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

Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh:. DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita Ratnasari S. Si, M. Si.

• Pembahasan.

Latar Belakang Pendidikan. Angka Putus Sekolah Jawa Timur. 13 Ribu. Jawa Tengah. 42%. Jawa Barat. Ketidakmampuan Biaya. 9th Paradigma Orang Tua.

Latar Belakang. Septiana (2011). faktor yang mempengaruhi angka putus sekolah usia SMA di Jawa Timur adalah keluarga miskin dan letak rumah di pedesaan.. Regresi Spasial.

Rumusan Masalah 1. Bagaimana karakteristik kabupaten/kota di Jawa Timur berdasarkan variabel yang diduga berpengaruh terhadap angka putus sekolah?. Bagaimana pengelompokkan kabupaten dan kota 2 berdasarkan variabel angka putus sekolah usia SLTP dan se-derajat Kabupaten/ Kota di Jawa Timur? Bagaimana pemodelan angka putus sekolah usia 3SLTP dan se-derajat Kabupaten/ Kota di Jawa Timur dengan menggunakan Regresi logistik ordinal?.

Tujuan Penelitian 3. 2. Memodelkan angka Mengelompokkan putus sekolah usia SLTP kabupaten dan kota dan se-derajat berdasarkan variabel Kabupaten/ Kota diangka Jawa putus sekolah usia Timur dengan SLTP dan se-derajat menggunakan Regresi Kabupaten/ Kota di Jawa logistik ordinal. Timur.. 1 Mendiskripsikan karakteristik kabupaten/kota di Jawa Timur berdasarkan variabel yang diduga berpengaruh terhadap angka putus sekolah..

Manfaat Penelitian Informasi Pemerintah Provinsi Jawa Timur.

Batasan Masalah.

Tinjauan Pustaka Statistika Deskriptif. in Statistika Text deskriptif adalah metodehere metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga dapat memberikan informasi yang berguna. Statistika deskriptif hanya memberikan informasi mengenai data dan tidak menarik kesimpulan apapun (Walpole, 1995)..

Tinjauan Pustaka Analisis Kelompok. metode analisis multivariate yang bertujuan untuk Text in individu atau pengamatan memisahkan sekumpulan kedalam beberapa herekelompok berdasarkan ukuran kedekatan (Dillon, 1984).. d ( xi , x j ) =. p. ∑ (x k =1. ik. − x jk ) 2. 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.

Tinjauan Pustaka Metode Non-Hierarki. Prosedur pengelompokan pada metode non hirarki yaitu dengan metode K-Mean. Metode non hirarki dengan KMean ini bertujuan mengelompokkan obyek sedemikian hingga jarak tiap obyek ke pusat kelompok dalam satu kelompok adalah minimum (Dillon, 1984)..

Tinjauan Pustaka Analisis Regresi Logistik Ordinal. Regresi logistik ordinal merupakan suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel respon (y) yang bersifat polikotomus (mempunyai skala data bertingkat dengan lebih dari 2 kategori) dengan variabel prediktor (x) (Hosmer dan Lemeshow, 2000).. Model regresi logistik yang umum adalah sebagai berikut e β 0 + β1 x π ( x) = 1 + e β 0 + β1 x. Transformasi dari π ( x ) , sehingga diperoleh persamaan berikut.  π ( x)   = β 0 + β 1 x g ( x) = ln  1 − π ( x) .

Tinjauan Pustaka Estimasi Parameter. Estimasi parameter dari nilai β dibutuhkan dalam kesesuaian model regresi logistik. Metode umum untuk mengestimasi adalah maximum likelihood, metode ini akan memberikan dasar untuk mengestimasi parameter dengan model regresi logistik (Hosmer dan Lemeshow, 2000).. Fungsi likelihood untuk pengamatan l (B ) =. ∏ [φ (x ) n. 0. i =1. i. y0i. (y. i. , xi ) adalah sebagai berikut.. φ1 (xi )y1i × ... × φk (xi )y ki. ].

Tinjauan Pustaka Secara Serentak. Hipotesis: H0: β k = 0 (variabel prediktor tidak berpengaruh terhadap model).. Uji Signifikansi Parameter. H1 : minimal ada satu β k ≠ 0, i = 1,2,..., p (minimal ada satu variabel prediktor yang berpengaruh terhadap model).. Statistika uji:. G = - 2 log. ∏ [φ (x ) n. i =1. Daerah penolakan: H0 ditolak jika.   n0  n0  n1  n1  n2  n2  n3  n3            n   n   n   n     0. i. y0 i. φ1 (xi ) y φ2 (xi ) y φ3 (xi ) y 1i. 2i. 3i. ].

Tinjauan Pustaka. ,. Secara Parsial. Uji Signifikansi Parameter. H 0: β k H1 : β k. = 0, i = 1,2,..., p (variabel. prediktor tidak berpengaruh terhadap model).. ≠ 0, i = 1,2,..., p. (variabel prediktor berpengaruh terhadap model). ˆ 2 β k Statistika uji: W 2 = ( SE( βˆ ))2 k. Daerah penolakan: Tolak H0, jika W 2 > χ 2 (db ,α ).

Tinjauan Pustaka. Kesesuaian Model. ,. Pengujian ini dilakukan untuk menguji apakah model yang dihasilkan berdasarkan regresi logistik multivariat/serentak sudah layak. Dengan kata lain tidak terdapat perbedaan antara hasil pengamatan dan kemungkinan hasil prediksi model. Hipotesis dalam pengujian kesesuaian model sebagai berikut (Hosmer dan Lemeshow, 2000)..

,. Tinjauan Pustaka Kesesuaian Model. Statistik uji:. 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) n.   πˆ  yij ln ij D = −2  yij   i =2 . ∑.   1 − πˆij  + 1 − y ln ij   1 − yij  . (. Daerah penolakan: Tolak H0, jika. ).    . D > χ 2(db,α ).

Tinjauan Pustaka. ,. Evaluasi prosedur pengklasifikasian merupakan suatu evaluasi yang digunakan untuk melihat nilai peluang kesalahan klasifikasi yang digunakan oleh suatu fungsi klasifikasi (Johnson dan Wichern, 2007).. Ketepatan Klasifikasi Model. Tabel 2.1 Tabel Klasifikasi. Kenyataan. Predeiksi y1. y2. y3. y1. n11. n12. n13. y2. n21. n22. n23. y3. n31. n32. n33. APER% =. n12 + n13 + n31 + n33 + n31 + n32 × 100% jumlah total sampel.

Penelitian Sebelumnya Wijayanti (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. JAWA TIMUR 13.080 Putus sekolah adalah proses berhentinya siswa secara terpaksa dari suatu lembaga pendidikan tempat dia belajar (BPS, 2012).. SMP: 5724. SD:4227 SD:4227. MTs: 1861 MI:1268.

Angka Putus Sekolah 1. Persentase Penduduk Miskin BPS menggunakan 14 variabel kemiskinan yang secara umum variabel tersebut lebih mengarah pada kondisi fisik rumah tangga miskin. 2. PDRB Per Kapita PDRB / kapita =. 3. Persentase Pertumbuhan Ekonomi 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). 4. Rasio Ketersediaan Sekolah/Penduduk Usia Sekolah Rasio ketersediaan sekolah SMP/MTs =.

Angka Putus Sekolah 5. Rasio Guru/murid Rasio guru dan murid SMP/MTs =. JumlahGuru ( SMP / MTs ) × 1000 JumlahMurid ( SMP / MTs ). 6. Tingkat Kesempatan Kerja (TKK). TKK = 7. Persentase Penduduk Miskin Metode yang digunakan untuk menghitung kemiskinan adalah metode skor, artinya setiap variabel mempunyai bobot atau penimbang yang telah ditentukan sebelumnya oleh BPS..

Angka Putus Sekolah 8. IPM IPM = 1/3 [X(1) + X(2) + X(3)]. X(1) X(2) X(3). : Indeks harapan hidup : Indeks pendidikan = 2/3(indeks melek huruf)+1/3(indeks rata-rata lama sekolah) : Indeks standar hidup layak. Masing-masing indeks komponen IPM tersebut merupakan perbandingan antara selisih suatu nilai indikator dan nilai minimumnya dengan selisih nilai maksimum dan nilai minimum indikator yang bersangkutan..

Metodologi Penelitian Sumber Data. Data Sekunder. SUSENAS 2012. Badan Pusat Statistik Jawa Timur. Data sekunder berdasarkan 38 Kabupaten dan Kota. indikator ekonomi dan sosial tahun 2012. Faktor-Faktor yang diduga mempengaruhi Angka Putus Sekolah.

Variabel Penelitian. APTS usia SLTP. Rasio Guru/ murid Rasio sekolah/ Murid IPM. PDRB per kapita % Pertumbuhan Ekonomi. Persentase Tingkat kesempatan kerja. Persentase penduduk miskin Jumlah pengang guran.

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 sederajat dengan variabel prediktor dengan menggunakan Regresi Logistik Ordinal..

Mulai Pengambilan Data Analisis Kelompok Analisis Regresi Logistik Ordinal. Tabel 3.2 Struktur Data Penelitian Kabup aten/k ota. Y. 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. Estimasi Parameter. Uji Signifikansi Parameter secara Serentak. Uji Signifikansi Parameter secara Parsial. Kesimpulan. Selesai. Diagram Alir Penelitian.

4.1 Karakteristik Angka Putus Sekolah di Jawa Timur dan Faktor-Faktor yang Diduga Mempengaruhi Ratarata. Maximum. Minimum. 0,39. 0,79. 0,11. 6,929. 8,26. 5,82. 2,633. 8,91. 0,16. 106,612. 1099,81. 31,88. IPM Persentase Tingkat kesempatan kerja Persentase kemiskinan. 71,638. 78,14. 61,03. 95,773. 98,84. 92,15. 13,816. 30,21. 4,74. Rasio Guru/ Murid Rasio Jumlah Sekolah/ Murid. 81,024. 146,23. 35,59. 3,578. 7,83. 1,29. Variabel Persentase Angka putus sekolah Pertumbuhan ekonomi Persentase pengangguran PDRB per Kapita.

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu. 4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Pertumbuhan Ekonomi 9. 8. 7. 6. 5. 4. 3. 2. 1. 0.

4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Pengangguran 80000. 70000. 60000. 50000. 40000. 30000. 20000. 10000. 0.

Pacitan Ponorogo Kediri Malang Lumajang Banyuwangi Pasuruan Nganjuk Madiun Ngawi Tuban Lamongan Trenggalek Tulungagung Blitar Sidoarjo Mojokerto Jombang Magetan Gresik Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu Jember Bondowoso Situbondo Probolinggo Bojonegoro Bangkalan Sampang Pamekasan Sumenep. 4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel IPM. 80. 70. 60. 50. 40. 30. 20. 10. 0.

Pacitan Ponorogo Kediri Malang Lumajang Banyuwangi Pasuruan Nganjuk Madiun Ngawi Tuban Lamongan Trenggalek Tulungagung Blitar Sidoarjo Mojokerto Jombang Magetan Gresik Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu Jember Bondowoso Situbondo Probolinggo Bojonegoro Bangkalan Sampang Pamekasan Sumenep. 4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur. Variabel Angka Putus Sekolah 0.8. 0.7. 0.6. 0.5. 0.4. 0.3. 0.2. 0.1. 0.

Pacitan Ponorogo Trenggalek Tulungagung Blitar Kediri Malang Lumajang Jember Banyuwangi Bondowoso Situbondo Probolinggo Pasuruan Sidoarjo Mojokerto Jombang Nganjuk Madiun Magetan Ngawi Bojonegoro Tuban Lamongan Gresik Bangkalan Sampang Pamekasan Sumenep Kota Kediri Kota Blitar Kota Malang Kota Probolinggo Kota Pasuruan Kota Mojokerto kota Madiun kota Surabaya kota Batu. 4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Tingkat Kesempatan Kerja. 100. 98. 96. 94. 92. 90. 88.

4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel PDRB per Kapita.

4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Rasio Guru/ Murid 160. 140. 120. 100. 80. 60. 40. 20. 0.

4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Rasio Sekolah/ Murid 8 7 6 5 4 3 2 1 0.

4.1.1. Karakteristik Kabupaten/Kota di Provinsi Jawa Timur Variabel Persentase Kemiskinan 35. 30. 25. 20. 15. 10. 5. 0.

4.2. Analisis Klaster. Pengelompokkan Kabupaten/ Kota di Provinsi Jawa Timur berdasarkan variabel angka. putus sekolah Rendah Kab/ Kota. Sedang APS (%). Kab/ Kota. Tinggi 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. 0,14. 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 Mojokerto. Kota Probolinggo. 0,32. Kota Pasuruan. 0,39. Kota Batu. 0,44. 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..

4.2. Analisis Klaster. Karakteristik Angka Putus Sekolah SLTP dan sederajat di Jawa Timur tahun 2012 pada Masing-Masing Kelompok. Kelompok Rata-rata Minimum Maximum Angka Putus Sekolah. 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 Klaster. Pemetaan Hasil Pengelompokkan.

4.2. Analisis Klaster. Berikut ini adalah karakteristik dari masing-masing kelompok untuk angka putus sekolah tingkat SLTP dan sederajat di Jawa Timur tahun 2012. Kelompok Variabel. 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 Ordinal. Pengujian 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 Step. G. db. χ 2 tabel. Sig.. 1. 44,293. 8. 13,362. 0,000. 4. 42,722. 5. 9,236. 0,000. H0 ditolak. Keputusan yang dapat diambil adalah H0 ditolak, karena 42,988 lebih besar = 9,236 dari χ Kesimpulan: minimal ada satu variabel independen yang berpengaruh signifikan terhadap angka putus sekolah di Provinsi Jawa Timur tahun 2012. 2 (5;0,1).

4.3. Analisis Regresi Logistik Ordinal. Pengujian Signifikansi Parameter secara Parsial. H0 : βk=0, k=1,2,3,...,8 (variabel prediktor tidak berpengaruh signifikan terhadap variabel respon) H1 : βk ≠ 0, k=1,2,3,...,8 (variabel prediktor berpengaruh signifikan terhadap variabel respon) Statistik Uji :. Step. 1. Variabel. Estimasi Std. Error. Wald. db. Sig.. [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 Ordinal. Pengujian Signifikansi Parameter secara Parsial Tabel 4.6 Hasil Akhir Pengujian Signifikansi Parameter secara Parsial. Estimasi. Wald. [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. 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. Step. 4. Variabel. IPM. Odds. Sig.. H0 ditolak.

4.3. Analisis Regresi Logistik Ordinal. Pengujian Kesesuaian Model H0 : Model sesuai (tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model) H1 : Model tidak sesuai (ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model) Statistik Uji: D = 40,1014 Daerah Penolakan: Tolak H0, jika. D > χ2 db ,α  . . 2 Keputusan: H0 gagal ditolak karena nilai D yaitu 40,1014 lebih kecil dariχ (69;0,1). yaitu 84,418. Kesimpulan: Jadi dapat disimpulkan bahwa model yang terbentuk sudah sesuai karena tidak ada perbedaan antara hasil observasi dengan kemungkinan prediksi model..

4.3. Analisis Regresi Logistik Ordinal. Pembentukan Model dan Nilai Peluang Logit 1 Logit 2. g 1(x) = 83,260 − 0,0313(x3) + 0,4(x4) − 1,154(x5) + 0,062(x7) − 2,325(x8) g 2(x) = 87,332 − 0,0313(x3) + 0,4(x4) − 1,154(x5) + 0,062(x7) − 2,325(x8). Dari model tersebut yang telah terbentuk, dapat dihitung nilai peluangnya. Nilai peluang untuk Kabupaten Pacitan sebagai berikut. π1 (x) =. π 2 (x) =. exp g1 ( x ) 1 + exp g1 ( x ). exp g 2 ( x ) 1 + exp g 2 ( x ). π 3 (x) = 1 −. =. 0, 003 1 + 0, 003. (). − π1 x =. exp g 2 ( x ) 1 + exp g 2 ( x ). =1−. = 0, 003. 0,151 1 + 0,151. 0,151 1 + 0,151. − 0,008 = 0,148. = 0,849.

4.3. Analisis Regresi Logistik Ordinal. Nilai Odds Rasio Tabel 4.8 Tabel Odds Rasio. Estimasi. Wald. Odds. Sig.. -0,0313. 3,679. 0,97. 0,055. 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. -2,325. 6,199. 0,1. 0,013. Step. Variabel PDRB per Kapita IPM. 4. Rasio Sekolah/ Murid.

4.3. Analisis Regresi Logistik Ordinal. Ketepatan Klasifikasi Tabel 4.7 Ketepatan 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%. Rata-rata ketepatan klasifikasi dalam memprediksi model adalah, 73,68%..

Kesimpulan Angka putus sekolah usia SLTP dan sederajat di Provinsi Jawa Timur yang tertinggi adalah Kabupaten Sampang sebesar 0,79 persen, kemungkinan disebabkan karena jumlah angka partisipasi sekolah lebih besar daripada capaian kinerja angka partisipasi sekolah.. • Kabupaten Sidoarjo, Jombang, Madiun, M agetan, Ngawi, Lamongan, Gre sik, Kota Blitar, Kota Kelompok Malang, Kota Mojokerto, Kota 1 Madiun, dan Kota Surabaya. • Kabupaten Pacitan, Ponorogo, Trenggalek, Kelompok 2. Tulungagung, Blitar, Kediri, Ba nyuwangi, Pasuruan, Mojokert o, Bojonegoro, Tuban, Kota Kediri, Kota Probolinggo, Kota Pasuruan, dan Kota Batu.. • Kabupaten Malang, Lumajang, Jember, Bo ndowoso, Situbondo, Probolin Kelompok ggo, Nganjuk, Bangkalan, Sam pang, Pamekasan, dan 3 Sumenep.

Kesimpulan Model regresi logistik ordinal yang didapatkan Logit 1 Logit 2. g 1(x) = 83,260 − 0,0313(x3) + 0,4(x4) − 1,154(x5) + 0,062(x7) − 2,325(x8) g 2(x) = 87,332 − 0,0313(x3) + 0,4(x4) − 1,154(x5) + 0,062(x7) − 2,325(x8). 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)..

Saran.

Daftar Pustaka Agresti, 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. Tugas Akhir Jurusan Statistika ITS, Surabaya. Rengganis L. N. R. (2007). Analisis Pengelompokkan Kecamatan Kotamadya Surabaya Berdasarkan Variabel Kependudukan, Kesehatan, dan Pendidikan. Tugas Akhir Jurusan Statistika ITS, Surabaya. Septiana, Liska. (2011). Pemodelan Remaja Putus Sekolah Usia SMA di Provinsi Jawa Timur dengan Menggunakan Metode 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..