Oleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD

Oleh : Arief Yudissanta (1307 030 019)

Pembimbing : Prof. Susanti Linuwih Mstat.PHD

TUGAS AKHIR TUGAS AKHIR

Page 1

Pembimbing : Prof. Susanti Linuwih Mstat.PHD

PENGELOMPOKAN SEKOLAH DASAR BERDASARKAN RATA-RATA NILAI UJIAN AKHIR SEKOLAH BERSTANDAR

NASIONAL DI SETIAP SEKOLAH DASAR DI KOTA

MOJOKERTO DENGAN METODE HIERRARKI CLUSTERING

PENDAHULUAN

LATAR

LATAR BELAKANG BELAKANG PENDIDIKAN

Page 2

MASALAH PENDIDIKAN DI INDONESIA

RENDAHNYA MUTU PENDIDIKAN

UASBN

PERMASALAHAN PERMASALAHAN ::

Bagaimana pengelompokan sekolah dasar dengan menggunakan analisis kelompok hierrarki berdasarkan dafa nilai Ujian Akhir Sekolah Berstandar Nasional (UASBN) tiap mata pelajaran.

TUJUAN TUJUAN ::

• Untuk mengetahui pengelompokan sekolah dasar

Page 3

• Untuk mengetahui pengelompokan sekolah dasar berdasarkan nilai rata-rata per mata pelajaran yang diujikan.

• Untuk mengetahui deskripsi tentang kondisi guru

berdasarkan usia dan jenjang pendidikannya

MANFAAT

MANFAAT ^BATASAN BATASAN MASALAH MASALAH Memberikan

informasi kepada DIKNAS kota Mojokerto, agar pemerintah kota

Data nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional)

pada tahun ajaran 2008/2009 di

Sekolah Dasar (SD)

Page 4

pemerintah kota Mojokerto tahu sekolah dasar –

sekolah dasar mana yang harus diberi pembinaan

Sekolah Dasar (SD) dan Madrasah

Ibtida’iyah (MI) sekecamatan Magersari dan Prajuritkulon kota

Mojokerto

PUSTAKA PUSTAKA

TINJAUAN TINJAUAN

TUGAS AKHIR TUGAS AKHIR

Page 5

TINJAUAN

TINJAUAN STATISTIK STATISTIK

CLUSTER

Page 6

HIERRARKI NON HIERRARKI

CLUSTER

CLUSTER HIERRARKI HIERRARKI

Langkah-langkah analisis hierrarkhi clustering/kelompok adalah sebagai berikut :

1. Mulai dengan N kelompok, setiap kelompok mengandung entiti tunggal dan sebuah matriks simetrik dari jarak (similarities) D = {d_ik} dengan tipe NxN.

2. Cari matriks jarak untuk pasangan kelompok yang terdekat (paling mirip). Misalkan jarak antara kelompok U dan V yang paling mirip adalah d_uv.

3. Gabungkan kelompok U dan V. Label kelompok yang baru dibentuk dengan (UV).

Update entries pada matrik jarak dengan cara :

Page 7 a. Hapus baris dan kolom yang bersesuaian dengan kelompok U dan V

b. Tambahkan baris dan kolom yang memberikan jarak-jarak antara kelompok (UV) dan kelompok-kelompok yang tersisa.

4. Ulangi langkah 2 dan 3 sebanyak (N-1) kali. (Semua objek akan berada dalam kelompok tunggal setelah algoritma berahir). Catat identitas dari kelompok yang digabungkan dan tingkat-tingkat (jarak atau similaritas) di mana penggabungan terjadi (Johnson dkk, 2002).

JARAK

JARAK ECLUIDIUS ECLUIDIUS

Jarak euclidius berawal dari jarak Minkowski dengan dua objek sehingga dapat dinyatakan dalam bentuk persamaan sebagai berikut :

Page 8

11..Metode MetodePautan PautanTunggal Tunggal(( Singel SingelLinkage Linkage ))

d min{ d d } (UV )W UW, VW = (1)

22..Metode MetodePautan PautanLengkap Lengkap(( Complete CompleteLinkage Linkage ))

d_(UV)W = maks{d_UW, d_VW}

33..Metode MetodePautan PautanRata Rata--rata rata(( Average AverageLinkage Linkage ))

Page 9

33..Metode MetodePautan PautanRata Rata--rata rata(( Average AverageLinkage Linkage ))



UV W



i k

ik

N N

d

) (



 







44..Metode MetodeWard’s Ward’s

ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN

Analisis diskriminan adalah salah satu metode analisis multivariate yang diterapkan untuk memodelkan hubungan antara satu variabel respon yang bersifat kategori dengan satu atau lebih variabel prediktor yang bersifat kuantitatif dengan membentuk fungsi diskriminan (Hair dkk, 2006)

• Tujuan dari analisis diskriminan, antara lain :

• Untuk melakukan identifikasi variabel-variabel yang paling membedakan antar dua grup.

• Untuk membangun persamaan atau fungsi berdasarkan variabel-variabel pembeda yang dapat digunakan menghitung variabel baru sehingga dapat menggambarkan perbedaan antar 2 grup.

• Untuk mengelompokkan pengamatan ke dalam salah satu grup yang ada.

Tahapan-tahapan analisis diskriminan : 1. Evaluasi signifikansi variabel pembeda

Untuk mengukur signifikansi variabel-variabel pembeda yang

Page 10

Untuk mengukur signifikansi variabel-variabel pembeda yang membedakan grup secara signifikan. Asumsi ini akan terpenuhi apabila nilai rata-rata masing-masing variabel berbeda untuk kedua grup tersebut. Adapun hipotesis untuk masing-masing variabel pembeda :

2 1

1

2 1

: :











 H

H

_o

 ^x

^p]T untuk grup kedua

2 = [ _1,

x

_2,….,

x

dimana :

p = jumlah variabel

1= [

 x x

_{1, 2,….,}

x

_p^]T untuk grup kedua

dengan statistik uji :

2 2 1

2 1 2

1 2 1

) 2 (

1 D

n n

n n p

n n

p n

n 



 





 



 











 F_hitung = 

dimana D² = (



₁ –



₂₎^T_^-1₍



_{1 –}



₂₎

2. Estimasi fungsi diskriminan

EVALUASI FUNGSI KLASIFIKASI EVALUASI FUNGSI KLASIFIKASI

• Hal penting untuk menilai suatu prosedur klasifikasi adalah dengan menghitung peluang kesalahan klasifikasi ukuran yang dinamakan Apparent Error Rates (APER), didefinisikan dengan fraksi (proporsi)

pengamatan pada sampel yang salah diklasifikasikan oleh fungsi klasifikasi.

Apabila asumsi multivariat normal dan homogenitas matriks varian-kovarian terpenuhi maka akan berakibat nilai APER akan semakin besar. APER

dihitung dengan terlebih dahulu membuat Tabel Klasifikasi.

Actual Group

Predicted Group

Page 11

Actual Group



1 2 ₃

1 n₁₁ ⁿ₁₂ n₁₃

2 n21

n22 n₂₃

3 n₃₁ n₃₂ n₃₃

3 2 1

32 31

23 21

13 12

n n

n

n n

n n

n APER n













 

Uji Distribusi Normal Multivariat

• Untuk melakukan analisis diskriminan, jika terdapat banyak variabel yang mendukung diperlukan asumsi distribusi normal multivariat

[Johnson dan Wichern, 2002]. Sifat normal multivariat data dapat diuji dengan menghitung nilai jarak kuadrat pada setiap

pengamatan, yaitu :

• dengan

• dimana :

• x = pengamatan ke-j

n j 1,2,...,

) (

)

(

^{' 1}

2

 x

_j

 x S

^

x

_j

 x

d

j

Page 12

• x_j = pengamatan ke-j

• S^-1 = invers matriks varian kovarians

• hipotesis :

• H₀ : data berdistribusi normal multivariate.

• H₁ : data tidak berdistribusi normal multivariate.

• Hipotesis nol akan ditolak dengan  = 0.05 jika lebih dari 50% nilai dari d_j² lebih besar dari ² _(0.05,p).

UJI MATRIKS VARIANS KOVARIANS UJI MATRIKS VARIANS KOVARIANS

• Untuk menguji kehomogenan matriks varian kovarians antar kelompok digunakan Statistik uji Box’s M dengan hipotesis statistiknya adalah :

• H₀ : ₁ = ₂ = .... = _k

• H₁ : minimal ada satu kelompok berbeda, _i  _j ; i, j, ..., k

• Statistik uji Box’s M : Box’s M =

• Dengan, ^{* }



^{K Sk (n1)/(2nK)/2}







 









^K

k

k

l

k S

K n n

K W n

1

*

( ) ln ( ) ln

ln 2

Page 13

• Dengan,

dimana :

• n = banyaknya responden

• K = banyaknya kelompok

• = matrik kovarian gabungan dalam kelompok.

• S_l : matriks kovarians kelompok ke-l

• Daerah kritis pengujian ini adalah, Tolak Ho apabila , yang artinya matriks varian kovarians antar kelompok tidak homogen.



 

 



k n K

K

1 ( )/2

) W/(n

TINJAUAN

TINJAUAN NON NON STATISTIK STATISTIK

PENDIDIKAN PENDIDIKAN

UASBN UASBN

Page 14

UASBN

UASBN

METODE

METODE PENELITIAN PENELITIAN

TUGAS AKHIR TUGAS AKHIR

Page 15

SUMBER

SUMBER PENELITIAN PENELITIAN

Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Departemen Pendidikan kota Mojokerto yaitu data hasil Ujian Akhir Sekolah Berstandar Nasional (UASBN)

pada tahun pelajaran 2008/2009 di sekolah dasar kota Mojokerto dengan jumlah sekolah sebanyak

Page 16

kota Mojokerto dengan jumlah sekolah sebanyak

58 sekolah dasar.

VARIABEL

VARIABEL PENELITIAN PENELITIAN

Variabel

Variabel yang yang digunakan digunakan dalam dalam penelitian penelitian ini ini adalah adalah sebagai sebagai berikut berikut ::

•

• X X

₁₁

: Rata : Rata--rata rata nilai nilai Ujian Ujian Akhir Akhir Sekolah Sekolah setiap setiap sekolah sekolah dasar dasar pada pada pelajaran

pelajaran Matematika Matematika

•

• X X

₂₂

: Rata : Rata--rata rata nilai nilai Ujian Ujian Akhir Akhir Sekolah Sekolah setiap setiap sekolah sekolah dasar dasar pada pada pelajaran

pelajaran Bahasa Bahasa Indonesia Indonesia

Page 17

pelajaran

pelajaran Bahasa Bahasa Indonesia Indonesia

•

• X X

₃₃

: Rata : Rata--rata rata nilai nilai Ujian Ujian Akhir Akhir Sekolah Sekolah setiap setiap sekolah sekolah dasar dasar pada pada pelajaran

pelajaran Ilmu Ilmu Pengetahuan Pengetahuan Alam Alam (IPA) (IPA)

LANGKAH

LANGKAH ANALISIS ANALISIS

Langkah-langkah dalam menganalisis data adalah sebagai berikut :

 Melakukan analisis deskriptif dengan cara menyajikan data usia dan jenjang pendidikan guru di setiap sekolah dasar dalam bentuk diagram pie chart dan histogram untuk mengetahui deskripsi dari sekolah dasar tersebut.

 Melakukan analisis dengan menggunakan metode cluster hierrarki untuk mengetahui pengelompokan Sekolah Dasar (SD) berdasarkan nilai rata-rata per mata pelajaran yang diujikan.

 Melakukan analisis diskiminan untuk mengetahui variabel-variabel yang membedakan dalam pengelompokan. Dengan mempertimbangkan asumsi yang ada, yaitu sebagai berikut :

a. Uji distribusi multivariate normal, digunakan untuk mengetahui apakah data nilai

Page 18

a. Uji distribusi multivariate normal, digunakan untuk mengetahui apakah data nilai UASBN di sekolah dasar-sekolah dasar kota Mojokerto berdistribusi multivariate normal.

b. Uji homogenitas matriks varians kovarians, untuk mengetahui data bersifat homogen atau berasal dari distribusi yang sama atau tidak.

Setelah asumsi-asumsi diatas sudah terpenuhi, maka dapat dilakukan analisis diskriminan.

• Pembuatan Laporan.

ANALISIS

ANALISIS dan dan PEMBAHASAN PEMBAHASAN

TUGAS AKHIR TUGAS AKHIR

Page 19

Karakteristik Guru berdasarkan rata-rata Usia Guru di Tiap- tiap Sekolah Dasar

Page 20

Dari gambar diatas dapat diketahui bahwa usia guru SD/MI kota Mojokerto kebanyakan berumur diatas 45 tahun dengan

prosentase sebesar 33% sedangkan yang terbanyak kedua yaitu guru dengan usia kurang dari 30 tahun dengan prosentase sebesar 29%. Dan yang paling sedikit adalah guru dengan usia 31 sampai 35 tahun yang dapat dilihat prosentasenya sebesar 11%.

Karakteristik Guru berdasarkan Jenjang pendidikan Guru di Tiap-tiap Sekolah Dasar

Jenjang Pendidikan Guru SD/MI di Kota Mojokerto

SMA sederajat

14%

S1

D1 2%

SD 1%

SMP S2 3%

2%

D2

Page 21

Dari Gambar diatas dapat diketahui bahwa jenjang pendidikan guru SD/MI kota Mojokerto kebanyakan Sarjana (S1) dengan prosentase sebesar 56% sedangkan yang terbanyak kedua yaitu guru dengan jenjang pendidikan Diploma 2 (D2) dengan prosentase sebesar

20%. Dan untuk guru atau penjaga memiliki prosentase yang

paling rendah yaitu sebesar 1%, dan untuk Diploma 1(D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase sebesar 2%

D3 2%

S1

56% 20%

Analisis Cluster

Analisis Cluster atau atau Kelompok Hierrarkhi Kelompok Hierrarkhi

Analisis kelompok hierrarkhi digunakan untuk mengetahui pengelompokan

sekolah-sekolah dasar yang ada di

Mojokerto berdasarkan nilai UASBN ( Ujian Akhir Semester Berstandar Nasional) yang terdiri dari mata pelajaran Bahasa

Page 22

terdiri dari mata pelajaran Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Adapun hasil

pengelompokan yang diperoleh adalah sebagai berikut :

•

Analisis Cluster dengan Metode Ward’s Analisis Cluster dengan Metode Ward’s

1.Metode Ward’s 4 kelompok

Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru

Page 23

Baru

Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2

Kelompok 3 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1

Kelompok 4 MI Darul Huda dan MI GUPPI

2. Metode Ward’s 3 kelompok

Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru

Page 24

Sunan Kalijogo, MI Paradigma Baru

Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2

Kelompok 3 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1, MI Darul Huda dan MI GUPPI

3. Metode Ward’s 2 kelompok

Kelompok 1

SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru

Page 25

MI Paradigma Baru Kelompok

2

SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1, MI Darul Huda dan MI GUPPI

Analisis Cluster dengan Metode Pautan Lengkap Analisis Cluster dengan Metode Pautan Lengkap

1.Pautan lengkap dengan 4 kelompok

Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru

Page 26

dan 5, MI Sunan Kalijogo, MI Paradigma Baru

Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2

Kelompok 3 MI Al Karimah, dan MI Nurul Huda 1 Kelompok 4 MI Darul Huda, dan MI GUPPI

2. Pautan lengkap dengan 3 kelompok

Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru

Page 27

2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan

3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1

Kelompok 3 MI Darul Huda, dan MI GUPPI

3. Pautan lengkap dengan 2 kelompok

Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN

Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN

Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru,

Page 28

2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru, SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN

Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1

Kelompok 2 MI Darul Huda, dan MI GUPPI

UJI MATRIKS VARIANS COVARIANS UJI MATRIKS VARIANS COVARIANS

Jumlah kelompok Box’s M F df1 df2 P-value

4 kelompok 24.390 1.757 12 1415 0.050

3 kelompok 54.221 4.025 12 2831 0.000

2 kelompok 20.642 3.239 6 2241 0.003

UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE WARD’S

Page 29

UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE PAUTAN LENGKAP

Jumlah kelompok

Box’s M F Df1 Df2 P-value

4 kelompok 5.458 0.852 6 1928 0.529

3 kelompok 3.772 0.591 6 2113 0.738

UJI NOR MAL MULTIVARIATE UJI NOR MAL MULTIVARIATE

• Berdasarkan pemeriksaan dan pengujian asumsi data berdistribusi normal multivariate dilakukan pada data hasil UASBN SD/MI kota Mojokerto tahun ajaran 2008-2009 didapatkan bahwa data

berdistribusi normal multivariate yang terlihat dari dari plot data multivariate yang membentuk garis lurus (lampiran) dan hasil pengujiannya sebagai berikut:

Hipotesis:

H : data berdistribusi normal multivariate

Page 30

H₀ : data berdistribusi normal multivariate

H₁ : data tidak berdistribusi normal multivariate

Kriteria yang digunakan adalah menerima H₀ jika minimal ada 50% nilai-nilai d_j² ≤ x²_p (0,5). Dengan macro minitab diperoleh nilai daerah chi-square (%) = 0, 0.568966 sehinga keputusannya gagal tolak H₀ dan menyimpulkan data berdistribusi multinormal.

KETEPATAN PENGKLASIFIKASIAN KETEPATAN PENGKLASIFIKASIAN

• Pemilihan Kelompok Berdasarkan Ketepatan pengklasifikasian SD/MI

Metode dan jumlah kelompok Ketepatan klasifikasi SD/MI Metode ward’s dengan 4

kelompok 96.6%

Pautan lengkap dengan 4

Page 31

Pautan lengkap dengan 4

kelompok 94.8%

Pautan lengkap dengan 3

kelompok 100%

ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN

• Berdasarkan hasil ketepatan pengklasifikasian diatas dapat disimpulkan bahwa metode yang dipilih dalam penelitian ini adalah metode pautan lengkap dengan jumlah kelompok sebanyak 3. Adapun analisis

diskriminan pada metode pautan lengkap dengan 3 kelompok adalah sebagai berikut :

Kelompok Jumlah Anggota

Predicted Group Membership Pertama Kedua Ketiga

28 0 0

Page 32

Pertama 28 28

100%

0 0%

0 0%

Kedua 28 0

0%

28 100%

0 0%

Ketiga 2 0

0%

0 0%

2 100%

Persentase Ketepatan Klasifikasi 100%

Y

₁

= -22,696 + 2,684 Matematika

• Fungsi diskriminan

dan

dan SARAN SARAN

KESIMPULAN KESIMPULAN

TUGAS AKHIR TUGAS AKHIR

Page 33

KESIMPULAN KESIMPULAN

Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut,

1. Karakteristik guru yang mengajar di SD/MI kota Mojokerto kebanyakan berusia diatas 45 tahun dan dibawah 30 tahun, sedangkan guru yang paling sedikit mengajar di SD/MI kota Mojokerto yaitu guru yang memiliki umur berkisar dari 31 tahun sampai 35 tahun. Dan untuk jenjang pendidikan guru yang mengajar di SD/MI di kota Mojokerto kebanyakan guru yang sudah

memegang ijasah Sarjana (S1) dengan prosentase yang mencapai 50%, dan juga di ikuti guru dengan jenjang pendidikan Diploma 2 (D2). Sedangkan guru atau penjaga yang memiliki

prosentase kecil yaitu guru atau penjaga yang jenjang pendidikannya Sekolah Dasar (SD) dengan prosentase 1%, dan untuk guru yang jenjang pendidikannya sampai Diploma 1 (D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase 2%.

2. Pengelompokkan terhadap SD/MI di kota Mojokerto terbentuk menjadi tiga kelompok dimana pengelompokan berdasarkan nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional) pada tahun ajaran 2008-2009, dengan mata pelajaran yang di ujikan yaitu Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Dan kelompok yang didapatkan terdiri dari kelompok satu

Page 34

IPA (Ilmu Pengetahuan Alam). Dan kelompok yang didapatkan terdiri dari kelompok satu termasuk dalam kategori nilai tinggi yaitu nilai yang di dapatkan lebih dari nilai rata-rata

keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI, kelompok dua termasuk dalam kategori nilai sedang yaitu nilai yang di dapatkan hampir mendekati dari nilai rata-rata

keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI dan untuk kelompok ketiga termasuk dalam kategori rendah yaitu nilai yang didapatkan kurang ataupun jauh dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua SD/MI yaitu MI Darul Huda dan MI GUPPI.

SARAN SARAN

Berdasarkan hasil penelitian, dapat diketahui perlu adanya bimbingan ataupun pembinaan terhadap SD/MI yang berada pada kelompok tiga atau kelompok rendah, agar sekolah tersebut juga mencetak siswa-siswi yang berprestasi seperti halnya sekolah lainnya. Dan untuk sekolah yang berada pada kelompok tinggi agar bisa mempertahankan apa yang sudah ada saat ini.

DAFTAR

DAFTAR ^{PUSTAKA PUSTAKA}

• Anonim 2009. Masalah Pendidikan di Indonesia http://id.wikipedia.org/wiki/pendidikan

• Dikbud 2009. Ujian Nasional. www.kompas.com

• Hair J.F., Rolph E. Anderson, Ronald L. Tatham, William C. Black.

2006. Multivariate Data Analysis. Sixth Edition, Pearson Education Prentice Hall, Inc.

• Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical

Page 35

• Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical Analysis, 5^th Edition. New Jersey: Prentice Hall, Englewood Cliffs.

• Sharma, Subhash. 1996. Applied Multivariate Technique, John Wiley. New York.

• Sisdiknas. Undang-Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional

Page 36