Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara 1

Nur Ika Choiriyah, 2Prof.Dra.Susanti Linuwih,M.Stat,PhD, 3Ir.Mutiah Salamah,M.Kes 1

Mahasiswa Jurusan Statistika FMIPA-ITS (1306 100 031) 2,3 Dosen Jurusan Statistika FMIPA-ITS 1 [email protected], [email protected], [email protected] ABSTRAK Anak putus sekolah merupakan hal yang cukup banyak menjadi sorotan di dunia pendidikan. Di wilayah Kota Surabaya, angka putus sekolah tertinggi terdapat di wilayah Surabaya Utara. Oleh karena itu perlu diketahui karakteristik siswa putus sekolah dan faktor-faktor yang mempengaruhinya, penelitian ini merupakan studi kasus bagi siswa usia wajar (Wajib Belajar 9 tahun) di wilayah Surabaya Utara. Metode yang dipakai dalam penelitian ini adalah regresi logistik biner. Hasil dari penelitian ini menunjukkan karakteristik anak putus sekolah tingkat SD dan SMP di Surabaya Utara 79,5% perempuan, dengan 67,1% jumlah anggota rumah tangga lebih dari empat orang. Serta 46,6% pendapatan orang tua berkisar antara Rp 501.000 s/d Rp 1.000.000 dengan kondisi rumah 49,3% semi permanen, dan 63% status kependudukan bapak adalah sebagai penduduk asli. Dalam hubungannya dengan keadaan sewaktu masih sekolah, 56,2% anak putus sekolah membayar SPP dengan cara rutin tiap bulan oleh orang tua/wali, dan 57,5% mendapatkan buku dengan cara membeli sendiri, serta 67,1% menjangkau sekolah dengan berjalan kaki. Sedangkan peran orang tua anak putus sekolah dalam mendukung anak sekolah, 56,2% adalah tidak mendukung/mendampingi anaknya untuk bersekolah. Faktor-faktor yang mempengaruhi anak putus sekolah dengan tingkat signifikansi 10% adalah jenis kelamin, cara membayar SPP, peran orang tua dalam mendukung anak sekolah, pendapatan orang tua, kondisi rumah, serta status kependudukan bapak. Kata kunci: Putus sekolah, regresi logistik biner 1. Pendahuluan Pendidikan anak merupakan bagian tak terpisahkan dari persoalan mencerdaskan bangsa. Dengan pendidikan, anak-anak diasah melalui seperangkat pengetahuan untuk memiliki kesadaran dan kemauan yang positif dalam menemukan dan merumuskan tujuan untuk dirinya di masa-masa mendatang. Di wilayah Kota Surabaya, angka putus sekolah tertinggi terdapat di wilayah Surabaya Utara. Berdasarkan penelitian tentang anak putus sekolah di Kecamatan Jangka Kabupaten Bireuen, oleh Grahacendikia, Madura dan Sumatera Selatan, oleh Abiyoso Alifianto ditemukan penyebab anak putus sekolah adalah dari faktor demografi, geografis, sosial budaya, dan ekonomi. Namun untuk masing-masing wilayah tersebut terdapat perbedaan mengenai faktor mana yang paling dominan. Hal ini tergantung dari kondisi wilayah dan penduduk di wilayah tersebut. Besarnya angka putus sekolah di wilayah Surabaya Utara diduga dipengaruhi aspek demografi, sosial, budaya, serta ekonomi. Berangkat dari berbagai faktor yang diduga sebagai penyebab anak putus sekolah itulah, maka penting untuk melakukan penelitian ini yang bertujuan mendeskripsikan karakteristik serta faktor-faktor yang mempengaruhi siswa putus sekolah tingkat SD dan SMP di kawasan Surabaya Utara. Misi lebih lanjut yang dibawa oleh penelitian ini adalah memberi masukan kepada pemerintah Kota Surabaya dalam menyusun kebijakan pendidikan untuk menurunkan angka putus sekolah tingkat SD dan SMP. Metode statistika yang digunakan untuk mencapai tujuan penelitian tersebut adalah analisis regresi logistik. Analisis regresi logistik digunakan jika variabel respon bersifat kategorik (nominal atau ordinal) dengan variabel-variabel prediktor kontinu maupun kategorik (Agresti, 1990).

1

Manfaat yang dapat diperoleh dari penelitian ini yaitu memberikan masukan kepada pemerintah Kota Surabaya dalam menyusun kebijakan pendidikan untuk menurunkan angka putus sekolah tingkat SD dan SMP, sehingga berdasarkan variabel-variabel yang diperoleh diharapkan angka putus sekolah tingkat SD dan SMP dapat dikendalikan. 2. Tinjauan Pustaka Putus Sekolah Putus sekolah adalah proses berhentinya siswa secara terpaksa dari suatu lembaga pendidikan tempat dia belajar. Anak Putus sekolah yang dimaksud disini adalah terlantarnya anak dari sebuah lembaga pendidikan formal, yang disebabkan oleh berbagai faktor. Wajib belajar merupakan salah satu program yang gencar digalakkan oleh Departemen Pendidikan Nasional (Depdiknas). Program ini mewajibkan setiap warga negara Indonesia untuk bersekolah selama 9 (sembilan) tahun pada jenjang pendidikan dasar, yaitu dari tingkat kelas 1 Sekolah Dasar (SD) atau Madrasah Ibtidaiyah (MI) hingga kelas 9 Sekolah Menengah Pertama (SMP) atau Madrasah Tsanawiyah (MTs). (Wikipedia) Berdasarkan penelitian tentang anak putus sekolah di Kecamatan Jangka Kabupaten Bireuen, Madura dan Sumatera Selatan (Alifiyanto, 2008) ditemukan penyebab anak putus sekolah adalah dari faktor demografi, geografis, sosial budaya, dan ekonomi. Namun untuk masing-masing wilayah tersebut terdapat perbedaan mengenai faktor mana yang paling dominan. Hal ini tergantung dari kondisi wilayah dan penduduk di wilayah tersebut. Hasil penelitian tersebut bahwa di Kecamatan Jangka Kabupaten Bireuen secara umum masalah utamanya adalah kondisi ekonomi keluarga yang kurang mendukung dan sebagian lagi adalah faktor keluarga. (Grahacendikia, 2009). Sedangkan hasil penelitian di Kecamatan Omben, Kabupaten Sampang, Madura bahwa penyebab anak putus sekolah dari faktor sosial budaya antara lain motivasi rendah, menjaga adik, malu, tidak naik kelas, nikah muda. Dari faktor geografis antara lain daerah perbukitan dan jarak sekolah yang jauh dari rumah. Dari faktor ekonomi antara lain tidak ada biaya, bekerja, membantu orang tua. Dari ketiga faktor tersebut permasalahan ekonomi sangat dominan menjadi penyebab anak putus sekolah. Hasil penelitian di Kecamatan Selangit, kabupaten Musi Rawas, Propinsi Sumatera Selatan ditemukan penyebab anak putus sekolah dari faktor sosial budaya antara lain malas, nakal, takut dengan guru, tidak naik kelas, masalah keluarga. Dari faktor geografis antara lain jalan rusak dan jarak sekolah yang jauh dari rumah. Faktor ekonomi indikatornya antara lain tidak ada biaya dan bekerja. Dari ketiga faktor tersebut permasalahan geografis sangat dominan menjadi penyebab anak putus sekolah. Pemerintah telah berusaha menanggulangi masalah putus sekolah dengan memberikan Program Bantuan Operasional Sekolah (BOS). Tujuan program BOS untuk membebaskan biaya pendidikan bagi siswa tidak mampu dan meringankan bagi siswa yang lain, agar mereka memperoleh layanan pendidikan dasar yang lebih bermutu sampai tamat dalam rangka penuntasan wajib belajar 9 tahun. (Departemen Pendidikan Nasional dan Depar-temen Agama, 2006) Regresi Logistik Regresi logistik digunakan jika variabel respon bersifat kategorik (nominal atau ordinal) dengan variabel-variabel prediktor kontinu maupun kategorik (Agresti, 1990). Variabel respon Y yang bersifat random dan dikotomus, yakni bernilai 1 dengan probabilitas π dan bernilai 0 dengan probabilitas 1- π , disebut sebagai point-binomial (Le, 1998). Secara umum, model regresi logistik yang dinyatakan sebagai fungsi x adalah (Hosmer and exp(β 0 + β1x ) Lemeshow, 1989) π( x ) = (1) 1 + exp(β 0 + β1x ) Untuk mempermudah penaksiran parameter regresi, maka digunakan transformasi logit ter⎛ π(x ) ⎞ hadap π ( x ) sehingga menjadi bentuk logit pada persamaan g (x ) = ln ⎜⎜ (2) ⎟⎟ = β 0 + β1x ⎝ 1 − π(x ) ⎠ Regresi logistik berganda Model regresi logistik dengan k variabel prediktor adalah (Le, 1998)

2

exp( β 0 + β1x1 + ... + β k x k ) (3) 1 + exp( β 0 + β1x1 + ... + β k x k ) Jika model pada persamaan (3) ditransformasi dengan menggunakan transformasi logit, maka akan (4) menghasilkan bentuk logit g(x) = β 0 + β1x1 + ... + β k x k yang merupakan fungsi linier dalam parameter-parameternya. π(x) =

Estimasi parameter Metode estimasi yang mengarah pada fungsi least squares dalam model regresi linier (jika residual berdistribusi normal) disebut maximum likelihood (Hosmer and Lemeshow, 1989). Jika parameter pada model regresi logistik dinotasikan sebagai β t = [β 0 β 1 ...β k ] maka pada dasarnya metode maximum likelihood mengestimasi nilai β dengan memaksimumkan fungsi Likelihood (Hosmer and Lemeshow, 1989). Fungsi distribusi probabilitas untuk setiap pasangan (xi, yi), adalah (Hosmer and Lemeshow, 1989) f (x i ) = π (x i )y i (1 − π (x i ))1− y i (5) ⎞ ⎛ k exp⎜⎜ ∑ β j x ij ⎟⎟ Dimana, ⎠ ⎝ j =0 π(x i ) = ⎡ ⎞⎤ ⎛ k ⎢1 + exp⎜⎜ ∑ β j x ij ⎟⎟⎥ ⎠⎦⎥ ⎝ j =0 ⎣⎢

Pengujian signifikansi parameter Pengujian parameter model dilakukan untuk memeriksa apakah variabel predictor mempunyai pengaruh yang nyata di dalam model. Uji parameter yang digunakan dalam penelitian ini adalah : a. Uji Serentak Statistik uji-G adalah uji rasio kemungkinan (likelihood ratio test) yang digunakan untuk menguji peranan variabel prediktor di dalam model secara bersama-sama (Hosmer and Lemeshow, 2000). Rumus umum untuk uji-G berdasarkan hipotesis : H0 : β 1 = β 2 = ... = β k = 0 H1 : Minimal ada satu β j ≠ 0 untuk j=1,2,...,k Statistik Uji (Hosmer and Lemeshow, 1989):

Dengan, n1 =

n

n

i =1

i =1

n0 n1 ⎤ ⎡ ⎛ n1 ⎞ ⎛ n 0 ⎞ ⎜ ⎟ ⎜ ⎟ ⎥ ⎢ ⎝n⎠ ⎝ n ⎠ ⎥ ⎢ G = −2 Ln ⎢ n ⎥ (1− y i ) yi ⎥ ⎢ ∏ πˆ (x i ) (1 − πˆ (x i )) ⎥⎦ ⎢⎣ i =1

(6)

∑ yi ; n0 = ∑ (1 − y i ) ; n = n0 + n1

Dibawah H0, statistik uji G akan mengikuti distribusi chi-square dengan derajat bebas k (Hosmer and Lemeshow, 1989). Sehingga untuk memperoleh keputusan, nilai statistik uji G dibandingkan dengan nilai χ 2 (α ,k ) . Kriteria penolakan H0 adalah jika G > χ 2 (α ,k ) . b. Uji Parsial Statistik uji Wald digunakan untuk menguji parameter β j secara parsial (Hosmer and Lemeshow, 2000). Rumus umum untuk uji-Wald berdasarkan hipotesis : H0 : β j = 0 ; j = 1,2,...,k H1 : β j ≠ 0 Statistik Uji (Le, 1998): Wald (W) =

βˆ j

(7)

SEˆ( βˆ j )

Kriteria penolakan H0 adalah jika | W >Z α / 2 .

3

Uji Kesesuaian Model Berikut ini adalah prosedur pengujian kesesuaian model. H0 : Model sesuai H1 : Model tidak sesuai g (o − n k ' π k )2 Statistik Uji : Cˆ = ∑ k k =1 n k ' π k (1 − π k )

(8) ck

Dengan g = Jumlah grup, n k ' = Banyaknya subjek pada grup ke-k, o k = ∑ y j ,jumlah nilai variabel ck

m j ˆπ (x j )

j =1

nk '

respon pada grup ke-k , π k = ∑

j =1

, rata-rata taksiran probabilitas dimana mj adalah banyaknya

subjek pada ck kategori variabel respon. Jika H0 benar, maka distribusi statistik uji Cˆ mengikuti distribusi chi-square dengan derajat bebas g-2 (Hosmer and Lemeshow, 1989). Daerah penolakan H0 adalah Cˆ > χ (2g − 2 ,α ) . Interpretasi koefisien model regresi logistik Untuk regresi logistik dimana variabel prediktor bersifat dikotomus, nilai x dikategorikan 0 atau 1. Pada model ini, ada dua nilai π(x ) dan dua nilai 1− π(x ) . Tabel 1 Nilai-Nilai π(x ) dan 1− π(x ) Untuk Variabel Prediktor Dikotomus Variabel respon y=1 y=0

Variabel Prediktor x=1 exp(β 0 + β1 ) π(1) = 1 + exp(β 0 + β1 ) 1 - π(1) =

1 1 + exp(β 0 + β1 )

x=0 π(0) =

exp(β 0 ) 1 + exp(β 0 )

1 - π(0) =

1 1 + exp(β 0 )

Sumber: Hosmer and Lemeshow, 1989 Odds rasio, dinotasikan ψ , didefinisikan sebagai rasio odds untuk x = 1 terhadap odds untuk x = 0, yang dapat dituliskan dalam persamaan (9) berikut (Hosmer and Lemeshow, 1989). π(1)/[1 − π (1)] (9) ψ= π(0 )/[1 − π (0 )] 3. Metodologi Penelitian Populasi dari responden penelitian ini terbagi menjadi dua kelompok, yakni anak putus sekolah dan tidak putus sekolah tingkat SD dan SMP di Surabaya Utara. Data untuk anak putus sekolah tidak diketahui jumlahnya secara pasti. Data sekunder yang didapatkan tidak sesuai dengan keadaan yang sebenarnya di lapangan. Kebanyakan anak yang terdata sebagai putus sekolah ternyata tidak memenuhi kriteria disebabkan usianya sudah terlampau jenjangnya atau anak tersebut sebenarnya tidak putus sekolah, hanya saja kondisi ekonomi orang tua mereka tidak mampu, dll. Sehingga tidak bisa terbentuk sampling frame secara probabilistik. Oleh karena itu, digunakan metode pengambilan sampel yang digunakan adalah non probabilistik sampling yaitu secara sampling purposif, suatu metode sampling non probabilistik yang didasarkan pada ciri-ciri atau sifat tertentu yang dipandang mempunyai hubungan erat dengan ciri-ciri atau sifat populasi sebelumnya (Hadi, 2006). Untuk menjamin keacakannya maka akan dilakukan uji keacakan data untuk tiap variabel prediktor. Sehingga kesimpulan yang didapat akan dapat dipertanggungjawabkan secara statistik. Untuk kelompok anak putus sekolah didapatkan 73 data. Sedangkan data untuk kelompok anak tidak putus sekolah akan diambil dengan cluster random sampling di wilayah yang terdapat anak putus sekolah di Surabaya Utara. Sebagai cluster adalah wilayah dimana terdapat anak putus sekolah kemudian diambil sampel secara acak anak yang masih sekolah usia 7 – 15 tahun. Sehingga didapatkan 132 data.

4

Pengambilan data sekunder dilakukan pada minggu pertama bulan Juli, kemudian diikuti survei awal pada minggu pertama dan kedua bulan Agustus. Survei secara keseluruhan dilaksanakan pada tanggal 18 s/d 26 Nopember 2009. Sampel yang didapatkan dari kelompok putus sekolah sebanyak 73 data, sedangkan untuk kelompok anak tidak putus sekolah didapatkan 132 data. Sehingga total sampel adalah sebanyak 205 data.

No 1 2 3 4 5

Tabel 2 Sebaran Sampel Penelitian Jumlah sampel Kecamatan sekolah Putus sekolah Krembangan 12 15 Semampir 23 4 Pabean Cantikan 12 17 Kenjeran 35 24 Bulak 50 13 Jumlah = 205 132 73

Variabel respon yang digunakan yaitu : 1. Anak usia SD dan SMP di Surabaya Utara yang putus sekolah, diberi kode 1 2. Anak usia SD dan SMP di Surabaya Utara yang tidak putus sekolah, diberi kode 0 Rincian variabel prediktor dan pendukung tertera pada Tabel 3 berikut. Tabel 3 Rincian variabel prediktor dan pendukung No

Variabel Pendukung (Analisis Deskriptif)

Aspek dan Variabel Prediktor

1

Demografi X1

X2

− umur (orang tua)

Jenis Kelamin X1=0 laki-laki X1=1 perempuan

− Agama

Jumlah anggota rumah tangga X2=0 jika jumlah anggota ≤ 4 X2=1 jika jumlah anggota > 4

2

Sosial X3

X4

− Kegiatan yang dilakukan anak − Bagaimana hubungan antar

Bagaimana cara bayar SPP X3=0 rutin setiap bulan X3=1 angsuran X3=2 gratis/sebagian dari bantuan Bagaimana cara memperoleh buku X4=0 beli X4=1 gratis X4=2 pinjam

X5

Bagaimana cara menjangkau sekolah X5=0 jalan kaki X5=1 diantar X5=2 naik sepeda X5=2 naik kendaraan umum

5

siswa

Lanjutan tabel 3 No

Aspek dan Variabel Prediktor

3

Variabel Pendukung Deskriptif)

(Analisis

Budaya X6

Peran orang tua dlm mendukung anak sekolah X6=0 mendampingi belajar X6=1 mendukung sekolah X6=2 tidak mendampingi/mendukung

X7

− Jenis permainan yang sering dimainkan di sekitar rumah − Kemampuan mengikuti pelajaran/ materi di sekolah

Rata-rata waktu untuk bermain dengan teman X7=0 waktu bermain dengan teman < 2 jam

− Intensitas membolos

X7=1 waktu bermain dengan teman ≥ 2 jam 4

Ekonomi − Kepemilikan harta benda utama dalam rumah − Fasilitas yang ada di rumah − Kepemilikan lahan/rumah yang ditempati sekarang

X8

Pendapatan orangtua/bulan X8=0 > Rp 1.500.000 X8=1 Rp 1.001.000 s/d Rp 1.500.000 X8=2 Rp 501.000 s/d Rp 1.000.000 X8=3 Rp 0 s/d Rp 500.000

X9

Kondisi rumah yang ditempati sekarang X9=0 permanen X9=1 semi permanen

X10

Status kependudukan bapak X10=0 penduduk asli X10=1 penduduk pendatang

Uji Keacakan Data Berdasarkan uji keacakan yang dibandingkan dengan mean dengan α=0,10 maka semua variabel berasal dari populasi yang acak kecuali variabel waktu bermain dengan teman. Dari sepuluh variabel ternyata terdapat sembilan variabel yang berasal dari populasi yang acak. Sehingga dapat dikatakan data telah berasal dari sampel yang acak dan mengikuti distribusi normal. Langkah-langkah penelitian Langkah-langkah yang digunakan dalam penelitian ini adalah sebagai berikut : a. Studi literatur Yaitu pengumpulan sumber informasi dari literatur, buku dan internet yang sesuai dengan penelitian yang dilakukan. b. Perumusan masalah dan pembuatan proposal Yaitu merumuskan masalah yang akan dibahas dalam penelitian. Masalah yang akan dibahas adalah karakteristik siswa putus sekolah tingkat SD dan SMP di Surabaya Utara. Setelah permasalahan ditetapkan, selanjutnya adalah pembuatan proposal. c. Pengumpulan data Pengumpulan data ini dengan survei terhadap anak usia SD dan SMP di Surabaya Utara. d. Analisis Data Langkah-langkah dalam menganalisis data adalah sebagai berikut : i. Melakukan analisis secara deskriptif untuk mengetahui karakteristik responden. ii. Menentukan model regresi logistik berganda antara variabel respon dengan variabel prediktor. iii. Melakukan uji signifikansi parameter dari model regresi logistik berganda untuk mengetahui variabel-variabel prediktor mana yang berpengaruh secara signifikan terhadap variabel respon.

6

iv. Menentukan model regresi logistik univariabel antara variabel respon dengan masing-masing variabel-variabel prediktor yang signifikan dari langkah iii. v. Menguji goodness of fit dari model regresi logistik terbaik, yakni model yang seluruh variabel prediktornya signifikan. vi. Menginterpretasikan model regresi terbaik. e. Pembuatan Laporan. Langkah terakhir dalam penelitian ini adalah pembuatan laporan. 4. Hasil dan Pembahasan 4.1 Karakteristik Responden Responden adalah anak usia 7 – 15 tahun. Dalam penelitian ini jenis kelamin anak putus sekolah 20,5% adalah laki-laki dan 79,5% perempuan. Jika ditinjau dari jumlah anggota rumah tangga untuk responden kelompok anak putus sekolah dan yang masih sekolah menunjukkan proporsi yang tidak berbeda masing-masing kelompok dominan pada jumlah anggota keluarga dalam rumah tangga adalah lebih dari 4 orang. Dan sekitar 97% responden beragama Islam. Apabila ditinjau dari pendapatan orang tua siswa kedua kelompok mayoritas berpendapatan Rp 500.001,- s/d Rp 1.000.000 dan kondisi rumah sebagai tempat tinggal adalah permanen untuk anak tidak putus sekolah. Sedangkan pada anak putus sekolah separuh diantaranya kondisi rumahnya masih semi permanen. Kondisi ini menggambarkan wilayah Surabaya utara di mana penelitian dilakukan termasuk wilayah yang kategori berpendapatan rendah, hal ini di dukung dengan mayoritas pekerjaan orang tua adalah buruh harian lepas. Berkaitan dengan masalah pendidikan, kelompok anak putus sekolah mayoritas menyatakan bahwa mereka membayar SPP dibayar rutin oleh orang tua pada saat mereka masih sekolah, yaitu dinyatakan oleh 56,2% responden anak putus sekolah. Untuk memperoleh buku pada saat mereka masih sekolah, 57,5% menyatakan mereka membeli sendiri. Dana bantuan BOS hanya digunakan untuk pembebasan biaya SPP tapi untuk keperluan buku dan alat tulis harus disediakan oleh siswa. Jika ditinjau dari peran orang tua dalam mendukung anaknya bersekolah tampak ada perilaku yang berbeda antara sikap orang tua kelompok anak putus sekolah dan yang masih sekolah. Pada kelompok anak putus sekolah 56,2% menyatakan bahwa pada saat belajar orang tua tidak mendampingi bahkan kurang memberikan dukungan, berbeda dengan kelompok anak yang masih sekolah 51,5% mereka dalam belajar didamping orang tua. Sedangkan banyaknya waktu yang dihabiskan bersama teman di rumah, mayoritas mereka banyak meluangkan waktu bersama temannya di rumah dengan rata-rata waktu lebih dari 2 jam per hari. Sebagian besar responden menjangkau sekolah dengan berjalan kaki. Hal ini mengindikasikan bahwa letak sekolah mereka tidak begitu jauh dari rumah tempat tinggal mereka (masih dapat dijangkau dengan berjalan kaki). Dapat disimpulkan bahwa sekolah-sekolah telah menyebar di seluruh wilayah Surabaya Utara. Sedangkan dari status bapak, 37% responden putus sekolah adalah pendatang dari luar daerah Surabaya. 4.2 Faktor-Faktor yang mempengaruhi siswa putus sekolah 4.2.1 Regresi logistik Serentak Regresi logistik serentak bertujuan untuk memperoleh model yang tepat dan sederhana berdasarkan faktor-faktor yang mempengaruhi anak putus sekolah. Regresi logistik serentak dilakukan dengan memasukkan seluruh variabel ke dalam model karena jika ternyata hubungan antar variabel prediktor sangat erat, maka dimungkinkan salah satu variabel akan menjadi tidak signifikan pengaruhnya terhadap variabel respon dikarenakan telah terwakili oleh variabel yang lain. Sehingga dapat diketahui ada atau tidaknya kasus multikolinieritas (ada hubungan antar variabel prediktor). Dalam penelitian ini digunakan uji serentak dengan metode Stepwise (Wald), diperoleh model dengan semua variabel signifikan dengan α = 0.10 pada step 5(a). Untuk mengetahui apakah parameter-parameter model telah signifikan atau tidak maka dilakukan langkah-langkah pengujian hipotesis sebagai berikut. H0 : β 1 = β 2 = β 3 = β 4 = β 5 = β 6 = β 7 = 0 H1 : Minimal ada satu β j ≠ 0 untuk j=1,2,...,7

7

Tabel 4 Hasil Pengaruh Faktor-faktor Putus Sekolah Terhadap Anak Putus Sekolah Secara Serentak Variabel B S.E. Wald df Sig. Exp(B) JK(PR) 1,370 0,520 6,930 1 0,008* 3,934 SPP rutin 27,974 2 0,000 SPP (angsur) 3,135 1,057 8,796 1 0,003* 22,992 SPP (gratis) 0,764 1,062 0,518 1 0,472 2,147 Peran ortu 23,875 2 0,000 PO (dukung) -0,876 0,500 3,065 1 0,080* 0,417 PO (tdk) -2,251 0,465 23,403 1 0,000* 0,105 Pndptn Ortu 6,605 3 0,086 Pd (1-1,5jt) -0,482 0,786 0,375 1 0,540 0,618 Pd (0,5-1jt) -1,336 0,804 2,761 1 0,097* 0,263 Pd (≤500rb) 0,005 1,023 0,000 1 0,996 1,005 Rmh (semi) -1,521 0,453 11,254 1 0,001* 0,219 Stts (pndtg) -1,066 0,448 5,666 1 0,017* 0,344 Konstanta 1,077 1,316 0,670 1 0,413 2,935 Catatan : signifikan pada: *) α = 10%. Berdasarkan Tabel 4, nilai signifikansi dari sepuluh variabel independen yang dimasukkan ke dalam model, terdapat enam variabel yang mempunyai nilai lebih kecil dari α=10% atau dapat dilihat dari nilai uji wald yang lebih besar dari nilai Z5%=1.96, sehingga H0 ditolak, artinya keenam variabel independen tersebut berpengaruh secara signifikan. Sehingga variabel independen secara bersamasama yang mempengaruhi anak putus sekolah yaitu jenis kelamin (perempuan), cara membayar SPP (angsuran), peran orang tua dalam mendampingi dan mendukung belajar anak sekolah (mendukung dan tidak mendampingi/mendukung), pendapatan orang tua (Rp 500.001- Rp 1.000.000), kondisi rumah yang ditempati sekarang (semi permanen), serta status kependudukan bapak (sebagai pendatang). Sedangkan model regresi logistik secara serentak yang terbentuk yaitu : π (x) = {exp(1,077 + 1,370JK( pr) + 3,135SPP(angsur) − 0,876PO(dukung) − (2,251PO(tdk) − 1,336Pd(0,5 − 1 jt) + − 1,521Rmh(semi) − (1,066stts( pndtg))} /{1 + exp(1,077 + 1,370JK ( pr) + 3,135SPP(angsur) + − 0,876 PO ( dukung ) − ( 2,251PO (tdk ) − 1,336 Pd (0,5 − 1 jt ) − 1,521Rmh ( semi ) − (1,066 stts ( pndtg ))}

4.2.2 Regresi Logistik Parsial Hasil analisis data untuk model regresi logistik biner dengan satu variabel (model regresi logistik tunggal) dari enam variabel yang diduga berpengaruh secara serentak terhadap kemungkinan seorang siswa usia 7-15 tahun akan putus sekolah terdapat enam variabel yang signifikan yaitu variabel jenis kelamin, cara membayar SPP, peran orang tua dalam mendampingi dan mendukung belajar anak sekolah, kondisi rumah yang ditempati sekarang, serta status kependudukan bapak dengan menggunakan α = 10%. Dan untuk mengetahui variabel prediktor mana yang berpengaruh, maka dilakukan pengujian signifikansi parameter secara parsial sebagai berikut. H0 : β j = 0 untuk j=1,2,...,7 H1 : β j ≠ 0 Tabel 5 Hasil Pengaruh Faktor-faktor Putus Sekolah Terhadap Anak Putus Sekolah Secara Individu Variabel B S.E. Wald df Sig. Exp(B) JK(PR) 0,693 0,343 4,085 1 0,043* 2,000 Konstanta 0,405 0,170 5,721 1 0,017 1,500 SPP rutin 30,807 2 0,000 SPP (angsur) 2,629 0,832 9,974 1 0,002* 13,860 Lanjutan Tabel 5

8

Variabel B S.E. Wald df Sig. Exp(B) SPP (gratis) 0,973 0,836 1,354 1 0,245 2,646 Konstanta -1,253 0,802 2,441 1 0,118 0,286 Peran ortu 27,851 2 0,000 PO (dukung) -0,860 0,411 4,383 1 0,036* 0,423 PO (tdk) -1,998 0,384 27,058 1 0,000* 0,136 Konstanta 1,580 0,293 28,999 1 0,000 4,857 Pndptn Ortu 9,958 3 0,019 Pd (1-1,5jt) -1,209 0,610 3,934 1 0,047* 0,298 Pd (0,5-1jt) -,905 0,600 2,276 1 0,131* 0,404 Pd (≤500rb) 0,405 0,777 0,272 1 0,602 1,500 Konstanta 1,386 0,559 6,150 1 0,013 4,000 Rmh (semi) -0,878 0,303 8,407 1 0,004* 0,415 Konstanta 0,932 0,194 23,080 1 0,000 2,541 Stts (pndtg) -0,526 0,314 2,810 1 0,094* 0,591 Konstanta 0,756 0,179 17,908 1 0,000 2,130 Catatan : signifikan pada: *) α = 10%. Pengaruh dari keenam faktor yang signifikan tersebut dapat dijelaskan secara individu yang berpengaruh dan menganggap variabel yang lain sebagai konstan adalah sebagai berikut. 1) Seorang anak yang berjenis kelamin perempuan kemungkinan akan putus sekolah dua kali lebih besar dibandingkan dengan anak yang berjenis kelamin laki-laki. 2) Anak yang membayar SPP dengan cara mengangsur mempunyai kemungkinan putus sekolah sebanyak 13,860 kali anak yang membayar SPP rutin setiap bulan. 3) Peran orang tua dalam mendukung anak sekolah yang menunjukkan pengaruh terhadap kemungkinan anak usia 7-15 tahun putus sekolah adalah pada kategori sikap orang tua yang mendukung belajar ankanya mempunyai kemungkinan 0,423 kali dibandingkan dengan anak yang belajarnya didampingi oleh orang tua. Sedangkan orang tua yang tidak mendampingi dan tidak mendukung anak pada saat belajar mempunyai kemungkinan 0,136 kali dibandingkan dengan anak yang belajarnya didampingi oleh orang tua (disimpulkan bahwa terdapat assosiasi negatif antara peran orang tua dan peluang anak putus sekolah). 4) Pendapatan orang tua antara Rp 500.000 s/d Rp 1.000.000 dan Rp 1.000.001 s/d Rp 1.500.000 mempunyai kemungkinan masing-masing 0,298 dan 0,404 untuk putus sekolah dibandingkan orang tua dengan pendapatan
Uji kesesuaian model Untuk menguji kesesuaian model apakah model sesuai dalam artian tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi model dilakukan dengan menggunakan hipotesis sebagai berikut : H0 : Model sesuai H1 : Model tidak sesuai

Berdasarkan hasil perhitungan didapatkan bahwa nilai Cˆ < χ (210%,14 ) sehingga H0 diterima yang artinya model sesuai (tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi model). 4.2.4 Ketepatan Pengklasifikasian responden

9

Hasil pengklasifikasian kemungkinan anak putus sekolah berdasarkan model terbaik adalah: Tabel 6 Ketepatan Klasifikasi Model Serentak Pengamatan Prediksi Persentase Benar 1 0 status 1 1 14 6,7 0 6 20 76,9 Persentase Keseluruhan 51,2 Berdasarkan Tabel 6 dapat dikatakan bahwa responden putus sekolah yang tepat diklasifikasikan pada kategori putus sekolah adalah sebanyak 1 pengamatan sedangkan responden yang tidak putus sekolah tepat diklasifikasikan pada kategori tidak putus sekolah adalah sebanyak 20 pengamatan. Sedangkan responden yang tidak tepat pengkategoriannya adalah 14 untuk responden kategori putus sekolah dan 6 diklasifikasikan ke dalam tidak putus sekolah. Sehingga dapat disimpulkan bahwa ketepatan klasifikasi model terhadap pengamatan adalah sebesar 51,2%. 5. Kesimpulan Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut : 1. Karakteristik anak putus sekolah tingkat SD dan SMP di Surabaya Utara 79,5% berjenis kelamin perempuan, dengan 67,1% jumlah anggota rumah tangga lebih dari empat orang. Serta 46,6% pendapatan orang tuanya berkisar antara Rp 501.000 s/d Rp 1.000.000 dengan kondisi rumah 49,3% semi permanen, dan 63% status kependudukan bapak adalah sebagai penduduk pendatang. Dalam hubungannya dengan keadaan sewaktu masih sekolah, 56,2% anak putus sekolah membayar SPP dengan cara rutin tiap bulan oleh orang tua / wali, dan 57,5% mereka mendapatkan buku dengan cara membeli sendiri, serta 67,1% menjangkau sekolah dengan berjalan kaki. Sedangkan peran orang tua anak putus sekolah dalam mendukung anak sekolah, 56,2% adalah tidak mendukung/mendampingi anaknya untuk bersekolah. 2. Faktor-faktor yang mempengaruhi anak putus sekolah adalah jenis kelamin, cara membayar SPP, peran orang tua dalam mendukung anak sekolah, pendapatan orang tua, kondisi rumah, serta status kependudukan bapak. Dan faktor yang paling dominan adalah membayar SPP dengan cara angsuran. 6. Daftar Pustaka Agresti, A. (1990). Categorical Data Analysis. John Wiley and Sons. New York. Alifianto, A. 2008, Kuliah Kerja Nyata Wajib Belajar 9 Tahun, Anonim. 2008, Dispendik Jaring Anak putus Sekolah, Anonim. 2008, “Kondisi Pendidikan Surabaya Utara Masih Rendah”, JawaPos (Surabaya), Mei Anonim. 2009, Wajib Belajar 9 Tahun, Astuti, P. P. 2009, Putus Sekolah Masih Menjadi Masalah, Departemen Pendidikan Nasional dan Departemen Agama dalam Suharyo, W. I. dan Widyanti, W. 2006, Bantuan Operasional Sekolah (BOS) dan Akses Terhadap Pendidikan Dasar Bagi Masyarakat Miskin, Grahacendikia.2009, Anak Putus Sekolah dan Cara Pembinaan-nya, Hadi, S. (2004). Metodologi Research 1. Andi offset. Yogyakarta. Hosmer, D.W and Lemeshow,S (1989). Applied Logistic Regression. John Wiley and Sons, Inc. USA. Kountur, R. (2004). Metode Penelitian untuk Penulisan Skripsi dan Tesis. PPM. Jakarta. Le,C.T.(1998). Applied Categorical Data Analysis. John Wiley and Sons, Inc. USA. Raharto, I. T. (2008). Upaya Memperkecil Angka Putus Sekolah Bagi Penduduk Miskin di kabupaten Serang. Program Pasca Sarjana Universitas Hasanudin. Makasar. Singarimbun, M. dan Effendi, S. (1989). Metode Penelitian Survai. LP3ES. Jakarta.

10