PEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN
2009 DENGAN METODE GWR
(GEOGRAPHICALLY WEIGHTED REGRESSION)
Pembimbing : Ir. Sri Pingit Wulandari, MSi
l15_k4@yahoo.co.id
Liska Septiana
1309 105 004
Latar Belakang
Pendidikan
SDM berkualitas sehingga
meningkatkan mutu hidup
(BPS 2008)Salah satu parameter keberhasilan pendidikan adalah menuntaskan APK (Angka Partisipasi Kasar) dan APM (Angka Partisipasi Murni) mutu pendidikan untuk mencapai 95% (Rasiyo, 2009).
Dapat dikatakan belum maksimal berdasarkan jenjang pendidikan formal khususnya pada jenjang pendidikan SMA pada APK sebesar 71,18 % dan APM sebesar 57,05 %
Remaja putus sekolah usia SMA sekitar 40,89 persen
Putus Sekolah di Jawa Timur
0 100 200 300 400 500 600 700
Series1
Kota Kediri kediri Malang
Jember Berdasarkan Jatimprov pada tahun 2007/2008
Mennurut Eko Setiyono (Kepala Bagian Masyarakat Kabupaten Kediri):Alasan utama mereka antara lain masalah ekonomi, medan yang terlalu jauh, menikah, hingga mencari pekerjaan
Menurut Kahumas Pemkot Malang M Yusuf, siswa siswi yang jarak sekolah dengan tempat tinggalnya terlalu jauh dan mereka adalah dari keluarga kurang mampu diberi bantuan berupa sepeda
Dana BOS dari tiap wilayah berbeda
Permasalahan dan Tujuan
1
• Bagaimana pemetaan secara spasial dari persentase remaja putus sekolah usia SMA di Provinsi Jawa Timur ?
2
• Bagaimana pemodelan regresi spasial berdasarkan faktor-faktor yang mempengaruhi remaja putus sekolah usia SMA di Provinsi Jawa Timur?
1
• Mendiskripsikan pemetaan secara spasial pada remaja putus sekolah usia SMA di Provinsi Jawa Timur.
2 • Menyusun pemodelan Regresi Spasial berdasarkan faktor-faktor yang mempengaruhi remaja putus sekolah usia SMA di Provinsi Jawa Timur.
Manfaat
Apa Manfaatnya Apa Manfaatnya
mengaplikasikan ilmu yang telah diperoleh dari bangku perkuliahan serta memberikan informasi bagi pembaca khususnya pemerintah Jawa Timur tentang putus sekolah remaja usia SMA di setiap Kabupaten/Kota di Jawa Timur serta faktor-faktor apa saja yang mempengaruhiputus
sekolah remaja usia SMA.
Tinjauan Pustaka
Parameter Pendidikan
menuntaskan APK (Angka Partisipasi Kasar) dan APM (Angka Partisipasi Murni) mutu pendidikan untuk mencapai 95%.
Jumlah siswa dijenjang pendidikan tertentu *)
APK = ---x 100 % Jumlah penduduk kelompok usia tertentu
Jl. siswa kelpk usia sekolah dijenjang pendidikan tertentu *)
APM = --- x 100 % Jumlah penduduk kelompok usia tertentu
usia 2-4 tahun ( usia Play group) usia 7–12 tahun (usia SD), usia13–15 tahun (usia SLTP),
usia 16–18 tahun (usia SMU) usia 19–24 tahun (usia perguruan tinggi/PT)
PUTUS SEKOLAH
Tinjauan Pustaka
Cont’Faktor-aktor lain yang menyebabkan anak putus sekolah yaitu
jenis kelamin, jumlah saudara dan rata-rata pengeluaran perbulan. Jenis kelamin erat kaitannya dengan putus sekolah, diduga angka putus sekolah anak perempuan jauh lebih besar dibandingkan dengan anak laki-laki. (Elfindri 2001)
Faktor ekonomi indikatornya antara lain tidak ada biaya dan bekerja (Alifianto, 2008).
Tinjauan Pustaka
Cont’Dampak Pendidikan
Eksternalities dan efek tidak langsung yang berhubungan dengan pendidikan, Kesehatan, dan pertumbuhan populasi:
• Pendidikan , pencapaian dan prestasi anak
• Peningkatan kesehatan, dan kematian bayi lebih rendah
• Lebih baik individu healt
• penurunan jumlah kelahiran
Pertumbuhan penduduk yang lebih rendah dan kesehatan lebih baik populasi (dan angkatan kerja)
Pendidikan
Peningkatan pendapatan tetangga Peningkatan laba
(produktivitas tinggi) Pertumbuhan tinggi
Partisipasi dalam angkatan kerja
Peningkatan angkatan kerja
Tinjauan Pustaka
Cont’Analisis Regresi
Analisis regresi merupakan analisis untuk mendapatkan hubungan dan model matematis antara variabel dependen (Y) dan satu atau lebih variabel independen (X).
Y =
b
0 +b
1X1 +...+b
pX p +e
, Y =b
0 +b
1Xi1+... +b
p Xip +e
pengamatan sebanyak n
Dalam model regresi ada asumsi normalitas yaitu ε∼IIDN(0,s2I).
Dalam bentuk Matrik
Model umum regresi spasial dinyatakan pada persamaan (2.6) dan (2.7) (LeSage, 1999; dan Anselin 1988).
Tinjauan Pustaka
Cont’u Xβ
y W
y =
1+ +
denganu = W
2u + ε ε ~ N ( 0 , s
2I )
Tinjauan Pustaka
Cont’Spatial Autoregressive Model (SAR)
Spatial Autoregressive Model (SAR) disebut juga Spatial Lag Model (SLM) adalah salah satu model spasial dengan pendekatan area dengan memperhitungkan pengaruh
spasial lag pada variabel dependen saja.
ε Xβ y
W
y =
1+ +
ε Xβ
y W
y 1 = +
I W
1 y = Xβ + ε
I W
Xβ
I W
ε y = 1 1 + 1 1
1
1
1
1 2
1
1
~ N , s T
y I W Xβ I W I I W
Tinjauan Pustaka
Cont’Spatial Error Model (SEM)
Uji Residual Spatial error model berbasis Maximum Likelihood
estimation dilakukan untuk mengetahui SEM, menguji Residual spatial autocorrelation dengan Lagrange Multiplier (LM )
Hipotesis yang dikemukakan ialah
2 1 T
2
n 1 1
LRT 2 lnσ ln (I B) (I B) (y
2 2 2σ
=
T 1 T 1 2
Xβ) (I B) (I B) ( ) ln 2
y n s
Xβ +
+ ( ) ( )
2 1
2 y Xβ T y Xβ
s
Tinjauan Pustaka
Cont’Matriks Pembobot
Pembobot yang digunakan dalam penelitian ini adalah sebagai berikut:
Persinggungan sisi sudut (Queen Contiguity) adalah lokasi yang bersisian atau titik sudutnya bertemu dengan lokasi yang menjadi perhatian diberi pembobotan wij = 1, sedangkan untuk lokasi lainnya adalah wij = 0.
Sumber: LeSage (1999)
0 1 0 0 0 1 0 1 0 0 0 1 0 1 1 0 0 1 0 1 0 0 1 1 0
Queen
W
=
0 1 0 0 0
0,5 0 0,5 0 0
0 0,3 0 0,3 0,3
0 0 0,5 0 0,5
0 0 0,5 0,5 0
Queen
W
=
Moran’s Scatterplot Pemodelan tiap wilayah
Tinjauan Pustaka
Cont’Uji Efek Spasial
Efek spasial yaitu spatial dependence dan spatial heterogeneity pada data, digunakan beberapa metode pengujian. Pengujian adanya spatial dependence memakai metode Moran’s I dan Lagrange Multiplier (LM). Untuk pengujian adanya spatial heterogeneity menggunakan
metode Breusch-Pagan Test.
Spatial Dependence
Hipotesis yang digunakan adalah :
H0 : I = 0 (tidak ada autokorelasi antar lokasi) H0- : I ≠ 0 (ada autokorelasi antar lokasi)
Statistik uji disajikan pada persamaan :
) I var(
E(I) -
= I
hitung
Z
var (I) : varians Moran’s I
E(I) : expected value Moran’s I
Pengambilan keputusan adalah H0 ditolak jika > Zα/2
Tinjauan Pustaka
Cont’Spatial Dependence Cont’
Pada LM test diperoleh berdasar pada asumsi model di bawah H0. Terdapat tiga hipotesis yang akan digunakan, yaitu:
Keputusan tolak H0 jika nilai LM > X2(k).
Spatial Heterogenity
Heterogenitas data secara spasial dapat diuji dengan menggunakan statistik uji Breusch- Pagan test (BP test) yang mempunyai hipotesis:
Tolak H0 bila BP > χ2(k).
Variabel respon (y) yaitu presentase remaja putus sekolah usia SMA tiap kabupaten/kota di Jawa timur. Dimaksud usia SMA adalah usia 16-18 tahun,
Sumber Data dan Variabel
Data sekunder Hasil Survei Sosial Ekonomi Nasional (Susenas) Tahun 2009 di Provinsi Jawa Timur, dengan variabel sebagai berikut:
Variabel Keterangan variabel X
1Rasio jenis kelamin
X
2Persentase banyaknya anggota rumah tangga yang >4
X
3Persentase kemiskinan
X
4Rasio letak rumah di pedesaan X
5Rasio pendidikan kepala rumah
tangga
Langkah Analisis
Data
Mendeskripsikan Variabel
Regresi sederhana Pengujian signifikan Parameter Model Regresi Spasiasl
Uji Asumsi Residual (IIDN)
Pengujian Efek Spasial
HeterogenitasUji Spasial DependensiUji
Spasial
Ya GWR
Ya SAR
SEM SARMA
Analisis Data dan Pembahasan
Kode Wilayah 01 Kab. Pacitan 03 Kab. Trenggalek 06 Kab. Kediri 07 Kab. Malang 16 Kab. Mojokerto
Kode Wilayah 12 Kab. Sitbondo 13 Kab. Probolinggo 15 Kab. Sidoarjo 26 Kab. Bangkalan 27 Kab. Sampang 28 Kab. Pamekasan 71 Kota Kediri Presentase Remaja Putus Sekolah di Jawa Timur
Analisis Data dan Pembahasan
Jika dilihat berdasarkan persentase remaja putus sekolah di Jawa Timur tahun 2009
0 5 10 15 20 25 30 35 40 45
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
(%) Putus Sekolah
Kabupaten/Kota
Trenggalek (38,9%) Pacitan
(33,65%)
Mojokerto (31,54%)
Sidoarjo (5,45%) Situbondo
(7,14%) Sampang(7,06%)
Bangkalan (7,47%)
Variabel Jumlah Mean Minimum Median Maksimum
Y 38 19.19 5.49 19.51 38.89
X1 38 1.427 0.235 1.146 5
X2 38 41.88 5.26 44.44 66.67
X3 38 15.96 4.81 15.71 31.94
X4 38 0.553 0 0.6546 0.9235
X5 38 2.258 0.362 2.296 7.103
1. Jenis kelamin (X1)
2. Jumlah anggota rumah tangga yang lebih dari empat (X2) 3. Persentase keluarga miskin (X3)
4. Letak rumah di pedesaan (X4)
5. Pendidikan kepala rumah tangga(X5)
Analisis Data dan Pembahasan Cont’
Statistika Deskriptif
Analisis Data dan Pembahasan Cont’
Deteksi Kolinieritas dengan VIF
Variabel Prediktor
Nilai VIF
X
11.3
X
21.4
X
32.8
X
45.4
X
54.3
Semua variabel memiliki nilai VIF
< 10 yang berarti tidak ada kasus
multikolinearitas.
Model Regresi Linear
Sehingga model regresi linearnya :
Analisis Data dan Pembahasan Cont’
1 2 3 4 5
ˆ 18,001 0,11 0,0482 0,6019 21,0384 1,312
Y = + X + X + X + X X
Predictor Coef SE Coef T P
Constant 18.01 6.118 2.94 0.006
X1 0.11 1.644 0.07 0.947
X2 0.0482 0.09661 0.48 0.631
X3 0.6019 0.3011 -2** 0.054
X4 21.038 9.329 2.26* 0.031
X5 -1.312 1.821 -0.72 0.476
Nilai R square 0.719936
*T(31;0,975) = 2.03951
** T(31;0,95) = 1.69552
α(0,05) α(0,1)
Analisis Data dan Pembahasan Cont’
Pengujian Efek Spasial
3 2
1 0
-1 -2
6 5 4 3 2 1 0 -1 -2 -3
Stadart
Wy
0
0
Kota Batu
Kota Surabaya Kota Madiun
Kota Mojokerto
Kota Pasuruan Kota Probolinggo
Kota Malang Kota Blitar Kota Kediri
Sumenep Pamekasan
Sampang Bangkalan
Gresik
LamonganTuban
Bojonegoro
Ngawi
Magetan Madiun
Nganjuk Jombang
Mojokerto Sidoarjo
Pasuruan
Probolinggo Situbondo
Bondowoso
Banyuwangi Jember
Lumajang
Malang
Kediri Blitar Tulungagung
Trenggalek Ponorogo
Scatterplot of Wy vs Stadart Uji Dependensi Spasial Nilai P-value
Moran’s I (error) 3,0266 0,0025*
Lagrange Multiplier (lag)
9,3692 0,0022*
Lagrange Multiplier (error)
5,9245 0,0149*
Lagrange Multiplier (SARMA)
11,942 0,0025*
Ket: * Signifikan α=0.05
Analisis Data dan Pembahasan Cont’
Model Spasial
Spatial Autoregressive Model (SAR)
Variabel Coeff Z P-value
ρ 0,4820 3,3766 0,0007*
Intercept 4,5013 0,8248 0,4094
X1 -0,0189 -0,0150 0,9879
X2 0,0687 0,8961 0,3701
X3 0,4083 -1,6603 0,0968**
X4 0,1864 2,5553 0,0106*
X5 -0,8865 -0,6229 0,5332
Ket: R2= 44,15%
*Signifikan α=5%
**, Signifikan α=10%
3 4
1,
0,482 n 0,408 0,186
i ij j i i i
j i j
y w y X X
e
=
=
+ +Analisis Data dan Pembahasan Cont’
Spatial Error Model (SEM)
Variabel Coeff Z P-value
λ 0,5144 3,5964 0,0003*
Intercept 13,576 2,4612 0,0138*
X1 0,1430 0,1205 0,9040
X2 0,0480 0,6426 0,5204
X3 0,3254 -1,0982 0,2720
X4 0,1481 2,0811 0,0374*
X5 9,9e-005 7,1e-005 0,9999
R2= 42,38%
*Signifikan α=5%
13,576 0,148
4i i i
y = + X + u
1,
0,514 n
i ij j i
j i j
u w u
e
=
=
+Analisis Data dan Pembahasan Cont’
Faktor- faktor yang Mempengaruhi Putus Sekolah SMA
Persentase letak rumah di pedesaan(%)
Persentase keluarga miskin (%)
Persentase Remaja Putus sekolah usia SMA (%)
Kesimpulan dan Saran ’
Kesimpulan
1. Berdasarkan peta tematik tentang angka putus sekolah remaja usia SMA untuk setiap kabupaten di Provinsi Jawa Timur, yang memiliki angka putus sekolah dengan persentase tinggi, yaitu untuk kabupaten Malang, kabupaten Mojokerto, kabupaten Kediri, kabupaten Trenggalek, dan kabupaten Pacitan. Sedangkan yang memiliki presentase rendah adalah daerah kabupaten Pamekasan, kabupaten Sampang, kabupaten Bangkalan, kabupaten Situbondo, kabupaten Probolinggo, kabupaten Sidoarjo dan kota Kediri. Serta untuk hasil statistik deskriptif, terlihat bahwa rata-rata siswa putus sekolah sebesar 19,19%. Dengan rata-rata siswa yang putus sekolah yang berjenis kelamin perempuan, dan status ekonomi miskin sebesar 1,427 dan 15,96% .
2. Berdasarkan hasil analisis didapatkan dependensi dalam lag dan error, maka dilakukan pemodelan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Model SAR didapatkan variabel predictor yang signifikan pada α=10% adalah variabel keluarga miskin (X3) dan letak rumah dipedesaan (X4) dengan nilai R2=44,15%. Model SAR yang didapatkan adalah sebagai berikut.
Kesimpulan dan Saran Cont’
Saran
1. Faktor-faktor sebagai variabel prediktor yang mempengaruhi angka putus sekolah remaja usia SMA di Provinsi Jawa Timur sebaiknya ditambah mengingat nilai R2 yang rendah, kemungkinan beberapa variabel yang di tambahkan untuk penelitian selanjutnya adalah anggaran pendidikan per APBD, tenaga SMA per jumlah siswa SMA, fasilitas fisik pendidikan SMA per jumlah siswa SMA.
2. Menggunakan selain jenis persinggungan sisi sudut (Queen Contiguity). Dalam memilih persinggungan jenis sudut perlu diperhatikan untuk melihat kondisi daerah, kususnya daerah Jawa Timur yang memiliki kemudahan akses transportasi untuk berpindah dari daerah yang satu dengan daerah yang lain, selain itu Jawa Timur memiliki kedekatan wilayah yang dapat dijangkau dengan mudah tanpa melihat kedekatan sudut antar wilayah, seperti Kota.Surabaya dan Kab.Bangkalan yang memiliki jembatan sebagai kemudahan penduduknya untuk berindah dari Kota.Surabaya ke Kab.Bangkalan ataupun ssebaliknya.
3. Sebaiknya dalam penelitian selanjutnya dapat menggunakan pemodelan spasial Spatial Autoregressive Moving Average (SARMA), karena dalam penelitian ini diketahui bahwa dalam LM test sebagai didapatkan dependensi dalam ( lag, error)