MODEL REGRESI LOGISTIK BINER UNTUK IDENTIFIKASI
FAKTOR-FAKTOR YANG MEMPENGARUHI SISWA MASUK
JURUSAN IPA/IPS
(Studi Kasus : Siswa kelas XI SMAN 2 Bogor, Jawa Barat)
EKO YUDHI PRASETYO
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRACT
EKO YUDHI PRASETYO. Binary Logistic Regression Model to Identify Factors Affecting Student Programs IPA Login / IPS. Guided by MOHAMMAD MASJKUR and LA ODE ABDUL RAHMAN.
One direction is desired for students and parents is the science classes. On the one hand, this course allows the student has a choice of majors in universities more than other majors and a lot of work to only accept students from science classes. Ironically, many students who choose to major in science but does not support the student's ability. Dealing with the issue, it must be examined factors that influence students major in science. One method used to analyze the factors that affect students entering the science classes of binary logistic regression. Response variables used in this study categorical form of data on the status of the incoming students are students majoring in science or social studies. The data used in this study is population data class XI of SMAN 2 Bogor, West Java, the academic year 2012/2013. The number of total population is 279 students. Results of analysis of this study is binary logistic regression models produce values overall classification accuracy of 92.8% for the model classification table and 92.7% for the ROC curve. Explanatory variables used in this study a total of 18 explanatory variables and the explanatory variables are eight ties associated with variable responses to the real level of 5%. Wald test results obtained by the three explanatory variables that significantly influence the status of the students choose a major motivation, student aspirations and students are happy with the lesson or not exact.
RINGKASAN
Eko Yudhi Prasetyo. Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi Siswa Masuk Jurusan IPA/IPS. Dibimbing oleh MOHAMMAD MASJKUR dan
LA ODE ABDUL RAHMAN.
Salah satu jurusan yang sangat diinginkan siswa dan orang tua adalah jurusan IPA. Di satu pihak, jurusan ini memungkinkan siswa memiliki pilihan jurusan yang lebih banyak di Perguruan Tinggi daripada jurusan lain dan banyak pekerjaan yang hanya menerima siswa dari jurusan IPA. Ironisnya, banyak siswa yang memilih masuk jurusan IPA tetapi kemampuan siswa tersebut tidak mendukung. Berhubungan dengan masalah tersebut, maka harus ditelaah faktor-faktor yang mempengaruhi siswa tersebut masuk jurusan IPA. Salah satu metode yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi siswa masuk jurusan IPA yaitu regresi logistik biner. Peubah respon yang digunakan dalam penelitian ini berupa data kategorik tentang status siswa yaitu siswa tersebut masuk jurusan IPA atau IPS. Data yang digunakan dalam penelitian ini adalah data populasi siswa kelas XI SMAN 2 Bogor, Jawa Barat tahun ajaran 2012/2013. Jumlah populasi keseluruhan yaitu 279 siswa. Hasil analisis dari penelitian ini adalah model regresi logistik biner menghasilkan nilai ketepatan pengklasifikasian keseluruhan model sebesar 92.8% untuk tabel klasifikasi dan sebesar 92.7% untuk kurva ROC. Peubah penjelas yang digunakan dalam penelitian ini sebanyak 18 peubah penjelas dan terdapat delapan peubah penjelas yang memiliki hubungan asosiasi dengan peubah respon pada taraf nyata 5%. Hasil uji Wald diperoleh tiga peubah penjelas yang berpengaruh signifikan terhadap status siswa yaitu motivasi memilih jurusan, cita-cita siswa dan siswa senang dengan pelajaran eksakta atau tidak.
MODEL REGRESI LOGISTIK BINER UNTUK IDENTIFIKASI
FAKTOR-FAKTOR YANG MEMPENGARUHI SISWA MASUK
JURUSAN IPA/IPS
(Studi Kasus : Siswa kelas XI SMAN 2 Bogor, Jawa Barat)
EKO YUDHI PRASETYO
Skripsi
sebagai salah satu syarat memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul : Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi Siswa Masuk Jurusan IPA/IPS
Nama : Eko Yudhi Prasetyo NRP : G14080035
Menyetujui :
Pembimbing I,
Ir. Mohammad Masjkur, MS NIP : 196106081986011002
Pembimbing II,
La Ode Abdul Rahman, S.Si, M.Si
Mengetahui :
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si NIP : 196504211990021001
PRAKATA
Puji syukur penulis panjatkan kehadirat Allah SWT atas segala berkah dan rahmat-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Karya ilmiah ini berjudul ”Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi Siswa Masuk Jurusan IPA/IPS”. Karya ilmiah ini penulis susun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Penulisan karya ilmiah ini dapat diselesaikan oleh penulis tidak lepas dari dukungan, bimbingan dan bantuan dari banyak pihak yang sangat berarti bagi penulis. Oleh karena itu, dalam kesempatan ini penulis menyampaikan ucapan terima kasih kepada:
1. Bapak Dr. Ir. Hari Wijayanto, M.Si selaku Ketua Departemen Statistika FMIPA IPB. 2. Bapak Ir. Mohammad Masjkur, MS dan Bapak La Ode Abdul Rahman, S.Si, M.Si selaku
dosen pembimbing yang telah memberikan bimbingan, masukan dan arahan selama penulisan karya ilmiah ini.
3. Bapak Bagus Sartono, S.Si, M.Si selaku dosen penguji luar yang telah memberikan masukan dan arahan kepada penulis.
4. Seluruh Staf Pengajar Departemen Statistika yang telah memberikan ilmu dan wawasan selama penulis menuntut ilmu di Departemen Statistika serta seluruh staf Departemen Statistika yang telah banyak membantu penulis.
5. Kedua orang tua, segenap keluarga besar, Mas Rohim dan Mas Rofiq yang telah memberikan doa, kasih sayang serta dorongan baik moril maupun materil.
6. Elly Trihadi Utami yang telah memberikan support dan doa dalam menyelesaikan karya ilmiah ini.
7. Teman-teman seperjuangan statistika khususnya statistika 45 yang telah bersama-sama dalam segala suka maupun duka.
8. Teman satu kosan Ferry Antoni MS (STK45), Lukman Maulana Yusuf (STK45), Fauzan Nurrahman (GFM45) dan Abdurohman raither (GM45) yang telah memberikan dukungan selama penulis menyelesaikan karya ilmiah ini.
9. Seluruh siswa kelas XI SMAN 2 Bogor yang telah bersedia menjadi objek penelitian karya ilmiah ini
Semoga karya ilmiah ini dapat memberikan manfaat bagi semua pihak. Amin.
Bogor, Oktober 2012
RIWAYAT HIDUP
Penulis dilahirkan di Jember, Jawa Timur pada tanggal 4 Mei 1989 dari pasangan Sud’jai dan Sri Tunggal. Penulis merupakan anak pertama dan sekaligus sebagai anak tunggal. Tahun 1998 penulis lulus dari TK Dharmawanita Yosowilangun Kidul, Jawa Timur, kemudian melanjutkan studi di SDN 01 Yosowilangun Kidul, Jawa Timur hingga tahun 2003, setelah itu penulis melanjutkan studi di SLTPN 01 Yosowilangun Kidul, Jawa Timur dan lulus di tahun 2005. Selanjutnya, penulis menyelesaikan pendidikan di SMAN 2 Lumajang dan lulus pada tahun 2008. Pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor melalui jalur USMI. Setelah satu tahun menjalani perkuliahan di TPB, pada tahun 2008 penulis diterima sebagai mahasiswa Departemen Statistika, FMIPA IPB dengan pilihan minor Ilmu Ekonomi dan Studi Pembangunan.
DAFTAR ISI
Halaman
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... viii
DAFTAR LAMPIRAN ... viii
PENDAHULUAN ... 1
Latar Belakang ... 1
Tujuan ... 1
TINJAUAN PUSTAKA ... 1
Regresi Logistik Biner ... 1
Evaluasi Keakuratan Model ... 3
METODOLOGI ... 3
Data ... 3
Metode ... 4
HASIL DAN PEMBAHASAN ... 4
Deskripsi Karakteristik Responden ... 4
Regresi Logistik Biner ... 6
Interpretasi Koefisien ... 7
Hasil Evaluasi Keakuratan Model ... 7
PENUTUP ... 8
Kesimpulan ... 8
Saran ... 8
DAFTAR PUSTAKA ... 8
DAFTAR GAMBAR
Halaman
1 Kurva ROC ...3
2 Sebaran responden menurut jurusan yang dipilih ...4
3 Sebaran jenis kelamin siswa ...4
4 Sebaran keikutsertaan siswa dalam organisasi ...5
5 Sebaran minat siswa menurut jurusan di Perguruan Tinggi ...5
6 Sebaran cita-cita siswa ...5
7 Sebaran pekerjaan ayah siswa .. ...5
8 Sebaran pendidikan terakhir ayah siswa … ...6
9 Kurva keseluruhan model ROC .. ...8
DAFTAR TABEL Halaman 1 Tabel kesesuaian klasifikasi ...3
2 Tabel kontingensi antara motivasi siswa memilih jurusan dan pilihan jurusan...5
3 Peubah penjelas yang lain … ...6
4 Statistik Uji Wald ...7
5 Hasil Uji Chi-Square (Goodness of fit test) .. ...7
6 Nilai Nagelkerke R Square…. ...7
7 Klasifikasi keseluruhan model status siswa (Cut Off 0.5) ...8
8 Area dibawah kurva ROC (Cut Off 0.5) ...8
DAFTAR LAMPIRAN Halaman 1 Bentuk kuesioner ... 10
2 Data primer yang diperoleh beserta peubah penjelasnya ... 11
3 Kategori ulang peubah penjelas ... 13
4 Asosiasi antara peubah respon dengan peubah penjelas ... 14
5 Asosiasi antar peubah penjelas ... 15
6 Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk … ... 16
7 Hasil statistik Uji-G dari delapan peubah penjelas dengan taraf nyata 5% ... 17
8 Hasil statistik Uji Wald dari delapan peubah penjelas menggunakan backward elimination.. .. 17
9 Hasil statistik Uji-G dari empat peubah penjelas yang nyata dengan taraf nyata 5% ... 19
1
PENDAHULUAN
Latar belakang
Sepanjang perkembangan pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang yang dipilih menjadi Jurusan yaitu Ilmu Pengetahuan Alam (IPA) dan Ilmu Pengetahuan Sosial (IPS). Pergantian kurikulum dari tahun ke tahun, mulai dari kurikulum 1968, 1975, 1984, 1994, sampai dengan yang terakhir yaitu kurikulum 2004, tetap memberlakukan penjurusan sebagai bagian integral untuk mencapai tujuan pendidikan yakni mewujudkan potensi anak sesuai dengan kemampuannya pada masing-masing gugus ilmu pengetahuan.
Kebijakan Kementerian Pendidikan Nasional menetapkan penjurusan di SMA seperti yang telah disebutkan di atas, yang memang acap kali menimbulkan masalah karena penjurusan SMA itu berkaitan dengan hajat publik yang penting dan kompleks. Hajat publik itu penting karena penjurusan berarti pengarahan haluan hidup seseorang seperti jenis pekerjaan, nilai yang dianut serta kepribadian yang mengembannya. Hajat publik itu kompleks karena penjurusan itu menyangkut kecerdasan serta kemampuan manusia untuk belajar, selain juga menyangkut persaingan kelas sosial karena penjurusan dipandang sebagai peletakan posisi siswa dan keluarganya dalam masyarakat, bahkan juga menyangkut pengendalian emosi dalam arti apakah orang tua dan siswa dapat menerima jika siswa tidak masuk jurusan yang diinginkan.
Salah satu jurusan yang sangat diinginkan siswa dan orang tua adalah jurusan IPA. Di satu pihak, jurusan ini memungkinkan siswa memiliki pilihan jurusan yang lebih banyak di perguruan tinggi daripada jurusan lain dan banyak pekerjaan yang hanya menerima siswa dari jurusan IPA, sehingga tanpa disadari juga diikuti oleh prestise sosial dalam arti bahwa siswa dan keluarganya digolongkan sebagai orang pintar. Namun di pihak lain, materi pelajaran IPA tidak mudah bagi banyak siswa sehingga sering menimbulkan masalah antara keinginan dan kemampuan, antara prestasi dan pencapaian kriteria penjurusan atau kelulusan, di samping muncul kecenderungan pemaksaan kemampuan dengan mewajibkan siswa untuk mengikuti pelajaran tambahan, serta akibat-akibat psikologis lain yang menyertainya.
Tujuan
Tujuan dari penelitian ini adalah menggunakan model regresi logistik biner untuk identifikasi faktor-faktor yang mempengaruhi seorang siswa masuk jurusan IPA atau IPS dengan studi kasus siswa kelas XI SMAN 2 Bogor, Jawa Barat.
TINJAUAN PUSTAKA
Regresi Logistik Biner
Regresi logistik biner adalah analisis statistika yang digunakan untuk menjelaskan hubungan antara peubah respon yang berskala kategori biner dengan satu atau lebih peubah penjelas yang berskala kategori atau kontinu. Pada model regresi logistik tidak diperlukan adanya pengujian asumsi yaitu uji normalitas dan uji asumsi klasik (uji heteroskedastisitas dan uji autokorelasi). Di dalam regresi logistik tidak diperbolehkan adanya multikolinearitas (peubah penjelas yang saling berkorelasi) karena dengan adanya multikolinearitas galat baku dari koefisien regresinya akan membesar sehingga kemungkinan hasil uji Wald dari masing-masing peubah penjelas tidak signifikan (Hosmer & Lemeshow 2000).
Hosmer dan Lemeshow (2000) menjelaskan bahwa model regresi logistik dibentuk dengan menyatakan E (Y=1|x) sebagai π(x), dimana π(x) dinotasikan sebagai berikut:
dengan g(x) = β0+ β1x1+ … + βpxp
dimana β0 = konstanta
βi = koefisien regresi logistik
i = 1,2,…,p
p = banyak peubah penjelas
Fungsi regresi di atas berbentuk non linear sehingga untuk membuatnya menjadi fungsi linear dilakukan transformasi logit sebagai berikut (Agresti 2002):
logit [�(�)] = In π(x)
1−π(x) = g(x)
Secara umum jika sebuah peubah berskala nominal atau ordinal mempunyai k kemungkinan nilai, maka diperlukan k-1 peubah boneka (dummy variable). Sehingga model transformasi logitnya menjadi:
2
Metode umum dalam pendugaan parameter βi pada model logit dilakukan
dengan metode penduga kemungkinan maksimum, karena asumsi kehomogenan ragam galat tidak terpenuhi. Jika antara amatan yang satu dengan yang lain diasumsikan saling bebas, maka fungsi kemungkinan maksimumnya adalah:
dengan :
i = 1,2,…,n
yi = respon pada pengamatan ke-i
π(xi) = peluang kejadian ke-i bernilai Y=1
Prinsip dari metode kemungkinan maksimum adalah memaksimumkan logaritma fungsi kemungkinan maksimumnya :
Untuk mendapatkan nilai dugaan koefisien regresi logistik dilakukan dengan penurunan L(β) terhadap β dan disamakan dengan nol (McCullagh & Nelder 1983).
Pengujian parameter
Pengujian terhadap parameter model dilakukan sebagai upaya untuk memeriksa peranan peubah penjelas yang ada dalam model. Menurut Hosmer & Lomeshow (2000), untuk mengetahui peran seluruh peubah penjelas di dalam model secara simultan dapat digunakan statistik uji-G. Hipotesis yang diuji adalah :
H0 : β1 = β2 = … = βp = 0
H1 : paling sedikit ada satu βi≠0, i=1,2,…,p
Statistik uji-G didefinisikan sebagai:
dimana L0 adalah fungsi kemungkinan
maksimum tanpa peubah penjelas, dan Lp
merupakan fungsi kemungkinan maksimum
dengan p peubah penjelas. Hipotesis nol ditolak jika G > χ2p α .
Uji nyata parameter secara parsial yang digunakan dalam penelitian ini adalah statistik uji Wald, dengan hipotesis yang diuji:
H0: βj = 0
H1: βj≠ 0 ; j=1,2,…,p
Statistik uji Wald didefiniskan sebagai berikut:
dimana :
= penduga bagi βj
=galat baku penduga parameter βj
Hipotesis nol ditolak jika |W| > Zα/2.
Diagnostik Model Regresi Logistik Dalam regresi linear jika data hasil pengamatan memiliki peubah respon yang ditunjukkan oleh vektor dan sebagai nilai dugaan y, maka
model dikatakan fit jika jarak antara y dan ŷ
dan sangat kecil.
Dalam regresi logistik, nilai dugaan didefinisikan sebagai berikut :
dimana merupakan fungsi penduga logit sehingga nilai residualnya (disebut Pearson residual) adalah
dengan statistik Pearson chi-square
dengan hipotesis sebagai berikut H0 : model fit
H1 : model tidak fit
dimana j = 1,2,…,p
Statistik 2 akan mengikuti sebaran 2
dengan derajat bebas J-(p+1), dengan J~n. Kaidah keputusan yang diambil adalah jika
2> 2
(J-(p+1))(α) maka hipotesis nol diterima
sehingga model atau fungsi respon regresi logistik yang dibuat tepat (Anton 2006).
Interpretasi Koefisien
Interpretasi koefisien untuk model regresi logistik biner dapat dilakukan dengan menggunakan nilai rasio odds. Odds sendiri dapat diartikan sebagai rasio peluang kejadian
3
sukses dengan kejadian tidak sukses dari peubah respon. Rasio odds mengindikasikan seberapa lebih mungkin munculnya kejadian sukses pada suatu peubah dibandingkan dengan peubah lainnya.
Dalam interpretasi koefisien dari rasio odds untuk peubah penjelas yang berskala besarnya kecenderungan untuk y = 1.
Rasio odds tidak membutuhkan peubah yang menyebar normal dan juga hubungan antar peubah tidak homoscedasticity. Rasio odds didefinisikan sebagai berikut:
Ψ=exp (βi)=exp[g(1)-g(0)]
dimana β adalah koefisien dari model regresi
logistik. Rasio odds memiliki selang kepercayaan sebagai berikut:
SK=exp[� i± Z1-α/2 x S� (� i)]
(Hosmer and Lemeshow 2000)
Backward Elimination
Backward Elimination merupakan salah satu metode pereduksian peubah penjelas yang digunakan dalam analisis regresi baik linier maupun logistik. Analisis dimulai dengan model penuh yaitu memasukkan seluruh peubah penjelas ke dalam model kemudian peubah-peubah penjelas yang tidak nyata dikeluarkan dari model melalui proses iterasi. Pada tiap iterasi peubah yang memiliki nilai-p terbesar akan dikeluarkan dari model. Proses iterasi akan berhenti jika peubah bebas yang ada dalam model memiliki nilai p < α. Setiap proses eliminasi selesai maka akan dilakukan uji kebaikan model untuk menguji bahwa model dapat menggambarkan data dengan baik. Analisis akan selesai jika tidak ada lagi peubah yang dieliminasi dari model.
Evaluasi keakuratan model
Menurut Hosmer dan Lemeshow (2000) salah satu kebaikan model adalah jika memiliki peluang salah klasifikasi yang minimal. Tabel kesesuaian klasifikasi merupakan tabel frekuensi dua arah antara kelompok data sebenarnya dan prediksi. Tabel tersebut ditampilkan dalam Tabel 1.
Tabel 1 Tabel kesesuaian klasifikasi
Aktual Prediksi model
0 1
0 Benar (-)
spesifisitas Salah (+)
1 Salah (-) Benar (+)
sensitivitas
Kurva ROC (Receiver Operating Characteristic) pada Gambar 1 adalah plot antara peluang salah positif (1-spesifisitas) dengan benar positif (sensitivitas). Luas daerah di bawah kurva ROC berkisar antara 0 dan 1 menunjukkan kemampuan model dalam mengelompokkan data dan juga digunakan untuk menilai keakuratan suatu diagnosis (Fatimah 2009).
Gambar 1 Kurva ROC
METODOLOGI
DATA
Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh melalui penyebaran kuesioner kepada seluruh siswa kelas XI di SMAN 2 Bogor, Jawa Barat tahun ajaran 2012/2013. Jumlah keseluruhan data yaitu 279 siswa yang terdiri dari enam kelas IPA dan tiga kelas IPS dengan 18 peubah penjelas dan satu peubah respon yaitu status siswa dimana terdiri dari dua kategori yaitu siswa tersebut masuk jurusan IPS(0) dan siswa tersebut masuk jurusan IPA(1).
4
Peubah penjelas yang digunakan meliputi: 1. Jenis kelamin
2. Motivasi memilih jurusan 3. Motivasi berprestasi 4. Kegiatan ekstrakurikuler 5. Keikutsertaan dalam organisasi 6. Keaktifan dalam organisasi 7. Minat jurusan di Perguruan Tinggi 8. Cita-cita
9. Siswa senang dengan pelajaran eksakta/tidak
10. Siswa senang berdiskusi/tidak 11. Mengikuti kursus/les tambahan 12. Keikutsertaan dalam kegiatan sosial 13. Film yang disukai
14. Buku yang disukai 15. Pekerjaan ayah
16. Pendidikan terakhir ayah 17. Pekerjaan ibu
18. Pendidikan terakhir ibu
METODE
Tahapan yang dilakukan dalam penelitian ini adalah:
1. Menyusun dan menyiapkan
kuesioner.
2. Melakukan analisis statistika deskriptif untuk memperoleh gambaran karakteristik siswa. 3. Melihat hubungan/asosiasi antara
peubah penjelas dengan peubah respon serta antar peubah penjelas. 4. Melakukan pendugaan parameter
regresi logistik biner terhadap data dengan menggunakan metode kemungkinan maksimum.
5. Melakukan pengujian parameter secara simultan dengan uji-G dan pengujian parameter secara parsial dengan uji Wald.
6. Mereduksi peubah penjelas dengan metode backward elimination. 7. Melakukan interpretasi koefisien
regresi logistik biner.
8. Menguji keakuratan model dengan menggunakan tabel klasifikasi dan ROC.
HASIL DAN PEMBAHASAN
Deskripsi Karakteristik Responden Gambar 2 menampilkan sebaran responden menurut jurusan yang dipilih di SMAN 2 Bogor, Jawa Barat. Berdasarkan diagram lingkaran pada Gambar 2 tersebut terlihat bahwa sebanyak 72% yaitu 201 siswa masuk jurusan IPA dan sisanya 28% yaitu 78 siswa yang masuk jurusan IPS.
Gambar 2 Sebaran responden menurut jurusan yang dipilih
Sebaran dari masing-masing kategori peubah bebas sebagian besar tidak merata (Lampiran 2). Peubah minat jurusan di Perguruan Tinggi sebagian besar pada bidang teknik, ekonomi/akuntansi, dan FMIPA. Oleh karena kurang meratanya sebaran masing-masing kategori pada peubah penjelas, maka perlu dilakukan proses kategori ulang. Hasil kategori ulang disajikan pada Lampiran 3.
Gambar 3 menampilkan sebaran siswa menurut jenis kelamin. Sebanyak 53% berjenis kelamin wanita dan sebanyak 47% berjenis kelamin pria. Secara keseluruhan dapat dilihat bahwa selisih antara siswa berjenis kelamin wanita dan berjenis kelamin pria tidak jauh berbeda.
Gambar 3 Sebaran jenis kelamin siswa
5
Tabel 2 Tabel kontingensi antara motivasi siswa memilih jurusan dan pilihan jurusan
Pilihan jurusan SMA
Total
IPS IPA Motivasi
memilih jurusan
Minat sendiri
76 176 225
Bukan minat sendiri
2 25 27
Total 78 201 279
Gambar 4 menampilkan sebaran keikutsertaan siswa dalam organisasi di sekolah. Sebanyak 92% dari total keseluruhan siswa tidak ikut dalam organisasi sekolah dan sebanyak 8% yang ikut dalam organisasi sekolah. Hal ini menunjukkan bahwa sebagian besar siswa tidak ikut dalam organisasi sekolah.
Gambar 4 Sebaran keikutsertaan siswa dalam organisasi
Gambar 5 menampilkan diagram lingkaran dari peubah kategorik yaitu minat siswa terhadap jurusan di Perguruan Tinggi. Siswa yang minat jurusan teknik di Perguruan Tinggi sebanyak 24%, untuk jurusan ilmu kedokteran sebanyak 18% dan untuk jurusan ekonomi sebanyak 15%, sedangkan sebanyak 43% minat jurusan lainnya. Secara keseluruhan bahwa jurusan teknik banyak disukai dan dipilih siswa dalam Perguruan Tinggi nanti daripada jurusan yang lain seperti ilmu kedokteran, ekonomi/akuntansi, FMIPA, psikologi, Hubungan Internasional, hukum dan lainnya (sastra, komunikasi, pendidikan, sosial politik, akademi (bidan, polisi, penerbangan), farmasi, kehutanan, gizi dan kesehatan masyarakat, agama, sekolah design, belum tahu).
Gambar 5 Sebaran minat siswa menurut jurusan di PerguruanTinggi
Gambar 6 menampilkan sebaran cita-cita siswa. Pada diagram lingkaran tersebut terlihat bahwa cita-cita siswa di bidang IPA sebanyak 41%, di bidang IPS sebanyak 13% dan bidang lainnya sebanyak 46%. Hal ini terlihat bahwa sebagian besar cita-cita siswa di bidang lainnya yaitu di bidang campuran. Bidang campuran ini merupakan bidang yang tidak mensyaratkan dari jurusan tertentu (IPA atau IPS).
Gambar 6 Sebaran cita-cita siswa
Gambar 7 menampilkan diagram lingkaran dari peubah kategorik yaitu pekerjaan ayah. Dari gambar tersebut terlihat bahwa sebagian besar pekerjaan ayah siswa adalah PNS (38%), diikuti oleh pegawai swasta (30%) dan wiraswasta (26%).
6
Gambar 8 menampilkan diagram lingkaran mengenai sebaran pendidikan terakhir ayah siswa. Dari diagram lingkaran tersebut terlihat bahwa lebih dari 70% ayah siswa berpendidikan minimal sarjana. Sebaran pendidikan ayah lainnya disajikan pada Gambar 8.
Gambar 8 Sebaran pendidikan terakhir ayah siswa
Tabel 3 menunjukkan bahwa sebagian besar (73%) siswa senang dengan pelajaran eksakta, siswa senang berdiskusi sebanyak 94% dan siswa yang mengikuti les/kursus tambahan sebanyak 61%.
Tabel 3 Peubah penjelas yang lain
Peubah %
Siswa senang dengan pelajaran eksakta
Ya 73
Tidak 27
Siswa senang berdiskusi Ya 94 Tidak 6
Les/kursus tambahan ya 61 Tidak 39
Berdasarkan analisis tabel kontingensi, peubah penjelas yang mempunyai asosiasi dengan peubah respon pada taraf nyata 5% sebanyak delapan peubah penjelas yaitu jenis kelamin (X1), motivasi memilih jurusan (X2),
antara peubah penjelas dengan peubah respon beserta nilai signifikansinya disajikan pada lampiran 4.
Hasil yang didapatkan dari tabel kontingensi pada Lampiran 5 menunjukkan
bahwa banyak peubah penjelas yang memiliki hubungan asosiasi dengan peubah penjelas lainnya pada taraf nyata 5% sehingga terdapat gejala multikolinearitas. Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk disajikan pada Lampiran 6.
Regresi Logistik Biner
Pendugaan regresi logistik biner dengan menggunakan delapan peubah penjelas menghasilkan nilai statistik uji-G sebesar 243.706 dengan nilai-p sebesar 0.000 (Lampiran 7). Berdasarkan nilai tersebut dapat ditarik kesimpulan bahwa pada taraf nyata 5% sedikitnya ada satu peubah penjelas yang mempengaruhi peubah respon.
Pengujian parameter (uji Wald) dengan menggunakan backward elimination menunjukkan bahwa hanya terdapat empat peubah penjelas yang nyata terhadap peubah respon pada taraf nyata 5% yang disajikan pada Lampiran 8.
Pendugaan regresi logistik biner dengan menggunakan empat peubah penjelas menghasilkan nilai statistik uji-G sebesar 217.202 dengan nilai-p sebesar 0.000 (Lampiran 9) dan uji Wald menunjukkan bahwa hanya terdapat tiga peubah penjelas yang nyata terhadap peubah respon pada taraf nyata 5% (Lampiran 10). Hasil uji Wald ternyata terdapat peubah yang tidak nyata yaitu peubah X1 sehingga tiga peubah penjelas
yang nyata akan dimodelkan ulang.
Pendugaan regresi logistik biner dengan menggunakan tiga peubah penjelas menghasilkan nilai statistik uji-G sebesar 213.822 dengan nilai-p sebesar 0.000. Berdasarkan nilai tersebut dapat ditarik kesimpulan bahwa pada taraf nyata 5% sedikitnya ada satu peubah penjelas yang mempengaruhi peubah respon.
7
Tabel 4 Statistik uji Wald
Ket : * = Signifikan pada taraf nyata 5%
Berdasarkan uji-G dan uji Wald yang menyatakan bahwa seluruh peubah-peubah penjelas tersebut nyata, maka dapat dibentuk persamaan logit sebagai berikut:
g(x) = 6.012 – 4.315X2(1) + 1.557X8(1) –
2.659X8(2)– 4.720X9(1)
Nilai signifikansi pada Hosmer and Lemeshow Test yang tersaji pada Tabel 5 adalah sebesar 0.296. Berdasarkan nilai tersebut dapat ditarik kesimpulan bahwa persamaan regresi logistik dapat diterima atau persamaan regresi logistik tersebut telah cukup menjelaskan data pada taraf nyata
Tabel 6 menunjukkan kemampuan peubah bebas dalam menjelaskan peubah respon menggunakan nilai Nagelkerke R Square. Nilai Nagelkerke R Square sebesar 0.771 yang menunjukkan bahwa kemampuan ketiga peubah bebas dalam menjelaskan peubah respon adalah sebesar 77.10%, sedangkan sisanya sebesar 22.90% dijelaskan oleh faktor lain pada taraf nyata 5%.
Tabel 6 Nilai Nagelkerke R Square
-2 Log likelihood Nagelkerke R Square
116.819 0.771
Interpretasi Koefisien
Interpretasi koefisien parameter dalam regresi logistik akan lebih mudah dilihat dari nilai rasio oddsnya pada peubah penjelas yang nyata pada taraf nyata 5% (Tabel 4).
Berdasarkan nilai rasio odds pada Tabel 4 diperoleh informasi bahwa peluang seseorang masuk jurusan IPA karena minat sendiri (X2(1)) sebesar 0.013 kali peluang
masuk jurusan IPA bukan karena minat sendiri yang berupa dorongan dari orang tua
dan pengaruh dari teman/sahabat/kerabat. Dengan kata lain, peluang seseorang masuk jurusan IPA bukan
karena minat sendiri 76.923 kali peluang masuk jurusan IPA karena minat sendiri.
Peubah penjelas cita-cita dalam bidang IPA (X8(1)) memiliki nilai dugaan rasio odds
sebesar 4.745 kali. Hal ini berarti bahwa peluang seseorang masuk jurusan IPA karena cita-citanya dalam bidang IPA sebesar 4.745 kali peluang masuk jurusan IPA karena cita-citanya dalam bidang lainnya (IPA dan IPS).
Peubah penjelas cita-cita dalam bidang IPS (X8(2)) memiliki nilai dugaan rasio odds
sebesar 0.070 kali. Hal ini berarti bahwa peluang seseorang masuk jurusan IPA karena cita-citanya dalam bidang IPS sebesar 0.070 kali peluang masuk jurusan IPA karena cita-citanya dalam bidang lainnya (IPA dan IPS) atau dengan kata lain peluang seseorang masuk jurusan IPA karena cita-citanya dalam bidang lainnya (IPA dan IPS) sebesar 14.286 kali peluang masuk jurusan IPA karena cita-citanya dalam bidang IPS.
Selanjutnya untuk peubah penjelas siswa senang dengan pelajaran eksakta atau tidak (X9(1)) memiliki nilai dugaan rasio
odds sebesar 0.009 kali. Hal ini berarti bahwa peluang seseorang masuk jurusan IPA karena tidak senang dengan pelajaran eksakta sebesar 0.009 kali peluang masuk jurusan IPA karena senang dengan pelajaran eksakta atau dengan kata lain peluang seseorang masuk jurusan IPA karena senang dengan pelajaran eksakta sebesar 111.111 kali peluang masuk jurusan IPA karena tidak senang dengan pelajaran eksakta.
Hasil Evaluasi Keakuratan Model Keakuratan pendugaan model atau ketepatan prediksi model yang diperoleh dari hasil analisis regresi logistik biner dapat diketahui melalui tabel klasifikasi.
8
atau 92.8%. Sedangkan dari Tabel 8 dan Gambar 9 dapat dilihat bahwa area dibawah kurva ROC sebesar 0.927 dengan cut off 0.5. Sehingga kemampuan persamaan regresi logistik dalam mengelompokkan data sebesar 92.8% untuk tabel klasifikasi dan sebesar 92.7% untuk kurva ROC pada taraf nyata 5%.
Tabel 7 Klasifikasi keseluruhan model status siswa (cut off 0.5)
% Correct Classification Rate (%CCR) 92.8
Tabel 8 Area dibawah kurva ROC (cut off
Faktor-faktor yang berpengaruh secara signifikan terhadap status siswa masuk jurusan IPA dan IPS di SMAN 2 Bogor, Jawa Barat dengan taraf nyata 5% adalah motivasi memilih jurusan, cita-cita siswa dan siswa senang dengan pelajaran eksakta atau tidak. Untuk siswa yang motivasi memilih jurusan atas dasar bukan minat sendiri ternyata peluang masuk jurusan IPA sangat besar daripada siswa yang motivasi memilih jurusan atas dasar minat sendiri. Untuk peubah penjelas cita-cita, siswa yang
memiliki cita-cita dalam bidang IPA ternyata peluang masuk jurusan IPA sangat besar dibandingkan siswa yang memiliki cita-cita dalam bidang lainnya (IPA dan IPS), sedangkan siswa yang memiliki cita-cita dalam bidang IPS ternyata peluang masuk jurusan IPA sangat kecil dibandingkan siswa yang memiliki cita-cita dalam bidang lainnya (IPA dan IPS). Selain itu, siswa yang senang dengan pelajaran eksakta ternyata peluang masuk jurusan IPA sangat besar dibandingkan siswa yang tidak senang dengan pelajaran eksakta.
Saran
Dalam penelitian kali ini terlihat bahwa motivasi memilih jurusan siswa sebagian besar bukan minat sendiri, melainkan atas dorongan dari orang tua dan pengaruh dari teman/sahabat/kerabat. Saran yang dapat diberikan untuk penelitian selanjutnya adalah meneliti mengenai hubungan antara prestasi siswa dengan motivasi memilih jurusan siswa.
DAFTAR PUSTAKA
Agresti A. 2002. Categorical Data Analysis. Second Edition. New Jersey : john Wiley and Sons.
Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression. Ed ke-2. New York : John Wiley and Sons, Inc. Fatimah D. 2009. Permodelan regresi
logistik untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap status kredit usaha rakyat (studi kasus pada nasabah KUR pada Bank Bukopin Pusat) [skripsi]. Bogor : Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Pertanian Bogor.
Anton. 2006. Model regresi logistik untuk kejadian infeksi luka operasi nosokomial [skripsi]. Bogor : Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Pertanian Bogor.
10
Lampiran 1 Bentuk kuesioner
KEMENTERIAN PENDIDIKAN NASIONAL
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM-IPB DEPARTEMEN STATISTIKA
Jln. Meranti Wing 22, Level 4 Kampus IPB Dramaga-Bogor 16680
KUESIONER PENELITIAN
Terima kasih atas partisipasi Anda menjadi salah satu peserta survey dan sukarela mengisi kuesioner ini. Nama saya Eko Yudhi Prasetyo, mahasiswa IPB jurusan Statistika, pada saat ini saya sedang melakukan penelitian terkait penjurusan siswa SMAN 2 Bogor. Saya sangat menghargai kejujuran Anda dalam mengisi kuesioner ini. Saya menjamin kerahasiaan Anda yang terkait dengan kuesioner. Hasil survey ini semata-mata akan digunakan untuk tujuan penelitian dan bukan tujuan komersial.
Petunjuk : berilah tanda (x) jika ada pertanyaan optional didepan informasi yang sesuai menurut Anda, dan pilihlah hanya satu jawaban
1. Nama :………
2. Jenis kelamin :
( ) Pria ( ) Wanita
3. Apakah jurusan Anda saat ini?
( ) IPA ( ) Pengaruh teman/sahabat/kerabat ( ) Hanya gengsi
( ) Lainnya, sebutkan …………
5. Apakah Anda mempunyai motivasi untuk
berprestasi?
( ) Ya ( ) Tidak
6. Berapa skor psikotes Anda (nilai IQ)?
7. Kegiatan ekstrakurikuler apa yang sering Anda ikuti?
( ) Pramuka
( ) KIR (Karya Ilmiah Remaja) ( ) PMR
( ) Olahraga (basket, futsal, sepak bola) ( ) Pecinta alam
( ) Lainnya, sebutkan …….
8. Apakah Anda ikut dalam kegiatan organisasi
siswa (OSIS)?
( ) Ikut ( ) Tidak ikut
9. Apakah Anda aktif dalam keikutsertaan
kegiatan organisasi siswa (OSIS) tersebut? ( ) Aktif ( ) Tidak aktif
10. Apa minat jurusan Anda di Perguruan
Tinggi nanti? ( ) Ilmu Kedokteran
( ) FMIPA (Statistika,biologi,fisika,kimia) ( ) Ekonomi/akuntansi
( ) Hukum ( ) Psikologi ( ) Teknik
( ) Hubungan Internasonal
( ) Lainnya, sebutkan ………..
11. Apa cita-cita Anda?
( ) Dokter ( ) Pilot
( ) Insinyur ( ) Polisi/TNI/POLRI ( ) Pengacara ( ) Lainnya, sebutkan ….. ( ) Psikolog
12. Apakah Anda senang dengan pelajaran
eksakta (Matematika,biologi,fisika,kimia)? ( ) Ya ( ) Tidak
13. Apakah Anda senang berdiskusi?
( ) Ya ( ) Tidak
14. Apakah Anda selama ini mengikuti
kursus/les tambahan? ( ) Ya ( ) Tidak
15. Apakah Anda suka mengikuti kegiatan
sosial di lingkungan tempat tinggal/sekolah Anda?
( ) Ya ( ) Tidak 16. Jenis film apa yang Anda sukai?
( ) Detektif ( ) Action
( ) Komedi ( ) Lainnya, sebutkan ….. ( ) Drama
17. Jenis buku apa yang Anda sukai?
( ) Ilmiah ( ) Komik
( ) Cerpen ( ) Lainnya, sebutkan ….. ( ) Novel
18. Apa pekerjaan Ayah Anda?
( ) PNS/TNI/POLRI ( ) Swasta ( ) Wiraswasta
( ) Petani
( ) lainnya, sebutkan …………..
19. Apa pendidikan terakhir Ayah Anda?
( ) SD ( ) S1 ( ) SMP ( ) S2 ( ) SMA/SMK ( ) S3 ( ) D3
20. Apa pekerjaan Ibu Anda?
( ) Ibu rumah tangga ( ) wiraswasta ( ) PNS ( ) Petani ( ) Swasta ( ) Lainnya,sebutkan…
21. Apa pendidikan terakhir Ibu Anda?
( ) SD ( ) S1 ( ) SMP ( ) S2 ( ) SMA/SMK ( ) S3 ( ) D3
22. Berapa rata-rata penghasilan orang tua Anda
11
Lampiran 2 Data primer yang diperoleh beserta peubah penjelasnya
Peubah Keterangan Frekuensi
Y Status siswa IPA 201
IPS 78
X1 Jenis kelamin Wanita 148
Pria 131
X2 Motivasi memilih jurusan Minat sendiri 252
Dorongan dari orang tua 23
Pengaruh sahabat / sahabat / kerabat 4
X3 Motivasi untuk berprestasi Ya 274
Tidak 5
X4 Kegiatan ekstrakurikuler Pramuka 5
KIR 23
PMR 17
Olahraga 76
Pecinta alam 3
Teater 6
DKM/ROHIS 16
Seni (musik, tari, dance) 15
Paduan suara 22
Paskibra 9
Momiji / klub Jepang 4
Karate, tekwondo, beladiri 12
Jurnalistik 5
Tidak ikut 66
X5 Keikutsertaan dalam organisasi Ikut 22
Tidak ikut 257
X6 Keaktifan dalam organisasi Aktif 31
Tidak aktif 248
X7 Minat jurusan di Perguruan Tinggi
Ilmu Kedokteran 50
FMIPA 30
Ekonomi/akuntansi 41
Hukum 12
Psikologi 23
Teknik 68
Hubungan Internasional 15
Sastra 5
Komunikasi 12
Pendidikan 1
Sosial politik 1
Akademi (kebidanan, polisi,penerbangan)
5
Farmasi 6
Kehutanan 2
Gizi dan kesehatan masyarakat 3
Lainnya (agama, sekolah design, belum tahu)
5
X8 Cita-cita Dokter 53
Insinyur 45
Pengacara 8
Psikolog 25
Pilot 9
Polisi/TNI/POLRI 15
Dosen/guru/peneliti 19
Arsitek 9
Pengusaha, wiraswasta 22
12
Lampiran 2 (Lanjutan)
Peubah Keterangan Frekuensi
Apoteker 5
Bidan 2
Konsultan 2
Diplomat, kedubes 13
Enginer 2
Programer 6
Bidang perminyakan 3
Pelaut 1
Akuntan 11
Menteri 2
Entertainment 11
Designer 2
Tokoh agama 2
Politikus 2
Lainnya (astronom, penyuluh kesehatan) 6 X9 Siswa senang dengan pelajaran
eksakta
Ya 204
Tidak 75
X10 Siswa senang berdiskusi Ya 263
Tidak 16
X11 Mengikuti kursus / les tambahan Ya 171
Tidak 108
X12 Keikutsertaan dalam organisasi Ikut 22
Tidak ikut 257
X13 Film yang disukai Detektif 31
Komedi 68
Drama, teater 48
Action 113
Horor 10
Fiksi 2
Kolosal 2
Fantasi 3
Kartun, anime 2
X14 Buku yang disukai Ilmiah 37
Cerpen 21
Novel 114
Komik 98
Horor 1
Militer 1
Teka-teki 1
Psikologi 1
Cerita motivasi 1
Majalah dunia 1
Ensiklopedia 1
Fiksi 2
X15 Pekerjaan ayah PNS/TNI/POLRI 104
Swasta 84
Wiraswasta 72
Petani 1
Pegawai BUMN 7
Dokter 1
Pelaut 1
Pegawai pemerintahan 1
Pensiunan 3
13
Lampiran 2 (Lanjutan)
Peubah Keterangan Frekuensi
X16 Pendidikan terakhir ayah SD 1
SMP 2
SMA/SMK/STM 53
D3 24
S1 139
S2 39
S3 21
X17 Pekerjaan ibu Ibu rumah tangga 173
PNS 60
Swasta 25
Wiraswasta 18
Bidan 2
Pegawai BUMN 1
X18 Pendidikan terakhir ibu SD 1
SMP 9
SMA/SMK/STM 87
D3 53
S1 108
S2 14
S3 7
Lampiran 3 Kategori ulang peubah penjelas
Peubah Keterangan Frekuensi
X2 Motivasi memilih jurusan Minat sendiri 252
Bukan minat sendiri (dorongan dari orang tua, pengaruh
teman/sahabat/kerabat)
27
X7 Minat jurusan di Perguruan Tinggi
Ilmu Kedokteran 50
FMIPA 30
Ekonomi/akuntansi 41
Hukum 12
Psikologi 23
Teknik 68
Hubungan Internasional 15
Lainnya (sastra, komunikasi, pendidikan, sosial politik, akademi (bidan, polisi, penerbangan), farmasi, kehutanan, gizi dan kesehatan masyarakat, agama, sekolah design, belum tahu)
40
X8 Cita-cita Bidang IPA (dokter, insinyur, arsitek,
enginer, programer)
115
Bidang IPS (pengacara, konsultan, diplomat, kedubes, akuntan, menteri)
36
Bidang lainnya(psikolog, pilot,
polisi/TNI/POLRI, dosen/guru/peneliti, pengusaha/wiraswasta, PNS, apoteker, bidan, bidang perminyakan, pelaut, entertainment, designer, tokoh agama, politikus, astronom dan penyuluh kesehatan)
128
X13 Film yang disukai Detektif 31
Komedi 68
14
Lampiran 3 (Lanjutan)
Peubah Keterangan Frekuensi
Action 113
Lainnya (horor, fiksi, kolosal, fantasi, kartun/anime)
19
X14 Buku yang disukai Ilmiah 37
Cerpen 21
Novel 116
Komik 98
Lainnya (horor, teka-teki, psikologi, cerita motivasi, majalah dunia, ensiklopedia)
7
X15 Pekerjaan ayah PNS/TNI/polri/dokter, pegawai
pemerintahan
106
Swasta 84
Wiraswasta 72
Pegawai BUMN 8
Lainnya (petani, pelaut, pensiunan, almarhum)
9
X16 Pendidikan terakhir ayah Dasar dan Menengah (SD, SMP, SMA/SMK)
56
Diploma (D3) 24
Sarjana (S1) 139
Pasca Sarjana (S2, S3) 60
X17 Pekerjaan ibu Ibu rumah tangga 173
PNS 60
Swasta 25
Wiraswasta 18
Lainnya (bidan, pegawai BUMN) 3
X18 Pendidikan terakhir ibu Dasar dan Menengah (SD, SMP, SMA/SMK)
97
Diploma (D3) 53
Sarjana (S1) 108
Pasca Sarjana (S2, S3) 21
Lampiran 4 Asosiasi antara peubah respon dengan peubah penjelas
Peubah Y (Status siswa)
X1 Jenis kelamin 0.198
(0.001)*
X2 Motivasi memilih jurusan 0.148
(0.012)*
X3 Motivasi berprestasi 0.036
(0.545)
X4 Kegiatan ekstrakurikuler 0.203
(0.531)
X5 Keikutsertaan dalam organisasi 0.004
(0.941)
X6 Keaktifan dalam organisasi 0.059
(0.322)
X7 Minat jurusan di Perguruan Tinggi 0.548
(0.000)*
X8 Cita-cita 0.451
(0.000)*
X9 Siswa senang dengan pelajaran eksakta 0.621
15
Lampiran 4 (Lanjutan)
Peubah Y (Status siswa)
X10 Siswa senang berdiskusi 0.052
(0.381)
X11 Les/kursus tambahan 0.062
(0.297)
X12 Keikutsertaan dalam organisasi 0.069
(0.251)
X16 Pendidikan terakhir ayah 0.122
(0.238)
X17 Pekerjaan ibu 0.172
(0.075)
X18 Pendidikan terakhir ibu 0.211
(0.005)* Ket : (…) = Nilai p-value
(…)* = Nilai p-value yang signifikan pada taraf nyata 5%
Lampiran 5 Asosiasi antar peubah penjelas
X1 X2 X7 X8 X9 X13 X14 X18
16
Lampiran 6 Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk
Peubah D1 D2 D3 D4 D5 D6 D7 Keterangan
0 Bukan minat sendiri
17
Lampiran 6 (Lanjutan)
Peubah D1 D2 D3 D4 D5 D6 D7 Keterangan
0 0 0 1 Action
0 0 0 0 Lainnya (horor, fiksi,
kolosal, fantasi, kartun/anime) X14 Buku yang
disukai
1 0 0 0 Ilmiah
0 1 0 0 Cerpen
0 0 1 0 Novel/fiksi
0 0 0 1 Komik
0 0 0 0 Lainnya (horor,
teka-teki, psikologi, cerita motivasi, majalah dunia, ensiklopedia) X17 Pekerjaan
ibu
1 0 0 0 Ibu rumah tangga
0 1 0 0 PNS
0 0 1 0 Swasta
0 0 0 1 Wiraswasta
0 0 0 0 Lainnya (petani, bidan,
pegawai BUMN) X18 Pendidikan
terakhir ibu
1 0 0 Dasar dan Menengah
(SD, SMP, SMA/SMK)
0 1 0 Diploma (D3)
0 0 1 Sarjana (S1)
0 0 0 Pasca Sarjana (S2, S3)
Lampiran 7 Hasil statistik Uji-G dari delapan peubah penjelas dengan taraf nyata 5%
Chi-square df Sig.
Step 1 Step 289.602 23 0.000
Block 289.602 23 0.000
Model 289.602 23 0.000
Step 2 Step -4.219 4 0.377
Block 285.383 19 0.000
Model 285.383 19 0.000
Step 3 Step -41.677 7 0.000
Block 243.706 12 0.000
Model 243.706 12 0.000
Lampiran 8 Hasil statistik Uji Wald dari delapan peubah penjelas menggunakan backward elimination
Peubah B S.E Wald Df Sig. Exp(B) 95% C. I. for EXP(B)
Lower Upper
Step 1 x1(1) -3.610 1.638 4.855 1 .028 0.027 .001 0.671
x2(1) -5.903 2.393 6.087 1 .014 0.003 .000 0.297
x7 8.326 7 .305
x7(1) 21.239 4677.124 0.000 1 .996 1.674E9 .000 .
x7(2) 28.114 5321.710 0.000 1 .996 1.621E12 .000 .
x7(3) -0.583 1.668 0.122 1 .727 0.558 .021 14.667
x7(4) 5.262 2.819 3.484 1 .062 192.930 .769 48429.060
x7(5) -1.180 1.936 0.371 1 .542 0.307 .007 13.664
x7(6) 7.399 3.165 5.466 1 .019 1635.045 3.308 808235.219
18
Lampiran 8 (Lanjutan)
Peubah B S.E Wald Df Sig. Exp(B) 95% C. I. for EXP(B)
Lower Upper
x8 6.734 2 .035
x8(1) -0.913 2.197 0.173 1 .678 0.401 .005 29.772
x8(2) -4.224 1.630 6.718 1 .010 0.015 .001 0.357
x9(1) -10.188 2.634 14.963 1 .000 0.000 .000 0.007
x13 3.191 4 .526
x13(1) 5.246 6.047 0.753 1 .386 189.864 .001 2.66E7
x13(2) 2.045 5.109 0.160 1 .689 7.733 .000 172526.117
x13(3) 4.624 5.408 0.731 1 .392 101.906 .003 4084450.083
x13(4) 3.578 5.348 0.448 1 .503 35.813 .001 1277875.535
x14 5.831 4 .212
x14(1) -16.317 12151.332 0.000 1 .999 0.000 .000 .
x14(2) -14.699 12151.332 0.000 1 .999 0.000 .000 .
x14(3) -13.766 12151.332 0.000 1 .999 0.000 .000 .
x14(4) -17.111 12151.332 0.000 1 .999 0.000 .000 .
x18 8.941 3 .030
x18(1) -15.126 6611.880 0.000 1 .998 0.000 .000 .
x18(2) -22.251 6611.880 0.000 1 .997 0.000 .000 .
x18(3) -19.542 6611.880 0.000 1 .998 0.000 .000 .
Constant 42.738 13833.720 0.000 1 .998 3.637E18
Step 2 x1(1) -2.713 1.305 4.324 1 .038 0.066 .005 0.856
x2(1) -4.627 2.166 4.562 1 .033 0.010 .000 0.683
x7 8.417 7 .297
x7(1) 22.001 4668.946 0.000 1 .996 3.588E9 .000 .
x7(2) 25.471 5477.459 0.000 1 .996 1.153E11 .000 .
x7(3) 0.404 1.404 0.083 1 .773 1.498 .096 23.469
x7(4) 3.173 2.056 2.380 1 .123 23.872 .424 1343.509
x7(5) -0.317 1.689 0.035 1 .851 0.728 .027 19.934
x7(6) 6.978 2.751 6.436 1 .011 1073.064 4.890 235484.310
x7(7) 0.119 1.596 0.006 1 .940 1.127 .049 25.706
x8 6.878 2 .032
x8(1) -1.042 1.964 0.281 1 .596 0.353 .008 16.571
x8(2) -3.574 1.363 6.877 1 .009 0.028 .002 0.405
x9(1) -8.522 1.931 19.477 1 .000 0.000 .000 0.009
x14 6.742 4 .150
x14(1) -15.170 12790.711 0.000 1 .999 0.000 .000 .
x14(2) -15.671 12790.711 0.000 1 .999 0.000 .000 .
x14(3) -13.787 12790.711 0.000 1 .999 0.000 .000 .
x14(4) -17.024 12790.711 0.000 1 .999 0.000 .000 .
x18 9.438 3 .024
x18(1) -15.749 6731.544 0.000 1 .998 0.000 .000 .
x18(2) -21.740 6731.544 0.000 1 .997 0.000 .000 .
x18(3) -18.802 6731.544 0.000 1 .998 0.000 .000 .
Constant 43.150 14453.926 0.000 1 .998 5.493E18
Step 3 x1(1) -1.712 .709 5.834 1 .016 0.181 .045 0.724
x2(1) -4.881 1.586 9.476 1 .002 0.008 .000 0.170
x8 21.300 2 .000
x8(1) 2.084 .716 8.478 1 .004 8.040 1.976 32.705
x8(2) -3.001 .904 11.016 1 .001 0.050 .008 0.293
x9(1) -6.009 .928 41.945 1 .000 0.002 .000 0.015
x14 8.964 4 .062
x14(1) -19.121 12960.348 0.000 1 .999 0.000 .000 .
x14(2) -19.927 12960.348 0.000 1 .999 0.000 .000 .
x14(3) -17.900 12960.348 0.000 1 .999 0.000 .000 .
19
Lampiran 8 (Lanjutan)
Peubah B S.E Wald Df Sig. Exp(B) 95% C. I. for EXP(B)
Lower Upper
x18 12.002 3 .007
x18(1) -16.604 7922.801 0.000 1 .998 0.000 .000 .
x18(2) -20.011 7922.801 0.000 1 .998 0.000 .000 .
x18(3) -17.847 7922.801 0.000 1 .998 0.000 .000 .
Constant 45.735 15190.188 0.000 1 .998 7.288E19
Ket : * = Signifikan pada taraf nyata 5%
Lampiran 9 Hasil statistik uji-G dari empat peubah penjelas yang nyata dengan taraf nyata 5%
Chi-square df Sig.
Step 217.202 5 .000
Block 217.202 5 .000
Model 217.202 5 .000
Lampiran 10 Hasil statistik Uji Wald dari empat peubah penjelas yang nyata dengan taraf nyata 5%
Peubah B S.E Wald Df Sig. Exp(B) 95% C. I. for EXP(B)
Lower Upper
x1(1) -.950 .529 3.227 1 .072 .387 .137 1.090
x2(1) -3.989 1.327 9.036 1 .003 .019 .001 .250
x8 25.433 2 .000
x8(1) 1.479 .625 5.597 1 .018 4.389 1.289 14.949
x8(2) -2.617 .690 14.365 1 .000 .073 .019 .283
x(9) -4.766 .571 69.545 1 .000 .009 .003 .026
Constant 7.148 1.478 23.398 1 .000 1272.022