikan Kepala Keluarga,Pendapatan Rumah Tangga, dan Jenis Kelamin. Faktor-faktor yang berpengaruh terhadap tingkat risiko putus sekolahpendidikan dasar hasil analisis metode CHAID di atas dapat memberikan petunjukuntuk menentukan kebijakan dalam memberikan bantuan dana atau programbeasiswa sebagai salah satu upaya pemerintah untuk menurunkan angka putussekolah di Indonesia khususnya di Kecamatan Indralaya.5.3. Pembentukan Model Regresi Logistik Bentuk model regresi logistik untuk status putus sekolah, berdasarkanpenelitian yang telah dilakukan dapat dituliskan pada persamaan di bawah ini: exp(−6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1))π= 1 + exp(−6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1)) Berdasarkan model dapat dicari peluang putus sekolah seorang, misalkan,seorang anak yang berasal dari kepala rumah tangga dengan pendidikan SD,pendapatan rumah tangganya dibawah Rp.500.000,-, dan berjenis kelaminperempuan, maka peluang risiko putus sekolahnya adalah: exp(−6.288 + 2.364(1) + 2.282(1) + 2.389(1)) π= 1 + exp(−6.288 + 2.364(1) + 2.282(1) + 2.389(1)) exp(0.747) π= 1 + exp(0.747) 2.111 π= =0.679 1 + 2.111 Jadi risiko putus sekolah seorang anak yang berasal dari karakteristiktersebut di atas adalah 0,679 (67,9%). Anak tersebut memiliki tingkat risiko yanglebih kecil untuk tidak putus sekolah yaitu sebesar 32,1%. Demikian seterusnya untuk anak-anak usia sekolah dengan latar belakangrumah tangga dan karakteristiknya yang lain, masing-masing dapat diketahuibesarnya tingkat risiko untuk putus sekolah. Sehingga melalui pemodelan regresilogistik di atas, dapat ditentukan kriteria penerima bantuan dana atau beasiswasebagai salah satu upaya pemerintah untuk menurunkan tingkat atau angka putussekolah di Indonesia khususnya di Kecamatan Indralaya sebagai Ibu KotaKabupaten Ogan Ilir, dan sebagai tempat adanya perguruan tinggi negeriterkemuka di Provinsi Sumatera Selatan, yaitu Universitas Sriwijaya. Calon penerima beasiswa diutamakan adalah anak-anak yang memilikitingkat risiko yang besar berdasarkan kriteria pada model. Sehingga beasiswayang diberikan, bukan saja sebagai reward bagi seseorang yang berprestasi tetapi
    • lebih utama diberikan kepada mereka yang memiliki risiko besar untuk putussekolah.VI. KESIMPULAN DAN SARAN6.1. Kesimpulan 1. Hasil dari metode CHAID menunjukkan bahwa faktor-faktor yang berpengaruh terhadap tingkat risiko putus sekolah pendidikan dasar pada anak usia 7-15 tahun di Kecamatan Indralaya adalah latar belakang pendidikan Kepala Keluarga, Pendapatan Rumah Tangga, dan Jenis Kelamin Anak. 2. Model terbaik yang dapat digunakan untuk menduga tingkat risiko putus sekolah pendidikan dasar adalah: exp(−6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1)) π= 1 + exp( −6.288 + 2.364 PDDKK (1) + 2.282 PDPRT (1) + 2.389 JK (1)) Pemodelan regresi logistik di atas, dapat ditentukan kriteria penerima bantuan dana atau beasiswa sebagai salah satu upaya pemerintah untuk menurunkan tingkat atau angka putus sekolah di Kecamatan Indralaya.6.2. Saran 1. Penentuan program beasiswa hendaknya tidak lagi hanya ditujukan bagi siswa yang memiliki prestasi pendidikan yang baik saja, tetapi diprioritaskan juga bagi anak-anak yang memiliki tingkat risiko tinggi untuk putus sekolah. Sehingga terjadinya putus sekolah dapat dihindari. 2. Penentuan kriteria calon penerima bantuan beasiswa hendaknya mengacu pada indikator yang objektif dan terukur, namun tetap mudah untuk diterapkan.VII. DAFTAR PUSTAKAAgresti, A., 2002, “Categorical Data Analysis”, John Wiley & Sons, New York.Choiriyah,N.I, 2009, Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara. http://digilib.its.ac.id/public/ITS- Undergraduate-9313-Paper.pdf, diakses tanggal 2 Oktober 2010.Cahyawati, D, 2007, Karakteristik Anak Putus Sekolah Pendidikan Dasar (Kasus: Analisis Data Susenas Tahun 2000 Provinsi Sumatera Selatan). Jurnal Penelitian Sains, Fakultas MIPA Universitas Sriwijaya. Palembang.Hosmer, D.W. & Lemeshow, S. 2000, “Applied Logistic Regression”, John Wiley & Sons Inc, New York.Huba, G.J, 2001, “CHAID”, http://www.themeasurment.com/definitions/ CHAID.htmSiswadi, 2009, Analisis Regresi Logistik Biner Bivariat pada Partisipasi Anak dalam Kegiatan Ekonomi dan Sekolah di Jawa Timur, http://digilib.its.ac.id, diakses tanggal 2 Oktober 2010.
    • LAMPIRAN Lampiran 1. Kuesioner Penelitian I. IDENTITAS RESPONDEN 1. Nama Kepala Rumah Tangga (KRT) : ………………… (boleh tidak diisi) 2. Umur KRT : ………………………………………… 3. Alamat : ……………….………………… (Desa) II. KARAKTERISTIK RESPONDEN 5. Pendidikan KRT[ ] Tidak Tamat SD [ ] SLTP [ ] Perguruan Tinggi[ ] Tamat SD [ ] SLTA 6. Pendidikan Ibu[ ] Tidak Tamat SD [ ] SLTP [ ] Perguruan Tinggi[ ] Tamat SD [ ] SLTA 7. Status Pekerjaan KRT [ ] Bekerja [ ] Tidak Bekerja Jenis Pekerjaan KRT : [ ] Berdagang [ ] Bertani [ ] Bekerja di swasta [ ] PNS [ ] Lainnya, ................................................ 8. Status Pekerjaan Ibu [ ] Bekerja [ ] Tidak Bekerja Jenis Pekerjaan Ibu : [ ] Berdagang [ ] Bertani [ ] Bekerja di swasta [ ] PNS [ ] Lainnya, ................................................ 9. Rata-rata Pendapatan Rumah Tangga dalam Satu Bulan : Rp …………….……………………………………..….. 10. Rata-rata Pengeluaran Rumah Tangga dalam Satu Bulan : Rp …………….……………………………………..….. 11. Jumlah Anak : .............Laki-Laki ............. Perempuan III. KARAKTERISTIK ANAK Anak Jenis Status Kelas Nama Anak Usia ke Kelamin Sekolah Berapa (1) (2) (3) (4) (5) (6) 1 2 3 4 5
    • Lampiran 2. Dokumentasi Pelaksanaan
    • Lampiran 3. Biodata Tim Pelaksana1 Ketua Pelaksana. a. Nama : Didin Astriani Prasetiowati b. NIM : 08071001018 c. Angkatan : 2007 d. Jurusaan : Matematika e. Fakultas/Program Studi : MIPA/Matematika f. Perguruan Tinggi : Universitas Sriwijaya (Unsri) g. Alamat Perguruan Tinggi : Indralaya h. Alamat Rumah : Komplek Serumpun Indah A2-11 Indralaya Ogan Ilir 30662 i. No Hp : 085273778320 j. E-mail : Astriani59@gmail.com2 Anggota Peneliti I. a. Nama : Nafitallia b. NIM : 08081001014 c. Angkatan : 2008 d. Jurusaan : Matematika e. Fakultas/Program Studi : MIPA/Matematika f. Perguruan Tinggi : Universitas Sriwijaya (Unsri) h. Alamat Rumah Jl. Tembok Baru Lorong Sepakat No.529 10 Ulu Palembang 30251 i. No Hp 085664883794 j. E-mail Nafi_andika@yahoo.com3. Anggota Peneliti II a. Nama : Rahmat Kurniadi b. NIM : 08091001015 c. Angkatan : 2009 d. Jurusaan : Matematika e. Fakultas/Program Studi : MIPA/Matematika f. Perguruan Tinggi : Universitas Sriwijaya (Unsri) h. Alamat Rumah Komplek Serumpun Indah A2 No.13 Indralaya Ogan Ilir 30662 i. No Hp 085742759002 j. E-mail - 4. Dosen Pendamping 1.1. Nama Lengkap : Dian Cahyawati S., M.Si 1.2. Jabatan Fungsional : Lektor 1.3. NIP : 197303212000122001 1.4. Tempat dan Tanggal Lahir : Bandung, 21 Maret 1973 1.5. Alamat Rumah : Komplek Serumpun Indah A2-11 Indralaya Ogan Ilir 30662 1.6. No. Telpon/Faks : 0711580093 1.7. No. Hp : 08157117885
    • 1.8. Alamat Kantor : Kampus Unsri Indralaya, Jl. Raya Palembang Prabumulih Km.32 Indralaya Ogan Ilir1.9. Nomor Telepon/Fax : 07115807651.10. Alamat e-mail : Dian_cahyawati@yahoo.comII. Riwayat Pendidikan2.1. Program S1 S22.2. Nama PT Universitas Institus Pertanian Bogor Padjadjaran2.3. Bidang Ilmu Matematika Statistika2.4. Tahun Masuk 1992 19992.5. Tahun Lulus 1997 2003III. Pengalaman PenelitianNo. Tahun Judul Penelitian Pendanaan (Sumber, Jumlah) 1. 2006 Karakteristik Anak Putus Sekolah Dikti, Rp 9,5 Juta Pendidikan Dasar ( Kasus: Analisis Data Susenas Tahun 2000 Provinsi Sumatera Selatan) 2. 2007 Karakteristik Wanita Perajin Tenun Dikti, Rp 10 Juta Songket dan Kontribusinya terhadap Pendapatan Rumah Tangga (Studi Kasus Wanita Perajin Tenun Songket di Kecamatan Indralaya Kabupaten Ogan Ilir Sumatera Selatan) 3. 2008 Penentuan Keberhasilan Kontraktor Dikti, Rp 9,65 Juta dalam Proses Prakualifikasi Menggunakan Model Analisis Diskriminan 4. 2009 Analisis Faktor-Faktor yang DIPA Unsri, Rp 6 Juta Mempengaruhi Kualitas Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas SriwijayaIV. Mata Kuliah yang Diampu 1. Analisis Regresi Mulai Semester Genap 2004/2005 s.d sekarang 2. Statistika Nonparametrik Mulai Semester Genap 2004/2005 s.d sekarang 3. Desain Eksperimen Mulai Semester Ganjil 2004/2005 s.d sekarang 4. Pengtr.Proses Stokastik Semester Ganjil 2006/2007 5. Analisis Data Katagorik Mulai Semester Ganjil 2008/2009 s.d. sekarang 6. Komputasi Statistika Mulai Semester Ganjil 2008/2009 s.d. sekarang Indralaya, 22 Juni 2011 Mengetahui, Dosen Pendamping Dian Cahyawati, M.Si NIP 19730321 2000 12 2 001