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 2012
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. Keywords : Binary Logistic Regression Analysis, Choice of Majors, Factors Login Science Programs
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 faktorfaktor 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. Kata kunci: Analisis Regresi Logistik Biner, Pilihan Jurusan, Faktor-Faktor Masuk Jurusan IPA
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 2012
Judul Nama NRP
: Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi Siswa Masuk Jurusan IPA/IPS : Eko Yudhi Prasetyo : G14080035
Menyetujui : Pembimbing I,
Pembimbing II,
Ir. Mohammad Masjkur, MS NIP : 196106081986011002
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
Tanggal Lulus :
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
Eko Yudhi Prasetyo
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. Selama mengikuti perkuliahan, penulis pernah mengikuti kepanitiaan IDEA 2010, Statistika Ria 2010, Lomba Jajak Pendapat Statistika 2010 dan Survei Pencocokan dan Penelitian (Coklit) Data Kepesertaan Jaminan Kesehatan Daerah (Jamkesda) Kota Bogor Tahun 2011. Pada bulan Februari - April 2012, penulis melaksanakan kegiatan praktik lapang di Pusat Penelitian Teh dan Kina (PPTK) Gambung, Jawa Barat.
DAFTAR ISI Halaman DAFTAR GAMBAR ........................................................................................................... viii DAFTAR TABEL ............................................................................................................... viii DAFTAR LAMPIRAN ........................................................................................................ viii PENDAHULUAN ............................................................................................................... Latar Belakang ............................................................................................................... Tujuan ............................................................................................................................
1 1 1
TINJAUAN PUSTAKA ....................................................................................................... Regresi Logistik Biner .................................................................................................... Evaluasi Keakuratan Model .............................................................................................
1 1 3
METODOLOGI .................................................................................................................. Data ............................................................................................................................... Metode ...........................................................................................................................
3 3 4
HASIL DAN PEMBAHASAN ............................................................................................ Deskripsi Karakteristik Responden .................................................................................. Regresi Logistik Biner ..................................................................................................... Interpretasi Koefisien ...................................................................................................... Hasil Evaluasi Keakuratan Model ....................................................................................
4 4 6 7 7
PENUTUP ........................................................................................................................... Kesimpulan .................................................................................................................... Saran ..............................................................................................................................
8 8 8
DAFTAR PUSTAKA ..........................................................................................................
8
LAMPIRAN ........................................................................................................................
9
DAFTAR GAMBAR
1 2 3 4 5 6 7 8 9
Halaman Kurva ROC .............................................................................................................................3 Sebaran responden menurut jurusan yang dipilih ....................................................................4 Sebaran jenis kelamin siswa ...................................................................................................4 Sebaran keikutsertaan siswa dalam organisasi .........................................................................5 Sebaran minat siswa menurut jurusan di Perguruan Tinggi .......................................................5 Sebaran cita-cita siswa ............................................................................................................5 Sebaran pekerjaan ayah siswa .. ...............................................................................................5 Sebaran pendidikan terakhir ayah siswa … ..............................................................................6 Kurva keseluruhan model ROC .. ............................................................................................8
DAFTAR TABEL 1 2 3 4 5 6 7 8
Halaman Tabel kesesuaian klasifikasi .....................................................................................................3 Tabel kontingensi antara motivasi siswa memilih jurusan dan pilihan jurusan............................5 Peubah penjelas yang lain …....................................................................................................6 Statistik Uji Wald ....................................................................................................................7 Hasil Uji Chi-Square (Goodness of fit test) .. ............................................................................7 Nilai Nagelkerke R Square …. .................................................................................................7 Klasifikasi keseluruhan model status siswa (Cut Off 0.5) .........................................................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 10 Hasil statistik Uji Wald 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 masingmasing 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 akibatakibat 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: exp( g ( x)) 1 exp( g ( x))
( x)
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): π(x)
logit [𝜋(𝑥)] = In
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: k j 1
g ( x) 0 1 x1 ... ju D ju p x p u
2
dimana : xj = peubah bebas ke-j dengan tingkatan kj kj-1 = jumlah peubah dummy βju = koefisien peubah dummy u = 1,2,…,kj-1 Dju = kj-1 peubah dummy Pendugaan parameter 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 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: W
ˆ j SEˆ ( ˆ j )
dimana : ˆ j = penduga bagi βj ˆ SE ( ˆ j ) =galat baku penduga parameter βj Hipotesis nol ditolak jika |W| > Zα/2.
n
l ( ) ( xi ) 1 ( xi ) i 1 yi
1 yi
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 : n
Ln[l ( )] yi In[ ( xi )] (1 yi ) In[1 ( xi )] i 1
Untuk mendapatkan nilai dugaan koefisien regresi logistik ( ˆ ) 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: L G 2 In 0 Lp
dimana L0 adalah fungsi kemungkinan maksimum tanpa peubah penjelas, dan Lp merupakan fungsi kemungkinan maksimum
Diagnostik Model Regresi Logistik Dalam regresi linear jika data hasil pengamatan memiliki peubah respon yang I ditunjukkan oleh vektor y ( y1, y2, ..., yn ) dan yˆ I ( yˆ1, yˆ 2, ..., yˆ n ) sebagai nilai dugaan y, maka model dikatakan fit jika jarak antara y dan ŷ dan sangat kecil. Dalam regresi logistik, nilai dugaan y( yˆ ) didefinisikan sebagai berikut : e gˆ ( x j ) m j j m j gˆ ( x j ) 1
dimana gˆ( x j ) merupakan fungsi penduga logit sehingga nilai residualnya (disebut Pearson residual) adalah r ( y j , ˆ j )
( y j m jˆ j ) m jˆ j (1 ˆ j )
dengan statistik Pearson chi-square J
2 r ( y j , ˆ j )2 j 1
dengan hipotesis sebagai berikut H0 : model fit H1 : model tidak fit dimana j = 1,2,…,p Statistik χ2 akan mengikuti sebaran χ2 dengan derajat bebas J-(p+1), dengan J~n. Kaidah keputusan yang diambil adalah jika χ2>χ2(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 nominal, x = 1 memiliki kecenderungan untuk y = 1 sebesar ψ kali dibandingkan peubah x = 0. Sedangkan untuk peubah penjelas yang berskala kontinu, jika ψ lebih besar atau sama dengan satu maka semakin besar nilai peubah x diikuti dengan semakin 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:
Tabel 1 Tabel kesesuaian klasifikasi Prediksi model Aktual 0 1 Benar (-) 0 Salah (+) spesifisitas Benar (+) 1 Salah (-) 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).
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[𝛽 i± Z1-α/2 x S𝐸 (𝛽 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.
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). Pembuatan kuesioner ini bertujuan untuk menggali informasi lebih dalam mengenai faktor yang mempengaruhi siswa masuk jurusan IPA dan IPS. Kuesioner yang telah dibuat disajikan di Lampiran 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 masingmasing 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 Tabel 2 menampilkan tabel kontingensi antara motivasi siswa memilih jurusan dan pilihan jurusan. Dari Tabel 2 terlihat bahwa motivasi siswa memilih jurusan IPA karena minat sendiri yaitu sebanyak 176 siswa, sedangkan hanya sebanyak 2 siswa memilih jurusan IPS karena bukan minat sendiri. Hal ini terlihat bahwa ternyata sangat sedikit sekali siswa yang masuk jurusan IPS dikarenakan bukan minat sendiri.
5
Tabel 2 Tabel kontingensi antara motivasi siswa memilih jurusan dan pilihan jurusan
Motivasi memilih jurusan
Total
Minat sendiri Bukan minat sendiri
Pilihan jurusan SMA IPS IPA 76 176
Total
225
2
25
27
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 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 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 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%).
Gambar 7 Sebaran pekerjaan ayah siswa
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 pelajaran eksakta
dengan
Siswa senang berdiskusi Les/kursus tambahan
Ya Tidak Ya Tidak ya Tidak
% 73 27 94 6 61 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), minat jurusan di Perguruan Tinggi (X7), citacita (X8), siswa senang dengan pelajaran eksakta atau tidak (X9), film yang disukai (X13), buku yang disukai (X14) dan pendidikan terakhir ibu (X18). Nilai koefisien kontingensi 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. Pengujian parameter menggunakan statistik uji Wald dengan menggunakan tiga peubah penjelas disajikan pada Tabel 4. Ketiga peubah penjelas tersebut semuanya nyata yaitu motivasi siswa memilih jurusan IPA, cita-cita siswa di Perguruan Tinggi dan siswa senang dengan pelajaran eksakta atau tidak.
7
Tabel 4 Statistik uji Wald x2(1) x8 x8(1) x8(2) x9(1) Constant
B
S.E.
Wald
Df
Sig.
Exp(B)
-4.315
1.290 0.621 0.687 0.556 1.426
1 2 1 1 1 1
0.001 0.000 0.012 0.000 0.000 0.000
0.013
1.557 -2.659 -4.720 6.880
11.188 27.393 6.291 15.381 72.188 23.282
4.745 0.070 0.009 973.088
95% C.I.for EXP(B) Lower Upper 0.001 0.168 1.405 0.019 0.003
16.019 0.264 0.026
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 5%. Tabel 5 Hasil Uji Chi-square (Goodness of fit test) Chi-square 4.918
df 4
Sig. 0.296
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 116.819
Nagelkerke R Square 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. Berdasarkan Tabel 7 dengan cut off 0.5 terlihat bahwa total klasifikasi yang tepat dari 279 siswa adalah sebanyak 259 siswa
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) Prediksi Model IPS IPA IPS 72 6 IPA 14 187 % Correct Classification Rate (%CCR) Aktual
% Benar 92.3 93.0 92.8
Tabel 8 Area dibawah kurva ROC (cut off 0.5) Area 0.927
Std.error 0.020
Sig. 0.000
SK 95% Lower Upper 0.887 0.967
Gambar 9 Kurva keseluruhan model ROC PENUTUP Kesimpulan 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 citacita 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 faktorfaktor 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. McCullagh, P. and Nelder, JA. 1983. Generalized Linear Models. London : Chapman Hall.
LAMPIRAN
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 sematamata 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. 2.
3.
4.
5.
6. 7.
Nama :……………………………………… Jenis kelamin : ( ) Pria ( ) Wanita Apakah jurusan Anda saat ini? ( ) IPA ( ) IPS Apa motivasi Anda memilih jurusan tersebut? ( ) Minat sendiri ( ) Dorongan dari orang tua ( ) Pengaruh teman/sahabat/kerabat ( ) Hanya gengsi ( ) Lainnya, sebutkan ………… Apakah Anda mempunyai motivasi untuk berprestasi? ( ) Ya ( ) Tidak Berapa skor psikotes Anda (nilai IQ)?
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 perbulan?
11
Lampiran 2 Data primer yang diperoleh beserta peubah penjelasnya Peubah Keterangan Y Status siswa IPA IPS X1 Jenis kelamin Wanita Pria X2 Motivasi memilih jurusan Minat sendiri Dorongan dari orang tua Pengaruh sahabat / sahabat / kerabat X3 Motivasi untuk berprestasi Ya Tidak X4 Kegiatan ekstrakurikuler Pramuka KIR PMR Olahraga Pecinta alam Teater DKM/ROHIS Seni (musik, tari, dance) Paduan suara Paskibra Momiji / klub Jepang Karate, tekwondo, beladiri Jurnalistik Tidak ikut X5 Keikutsertaan dalam organisasi Ikut Tidak ikut X6 Keaktifan dalam organisasi Aktif Tidak aktif X7 Minat jurusan di Perguruan Ilmu Kedokteran Tinggi FMIPA Ekonomi/akuntansi Hukum Psikologi Teknik Hubungan Internasional Sastra Komunikasi Pendidikan Sosial politik Akademi (kebidanan, polisi,penerbangan) Farmasi Kehutanan Gizi dan kesehatan masyarakat Lainnya (agama, sekolah design, belum tahu) X8 Cita-cita Dokter Insinyur Pengacara Psikolog Pilot Polisi/TNI/POLRI Dosen/guru/peneliti Arsitek Pengusaha, wiraswasta PNS
Frekuensi 201 78 148 131 252 23 4 274 5 5 23 17 76 3 6 16 15 22 9 4 12 5 66 22 257 31 248 50 30 41 12 23 68 15 5 12 1 1 5 6 2 3 5 53 45 8 25 9 15 19 9 22 4
12
Lampiran 2 (Lanjutan) Peubah
X9 X10
Siswa senang dengan pelajaran eksakta Siswa senang berdiskusi
X11
Mengikuti kursus / les tambahan
X12
Keikutsertaan dalam organisasi
X13
Film yang disukai
X14
Buku yang disukai
X15
Pekerjaan ayah
Keterangan Apoteker Bidan Konsultan Diplomat, kedubes Enginer Programer Bidang perminyakan Pelaut Akuntan Menteri Entertainment Designer Tokoh agama Politikus Lainnya (astronom, penyuluh kesehatan) Ya Tidak Ya Tidak Ya Tidak Ikut Tidak ikut Detektif Komedi Drama, teater Action Horor Fiksi Kolosal Fantasi Kartun, anime Ilmiah Cerpen Novel Komik Horor Militer Teka-teki Psikologi Cerita motivasi Majalah dunia Ensiklopedia Fiksi PNS/TNI/POLRI Swasta Wiraswasta Petani Pegawai BUMN Dokter Pelaut Pegawai pemerintahan Pensiunan Lainnya, almarhum
Frekuensi 5 2 2 13 2 6 3 1 11 2 11 2 2 2 6 204 75 263 16 171 108 22 257 31 68 48 113 10 2 2 3 2 37 21 114 98 1 1 1 1 1 1 1 2 104 84 72 1 7 1 1 1 3 5
13
Lampiran 2 (Lanjutan) Peubah X16 Pendidikan terakhir ayah
X17
Pekerjaan ibu
X18
Pendidikan terakhir ibu
Keterangan SD SMP SMA/SMK/STM D3 S1 S2 S3 Ibu rumah tangga PNS Swasta Wiraswasta Bidan Pegawai BUMN SD SMP SMA/SMK/STM D3 S1 S2 S3
Lampiran 3 Kategori ulang peubah penjelas Peubah Keterangan X2 Motivasi memilih jurusan Minat sendiri Bukan minat sendiri (dorongan dari orang tua, pengaruh teman/sahabat/kerabat) X7 Minat jurusan di Perguruan Ilmu Kedokteran Tinggi FMIPA Ekonomi/akuntansi Hukum Psikologi Teknik Hubungan Internasional Lainnya (sastra, komunikasi, pendidikan, sosial politik, akademi (bidan, polisi, penerbangan), farmasi, kehutanan, gizi dan kesehatan masyarakat, agama, sekolah design, belum tahu) X8 Cita-cita Bidang IPA (dokter, insinyur, arsitek, enginer, programer) Bidang IPS (pengacara, konsultan, diplomat, kedubes, akuntan, menteri) 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) X13 Film yang disukai Detektif Komedi Drama, teater
Frekuensi 1 2 53 24 139 39 21 173 60 25 18 2 1 1 9 87 53 108 14 7
Frekuensi 252 27
50 30 41 12 23 68 15 40
115 36 128
31 68 48
14
Lampiran 3 (Lanjutan) Peubah
X14
Buku yang disukai
X15
Pekerjaan ayah
X16
Pendidikan terakhir ayah
X17
Pekerjaan ibu
X18
Pendidikan terakhir ibu
Keterangan Action Lainnya (horor, fiksi, kolosal, fantasi, kartun/anime) Ilmiah Cerpen Novel Komik Lainnya (horor, teka-teki, psikologi, cerita motivasi, majalah dunia, ensiklopedia) PNS/TNI/polri/dokter, pegawai pemerintahan Swasta Wiraswasta Pegawai BUMN Lainnya (petani, pelaut, pensiunan, almarhum) Dasar dan Menengah (SD, SMP, SMA/SMK) Diploma (D3) Sarjana (S1) Pasca Sarjana (S2, S3) Ibu rumah tangga PNS Swasta Wiraswasta Lainnya (bidan, pegawai BUMN) Dasar dan Menengah (SD, SMP, SMA/SMK) Diploma (D3) Sarjana (S1) Pasca Sarjana (S2, S3)
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 (0.000)*
Frekuensi 113 19 37 21 116 98 7
106 84 72 8 9 56 24 139 60 173 60 25 18 3 97 53 108 21
15
Lampiran 4 (Lanjutan) X10
Peubah Siswa senang berdiskusi
X11
Les/kursus tambahan
X12
Keikutsertaan dalam organisasi
X13
Film yang disukai
X14
Buku yang disukai
X15
Pekerjaan ayah
X16
Pendidikan terakhir ayah
X17
Pekerjaan ibu
X18
Pendidikan terakhir ibu
Y (Status siswa) 0.052 (0.381) 0.062 (0.297) 0.069 (0.251) 0.250 (0.001)* 0.245 (0.001)* 0.163 (0.108) 0.122 (0.238) 0.172 (0.075) 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 X1 1 (0.000)* X2 0.104 1 (0.079) (0.000)* X7 0.323 0.144 1 (0.000)* (0.555) (0.000)* X8 0.137 0.077 0.648 1 (0.069) (0.434) (0.000)* (0.000)* X9 0.132 0.089 0.485 0.379 1 (0.026)* (0.137) (0.000)* (0.000)* (0.000)* X13 0.388 0.139 0.399 0.227 0.219 (0.000)* (0.241) (0.003)* (0.057) (0.007)* X14 0.395 0.147 0.375 0.271 0.242 (0.000)* (0.187) (0.019)* (0.005)* (0.002)* X18 0.022 0.067 0.300 0.131 0.145 (0.987) (0.737) (0.150) (0.558) (0.113) Ket : (…) = Nilai p-value (…)* = Nilai p-value yang signifikan pada taraf nyata 5%
X13
X14
X18
1 (0.000)* 0.369 (0.000)* 0.165 (0.799)
1 (0.000)* 0.134 (0.954)
1 (0.000)*
16
Lampiran 6 Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk Peubah D1 D2 D3 D4 D5 D6 D7 Keterangan Y Status 1 IPA siswa 0 IPS X1 Jenis 1 Wanita kelamin 0 Pria X2 Motivasi 1 Minat sendiri memilih 0 Bukan minat sendiri jurusan (dorongan dari orang tua, pengaruh teman/sahabat/kerabat) X7 Minat 1 0 0 0 0 0 0 Ilmu kedokteran jurusan di 0 1 0 0 0 0 0 FMIPA PT 0 0 1 0 0 0 0 Ekonomi/akuntansi 0 0 0 1 0 0 0 Hukum 0 0 0 0 1 0 0 Psikologi 0 0 0 0 0 1 0 Teknik 0 0 0 0 0 0 1 Hubungan Internasional 0 0 0 0 0 0 0 Lainnya (sastra, komunikasi, pendidikan, sosial politik, akademi (bidan, polisi, penerbangan), farmasi, kehutanan, gizi dan kesehatan masyarakat, agama, sekolah design, belum tahu) X8 Cita-cita 1 0 Bidang IPA(dokter, insinyur, arsitek, enginer, programer) 0 1 Bidang IPS(pengacara, konsultan, diplomat, kedubes, akuntan, menteri) 0 0 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) X9 Siswa 1 Tidak senang 0 Ya dengan pelajaran eksakta X13 Film yang 1 0 0 0 Detektif disukai 0 1 0 0 Komedi 0 0 1 0 Drama,teater
17
Lampiran 6 (Lanjutan) Peubah D1 0 0
D2 0 0
D3 0 0
D4 1 0
X14
Buku yang disukai
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
X17
Pekerjaan ibu
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
X18
Pendidikan terakhir ibu
1
0
0
0 0 0
1 0 0
0 1 0
D5
D6
D7
Keterangan Action Lainnya (horor, fiksi, kolosal, fantasi, kartun/anime) Ilmiah Cerpen Novel/fiksi Komik Lainnya (horor, tekateki, psikologi, cerita motivasi, majalah dunia, ensiklopedia) Ibu rumah tangga PNS Swasta Wiraswasta Lainnya (petani, bidan, pegawai BUMN) Dasar dan Menengah (SD, SMP, SMA/SMK) Diploma (D3) Sarjana (S1) 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 95% C. I. for EXP(B) Peubah B S.E Wald Df Sig. 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 x7(7) 0.641 1.792 0.128 1 .720 1.899 .057 63.650
18
Lampiran 8 (Lanjutan) Peubah
Step 2
Step 3
x8 x8(1) x8(2) x9(1) x13 x13(1) x13(2) x13(3) x13(4) x14 x14(1) x14(2) x14(3) x14(4) x18 x18(1) x18(2) x18(3) Constant x1(1) x2(1) x7 x7(1) x7(2) x7(3) x7(4) x7(5) x7(6) x7(7) x8 x8(1) x8(2) x9(1) x14 x14(1) x14(2) x14(3) x14(4) x18 x18(1) x18(2) x18(3) Constant x1(1) x2(1) x8 x8(1) x8(2) x9(1) x14 x14(1) x14(2) x14(3) x14(4)
B
S.E
-0.913 -4.224 -10.188
2.197 1.630 2.634
5.246 2.045 4.624 3.578
6.047 5.109 5.408 5.348
-16.317 -14.699 -13.766 -17.111
12151.332 12151.332 12151.332 12151.332
-15.126 -22.251 -19.542 42.738 -2.713 -4.627
6611.880 6611.880 6611.880 13833.720 1.305 2.166
22.001 25.471 0.404 3.173 -0.317 6.978 0.119
4668.946 5477.459 1.404 2.056 1.689 2.751 1.596
-1.042 -3.574 -8.522
1.964 1.363 1.931
-15.170 -15.671 -13.787 -17.024
12790.711 12790.711 12790.711 12790.711
-15.749 -21.740 -18.802 43.150 -1.712 -4.881
6731.544 6731.544 6731.544 14453.926 .709 1.586
2.084 -3.001 -6.009
.716 .904 .928
-19.121 -19.927 -17.900 -20.155
12960.348 12960.348 12960.348 12960.348
Wald
Df
Sig.
6.734 0.173 6.718 14.963 3.191 0.753 0.160 0.731 0.448 5.831 0.000 0.000 0.000 0.000 8.941 0.000 0.000 0.000 0.000 4.324 4.562 8.417 0.000 0.000 0.083 2.380 0.035 6.436 0.006 6.878 0.281 6.877 19.477 6.742 0.000 0.000 0.000 0.000 9.438 0.000 0.000 0.000 0.000 5.834 9.476 21.300 8.478 11.016 41.945 8.964 0.000 0.000 0.000 0.000
2 1 1 1 4 1 1 1 1 4 1 1 1 1 3 1 1 1 1 1 1 7 1 1 1 1 1 1 1 2 1 1 1 4 1 1 1 1 3 1 1 1 1 1 1 2 1 1 1 4 1 1 1 1
.035 .678 .010 .000 .526 .386 .689 .392 .503 .212 .999 .999 .999 .999 .030 .998 .997 .998 .998 .038 .033 .297 .996 .996 .773 .123 .851 .011 .940 .032 .596 .009 .000 .150 .999 .999 .999 .999 .024 .998 .997 .998 .998 .016 .002 .000 .004 .001 .000 .062 .999 .999 .999 .999
Exp(B)
95% C. I. for EXP(B) Lower Upper
0.401 0.015 0.000
.005 .001 .000
29.772 0.357 0.007
189.864 7.733 101.906 35.813
.001 .000 .003 .001
2.66E7 172526.117 4084450.083 1277875.535
0.000 0.000 0.000 0.000
.000 .000 .000 .000
. . . .
0.000 0.000 0.000 3.637E18 0.066 0.010
.000 .000 .000
. . .
.005 .000
0.856 0.683
3.588E9 1.153E11 1.498 23.872 0.728 1073.064 1.127
.000 .000 .096 .424 .027 4.890 .049
. . 23.469 1343.509 19.934 235484.310 25.706
0.353 0.028 0.000
.008 .002 .000
16.571 0.405 0.009
0.000 0.000 0.000 0.000
.000 .000 .000 .000
. . . .
0.000 0.000 0.000 5.493E18 0.181 0.008
.000 .000 .000
. . .
.045 .000
0.724 0.170
8.040 0.050 0.002
1.976 .008 .000
32.705 0.293 0.015
0.000 0.000 0.000 0.000
.000 .000 .000 .000
. . . .
19
Lampiran 8 (Lanjutan) Peubah
B
S.E
Wald
Df
Sig.
Exp(B)
x18 x18(1) -16.604 7922.801 x18(2) -20.011 7922.801 x18(3) -17.847 7922.801 Constant 45.735 15190.188 Ket : * = Signifikan pada taraf nyata 5%
12.002 0.000 0.000 0.000 0.000
3 1 1 1 1
.007 .998 .998 .998 .998
0.000 0.000 0.000 7.288E19
95% C. I. for EXP(B) Lower Upper .000 .000 .000
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% 95% C. I. for EXP(B) Peubah B S.E Wald Df Sig. 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 Ket : * = Signifikan pada taraf nyata 5%
. . .
