Penerapan Analisis Regresi Ganda untuk
Mengidentifikasi Faktor-faktor yang Berasosasi
terhadap Capaian IPM
oleh
Ikrar Pramudya
Siti Khoiriyah
Pusat Data dan Statistik Pendidikan
Kementerian Pendidikan Dasar dan Menengah
Jakarta, 18 Nopember 2014
Pokok Bahasan
•
Pengantar
•
Garis Besar Materi
•
Kerangka Berpikir
•
Proses Analisis
•
Hasil Analisis
Pengantar
• Tersedia data sekunder yg cukup dan dapat
didayagu-nakan sbg bahan analisis. Hasil analisis dapat
dijadi-kan acuan utk pengambilan kebijadijadi-kan/penyusunan
program, a.l.: data BPS.
• Tersedia cukup banyak aplikasi yg dapat digunakan
utk mendukung proses komputasi ketika menganalisis
data tetapi kurang didayagunakan, a.l.: SPSS, SAS,
MiniTab, Lisrel, SEM, MS-Excel, MathLab, dll.
• Pengelola data pdu belum mendayagunakan data utk
mendukung pengambilan kebijakan/penyusunan
pro-gram, salah satu sebabnya: ? kurang memahami
metode statistik.
Garis Besar Materi
IPM
Y: Peubah Terikat
Proses
X: Peubah Bebas
X
1
X
75
F
1: X
1, X
73, X
74F
2: X
14, X
53, X
58F
2: X
3, X
70 IPM R2 M1 62,6-0,4X1+0,2X73+0,2X74 42,9% M2 62,7+0,3X14+0,1X53+0,1X58 46,9% M3 81,7-0,1X3-3,5X70 2,9%Pengantar GBM Kerangka Proses Hasil Simpulan Topik Peubah Bebas : (1) (2) (3)
Pub Keterangan Pub Keterangan
X1 tidak dapat baca-tulis aksara latin X15 laki-laki yg sekolah 1mt
X2 tidak dapat baca-tulis aksara Arab X16 laki-laki yg tidak sekolah 1mt X3 tidak dapat baca-tulis aksara lainnya X17 perempuan yg sekolah 1mt
X4 desa urban X18 perempuan yg tidak sekolah 1mt
X5 desa rural X19 laki-laki yg bekerja 1mt
X6 desa berbatasan dg laut X20 laki-laki yg tidak bekerja 1mt
X7 desa tak berbatasan dg laut X21 perempuan yg bekerja 1mt
X8 % art > 17 tahun yg jadi anggota parpol X22 perempuan yg tidak bekerja 1mt X9 anggota keluarga laki-laki X23 laki-laki yg urus rumah tangga 1mt
X10 anggota keluarga perempuan X24 laki-laki yang tidak urus rt 1mt
X11 % art yg beli surat kabar X25 perempuan yg urus rumah tangga 1mt
X12 % art yg beli tabloid/majalah X26 perempuan yg tidak yg urus rt 1mt X13 % art yg manfaatkan TBM X27 jlp pertanian tanaman padi & palawija X14 % pernah akses internet dlm 3bt X28 jlp hortikultura
Pub Keterangan Pub Keterangan
X29 jlp perkebunan X43 jlp jasa kesehatan
X30 jlp perikanan X44 jlp jasa kemasy, pmrintah, & perorangan X31 jlp peternakan X45 jlp lainnya
X32 jlp kehutanan & pertanian lainnya X46 penduduk miskin (000)
X33 jlp pertambangan & penggalian X47 garis kemiskinan (Rp/kapita/bulan)
X34 jlp industri pengolahan X48 % pernah/sedang ikut pra sekolah
X35 jlp listrik & gas X49 % Pos PAUD/PAUD T-BKB/Posyandu X36 jlp konstruksi/ bangunan X50 % PAUD-TAAM/PAK/BIA/TKQ/lainnya X37 jlp perdagangan X51 % TK/BA/RA/KB/TPA
X38 jlp hotel & rumah makan X52 termasuk tamat SDLB, MI, & Paket A
X39 jlp transportasi & pergudangan X53 tmsk tamat SMPLB, MTs, & Paket B
X40 jlp informasi & komunikasi X54 termasuk tamat SMLB, MA X41 jlp keuangan dan asuransi X55 termasuk tamat Paket C
X42 jlp jasa pendidikan X56 tmsk sdg sekolah SDLB, MI, & Paket A
Peu Keterangan Peu Keterangan
X57 tmsk sdg sekolah SMPLB, MTs, & Paket B X67 pernah/sedang mengikuti KF-BA 1tt X58 tmsk sdg sekolah SMLB, MA, & Paket C X68 pernah/sedang mengikuti KF-KA 1tt X59 % desa dg kegiatan KF 3tt X69 memiliki SUKMA
X60 desa dg paket A/B/C 1tt X70 mengikuti japen paket A setara SD
X61 desa dg TBM X71 mengikuti japen paket B setara SMP
X62 pernah baca surat kabar 1mt X72 mengikuti japen paket C setara SMA
X63 pernah baca majalah/tabloid 1mt X73 art yg tidak/belum pernah bersekolah X64 pernah baca buku cerita 1mt X74 art yg tidak bersekolah lagi
X65 pernah baca buku pelajaran sekolah 1mt X75 tingkat kepadatan penduduk
X66 pernah baca buku pengetahuan 1mt
Daftar Peubah Bebas (3)
Keterangan:
art : anggota rumah tangga TBM : taman bacaan masyarakat jlp : jenis lapangan pekerjaan : jumlah
japen : jalur pendidikan 1mt : seminggu terakhir KF : keaksaraan fungsional 1tt : satu tahun terakhir SUKMA : surat keterangan melek aksara
Kerangka Berpikir
IPM
Y: Peubah Terikat
X: Peubah Bebas
X
1
X
75
memilih Xi penjelas ) ( ) 1 ( j i i X X faktor penjelas cek asumsi?
?
?
mengatasi model yg tidak penuhi asumsi memilih model yg cocok/fit?
Pengantar GBM Kerangka Proses Hasil Simpulan Topik
Proses Analisis
Pengantar GBM Kerangka Proses Hasil Simpulan Topik
IPM
Y: Peubah Terikat
X: Peubah Bebas
X
1
X
75
) ( ) 1 ( j i i X X memilih faktorpenjelas uji asumsi
mengatasi model yg tak penuhi asumsi model yg cocok/fit Regresi Bertatar Analisis Faktor Regresi Klasik Regresi Kekar Pemilihan Model memilih Xi penjelas
Regresi Bertatar
•
Menentukan peubah bebas yg bisa masuk ke model:
IPM =
0
+
1
X
i1
+…+
j
X
ij
melalui proses
forward and backward selection
dg
aplikasi
SPSS
.
•
Hipotesis:
H
0
:
1
,
2
, …,
j
= 0
H
1
:
1
,
2
, …,
j
0
•
Hasilnya terpilih 14 peubah:
X
1X
3X
6X
14X
32X
45X
53X
58X
59X
65X
69X
70X
73X
74Analisis Faktor
•
Menentukan kelompok peubah penjelas (faktor) yg
secara simultan berasosiasi thd IPM.
Peubah KMO
Peubah dg MSA
0,5
14
0,729
X
59(0,312)
13
0,762
X
6(0,489)
12
0,769
tidak ada
KMO
> 0,5
dan MSA
> 0,5
Keterangan:
MSA : Measurement of Sampling Adequacy KMO : Kaiser-Meyer-Olkin
Peubah Penjelas
NK > 0,5
X
10,967
X
30,669
X
140,650
X
530,739
X
580,698
X
700,764
X
730,976
X
740,902
Keterangan:• Peubah penjelas: X32, X45, X65, dan X69 memiliki NK < 0,5 shg harus dikeluarkan dari model.
Faktor
Akar
Karakteristik
Keragaman yg
dapat dijelaskan
(%)
Proporsi
(%)
Pertama:
3,885
48,567
48,567
Kedua:
1,437
17,958
66,525
Ketiga:
1,043
13,039
79,564
74 73 1X
X
X
58 53 14X
X
X
70 3X
X
Peubah Penjelas
Faktor
1
2
3
X
10,942
-0,261
0,110
X
3-0,033
-0,347
-0,740
X
14-0,163
0,789
0,019
X
53-0,218
0,829
0,069
X
58-0,445
0,707
0,001
X
700,028
-0,188
0,853
X
730,950
-0,260
0,071
X
74-0,925
0,202
0,079
PAModel Regresi Klasik
•
Model sisaan: IPM
k=
0+
1X
i1k+…+
jX
ijk+
k; k = 1, 2, 3.
1. IPM
1= 62,092-0,418
X
1+0,210
X
73+0,165
X
74+
12. IPM
2= 58,167+0,252
X
14+0,098
X
53+0,150
X
58+
23. IPM
3= 84,935-0,142
X
3-5,104
X
70+
3•
Asumsi yg harus dipenuhi:
1.
kmemiliki ragam yg homogen/tidak terjadi
hete-roskedastisitas
.
2.
kdan
ltidak saling berkorelasi (cov(
k,
l) = 0) utk
setiap k
l.
3.
kmrpk peubah acak berdistribusi normal. Artinya,
k
N(0,
2).
•
Ternyata distribusi:
1,
2, dan
3tidak normal
.
Regresi Kekar
•
Karena
1
,
2
, dan
3
tidak normal, model regresi
kla-sik tidak dapat digunakan. OKI, proses analisis
dilan-jutkan dg analisis regresi kekar. Diperoleh model yg
direvisi, yaitu:
Mod-1. IPM
1
= 62,645-0,399
X
1
+0,183
X
73
+0,159
X
74
Mod-2. IPM
2
= 62,729+0,255
X
14
+0,074
X
53
+0,086
X
58
Mod-3. IPM
3
= 81,723-0,105
X
3
-3,497
X
70
+
3
Model
R
2AIC
BIC
Pertama
RL(X
1, X
73, X
74) 42,86% 422,303 441,239
Kedua
RL(X
14, X
53, X
58) 46,77% 637,609 635,867
Ketiga
RL(X
3, X
70)
2,88% 529,194 543,317
•
Karena nilai
R
2
cukup besar
dan nilai
AIC
serta
BIC
cukup kecil
, m
odel regresi terbaik yg
menggam-barkan hubungan peubah penjelas thd capaian
IPM adalah
IPM
1= 62,645-0,399
X
1+0,183
X
73+0,159
X
74.
PA
Keterangan:
AIC : Akaike Information Criterion BIC : Bayesian Information Criterion