FAKTOR-FAKTOR YANG MEMPENGARUHI PRESTASI SISWA: TINJAUAN BERDASARKAN DATA TIMSS 2007
PUSAT PENILAIAN PENDIDIKAN BADAN PENELITIAN DAN PENGEMBANGAN KEMENTERIAN PENDIDIKAN NASIONAL JAKARTA 2010
FAKTOR-FAKTOR YANG MEMPENGARUHI PRESTASI SISWA: TINJAUAN BERDASARKAN DATA TIMSS 2007
Tim Penyusun : Kepala Pusat Penilaian Pendidikan Agus Santoso Editor : Ainun Salim
PUSAT PENILAIAN PENDIDIKAN BADAN PENELITIAN DAN PENGEMBANGAN KEMENTERIAN PENDIDIKAN NASIONAL JAKARTA 2010
KATA PENGANTAR
Hasil survei Trends in International Mathematics and Science Study (TIMSS) tahun 2007, menempatkan Indonesia pada posisi 36 pada bidang Matematika, dan posisi 35 pada bagian Sains dari 49 negara peserta. Jika dibandingkan dengan prestasi siswa dari negara-negara Asia Tenggara lainnya, prestasi siswa Indonesia masih di bawah Singapura, Malaysia, bahkan masih di bawah Filipina. Untuk dapat menemukan jawaban terhadap permasalahan mengapa prestasi siswa Indonesia tergolong kelompok paling rendah, perlu dilakukan identifikasi untuk mengetahui faktor-faktor yang mempengaruhi prestasi siswa baik faktor internal maupun faktor eksternal siswa berdasarkan informasi dari survei TIMSS 2007 ini. Laporan ini diharapkan dapat bermanfaat untuk membantu memahami faktor-faktor yang mempengaruhi prestasi siswa, sehingga dapat dilakukan berbagai pembaharuan dan perbaikan untuk meningkatkan mutu pendidikan, khususnya dalam bidang Matematika dan Sains, pada pendidikan dasar dan menengah.
Jakarta, Maret 2009
Dr. Nugaan Y W S, M. Psi. Kepala Pusat Penilaian Pendidikan
i
DAFTAR ISI KATA PENGANTAR ....................................................................................... i DAFTAR ISI ................................................................................................ ii DAFTAR TABEL ...........................................................................................iii DAFTAR GAMBAR....................................................................................... iv DAFTAR LAMPIRAN ..................................................................................... v BAB I PENDAHULUAN .................................................................................. 1 A.
Latar Belakang ................................................................................ 1
B.
Rumusan Masalah ........................................................................... 2
C.
Tujuan Penelitian ............................................................................ 3
D.
Manfaat Penelitian ........................................................................... 3
BAB II KAJIAN PUSTAKA.............................................................................. 4 A.
Faktor-Faktor Yang Mempengaruhi Prestasi Belajar ............................ 4
B.
Prestasi Belajar ............................................................................... 6
C.
Data TIMSS .................................................................................... 6
D.
Kerangka Pemikiran dan Hipotesis .................................................. 24
BAB III METODE PENELITIAN .................................................................... 27 A.
Desain Penelitian ........................................................................... 27
B.
Sampel Penelitian .......................................................................... 27
C.
Data ............................................................................................. 27
D.
Unit Analisis .................................................................................. 28
E.
Pemodelan Struktural .................................................................... 28
BAB IV HASIL DAN PEMBAHASAN............................................................... 66 A.
Model Struktural Bidang Matematika ............................................... 66
B.
Model Struktural Prestasi Siswa Bidang Fisika .................................. 73
C.
Model Struktural Prestasi Siswa Bidang Biologi ................................. 79
BAB V KESIMPULAN DAN SARAN .............................................................. 87 A.
KESIMPULAN ................................................................................ 87
B.
REKOMENDASI.............................................................................. 88
DAFTAR PUSTAKA .................................................................................... 89
ii
DAFTAR TABEL Tabel 1.
Operasionalisasi Variabel Faktor-Faktor yang Mempengaruhi Prestasi Siswa di Bidang Matematika .......................................... 28 Tabel 2. Operasionalisasi Variabel Faktor-Faktor Yang Mempengaruhi Prestasi Siswa di Bidang Fisika ................................................... 29 Tabel 3. Operasionalisasi Variabel Faktor-Faktor Yang Mempengaruhi Prestasi Siswa di Bidang Biologi ................................................. 31 Tabel 4. Persamaan Pengukuran dan Struktural ....................................... 64 Tabel 5. Rancangan Pengujian Model ...................................................... 65 Tabel 6. Ringkasan Estimasi Parameter Model Prestasi Siswa Bidang Matematika (Standardized) ........................................................ 71 Tabel 7. Pemecahan Pengaruh Antar Variabel Model Prestasi Siswa Bidang Matematika ................................................................... 72 Tabel 8. Ringkasan Estimasi Parameter Model Prestasi Siswa Bidang Fisika (Standardized)................................................................. 76 Tabel 9. Pemecahan Pengaruh Antar Variabel Model Prestasi Siswa Bidang Fisika ............................................................................ 78 Tabel 10. Ringkasan Estimasi Parameter Model Prestasi Siswa Bidang Biologi (Standardized) ............................................................... 82 Tabel 11. Pemecahan Pengaruh Antar Variabel Model Prestasi Siswa Bidang Biologi .......................................................................... 84
iii
DAFTAR GAMBAR Gambar 1. Gambar 2. Gambar 3. Gambar 4. Gambar 5a. Gambar 5b. Gambar 6a. Gambar 6b. Gambar 7a. Gambar 7b. Gambar 8a. Gambar 8b. Gambar 9a. Gambar 9b. Gambar 10a. Gambar 10b.
Kerangka Pemikiran Faktor-Faktor yang Mempengaruhi Prestasi Siswa ................................................................... 25 Model Rancangan Faktor-Faktor yang Mempengaruhi Prestasi Siswa Bidang Matematika ....................................... 61 Model Rancangan Faktor-Faktor Yang Mempengaruhi Prestasi Siswa Bidang Fisika................................................ 62 Model Rancangan Faktor-Faktor Yang Mempengaruhi Prestasi Siswa Bidang Biologi .............................................. 63 Estimasi Parameter Model Prestasi Siswa Bidang Matematika (Standardized) ................................................. 66 Statistik t-hitung Parameter Model Prestasi Bidang Matematika ....................................................................... 67 Diagram Jalur Model Prestasi Bidang Matematika (Standardized) ................................................................... 69 Statistik t-hitung Model Prestasi Bidang Matematika .............. 70 Estimasi Parameter Model Prestasi Bidang Fisika (Standardized) ................................................................... 73 Statistik t-hitung Parameter Model Prestasi Bidang Fisika ................................................................................ 74 Diagram Jalur Model Prestasi Bidang Fisika (Standardized) ................................................................... 75 Statistik t-hitung Model Prestasi Bidang Fisika ...................... 76 Estimasi Parameter Model Prestasi Bidang Biologi (Standardized) ................................................................... 79 Statistik t-hitung Parameter Model Prestasi Bidang Biologi .............................................................................. 80 Diagram Jalur Model Prestasi Bidang Biologi (Standardized) ................................................................... 81 Statistik t-hitung Model Prestasi Bidang Biologi ..................... 82
iv
DAFTAR LAMPIRAN LAMPIRAN 1. LAMPIRAN 2. LAMPIRAN 3. LAMPIRAN 4. LAMPIRAN 5. LAMPIRAN 6. LAMPIRAN 7 LAMPIRAN 8. LAMPIRAN 9. LAMPIRAN 10. LAMPIRAN 11. LAMPIRAN 12. LAMPIRAN 13. LAMPIRAN 14. LAMPIRAN 15. LAMPIRAN 16. LAMPIRAN 17. LAMPIRAN LAMPIRAN LAMPIRAN LAMPIRAN
18. 19. 20. 21.
Deskripsi Kepemilikan Barang ........................................... 90 Deskripsi Pendidikan Orang Tua........................................ 96 Estimasi Model Pengukuran Variabel Sosial Ekonomi Siswa ............................................................................. 98 Estimasi Model Pengukuran Variabel Sikap......................... 99 Estimasi Model Pengukuran Variabel Persepsi Siswa Terhadap Sekolah...........................................................101 Estimasi Model Pengukuran Variabel Keamanan di Sekolah ......................................................................102 Estimasi Model Pengukuran Variabel Minat Siswa ..............103 Deskripsi Latar Belakang Guru Usia ..................................105 PENGALAMAN MENGAJAR ...............................................106 PENDIDIKAN TERTINGGI GURU.......................................107 Estimasi Model Pengukuran Variabel Latar Belakang Guru .............................................................................108 Estimasi Model Pengukuran Variabel Latar Pengembangan Profesi Guru ...........................................109 Estimasi model pengukuran Kesiapan bidang Matematika ....................................................................110 Estimasi model pengukuran Kesiapan bidang FISIKA ...........................................................................111 Estimasi model pengukuran Kesiapan bidang BIOLOGI ........................................................................112 Model Prestasi Siswa Berdasarkan Faktor-faktor Persepsi Guru.................................................................113 Model Prestasi Siswa Berdasarkan Faktor-faktor Sekolah .........................................................................116 ANALISIS JALUR : MATEMATIKA ......................................121 ANALISIS JALUR : FISIKA................................................132 ANALISIS JALUR : BIOLOGI.............................................144 Contoh : Deskripsi Indikator Sikap Siswa Terhadap Pelajaran Matematika .....................................................155
v
BAB I PENDAHULUAN A.
Latar Belakang The Trend in International Mathematics and Science Study (TIMSS)
merupakan proyek dari International Association for the Evaluation of Educational Achievement (IEA).
IEA adalah lembaga riset internasional yang
independen dan bekerjasama dengan agen-agen pemerintah di banyak negara, dan telah melakukan riset prestasi siswa lintas bangsa sejak tahun 1959. Tahun 1990, IEA menentukan untuk melakukan asesmen pada bidang Sains dan Matematika secara berkala dengan selang waktu empat tahunan. Keputusan tersebut merupakan tanda dimulainya studi internasional dengan skala besar untuk mengukur performance siswa. Survei internasional pertama diawali dengan nama TIMSS (the Trend in International Mathematics and Science Study) yang dilaksanakan pada tahun 1995. TIMSS-Repeat tahun 1999, dan TIMSS 2003 (the Trend in International Mathematics and Science Study) yang dikenal dengan TIMSS Trends.
Indonesia telah mengikuti survei
internasional tersebut sejak awal sampai dengan tahun 2007, dan berencana tetap mengikuti survey ini untuk tahun 2011. Hasil survei tahun 2007, nilai rata-rata prestasi pada bidang matematika sebesar 397,1 dan sains sebesar 427,0. Nilai rata-rata sebesar ini menempatkan Indonesia pada posisi 35 dari 49 negara peserta. Rangking ini tidak jauh berbeda dengan hasil survei tahun 2003 maupun tahun 1999. Jika dibandingkan dengan prestasi siswa dari negara-negara Asia Tenggara lainnya, prestasi siswa Indonesia masih di bawah Singapura, Malaysia bahkan masih dibawah Philipina. Oleh karena itu perlu ada upaya perbaikan dalam pembelajaran sehingga prestasi siswa Indonesia dapat ditingkatkan. Di samping memberikan informasi tentang kemampuan matematika dan sains, data TIMSS juga memberikan informasi mengenai siswa, guru, dan sekolah. Informasi mengenai siswa, guru, dan sekolah digali melalui sebuah angket. Interpretasi data kemampuan siswa ditambah dengan informasi dari
1
buku angket siswa, guru, dan sekolah diharapkan dapat membantu memahami faktor-faktor yang mempengaruhi prestasi siswa. Faktor sikap, motivasi, dan persepsi terhadap pelajaran matematika dan sains diduga merupakan faktor-faktor internal siswa yang mempengaruhi prestasi mereka. Dari pandangan guru, faktor keterbatasan siswa, masalah yang ada di sekolah, iklim sekolah, dan keamanan sekolah diduga juga mempengaruhi prestasi siswa. Dari pandangan kepala sekolah, faktor tingkat kehadiran siswa dan guru, sarana dan prasarana yang dimiliki sekolah, serta iklim sekolah diduga juga mempengaruhi prestasi siswa. Namun demikian tidak semua
variabel
berpengaruh
terhadap
prestasi
siswa.
Keeves
(1972)
menemukan bahwa di dalam hal-hal tertentu jenis kelamin berkorelasi positif, tetapi di dalam hal lain berkorelasi negatif terhadap prestasi belajar. Dengan demikian variabel jenis kelamin menimbulkan perbedaan pendapat dan kiranya tidak akan ada manfaat langsung terhadap kesimpulan yang diambil mengenai pengaruh jenis kelamin. Hasil penelitian yang dilakukan oleh BP3K (Sudarsono, 1985) juga menyatakan bahwa variabel bahasa yang dipergunakan siswa di rumah tidak berkorelasi secara signifikan terhadap prestasi sekolah, sehingga variabel bahasapun wajar untuk tidak dilibatkan sebagai suatu variabel yang mempengaruhi prestasi siswa. Berdasarkan uraian di atas maka perlu dilakukan studi untuk mengidentifikasi dan mengetahui faktor-faktor yang mempengaruhi prestasi siswa berdasarkan informasi dari survei TIMSS. Hasil studi ini diharapkan dapat bermanfaat untuk membantu memahami faktor-faktor yang mempengaruhi prestasi siswa sehingga dapat melakukan berbagai pembaharuan dan perbaikan dalam pendidikan khususnya bidang Matematika dan Sains. B.
Rumusan Masalah Berdasarkan latar belakang maka masalah pada studi ini adalah:
1. Bagaimanakah pengaruh siswa terhadap prestasi? 2. Bagaimanakah pengaruh guru terhadap prestasi siswa? 3. Bagaimanakah pengaruh sekolah terhadap prestasi siswa?
2
C.
Tujuan Penelitian Penelitian ini bertujuan untuk:
1. Menemukan faktor-faktor internal siswa yang mempengaruhi prestasi 2. Menemukan faktor-faktor yang berasal dari guru yang mempengaruhi prestasi siswa. 3. Menemukan faktor-faktor yang berasal dari sekolah yang mempengaruhi prestasi siswa. D.
Manfaat Penelitian Hasil penelitian ini diharapkan dapat bermanfaat untuk membantu
memahami faktor-faktor yang mempengaruhi prestasi siswa baik faktor internal maupun faktor eksternal siswa yang berasal dari guru maupun yang berasal dari sekolah.
Bagi penyelenggara pendidikan hasil penelitian ini diharapkan
dapat melakukan berbagai perbaikan dalam pembelajaran, khususnya bidang Matematika dan Sains.
3
BAB II KAJIAN PUSTAKA
A.
Faktor-Faktor Yang Mempengaruhi Prestasi Belajar Faktor-faktor yang mempengaruhi prestasi belajar
siswa
dapat
diklasifikasikan berdasarkan berbagai sudut pandang; dari subjek yang belajar, proses belajar, dan dapat pula dari situasi belajar. Secara umum faktor-faktor yang mempengaruhi prestasi belajar terbagi menjadi 2 kelompok, yaitu faktor internal dan eksternal. a) Faktor internal adalah faktor-faktor yang terdapat dalam diri subjek, adapun yang ada didalamnya adalah 1) Faktor fisiologis, yaitu keadaan jasmani baik yang bersifat bawaan maupun yang bukan bersifat bawaan. 2) Faktor psikologis, yaitu keadaan rohani atau psikis yang meliputi faktor-faktor intelektualitas seperti intelegen dan bakat, serta faktorfaktor non intelektualitas seperti, minat, motivasi, dan sikap. 3) Faktor kematangan, yaitu kematangan jasmani maupun rohani. b) Faktor eksternal, yaitu semua faktor yang ada diluar subjek, yang termasuk didalamnya adalah 1) Faktor sosial, meliputi lingkungan keluarga, masyarakat, dan sekolah. 2) Faktor ekonomi, meliputi penghasilan atau pendapatan yang diterima untuk menunjang kebutuhan sehari-hari. 3) Faktor budaya, meliputi adat istiadat, kesenian, dan sebagainya. 4) Faktor lingkungan fisik. 5) Faktor spiritual. Klausmeir (1971) membagi faktor-faktor yang mempengaruhi prestasi belajar yaitu a)
Faktor karakteristik siswa, yang mencakup 1) Karakteristik psikis, meliputi kemampuan intelektual seperti intelegen dan non intelektual seperti sikap dan kebiasaan, minat, serta persepsi.
4
2) Faktor fisik. b) Faktor pengajar/guru, yang meliputi 1) Pengetahuan tentang materi dan ketrampilan mengajar 2) Karakteristik afektif, seperti minat, motivasi, sikap, perhatian 3) Kesehatan dan kondisi fisik pada umumnya 4) Persepsi tentang situasi c) Faktor bahan dan materi yang akan dipelajari seperti jenis materi, jenis tingkat kesukaran, dan kompleksitasnya. d) Faktor Media dan pengajaran seperti jenis media yang digunakan, kualitas media yang dipakai. e) Faktor Karakteristik fisik sekolah, yang meliputi 1) Gedung sekolah 2) Fasilitas belajar f)
Faktor lingkungan dan situasi, yang meliputi 1) Lingkungan alam, seperti suhu, kelembaban, musim, dan iklim 2) Lingkungan sosial. Schiefelbein dan Simmons (1981) membagi faktor-faktor penentu keber-
hasilan belajar ke dalam tiga kategori: sumber belajar dan proses belajar di sekolah; kemampuan dan kecakapan guru serta kemampuan siswa. Madaus
beserta
timnya
mengindentifikasi
82
variabel
yang
mempengaruhi keberhasilan belajar yang dikelompokkan ke dalam lima kelompok, yaitu a) kelompok individual siswa yang meliputi variabel seperti jenis kelamin, umur, sikap terhadap sekolah, b) kelompok lingkungan sekolah, mencakup variabel variabel lokasi sekolah, tekanan sosial kelompok, jumlah waktu untuk mengerjakan pekerjaan rumah dan lain sebagainya, c) kelompok latar belakang siswa, mencakup variabel yang berkaitan dengan status sosial ekonomi, besarnya jumlah anggota keluarga, jumlah saudara kandung, urutan kelahiran, dan lain sebagainya, d) komposit variabel kelas dan individu siswa, dan e) skor tes intelegensi. Sedangkan Coleman (1966) di dalam laporannya yang berjudul Equality of Educational Opportunity (EEO) menggolongkan
5
variabel prediktor ke dalam lima kelompok yang agak berbeda dengan kategori yang dibuat oleh Madaus, yaitu a) individual karakteristik siswa, b) karakteristik latar belakang keluarga, c) karakteristik kelompok sebaya, d) karakteristik guru, dan e) karakteristik sekolah. Peneliti lain, Paige tahun 1978 menyusun 6 kelompok variabel bebas yang diduga sebagai variabel penentu hasil belajar: a) karakteristik latar belakang siswa, b) lingkungan belajar di rumah, c) organisasi sekolah dan kelas serta lingungan fisik sekolah, d) karakteristik tertentu pada siswa, e) lingkungan belajar di kelas, dan f) lokasi sekolah. Penelitian yang dilakukan antara tahun 1972 – tahun 1975 di Indonesia, Malaysia, Philipina, dan Thailand. Penelitian di Indonesia menggunakan empat variabel pokok: a) karakteristik siswa, b) lingkungan keluarga, c) faktor sekolah, dan d) karakteristik guru. Penelitian di Malaysia mempergunakan lima kelompok variabel: a) karakteristik siswa, b) faktor lingkungan keluarga, c) faktor sekolah, d) karakteristik guru, dan e) faktor iklim kelas. Penelitian di Philipina mempergunakan variabel bebas: a) karakteristik siswa, b) faktor latar belakang keluarga, c) faktor sekolah, dan d) karakteristik guru. Peneliti di Thailand mempergunakan kelompok variabel bebas: a) karakteristik siswa, b) latar belakang sosial ekonomi, c) faktor sekolah, dan d) karakteristik guru. B.
Prestasi Belajar Prestasi adalah kecakapan nyata yang dapat diukur secara langsung
dengan menggunakan tes. Definisi yang lain menyebutkan bahwa prestasi belajar siswa merupakan tingkat penguasaan atau keberhasilan yang dicapai siswa dalam menuntut suatu pelajaran pada periode tertentu. Prestasi belajar siswa biasanya dinyatakan dalam bentuk angka atau skor yang berfungsi sebagai indikator keberhasilan dari suatu proses belajar mengajar. C.
Data TIMSS Data TIMSS menyediakan informasi tentang kemampuan atau prestasi
siswa di bidang Matematika dan Sains, di samping itu, data TIMSS juga memberikan informasi mengenai
siswa, guru, dan sekolah.
6
Informasi
mengenai siswa, guru, dan sekolah digali masing-masing melalui sebuah angket. Kuesioner angket siswa terdiri dari 33 bagian, Kuesioner tersebut terdiri atas pertanyaan tentang latar belakang siswa, pertanyaan tentang pendidikan orang tua, pertanyaan tentang kepemilikan barang-barang penunjang belajar, persepsi siswa terhadap pelajaran matematika, persepsi siswa tentang guru dan sekolah mereka, serta kegiatan-kegiatan siswa pada waktu jam pelajaran dan kegiatan siswa di rumah. Kuesioner angket guru Matematika terdiri atas 33 bagian, sedangkan kuesioner angket guru Sains terdiri atas 31 bagian.
Namun demikian,
umumnya, kuesioner angket guru Matematika dan Sains berisi pertanyaanpertanyaan: latar belakang, persiapan mengajar, pengembangan profesi, persepsi tentang sekolah, persepsi tentang kelas TIMSS, kegiatan selama pelajaran di kelas TIMSS,
dan penilaian. Pada kuesioner angket guru
Matematika, guru diminta pendapatnya mengenai penggunaan kalkulator dan komputer di kelas TIMSS, sedangkan pada angket guru Sains, pertanyaan mengenai penggunaan kalkulator dan komputer di kelas tidak ditanyakan. Kuesioner angket sekolah terdiri dari 22 bagian, kuesioner tersebut terdiri dari pertanyaan-pertanyaan terkait dengan karakteristik sekolah, pertanyaan peran kepala sekolah, keterlibatan orang tua, iklim sekolah untuk belajar, pengajaran matematika dan IPA, persepsi mengenai guru kelas, persepsi mengenai perilaku siswa, dan sumber daya dan teknologi yang dimiliki. Umumnya instrumen angket berskala likert, dengan 4 pilihan. Angket siswa diisi oleh siswa yang mengikuti asesmen survei TIMSS. Dari informasi angket siswa, beberapa variabel yang diduga mempengaruhi prestasi siswa dapat digali, seperti: a) variabel status sosial ekonomi siswa, b) sikap siswa, c) persepsi siswa terhadap sekolah, d) keamanan sekolah. Angket guru diisi oleh guru yang mengajar pada kelas TIMSS 2007. Dari informasi
angket
guru
dapat
digali
beberapa
variabel
yang
diduga
mempengaruhi prestasi siswa, diantaranya adalah: a) latar belakang guru, b)
7
persepsi guru terhadap keamanan sekolah, c) persepsi guru terhadap kondisi dan iklim sekolah, dan d) keterbatasan karena faktor siswa dan sumber daya. Angket sekolah diisi oleh kepala sekolah atau yang mewakilinya. Dari informasi angket sekolah dapat digali beberapa variabel yang diduga mempengaruhi prestasi siswa, antara lain adalah: a) faktor kehadiran siswa di sekolah, b) iklim sekolah, dan c) sumber daya dan teknologi yang dimiliki sekolah. Operasionalisasi Faktor-faktor yang Mempengaruhi Prestasi Siswa Berdasarkan Data TIMSS 1.
Faktor yang berasal dari Siswa
a) Status sosial ekonomi Status
sosial
ekonomi
keluarga,
yang
didalamnya
termasuk
penghasilan atau pendapatan orang tua, kepemilikan fasilitas belajar, dan pendidikan orang tua diduga merupakan faktor-faktor yang mempengaruhi prestasi belajar siswa. Umumnya siswa yang memiliki orang tua berpenghasilan tinggi akan berprestasi lebih baik dibandingkan dengan siswa yang orang tuanya berpenghasilan rendah. Hal ini karena orang tua yang berpenghasilan tinggi akan memberikan perhatian yang lebih baik bagi pendidikan putra-putrinya dibandingkan dengan siswa yang memiliki orang tua yang berpenghasilan rendah. Perhatian orang tua bagi anakanaknya dapat berupa menyediakan buku-buku, menyediakan meja belajar, menyediakan peralatan belajar, menyediakan ruang belajar yang nyaman, dan lain-lain. Indikator status sosial ekonomi yang dapat diperoleh dari angket siswa antara lain adalah kepemilikan
fasilitas
penunjang belajar dan pendidikan orang tua. 1) Kepemilikan fasilitas penunjang belajar Siswa yang memiliki fasilitas penunjang belajar akan berprestasi lebih baik dibandingkan dengan siswa yang tidak memiliki fasilitas penunjang belajar. Fasilitas belajar yang disediakan oleh orang tua di rumah akan membantu anak di dalam belajar. Beberapa penelitian menyimpulkan bahwa rumah tanpa buku menimbulkan rendahnya
8
prestasi anak. Anak-anak yang berasal dari keluarga yang secara lengkap memberikan fasilitas belajar menunjukkan prestasi yang tinggi. Ketersediaan buku di rumah berkorelasi positif yang signifikan terhadap prestasi belajar. Hal ini dapat juga ditunjukkan dari hasil analisis awal berdasarkan informasi dari angket siswa bahwa siswa yang memiliki buku cukup banyak dirumahnya secara signifikan lebih tinggi prestasi di bidang matematika dibandingkan siswa yang memiliki sedikit buku di rumahnya. Hasil analisis deskriptif yang dilakukan pada penelitian awal terhadap kepemilikan buku, kepemilikan kalkulator, kepemilikan komputer, kepemilikan meja belajar, kepemilikan kamus, dan kepemilikan koneksi internet disajikan pada Lampiran 1. 2) Pendidikan orang tua Orang tua yang berpendidikan formal lebih tinggi akan lebih banyak berbeda dalam cara berpikir, beraspirasi, dan pandangannya dengan orang yang tidak berpendidikan formal. Orang tua yang berbeda tingkat pendidikannya juga akan berbeda sikapnya terhadap cara mengasuh anaknya. Cara mengasuh ini akan memberikan rangsangan terhadap prestasi intelektual, sehingga orang tua yang berpendidikan tinggi dapat memberikan cara pengasuhan yang menuju atau tertuju pada prestasi belajar anak-anaknya. Orang tua yang berpendidikan tinggi akan memberikan pengetahuan ketrampilan yang lebih luas di samping akan dapat memberikan dorongan, bimbingan, dan contoh bagi anak-anaknya. Beberapa penelitian menyimpulkan bahwa anakanak yang berasal dari orang tua yang berpendidikan cukup tinggi sebagian besar mampu meraih keberhasilan dan kesuksesan dalam studinya, hal ini karena orang tua mereka mengerti tentang arti dan pentingnya pendidikan serta menyadari bahwa kesuksesan anak-anak mereka dalam belajar semata-mata tidak hanya tergantung pada sekolahnya. Orang tua yang berpendidikan tinggi banyak memberikan kondisi dan dorongan secara psikologis untuk lebih giat dalam belajar dan tidak sedikit bukti yang dapat dilihat anak-anak dari orang tua
9
yang berpendidikan tinggi nyatanya menjadi orang yang cerdik dan pandai. Hal ini ditunjukkan pula dari hasil analisis awal terhadap pendidikan orang tua baik pendidikan Ibu maupun Ayah yang menunjukkan bahwa semakin tinggi pendidikan orang tua semakin tinggi skor Matematika, dengan kata lain pendidikan orang tua secara signifikan berpengaruh positif terhadap prestasi siswa di bidang matematika. Hasil analisis deskriptif variabel pendidikan orang tua disajikan pada Lampiran 2. Indikator-indikator status sosial ekonomi siswa yang yang dipilih dari angket siswa adalah informasi dari respons siswa terhadap pertanyaan nomor 4, yaitu ”Kira-kira berapa banyak buku terdapat di rumahmu?”, pertanyaan nomor 5 butir b, yaitu ”apakah anda punya komputer?, selanjutnya pertanyaan nomor 6 butir a dan butir b, yaitu ”apakah jenjang pendidikan tertinggi yang dicapai oleh Ibumu? dan ”apakah jenjang pendidikan tertinggi yang dicapai oleh Ayahmu? Indikitor-indikator tersebut dipilih berdasarkan hasil analisis awal menggunakan analisis faktor konfirmatori. Dari hasil analisis awal diketahui bahwa indikator-indikator tersebut
cukup valid dan reliabel dalam mengukur konstruk sosial
ekonomi siswa, sedangkan indikator-indikator lainnya seperti kepemilikan kalkulator, meja belajar, kamus, dan koneksi internet kurang valid. Hasil estimasi model pengukuran faktor sosial ekonomi siswa yang diukur oleh indikator-indikator kepemilikan barang dan pendidikan orang tua disajikan pada Lampiran 3 Gambar 11. Dari Lampiran 3 Gambar 11 terlihat bahwa hanya indikator kepemilikan buku, kepemilikan komputer, pendidikan Ibu dan pendidikan Ayah yang memiliki koefisien bobot indikator lebih besar dari nilai minimal yang direkomendasikan sebesar 0,4 (Kusnendi, 2008), dengan demikian indikator kepemilikan buku, kepemilikan komputer, pendidikan Ibu, dan pendidikan Ayah valid untuk mengukur konstruk status sosial ekonomi siswa.
10
b) Sikap siswa Sikap menurut Fishbein & Ajzen (1975) merupakan suatu keadaan mudah terpengaruh (predisposisi), yang dipelajari untuk merespons secara positif atau negatif terhadap suatu objek, situasi, konsep, atau orang. Objek sekolah adalah sikap siswa terhadap sekolah, sikap siswa terhadap mata pelajaran.
Menurut Katz (1960) sikap merupakan fungsi dari manfaat,
pertahanan diri, dan penggambaran nilai-nilai. Martin & Preuschof (2007) membagi faktor sikap melalui konstruks kepercayaan diri (self confidence) siswa, pengaruh positif (positive affect) pada siswa, dan nilai-nilai (valuing). Kontruks kepercayaan diri merupakan sikap terkait konsep diri, yang merupakan evaluasi yang dilakukan individu terhadap kemampuan dan kelemahan yang dimilikinya. Konsep diri ini penting untuk menentukan jenjang karier siswa, yaitu dengan mengentahui kekuatan dan kelemahan diri sendiri, maka dapat dipilih alternatif karier yang tepat bagi diri siswa, selain penting bagi guru maupun sekolah untuk memotivasi belajar siswa dengan tepat. Indikator-indikator sikap siswa pada bidang Matematika yang dipilih dari angket siswa adalah informasi dari respons siswa terhadap pertanyaan nomor 8 butir a, yaitu ”Saya belajar dengan baik matematika” yang diukur dengan empat skala Likert: 1 = sangat tidak setuju, 2 = tidak setuju, 3 = agak setuju, 4 = sangat setuju. Pertanyaan nomor 8 butir c: “Matematika lebih sulit bagi saya”, nomor 8 butir d: “Saya menikmati belajar matematika”, nomor 8 butir e, f, g, dan h. Juga pertanyaan nomor 9 butir a, b, c, dan d. Pada bidang Fisika dipilih dari pertanyaan nomor 24 butir a, c, d, e, f, g, dan h dan nomor 25 butir a, b, c, dan d, sedangkan pada bidang Biologi dipilih dari pertanyaan nomor 12 butir a, c, d, e, f, g dan nomor 13 butir a, b, c, dan d. Untuk pertanyaan-pertanyaan yang bersifat
unfavorable (misalnya: matematika membosankan, matematika lebih sulit), skala pengukuran dibalik (reversed), yaitu 4 = sangat tidak setuju, 3 = tidak setuju, 2 = agak setuju, dan 1 = sangat setuju.
11
Dari hasil analisis awal diperoleh bahwa indikator-indikator tersebut sangat valid dan reliabel dalam mengukur konstruk sikap siswa. Estimasi model pengukuran faktor sikap siswa di bidang Matematika yang diukur oleh indikator-indikator tersebut disajikan pada Lampiran 4 Gambar 12. Dari Gambar 12 Lampiran 4 terlihat bahwa model fit dengan data, hal ini ditunjukkan oleh nilai RMSEA (Root Mean Square Error of Approximation) = 0,069 yang kurang dari 0,08, nilai CFI (Comparative of Fit Index) = 0,96 dan GFI (Goodness of Fit Index)= 0,92 yang keduanya lebih besar dari 0,90, berarti model fit.
Dari Gambar 12 terlihat pula bahwa semua
koefisien bobot indikator faktor sikap lebih besar dari nilai minimal yang direkomendasikan sebesar 0,4 (Kusnendi, 2008), kecuali untuk indikator SULIT dan KURANG. Hal ini menunjukkan bahwa semua indikator sikap yang dipilih valid dalam mengukur konstruk sikap kecuali indikator SULIT(Matematika lebih sulit bagi saya) dan KURANG (Matematika bukan kelebihan saya atau matematika merupakan kekurangan saya) kurang valid dan kurang reliabel, sehingga kedua indikator ini tidak dipilih atau tidak dilibatkan pada analisis selanjutnya. c) Persepsi siswa terhadap sekolah, termasuk didalamnya apakah siswa merasa senang berada di sekolah, apakah siswa merasa bahwa temanteman di sekolah selalu belajar dengan giat, dan apakah guru mereka di sekolah selalu mendorong agar siswanya berprestasi. Indikator-indikator persepsi siswa terhadap sekolah yang dipilih dari angket siswa adalah informasi dari jawaban siswa terhadap pertanyaan nomor 28 butir a, b, dan c yaitu ”Saya senang berada di sekolah”, ”Menurut saya siswa-siswa di sekolah giat belajar”, ”Menurut saya guru-guru di sekolah menginginkan belajar dengan giat”. Estimasi model pengukuran faktor persepsi yang diukur oleh indikator-indikator tersebut
disajikan pada Lampiran 5.
Gambar 13. Dari Gambar 13 Lampiran
5 terlihat bahwa semua koefisien bobot
indikator yang mengukur konstruk persepsi siswa terhadap sekolah lebih besar dari nilai minimal yang direkomendasikan sebesar 0,4 dan model fit
12
dengan data, dengan demikian indikator-indikator tersebut valid dan reliabel untuk mengukur faktor persepsi siswa terhadap sekolah. Dengan demikian faktor persepsi siswa yang diukur dari tiga indikator tersebut dilibatkan dalam analisis selanjutnya. d) Keamanan di sekolah; siswa dapat mengalami trauma ketika mereka pernah mengalamai hal-hal yang tidak dikehendaki di sekolahnya misalnya siswa pernah mengalami kecurian atau kehilangan barang, disakiti, diejek, diolok-olok, dan lain-lain, karena trauma itulah sehingga prestasi belajar mereka bisa menurun. Indikator-indikator keamanan sekolah menurut siswa yang dipilih dari angket siswa adalah informasi dari respons siswa terhadap pertanyaan nomor 29 butir a, b, c, dan d yaitu ”Saya kecurian”, ”Saya dilukai”, ”Saya dipaksa untuk melakukan hal yang tidak saya kehendaki”, dan ”Saya diolok-olok”. Estimasi model pengukuran konstruk keamanan sekolah menurut pendapat siswa disajikan pada Lampiran 6 Gambar 14. Dari Gambar 14 terlihat bahwa hanya dua indikator (dilukai dan dipaksa) yang valid mengukur konstruk keamanan di sekolah sedangkan dua indikator lainnya (kecurian dan diolok-olok) kurang valid. Ditambah pula bahwa model pengukuran yang dibentuk dari indikator-indikator tersebut secara keseluruhan tidak fit dengan data, sehingga faktor keamanan di sekolah selanjutnya tidak dilibatkan dalam analisis selanjutnya. e) Minat siswa; minat berdasarkan definisi konseptual adalah watak yang tersusun melalui pengalaman yang mendorong individu mencari objek aktivitas, pencapaian
pengertian, (Djemari
ketrampilan Mardapi,
untuk
2008),
tujuan
sedangkan
penguasaan menurut
atau
definisi
operasional, minat adalah keingintahuan seseorang tentang keadaan suatu objek. Kegiatan-kegiatan siswa seperti; membaca, menyelesaikan soalsoal, mendiskusikan, dan mendengarkan penjelasan guru merupakan salah satu cara untuk mengetahui seorang siswa berminat ataukah tidak pada suatu pelajaran tertentu. Begitupun kegiatan mengerjakan pekerjaan rumah yang diberikan guru merupakan sarana melatih diri memperdalam
13
pengetahuan
juga
untuk
melatih
ketrampilan
dalam
menghadapi
persoalan. Selain berpengaruh terhadap prestasinya, minat siswa diduga dapat mempengaruhi sikap siswa. Seorang siswa yang berminat terhadap pelajaran tertentu akan mempengaruhi sikapnya terhadap pelajaran itu serta akan mempengaruhi prestasinya. Indikator-indikator minat siswa pada bidang Matematika dipilih dari angket siswa pada pertanyaan nomor 10, pada bidang Fisika pada pertanyaan nomor 26, sedangkan pada bidang Biologi pada pertanyaan nomor 14.
Pertanyaan-pertanyaan itu
antara lain terkait dengan: ”Kami memperhatikan guru menjelaskan pelajaran”, ”Kami mendengarkan guru menjelaskan pelajaran”, ”Kami membaca buku pelajaran”, ”Kami mengerjakan Pekerjaan Rumah (PR)”, ”Kami membahas PR”, ”Kami melakukan eksperimen”.
Hasil estimasi
model pengukuran konstruk minat di bidang Matematika disajikan pada Lampiran 7 Gambar 15a. Bidang Fisika disajikan pada Gambar 15b, sedangkan di bidang Biologi disajikan pada Gambar 15c. Dari Gambar 15a, 15b, maupun 15c pada Lampiran 7 terlihat bahwa umumnya indikator-indikator yang dipilih untuk mengukur konstruk minat siswa cukup valid, kecuali indikator mengerjakan Pekerjaan Rumah (KERJA-PR) kurang valid. Model pengukuran konstruk minat cukup fit dengan data, dengan demikian faktor minat siswa selanjutnya dilibatkan dalam pembentukkan model prestasi siswa. 1.
Faktor Guru Tidak dapat dipungkiri, guru merupakan penentu keberhasilan siswa.
Hasil studi yang telah dilakukan House (2005) menyimpulkan bahwa kegiatan belajar mengajar yang berpusat pada guru mempunyai pengaruh positif terhadap kemampuan sains siswa pada sekolah menengah pertama. Bebarapa faktor guru yang mempengaruhi prestasi siswa yaitu latar belakang, persiapan mengajar, pengembangan profesi, persepsi guru terhadap keamanan di sekolah, kondisi sekolah, iklim sekolah, dan hambatan-hambatan yang ada,
14
baik hambatan pada siswa maupun hambatan karena kekurangan sarana dan prasarana di sekolah. a)
Latar belakang guru Variabel-variabel latar belakang guru yang diduga mempengaruhi prestasi belajar siswa diantaranya adalah: usia, pengalaman mengajar, pendidikan terakhir. 1) Usia Beberapa penelitian menyimpulkan bahwa variabel usia guru kurang menunjukkan pengaruh yang konsisten terhadap prestasi siswa. Pengaruh usia guru dapat berpengaruh positif, tetapi juga dapat berpengaruh negatif sehingga dapat menimbulkan penafsiran yang berbeda (Soedarsono, 1985). Hasil analisis deskriptif yang dilakukan pada analisis awal menunjukkan bahwa variabel usia secara nyata tidak berpengaruh terhadap prestasi siswa. Hasil analisis deskriptif variabel usia yang disajikan pada Lampiran 8. Dari Lampiran 8 tabel ANOVA terlihat bahwa variabel usia tidak berbeda atau tidak berpengaruh secara signifikan terhadap skor atau prestasi siswa di bidang Matematika. Hal ini ditunjukkan oleh nilai-p (Sig = 0,418) yang lebih besar dari 5%, berarti belum cukup bukti untuk mengatakan bahwa usia berpengaruh terhadap prestasi siswa. Dengan demikian, variabel usia guru tidak dimasukkan dalam pembentukan model prestasi siswa. 2) Pengalaman mengajar Guru yang berpengalaman umumnya lebih menguasai materi pelajaran
dibandingkan
guru
Informasi
dari
guru,
angket
yang
belum
pengalaman
berpengalaman. mengajar
guru
ditunjukkan oleh lamanya dia mengajar. Dengan menguasai materi seorang guru akan lebih baik dalam mengajar yang berakibat pada meningkatnya prestasi siswa. Hal senada ditunjukkan oleh hasil analisis deskriptif bahwa pengalaman mengajar yang diukur dari lama mengajar berpengaruh pada prestasi belajar siswa di bidang
15
Matematika. Hasil analisis deskriptif terhadap variabel pengalaman mengajar disajikan pada Lampiran 9. Dari tabel ANOVA Lampiran 9 terlihat bahwa pengalaman mengajar berpengaruh positif terhadap prestasi siswa.
Hal ini ditunjukkan
oleh nilai-p = 0,013 yang kurang dari 5% berarti ada perbedaan rata-rata skor matematika siswa yang diajar oleh guru yang berpengalaman dengan guru yang tidak berpengalaman, semakin berpengalaman guru semakin baik skor siswa. Dengan demikian pengalaman mengajar merupakan variabel yang perlu dilibatkan dalam pembentukan model prestasi siswa. 3) Pendidikan tertinggi yang dicapai guru Kiranya tingkat pendidikan yang dimiliki guru dapat mempengaruhi prestasi belajar siswa. Seorang guru yang memiliki tingkat pendidikan sarjana mestinya mempunyai pengaruh positif terhadap prestasi belajar siswa dibandingkan guru yang memiliki tingkat pendidikan yang lebih rendah. Hal ini ditunjukkan juga oleh hasil analisis deskriptif bahwa variabel lama mengajar berpengaruh signifikan terhadap prestasi siswa di bidang Matematika (Lihat Tabel ANOVA Lampiran 10). Berdasarkan hasil analisis faktor menunjukkan bahwa indikator lama mengajar dan pendidikan tertinggi guru valid dalam mengukur konstruk latar belakang guru, sedangkan indikator jenis kelamin kurang valid dalam mengukur konstruk latar belakang. Dengan demikian hanya indikator lama mengajar
dan
pendidikan
tertinggi
guru
yang
dilibatkan
dalam
pembentukkan model prestasi siswa. Estimasi model pengukuran konstruk latar belakang guru disajikan pada Lampiran 11 Gambar 16. b)
Pengembangan profesi Guru yang pernah bahkan sering mengikuti pelatihan pengembangan profesi memiliki wawasan yang lebih luas dibandingkan guru yang belum pernah mengikuti pengembangan profesi. Pengembangan dalam hal metode
pengajaran,
materi
pengajaran,
16
kurikulum,
teknologi
dan
informasi, serta cara penilaian, diyakini dapat meningkatkan kemajuan dalam pembelajaran yang berakibat pada peningkatan prestasi siswa mereka. Namun demikian hasil analisis awal menunjukkan bahwa indikator-indikator yang mengukur konstruks pengembangan profesi mempunyai model yang tidak fit dengan data, hal ini ditunjukkan oleh nilai RMSEA = 0,395
yang lebih besar dari kriteria yang direkomendasikan
yaitu model fit jika nilai RMSEA kurang dari 0,08. Dengan demikian, faktor pengembangan profesi tidak dilibatkan dalam
pembentukkan model
prestasi siswa. Estimasi model pengukuran konstruk pengembangan profesi disajikan pada Lampiran 12 Gambar 17. c)
Persiapan adalah konstruk yang berkaitan dengan persiapan guru dalam mempersiapkan materi yang akan diajarkannya. Seorang guru yang mempunyai rencana pengajaran dan rasa tanggung jawab yang baik akan memberikan materi pelajarannya dengan optimal. Dengan demikian persiapan
materi
dengan
baik
yang
dilakukan
guru
diharapkan
berpengaruh positif terhadap prestasi siswa. Namun demikian untuk bidang Matematika indikator-indikator yang mengukur konstruk kesiapan guru umumnya kurang valid, hal ini ditunjukkan oleh nilai koefisien bobot indikator yang kurang dari 0,4. Dan model pengukuran konstruk kesiapan
tidak fit dengan data.
sedangkan untuk bidang Fisika dan Biologi,
indikator-indikator yang meliputi kesiapan guru umumnya valid dalam mengukur konstruk kesiapan dan modelnya cukup fit dengan data. Dengan demikian faktor kesiapan guru pada bidang Fisika dan Biologi perlu dilibatkan pada pembentukan model prestasi siswa, sedangkan untuk bidang matematika faktor kesiapan tidak dilibatkan pada pembentukkan model prestasi siswa. Estimasi model pengukuran faktor kesiapan bidang Matematika disajikan pada Gambar 18 Lampiran 13, sedangkan bidang Fisika dan Biologi masing-masing disajikan pada Gambar 19 Lampiran 14 dan Gambar 20 Lampiran 15. d)
Keamanan merupakan konstruk persepsi guru terhadap keamanan di sekolah. indikator-indikator konstruk keamanan diperoleh dari respons
17
guru terhadap pertanyaan-pertanyaan : ”apakah sekolah berada di lingkungan yang aman?”, ”apakah guru merasa aman berada di sekolah?”, dan ”apakah ada kebijakan keamanan dan telah diterapkan di sekolah mereka?”. e)
Kondisi adalah keadaan kelas dan sekolah tempat pembelajaran. Konstruk kondisi ini digali dari pendapat guru mengenai kondisi kelas dan sekolah mereka, termasuk di dalamnya adalah apakah kondisi gedung sekolah menurut pendapat guru cukup baik untuk kegiatan belajar mengajar ataukah tidak, apakah kapasitas kelas memadai ataukah tidak, apakah guru merasa nyaman karena memiliki ruang kerja sendiri yang layak untuk mengembangkan diri ataukah tidak. Indikator-indikator konstruk kondisi digali dari respons guru terhadap pertanyaan-pertanyaan: ”apakah gedung sekolah membutuhkan perbaikan?”, apakah kapasitas kelas terlalu penuh?”, dan ”apakah guru-guru tidak memiliki ruang kerja yang layak di luar ruang kelas.
f)
Iklim yaitu suasana akademik di sekolah secara umum. Konstruk iklim digali dari pendapat guru mengenai kepuasan kerja guru, tingkat pemahaman guru terhadap kurikulum, tingkat keberhasilan guru terhadap pencapaian kurikulum, harapan guru terhadap prestasi siswa, dukungan orang tua terhadap prestasi siswa, keterlibatan orang tua dalam aktifitas sekolah, rasa memiliki siswa terhadap sarana dan prasarana sekolah, dan harapan siswa untuk berprestasi sebaik mungkin di sekolah.
g)
Hambatan yaitu suatu keadaan yang berakibat pada terganggunya proses
pembelajaran.
Konstruk
hambatan
dapat
diperoleh
melalui
pertanyaan-pertanyaan: seberapa besar tingkat kebermasalahan menurut guru yang diakibatkan oleh siswa, maupun sumber daya lainnya. Seberapa besar masalah yang diakibatkan adanya siswa dengan kemampuan berbeda,
adanya siswa yang berasal dari keluarga berpenghasilan
berbeda, adanya siswa yang memiliki kekurangan tertentu, adanya siswa
18
yang kurang tertarik pada pelajaran, kekurangan buku-buku pelajaran, kekurangan alat pendukung dalam pembelajaran, dan lain sebagainya. Seperti telah diuraikan di atas bahwa persepsi guru terhadap keamanan di sekolah, kondisi sekolah, iklim sekolah, dan hambatan-hambatan yang ada diduga berpengaruh terhadap prestasi siswa. Namun demikian hasil analisis awal menggunakan analisis faktor konfirmatori menunjukkan bahwa keempat faktor tersebut kurang berpengaruh terhadap prestasi siswa baik di bidang Matematika maupun di bidang Sains. Hasil analisis pembentukkan model struktural prestasi siswa yang dibentuk oleh keempat faktor tersebut disajikan pada Lampiran 16. Gambar 21a, 21b, dan 21c. Dari Gambar 21a dan 21b terlihat bahwa seluruh indikator-indikator yang mengukur konstruk keamanan, kondisi sekolah, iklim sekolah, dan hambatanhambatan yang ada di sekolah adalah valid, hal ini ditunjukkan oleh nilai koefisien bobot yang lebih dari 0,4. Model struktural yang terbentuk juga adalah fit, hal ini ditunjukkan oleh nilai-p = 0,85494 yang lebih besar dari 5% dan nilai RMSEA = 0.000 yang kurang dari 0,08. Namun demikian keempat faktor tersebut tidak berpengaruh secara signifikan terhadap prestasi siswa di bidang Matematika maupun Sains. Hal ini ditunjukkan oleh nilai statistik-t yang kurang dari 1,96 (lihat Gambar 21c). Oleh karena itu, berdasarkan hasil analisis awal tersebut maka hanya faktor hambatan di sekolah yang dipilih dan dilibatkan dalam pembentukkan model prestasi siswa, sedangkan indikatorindikator yang dipilih untuk mengukur konstruk hambatan dipilih berdasarkan empat nilai koefisien bobot terbesar. Keempat inidikator tersebut adalah hambatan karena kekurangan perangkat keras komputer, kekurangan buku pelajaran untuk siswa, kekurangan perlengkapan pengajaran, dan kekurangan alat peraga. 2.
Faktor Sekolah Sekolah merupakan lingkungan pendidikan formal dimana segala
sesuatunya telah diatur dan direncanakan. Untuk mencapai tujuan pendidikan dan mutu seperti yang diharapkan oleh penyelenggara pendidikan, maka
19
fasilitas fisik seperti gedung atau ruangan kelas diperbaiki, fasilitas alat pengajaran termasuk buku-buku dilengkapi. Oleh karena itu, disamping faktor guru, faktor sekolah juga mesti dipandang sebagai salah satu penentu keberhasilan siswa yang tidak boleh diabaikan. Beberapa faktor sekolah yang diduga mempengaruhi prestasi siswa adalah iklim di sekolah, perilaku siswa, severity atau tingkat kebermasalahan, dan sumber daya dan teknologi yang dimiliki sekolah. a)
Iklim sekolah merupakan suasana sekolah, konstruks iklim di sekolah ditunjukkan oleh variabel kepuasan guru, pemahaman guru terhadap tujuan kurikulum termasuk tingkat keberhasilan pencapaian kurikulum, bagaimana harapan guru terhadap prestasi siswa, bagaimana pula dukungan orang tua dan lain sebagainya. Indikator-indikator iklim sekolah diperoleh dari angket kepala sekolah terkait pertanyaan-pertanyaan mengenai: penilaian kepala sekolah terhadap kepuasan kerja guru, penilaian terhadap pemahaman guru terhadap tujuan kurikulum, penilaian terhadap tingkat keberhasilan guru dalam melaksanakan kurikulum sekolah, penilaian terhadap harapan guru pada prestasi siswa, penilaian terhadap dukungan orang tua siswa pada prestasi siswa, penilaian terhadap keterlibatan orang tua siswa dalam aktivitas sekolah, penilaian terhadap kepedulian siswa atas barang-barang milik sekolah, dan penilaian terhadap keinginan siswa untuk berhasil di sekolah.
b)
Perilaku merupakan konstruk yang diukur dari tingkat kehadiran siswa di sekolah yang ditunjukkan oleh perilaku siswa, seberapa sering siswa tidak masuk sekolah, bolos sekolah, maupun bolos kelas tanpa ijin, seberapa sering siswa bersikap tidak terpuji di sekolah (misalnya mengganggu siswa lain pada jam pelajaran, menyontek pada saat ujian). Indikator-indikator konstruk perilaku siswa diperoleh dari angket kepala sekolah
terkait
dengan pertanyaan-pertanyaan: Berapa sering siswa datang terlambat, berapa sering siswa bolos sekolah, berapa sering siswa membolos kelas pada jam pelajaran, berapa sering siswa melanggar aturan berpakaian, berapa sering siswa membuat kegaduhan di kelas, berapa sering siswa
20
menyontek, berapa sering siswa berkata kotor, berapa sering siswa melakukan pengrusakan, berapa sering siswa melakukan pencurian, berapa sering siswa melakukan intimidasi atau pelecehan dengan katakata terhadap siswa lain, berapa sering siswa menciderai siswa lain secara fisik, berapa sering siswa melakukan intimidasi atau pelecehan dengan kata-kata terhadap guru atau pegawai sekolah, dan berapa sering siswa menciderai guru atau pegawai sekolah. c)
Severity atau tingkat kebermasalahan, bagaimana sekolah menyikapi suatu masalah akibat dari perilaku yang tidak baik dari siswa. Apakah jika banyak siswa yang bolos merupakan masalah serius ataukah tidak, apakah jika banyak siswa yang menyontek pada saat ujian merupakan masalah serius ataukah tidak, dan lain sebagainya. Indikator-indikator konstruk
severity diperoleh dari angket kepala sekolah terkait dengan pertanyaanpertanyaan: sejauh mana masalah bagi sekolah terhadap siswa yang datang terlambat di sekolah, sejauh mana masalah bagi sekolah terhadap siswa yang membolos di sekolah, sejauh mana masalah bagi sekolah terhadap siswa yang membolos kelas pada jam pelajaran, sejauh mana masalah bagi sekolah terhadap siswa yang melanggar aturan berpakaian, sejauh mana masalah bagi sekolah terhadap siswa yang membuat kegaduhan di kelas, sejauh mana masalah bagi sekolah terhadap siswa yang menyontek, sejauh mana masalah bagi sekolah terhadap siswa yang berkata kotor, sejauh mana masalah bagi sekolah terhadap siswa yang melakukan pengrusakan, sejauh mana masalah bagi sekolah terhadap siswa yang mencuri, sejauh mana masalah bagi sekolah terhadap siswa yang melakukan intimidasi atau pelecehan dengan kata-kata pada siswa lain, sejauh mana masalah bagi sekolah terhadap siswa yang menciderai siswa lain secara fisik, sejauh mana masalah bagi sekolah terhadap siswa yang mengintimidasi guru atau pegawai sekolah, dan sejauh mana masalah bagi sekolah terhadap siswa yang menciderai guru atau pegawai sekolah.
21
d)
Sumber daya dan Teknologi, meliputi sarana dan prasarana yang dimiliki sekolah antara lain: apakah sekolah memiliki gedung yang memadai, memiliki penerangan yang cukup, memiliki perpustakaan, laboratorium, ruang komputer, software pendukung pembelajaran, alat pembelajaran yang dapat dipergunakan siswa, dan peralatan peraga. Indikator-indikator konstruk sumber daya dan teknologi diperoleh dari angket kepala sekolah
terkait dengan pertanyaan-pertanyaan: sejauh
mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan materi pelajaran, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan anggaran untuk peralatan (misalnya: kertas, pensil), sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan gedung sekolah
dan
lapangan,
sejauh
mana
penyelenggaraan
pengajaran
dipengaruhi oleh kekurangan sistem pendingin udara dan pencahayaan, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan ruang
pembelajaran
(misalnya
ruang
kelas),
sejauh
mana
penyelenggaraan pengajaran dipengaruhi oleh kekurangan peralatan khusus untuk siswa cacat, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan perangkat lunak komputer untuk pengajaran matematika, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan kalkulator untuk pengajaran matematika, sejauh mana penyelenggaraan
pengajaran
dipengaruhi
oleh
kekurangan
sarana
perpustakaan yang relevan dengan pengajaran matematika, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan peralatan audio-visual untuk pengajaran matematika, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan perlengkapan dan bahan-bahan laboratorium IPA, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan komputer untuk pembelajaran IPA, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan perangkat lunak komputer untuk pengajaran IPA, sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan kalkulator untuk pengajaran IPA, sejauh
mana
penyelenggaraan
22
pengajaran
IPA
dipengaruhi
oleh
kekurangan sarana perpustakaan yang relevan dengan pengajaran IPA, sejauh
mana
kekurangan
penyelenggaraan
peralatan
pengajaran
audio-visual,
sejauh
IPA mana
dipengaruhi
oleh
penyelenggaraan
pengajaran IPA dipengaruhi oleh kekurangan guru, dan sejauh mana penyelenggaraan pengajaran IPA dipengaruhi oleh kekurangan fasilitas komputer untuk pegawai. Berdasarkan hasil analisis awal menggunakan analisis faktor konfirmatori terlihat bahwa hampir semua indikator-indikator yang digunakan untuk mengukur konstruk iklim, perilaku, severity, serta konstruk sumber daya dan teknologi adalah valid, namun demikian model prestasi siswa yang dibangun oleh keempat faktor tersebut tidak fit, hal ini ditunjukkan oleh nilai koefisien bobot untuk semua indikator umumnya lebih besar dari 0,4 artinya valid; namun demikian nilai-p = 0,00000 kurang dari 5% dan RMSEA = 0,115 lebih besar dari 0,08 yang berarti modelnya tidak fit. Hasil analisis awal disajikan pada Gambar 22a, 22b, dan 22c Lampiran 17. Dari Gambar 22c Lampiran 17 terlihat bahwa hanya faktor Sumber Daya dan Teknologi yang berpengaruh secara signifikan terhadap prestasi siswa, hal ini ditunjukkan oleh nilai t-hitung = -2,55 yang kurang dari -1,96 yang berarti bahwa pengaruh dari faktor Sumber Daya dan Teknologi adalah nyata. Namun demikian karena pengaruhnya negatif maka faktor sumber daya dan teknologi tidak dilibatkan dalam pembentukan model prestasi siswa. Berdasarkan hasil analisis awal maka pada penelitian ini hanya dua faktor yang berasal dari sekolah dipilih untuk dimasukkan dalam pembentukan model prestasi siswa di bidang Matematika maupun bidang Fisika dan Biologi. Kedua faktor yang dimaksud adalah faktor Iklim sekolah dan Perilaku siswa di sekolah maupun di kelas.
23
D.
Kerangka Pemikiran dan Hipotesis Berdasarkan kajian pustaka dan hasil analisis awal terhadap data yang
terdapat dalam angket siswa, angket guru, dan angket sekolah dapat dirumuskan suatu kerangka pemikiran sebagai berikut. Prestasi siswa dapat dipengaruhi oleh berbagai faktor. Umumnya faktorfaktor yang mempengaruhi prestasi siswa dikelompokkan menjadi dua kelompok faktor, yaitu faktor internal maupun eksternal siswa. Faktor internal siswa berupa persepsi siswa, status sosial ekonomi siswa, sikap, minat, dan, aspirasi akademik siswa, sedangkan faktor eksternal dapat berasal dari guru maupun sekolah. Faktor yang berasal dari guru yang mempengaruhi prestasi siswa dapat berupa latar belakang guru, kesiapan belajar guru, dan persepsi guru terhadap iklim sekolah dan hambatan yang ada di sekolah, sedangkan faktor yang berasal dari sekolah dapat berupa Iklim sekolah dan perilaku siswa di sekolah. Persepsi siswa terhadap sekolah yang baik, status sosial siswa yang baik, minat siswa yang baik, sikap siswa yang baik, aspirasi atau keinginan akademik siswa yang tinggi diharapkan tinggi pula prestasi siswa. Latar belakang guru yang baik, kesiapan mengajar guru yang baik, dan penilaian guru terhadap sekolah yang baik serta rendahnya hambatan yang dihadapi guru diharapkan tinggi juga prestasi siswa. Begitupun Iklim sekolah yang baik dan perilaku siswa yang baik akan berakibat pada tingginya prestasi siswa. Faktor persepsi siswa, faktor status sosial siswa maupun faktor minat siswa dapat mempengaruhi secara langsung maupun tidak langsung terhadap prestasi siswa. Pengaruh tidak langsung dari ketiga faktor tersebut dapat melalui sikap siswa, begitu pula faktor sosial ekonomi siswa dan minat siswa dapat mempengaruhi secara langsung terhadap prestasi siswa maupun tidak langsung melalui aspirasi siswa. Siswa yang memiliki persepsi baik terhadap sekolah diduga bersikap baik terhadap pelajaran di sekolah, siswa yang memiliki minat yang baik terhadap pelajaran di sekolah tentunya memiliki sikap yang baik pula, begitu pula siswa
24
yang status sosial ekonominya baik diduga bersikap secara baik pula terhadap pelajaran mereka di sekolah. Siswa yang memiliki status sosial ekonomi yang baik dan minat yang baik umumnya
mempunyai
cita-cita
yang
tinggi
untuk
menempuh
jenjang
pendidikan yang tinggi, dengan demikian diharapkan prestasi mereka tinggi juga. Dengan demikian maka model dasar rancangan prestasi siswa dapat digambarkan sebagai berikut.
Perseps
H11 Sikap
H12
Sosek H13 Minat
H14
H2 H1
H3
H15 LBH8 Penilaian Hambatan
Prestasi
H6 H7
H10
H9 Perilaku
H4 Aspirasi
Iklim Gambar 1. Kerangka Pemikiran Faktor-Faktor yang Mempengaruhi Prestasi Siswa
25
Merujuk rumusan masalah dan kerangka pemikiran, maka pernyataan hipotesisnya sebagai berikut. H1 : Semakin baik persepsi siswa terhadap sekolah semakin tinggi prestasi H2 : Semakin tinggi sikap siswa semakin tinggi prestasi siswa H3 : Semakin tinggi status sosial-ekonomi siswa semakin tinggi prestasi siswa H4 : Semakin baik iklim sekolah semakin tinggi prestasi siswa H5 : Semakin tinggi minat siswa terhadap pelajaran semakin tinggi prestasi H6 : Semakin baik penilaian guru terhadap sekolah semakin tinggi prestasi siswa H7 : Semakin rendah hambatan semakin tinggi prestasi siswa H8 : Semakin baik latar belakang guru semakin tinggi prestasi siswa H9 : Semakin baik perilaku siswa di sekolah semakin tinggi prestasi siswa H10 : Semakin baik aspirasi akademik siswa semakin tinggi prestasi siswa H11 : Semakin baik persepsi siswa terhadap sekolah semakin baik sikap siswa H12 : Semakin baik status sosial ekonomi siswa semakin baik sikap siswa H13 : Semakin baik minat siswa semakin baik sikap siswa H14 : Semakin baik status sosial ekonomi siswa semakin tinggi aspirasi akademik siswa H15 : Semakin baik minat siswa semakin tinggi aspirasi akademik siswa.
26
BAB III METODE PENELITIAN A.
Desain Penelitian Penelitian ini diawali dengan penelitian eksploratif dan dilanjutkan
dengan penelitian korelasional menggunakan pemodelan struktural. Studi eksploratif dilakukan untuk melihat validitas faktor-faktor yang mempengaruhi prestasi, sedangkan studi korelasional dilakukan untuk melihat pengaruh faktorfaktor yang berasal dari siswa, guru, dan sekolah terhadap prestasi siswa, baik pengaruh langsung maupun tidak langsung. B.
Sampel Penelitian Subyek penelitian adalah siswa kelas 8 di SMP/MTs. Jumlah sampel
adalah 4203 siswa yang berasal dari 149 SMP/MTs di Indonesia. C.
Data Data yang digunakan pada penelitian ini berasal dari hasil asesmen
survei TIMSS 2007 berupa: (1) skor Matematika, yang terdiri atas skor Aljabar, skor Geometri, skor Bilangan, serta skor Data dan Peluang, (2) skor Sains terdiri atas skor Biologi dan skor Fisika. (3) Data dari angket siswa, angket guru, dan angket sekolah. Beberapa faktor yang dipilih dari informasi angket siswa adalah: sikap siswa, persepsi siswa terhadap sekolah, status sosial ekonomi siswa,
minat
siswa, dan aspirasi akademik siswa. Dari angket guru faktor yang dipilih adalah: latar belakang guru, kesiapan mengajar, dan persepsi guru terhadap hambatan dalam pembelajaran, sedangkan dari angket sekolah yang dipilih adalah: Iklim sekolah dan perilaku siswa di sekolah. Faktor-faktor tersebut dipilih berdasarkan kajian teori yang telah dipaparkan pada Bab II dan hasil eksplorasi yang dilakukan pada studi awal.
27
D.
Unit Analisis Unit analisis yang digunakan pada penelitian ini adalah sekolah. Dengan
demikian data pada level siswa dirata-ratakan berdasarkan sekolah.
E.
Pemodelan Struktural
1.
Operasionalisasi Variabel
Bidang Matematika Berdasarkan kajian teori dan hasil studi awal terhadap data TIMSS, maka dapat dirumuskan dan diringkaskan variabel-variabel operasional berdasarkan faktor-faktor yang mempengaruhi prestasi siswa di bidang Matematika seperti disajikan pada Tabel 1 berikut. Tabel 1. Operasionalisasi Variabel Faktor-Faktor yang Mempengaruhi Prestasi Siswa di Bidang Matematika Variabel Laten A. Sikap
Sumber Pengaruh Positif terhadap Matematika (PA), Percaya Diri dalam Belajar Matematika (SC) dan Nilai Terhadap Matematika
Indikator
Angket siswa
-
B. Persepsi
Persepsi siswa terhadap sekolah
Angket siswa
-
C, Aspirasi
Cita-cita
D, Sosek
Kepemilikan dan pendidikan orang tua
Angket siswa Angket Siswa
-
E. Minat
Kegiatan siswa pada jam pelajaran
Angket siswa
-
28
Saya menikmati belajar matematika (P8d) Matematika membosankan (P8g_R) *) Saya suka matematika (P8h) Saya belajar dengan baik matematika (P8a) Saya belajar matematika lebih cepat (P8f) Mat. untuk kehidupan sehari-hari (P9a) Mat. untuk memahami pelajaran lain (P9b) Mat. untuk melanjutkan ke PT pilihanku (P9c) Saya senang berada di sekolah (P28a) Menurut saya siswa-siswa di sekolah giat belajar (P28b) Menurut saya guru-guru di sekolah menginginkan belajar dengan giat (P28c) Jenjang pendidikan tertinggi yang ingin dicapai siswa (P7) Kira-kira berapa banyak buku terdapat di rumahmu? (P4) Apakah kamu punya komputer? (P5b) Apakah jenjang pendidikan tertinggi yang berhasil diselesaikan oleh ibumu (atau ibu tiri atau wali perempuan) (P6A) Apakah jenjang pendidikan tertinggi yang berhasil diselesaikan oleh ayahmu (atau ayah tiri atau wali laki-laki) (P6B) Kami berlatih penjumlahan, pengurangan, perkalian, dan pembagian tanpa kalkulator (P10a) Kami mengerjakan pecahan dan angka decimal (P10b)
Variabel Laten
Sumber
Indikator -
D. LB-Guru E. Penilaian
Latar belakang guru Penilaian guru terhadap sekolah
Angket Guru Angket Guru
-
F. Hambatan Hambatan guru dalam mengajar
Angket Guru
-
G. Perilaku
Frekuensi perilaku siswa
Angket Sekolah
-
H. Prestasi
Prestasi siswa di bidang Matematika
Asesme n TIMSS
-
Keterangan : *) Skala pengukuran Reversed
Kami mengerjakan soal-soal tentang Geometri (P10c) Kami menuliskan persamaan dan fungsi P10e) Kami menghafal rumus-rumus (P10f) Kami membahas PR di kelas (P10j) Kami mendengarkan guru menjelaskan materi pelajaran (P10k) Lama mengajar (P3) Pendidikan tertinggi (P4) Pemahaman guru mengenai tujuan pengajaran/kurikulum sekolah (P12b) Dukungan orang tua terhadap prestasi siswa (P12e) Harapan siswa untuk berprestasi sebaik mungkin di sekolah (P12h) Kekurangan perangkat keras (hardware) komputer (P18f) Kekurangan perangkat lunak (software) komputer (P18g) Kekurangan buku pelajaran untuk siswa (P18i) Datang terlambat ke sekolah (P18a) Bolos sekolah (misalnya absen tanpa alasan yang dapat dibenarkan) (P18b) Membolos kelas (jam pelajaran) (P18c) Skor Aljabar Skor Data dan Peluang Skor Bilangan Skor Geometri
Bidang Fisika Operasionalisasi variabel untuk faktor-faktor yang mempengaruhi prestasi siswa di bidang Fisika disajikan pada Tabel 2 berikut.
Tabel 2. Operasionalisasi Variabel Faktor-Faktor Yang Mempengaruhi Prestasi Siswa di Bidang Fisika Variabel Laten A. Sikap
Sumber Pengaruh Positif Terhadap Fisika (PA), Percaya Diri Dalam Belajar Fisika (SC), Nilai Terhadap Fisika (Nilai)
Indikator
Angket siswa
-
29
Saya menikmati belajar Fisika (P24d) Fisika membosankan (P24g_R)*) Saya suka Fisika (P24h) Saya belajar dengan baik Fisika (P24a) Saya belajar Fisika lebih cepat (P24f) Fisika untuk kehidupan sehari-hari (P25a) Fisika untuk memahami pelajaran lain (P25b)
Variabel Laten
Sumber
Indikator -
B. Persepsi
Persepsi siswa terhadap sekolah
Angket siswa
-
C. Aspirasi
Cita-cita
D. Sosek
Kepemilikan dan pendidikan orang tua
Angket siswa Angket siswa
-
E. Minat
Kegiatan siswa pada jam pelajaran
Angket siswa
-
F. LB-Guru G. Kesiapan
H. Hambatan
Latar belakang guru Kesiapan guru pada materi yang diajarkan.
Hambatan guru dalam mengajar
Angket Guru Angket Guru
-
Angket Guru
-
I. Iklim
Iklim sekolah untuk Belajar
Angket Sekolah
-
J.
Perilaku
Frekuensi perilaku siswa
Angket Sekolah
-
30
Fisika untuk melanjutkan ke PT pilihanku (P25c) Saya senang berada di sekolah (P28a) Menurut saya siswa-siswa di sekolah giat belajar (P28b) Menurut saya guru-guru di sekolah menginginkan belajar dengan giat (P28c) Jenjang pendidikan tertinggi yang ingin dicapai siswa (P7) Kira-kira berapa banyak buku terdapat di rumahmu? (P4) Apakah kamu punya komputer? (P5b) Apakah jenjang pendidikan tertinggi yang berhasil diselesaikan oleh ibumu (atau ibu tiri atau wali perempuan) (P6A) Apakah jenjang pendidikan tertinggi yang berhasil diselesaikan oleh ayahmu (atau ayah tiri atau wali laki-laki) (P6B) Kami memperhatikan guru melakukan mendemontrasikan eksperimen (P26b) Kami membaca buku pelajaran Fisika dan sumber-sumber belajar lainnya (P26f) Kami menghubungkan pelajaran Fisika dengan kehidupan sehari-hari (P26j) Kami membahas PR (P26k) Kami mendengarkan guru menjelaskan materi pelajaran (P26l) Lama mengajar (P3) Pendidikan tertinggi (P4) Sifat-sifat fisika atau perubahan materi (P7C.a) Bentuk energy, transformasi, dan perubahan suhu (P7C.b) Sifat-sifat cahaya (P7C.c) Sirkuit listrik (P7C.d) Sifat-sifat magnet (P7C.e) Kekurangan perangkat keras (hardware) komputer (P18f) Kekurangan buku pelajaran untuk siswa (P18i) Kekurangan perlengkapan pengajaran lain untuk digunakan siswa P18j) Kekurangan peralatan peraga (P18k) Tingkat keberhasilan guru dalam melaksanakan kurikulum sekolah (P8b) Harapan guru terhadap prestasi siswa (P8b) Dukungan orang tua terhadap prestasi siswa (P8c) Keinginan siswa untuk berprestasi (P8h) Datang terlambat ke sekolah (P18a) Bolos sekolah (misalnya absen tanpa alasan yang dapat dibenarkan) (P18b) Membolos kelas (jam pelajaran) (P18c)
Variabel Laten K. Prestasi
Sumber Prestasi siswa pada mata pelajaran Fisika
Indikator
Asesmen TIMSS
-
Skor Fisika
Keterangan : *) Skala pengukuran Reversed Bidang Biologi Operasionalisasi variabel untuk faktor-faktor yang mempengaruhi prestasi siswa di bidang Biologi disajikan pada Tabel 3 berikut. Tabel 3. Operasionalisasi Variabel Faktor-Faktor Yang Mempengaruhi Prestasi Siswa di Bidang Biologi Variabel Laten A. Sikap
Sumber Pengaruh Positif Terhadap Biologi (PA), Percaya Diri Dalam Belajar Biologi (SC), Nilai Terhadap Biologi (Nilai)
Indikator
Angket siswa
-
B. Persepsi
Persepsi siswa terhadap sekolah
Angket siswa
-
C. Sosek
Status sosial dan ekonomi siswa
Angket siswa
-
D. Minat
Kegiatan siswa pada jam pelajaran
Angket siswa
-
E. LB-Guru F. Kesiapan
Latar belakang guru Kesiapan guru pada materi yang diajarkan.
Angket Guru Angket Guru
-
31
Saya menikmati belajar Biologi (P12d) Biologi membosankan (P12g_R) *) Saya suka Biologi (P12h) Saya belajar dengan baik Biologi (P12a) Saya belajar Biologi lebih cepat (P12f) Biologi untuk kehidupan sehari-hari (P13a) Biologi untuk memahami pelajaran lain (P13b) Biologi untuk melanjutkan ke PT pilihanku (P13c) Saya senang berada di sekolah (P28a) Menurut saya siswa-siswa di sekolah giat belajar (P28b) Menurut saya guru-guru di sekolah menginginkan belajar dengan giat (P28c) Kira-kira berapa banyak buku terdapat di rumahmu? (P4) Apakah kamu punya komputer? (P5b) Apakah jenjang pendidikan tertinggi yang berhasil diselesaikan oleh ibumu (atau ibu tiri atau wali perempuan) (P6A) Apakah jenjang pendidikan tertinggi yang berhasil diselesaikan oleh ayahmu (atau ayah tiri atau wali laki-laki) (P6B) Kami memperhatikan guru melakukan mendemontrasikan eksperimen (P14b) Kami membaca buku pelajaran Biologi dan sumber-sumber belajar lainnya (P14f) Kami menghubungkan pelajaran Biologi dengan kehidupan sehari-hari (P14j) Kami membahas PR (P14k) Kami mendengarkan guru menjelaskan materi pelajaran (P14l) Lama mengajar (P3) Pendidikan tertinggi (P4) Organ utama dan sistem organ pada manusia dan organisma lainnya (P7A.a) Sel dan fungsinya (P7A.b) Reproduksi dan penurunan (P7A.c)
Variabel Laten
Sumber
Indikator -
G. Hambatan
Hambatan guru dalam mengajar
Angket Guru
-
H. Iklim
Iklim sekolah untuk Belajar
-
Angket Sekolah
I.
Perilaku
Frekuensi perilaku siswa
Angket Sekolah
J.
Prestasi
Prestasi siswa pada mata pelajaran Biologi
Asesmen TIMSS
-
Keterangan : *) Skala pengukuran Reversed
32
Peran adaptasi dalam bertahan dari kepunahan (P7A.d) Dampak resiko pada manusia, hewan, dan lingkungan (P7A.g) Kekurangan perangkat keras (hardware) komputer (P18f) Kekurangan buku pelajaran untuk siswa (P18i) Kekurangan perlengkapan pengajaran lain untuk digunakan siswa P18j) Kekurangan peralatan peraga (P18k) Tingkat keberhasilan guru dalam melaksanakan kurikulum sekolah (P8b) Harapan guru terhadap prestasi siswa (P8b) Dukungan orang tua terhadap prestasi siswa (P8c) Keinginan siswa untuk berprestasi (P8h) Datang terlambat ke sekolah (P18a) Bolos sekolah (misalnya absen tanpa alasan yang dapat dibenarkan) (P18b) Membolos kelas (jam pelajaran) (P18c) Skor Biologi
2.
Analisis Jalur dan Model Rancangan Dasar Mengacu pada kerangka pemikiran, hipotesis, dan operasionalisasi
variabel selanjutnya dirumuskan diagram jalur dan model rancangan faktorfaktor yang mempengaruhi prestasi siswa di bidang Matematika disajikan pada Gambar 2 berikut.
P.A
Kepemilikan
Pddk-Ortu
Persepsi siswa thd sekolah
Sosek
S.C
Nilai
Sikap
Cita-cita
Aspirasi
Persepsi
Aljabar Prestasi Kegiatan siswa pada jam pelajaran
Data&Peluang
Minat Bilangan
Penilaian Guru thd sekolah Pandangan Guru thd hambatan dalam mengajar Kehadiran siswa di sekolah
Penilaian Geometri Hambatan LB-Guru Perilaku Latar belakang Guru
Gambar 2. Model Rancangan Faktor-Faktor yang Mempengaruhi Prestasi Siswa Bidang Matematika
61
Model rancangan faktor-faktor yang mempengaruhi prestasi siswa di bidang Fisika disajikan pada Gambar 3 berikut.
P.A
Kepemilika
Pddk-Ortu
Persepsi siswa thd sekolah
Sosek
S.C
Sikap
Persepsi
Aspirasi
Prestasi Kegiatan siswa pada jam pelajaran Penilaian Guru thd sekolah Pandangan Guru thd hambatan dalam mengajar Kehadiran siswa di sekolah
Nilai
Cita-cita
Skor Fisika
Minat
Penilaian Iklim
Hambatan LB-Guru
Iklim Sekolah
Perilaku Latar belakang Guru
Gambar 3. Model Rancangan Faktor-Faktor Yang Mempengaruhi Prestasi Siswa Bidang Fisika
62
Model rancangan faktor-faktor yang mempengaruhi prestasi siswa di bidang Biologi disajikan pada Gambar 4 berikut. P.A
Kepemilikan
Pddk-Ortu
Persepsi siswa thd sekolah
S.C
Nilai
Sikap
Sosek
Aspirasi Persepsi
Cita-cita
Prestasi Kegiatan siswa pada jam pelajaran
Minat
Penilaian Guru thd sekolah
Penilaian
Skor
Iklim Pandangan Guru thd hambatan dalam mengajar Kehadiran siswa di sekolah
Hambatan LB-Guru
Iklim Sekolah
Perilaku Latar belakang Guru
Gambar 4. Model Rancangan Faktor-Faktor Yang Mempengaruhi Prestasi Siswa Bidang Biologi
63
Berdasarkan kerangka diagram jalur pada Gambar 2, 3, dan 4, dapat dirumuskan persamaan model pengukuran dan model struktural (Matematika, Fisika, dan Biologi) yang akan diuji seperti diringkaskan pada Tabel 4 berikut. Tabel 4. Persamaan Pengukuran dan Struktural Model Pengukuran : Sikap
Persamaan Saya menikmati pelajaran (Mat, Fis, Bio) = Pelajaran (Mat, Fis, Bio) Membosankan =
Y Sikap 1 1
Sikap 2 y 2
...
y Sikap 7
(Mat, Fis, Bio) perlu untuk melanjutkan PT = Pengukuran : Persepsi
8
Persepsi 1 x
Siswa senang berada di sekolah =
1
...
3x Persepsi 3
Guru mendorong prestasi siswa = Pengukuran : Sosek
Buku =
x Sosek 1 1
... Pendidikan Ayah = Pengukuran : Aspirasi Pengukuran : Minat
Cita-cita =
4x Sosek 4
1y Aspirasi 1
Kami berlatih (pejumlahan,...) =
x Minat 1 1
... Kami mendengarkan guru menjelas pelajaran = Pengukuran : LB-Guru
Lama mengajar =
x LB.Guru 1 1
Pendidikan tertinggi guru = Pengukuran : Penilaian
7x Sosek 7
2x LB.Guru 2
Pemahaman guru terhadap kurikulum =
x Penilaian 1 1
... Dukungan orang tua thd prestasi siswa = 3 Penilaian x
Pengukuran : Hambatan
Kekurangan perangkat keras komputer =
x Hambat 1 1
... Kekurangan buku pelajaran = 3 Hambat x
Pengukuran : Perilaku
Datang terlambat ke sekolah = Bolos sekolah =
64
3
x Perilaku 1 1
Perilaku 2 x 2
3
Model
Persamaan
Struktural
Prestasi =
1 Sikap 2 Sosek 3 Persepsi ... 8 Perilaku 3.
Rancangan Pengujian Model dan Hipotesis Merujuk diagram jalur dan persamaan struktural model yang akan diuji
diringkaskan pada Tabel 5 berikut. Tabel 5. Rancangan Pengujian Model Pengujian
Hipotesis Statistik
Statistik Uji
Overal Model Fit
H 0 : S , matriks
Nilai-P,
kovariansi antar variabel laten
RMSEA
Kriteria Uji dan
H0 diterima jika nilai-P > 0,05 dan RMSEA < 0,08
data sampel tidak berbeda dengan matriks kovariansi populasi Model Sikap
H0 : Sikap tidak dipengaruhi
Nilai-t
oleh Sosek, Persepsi, dan H0 : Aspirasi tidak dipengaruhi
Nilai-t
oleh Sosek, dan Minat Model Prestasi
ditolak
jika
nilai t 1,96
Minat Model Aspirasi
H0
H0
ditolak
jika
nilai t 1,96
H0 : Prestasi tidak dipengaruhi oleh sikap, minat, persepsi, sosek, Latar belakang guru, iklim sekolah, persiapan guru, perilaku siswa.
65
Nilai-t
H0
ditolak
jika
nilai t 1,96
BAB IV HASIL DAN PEMBAHASAN A.
Model Struktural Bidang Matematika Hasil estimasi parameter model struktural bidang Matematika disajikan
pada Gambar 5a dan 5b berikut.
Gambar 5a. Estimasi Parameter Model Prestasi Siswa Bidang Matematika (Standardized) 66
Gambar 5b. Statistik t-hitung Parameter Model Prestasi Bidang Matematika Dalam
Gambar 5a dan 5b terlihat bahwa nilai-P sebesar 0.0000 jauh
lebih kecil dari tingkat kesalahan 5%. Nilai RMSEA sebesar 0,081 lebih besar dari 0,08. Dengan demikian dapat disimpulkan bahwa model prestasi siswa di bidang Matematika yang diusulkan tidak fit dengan data. 67
Dari Gambar 5a terlihat bahwa estimasi koefisien bobot indikator yang distandarkan (standardized) hampir semuanya lebih besar dari nilai minimal yang sering direkomendasikan sebesar 0,40 (Kusnendi, 2008), kecuali untuk indikator PR, PEL-LAIN, dan MSNGAJR. Dari Gambar 5b terlihat bahwa hasil uji kebermaknaan
terhadap
masing-masing
koefisien
bobot
faktor
hampir
semuanya nyata pada tingkat kesalahan 5%, kecuali untuk indikator PR dan PEL-LAIN yang tidak nyata. Hal ini menunjukkan bahwa walaupun model tidak
fit, namun masing-masing indikator yang digunakan pada pembentukan model memiliki validitas dan reliabilitas yang memadai dalam mengukur variable laten yang diteliti. Selanjutnya, karena hampir semua indikator memiliki validitas dan reliabilitas yang memadai, maka pada studi ini dilakukan perubahan jenis variabel, yaitu yang semula variabel laten dijadikan variabel terukur (observe
variable). Dengan demikian analisis berikutnya dilakukan dengan menggunakan analisis jalur (path diagram).
68
Hasil Analisis Jalur Model Prestasi Siswa Bidang Matematika Hasil analisis jalur model prestasi siswa di bidang Matematika disajikan pada Gambar 6a dan 6b berikut.
Gambar 6a. Diagram Jalur Model Prestasi Bidang Matematika (Standardized)
69
Gambar 6b. Statistik t-hitung Model Prestasi Bidang Matematika Dalam
Gambar 6a dan 6b terlihat bahwa nilai-P sebesar 0,2464 jauh
lebih besar dari tingkat kesalahan 5%. Nilai RMSEA sebesar 0,043 lebih kecil dari 0,08. Dengan demikian dapat disimpulkan bahwa melalui analisis jalur, model prestasi siswa di bidang Matematika yang dibangun adalah fit dengan data. Artinya model mampu mengestimasi matriks kovariansi/korelasi populasi yang tidak berbeda dengan matriks kovariansi/korelasi data. Dengan kata lain, hasil estimasi parameter model dapat diberlakukan terhadap populasi dalam menjelaskan faktor-faktor yang mempengaruhi prestasi siswa di bidang Matematika.
70
Ringkasan hasil estimasi parameter model prestasi siswa di bidang Matematika menggunakan analisis jalur disajikan pada Tabel 6 berikut. Tabel 6. Ringkasan Estimasi Parameter Model Prestasi Siswa Bidang Matematika (Standardized) Model
Koefisien Jalur
t-hitung
P
R2
Model Sikap Sikap
Persepsi
0,60
9,27
Nyata
Sikap
Sosek
-0,15
-2,39
Nyata
Sikap
Minat
0,19
3,04
Nyata
0,49
Model Aspirasi Aspirasi
Sosek
0,40
5,08
Nyata
Aspirasi
Minat
0,00
0,01
Tidak Nyata
0,16
Model Prestasi Prestasi
Sikap
-0,26
-2,87
Nyata
Prestasi
Aspirasi
0,04
0,53
Tidak Nyata
Prestasi
-0,23
-2,59
Nyata
Persepsi Prestasi
Sosek
0,11
1,33
Tidak Nyata
Prestasi
Minat
0,24
3,44
Nyata
Prestasi
LB-Guru
0,21
3,11
Nyata
Prestasi
-0,03
-0,43
Tidak Nyata
-0,07
-1,05
Tidak Nyata
Perilaku
0,06
0,89
Tidak Nyata
0,39
Penilaian Prestasi Hambatan Prestasi
Dalam Tabel 6 terlihat bahwa berdasarkan uji-t, faktor sikap, persepsi, minat, dan LB-Guru berpengaruh nyata terhadap prestasi siswa, hal ini ditunjukkan oleh nilai mutlak dari t-hitung yang lebih besar dari 1,96. Sedangkan faktor sosek,
penilaian, perilaku, aspirasi dan hambatan
berpengaruh tidak nyata terhadap prestasi siswa di bidang Matematika. 71
Berdasarkan Tabel 6 dan Gambar 6a terlihat bahwa koefisien jalur faktor sikap dan persepsi bertanda negatif, artinya faktor sikap dan persepsi siswa memiliki pengaruh negatif terhadap prestasi siswa, sedangkan faktor minat dan latar belakang guru bertanda positif, artinya faktor minat dan latar belakang guru
memiliki pengaruh positif terhadap prestasi siswa. Berdasarkan model
prestasi siswa yang dibangun, dapat terlihat adanya pengaruh langsung dan tidak langsung dari faktor-faktor terhadap prestasi siswa. Ringkasan pemecahan pengaruh langsung maupun tidak langsung dari faktor-faktor yang berpengaruh terhadap prestasi siswa disajikan pada Tabel 7 berikut. Tabel 7. Pemecahan Pengaruh Antar Variabel Model Prestasi Siswa Bidang Matematika Pengaruh Hubungan Antar Variabel Langsung
Tidak Langsung Melalui Sikap
Total
Aspirasi
Prestasi
Sikap
-0,26
-0,26*)
Prestasi
Aspirasi
0,04
0,04
Prestasi
Persepsi
-0,23
-0,16
-
-0,39*)
Prestasi
Sosek
0,11
0,039
0,016
0,16
Prestasi
Minat
0,24
-0,05
0,000
0,19*)
Prestasi
LB-Guru
0,21
-
-
0,21*)
Prestasi
Penilaian
-0,03
-
-
-0,03
Prestasi
Hambatan
-0,07
-
-
-0,07
Prestasi
Perilaku
0,06
-
-
0,06
*) Nyata pada tingkat kesalahan 5% Dari Tabel 7 terlihat bahwa pengaruh faktor sikap berpengaruh negatif terhadap prestasi siswa, hal ini dapat disimpulkan bahwa hipotesis yang menunjukkan bahwa semakin tinggi sikap akan semakin tinggi prestasi adalah ditolak. Faktor lain yang berpengaruh negatif adalah faktor persepsi, hal ini juga menunjukkan bahwa hipotesis yang mengatakan bahwa semakin baik persepsi siswa semakin tinggi prestasi juga ditolak. Ada dua faktor yang 72
berpengaruh positif terhadap prestasi siswa, yaitu minat dan latar belakang guru. Hal ini menunjukkan bahwa hipotesis yang mengatakan bahwa semakin tinggi minat siswa semakin tinggi prestasi siswa adalah tidak ditolak, begitupun hipotesis yang mengatakan bahwa semakin baik latar belakang guru semakin baik prestasi siswa juga tidak ditolak. Output hasil analisis jalur selengkapnya disajikan pada Lampiran 18. B.
Model Struktural Prestasi Siswa Bidang Fisika Hasil estimasi parameter model struktural bidang Fisika disajikan pada
Gambar 7a dan 7b berikut.
Gambar 7a. Estimasi Parameter Model Prestasi Bidang Fisika (Standardized)
73
Gambar 7b. Statistik t-hitung Parameter Model Prestasi Bidang Fisika
Dalam
Gambar 7a dan 7b terlihat bahwa nilai-P sebesar 0.0000 jauh
lebih kecil dari tingkat kesalahan 5%. Nilai RMSEA sebesar 0,091 lebih besar
74
dari 0,08. Dengan demikian dapat disimpulkan bahwa model prestasi siswa di bidang Fisika yang dibangun tidak fit dengan data. Dari Gambar 7a terlihat bahwa estimasi koefisien bobot indikator yang distandarkan (standardized) hampir semuanya lebih besar dari nilai minimal yang sering direkomendasikan sebesar 0,40, kecuali untuk indikator PR dan Pendidikan Guru. Dari Gambar 7b terlihat bahwa hasil uji kebermaknaan terhadap masing-masing koefisien bobot indikator hampir semuanya nyata pada tingkat kesalahan 5%, kecuali untuk indikator PR yang tidak nyata. Hal ini menunjukkan bahwa walaupun model tidak fit, namun masing-masing indikator yang digunakan pada pembentukan model prestasi memiliki validitas dan reliabilitas yang memadai dalam mengukur variabel laten yang diteliti. Hasil Analisis Jalur Model Prestasi Siswa Bidang Fisika Hasil analisis jalur model prestasi siswa di bidang Fisika disajikan pada Gambar 8a dan 8b berikut.
Gambar 8a. Diagram Jalur Model Prestasi Bidang Fisika (Standardized) 75
Gambar 8b. Statistik t-hitung Model Prestasi Bidang Fisika Dalam Gambar 8a dan 8b terlihat bahwa nilai-P sebesar 0,1116 lebih besar dari tingkat kesalahan 5%. Nilai RMSEA sebesar 0,060 lebih kecil dari 0,08. Dengan demikian dapat disimpulkan bahwa melalui analisis jalur, model prestasi siswa di bidang Fisika yang dibangun adalah fit dengan data. Ringkasan hasil estimasi parameter model prestasi siswa di bidang Fisika menggunakan analisis jalur disajikan pada Tabel 8 berikut. Tabel 8. Ringkasan Estimasi Parameter Model Prestasi Siswa Bidang Fisika (Standardized) Model
Koefisien Jalur
t-hitung
P
R2
Model Sikap Sikap
Persepsi
0,63
10,66
Nyata
Sikap
Sosek
-0,10
-1,76
Tidak Nyata
76
0,57
Model Sikap
Minat
Koefisien Jalur
t-hitung
P
0,24
4,34
Nyata
R2
Model Aspirasi Aspirasi
Sosek
0,40
5,23
Nyata
Aspirasi
Minat
-0,11
-1,39
Tidak Nyata
0,17
Model Prestasi Prestasi
Sikap
-0,33
-3,12
Nyata
Prestasi
Aspirasi
-0,02
-0,27
Tidak Nyata
Prestasi
Persepsi
-0,14
-1,30
Tidak Nyata
Prestasi
Sosek
0,14
1,63
Tidak Nyata
Prestasi
Minat
0,10
1,29
Tidak Nyata
Prestasi
LB-Guru
0,06
0,71
Tidak Nyata
Prestasi
Kesiapan
-0,13
-1,65
Tidak Nyata
Prestasi
Hambatan
-0,13
-1,60
Tidak Nyata
Prestasi
Iklim
0,13
1,48
Tidak Nyata
Prestasi
Perilaku
-0,02
-0,25
Tidak Nyata
0,33
Dalam Tabel 8 terlihat bahwa berdasarkan uji-t, hanya faktor sikap, yang berpengaruh nyata terhadap prestasi siswa, hal ini ditunjukkan oleh nilai mutlak dari t-hitung yang lebih besar dari 1,96. Namun demikian faktor sikap ini berpengaruh negatif terhadap prestasi siswa. Hal ini berarti siswa yang memiliki sikap yang baik terhadap pelajaran Fisika cenderung prestasi pelajaran Fisikanya rendah. Faktor persepsi berpengaruh nyata dan positif terhadap sikap, hal ini berarti semakin baik persepsi siswa terhadap sekolah semakin baik pula sikapnya terhadap pelajaran Fisika. Faktor minat juga berpengaruh positif terhadap sikap, berarti semakin tinggi minat siswa semakin baik sikapnya terhadap pelajaran Fisika. Faktor Sosial Ekonomi berpengaruh positif terhadap Aspirasi akademik siswa, artinya siswa yang status sosial ekonominya baik mempunyai cita-cita untuk melanjutkan ke jenjang pendidikan yang tinggi pula. Berdasarkan model prestasi siswa yang dibangun, dapat terlihat adanya pengaruh langsung dan tidak langsung dari faktor-faktor terhadap prestasi 77
siswa. Ringkasan pemecahan pengaruh langsung maupun tidak langsung dari faktor-faktor yang berpengaruh terhadap prestasi siswa disajikan pada Tabel 9 berikut.
Tabel 9. Pemecahan Pengaruh Antar Variabel Model Prestasi Siswa Bidang Fisika Pengaruh Hubungan Antar Variabel
Tidak Langsung Melalui
Langsung
Sikap
Total
Aspirasi
Prestasi
Sikap
-0,33
-0,33*)
Prestasi
Aspirasi
-0,02
-0,02
Prestasi
Persepsi
-0,14
-0,21
-
-0,35*)
Prestasi
Sosek
0,14
0,03
-0,00
0,17
Prestasi
Minat
0,10
-0,08
0,00
0,02
Prestasi
LB-Guru
0,06
-
-
0,06
Prestasi
Kesiapan
-0,13
-
-
-0,13
Prestasi
Hambatan
-0,13
-
-
-0,13
Prestasi
Iklim
0,13
Prestasi
Perilaku
-0,02
0,13 -
-
-0,02
*) Nyata pada tingkat kesalahan 5% Output hasil analisis jalur selengkapnya disajikan pada Lampiran 19.
78
C.
Model Struktural Prestasi Siswa Bidang Biologi Hasil estimasi parameter model struktural bidang Biologi disajikan pada
Gambar 9a dan 9b berikut.
Gambar 9a. Estimasi Parameter Model Prestasi Bidang Biologi (Standardized)
79
Gambar 9b. Statistik t-hitung Parameter Model Prestasi Bidang Biologi Dalam
Gambar 9a dan 9b terlihat bahwa nilai-P sebesar 0.0000 jauh
lebih kecil dari tingkat kesalahan 5%. Nilai RMSEA sebesar 0,078 lebih kecil dari 0,08. Dengan demikian dapat disimpulkan bahwa berdasarkan kriteria RMSEA model prestasi siswa di bidang Biologi yang dibangun adalah fit dengan data, namun berdasarkan nilai-P yang sangat kecil (0,0000) dan nilai statistik khi80
kuadrat sebesar 1401,35 yang relatif sangat besar dibandingkan derajat bebasnya (df=738), maka model prestasi siswa di bidang Biologi sesungguhnya adalah tidak fit dengan data. Dari Gambar 9a terlihat bahwa estimasi koefisien bobot indikator yang distandarkan (standardized) hampir semuanya lebih besar dari nilai minimal yang sering direkomendasikan sebesar 0,40, kecuali untuk indikator PR dan Pendidikan Guru. Dari Gambar 9b terlihat bahwa hasil uji kebermaknaan terhadap masing-masing koefisien bobot indikator hampir semuanya nyata pada tingkat kesalahan 5%, kecuali untuk indikator PR yang tidak nyata. Hal ini menunjukkan bahwa walaupun model tidak fit, namun masing-masing indikator yang digunakan pada pembentukan model prestasi memiliki validitas dan reliabilitas yang memadai dalam mengukur variabel laten yang diteliti.
Hasil Analisis Jalur Model Prestasi Siswa Bidang Biologi Hasil analisis jalur model prestasi siswa di bidang Biologi disajikan pada Gambar 10a dan 10b berikut.
Gambar 10a. Diagram Jalur Model Prestasi Bidang Biologi (Standardized) 81
Gambar 10b. Statistik t-hitung Model Prestasi Bidang Biologi Ringkasan hasil estimasi parameter model prestasi siswa di bidang Biologi menggunakan analisis jalur disajikan pada Tabel 10 berikut. Tabel 10. Ringkasan Estimasi Parameter Model Prestasi Siswa Bidang Biologi (Standardized) Model
Koefisien Jalur
t-hitung
P
R2
Model Sikap Sikap
Persepsi
0,50
6,71
Nyata
Sikap
Sosek
0,01
0,14
Tidak Nyata
Sikap
Minat
0,20
2,77
Nyata
0,31
Model Aspirasi Aspirasi
Sosek
0,40
5,21
Nyata
Aspirasi
Minat
-0,09
-1,17
Tidak Nyata
-0,16
-1,92
Tidak Nyata
Model Prestasi Prestasi
Sikap
82
0,17
Model
Koefisien Jalur
t-hitung
P
Prestasi
Aspirasi
0,03
0,44
Tidak Nyata
Prestasi
Persepsi
-0,22
-2,45
Nyata
Prestasi
Sosek
0,16
1,99
Nyata
Prestasi
Minat
0,04
0,55
Tidak Nyata
Prestasi
LB-Guru
0,24
3,20
Nyata
Prestasi
Kesiapan
-0,05
-0,61
Tidak Nyata
Prestasi
Hambatan
-0,19
-2,52
Nyata
Prestasi
Iklim
0,09
1,04
Tidak Nyata
Prestasi
Perilaku
-0,03
-0,35
Tidak Nyata
R2
0,38
Dalam Tabel 10 terlihat bahwa berdasarkan uji-t, ada empat faktor yang berpengaruh nyata terhadap prestasi siswa di bidang Biologi. Keempat faktor tersebut adalah faktor persepsi, sosek, latar belakang guru, dan hambatan. Faktor persepsi dan hambatan memiliki pengaruh negatif terhadap prestasi siswa, sedangkan faktor sosek dan latar belakang guru memiliki pengaruh positif terhadap prestasi siswa di bidang Biologi. Mirip dengan model prestasi siswa bidang Fisika, pada model prestasi siswa di bidang Biologi juga faktor persepsi dan minat memiliki pengaruh positif terhadap sikap, sedangkan variabel sosek tidak berpengaruh terhadap sikap. Namun demikian variabel sosek berpengaruh terhadap aspirasi akademik siswa. Ini berarti semakin baik status sosial ekonomi siswa semakin tinggi cita-cita siswa untuk melanjutkan pendidikan ke jenjang yang lebih tinggi. Berdasarkan model prestasi siswa yang dibangun, dapat terlihat adanya pengaruh langsung dan tidak langsung dari faktor-faktor terhadap prestasi siswa. Ringkasan pemecahan pengaruh langsung maupun tidak langsung dari faktor-faktor yang berpengaruh terhadap prestasi siswa disajikan pada Tabel 11 berikut.
83
Tabel 11. Pemecahan Pengaruh Antar Variabel Model Prestasi Siswa Bidang Biologi Pengaruh Hubungan Antar Variabel
Tidak Langsung Melalui
Langsung
Sikap
Total
Aspirasi
Prestasi
Sikap
-0,16
-0,16
Prestasi
Aspirasi
0,03
0,03
Prestasi
Persepsi
-0,22
-0,08
-
-0,29*)
Prestasi
Sosek
0,16
-0,002
0,012
0,17*)
Prestasi
Minat
0,04
-0,032
-0,003
0,01
Prestasi
LB-Guru
0,24
-
-
0,24*)
Prestasi
Kesiapan
-0,05
-
-
-0,05
Prestasi
Hambatan
-0,19
-
-
-0,19*)
Prestasi
Iklim
0,09
Prestasi
Perilaku
-0,03
0,09 -
-
-0,03
*) Nyata pada tingkat kesalahan 5% Output hasil analisis jalur selengkapnya disajikan pada Lampiran 20. Pembahasan Dari hasil analisis ditemukan bahwa faktor sikap dan berpengaruh negatif terhadap prestasi siswa di bidang Matematika dan Fisika, sedangkan di bidang Biologi faktor sikap tidak berpengaruh terhadap prestasi siswa. Adanya anggapan yang selama ini diyakini bahwa semakin baik sikap siswa terhadap pelajaran tertentu semakin baik prestasi mereka, ternyata dari hasil penelitian ini tidak terbukti. Hal ini mungkin disebabkan karena pengaruh social
desirability yang sering terjadi dalam pengukuran faktor sikap, dimana mereka lebih memilih option yang aman bagi dirinya ketimbang mereka memilih option yang dikira nantinya akan beresiko. Sebab lain yang diduga mengapa faktor sikap berpengaruh negatif adalah
kejujuran siswa dalam mengisi angket.
Ketika siswa diminta untuk menjawab pertanyaan-pertanyaan terkait sikap mereka terhadap pelajaran tertentu, maka umumnya siswa menjawab sangat 84
setuju minimal agak setuju untuk pertanyaan-pertanyaan yang bersifat
favorable dan lebih menjawab sangat tidak setuju atau tidak setuju untuk pertanyaan-pertanyaan yang bersifat unfavorable. Dugaan ini didasari oleh hasil analisis deskriptif (lihat Gambar 24a Lampiran 21) yang menunjukkan bahwa dari 4192 siswa sebanyak 82% siswa menjawab sangat setuju atau agak setuju dan hanya 13% yang menjawab tidak atau sangat tidak setuju untuk pertanyaan
yang
bersifat
favorable:
“apakah
kamu
suka
pelajaran
Matematika?”, sebaliknya ada sebanyak 68% siswa menjawab sangat tidak setuju atau agak setuju dan hanya 30% yang menjawab agak tidak setuju atau sangat tidak setuju untuk pertanyaan yang bersifat unfavorable: “Matematika adalah pelajaran yang membosankan” (lihat Gambar 24b). Dari hasil analisis juga ditemukan bahwa pengaruh persepsi siswa terhadap prestasi siswa di bidang Matematika dan di bidang Biologi adalah negatif hal ini diduga juga karena pengaruh social desirability siswa dalam menjawab kuesioner terkait pertanyaan-pertanyaan persepsi siswa terhadap guru dan sekolah mereka. Faktor minat memiliki pengaruh positif terhadap prestasi siswa. Hal ini berarti bahwa siswa rajin membaca buku pelajaran, mendengarkan guru menjelaskan pelajaran, dan sering berlatih materi perlajaran dapat dipastikan bahwa prestasinya akan baik. Faktor sosial ekonomi siswa berpengaruh positif terhadap prestasi siswa, hal ini berarti bahwa siswa yang memiliki fasilitas belajar dan berasal dari orang tua yang berpendidikan tinggi akan lebih berprestasi dibandingkan siswa yang kurang memiliki fasilitas belajar dan berasal dari orang tua yang berpendidikan rendah. Latar belakang guru merupakan satu-satunya faktor yang berasal dari guru yang berpengaruh positif terhadap prestasi siswa, sedangkan faktor kesiapan mengajar, persepsi guru terkait iklim, keamanan, dan hambatan di sekolah tidak berpengaruh terhadap prestasi. Latar belakang guru yang diukur oleh lama mengajar, dan pendidikan secara nyata berpengaruh positif terhadap prestasi siswa, ini berarti seorang guru yang berpengalaman dan/atau 85
berpendidikan tinggi akan mengantarkan prestasi siswanya dibandingkan
seorang
guru
yang
kurang
berpengalaman
lebih baik dan/atau
berpendidikan rendah. Faktor sekolah yang diukur dari iklim sekolah, tingkat kehadiran siswa dan perilaku, serta hambatan ternyata tidak berpengaruh terhadap prestasi siswa. Dari analisis awal diperoleh bahwa hanya faktor sumber daya dan teknologi yang berpengaruh terhadap prestasi siswa baik di bidang Matematika maupun Sains, namun demikian pengaruhnya adalah negatif (Lihat Lampiran 17). Hal ini berarti bahwa adanya anggapan yang mengatakan bahwa semakin baik sumber daya dan teknologi yang dimikili sekolah maka akan semakin baik prestasi siswa ternyata pada penelitian ini tidak terbukti, bahkan menghasilkan kesimpulan yang berlawanan.
86
BAB V KESIMPULAN DAN SARAN A.
KESIMPULAN Berdasarkan hasil dan pembahasan pada Bab IV, dapat diambil kesim-
pulan sebagai berikut. 1.
Variabel sikap siswa berpengaruh negatif terhadap prestasi siswa di bidang Matematika dan Fisika.
2.
Variabel minat siswa berpengaruh positif terhadap prestasi di bidang Matematika,
namun
terhadap
prestasi
bidang
Fisika
dan
Biologi
pengaruhnya tidak nyata. 3.
Variabel persepsi siswa berpengaruh negatif terhadap prestasi siswa di bidang Matematika dan Biologi.
4.
Variabel sosial ekonomi siswa berpengaruh positif terhadap prestasi siswa di bidang Biologi. namun terhadap prestasi bidang Matematika dan Fisika pengaruhnya tidak nyata.
5.
Variabel latar belakang guru berpengaruh positif terhadap prestasi siswa di bidang Matematika dan Biologi.
6.
Variabel hambatan guru dalam pembelajaran berpengaruh negatif terhadap prestasi siswa di bidang Biologi, namun terhadap prestasi di bidang Matematika dan Fisika pengaruhnya tidak nyata.
7.
Variabel sumber daya dan teknologi yang di miliki sekolah berpengaruh negatif terhadap prestasi siswa di bidang Matematika maupun Sains.
8.
Variabel persepsi dan minat siswa berpengaruh positif terhadap sikap siswa.
9.
Variabel sosial ekonomi siswa berpengaruh positif terhadap aspirasi siswa.
87
B.
REKOMENDASI
Berdasarkan kesimpulan penelitian di atas, dapat disarankan hal-hal sebagai berikut. 1.
Adanya anggapan yang selama ini diyakini bahwa semakin baik sikap siswa terhadap pelajaran tertentu semakin baik prestasi mereka, ternyata dari hasil penelitian ini tidak terbukti. Oleh karena itu perlu upaya perubahan dalam pembelajaran, mungkin pembelajaran siswa tidak hanya ditekankan pada aspek kognitifnya saja, tetapi perlu dielaborasi dan dikembangkan dengan aspek-aspek lain, seperti aspek afektif dan aspek spiritual. Dengan demikian diharapkan pada diri siswa tertanamkan budaya jujur.
2.
Untuk
mengurangi
munculnya
masalah
social
desirability
dan
ketidakjujuran dalam pengisian angket, maka kepada petugas pengumpul data di lapangan perlu untuk menjelaskan dan memberi pengertian kepada siswa, guru, maupun sekolah mengenai kegunaan dari angket yang akan digunakan oleh pemerintah adalah sebagai potret dari keadaan siswa, guru, maupun sekolah, sehingga kepada mereka dimohon untuk mengisi angket secara jujur. 3.
Ada beberapa pertanyaan di dalam angket siswa yang kurang sesuai dengan kondisi siswa di Indonesia. Oleh karena itu perlu dilakukan penelitian lebih lanjut yang lebih dalam dengan menggunakan angket yang telah disesuaikan dengan situasi dan kondisi di Indonesia.
4.
Perlu
dilakukan
penelitian
yang
melibatkan
pakar-pakar
psikologi,
psikometri, dan pendidikan, sehingga bisa menjustifikasi hubungan antar variabel-variabel
psikologis
dan
pendidikan.
88
pengaruhnya
terhadap
pencapaian
DAFTAR PUSTAKA
Djemari Mardapi (2008). Teknik Penyusunan Instrumen Tes dan Nontes. Mitra Cendekia Press: Yogyakarta. House, J.D. (2005). Classroom instruction and science achievement in Japan, Hongkong, and Chinese Taipe: result from the TIMSS 1999 assessment. International Journal of Instruction Media. Joreskog, K.G., & Sorbom, D. (1993). Lisrel 8: Structural equation modeling with the SIMPLIS command language. Hillsdale, NJ: Scientific Software International. Keeves, J.P. (1992). The international association for the evaluation of educational achievement (IEA) technical handbook, Netherland: IEA. ----------. (1972). Educational Environment and student achievement, Stockholm: Almavist & Wiksell Stockholm. Kusnendi (2008). Model-model persamaan structural: satu dan multigrup sampel dengan LISREL. Alfa Beta: Bandung. Martin, M.O. & Preuschof, C. (2007). Creating the TIMSS 2007 background indices. Dalam J.F. Olson, M.O. Martin, & Ina V.S. Mullis (Ed). TIMSS 2007 Technical Report. Boston Colege. Schiefelbein E. & Simmons J. (1981). The determinants of school achievement: Review of the Research for Developing Countries, Ottawa:IDRC. Sudarsono, F.X. (1985). Faktor-faktor penentu keberhasilan belajar: Tinjauan pengaruh keluarga, kelompok sebaya, guru dan sekolah terhadap hasil belajar. Disampaikan pada pidato ilmiah pada upacara dies natalis IKIP Yogyakarta ke XXI pada tanggatang 12 Oktober 1985.
89
LAMPIRAN 1. Deskripsi Kepemilikan Barang Kira-kira berapa banyak buku terdapat di rumahmu? (tidak termasuk:majalah, koran, atau buku sekolahmu) Frequency Valid
Missing
Tidak ada atau sangat sedikit ( 0 - 10 buku) Cukup untuk mengisi satu rak buku (11 - 25 buku) Cukup untuk mengisi satu lemari buku (26 100 buku) Cukup untuk mengisi dua lemari buku (101 - 200 buku) Cukup untuk mengisi tiga lemari buku (> 200 buku) Total OMITTED System Total
Total
Percent
Cumulative Percent
Valid Percent
983
23.4
23.9
23.9
2262
53.8
54.9
78.8
712
16.9
17.3
96.1
101
2.4
2.5
98.5
61
1.5
1.5
100.0
4119 48 36 84 4203
98.0 1.1 .9 2.0 100.0
100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
N Tidak ada atau sangat sedikit ( 0 - 10 buku) Cukup untuk mengisi satu rak buku (11 - 25 buku) Cukup untuk mengisi satu lemari buku (26 100 buku) Cukup untuk mengisi dua lemari buku (101 - 200 buku) Cukup untuk mengisi tiga lemari buku (> 200 buku) Total
Mean
95% Confidence Interval for Mean Lower Bound Upper Bound
Std. Deviation
Std. Error
Minimum
Maximum
979
49.24914
9.238147
.295252
48.66973
49.82854
33.318
84.441
2244
48.86550
8.988098
.189739
48.49342
49.23758
33.318
86.267
707
53.58855
11.674990
.439083
52.72648
54.45061
33.318
90.075
101
57.07034
13.689495
1.362156
54.36786
59.77282
35.036
89.919
61
55.86126
13.205180
1.690750
52.47925
59.24326
36.859
86.267
4092
50.08012
10.008137
.156454
49.77338
50.38685
33.318
90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10) Sum of Squares Between Groups 19663.008 Within Groups 390103.0 Total 409766.1
df 4 4087 4091
90
Mean Square 4915.752 95.450
F 51.501
Sig. .000
1.
Kepemilikan Kalkulator Apakah kamu mempunyai kalkulator
Valid
Missing
Ya Tidak Total OMITTED System Total
Total
Frequency 3159 946 4105 82 16 98 4203
Percent 75.2 22.5 97.7 2.0 .4 2.3 100.0
Cumulative Percent 77.0 100.0
Valid Percent 77.0 23.0 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
Ya Tidak Total
N 3141 938 4079
Mean 50.98295 47.44376 50.16908
Std. Deviation 10.297294 8.442567 10.012026
Std. Error .183734 .275660 .156764
95% Confidence Interval for Mean Lower Bound Upper Bound 50.62269 51.34320 46.90278 47.98474 49.86174 50.47642
Minimum 33.318 33.318 33.318
Maximum 90.075 86.267 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10)
Between Groups Within Groups Total
Sum of Squares 9047.386 399734.1 408781.5
df 1 4077 4078
91
Mean Square 9047.386 98.046
F 92.277
Sig. .000
2.
Kepemilikan Komputer Apakah kamu mempunyai komputer
Valid
Ya Tidak Total OMITTED System Total
Missing
Total
Frequency 760 3271 4031 156 16 172 4203
Percent 18.1 77.8 95.9 3.7 .4 4.1 100.0
Valid Percent 18.9 81.1 100.0
Cumulative Percent 18.9 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
N Ya Tidak Total
756 3250 4006
Mean 54.71682 49.15605 50.20546
Std. Deviation 12.404455 9.088201 10.037261
Std. Error .451146 .159418 .158584
95% Confidence Interval for Mean Lower Bound Upper Bound 53.83117 55.60247 48.84348 49.46862 49.89455 50.51637
Minimum 34.941 33.318 33.318
Maximum 90.075 86.267 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10)
Between Groups Within Groups Total
Sum of Squares 18965.491 384524.6 403490.1
df 1 4004 4005
92
Mean Square 18965.491 96.035
F 197.485
Sig. .000
3.
Kepemilikan Meja Belajar Apakah kamu mempunyai meja belajar
Valid
Missing
Ya Tidak Total OMITTED System Total
Total
Frequency 3163 965 4128 59 16 75 4203
Percent 75.3 23.0 98.2 1.4 .4 1.8 100.0
Valid Percent 76.6 23.4 100.0
Cumulative Percent 76.6 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
Ya Tidak Total
N 3139 961 4100
Mean 50.62126 48.35866 50.09093
Std. Deviation 10.259540 8.948505 10.012671
Std. Error .183119 .288661 .156372
95% Confidence Interval for Mean Lower Bound Upper Bound 50.26221 50.98030 47.79218 48.92514 49.78435 50.39750
Minimum 33.318 33.318 33.318
Maximum 90.075 86.267 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10)
Between Groups Within Groups Total
Sum of Squares 3766.577 407172.8 410939.4
df 1 4098 4099
93
Mean Square 3766.577 99.359
F 37.909
Sig. .000
4.
Kepemilikan Kamus Apakah kamu mempunyai kamus
Valid
Missing
Ya Tidak Total OMITTED System Total
Total
Frequency 3707 445 4152 35 16 51 4203
Percent 88.2 10.6 98.8 .8 .4 1.2 100.0
Valid Percent 89.3 10.7 100.0
Cumulative Percent 89.3 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
Ya Tidak Total
N 3685 441 4126
Mean 50.66831 45.23526 50.08761
Std. Deviation 10.146980 7.157447 10.011822
Std. Error .167154 .340831 .155865
95% Confidence Interval for Mean Lower Bound Upper Bound 50.34058 50.99603 44.56541 45.90512 49.78203 50.39319
Minimum 33.318 33.318 33.318
Maximum 90.075 78.964 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10)
Between Groups Within Groups Total
Sum of Squares 11626.080 401849.8 413475.9
df 1 4124 4125
94
Mean Square 11626.080 97.442
F 119.313
Sig. .000
5.
Kepemilikan Koneksi Internet Apakah kamu mempunyai koneksi internet
Valid
Ya Tidak Total OMITTED System Total
Missing
Total
Frequency 331 3741 4072 115 16 131 4203
Percent 7.9 89.0 96.9 2.7 .4 3.1 100.0
Valid Percent 8.1 91.9 100.0
Cumulative Percent 8.1 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
N Ya Tidak Total
330 3716 4046
Mean 52.85030 49.92114 50.16005
Std. Deviation 12.796810 9.726871 10.042685
Std. Error .704441 .159564 .157884
95% Confidence Interval for Mean Lower Bound Upper Bound 51.46453 54.23608 49.60830 50.23398 49.85051 50.46959
Minimum 33.318 33.318 33.318
Maximum 89.919 90.075 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10)
Between Groups Within Groups Total
Sum of Squares 2600.465 405360.1 407960.6
df 1 4044 4045
95
Mean Square 2600.465 100.237
F 25.943
Sig. .000
LAMPIRAN 2. Deskripsi Pendidikan Orang Tua 1.
Pendidikan Ibu Jenjang pendidikan tertinggi yang berhasil diselesaikan ibu (atau ibu tiri atau wali perempuan) Frequency Valid
Missing
Lulus SD atau tidak bersekolah Lulus SMP/MTs Lulus SLTA Lulus D1/D2 Lulus D3 Lulus S1 Lulus S2 atau lebih tinggi Tidak tahu Total OMITTED System Total
Total
Percent
Valid Percent
Cumulative Percent
1540
36.6
37.1
37.1
884 762 87 78 177 60 560 4148 50 5 55 4203
21.0 18.1 2.1 1.9 4.2 1.4 13.3 98.7 1.2 .1 1.3 100.0
21.3 18.4 2.1 1.9 4.3 1.4 13.5 100.0
58.4 76.8 78.9 80.8 85.1 86.5 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
N Lulus SD atau tidak bersekolah Lulus SMP/MTs Lulus SLTA Lulus D1/D2 Lulus D3 Lulus S1 Lulus S2 atau lebih tinggi Tidak tahu Total
Mean
Std. Deviation
Std. Error
95% Confidence Interval for Mean Lower Bound Upper Bound
Minimum
Maximum
1535
48.58497
8.794937
.224480
48.14465
49.02529
33.318
86.267
875 755 87 75 177 60 557 4121
48.47349 52.56914 53.92650 60.30487 59.95187 57.52146 47.19151 50.04728
8.850493 10.553546 10.248879 11.289237 12.021205 14.527478 8.462889 9.999724
.299201 .384083 1.098795 1.303569 .903569 1.875489 .358584 .155771
47.88625 51.81514 51.74217 57.70746 58.16865 53.76862 46.48716 49.74188
49.06072 53.32313 56.11083 62.90229 61.73510 61.27431 47.89585 50.35267
33.318 33.318 36.564 38.473 36.859 33.318 33.318 33.318
83.398 90.075 86.267 86.267 88.406 89.919 81.121 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10) Sum of Squares Between Groups 44710.036 Within Groups 367267.2 Total 411977.3
df 7 4113 4120
96
Mean Square 6387.148 89.294
F 71.529
Sig. .000
2.
Pendidikan Ayah Jenjang pendidikan tertinggi ayah (atau ayah tiri atau wali laki-laki) Frequency Valid
Missing
Lulus SD atau tidak bersekolah Lulus SMP/MTs Lulus SLTA Lulus D1/D2 Lulus D3 Lulus S1 Lulus S2 atau lebih tinggi Tidak tahu Total OMITTED System Total
Total
Percent
Cumulative Percent
Valid Percent
1219
29.0
29.4
29.4
835 940 102 121 244 89 595 4145 53 5 58 4203
19.9 22.4 2.4 2.9 5.8 2.1 14.2 98.6 1.3 .1 1.4 100.0
20.1 22.7 2.5 2.9 5.9 2.1 14.4 100.0
49.6 72.2 74.7 77.6 83.5 85.6 100.0
Descriptives STANDARDIZED MATH RAW SCORE (50,10)
N Lulus SD atau tidak bersekolah Lulus SMP/MTs Lulus SLTA Lulus D1/D2 Lulus D3 Lulus S1 Lulus S2 atau lebih tinggi Tidak tahu Total
Mean
Std. Deviation
Std. Error
95% Confidence Interval for Mean Lower Bound Upper Bound
Minimum
Maximum
1211
48.24645
8.532401
.245188
47.76541
48.72749
33.318
86.267
829 933 102 121 243 89 590 4118
47.96116 51.61795 51.59129 60.63436 57.44229 57.50472 47.75114 50.07150
8.498119 10.112016 9.832138 13.128410 11.521806 13.888081 8.671818 10.003814
.295152 .331053 .973527 1.193492 .739124 1.472134 .357013 .155891
47.38182 50.96826 49.66008 58.27133 55.98635 54.57916 47.04997 49.76587
48.54049 52.26765 53.52251 62.99739 58.89823 60.43028 48.45232 50.37713
33.318 34.987 33.318 33.318 35.089 36.657 33.318 33.318
82.615 86.267 78.390 89.919 88.406 90.075 84.662 90.075
ANOVA STANDARDIZED MATH RAW SCORE (50,10)
Between Groups Within Groups Total
Sum of Squares 44988.859 367025.2 412014.1
df 7 4110 4117
97
Mean Square 6426.980 89.301
F 71.970
Sig. .000
LAMPIRAN 3. Estimasi Model Pengukuran Variabel Sosial Ekonomi Siswa
98
LAMPIRAN 4. Estimasi Model Pengukuran Variabel Sikap
Keterangan: NIKMATI = Saya menikmati belajar matematika (P8d) BOSAN*) = Matematika membosankan (P8g_R) SUKA = Saya suka matematika (P8h) LB-BAIK = Saya belajar dengan baik matematika (P8a) SULIT*) = Matematika lebih sulit bagi saya (P8c_R) KURANG*) = Matematika bukan kelebihan saya (P8e_R) LB-CEPAT = Saya belajar matematika lebih cepat (P8f) HDP-HR = Mat. untuk kehidupan sehari-hari (P9a) PL-LAIN = Mat. untuk memahami pelajaran lain (P9b) MSK-PT = Mat. untuk melanjutkan ke PT pilihanku (P9c) 99
KERJA = Mat. untuk mendapatkan pekerjaan (P9d)
*) = Reversed
100
LAMPIRAN 5. Estimasi Model Pengukuran Variabel Persepsi Siswa Terhadap Sekolah
101
LAMPIRAN 6. Estimasi Model Pengukuran Variabel Keamanan di Sekolah
102
LAMPIRAN 7 Estimasi Model Pengukuran Variabel Minat Siswa Estimasi Model Pengukuran Variabel Minat (Matematika)
Estimasi Model Pengukuran Variabel Minat (FISIKA)
103
Estimasi Model Pengukuran Variabel Minat (BIOLOGI)
104
LAMPIRAN 8. DESKRIPSI LATAR BELAKANG GURU USIA Usia
Valid
Di bawah 25 tahun 25 - 29 tahun 20 - 39 tahun 40 - 49 tahun 50 - 59 tahun 60 tahun atau lebih Total
Frequency 3 19 62 55 8 2 149
Percent 2.0 12.8 41.6 36.9 5.4 1.3 100.0
Cumulative Percent 2.0 14.8 56.4 93.3 98.7 100.0
Valid Percent 2.0 12.8 41.6 36.9 5.4 1.3 100.0
Descriptives Skor Matematika
N Di bawah 25 tahun 25 - 29 tahun 20 - 39 tahun 40 - 49 tahun 50 - 59 tahun 60 tahun atau lebih Total
3 19 62 55 8 2 149
Mean 46.5955 48.4746 49.1995 50.7763 52.4764 46.2352 49.7728
Std. Deviation 4.42619 6.15270 7.79545 5.51522 5.73278 3.49871 6.64441
Std. Error 2.55546 1.41153 .99002 .74367 2.02684 2.47396 .54433
95% Confidence Interval for Mean Lower Bound Upper Bound 35.6002 57.5907 45.5091 51.4401 47.2198 51.1792 49.2853 52.2673 47.6837 57.2691 14.8005 77.6699 48.6971 50.8485
Minimum 41.67 42.29 38.54 39.81 43.23 43.76 38.54
Maximum 50.23 67.12 74.40 65.71 63.50 48.71 74.40
ANOVA Skor Matematika
Between Groups Within Groups Total
Sum of Squares 221.577 6312.347 6533.924
df 5 143 148
105
Mean Square 44.315 44.142
F 1.004
Sig. .418
LAMPIRAN 9. PENGALAMAN MENGAJAR Descriptives Skor Matematika
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 20 21 22 23 24 25 26 27 29 30 38 40 Total
2 7 6 5 7 2 6 8 14 11 7 9 4 5 5 2 8 7 6 2 3 8 2 3 2 1 3 2 1 1 149
Mean 45.9509 47.0501 45.0714 51.0050 46.5439 44.8055 49.2604 47.2227 47.8751 49.1640 53.8197 47.5456 50.1107 50.5186 59.1082 60.8342 47.0151 48.8858 51.8499 54.0519 59.2683 50.0370 52.4228 46.9918 56.4684 53.4158 56.1101 50.6008 53.6375 43.7613 49.7728
Std. Deviation 6.05717 2.79429 3.43774 6.03411 2.08838 1.20833 10.25363 2.76066 5.28339 7.40039 6.27600 3.85650 6.49150 5.91798 13.12938 19.18565 5.00232 5.62643 4.93826 4.99043 3.66162 4.43952 7.57799 4.51218 13.07003 . 6.42292 3.61863 . . 6.64441
Std. Error 4.28307 1.05614 1.40345 2.69853 .78933 .85442 4.18603 .97604 1.41205 2.23130 2.37210 1.28550 3.24575 2.64660 5.87164 13.56631 1.76859 2.12659 2.01604 3.52877 2.11404 1.56961 5.35845 2.60511 9.24191 . 3.70827 2.55876 . . .54433
95% Confidence Interval for Mean Lower Bound Upper Bound -8.4706 100.3724 44.4658 49.6344 41.4638 48.6791 43.5127 58.4973 44.6125 48.4754 33.9491 55.6619 38.4999 60.0210 44.9147 49.5307 44.8246 50.9257 44.1924 54.1357 48.0154 59.6240 44.5812 50.5100 39.7813 60.4402 43.1705 57.8667 42.8059 75.4104 -111.5421 233.2104 42.8330 51.1971 43.6823 54.0894 46.6675 57.0323 9.2147 98.8892 50.1723 68.3643 46.3255 53.7485 -15.6627 120.5083 35.7829 58.2007 -60.9612 173.8980 . . 40.1547 72.0655 18.0888 83.1129 . . . . 48.6971 50.8485
Minimum 41.67 43.49 41.52 43.60 43.20 43.95 38.54 42.81 39.81 39.92 48.85 40.86 43.42 44.31 45.09 47.27 40.42 42.92 44.72 50.52 55.04 44.37 47.06 43.23 47.23 53.42 51.87 48.04 53.64 43.76 38.54
Maximum 50.23 51.64 49.37 57.21 48.98 45.66 67.12 51.19 58.82 62.59 67.01 53.40 58.75 60.01 73.09 74.40 56.84 58.28 58.89 57.58 61.52 57.73 57.78 51.99 65.71 53.42 63.50 53.16 53.64 43.76 74.40
ANOVA Skor Matematika
Between Groups Within Groups Total
Sum of Squares 2007.727 4526.196 6533.924
df 29 119 148
106
Mean Square 69.232 38.035
F 1.820
Sig. .013
LAMPIRAN 10. PENDIDIKAN TERTINGGI GURU Tingkat pendidikan tertinggi
Valid
Tamat SLTA Tamat D1 atau D2 Tamat D3/D4/Akademi/ Sarjana Muda Tamat S1 Total
Frequency 6 9
Percent 4.0 6.0
Valid Percent 4.0 6.0
Cumulative Percent 4.0 10.1
19
12.8
12.8
22.8
115 149
77.2 100.0
77.2 100.0
100.0
Descriptives Skor Matematika
N Tamat SLTA Tamat D1 atau D2 Tamat D3/D4/Akademi/ Sarjana Muda Tamat S1 Total
95% Confidence Interval for Mean Lower Bound Upper Bound 39.5868 47.8803 43.0293 50.9184
6 9
Mean 43.7335 46.9738
Std. Deviation 3.95142 5.13163
Std. Error 1.61316 1.71054
19
48.2509
4.05287
.92979
46.2975
115 149
50.5584 49.7728
6.97439 6.64441
.65036 .54433
49.2700 48.6971
Minimum 38.54 40.42
Maximum 50.23 57.73
50.2043
40.86
54.59
51.8468 50.8485
39.81 38.54
74.40 74.40
ANOVA Skor Matematika
Between Groups Within Groups Total
Sum of Squares 404.326 6129.598 6533.924
df 3 145 148
107
Mean Square 134.775 42.273
F 3.188
Sig. .026
LAMPIRAN 11. Estimasi Model Pengukuran Variabel Latar Belakang Guru
108
LAMPIRAN 12. Estimasi Model Pengukuran Variabel Latar Pengembangan Profesi Guru
109
LAMPIRAN 13. Estimasi model pengukuran Kesiapan bidang Matematika
Keterangan
110
LAMPIRAN 14. Estimasi model pengukuran Kesiapan bidang FISIKA
111
LAMPIRAN 15. Estimasi model pengukuran Kesiapan bidang BIOLOGI
112
LAMPIRAN 16. Model Prestasi Siswa Berdasarkan Faktor-faktor Persepsi Guru Model Prestasi Siswa Berdasarkan Faktor-faktor Persepsi Guru
Keterangan Safe1 Safe2 Safe3 Kondisi1 Kondisi2 Kondisi3
= = = = = =
Keadaan sekolah: Sekolah ini berlokasi di lingkungan yang aman Merasa aman di sekolah ini Kebijakan keamanan dan penerapannya di sekolah ini memadai Keseriusan permasalahan: gedung sekolah membutuhkan perbaikan Keseriusan permasalahan: kapasitas kelas terlalu penuh Keseriusan permasalahan: guru-guru tidak memiliki ruang kerja yang
113
Iklim1 = Iklim2 = Iklim3 = Iklim4 = Iklim5 = Iklim6 = Iklim7 = Iklim8 = Hambat1 = Hambat2 = Hambat3 = Hambat4 Hambat5 Hambat6 Hambat7 Hambat8
= = = = =
Hambat9 = Hambat10 = Hambat11 = Hambat12 = Hambat13 = Skor_Mat = Skor_Sai =
layak di luar ruang kelas Kepuasan kerja guru-guru Pemahaman guru mengenai tujuan pengajaran/kurikulum sekolah Tingkat keberhasilan guru terhadap pencapaian kurikulum sekolah Harapan guru terhadap prestasi siswa Dukungan orang tua terhadap prestasi siswa Keterlibatan orang tua dalam aktivitas sekolah Rasa memiliki siswa terhadap sarana/prasarana sekolah Harapan siswa untuk berprestasi sebaik mungkin di sekolah Hambatan mengajar karena siswa: memiliki kemampuan yang berbeda Hambatan mengajar karena siswa: berasal dari latar belakang keluarga berbeda Hambatan mengajar karena siswa: memiliki kekurangan tertentu misalnya kurang pendengaran dan lain-lain Hambatan mengajar karena siswa: tidak tertarik belajar Hambatan mengajar karena siswa: yang mengganggu Hambatan mengajar karena sumber daya: kekurangan hardware komputer Hambatan mengajar karena sumber daya: kekurangan software komputer Hambatan mengajar karena sumber daya: kekurangan dukungan dalam menggunakan komputer Hambatan mengajar karena sumber daya: kekurangan buku pelajaran Hambatan mengajar karena sumber daya: kekurangan perlengkapan pelajaran lainnya Hambatan mengajar karena sumber daya: kekurangan peralatan peraga Hambatan mengajar karena sumber daya: kekurangan fasilitas fisik yang memadai Hambatan mengajar karena sumber daya: tingginya rasio murid dan guru Skor Matematika Skor Sains
114
Model Pengukuran Faktor-faktor Persepsi Guru
Model Struktural Prestasi Siswa
115
LAMPIRAN 17. Model Prestasi Siswa Berdasarkan Faktor-faktor Sekolah
Keterangan: Iklim1 =
Penilaian terhadap kepuasan kerja guru
116
Iklim2 = Iklim3 = Iklim4 = Iklim5 = Iklim6 = Iklim7 = Iklim8 = Prlaku1 = Prlaku2 = Prlaku3 = Prlaku4 = Prlaku5 = Prlaku6 = Prlaku7 = Prlaku8 = Prlaku9 = Prlaku10= Prlaku11= Prlaku12= Prlaku13= S1 = S2 = S3 = S4 = S5 = S6 = S7 = S8 = S9 = S10 = S11 = S12 = S13 = SDT1 = SDT2 = SDT3 = SDT4 = SDT5 = SDT6 = SDT7 = SDT8 = SDT9 =
Penilaian pemahaman guru terhadap tujuan kurikulum Penilaian terhadap tingkat keberhasilan guru dalam melaksanakan kurikulum sekolah Penilaian terhadap harapan guru pada prestasi siswa Penilaian terhadap dukungan orang tua siswa pada prestasi siswa Penilaian terhadap keterlibatan orang tua siswa dalam aktivitas sekolah Penilaian terhadap kepedulian siswa atas barang-barang milik sekolah Penilaian terhadap keinginan siswa untuk berhasil di sekolah Frekuensi siswa datang terlambat di sekolah Frekuensi siswa bolos sekolah (mis. absen tanpa alasan yang dapat dibenarkan) Frekuensi siswa membolos kelas pada jam pelajaran Frekuensi siswa melanggar aturan berpakaian Frekuensi siswa membuat kegaduhan di kelas Frekuensi siswa menyontek Frekuensi siswa berkata kotor Frekuensi siswa melakukan pengrusakan Frekuensi siswa melakukan pencurian Frekuensi siswa melakukan intimidasi atau pelecehan dengan kata-kata terhadap siswa lain Frekuensi siswa mencederai siswa lain secara fisik Frekuensi siswa melakukan intimidasi atau pelecehan dengan kata-kata terhadap guru atau pegawai sekolah Frekuensi siswa mencederai guru atau pegawai sekolah secara fisik Sejauh mana masalah bagi sekolah terhadap siswa yang datang terlambat di sekolah Sejauh mana masalah bagi sekolah terhadap siswa yang membolos di sekolah Sejauh mana masalah bagi sekolah terhadap siswa yang membolos kelas pada jam pelajaran Sejauh mana masalah bagi sekolah terhadap siswa yang melanggar aturan berpakaian Sejauh mana masalah bagi sekolah terhadap siswa yang membuat kegaduhan di kelas Sejauh mana masalah bagi sekolah terhadap siswa yang menyontek Sejauh mana masalah bagi sekolah terhadap siswa yang berkata kotor Sejauh mana masalah bagi sekolah terhadap siswa yang melakukan pengrusakan Sejauh mana masalah bagi sekolah terhadap siswa yang mencuri Sejauh mana masalah bagi sekolah terhadap siswa yang melakukan intimidasi atau pelecehan dengan kata-kata pada siswa lain Sejauh mana masalah bagi sekolah terhadap siswa yang menciderai siswa lain secara fisik Sejauh mana masalah bagi sekolah terhadap siswa yang mengintimidasi guru atau pegawai sekolah Sejauh mana masalah bagi sekolah terhadap siswa yang menciderai guru atau pegawai sekolah Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan materi pelajaran (mis. buku pelajaran) Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan anggaran untuk peralatan (mis. kertas, pensil) Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan gedung sekolah dan lapangan Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan sistem pendingin udara dan pencahayaan Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan ruang pembelajaran (mis. ruang kelas)
117
SDT10 = SDT11 = SDT12 = SDT13 = SDT14 = SDT15 = SDT16 = SDT17 = SDT18 = Skor_Mat= Skor_Sai =
Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan peralatan khusus untuk siswa cacat Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan perangkat lunak komputer untuk pengajaran matematika Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan kalkulator untuk pengajaran matematika Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan sarana perpustakaan yang relevan dengan pengajaran matematika Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan peralatan audio-visual untuk pengajaran matematika Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan perlengkapan dan bahan-bahan laboratorium IPA Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan komputer untuk pembelajaran IPA Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan perangkat lunak komputer untuk pengajaran IPA Sejauh mana penyelenggaraan pengajaran dipengaruhi oleh kekurangan kalkulator untuk pengajaran IPA Sejauh mana penyelenggaraan pengajaran IPA dipengaruhi oleh kekurangan sarana perpustakaan yang relevan dengan pengajaran IPA Sejauh mana penyelenggaraan pengajaran IPA dipengaruhi oleh kekurangan peralatan audio-visual Sejauh mana penyelenggaraan pengajaran IPA dipengaruhi oleh kekurangan guru Sejauh mana penyelenggaraan pengajaran IPA dipengaruhi oleh kekurangan fasilitas komputer untuk pegawai Skor Matematika Skor Sains
118
Model Pengukuran Faktor-faktor Sekolah
119
Model Struktural Faktor-faktor Sekolah
120
LAMPIRAN 18. ANALISIS JALUR : MATEMATIKA OUTPUT SIMPLIS DATE: TIME:
9/ 1/2009 6:28
L I S R E L
8.80
BY Karl G. Jöreskog & Dag Sörbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\MATH_1.SPJ: Raw Data from file 'F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\MATH_1.psf' -------------------------------EM Algorithm for missing Data: -------------------------------Number of different missing-value patterns= Convergence of EM-algorithm in 4 iterations -2 Ln(L) = 6508.94863 Percentage missing values= 0.94
5
Note: The Covariances and/or Means to be analyzed are estimated by the EM procedure and are only used to obtain starting values for the FIML procedure Relationships SKOR_MAT = SIKAP ASPIRASI SIKAP = PERSEPSI SOSEK MINAT SKOR_MAT = PERSEPSI SOSEK MINAT LB_GURU PENILAIA HAMBATAN PERILAKU ASPIRASI = SOSEK MINAT Path Diagram End of Problem Sample Size =
149
Covariance Matrix SIKAP SKOR_MAT --------------SIKAP 1.95 SKOR_MAT -36.13 3559.66 ASPIRASI -0.13 4.83 PERSEPSI 0.38 -10.95 SOSEK -0.94 47.19 MINAT 0.36 13.76 PENILAIA 0.12 12.96 HAMBATAN 0.27 -34.27 PERILAKU 0.26 13.29 LB_GURU -1.56 138.87 Covariance Matrix
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
0.27 -0.01 0.44 0.04 -0.01 -0.05 0.07 -0.14
0.17 -0.28 0.05 -0.09 0.09 -0.02 -0.36
4.55 0.40 1.11 -1.85 0.49 2.57
1.38 0.50 -0.37 0.36 0.17
PENILAIA
PERILAKU
LB_GURU
HAMBATAN
121
PENILAIA HAMBATAN PERILAKU LB_GURU
-------7.07 -1.67 1.00 1.66
--------
--------
--------
10.65 -1.01 -1.79
4.93 0.22
63.24
Number of Iterations =
0
LISREL Estimates (Maximum Likelihood) Structural Equations
SIKAP = 2.03*PERSEPSI - 0.10*SOSEK + 0.22*MINAT, Errorvar.= 0.99 , R² = 0.49 (0.22) (0.043) (0.074) (0.12) 9.24 -2.38 3.03 8.40 SKOR_MAT = - 11.25*SIKAP + 4.40*ASPIRASI - 33.58*PERSEPSI + 3.00*SOSEK + 12.35*MINAT - 0.68*PENILAIA - 1.36*HAMBATAN 1.63* (3.93) (8.30) (12.99) (2.26) (3.60) (1.57) (1.30) -2.86 0.53 -2.59 1.33 3.43 -0.43 -1.05 + 1.63*PERILAKU + 1.55*LB_GURU, Errorvar.= 2162.22, R² = 0.39 (1.84) (0.50) (257.65) 0.89 3.10 8.39 ASPIRASI = 0.096*SOSEK + 0.00046*MINAT, Errorvar.= 0.22 , R² = 0.16 (0.019) (0.034) (0.027) 5.06 0.013 8.40
Reduced Form Equations SIKAP = 2.03*PERSEPSI - 0.10*SOSEK + 0.22*MINAT + 0.0*PENILAIA + 0.0*HAMBATAN + 0.0*PERILAKU + 0.0*LB_GURU = (0.22) (0.043) (0.074) 9.24 -2.38 3.03 , Errorvar.= 0.99, R² = 0.49
SKOR_MAT = - 56.37*PERSEPSI + 4.57*SOSEK + 9.84*MINAT - 0.68*PENILAIA 1.36*HAMBATAN + 1.63*PERILAKU + 1.55*LB_GURU (10.55) (2.13) (3.59) (1.57) (1.30) (1.84) (0.50) -5.34 2.14 2.74 -0.43 -1.05 0.89 3.10 , Errorvar.= 2292.38, R² = 0.35
ASPIRASI = 0.0*PERSEPSI + 0.096*SOSEK + 0.00046*MINAT + 0.0*PENILAIA + 0.0*HAMBATAN + 0.0*PERILAKU + 0.0*LB_GURU ar.= (0.019) (0.034) 5.06 0.013 , Errorvar.= 0.22, R² = 0.16
122
Covariance Matrix of Independent Variables
PERSEPSI
SOSEK
MINAT
PENILAIA
HAMBATAN
PERILAKU
LB_GURU
PERSEPSI -------0.17 (0.02) 8.40 -0.28 (0.08) -3.64 0.05 (0.04) 1.13 -0.09 (0.09) -0.97 0.09 (0.11) 0.81 -0.02 (0.08) -0.32 -0.35 (0.27) -1.29
SOSEK --------
MINAT --------
PENILAIA --------
HAMBATAN --------
PERILAKU --------
4.52 (0.54) 8.40 0.40 (0.21) 1.89 1.11 (0.49) 2.28 -1.85 (0.62) -3.01 0.48 (0.40) 1.20 2.56 (1.44) 1.78
1.37 (0.16) 8.40 0.50 (0.27) 1.88 -0.37 (0.33) -1.12 0.35 (0.22) 1.59 0.17 (0.78) 0.21
7.03 (0.85) 8.28 -1.65 (0.76) -2.17 1.00 (0.51) 1.95 1.68 (1.80) 0.93
10.58 (1.29) 8.20 -1.01 (0.63) -1.59 -1.84 (2.22) -0.83
4.90 (0.59) 8.31 0.27 (1.49) 0.18
Covariance Matrix of Independent Variables
LB_GURU
LB_GURU -------62.82 (7.48) 8.40
Covariance Matrix of Latent Variables
SIKAP SKOR_MAT ASPIRASI PERSEPSI SOSEK MINAT PENILAIA HAMBATAN PERILAKU LB_GURU
SIKAP -------1.94 -35.05 -0.09 0.38 -0.94 0.36 -0.18 0.29 -0.02 -0.94
SKOR_MAT --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
3526.50 5.48 -10.94 46.88 13.67 16.81 -35.08 16.18 132.73
0.26 -0.03 0.43 0.04 0.11 -0.18 0.05 0.24
0.17 -0.28 0.05 -0.09 0.09 -0.02 -0.35
4.52 0.40 1.11 -1.85 0.48 2.56
1.37 0.50 -0.37 0.35 0.17
Covariance Matrix of Latent Variables
PENILAIA HAMBATAN PERILAKU LB_GURU
PENILAIA -------7.03 -1.65 1.00 1.68
HAMBATAN --------
PERILAKU --------
LB_GURU --------
10.58 -1.01 -1.84
4.90 0.27
62.82
Global Goodness of Fit Statistics, Missing Data Case
-2ln(L) for the saturated model = -2ln(L) for the fitted model =
6508.949 6521.556
Degrees of Freedom = 10 Full Information ML Chi-Square = 12.61 (P = 0.25) Root Mean Square Error of Approximation (RMSEA) = 0.043 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.11) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.51
123
OUTPUT LISREL (MATEMATIKA)
DATE: 9/ 1/2009 TIME: 6:34
L I S R E L
8.80
BY Karl G. Jöreskog & Dag Sörbom
This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\MATH_1.LPJ: TI DA NI=10 NO=0 MA=CM RA FI='F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\MATH_1.psf' -------------------------------EM Algorithm for missing Data: -------------------------------Number of different missing-value patterns= Convergence of EM-algorithm in 4 iterations -2 Ln(L) = 6508.94863 Percentage missing values= 0.94
5
Note: The Covariances and/or Means to be analyzed are estimated by the EM procedure and are only used to obtain starting values for the FIML procedure SE 1 3 10 2 4 5 9 6 7 MO NX=7 NY=3 BE=FU FR BE(2,1) BE(2,3) FR GA(2,5) GA(2,6) PD OU EF SS
8 / GA=FI PS=SY GA(1,1) GA(1,2) GA(1,3) GA(2,1) GA(2,2) GA(2,3) GA(2,4) GA(2,7) GA(3,2) GA(3,3)
TI Number Number Number Number Number Number
of of of of of of
Input Variables 10 Y - Variables 3 X - Variables 7 ETA - Variables 3 KSI - Variables 7 Observations 149
124
TI Covariance Matrix
SIKAP SKOR_MAT ASPIRASI PERSEPSI SOSEK MINAT LB_GURU PENILAIA HAMBATAN PERILAKU
SIKAP -------1.95 -36.13 -0.13 0.38 -0.94 0.36 -1.56 0.12 0.27 0.26
SKOR_MAT --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
3559.66 4.83 -10.95 47.19 13.76 138.87 12.96 -34.27 13.29
0.27 -0.01 0.44 0.04 -0.14 -0.01 -0.05 0.07
0.17 -0.28 0.05 -0.36 -0.09 0.09 -0.02
4.55 0.40 2.57 1.11 -1.85 0.49
1.38 0.17 0.50 -0.37 0.36
PENILAIA --------
HAMBATAN --------
PERILAKU --------
7.07 -1.67 1.00
10.65 -1.01
4.93
SKOR_MAT -------404.32
ASPIRASI -------4.35
PERSEPSI -------10.87
SOSEK -------9.45
MINAT -------20.57
PENILAIA -------13.99
HAMBATAN -------10.91
PERILAKU -------11.37
PENILAIA -------0 10 0
HAMBATAN -------0 11 0
Covariance Matrix
LB_GURU PENILAIA HAMBATAN PERILAKU
LB_GURU -------63.24 1.66 -1.79 0.22
Means SIKAP -------26.29 Means LB_GURU -------17.77
TI Parameter Specifications BETA
SIKAP SKOR_MAT ASPIRASI
SIKAP -------0 1 0
SKOR_MAT -------0 0 0
ASPIRASI -------0 2 0
SOSEK -------4 7 13
MINAT -------5 8 14
GAMMA
SIKAP SKOR_MAT ASPIRASI
PERSEPSI -------3 6 0
GAMMA
SIKAP SKOR_MAT ASPIRASI
PERILAKU -------0 12 0
125
LB_GURU -------0 9 0
PHI
PERSEPSI SOSEK MINAT LB_GURU PENILAIA HAMBATAN PERILAKU
PERSEPSI -------15 16 18 21 25 30 36
SOSEK --------
MINAT --------
LB_GURU --------
PENILAIA --------
HAMBATAN --------
17 19 22 26 31 37
20 23 27 32 38
24 28 33 39
29 34 40
35 41
SKOR_MAT -------44
ASPIRASI -------45
SKOR_MAT -------47
ASPIRASI -------48
LB_GURU -------- -
PENILAIA -------- -
HAMBATAN -------- -
1.55 (0.50) 3.10 - -
-0.68 (1.57) -0.43 - -
-1.36 (1.30) -1.05 - -
PHI
PERILAKU
PERILAKU -------42
PSI SIKAP -------43 ALPHA SIKAP -------46
TI Number of Iterations =
0
LISREL Estimates (Maximum Likelihood) BETA
SIKAP SKOR_MAT
ASPIRASI
SIKAP -------- -11.25 (3.93) -2.86 - -
SKOR_MAT -------- - -
- -
ASPIRASI -------- 4.40 (8.30) 0.53 - -
SOSEK --------0.10 (0.04) -2.38 3.00 (2.26) 1.33 0.10 (0.02) 5.06
MINAT -------0.22 (0.07) 3.03 12.35 (3.60) 3.43 0.00 (0.03) 0.01
GAMMA
SIKAP
SKOR_MAT
ASPIRASI
PERSEPSI -------2.03 (0.22) 9.24 -33.58 (12.99) -2.59 - -
GAMMA
SIKAP SKOR_MAT
ASPIRASI
PERILAKU -------- 1.63 (1.84) 0.89 - -
126
Covariance Matrix of Y and X
SIKAP SKOR_MAT ASPIRASI PERSEPSI SOSEK MINAT LB_GURU PENILAIA HAMBATAN PERILAKU
SIKAP -------1.94 -35.05 -0.09 0.38 -0.94 0.36 -0.94 -0.18 0.29 -0.02
SKOR_MAT --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
3526.51 5.48 -10.94 46.88 13.67 132.73 16.81 -35.08 16.18
0.26 -0.03 0.43 0.04 0.24 0.11 -0.18 0.05
0.17 -0.28 0.05 -0.35 -0.09 0.09 -0.02
4.52 0.40 2.56 1.11 -1.85 0.48
1.37 0.17 0.50 -0.37 0.35
Covariance Matrix of Y and X
LB_GURU PENILAIA HAMBATAN PERILAKU
LB_GURU -------62.82 1.68 -1.83 0.27
PENILAIA --------
HAMBATAN --------
PERILAKU --------
7.03 -1.65 1.00
10.58 -1.01
4.90
Mean Vector of Eta-Variables SIKAP -------26.29
SKOR_MAT -------412.48
ASPIRASI -------4.35
SOSEK --------
MINAT --------
LB_GURU --------
PENILAIA --------
HAMBATAN --------
4.52 (0.54) 8.40 0.40 (0.21) 1.89 2.56 (1.44) 1.78 1.11 (0.49) 2.28 -1.85 (0.62) -3.01 0.48 (0.40) 1.20
1.37 (0.16) 8.40 0.17 (0.78) 0.21 0.50 (0.27) 1.88 -0.37 (0.33) -1.12 0.35 (0.22) 1.59
62.82 (7.48) 8.40 1.68 (1.80) 0.93 -1.83 (2.22) -0.82 0.27 (1.49) 0.18
7.03 (0.85) 8.28 -1.65 (0.76) -2.17 1.00 (0.51) 1.95
10.58 (1.29) 8.20 -1.01 (0.63) -1.59
PHI
PERSEPSI
SOSEK
MINAT
LB_GURU
PENILAIA
HAMBATAN
PERILAKU
PERSEPSI -------0.17 (0.02) 8.40 -0.28 (0.08) -3.64 0.05 (0.04) 1.13 -0.35 (0.27) -1.29 -0.09 (0.09) -0.97 0.09 (0.11) 0.81 -0.02 (0.08) -0.32
PHI
PERILAKU
PERILAKU -------4.90 (0.59) 8.31
127
PSI Note: This matrix is diagonal. SIKAP -------0.99 (0.12) 8.40
SKOR_MAT -------2162.21 (257.65) 8.39
ASPIRASI -------0.22 (0.03) 8.40
Squared Multiple Correlations for Structural Equations SIKAP -------0.49
SKOR_MAT -------0.39
ASPIRASI -------0.16
Squared Multiple Correlations for Reduced Form SIKAP -------0.49
SKOR_MAT -------0.35
ASPIRASI -------0.16
SOSEK --------0.10 (0.04) -2.38 4.57 (2.13) 2.14 0.10 (0.02) 5.06
MINAT -------0.22 (0.07) 3.03 9.84 (3.59) 2.74 0.00 (0.03) 0.01
SKOR_MAT -------750.04 (134.80) 5.56
ASPIRASI -------3.43 (0.70) 4.88
Reduced Form
SIKAP
SKOR_MAT
ASPIRASI
PERSEPSI -------2.03 (0.22) 9.24 -56.37 (10.55) -5.34 - -
LB_GURU -------- -
PENILAIA -------- -
HAMBATAN -------- -
1.55 (0.50) 3.10 - -
-0.68 (1.57) -0.43 - -
-1.36 (1.30) -1.05 - -
Reduced Form
SIKAP SKOR_MAT
ASPIRASI
PERILAKU -------- 1.63 (1.84) 0.89 - -
ALPHA SIKAP -------0.62 (2.72) 0.23
Global Goodness of Fit Statistics, Missing Data Case
-2ln(L) for the saturated model = -2ln(L) for the fitted model =
6508.949 6521.556
Degrees of Freedom = 10 Full Information ML Chi-Square = 12.61 (P = 0.25) Root Mean Square Error of Approximation (RMSEA) = 0.043 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.11) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.51
128
TI Standardized Solution BETA
SIKAP SKOR_MAT ASPIRASI
SIKAP -------- -0.26 - -
SKOR_MAT -------- - - -
ASPIRASI -------- 0.04 - -
SOSEK --------0.15 0.11 0.40
MINAT -------0.19 0.24 0.00
GAMMA
SIKAP SKOR_MAT ASPIRASI
PERSEPSI -------0.60 -0.23 - -
LB_GURU -------- 0.21 - -
PENILAIA -------- -0.03 - -
HAMBATAN -------- -0.07 - -
GAMMA
SIKAP SKOR_MAT ASPIRASI
PERILAKU -------- 0.06 - -
Correlation Matrix of Y and X
SIKAP SKOR_MAT ASPIRASI PERSEPSI SOSEK MINAT LB_GURU PENILAIA HAMBATAN PERILAKU
SIKAP -------1.00 -0.42 -0.13 0.66 -0.32 0.22 -0.09 -0.05 0.06 -0.01
SKOR_MAT --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
1.00 0.18 -0.45 0.37 0.20 0.28 0.11 -0.18 0.12
1.00 -0.13 0.40 0.06 0.06 0.08 -0.11 0.04
1.00 -0.32 0.10 -0.11 -0.08 0.07 -0.03
1.00 0.16 0.15 0.20 -0.27 0.10
1.00 0.02 0.16 -0.10 0.14
PENILAIA -------- -0.03 - -
HAMBATAN -------- -0.07 - -
Correlation Matrix of Y and X
LB_GURU PENILAIA HAMBATAN PERILAKU
LB_GURU -------1.00 0.08 -0.07 0.02
PENILAIA --------
HAMBATAN --------
PERILAKU --------
1.00 -0.19 0.17
1.00 -0.14
1.00
PSI Note: This matrix is diagonal. SIKAP -------0.51
SKOR_MAT -------0.61
ASPIRASI -------0.84
Regression Matrix Y on X (Standardized)
SIKAP SKOR_MAT ASPIRASI
PERSEPSI -------0.60 -0.39 - -
SOSEK --------0.15 0.16 0.40
MINAT -------0.19 0.19 0.00
129
LB_GURU -------- 0.21 - -
Regression Matrix Y on X (Standardized)
SIKAP SKOR_MAT ASPIRASI
PERILAKU -------- 0.06 - -
TI Total and Indirect Effects Total Effects of X on Y
SIKAP
SKOR_MAT
ASPIRASI
PERSEPSI -------2.03 (0.22) 9.27 -56.37 (10.52) -5.36 - -
SOSEK --------0.10 (0.04) -2.39 4.57 (2.13) 2.15 0.10 (0.02) 5.08
MINAT -------0.22 (0.07) 3.04 9.84 (3.58) 2.75 0.00 (0.03) 0.01
LB_GURU -------- -
PENILAIA -------- -
HAMBATAN -------- -
1.55 (0.50) 3.11 - -
-0.68 (1.57) -0.43 - -
-1.36 (1.30) -1.05 - -
LB_GURU -------- - -
PENILAIA -------- - -
HAMBATAN -------- - -
- -
- -
- -
Total Effects of X on Y
SIKAP SKOR_MAT
ASPIRASI
PERILAKU -------- 1.63 (1.83) 0.89 - -
Indirect Effects of X on Y
SIKAP SKOR_MAT
ASPIRASI
PERSEPSI -------- -22.80 (8.30) -2.75 - -
SOSEK -------- 1.56 (1.01) 1.55 - -
MINAT -------- -2.51 (1.21) -2.07 - -
Indirect Effects of X on Y
SIKAP SKOR_MAT ASPIRASI
PERILAKU -------- - - -
Total Effects of Y on Y
SIKAP SKOR_MAT
ASPIRASI
SIKAP -------- -11.25 (3.91) -2.87 - -
SKOR_MAT -------- - -
- -
ASPIRASI -------- 4.40 (8.27) 0.53 - -
Largest Eigenvalue of B*B' (Stability Index) is 145.941
130
TI Standardized Total and Indirect Effects Standardized Total Effects of X on Y
SIKAP SKOR_MAT ASPIRASI
PERSEPSI -------0.60 -0.39 - -
SOSEK --------0.15 0.16 0.40
MINAT -------0.19 0.19 0.00
LB_GURU -------- 0.21 - -
PENILAIA -------- -0.03 - -
HAMBATAN -------- -0.07 - -
PENILAIA -------- - - -
HAMBATAN -------- - - -
Standardized Total Effects of X on Y
SIKAP SKOR_MAT ASPIRASI
PERILAKU -------- 0.06 - -
Standardized Indirect Effects of X on Y
SIKAP SKOR_MAT ASPIRASI
PERSEPSI -------- -0.16 - -
SOSEK -------- 0.06 - -
MINAT -------- -0.05 - -
LB_GURU -------- - - -
Standardized Indirect Effects of X on Y
SIKAP SKOR_MAT ASPIRASI
PERILAKU -------- - - -
Standardized Total Effects of Y on Y
SIKAP SKOR_MAT ASPIRASI
SIKAP -------- -0.26 - -
SKOR_MAT -------- - - -
ASPIRASI -------- 0.04 - -
Time used:
0.125 Seconds
131
LAMPIRAN 19. ANALISIS JALUR : FISIKA OUTPUT SIMPLIS DATE: TIME:
9/ 1/2009
7:06
L I S R E L 8.80 BY Karl G. Jöreskog & Dag Sörbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\FISIKA_2.SPJ: Raw Data from file 'F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\FISIKA_2.psf' -------------------------------EM Algorithm for missing Data: -------------------------------Number of different missing-value patterns= Convergence of EM-algorithm in 5 iterations -2 Ln(L) = 6513.06605 Percentage missing values= 5.19
9
Note: The Covariances and/or Means to be analyzed are estimated by the EM procedure and are only used to obtain starting values for the FIML procedure Relationships SKOR_FIS = SIKAP ASPIRASI SIKAP = PERSEPSI SOSEK MINAT SKOR_FIS = PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU ASPIRASI = SOSEK MINAT Path Diagram End of Problem Sample Size =
149
Covariance Matrix
SKOR_FIS SIKAP ASPIRASI PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SKOR_FIS -------2307.59 -38.47 3.93 -8.28 36.88 -0.23 83.84 -10.99 -36.12 15.10 8.01
SIKAP --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
3.18 -0.15 0.53 -1.12 0.59 -3.24 0.04 0.68 0.33 0.03
0.27 -0.01 0.44 -0.04 0.42 -0.22 -0.22 0.23 0.07
0.17 -0.28 0.07 -0.81 0.06 0.09 0.08 -0.02
4.55 0.10 3.39 -0.40 -1.22 1.30 0.49
0.83 0.10 -0.03 -0.50 0.18 -0.01
132
Covariance Matrix
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------53.48 1.01 -6.12 1.46 2.93
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
2.98 -0.70 -0.07 0.04
11.74 -0.61 -0.61
4.98 2.45
4.94
Number of Iterations =
0
LISREL Estimates (Maximum Likelihood) Structural Equations
SKOR_FIS = - 8.95*SIKAP - 1.95*ASPIRASI - 15.80*PERSEPSI + 3.17*SOSEK + 5.27*MINAT + 0.39*LB_GURU - 3.55*KESIAPAN 1* (2.88) (7.10) (12.23) (1.95) (4.12) (0.54) (2.17) -3.11 -0.27 -1.29 1.63 1.28 0.72 -1.64 - 1.81*HAMBATAN + 2.75*IKLIM - 0.46*PERILAKU, Errorvar.= 1540.20, R² = 0.33 (1.13) -1.60
(1.87) 1.47
(1.79) -0.25
(185.94) 8.28
SIKAP = 2.75*PERSEPSI - 0.086*SOSEK + 0.48*MINAT, Errorvar.= 1.34 , R² = 0.57 (0.26) (0.049) (0.11) (0.16) 10.62 -1.76 4.32 8.37 ASPIRASI = 0.097*SOSEK - 0.061*MINAT, Errorvar.= 0.22 , R² = 0.17 (0.019) (0.044) (0.026) 5.21 -1.38 8.37
Reduced Form Equations SKOR_FIS = - 40.45*PERSEPSI + 3.75*SOSEK + 1.08*MINAT + 0.39*LB_GURU 3.55*KESIAPAN - 1.81*HAMBATAN + 2.75*IKLIM 6* (9.60) (1.86) (3.98) (0.54) (2.17) (1.13) (1.87) -4.21 2.02 0.27 0.72 -1.64 -1.60 1.47 - 0.46*PERILAKU, Errorvar.= 1648.51, R² = 0.28 (1.79) -0.25
SIKAP = 2.75*PERSEPSI - 0.086*SOSEK + 0.48*MINAT + 0.0*LB_GURU + 0.0*KESIAPAN + 0.0*HAMBATAN + 0.0*IKLIM + 0.0*PERILAKU KU (0.26) (0.049) (0.11) 10.62 -1.76 4.32 + , Errorvar.= 1.34, R² = 0.57
ASPIRASI = 0.0*PERSEPSI + 0.097*SOSEK - 0.061*MINAT + 0.0*LB_GURU + 0.0*KESIAPAN + 0.0*HAMBATAN + 0.0*IKLIM + 0.0*PERILAKU KU (0.019) (0.044) 5.21 -1.38 + , Errorvar.= 0.22, R² = 0.17
133
Covariance Matrix of Independent Variables
PERSEPSI
SOSEK
MINAT
LB_GURU
KESIAPAN
HAMBATAN
IKLIM
PERILAKU
PERSEPSI -------0.17 (0.02) 8.37 -0.28 (0.08) -3.62 0.07 (0.03) 2.30 -0.80 (0.28) -2.88 0.06 (0.07) 0.84 0.08 (0.13) 0.64 0.08 (0.08) 1.01 -0.02 (0.08) -0.31
SOSEK --------
MINAT --------
LB_GURU --------
KESIAPAN --------
HAMBATAN --------
4.52 (0.54) 8.37 0.10 (0.16) 0.63 3.33 (1.44) 2.32 -0.41 (0.34) -1.19 -1.19 (0.68) -1.76 1.30 (0.42) 3.09 0.49 (0.40) 1.21
0.82 (0.10) 8.37 0.08 (0.60) 0.13 -0.02 (0.15) -0.13 -0.48 (0.29) -1.67 0.19 (0.17) 1.07 -0.01 (0.17) -0.09
53.03 (6.88) 7.70 1.02 (1.18) 0.87 -6.01 (2.38) -2.53 1.47 (1.50) 0.98 2.84 (1.50) 1.90
2.97 (0.39) 7.57 -0.74 (0.56) -1.32 -0.09 (0.36) -0.24 0.03 (0.36) 0.09
11.63 (1.53) 7.61 -0.62 (0.71) -0.87 -0.57 (0.70) -0.81
Covariance Matrix of Independent Variables
IKLIM
PERILAKU
IKLIM -------4.96 (0.60) 8.21 2.44 (0.47) 5.16
PERILAKU --------
4.90 (0.59) 8.28
Covariance Matrix of Latent Variables
SKOR_FIS SIKAP ASPIRASI PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SKOR_FIS -------2288.03 -37.82 3.15 -8.19 36.63 -0.22 75.70 -12.85 -30.57 16.39 9.28
SIKAP --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
3.16 -0.14 0.52 -1.11 0.59 -2.46 0.18 0.10 0.19 -0.12
0.26 -0.03 0.43 -0.04 0.32 -0.04 -0.09 0.12 0.05
0.17 -0.28 0.07 -0.80 0.06 0.08 0.08 -0.02
4.52 0.10 3.33 -0.41 -1.19 1.30 0.49
0.82 0.08 -0.02 -0.48 0.19 -0.01
Covariance Matrix of Latent Variables
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------53.03 1.02 -6.01 1.47 2.84
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
2.97 -0.74 -0.09 0.03
11.63 -0.62 -0.57
4.96 2.44
4.90
134
Global Goodness of Fit Statistics, Missing Data Case
-2ln(L) for the saturated model = -2ln(L) for the fitted model =
6513.066 6531.228
Degrees of Freedom = 12 Full Information ML Chi-Square = 18.16 (P = 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.060 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.11) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.34
The Modification Indices Suggest to Add an Error Covariance Between and Decrease in Chi-Square New Estimate KESIAPAN ASPIRASI 9.3 -0.20 Time used:
0.141 Seconds
OUTPUT LISREL (FISIKA) DATE: TIME:
9/ 1/2009
6:54
L I S R E L
8.80
BY Karl G. Jöreskog & Dag Sörbom
This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\FISIKA_2.LPJ: TI DA NI=11 NO=0 MA=CM RA FI='F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\FISIKA_2.psf' -------------------------------EM Algorithm for missing Data: -------------------------------Number of different missing-value patterns= Convergence of EM-algorithm in 5 iterations -2 Ln(L) = 6513.06605 Percentage missing values= 5.19
9
Note: The Covariances and/or Means to be analyzed are estimated by the EM procedure and are only used to obtain starting values for the FIML procedure
135
SE 2 1 3 4 5 6 7 8 9 10 11 / MO NX=8 NY=3 BE=FU GA=FI PS=SY FR BE(2,1) BE(2,3) GA(1,1) GA(1,2) GA(1,3) GA(2,1) GA(2,2) GA(2,3) GA(2,4) FR GA(2,5) GA(2,6) GA(2,7) GA(2,8) GA(3,2) GA(3,3) PD OU EF SS TI Number Number Number Number Number Number
of of of of of of
Input Variables 11 Y - Variables 3 X - Variables 8 ETA - Variables 3 KSI - Variables 8 Observations 149
TI Covariance Matrix
SIKAP SKOR_FIS ASPIRASI PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------3.18 -38.47 -0.15 0.53 -1.12 0.59 -3.24 0.04 0.68 0.33 0.03
SKOR_FIS --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
2307.59 3.93 -8.28 36.88 -0.23 83.84 -10.99 -36.12 15.10 8.01
0.27 -0.01 0.44 -0.04 0.42 -0.22 -0.22 0.23 0.07
0.17 -0.28 0.07 -0.81 0.06 0.09 0.08 -0.02
4.55 0.10 3.39 -0.40 -1.22 1.30 0.49
0.83 0.10 -0.03 -0.50 0.18 -0.01
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
2.98 -0.70 -0.07 0.04
11.74 -0.61 -0.61
4.98 2.45
4.94
SKOR_FIS -------432.92
ASPIRASI -------4.35
PERSEPSI -------10.87
SOSEK -------9.45
KESIAPAN -------10.36
HAMBATAN -------16.06
IKLIM -------15.32
PERILAKU -------11.37
Covariance Matrix
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------53.48 1.01 -6.12 1.46 2.93
Means SIKAP -------25.39 Means LB_GURU -------15.83
TI Parameter Specifications BETA
SIKAP SKOR_FIS ASPIRASI
SIKAP -------0 1 0
SKOR_FIS -------0 0 0
ASPIRASI -------0 2 0
136
MINAT -------13.40
GAMMA
SIKAP SKOR_FIS ASPIRASI
PERSEPSI -------3 6 0
SOSEK -------4 7 14
MINAT -------5 8 15
LB_GURU -------0 9 0
KESIAPAN -------0 10 0
HAMBATAN -------0 11 0
SOSEK --------
MINAT --------
LB_GURU --------
KESIAPAN --------
HAMBATAN --------
18 20 23 27 32 38 45
21 24 28 33 39 46
25 29 34 40 47
30 35 41 48
36 42 49
GAMMA
SIKAP SKOR_FIS ASPIRASI
IKLIM -------0 12 0
PERILAKU -------0 13 0
PHI
PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
PERSEPSI -------16 17 19 22 26 31 37 44
PHI
IKLIM PERILAKU
IKLIM -------43 50
PERILAKU -------51
PSI SIKAP -------52
SKOR_FIS -------53
ASPIRASI -------54
SKOR_FIS -------56
ASPIRASI -------57
ALPHA SIKAP -------55
TI Number of Iterations =
0
LISREL Estimates (Maximum Likelihood) BETA
SIKAP SKOR_FIS
ASPIRASI
SIKAP -------- -8.96 (2.88) -3.11 - -
SKOR_FIS -------- - -
- -
ASPIRASI -------- -1.93 (7.11) -0.27 - -
137
GAMMA
SIKAP
SKOR_FIS
ASPIRASI
PERSEPSI -------2.75 (0.26) 10.62 -15.82 (12.23) -1.29 - -
SOSEK --------0.09 (0.05) -1.76 3.17 (1.95) 1.63 0.10 (0.02) 5.21
MINAT -------0.48 (0.11) 4.32 5.28 (4.12) 1.28 -0.06 (0.04) -1.38
LB_GURU -------- -
KESIAPAN -------- -
HAMBATAN -------- -
0.39 (0.54) 0.71 - -
-3.54 (2.17) -1.63 - -
-1.80 (1.13) -1.59 - -
GAMMA
SIKAP SKOR_FIS
ASPIRASI
IKLIM -------- 2.75 (1.87) 1.47 - -
PERILAKU -------- -0.45 (1.79) -0.25 - -
Covariance Matrix of Y and X
SIKAP SKOR_FIS ASPIRASI PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------3.16 -37.83 -0.14 0.52 -1.11 0.59 -2.46 0.18 0.10 0.19 -0.12
SKOR_FIS --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
2288.12 3.15 -8.19 36.63 -0.22 75.55 -12.84 -30.45 16.38 9.28
0.26 -0.03 0.43 -0.04 0.32 -0.04 -0.09 0.12 0.05
0.17 -0.28 0.07 -0.80 0.06 0.08 0.08 -0.02
4.52 0.10 3.34 -0.41 -1.20 1.30 0.49
0.82 0.08 -0.02 -0.48 0.19 -0.01
Covariance Matrix of Y and X
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------53.02 1.02 -6.01 1.47 2.84
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
2.97 -0.74 -0.09 0.03
11.63 -0.62 -0.57
4.96 2.44
4.90
Mean Vector of Eta-Variables SIKAP -------25.39
SKOR_FIS -------516.04
ASPIRASI -------4.35
138
PHI
PERSEPSI
SOSEK
MINAT
LB_GURU
KESIAPAN
HAMBATAN
IKLIM
PERILAKU
PERSEPSI -------0.17 (0.02) 8.37 -0.28 (0.08) -3.62 0.07 (0.03) 2.30 -0.80 (0.28) -2.87 0.06 (0.07) 0.84 0.08 (0.13) 0.64 0.08 (0.08) 1.01 -0.02 (0.08) -0.31
SOSEK --------
MINAT --------
LB_GURU --------
KESIAPAN --------
HAMBATAN --------
4.52 (0.54) 8.37 0.10 (0.16) 0.63 3.34 (1.44) 2.32 -0.41 (0.34) -1.19 -1.20 (0.68) -1.77 1.30 (0.42) 3.09 0.49 (0.40) 1.21
0.82 (0.10) 8.37 0.08 (0.60) 0.13 -0.02 (0.15) -0.13 -0.48 (0.29) -1.67 0.19 (0.17) 1.07 -0.01 (0.17) -0.09
53.02 (6.88) 7.70 1.02 (1.18) 0.87 -6.01 (2.38) -2.53 1.47 (1.50) 0.98 2.84 (1.50) 1.90
2.97 (0.39) 7.57 -0.74 (0.56) -1.32 -0.09 (0.36) -0.24 0.03 (0.36) 0.09
11.63 (1.53) 7.61 -0.62 (0.71) -0.87 -0.57 (0.70) -0.81
PHI
IKLIM
PERILAKU
IKLIM -------4.96 (0.60) 8.21 2.44 (0.47) 5.16
PERILAKU --------
4.90 (0.59) 8.28
PSI Note: This matrix is diagonal. SIKAP -------1.34 (0.16) 8.37
SKOR_FIS -------1540.82 (186.03) 8.28
ASPIRASI -------0.22 (0.03) 8.37
Squared Multiple Correlations for Structural Equations SIKAP -------0.57
SKOR_FIS -------0.33
ASPIRASI -------0.17
Squared Multiple Correlations for Reduced Form SIKAP -------0.57
SKOR_FIS -------0.28
ASPIRASI -------0.17
139
Reduced Form
SIKAP
SKOR_FIS
ASPIRASI
PERSEPSI -------2.75 (0.26) 10.62 -40.49 (9.61) -4.21 - -
SOSEK --------0.09 (0.05) -1.76 3.75 (1.86) 2.02 0.10 (0.02) 5.21
MINAT -------0.48 (0.11) 4.32 1.09 (3.98) 0.27 -0.06 (0.04) -1.38
LB_GURU -------- -
KESIAPAN -------- -
HAMBATAN -------- -
0.39 (0.54) 0.71 - -
-3.54 (2.17) -1.63 - -
-1.80 (1.13) -1.59 - -
Reduced Form
SIKAP SKOR_FIS
ASPIRASI
IKLIM -------- 2.75 (1.87) 1.47 - -
PERILAKU -------- -0.45 (1.79) -0.25 - -
ALPHA SIKAP --------10.19 (3.03) -3.36
SKOR_FIS -------845.86 (121.40) 6.97
ASPIRASI -------4.24 (0.61) 7.00
Global Goodness of Fit Statistics, Missing Data Case
-2ln(L) for the saturated model = -2ln(L) for the fitted model =
6513.066 6531.204
Degrees of Freedom = 12 Full Information ML Chi-Square = 18.14 (P = 0.11) Root Mean Square Error of Approximation (RMSEA) = 0.060 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.11) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.34
TI Standardized Solution BETA
SIKAP SKOR_FIS ASPIRASI
SIKAP -------- -0.33 - -
SKOR_FIS -------- - - -
ASPIRASI -------- -0.02 - -
SOSEK --------0.10 0.14 0.40
MINAT -------0.24 0.10 -0.11
GAMMA
SIKAP SKOR_FIS ASPIRASI
PERSEPSI -------0.63 -0.14 - -
140
LB_GURU -------- 0.06 - -
KESIAPAN -------- -0.13 - -
HAMBATAN -------- -0.13 - -
GAMMA
SIKAP SKOR_FIS ASPIRASI
IKLIM -------- 0.13 - -
PERILAKU -------- -0.02 - -
Correlation Matrix of Y and X
SIKAP SKOR_FIS ASPIRASI PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------1.00 -0.45 -0.16 0.72 -0.29 0.37 -0.19 0.06 0.02 0.05 -0.03
SKOR_FIS --------
ASPIRASI --------
PERSEPSI --------
SOSEK --------
MINAT --------
1.00 0.13 -0.42 0.36 -0.01 0.22 -0.16 -0.19 0.15 0.09
1.00 -0.15 0.40 -0.09 0.09 -0.04 -0.05 0.10 0.04
1.00 -0.32 0.20 -0.27 0.08 0.06 0.09 -0.03
1.00 0.05 0.22 -0.11 -0.16 0.27 0.10
1.00 0.01 -0.01 -0.16 0.09 -0.01
Correlation Matrix of Y and X
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------1.00 0.08 -0.24 0.09 0.18
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
1.00 -0.13 -0.02 0.01
1.00 -0.08 -0.08
1.00 0.49
1.00
LB_GURU -------- 0.06 - -
KESIAPAN -------- -0.13 - -
PSI Note: This matrix is diagonal. SIKAP -------0.43
SKOR_FIS -------0.67
ASPIRASI -------0.83
Regression Matrix Y on X (Standardized)
SIKAP SKOR_FIS ASPIRASI
PERSEPSI -------0.63 -0.35 - -
SOSEK --------0.10 0.17 0.40
MINAT -------0.24 0.02 -0.11
Regression Matrix Y on X (Standardized)
SIKAP SKOR_FIS ASPIRASI
IKLIM -------- 0.13 - -
PERILAKU -------- -0.02 - -
141
HAMBATAN -------- -0.13 - -
TI Total and Indirect Effects Total Effects of X on Y
SIKAP
SKOR_FIS
ASPIRASI
PERSEPSI -------2.75 (0.26) 10.66 -40.49 (9.57) -4.23 - -
SOSEK --------0.09 (0.05) -1.76 3.75 (1.85) 2.03 0.10 (0.02) 5.23
MINAT -------0.48 (0.11) 4.34 1.09 (3.97) 0.27 -0.06 (0.04) -1.39
LB_GURU -------- -
KESIAPAN -------- -
HAMBATAN -------- -
0.39 (0.54) 0.71 - -
-3.54 (2.16) -1.64 - -
-1.80 (1.13) -1.60 - -
LB_GURU -------- - -
KESIAPAN -------- - -
HAMBATAN -------- - -
- -
- -
- -
Total Effects of X on Y
SIKAP SKOR_FIS
ASPIRASI
IKLIM -------- 2.75 (1.86) 1.48 - -
PERILAKU -------- -0.45 (1.78) -0.25 - -
Indirect Effects of X on Y
SIKAP SKOR_FIS
ASPIRASI
PERSEPSI -------- -24.67 (8.23) -3.00 - -
SOSEK -------- 0.58 (0.85) 0.68 - -
MINAT -------- -4.19 (1.75) -2.39 - -
Indirect Effects of X on Y
SIKAP SKOR_FIS ASPIRASI
IKLIM -------- - - -
PERILAKU -------- - - -
Total Effects of Y on Y
SIKAP SKOR_FIS
ASPIRASI
SIKAP -------- -8.96 (2.87) -3.12 - -
SKOR_FIS -------- - -
- -
ASPIRASI -------- -1.93 (7.08) -0.27 - -
Largest Eigenvalue of B*B' (Stability Index) is
142
83.946
TI Standardized Total and Indirect Effects Standardized Total Effects of X on Y
SIKAP SKOR_FIS ASPIRASI
PERSEPSI -------0.63 -0.35 - -
SOSEK --------0.10 0.17 0.40
MINAT -------0.24 0.02 -0.11
LB_GURU -------- 0.06 - -
KESIAPAN -------- -0.13 - -
HAMBATAN -------- -0.13 - -
KESIAPAN -------- - - -
HAMBATAN -------- - - -
Standardized Total Effects of X on Y
SIKAP SKOR_FIS ASPIRASI
IKLIM -------- 0.13 - -
PERILAKU -------- -0.02 - -
Standardized Indirect Effects of X on Y
SIKAP SKOR_FIS ASPIRASI
PERSEPSI -------- -0.21 - -
SOSEK -------- 0.03 - -
MINAT -------- -0.08 - -
LB_GURU -------- - - -
Standardized Indirect Effects of X on Y
SIKAP SKOR_FIS ASPIRASI
IKLIM -------- - - -
PERILAKU -------- - - -
Standardized Total Effects of Y on Y
SIKAP SKOR_FIS ASPIRASI
SIKAP -------- -0.33 - -
SKOR_FIS -------- - - -
ASPIRASI -------- -0.02 - -
Time used:
0.203 Seconds
143
LAMPIRAN 20. ANALISIS JALUR : BIOLOGI OUTPUT SIMPLIS TIME:
DATE: 7:33
9/ 1/2009
L I S R E L 8.80 BY Karl G. Jöreskog & Dag Sörbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\BIOLOGI_1.SPJ: Raw Data from file 'F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\BIOLOGI_1.psf' -------------------------------EM Algorithm for missing Data: -------------------------------Number of different missing-value patterns= Convergence of EM-algorithm in 6 iterations -2 Ln(L) = 6546.87688 Percentage missing values= 5.61
11
Note: The Covariances and/or Means to be analyzed are estimated by the EM procedure and are only used to obtain starting values for the FIML procedure Relationships SKOR_BIO = SIKAP ASPIRASI SIKAP = PERSEPSI SOSEK MINAT ASPIRASI = SOSEK MINAT SKOR_BIO = PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU Path Diagram End of Problem Sample Size =
149
Covariance Matrix SIKAP ASPIRASI --------------SIKAP 1.93 ASPIRASI 0.00 0.27 SKOR_BIO -27.56 3.89 PERSEPSI 0.30 -0.01 SOSEK -0.42 0.44 MINAT 0.29 -0.03 LB_GURU -3.16 -0.06 KESIAPAN 0.08 0.07 HAMBATAN 0.43 -0.31 IKLIM -0.29 0.22 PERILAKU -0.39 0.07 Covariance Matrix
SKOR_BIO --------
PERSEPSI --------
SOSEK --------
MINAT --------
2910.32 -9.56 41.65 -0.07 160.09 -9.06 -77.61 21.61 11.85
0.17 -0.28 0.04 -0.84 0.06 0.22 0.08 -0.02
4.55 0.09 2.52 -0.44 -1.66 1.30 0.49
0.60 0.05 -0.31 -0.18 -0.06 -0.23
144
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------51.72 0.09 -3.73 1.18 0.07
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
3.14 0.01 -0.08 0.09
23.49 -2.31 -2.42
4.97 2.45
4.93
Number of Iterations =
0
LISREL Estimates (Maximum Likelihood) Structural Equations
SIKAP = 1.70*PERSEPSI + 0.0066*SOSEK + 0.35*MINAT, Errorvar.= 1.32 , R² = 0.31 (0.25) (0.048) (0.13) (0.16) 6.68 0.14 2.76 8.36 ASPIRASI = 0.097*SOSEK - 0.060*MINAT, Errorvar.= 0.22 , R² = 0.17 (0.019) (0.052) (0.026) 5.19 -1.16 8.37 SKOR_BIO = - 5.97*SIKAP + 3.35*ASPIRASI - 28.22*PERSEPSI + 4.11*SOSEK + 2.81*MINAT + 1.83*LB_GURU - 1.44*KESIAPAN 4* (3.14) (7.68) (11.54) (2.07) (5.19) (0.57) (2.35) -1.90 0.44 -2.45 1.99 0.54 3.21 -0.61 - 2.14*HAMBATAN + 2.11*IKLIM - 0.67*PERILAKU, Errorvar.= 1778.89, R² = 0.38 (0.85) -2.51
(2.05) 1.03
(1.95) -0.34
(218.02) 8.16
Reduced Form Equations SIKAP = 1.70*PERSEPSI + 0.0066*SOSEK + 0.35*MINAT + 0.0*LB_GURU + 0.0*KESIAPAN + 0.0*HAMBATAN + 0.0*IKLIM + 0.0*PERILAKU AKU (0.25) (0.048) (0.13) 6.68 0.14 2.76 + , Errorvar.= 1.32, R² = 0.31
ASPIRASI = 0.0*PERSEPSI + 0.097*SOSEK - 0.060*MINAT + 0.0*LB_GURU + 0.0*KESIAPAN + 0.0*HAMBATAN + 0.0*IKLIM + 0.0*PERILAKU KU (0.019) (0.052) 5.19 -1.16 + , Errorvar.= 0.22, R² = 0.17
SKOR_BIO = - 38.33*PERSEPSI + 4.39*SOSEK + 0.49*MINAT + 1.83*LB_GURU 1.44*KESIAPAN - 2.14*HAMBATAN + 2.11*IKLIM 7* (10.35) (1.95) (5.11) (0.57) (2.35) (0.85) (2.05) -3.70 2.25 0.096 3.21 -0.61 -2.51 1.03 - 0.67*PERILAKU, Errorvar.= 1828.26, R² = 0.36 (1.95) -0.34
145
Covariance Matrix of Independent Variables
PERSEPSI
SOSEK
MINAT
LB_GURU
KESIAPAN
HAMBATAN
IKLIM
PERILAKU
PERSEPSI -------0.17 (0.02) 8.37 -0.28 (0.08) -3.62 0.04 (0.03) 1.60 -0.83 (0.28) -3.02 0.06 (0.07) 0.92 0.22 (0.18) 1.21 0.08 (0.08) 1.00 -0.02 (0.08) -0.31
SOSEK --------
MINAT --------
LB_GURU --------
KESIAPAN --------
HAMBATAN --------
4.52 (0.54) 8.37 0.08 (0.14) 0.61 2.20 (1.39) 1.58 -0.42 (0.35) -1.19 -1.71 (0.96) -1.79 1.31 (0.42) 3.10 0.49 (0.40) 1.21
0.59 (0.07) 8.31 0.06 (0.50) 0.13 -0.31 (0.13) -2.39 -0.16 (0.34) -0.46 -0.06 (0.15) -0.39 -0.22 (0.15) -1.51
50.98 (6.64) 7.68 0.06 (1.20) 0.05 -3.74 (3.24) -1.15 1.25 (1.47) 0.85 0.11 (1.45) 0.08
3.12 (0.42) 7.48 0.02 (0.82) 0.03 -0.07 (0.37) -0.18 0.09 (0.37) 0.25
23.35 (3.08) 7.58 -2.32 (1.02) -2.27 -2.41 (1.01) -2.37
Covariance Matrix of Independent Variables
IKLIM
PERILAKU
IKLIM -------4.96 (0.60) 8.21 2.43 (0.47) 5.16
PERILAKU --------
4.90 (0.59) 8.28
Covariance Matrix of Latent Variables
SIKAP ASPIRASI SKOR_BIO PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------1.92 -0.06 -23.80 0.30 -0.41 0.28 -1.37 -0.01 0.31 0.12 -0.12
ASPIRASI --------
SKOR_BIO --------
PERSEPSI --------
SOSEK --------
MINAT --------
0.26 4.76 -0.03 0.43 -0.03 0.21 -0.02 -0.16 0.13 0.06
2851.91 -9.55 41.37 -0.06 145.50 -9.07 -76.22 18.90 10.01
0.17 -0.28 0.04 -0.83 0.06 0.22 0.08 -0.02
4.52 0.08 2.20 -0.42 -1.71 1.31 0.49
0.59 0.06 -0.31 -0.16 -0.06 -0.22
Covariance Matrix of Latent Variables
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------50.98 0.06 -3.74 1.25 0.11
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
3.12 0.02 -0.07 0.09
23.35 -2.32 -2.41
4.96 2.43
4.90
146
Global Goodness of Fit Statistics, Missing Data Case
-2ln(L) for the saturated model = -2ln(L) for the fitted model =
6546.877 6562.748
Degrees of Freedom = 12 Full Information ML Chi-Square = 15.87 (P = 0.20) Root Mean Square Error of Approximation (RMSEA) = 0.048 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.10) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.47
OUTPUT LISREL (BIOLOGI) DATE: TIME:
9/ 1/2009 7:16
L I S R E L
8.80
BY Karl G. Jöreskog & Dag Sörbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2006 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\BIOLOGI_1.LPJ: TI DA NI=11 NO=0 MA=CM RA FI='F:\PUSPENDIK\TIMSS09\DT_Olah\SEKOLAH\BIOLOGI_1.psf' -------------------------------EM Algorithm for missing Data: -------------------------------Number of different missing-value patterns= Convergence of EM-algorithm in 6 iterations -2 Ln(L) = 6546.87688 Percentage missing values= 5.61
11
Note: The Covariances and/or Means to be analyzed are estimated by the EM procedure and are only used to obtain starting values for the FIML procedure MO FR FR PD OU
NX=8 NY=3 BE=FU GA=FI PS=SY BE(3,1) BE(3,2) GA(1,1) GA(1,2) GA(1,3) GA(2,2) GA(2,3) GA(3,1) GA(3,2) GA(3,3) GA(3,4) GA(3,5) GA(3,6) GA(3,7) GA(3,8) EF SS
TI Number Number Number Number Number Number
of of of of of of
Input Variables 11 Y - Variables 3 X - Variables 8 ETA - Variables 3 KSI - Variables 8 Observations 149
147
TI Covariance Matrix
SIKAP ASPIRASI SKOR_BIO PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------1.93 0.00 -27.56 0.30 -0.42 0.29 -3.16 0.08 0.43 -0.29 -0.39
ASPIRASI --------
SKOR_BIO --------
PERSEPSI --------
SOSEK --------
MINAT --------
0.27 3.89 -0.01 0.44 -0.03 -0.06 0.07 -0.31 0.22 0.07
2910.32 -9.56 41.65 -0.07 160.09 -9.06 -77.61 21.61 11.85
0.17 -0.28 0.04 -0.84 0.06 0.22 0.08 -0.02
4.55 0.09 2.52 -0.44 -1.66 1.30 0.49
0.60 0.05 -0.31 -0.18 -0.06 -0.23
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
3.14 0.01 -0.08 0.09
23.49 -2.31 -2.42
4.97 2.45
4.93
ASPIRASI -------4.35
SKOR_BIO -------430.28
PERSEPSI -------10.87
SOSEK -------9.45
KESIAPAN -------10.59
HAMBATAN -------18.71
IKLIM -------15.31
PERILAKU -------11.36
LB_GURU -------0 0 11
KESIAPAN -------0 0 12
Covariance Matrix
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------51.72 0.09 -3.73 1.18 0.07
Means SIKAP -------26.83
MINAT -------13.79
Means LB_GURU -------16.66
TI Parameter Specifications BETA
SIKAP ASPIRASI SKOR_BIO
SIKAP -------0 0 1
ASPIRASI -------0 0 2
SKOR_BIO -------0 0 0
SOSEK -------4 6 9
MINAT -------5 7 10
GAMMA
SIKAP ASPIRASI SKOR_BIO
PERSEPSI -------3 0 8
GAMMA
SIKAP ASPIRASI SKOR_BIO
IKLIM -------0 0 14
PERILAKU -------0 0 15
148
HAMBATAN -------0 0 13
PHI
PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
PERSEPSI -------16 17 19 22 26 31 37 44
SOSEK --------
MINAT --------
LB_GURU --------
KESIAPAN --------
HAMBATAN --------
18 20 23 27 32 38 45
21 24 28 33 39 46
25 29 34 40 47
30 35 41 48
36 42 49
LB_GURU -------- -
KESIAPAN -------- -
HAMBATAN -------- -
- -
- -
- -
1.82 (0.57) 3.19
-1.44 (2.35) -0.61
-2.14 (0.85) -2.51
PHI
IKLIM PERILAKU
IKLIM -------43 50
PERILAKU -------51
PSI SIKAP -------52
ASPIRASI -------53
SKOR_BIO -------54
ASPIRASI -------56
SKOR_BIO -------57
ALPHA SIKAP -------55
TI Number of Iterations =
0
LISREL Estimates (Maximum Likelihood) BETA
SIKAP ASPIRASI SKOR_BIO
SIKAP -------- - -6.01 (3.14) -1.91
ASPIRASI -------- - 3.35 (7.68) 0.44
SKOR_BIO -------- - - -
SOSEK -------0.01 (0.05) 0.14 0.10 (0.02) 5.19 4.10 (2.07) 1.98
MINAT -------0.35 (0.13) 2.76 -0.06 (0.05) -1.16 2.84 (5.19) 0.55
GAMMA
SIKAP
ASPIRASI
SKOR_BIO
PERSEPSI -------1.70 (0.25) 6.68 - -
-28.22 (11.54) -2.44
149
GAMMA IKLIM PERILAKU --------------SIKAP - - ASPIRASI - - SKOR_BIO 2.12 -0.68 (2.05) (1.96) 1.03 -0.35 Covariance Matrix of Y and X
SIKAP ASPIRASI SKOR_BIO PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------1.92 -0.06 -23.85 0.30 -0.41 0.28 -1.37 -0.01 0.31 0.12 -0.12
ASPIRASI --------
SKOR_BIO --------
PERSEPSI --------
SOSEK --------
MINAT --------
0.26 4.76 -0.03 0.43 -0.03 0.21 -0.02 -0.16 0.13 0.06
2852.22 -9.55 41.37 -0.06 144.82 -9.06 -76.21 18.88 10.00
0.17 -0.28 0.04 -0.83 0.06 0.22 0.08 -0.02
4.52 0.08 2.21 -0.42 -1.71 1.31 0.49
0.59 0.06 -0.31 -0.16 -0.06 -0.22
Covariance Matrix of Y and X
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------50.89 0.05 -3.73 1.25 0.12
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
3.12 0.02 -0.07 0.09
23.35 -2.32 -2.41
4.96 2.43
4.90
Mean Vector of Eta-Variables SIKAP -------26.83
ASPIRASI -------4.35
SKOR_BIO -------423.88
SOSEK --------
MINAT --------
LB_GURU --------
KESIAPAN --------
HAMBATAN --------
4.52 (0.54) 8.37 0.08 (0.14) 0.61 2.21 (1.39) 1.59 -0.42 (0.35) -1.19 -1.71 (0.96) -1.79 1.31 (0.42) 3.10 0.49 (0.40) 1.21
0.59 (0.07) 8.31 0.06 (0.50) 0.12 -0.31 (0.13) -2.39 -0.16 (0.34) -0.46 -0.06 (0.15) -0.39 -0.22 (0.15) -1.51
50.89 (6.63) 7.68 0.05 (1.20) 0.04 -3.73 (3.24) -1.15 1.25 (1.47) 0.86 0.12 (1.45) 0.08
3.12 (0.42) 7.48 0.02 (0.82) 0.03 -0.07 (0.37) -0.18 0.09 (0.37) 0.25
23.35 (3.08) 7.58 -2.32 (1.02) -2.27 -2.41 (1.01) -2.37
PHI
PERSEPSI
SOSEK
MINAT
LB_GURU
KESIAPAN
HAMBATAN
IKLIM
PERILAKU
PERSEPSI -------0.17 (0.02) 8.37 -0.28 (0.08) -3.62 0.04 (0.03) 1.60 -0.83 (0.28) -3.02 0.06 (0.07) 0.93 0.22 (0.18) 1.21 0.08 (0.08) 1.00 -0.02 (0.08) -0.31
150
PHI
IKLIM
PERILAKU
IKLIM -------4.96 (0.60) 8.21 2.43 (0.47) 5.16
PERILAKU --------
4.90 (0.59) 8.28
PSI Note: This matrix is diagonal. SIKAP -------1.32 (0.16) 8.36
ASPIRASI -------0.22 (0.03) 8.37
SKOR_BIO -------1781.05 (218.24) 8.16
Squared Multiple Correlations for Structural Equations SIKAP -------0.31
ASPIRASI -------0.17
SKOR_BIO -------0.38
Squared Multiple Correlations for Reduced Form SIKAP -------0.31
ASPIRASI -------0.17
SKOR_BIO -------0.36
SOSEK -------0.01 (0.05) 0.14 0.10 (0.02) 5.19 4.39 (1.95) 2.25
MINAT -------0.35 (0.13) 2.76 -0.06 (0.05) -1.16 0.50 (5.11) 0.10
Reduced Form
SIKAP
ASPIRASI
SKOR_BIO
PERSEPSI -------1.70 (0.25) 6.68 - -
-38.41 (10.35) -3.71
Reduced Form
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - 2.12 (2.05) 1.03
PERILAKU -------- - -0.68 (1.96) -0.35
ALPHA SIKAP -------3.44 (3.17) 1.09
ASPIRASI -------4.26 (0.73) 5.84
SKOR_BIO -------800.01 (135.88) 5.89
151
LB_GURU -------- -
KESIAPAN -------- -
HAMBATAN -------- -
- -
- -
- -
1.82 (0.57) 3.19
-1.44 (2.35) -0.61
-2.14 (0.85) -2.51
Global Goodness of Fit Statistics, Missing Data Case
-2ln(L) for the saturated model = -2ln(L) for the fitted model =
6546.877 6562.668
Degrees of Freedom = 12 Full Information ML Chi-Square = 15.79 (P = 0.20) Root Mean Square Error of Approximation (RMSEA) = 0.047 90 Percent Confidence Interval for RMSEA = (0.0 ; 0.10) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.48
TI Standardized Solution BETA
SIKAP ASPIRASI SKOR_BIO
SIKAP -------- - -0.16
ASPIRASI -------- - 0.03
SKOR_BIO -------- - - -
SOSEK -------0.01 0.40 0.16
MINAT -------0.20 -0.09 0.04
GAMMA
SIKAP ASPIRASI SKOR_BIO
PERSEPSI -------0.50 - -0.22
LB_GURU -------- - 0.24
KESIAPAN -------- - -0.05
HAMBATAN -------- - -0.19
GAMMA
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - 0.09
PERILAKU -------- - -0.03
Correlation Matrix of Y and X
SIKAP ASPIRASI SKOR_BIO PERSEPSI SOSEK MINAT LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
SIKAP -------1.00 -0.08 -0.32 0.52 -0.14 0.27 -0.14 0.00 0.05 0.04 -0.04
ASPIRASI --------
SKOR_BIO --------
PERSEPSI --------
SOSEK --------
MINAT --------
1.00 0.17 -0.14 0.40 -0.07 0.06 -0.02 -0.06 0.11 0.05
1.00 -0.44 0.36 0.00 0.38 -0.10 -0.30 0.16 0.08
1.00 -0.32 0.14 -0.28 0.09 0.11 0.09 -0.03
1.00 0.05 0.15 -0.11 -0.17 0.28 0.10
1.00 0.01 -0.23 -0.04 -0.03 -0.13
Correlation Matrix of Y and X
LB_GURU KESIAPAN HAMBATAN IKLIM PERILAKU
LB_GURU -------1.00 0.00 -0.11 0.08 0.01
KESIAPAN --------
HAMBATAN --------
IKLIM --------
PERILAKU --------
1.00 0.00 -0.02 0.02
1.00 -0.22 -0.23
1.00 0.49
1.00
152
PSI Note: This matrix is diagonal. SIKAP -------0.69
ASPIRASI -------0.83
SKOR_BIO -------0.62
Regression Matrix Y on X (Standardized)
SIKAP ASPIRASI SKOR_BIO
PERSEPSI -------0.50 - -0.29
SOSEK -------0.01 0.40 0.17
MINAT -------0.20 -0.09 0.01
LB_GURU -------- - 0.24
KESIAPAN -------- - -0.05
HAMBATAN -------- - -0.19
LB_GURU -------- -
KESIAPAN -------- -
HAMBATAN -------- -
- -
- -
- -
1.82 (0.57) 3.20
-1.44 (2.35) -0.61
-2.14 (0.85) -2.52
LB_GURU -------- - - -
KESIAPAN -------- - - -
HAMBATAN -------- - - -
Regression Matrix Y on X (Standardized)
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - 0.09
PERILAKU -------- - -0.03
TI Total and Indirect Effects Total Effects of X on Y
SIKAP
ASPIRASI
SKOR_BIO
PERSEPSI -------1.70 (0.25) 6.71 - -
-38.41 (10.32) -3.72
SOSEK -------0.01 (0.05) 0.14 0.10 (0.02) 5.21 4.39 (1.94) 2.26
MINAT -------0.35 (0.13) 2.77 -0.06 (0.05) -1.17 0.50 (5.09) 0.10
Total Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - 2.12 (2.04) 1.04
PERILAKU -------- - -0.68 (1.95) -0.35
Indirect Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
PERSEPSI -------- - -10.19 (5.53) -1.84
SOSEK -------- - 0.29 (0.80) 0.36
MINAT -------- - -2.33 (1.44) -1.62
Indirect Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - - -
PERILAKU -------- - - -
153
Total Effects of Y on Y
SIKAP ASPIRASI SKOR_BIO
SIKAP -------- - -6.01 (3.13) -1.92
ASPIRASI -------- - 3.35 (7.65) 0.44
SKOR_BIO -------- - - -
Largest Eigenvalue of B*B' (Stability Index) is
47.361
TI Standardized Total and Indirect Effects Standardized Total Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
PERSEPSI -------0.50 - -0.29
SOSEK -------0.01 0.40 0.17
MINAT -------0.20 -0.09 0.01
LB_GURU -------- - 0.24
KESIAPAN -------- - -0.05
HAMBATAN -------- - -0.19
KESIAPAN -------- - - -
HAMBATAN -------- - - -
Standardized Total Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - 0.09
PERILAKU -------- - -0.03
Standardized Indirect Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
PERSEPSI -------- - -0.08
SOSEK -------- - 0.01
MINAT -------- - -0.03
LB_GURU -------- - - -
Standardized Indirect Effects of X on Y
SIKAP ASPIRASI SKOR_BIO
IKLIM -------- - - -
PERILAKU -------- - - -
Standardized Total Effects of Y on Y
SIKAP ASPIRASI SKOR_BIO
SIKAP -------- - -0.16
ASPIRASI -------- - 0.03
SKOR_BIO -------- - - -
Time used:
0.141 Seconds
154
LAMPIRAN 21. Contoh : Deskripsi Indikator Sikap Siswa Terhadap Pelajaran Matematika Tingkat Kesukaan Siswa pada Pelajaran Matematika Missing; 43; 1%
Saya Suka Pelajaran Matematika
Sangat Setuju; 1518; 36%
Sangat Tidak Setuju; Agak 153; 4% Tidak Setuju; 540; 13%
Agak Setuju; 1938; 46%
Tingkat Kesetujuan Siswa bahwa Pelajaran Matematika Membosankan Missing; 64; 2%
Matematika membosankan
Sangat Tidak Setuju; 1430; 34%
Agak Setuju; 993; 24% Agak Tidak Setuju; 1434; 34%
155
Sangat Setuju; 271; 6%
