Kata Pengantar. Jakarta, 5 Desember 2012

Kata Pengantar

Pendidikan memiliki peran penting dalam proses pembangunan suatu bangsa dan negara. Perubahan zaman akibat dari perkembangan ilmu pengetahuan dan teknologi harus disejajarkan dengan penyediaan sumber daya manusia yang berkualitas. Oleh karena itu, pendidikan yang berhasil dan berkualitas merupakan salah satu syarat mutlak untuk mewujudkan pembangunan nasional. Periode 2012 sampai dengan 2020 merupakan periode terpenting dilihat dari usia produktif masyarakat Indonesia. Usia produktif manusia Indonesia dalam periode ini mencapai 50% populasi penduduk. Momen ini merupakan kesempatan emas untuk mendidik anak bangsa agar menjadi manusia yang berkualitas. Untuk itulah, perlu diidentifikasi mengenai kualitas sumber daya manusia Indonesia, yang salah satunya didasarkan atas hasil studi literasi internasional yang dilakukan oleh IEA melalui Program PIRLS 2011. Hasil studi ini dianalisis berdasarkan konteks keindonesiaan dalam peta internasional. Berdasarkan temuan terpetakan bahwa kemampuan membaca siswa Indonesia, baik di tataran internasional maupun nasional, masih rendah. Berbagai factor penyebabanya cukup banyak. Beberapa di antaranya adalah factor internal siswa seperti kebiasaan, minat, motivasi, dan budaya baca yang masih rendah; system pembelajaran membaca di sekolah belum memadai; isu literasi belum dijadikan dasar pengembangan kurikulum dan buku teks pelajaran serta buku pendidikan; ketersediaan sarana dan prasarana berupa buku di perpustakaan yang belum memadai; dan sistem penilaian yang masih lemah. Laporan hasil penelitian ini diharapkan dapat dijadikan dasar dalam kebijakan perbaikan pendidikan Indonesia di masa depan. Alhamdulillah penulis panjatkan puji syukur ke hadirat Allah SWT yang dengan limpahan berkah laporan penelitian analisis hasil belajar peserta didik berdasarkan literasi membaca hasil studi internasional PIRLS 2011 dapat diselesaikan. Untuk itu, penulis ucapkan terima kasih kepada Pusat Penilaian Pendidikan Balitbang Kemdikbud atas kepercayaan dan fasilitasi yang diberikan sehingga penelitian ini dapat diselesaikan.

Jakarta, 5 Desember 2012

Final Report Determinants Of Learning Outcomes - TIMSS 2011 ii

Daftar Isi

Kata Pengantar ...................................................................................................................... Daftar Isi ............................................................................................................................... Daftar Tabel ......................................................................................................................... Daftar Gambar ..................................................................................................................... Daftar Lampiran ................................................................................................................... BAB I

ii iii iv v vi

PENDAHULUAN .............................................................................................

1

1.1. 1.2. 1.3. 1.4.

Latar Belakang ........................................................................................ Perumusan Masalah ................................................................................ Tujuan Peelitian ...................................................................................... Manfaat Penelitian ..................................................................................

1 3 3 4

MODEL UNTUK PRESTASI BELAJAR ........................................................

5

2.1. Faktor-Faktor yang Memengaruihi Prestasi Siswa .................................. 2.2. Pendekatan Multi Level Untuk Prestasi Belajar ......................................

5 7

METODE PENELITIAN ..................................................................................

10

3.1. 3.2. 3.3. 3.4.

Sampel Penelitian .................................................................................... Instrumen Penelitian ................................................................................ Uji Validitas Konstruk ............................................................................. Teknik Analisis Data ...............................................................................

10 10 14 14

Hasil Penelitian..................................................................................................

15

4.1. 4.2. 4.3. 4.4.

Deskripsi Responden ............................................................................... Prestasi Matematika ................................................................................. Prestasi Siswa Berdasarkan Variabel Level Siswa dan Sekolah ............. Hasil Analisis Hubungan Antar Variabel dengan Multi Level ................

15 30 39 46

KESIMPULAN DAN REKOMENDASI..........................................................

53

5.1. Kesimpulan .............................................................................................. 5.2. Rekomendasi ...........................................................................................

53 54

Daftar Pustaka .......................................................................................................................

56

Lampiran-lampiran ...............................................................................................................

57

BAB II

BAB III

BAB IV

BAB V

Final Report Determinants Of Learning Outcomes - TIMSS 2011 iii

Daftar Tabel

Halaman Tabel 3.1 Tabel 3.2 Tabel 4.1 Tabel 4.2 Tabel 4.3 Tabel 4.4 Tabel 4.5 Tabel 4.6 Tabel 4.7 Tabel 4.8 Tabel 4.9 Tabel 4.10 Tabel 4.11 Tabel 4.12 Tabel 4.13 Tabel 4.14

Variabel Level Siswa......................................................................................... Variabel Level Sekolah ..................................................................................... Mean Prestasi Matematika ................................................................................ Mean Prestasi Bidang Algebra .......................................................................... Mean Prestasi Bidang Data & Chance .............................................................. Mean Prestasi Bidang Number .......................................................................... Mean Prestasi Aspek Knowing ......................................................................... Mean Prestasi Aspek Applying ......................................................................... Mean Prestasi Aspek Reasoning ....................................................................... Prestasi Matematika Berdasarkan Jenis Kelamin .............................................. Prestasi Matematika Berdasarkan Jumlah Buku yang ada di Rumah ........................................................................................................... Prestasi Matematika Berdasarkan Frekuensi Guru Memberikan PR .................................................................................................................... Prestasi Matematika Berdasarkan Waktu yang diluangkan Siswa untuk Mengerjakan PR ...................................................................................... Koefisien Regresi Hubungan antar Variabel pada Level Siswa ........................ Koefisien Regresi Hubungan antar Variabel pada Level Sekolah..................... Koefisien Regresi Random Sloop .....................................................................

11 12 31 33 34 35 36 37 38 39 40 42 43 47 49 51

Final Report Determinants Of Learning Outcomes - TIMSS 2011 iv

Daftar Gambar

Halaman Gambar 2.1 Gambar 4.1 Gambar 4.2 Gambar 4.3 Gambar 4.4. Gambar 4.5. Gambar 4.6. Gambar 4.7. Gambar 4.8. Gambar 4.9. Gambar 4.10. Gambar 4.11. Gambar 4.12. Gambar 4.13. Gambar 4.14. Gambar 4.15. Gambar 4.16. Gambar 4.17. Gambar 4.18. Gambar 4.19. Gambar 4.20. Gambar 4.21. Gambar 4.22. Gambar 4.23. Gambar 4.24. Gambar 4.25. Gambar 4.26. Gambar 4.27. Gambar 4.28. Gambar 4.29. Gambar 4.30. Gambar 4.31.

Model Prestasi Belajar pada Level Siswa dan Level Sekolah ................... 8 Responden Siswa Berdasarkan Jenis Kelamin .......................................... 15 Responden Siswa Berdasarkan Tahun Kelahiran ...................................... 16 Responden Siswa Berdasarkan Kepemilikan Buku di Rumah .................. 17Error! Bookmark not defined. Responden Siswa Berdasarkan Tingkat Pendidikan Ibu ........................... 18 Responden Siswa Berdasarkan Tingkat Pendidikan Ayah........................ 18 Jenjang Pendidikan Tertinggi yang Ingin Dicapai Siswa .......................... 19 Waktu yang Diluangkan Siswa untuk Mengerjakan PR ........................... 20 Responden Guru Berdasarkan Jenis Kelamin ........................................... 21 Deskripsi Guru Berdasarkan Usia ............................................................. 22 Deskripsi Guru Berdasarkan Pengalaman Mengajar................................. 23 Deskripsi Guru Berdasarkan Tingkat Pendidikan ..................................... 24 Deskripsi Guru Berdasarkan Bidang Studi Utama .................................... 25 Deskripsi Guru dalam Menggunakan Komputer....................................... 26 Deskripsi Jumlah Siswa yang Diajar dalam Satu Kelas ............................ 27 Deskripsi Jumlah Siswa di Sekolah .......................................................... 28 Persentase Siswa Kurang Mampu di Sekolah ........................................... 29 Jumlah Komputer yang Dimiliki Sekolah ................................................. 30 Prestasi Matematika Siswa ........................................................................ 31 Sebaran Data Prestasi Matematika ............................................................ 32 Sebaran Data Prestasi Bidang Algebra...................................................... 33 Sebaran Data Prestasi Bidang Data & Chance .......................................... 34 Sebaran Data Prestasi Bidang Number ..................................................... 35 Sebaran Data Prestasi Aspek Knowing ..................................................... 36 Sebaran Data Prestasi Aspek Applying ..................................................... 37 Sebaran Data Prestasi Aspek Reasoning ................................................... 38 Perbedaan Mean Prestasi Berdasarkan Jenis Kelamin .............................. 40 Perbedaan Mean Prestasi Berdasarkan Buku yang Ada di Rumah .. 41 Perbedaan Mean Berdasarkan Frekuensi Guru Memberikan PR .............................................................................................................. 42 Prestasi Matematika Berdasarkan Waktu untuk Mengerjakan PR .............................................................................................................. 44 Prestasi Berdasarkan Kepedulian Orang Tua ............................................ 44 Prestasi Siswa Berdasarkan Tindakan Bullying oleh Siswa Lain ............. 45

Final Report Determinants Of Learning Outcomes - TIMSS 2011 v

Daftar Lampiran

Halaman Lampiran 1 SEM Level Siswa ............................................................................................

57

Lampiran 2 SEM Level Sekolah .........................................................................................

81

Final Report Determinants Of Learning Outcomes - TIMSS 2011 vi

Bab I Pendahuluan

1.1.

Latar Belakang

Trends in International Mathematics and Science Study (TIMSS) adalah penelitian yang dilakukan dalam rangka membandingkan prestasi Matematika dan IPA siswa kelas 8 (delapan) di beberapa negara. Secara umum TIMSS bertujuan untuk memonitor hasil dari sistem pendidikan yang berkaitan dengan pencapaian belajar siswa kelas 4 (empat) dan 8 (delapan) dalam bidang Matematika dan IPA. TIMSS didesain untuk membantu pemerintah tidak hanya memahami tetapi juga meningkatkan efektivitas sistem pendidikan. Menurut mantan Presiden IEA Prof. T. Plomp (1999) sekurangnya ada lima fungsi/ manfaat dari keikutsertaan dalam studi yang diselenggarakan oleh IEA yaitu: (1) (2) (3) (4) (5)

description/ mirror functions, benchmarking, monitoring of quality of education, understanding observed differences, dan cross-national research.

Jika keikutsertaan dalam suatu studi komparatif internasional dapat difungsikan sebagaimana di atas, tentulah berbagai kebijakan dapat disesuaikan dan dikembangkan, bahkan dapat dirumuskan suatu reformasi pendidikan dalam rangka mencapai kualitas yang lebih tinggi. Namun sayangnya hal ini justru lebih banyak terjadi di negara maju yang menjadi peserta studi seperti ini. TIMSS melakukan monitoring prestasi matematika dan IPA secara rutin setiap 4 (empat) tahun sekali, dimulai pada tahun 1995, kemudian tahun 1999, 2003, 2007, dan 2011. Indonesia bergabung sebagai salah satu negara peserta TIMSS sejak pertama kali, dan melakukan monitoring khusus pada kelas 8 (umur 13 tahun). Namun Indonesia masuk dalam laporan TIMSS baru 4 (empat) periode, yaitu tahun 1999, 2003 dan 2007, dan 2011. Hasil penilaian TIMSS terhadap prestasi siswa Indonesia bidang matematika tiga periode sebelumnya adalah sebagai berikut: pada tahun 1999 Indonesia berada pada peringkat 34 dari 38 negara. Tahun 2003, berada pada peringkat 35 dari 46 peserta. Dan pada tahun 2007, Indonesia berada pada peringkat 36 dari 49 negara peserta. Data peringkat ini menunjukkan bahwa prestasi Matematika Indonesia cukup rendah dan berada pada kisaran peringkat 32 hingga 37 dari negaranegara anggota IEA yang jumlahnya sekarang lebih dari 50 negara. Hal ini akan lebih jelas bila acuan untuk melihat perkembangan Matematika adalah skor literasi yang dicapai oleh Indonesia. Sedangkan skor matematika pada tahun 1999 adalah 403, tahun 2003 adalah 411 dan tahun 2007 adalah 405. Rata-rata skor dari semua negara peserta adalah 500 dengan simpangan baku 100. Trend perkembangan skor Matematika siswa Indonesia tersebut menunjukkan kondisi yang memprihatinkan, tidak ada peningkatan prestasi dari tahun ke tahun secara signifikan. Prestasi Matematika ternyata berjalan di tempat. Hal ini tentu menimbulkan berbagai pertanyaan bagi pihakpihak yang terlibat dan peduli dengan dunia pendidikan di Indonesia. Apalagi bila mengingat anggaran pendidikan yang selalu meningkat, bahkan berlipat-lipat. Kondisi atau faktor-faktor apa sajakah yang menyebabkan prestasi siswa Indonesia di bidang Matematika tidak mengalami kemajuan? Apa implikasinya bagi pembelajaran, kurikulum, guru dan lembaga sekolah serta pengambilan kebijakan berkaitan dengan pendidikan? Pada tahun 2011 Indonesia berpartisipasi kembali dalam kegiatan TIMSS. Laporan internasional telah diberikan kepada masing-masing negara peserta TIMSS. Untuk mengetahui lebih jauh capaian prestasi siswa Indonesia terutama dalam bidang matematika memerlukan analisis lebih lanjut sehingga diperoleh gambaran yang lebih jelas atas prestasi yang dicapai siswa Indonesia.

Final Report Determinants Of Learning Outcomes - TIMSS 2011 1

Di samping memberikan informasi tentang kemampuan Matematika, data TIMSS tahun 2011 juga memberikan informasi berkaitan dengan siswa, guru dan sekolah. Kuesioner untuk siswa meliputi latar belakang siswa (jenis kelamin, pendidikan orang tua, dll), fasilitas belajar yang dimiliki di rumah, aktivitas di waktu luang, dan mengerjakan tugas sekolah, aspirasi siswa dalam pendidikan, sikap siswa terhadap matematika, sikap terhadap sekolah, sikap siswa terhadap guru, bullying yang dialami siswa, dan self efficacy siswa. Kuesioner guru memberikan gambaran mengenai kualitas guru (pengalaman mengajar, latar belakang pendidikan, tingkat pendidikan dan pengembangan diri guru), good teaching practice, interaksi guru, dan sebagainya. Sedangkan kuesioner sekolah memberikan gambaran mengenai lokasi, keadaan sekolah dan kepemimpinan kepala sekolah. Pada studi TIMSS yang dilaporkan adalah perbandingan skor prestasi Matematika dari berbagai negara anggota IEA. Mean skor antar-negara dibandingkan untuk mendapatkan posisi/ ranking dari masing-masing negara. Karena dilakukan secara berkala dengan siklus empat tahunan, maka trend dari kemajuan di masing-masing negara maupun perbandingan trend tersebut antar negara dapat dilakukan. Studi internasional lain yang hampir sama adalah “Program for International Student Achievement (PISA)” yang dilakukan oleh negara-negara anggota OECD. Meskipun bukan anggota OECD, Indonesia ikut di dalamnya. Dengan membandingkan skor prestasi siswa dari tahun ke tahun, baik secara internal maupun antar negara, atau antar studi yaitu TIMSS dan PISA, diharapkan Indonesia dapat memperoleh masukan berharga bagi pengambilan kebijakan pendidikan nasional yang paling tepat, khususnya yang berkaitan dengan peningkatan mutu pendidikan. Berbeda dengan banyak negara maju, sampai saat ini Indonesia belum memanfaatkan secara optimal data dan informasi yang dihasilkan dari keikut-sertaannya dalam studi internasional seperti TIMSS dan PISA ini. Padahal biaya untuk keikut-sertaan itu cukup tinggi. Salah satu penyebabnya adalah kurangnya analisis data yang lebih mendalam, yang bukan sekedar menampilkan secara deskriptif serta mempublikasikan tabel ranking dari skor antar negara. Misalnya, analisis mengenai bagaimana dan mengapa skor matematika anak Indonesia tergolong sangat rendah di dunia. Kalaupun analisis seperti itu sudah dilakukan, tampaknya masih amat sedikit yang menyangkut proses tercapainya prestasi matematika tersebut. Analisis yang melibatkan faktor-faktor yang memengaruhi prestasi matematika perlu dilakukan agar dapat diketahui hal apa saja yang secara dominan memengaruhi prestasi tersebut. Ada beberapa variabel yang terdapat pada data TIMSS yang menarik untuk dilihat pengaruhnya terhadap prestasi. Variabel-variabel tersebut berkaitan dengan siswa, guru, sekolah dan orang tua (meskipun informasi tentang orang tua siswa diperoleh melalui kuesioner siswa, pertanyaannya mengenai orang tua tapi diajukan kepada siswa, misalnya pertanyaan yang berkaitan dengan pendidikan orang tua). Sedangkan variabel tentang guru diperoleh melalui kuesioner guru. Misalnya yang berkaitan dengan latar belakang pendidikan guru, tingkat pendidikan guru, lama mengajar/ pengalaman mengajar, rasa aman yang dimiliki guru, kepuasan kerja yang dirasakan, serta banyak hal yang berkenaan dengan metode/teknik yang digunakan guru dalam mengajar. Adapun variabel sekolah berisi tingkat sosial ekonomi siswa, sumber daya sekolah, dan kepemimpinan. Dalam penelitian ini dilakukan pengelompokan butir-butir peertanyaan yang terkait agar dapat ditentukan konstruk yang sesuai. Pengelompokan dilakukan baik untuk variabel siswa yang berasal dari angket siswa, maupun variabel sekolah yang berasal dari angket guru dan kepala sekolah. Seperti telah disebutkan dimuka, dalam penelitian ini selain berbentuk deskriptif, juga akan dianalisis beberapa variabel baik variabel pada level siswa maupun variabel pada level sekolah (kuesioner guru dan kepala sekolah) yang terkait dengan prestasi belajar. Hal yang mendasari pemilihan ini adalah bahwa, secara teoritik, prestasi belajar siswa dipengaruhi secara langsung atau tidak langsung oleh kondisi internal siswa yang bersangkutan maupun oleh kondisi eksternalnya.. Berdasarkan data yang tersedia dalam penelitian ini, kondisi tersebut antara lain adalah self efficacy, attitude, bullying, sikap siswa terhadap guru, sikap siswa terhadap sekolah dan persepsi tentang pentingnya matematika, siswa aktif belajar, good teaching practice, efficacy guru, sikap terhadap profesi guru, penggunaan komputer dalam mengajar, hambatan yang dialami guru dalam mengajar, interaksi antar sesama guru, pendidikan guru, lama mengajar sumber daya sekolah dan kepemimpinan kepala sekolah. Pertanyaannya, apakah ada suatu model teoretis tertentu (tentang struktur hubungan


antara berbagai kondisi tersebut dengan prestasi belajar) yang dapat digunakan untuk menjelaskan prestasi siswa? Dalam hal ini akan dikaji keterkaitan antara variabel siswa dan variabel sekolah tersebut dengan prestasi belajar, khususnya pada bidang matematika dengan menggunakan analisis multilevel. 1.2.

Perumusan Masalah Perumusan masalah yang dikemukakan dalam penelitian ini dirumuskan sebagai berikut: 1. Bagaimanakah gambaran prestasi matematika siswa Indonesia berdasarkan data TIMSS tahun 2011 dan bagaimana bila dikaitkan dengan variabel pada level siswa dan level sekolah? 2. Bagaimanakah struktur model teoretis di level siswa yang dapat menjelaskan prestasi siswa Indonesia dalam bidang matematika? 3. Bagiamanakah struktur model teoritis di level sekolah yang dapat menjelaskan sikap terhadap matematika (attmath) dan efficacy terhadap matematika (effmat)? 4. Bagaimana pengaruh variabel di level sekolah terhadap prestasi siswa Indonesia dalam bidang matematika?

1.3.

Tujuan Penelitian Adapun tujuan dari penelitian ini yaitu: 1. Untuk mengetahui gambaran prestasi siswa dan bagaimana bila dikaitkan dengan variabel pada level siswa dan level sekolah. 2. Untuk mengetahui struktur model teoretis di level siswa yang dapat menjelaskan prestasi siswa Indonesia dalam bidang matematika. 3. Untuk mengetahui struktur model teoritis di level sekolah yang dapat menjelaskan sikap terhadap matematika (attmath) dan efficacy terhadap matematika (effmat). 4. Untuk mengetahui pengaruh variabel di level sekolah terhadap prestasi siswa Indonesia dalam bidang matematika.

1.4.

Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan/menambah informasi bagi kepentingan penyusunan kebijakan dalam rangka meningkatkan prestasi murid di bidang matematika. Selain itu juga bisa menjadi sumbangan bagi pengembangan model teoritis tentang prestasi belajar siswa di Indonesia. Jika kita dapat mengetahui faktor-faktor yang memengaruhi prestasi siswa dalam Matematika baik pada tingkat siswa dan atau tingkat sekolah, maka kita dapat menyesuaikan kebijakan pendidikan baik dalam hal teknis pendidikan maupun aspek manajemen, seperti alokasi anggaran, sistem organisasi, dsb. Dari sisi teknis, hasil penelitian ini diharapkan bermanfaat pula untuk memperbaiki proses belajar mengajar dan kurikulum matematika di Indonesia.


Bab II Model Untuk Prestasi Belajar

2.1.

Faktor-Faktor yang Memengaruhi Prestasi Siswa

Fokus dari penelitian ini adalah untuk menemukan atau sekurangnya mengidentifikasi variabelvariabel yang menjadi determinan dari prestasi belajar dalam bidang Matematika, khususnya pada anak Indonesia yang berada di kelas 8. Tentu saja secara umum prestasi belajar bergantung kepada banyak hal baik yang sangat situasional dan kasuistik (sakit gigi waktu ujian, dsb.), maupun yang bersifat lebih sistematik (seperti kurang minat, guru tak kompeten, kurikulum tak relevan, dsb.). Tentu saja yang akan dibahas di sini adalah hal-hal atau variabel yang sistematik. Pada tingkat internal siswa (personal variables), terdapat beberapa teori psikologi tentang hal yang memengaruhi tinggi rendahnya prestasi atau performance seseorang, salah satunya yang terkenal adalah teori atribusi. Teori ini pertama kali dikemukakan oleh Heider (1958), di mana melalui pendekatan teori atribusi ia mengajukan rumusan matematis untuk “performance”, yaitu : Performance = Motivation x Ability (disingkat: P = M x A) Konsep ini akhirnya menjadi sangat populer setelah seringkali dikutip oleh ahli-ahli lainnya ketika mereka membicarakan tentang “performance”, seperti misalnya oleh Anderson dan Butzin (1974), Maier (1965), O’Shaughnessy (1971), Lawler dan Porter (1967), Oliver (1974), dan Vroom (1964). Seperti terlihat pada rumusan di atas, menurut teori ini prestasi atau “performance” adalah hasil interaksi antara motivasi dengan abiliti. Dengan demikian, orang yang tinggi motivasinya tetapi memiliki abiliti yang rendah akan menghasilkan “performance” yang rendah. Begitu pula halnya dengan orang yang sebenarnya berabiliti tinggi tetapi rendah motivasinya. Atas dasar ini Vroom (1964) menyarankan agar karyawan yang akan di “training” haruslah orang yang bermotivasi tinggi, sedangkan karyawan yang perlu dimotivasi hanyalah mereka yang berabiliti tinggi. Jika diaplikasikan di dunia pendidikan, artinya seorang anak akan menjadi “under-achiever” jika tidak memiliki motivasi belajar yang tinggi. Dalam konteks belajar di sekolah, tentu hal-hal (variabel) di luar diri siswa juga akan berpengaruh terhadap prestasi belajar atau “performance” tersebut. Walberg (1981) mengidentifikasi tiga kelompok variabel yang memengaruhi bukan hanya prestasi tetapi juga aspek perkembangan afektif dan behavioral siswa, yaitu: 1. Variabel personal seperti prestasi sebelumnya, umur, motivasi, self concept, dsb 2. Variabel instruksional seperti intensitas dan kualitas serta metode pengajaran, dan 3. Variabel lingkungan (environmental) yang terkait dengan keadaan di rumah, kondisi guru, kelas, dan sekolah, teman belajar, media belajar, dsb. Secara lebih spesifik lagi, Walberg (1992) mereview 8000 penelitian tentang pengaruh variabel-variabel tersebut terhadap prestasi belajar khususnya Matematika dan IPA, dan ia menemukan bahwa ketiga kelompok variabel tersebutlah yang secara konsisten terbukti menunjukkan pengaruh serta memiliki nilai prediksi tinggi terhadap prestasi belajar. Wilkin, Zembilas, dan Travers (2002) yang melakukan penelitian serupa dengan menggunakan data TIMSS, juga menggunakan pendekatan yang sama, yaitu dengan mengelompokkan variabel-variabel determinan dari prestasi belajar itu ke dalam 3 kelompok yaitu student personal variables, instructional, dan environmental. Oleh sebab itu, penelitian ini juga menggunakan pendekatan yang sama yaitu dengan mengelompokkan variabel-variabel yang diteorikan sebagai determinan dari


prestasi belajar tersebut. Namun pengelompokan yang dimaksud dibagi pada dua kelompok yaitu level siswa dan level sekolah. Dalam hal kelompok variabel manakah yang lebih dominan dalam memengaruhi prestasi belajar, terdapat hasil penelitian yang kesimpulannya berbeda-beda. Larry Sutter (2000), misalnya, mengutip hasil penelitian James Coleman yang terkenal di tahun 1960an di mana kesimpulannya adalah mengatakan bahwa ... “student performance was determined more by family background than by school characteristics”. Namun demikian, dalam studinya yang membandingkan prestasi matematika dan IPA secara internasional dengan menggunakan data TIMSS, Sutter (2000) menyimpulkan bahwa perbedaan prestasi belajar antar negara lebih banyak ditentukan oleh variabelvariabel kurikuler dan pengajaran. Ia juga mengutip kesimpulan penelitian Gustafsson dan Undheim (1996) yang mengatakan bahwa .. “ that results of international-level studies might be accounted for by differences in curriculum rather than intellectual differences among students”. Sebaliknya Heyneman (1997) menemukan yang sebaliknya yaitu student personal variable yang lebih menentukan, terutama sekali motivasi/ spirit belajar. Berikut adalah kutipan tulisannya (Heyneman, 1997): “What differentiates American children from other children in the world – and the explanation of poor performance among minorities and the poor – is the American public policy toward children. “In general, children in the United States are provided with too much opportunity and too few obligations; too much choice and too few responsibilities.” In addition, “U.S. school children are influenced by a common assumption that curriculum has to be entertaining”,…… …. “It isn’t poverty which drives scores of U.S. students down,” I said, “or race, or even minority status, but rather impoverish spirit”. ….. ….” It is the general lack of a desire to learn and this, in turn, is affected by public policy. …...” (page 29). Selanjutnya penelitian mengenai pengaruh variabel-variabel psikologis siswa biasanya lebih banyak dilakukan secara tersendiri di mana pengaruh variabel psikologi tertentu diteliti. Dalam hal ini, yang secara konsisten ditemukan pengaruhnya terhadap prestasi belajar antara lain adalah “self efficacy” (misalnya Ramdass and Zimmerman (2008). Sedangkan variabel yang umumnya tak berpengaruh terhadap prestasi adalah sikap terhadap mata pelajaran. Reiss (2009) menemukan ada enam “personality needs” yang erat kaitannya dengan “low achievement in school” yaitu “high need for acceptance”, “low need for cognition”, “lack of ambition”, “low need for order”, “low need for honor”, dan “high need for vengeance”. Variabel lingkungan belajar yang ditemukan berpengaruh misalnya adanya standard kelulusan (Cavanagh, 2009; Mc Neil, 2009). Penguasaan guru terhadap materi pelajaran misalnya, ditemukan lebih berpengaruh terhadap prestasi belajar siswa dari pada penguasaan metode mengajar (Telese, 2005; Viadero, 2009). Penelitian yang lainnya (Moon and Lee, 2009) tentang predictors dari prestasi anak di sekolah, menemukan bahwa yang signifikan pengaruhnya adalah “family factors especially parent education level and income”, “parent-child home activity”, dan “parental psychological well-being”. Selanjutnya, ia menemukan bahwa “parent school involvement” tak berkaitan dengan prestasi anaknya di sekolah. Berdasarkan uraian di atas menunjukkan bahwa prestasi yang dihasilkan oleh siswa bukanlah hasil dari sebuah faktor, melainkan hasil dari berbagai faktor yang saling terkait satu sama lainnya. Secara umum prestasi siswa dalam bidang matematika dipengaruhi oleh faktor internal dan faktor eksternal siswa serta interaksi dari keduanya. Dalam penelitian ini, faktor yang dianggap memiliki pengaruh terhadap prestasi siswa di bidang matematika ditetapkan berdasarkan data yang diperoleh dari level siswa berupa angket siswa dan level sekolah berupa angket guru dan angket kepala sekolah. Dari angket siswa diperoleh informasi mengenai faktor internal dari level siswa yang diduga memengaruhi prestasi siswa, yaitu self efficacy siswa, attitude siswa terhadap matematika, attitude siswa terhadap sekolah, sikap siswa terhadap guru, pentingnya matematika, orang tua peduli, dan tindakan bully yang dialami siswa. Sedangkan faktor eksternal dari level sekolah yang didapatkan dari angket guru adalah siswa aktif belajar, good teaching practice, efficacy guru, hambatan guru dalam mengajar, penggunaan komputer dalam mengajar, interaksi antar sesama guru, sikap terhadap profesi, dan lama mengajar. Sedangkan dari angket sekolah, faktor yang diduga memberikan


pengaruh kepada prestasi siswa adalah kepemimpinan sekolah, sosial ekonomi sekolah, dan sumber daya yang dimiliki sekolah. 2.2.

Pendekatan Multi Level Untuk Prestasi Belajar

Berdasarkan pada ketersediaan data, diteorikan bahwa ada tujuh variabel dari level siswa, dan tiga belas variabel dari level sekolah terdiri dari sepuluh variabel guru dan tiga variabel sekolah (seperti yang telah diidentifikasi dari kuesioner TIMSS di atas) yang mempunyai pengaruh terhadap tinggi rendahnya prestasi siswa, baik yang berupa pengaruh secara langsung maupun tidak langsung dan interaksinya. Adapun model teoretis yang disusun berdasarkan ketersediaan data dan akan digunakan sebagai landasan bagi pengembangan model dalam penelitian ini adalah seperti pada gambar berikut ini:

WITHIN

BETWEEN


Gambar 2.1. Model Prestasi Belajar pada Level Siswa dan Level Sekolah Tentu saja sangat banyak model yang dapat diteorikan berdasarkan pada variable-variabel pada gambar di atas, tetapi penulis akan memulai analisis dengan landasan teoretis ini. Deskripsi dari gambar di atas adalah sebagai berikut. Pada model within, prestasi matematika (Ach_Mat) dipengaruhi secara langsung oleh dua variabel yaitu self efficacy (effmath) dan attitude siswa terhadap matematika (attmath). Variabel-variabel yang lain juga memiliki pengaruh terhadap prestasi matematika, tetapi tidak secara langsung, yaitu melalui self efficacy dan attitude (sikap terhadap matematika). Self efficacy dipengaruhi oleh sikap terhadap matematika (attmat). Sikap terhadap matematika dipengaruhi sikap siswa terhadap guru (ssguru), pentingnya matematika (import), kepedulian orang tua (otpeduli), dan tindak kekerasan yang dilakukan siswa lain (bully). Sikap siswa terhadap guru dan sikap siswa terhadap sekolah dipengaruhi oleh kepedulian orang tua dan tindak kekerasan yang dilakukan siswa lain. Selanjutnya pada model between, variabel level sekolah diukur melalui tiga belas variabel dari kuesioner guru dan kepala sekolah. Ketiga belas variabel tersebut adalah dari kuesioner guru meliputi: siswa aktif belajar (sab), good teaching practice (gtp), efficacy guru (effguru), penggunaan sumber daya sekolah (useres), penggunaan komputer dalam mengajar oleh guru (usecomp), hambatan yang dialami guru, lama mengajar guru (exp), sikap terhadap profesi (attprof), dan pendidikan guru (pend). Variabel level sekolah yang bersumber dari dari kuesioner kepala sekolah adalah sosial ekonomi siswa di sekolah (sosek_s), sumber daya yang dimiliki sekolah (sresourc), dan kepemimpinan di sekolah (leader),. Varaibel level sekolah tersebut diteorikan sebagai berikut. Sosial ekonomi sekolah diteorikan memengaruhi sumber daya sekolah, penggunaan komputer, hambatan guru dalam mengajar, interaksi antar guru. Selain itu sosial ekonomi sekolah juga memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Kepemimpinan sekolah memengaruhi efficacy guru, good teaching practice dan juga memengaruhi prestasi siswa. Selain itu kepemimpinan sekolah juga diteorikan memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Variabel lama mengajar guru diteorikan memengaruhi siswa aktif belajar dan interaksi antar guru. Variabel sikap terhadap profesi memengaruhi good teaching practice dan efficacy guru. Variabel pendidikan memengaruhi efficacy guru dan intaraksi antar guru.


Pada variabel sumber daya sekolah diteorikan memengaruhi penggunaan sumber daya sekolah, penggunaan komputer dalam mengajar, good teaching practice, dan memengaruhi prestasi. Selain itu, sumber daya sekolah juga diteorikan memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Interaksi antar sesama guru memengaruhi efficacy guru. Variabel penggunaan komputer dan hambatan guru memengaruhi good teaching practice dan efficacy guru. Selain itu, hambatan guru juga diteorikan memengaruhi siswa aktif belajar, dan prestasi serta memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Variabel efficacy guru diteorikan memengaruhi good teaching practice dan siswa aktif belajar. Selain itu, efficacy guru juga diteorikan memengaruhi prestasi dan memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Untuk variabel good teaching practice diteorikan memengaruhi siswa aktif belajar dan prestasi serta memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Sedangkan variabel siswa aktif belajar diteorikan memengaruhi pengaruh attitude siswa terhadap prestasi dan memengaruhi pengaruh efficacy siswa terhadap prestasi. Dalam penyusunan model prestasi belajar ini, semua variabel baik pada level siswa maupun sekolah akan dilihat pengaruhnya baik langsung maupun tidak langsung serta interaksi yang didapat dari kedua level tersebut terhadap prestasi matematika.


Bab III Metode Penelitian

3.1.

Sampel Penelitian

Penelitian ini didasarkan pada data TIMSS tahun 2011. Berdasarkan data TIMSS tersebut, diketahui bahwa subyek penelitian adalah siswa berusia 13 tahun yang bersekolah di SMP dan MTs pada tahun 2011 berjumlah 5795 siswa. Sedangkan untuk sampel guru terdapat 170 orang dan sampel sekolah sebanyak 153 sekolah. Teknik dan prosedur penentuan sampel dan pengambilan data dapat dilihat pada laporan teknis TIMSS tahun yang bersangkutan, di mana teknik random sampling yang dilakukan amat kompleks, serta bersifat multi level, clustering, dan stratified. Hal tersebut dilakukan mengingat amat heterogennya negara peserta TIMSS baik dari segi jumlah penduduk, murid, dan sekolah, maupun variasi aspek lainnya seperti kurikulum dan sebagainya. Semua hal ini harus diperhitungkan agar perbandingan secara internasional dapat dilakukan secara obyektif. 3.2.

Instrumen Penelitian

Alat pengumpulan data TIMSS terdiri dari dua bentuk umum, pertama adalah tes kemampuan (prestasi belajar) dan yang kedua adalah kuesioner. Kuesioner terdiri dari kuesioner siswa yang berisi pertanyaan atau pernyataan yang diisi oleh siswa, kusioner guru yang berisi pertanyaan atau pernyataan yang diisi oleh guru, dan kuesioner sekolah yang berisi pertanyaan atau pernyataan yang diisi oleh kepala sekolah. 3.2.1.

Tes kemampuan

Tes prestasi ini untuk mengukur kemampuan matematika. Dalam hal ini, kemampuan matematika meliputi Aljabar, Geometri, Data, dan Angka. Pada kemampuan matematika, digunakan berbagai macam format tes untuk mengukur aspek kognitif knowing, applying, dan reasoning. Aspek knowing terdiri dari kemampuan melakukan recall, recognize, compute, retrieve, measure, dan classify/order. Aspek applying terdiri dari kemampuan melakukan select, represent, model, implement, dan solve routine problem. Sedangkan aspek reasoning meliputi kemampuan melakukan analyze, generalize, sinthesize/integrate, justify, dan solve non-routine problem. Pada penelitian ini skor tes tes kemampuan/prestasi matematika yang digunakan adalah prestasi matematika secara umum, tidak pada masing-masing konten atau aspek. 3.2.2.

Angket/Kuesioner

Angket/Kuesioner bertujuan untuk mengumpulkan data dari variabel yang terkait dengan prestasi belajar, baik itu tentang siswa dan keluarganya yang termasuk dalam level siswa dan angket guru dan kepala sekolah yang termasuk dalam level sekolah. Angket/ kuesioner yang diisi oleh siswa maupun guru dan kepala sekolah dikelompokkan ke dalam beberapa hal atau konstrak. Dalam penelitian ini hanya variabel-variabel yang signifikan saja pada saat dilakukan analisis SEM yang terpakai, yang selanjutnya akan dianalisis dengan multi level. Kuesioner tersebut adalah: a. Kuesioner Siswa Angket/kuesioner yang diisi oleh siswa dikelompokkan ke dalam beberapa hal atau konstrak. Variabel-variabel tersebut dan indikatornya dapat dilihat pada tabel berikut ini:


Tabel 3.1. Variabel Level Siswa NO 1 2

VARIABEL ACH_MATH EFFMATH

KETERANGAN Prestasi Matematika Efficacy terhadap Matematika

INDIKATOR Skor dan isi pernyataan  USUALLY DO WELL IN MATH  MATHEMATICS IS MORE DIFFICULT  MATHEMATICS NOT MY STRENGTH  LEARN QUICKLY IN MATHEMATICS  MAT MAKES CONFUSED AND NERVOUS  GOOD AT WORKING OUT PROBLEMS  I CAN DO WELL IN MATHEMATICS  I AM GOOD AT MATHEMATICS  MATHEMATICS HARDER FOR ME

3

ATTMATH

Sikap terhadap Mathematics

 ENJOY LEARNING MATHEMATICS  WISH HAVE NOT TO STUDY MATH  MATH IS BORING  LEARN INTERESTING THINGS  LIKE MATHEMATICS  MPORTANT TO DO WELL IN MATHJOB INVOLVING MATHEMATICS

4

ATTSCH

Sikap Terhadap Ssekolah

 BEING IN SCHOOL  SAFE AT SCHOOL  BELONG AT SCHOOL

5

SSGURU

Sikap Siswa Terhadap Guru

 TEACHER IS EASY TO UNDERSTAND  INTERESTED IN WHAT TCHR SAYS  INTERESTING THINGS TO DO

6

IMPORT

Pentingnya Matematika

 MATHEMATICS WILL HELP ME  NEED MAT TO LEARN OTHER THINGS  NEED MATH TO GET INTO  NEED MAT TO GET THE JOB I WANT

7

OTPEDULI

Kepedulian Orang Tua

 HOME\PARENTS ASK LEARNING  TALKING ABOUT SCHOOL  PARENTS MAKE SURE  PARENTS CHECK HOMEWORK

8

BULLY

Tindak kekerasan yang dilakukan siswa terhadap siswa lain

 MADE FUN OF  LEFT OUT OF GAMES  SPREADING LIES ABOUT ME


NO

VARIABEL

KETERANGAN

INDIKATOR  STEALING STH FROM ME  HURT BY OTHERS  FORCE TO DO STH

b. Kuesioner Guru dan Kepala Sekolah Angket/kuesioner yang diisi oleh guru dan kepala sekolah juga dikelompokkan ke dalam beberapa hal atau konstrak. Variabel-variabel tersebut dan indikatornya dapat dilihat pada tabel berikut ini: Tabel 3.2. Variabel Level Sekolah NO

VARIABEL

KETERANGAN

INDIKATOR

1

EXP

Lama mengajar

 Years Been Teaching

2

PEND

Tingkat pendidikan guru

 Level Of Formal Education Completed

3

ATTPROF

Sikap terhadap profesi guru

     

Content Profession Satisfied Teacher Level Of Enthusiam Work Importance Continue As A Teacher Level Of Frustration

4

EFFGURU

Efficacy guru

    

Answer Students Questions Variety Problemssol. Challenging Tasks Engage Students Interest Appreciate Math

5

USERES

Penggunaan sumber daya belajar

   

Resources\Textbooks Resources\Workbooks Or Worksheets Resources\Concrete Objects Help Resources\Computer Software

6

HAMGUR

Hamabatan guru dalam mengajar

     

Lacking Knowledge Lack Of Nutrition Lack Of Sleep Special Need Students Disruptive Students Uninterested Students

7

USECOMP

Penggunaan komputer dalam mengajar

 Use Computers\Preparation  Use Computers\Administration  Use Computers\Instruction

8

INTERG

Interaksi antar sesama guru

 Discuss Concept  Collaborate


NO

VARIABEL

KETERANGAN

INDIKATOR  Share Learning  Visits  Work Together

9

SAB

Siswa aktif belajar

    

Ask Students\Explain How To Solve Ask Students\Memorize Rules Ask Students\Work With Guidance Ask Students\Work In Whole Class Ask Students\Explain Their Answers

10

GTP

Good teaching practice

     

Summarizing Relate To Students Lives Elicit Reasons Encourage Students Praise Students Bring Interesting Material

11

SRESOURC

Sumber daya sekolah

 Total Number Computers

12

SOSEK_S

Sosial ekonomi siswa

 Students Background\Economic Disadva

13

LEADER

Kepemimpinan di sekolah

      

Vision Or Goals Developing Goals Orderly Atmosphere Clear Rules Addressing Behavior Initiating Projects Professional Development


3.3.

Uji Validitas Konstruk

Pengujian validitas konstruk dilakukan dengan cara menguji hipotesis yang menyatakan bahwa semua item mengukur satu hal saja yaitu konstruk yang didefinisikan. Dalam hal ini, metode statistika yang dikenal sebagai Confirmatory Factor Analysis (CFA) dapat digunakan. Ada dua langkah yang perlu dilakukan dalam rangka analisis ini: (1) menguji hipotesis apakah suatu model uni-dimensional (semua item merupakan indikator bagi satu faktor yang hendak diukur) sesuai (fit) dengan data yang dihasilkan, dan (2) jika terbukti memang model uni-dimensional yang fit dengan data, maka dilakukan uji hipotesis apakah masing-masing item signifikan dalam menghasilkan informasi tentang faktor 2 yang diukur. Hipotesis yang pertama dapat diuji dengan  test apakah ada perbedaan yang signifikan antara model dan data, sedangkan hipotesis yang kedua dapat diuji misalnya dengan t  test terhadap masing-masing koefisien muatan faktor, apakah signifikan lebih besar dari nol. Sebelum dilakukan uji validitas, peneliti memeriksa kembali item dan pilihan skor yang tersedia. Bila ada item yang pernyataannnya berbentuk unfavorable maka skornya disesuaikan. Dalam penelitian ini, analisis faktor konfirmatorik (CFA) ini dilakukan terhadap variabel yang memiliki lebih dari tiga butir-butir pernyataan. Dalam penelitian ini, uji CFA menggunakan software Lisrel versi 8.8 (Joreskog danSorbom, 2006). 3.4.

Teknik Analisis Data

Tujuan penelitian ini selain untuk mengetahui gambaran prestasi siswa bila dikaitkan dengan variabel pada level siswa dan level sekolah, dan yang utama adalah untuk mengetahui struktur model teoretis di level siswa yang dapat menjelaskan prestasi siswa Indonesia dalam bidang matematika, struktur model teoritis di level sekolah yang dapat menjelaskan sikap terhadap matematika (attmath) dan efficacy terhadap matematika (effmat), dan pengaruh variabel di level sekolah terhadap prestasi siswa Indonesia dalam bidang matematika. Ada dua langkah analisis yang dilakukan peneliti untuk menguji model, pertama adalah menguji model pada masing-masing level baik level siswa maupun level sekolah sehingga akan diperoleh variabel-variabel yang signifikan pengaruhnya terhadap variabel lainnya. untuk memperoleh variabel yang pengaruhnya signifikan terhadap variabel lainnya serta interaksinya peneliti menggunakan model persamaan struktural dengan latent variabel. Kedua, setelah dilakukan uji model persamaan dan diperoleh variabel yang signifikan pengaruhnya, peneliti melakukan analisis dengan menggunakan analsiis multi level. Variabel di level siswa dikelompokkan sebagai model within dan variabel di level sekolah sebagai model between. Pada model within akan diketahui variabel apa saja yang memiliki pengaruh langsung terhadap prestasi siswa, dan pengaruh tersebut apakah dipengaruhi oleh variabel-variabel yang berada dalam model between. Dalam penelitian ini, baik analisis persamaan struktural dengan latent variabel maupun analisis multi level akan menggunakan software MPLUS (Muthen, 2012).


Bab IV Hasil Penelitian

Pada bab ini akan diuraikan deskrispsi tentang responden penelitian yang meliputi siswa, guru, dan sekolah. Selain itu, akan diuraikan tentang temuan-temuan yang didapat dalam penelitian mengenai prestasi matematika berdasarkan pengaruh variabel level siswa maupun level sekolah dan interaksinya. Yang pertama akan disajikan adalah gambaran deskriptif tentang responden dan tentang prestasi matematika, beberapa contoh prestasi siswa dikaitkan dengan variabel yang lain. Kemudian akan disajikan hasil temuan dari analisis multi level. 4.1.

Deskripsi Responden

Responden dalam penelitian ini didasarkan pada data yang ada dalam laporan TIMSS tahun 2011. Responden terdiri dari siswa SLTP kelas delapan, guru , dan sekolah. Berikut ini gambaran responden penelitian. 4.1.1. Deskripsi Siswa Berdasarkan data TIMSS tahun 2011, siswa yang menjadi sampel dalam penelitian ini adalah sebanyak 5795 siswa. Deskripsi siswa yang akan ditampilkan berikut ini adalah tentang jenis kelamin, tahun kelahiran/usia, jumlah buku yang dimiliki di rumah, tingkat pendidikan ibu, tingkat pendidikan ayah, tingkat pendidikan yang ingin dicapai siswa, waktu yang diluangkan siswa untuk mengerjakan PR di rumah. a. Jenis Kelamin Dari jumlah sampel sebanyak 5795 orang, bila dilihat dari jenis kelamin dapat dinformasikan sebagai berikut:

51,3 %

48,7 %

Gambar 4.1. Responden Siswa Berdasarkan Jenis Kelamin


Pada gambar di atas dapat diinformasikan bahwa berdasarkan jenis kelamin, responden dalam penelitian ini tidak jauh berbeda antara sampel laki-laki dengan perempuan. Responden laki-laki berjumlah 48,7 %, sedangkan perempuan sedikit lebih banyak yaitu berjumlah 51,3 %. b. Tahun Kelahiran Siswa Meskipun seluruh sampel penelitian adalah siswa SMP/MTs kelas delapan, namun responden penelitian memiliki tahun kelahiran yang berbeda, sehingga usia siswa pun berbeda-beda. Berikut ini gambaran responden berdasarkan tahun kelahiran.

Gambar 4.2. Responden Siswa Berdasarkan Tahun Kelahiran Berdasarkan gambar di atas dapat diinformasikan bahwa rentang tahun kelahiran responden adalah antara tahun 1993 sampai 2001. Tahun kelahiran responden yang dominan adalah tahun 1997 sebanyak 3063 siswa atau 52,9% yang berarti berusia 14 tahun. Berikutnya adalah responden yang lahir tahun 1996 sebanyak 1879 siswa atau 32,4% yang berarti berusia 15 tahun. Responden yang tertua adalah responden yang lahir tahun 1993 yang berarti berusia 18 tahun dengan jumlah sebanyak 13 siswa atau 0,2 %, sedangkan responden termuda lahir tahun 2001 sebanyak 9 siswa atau 0,2 %. Perbedaan usia berdasarkan data di atas mungkin disebabkan oleh usia yang berbeda saat memasuki jenjang sekolah dasar maupun menengah di kalangan siswa atau siswa tinggal kelas saat di sekolah dasar atau menengah.


c. Jumlah Kepemilikan Buku di Rumah Deskripsi berikut ini berkaitan dengan pertanyaan “kira-kira berapa jumlah buku yang ada di rumahmu? (tidak termasuk majalah, surat kabar/koran atau buku-buku sekolahmu)”. Gambaran kepemilikan buku dapat dilihat pada gambar berikut ini.

52,7 %

24,8 % 18,4 %

2,7 %

1,3 %

Gambar 4.3. Responden Siswa Berdasarkan Kepemilikan Buku di Rumah Berdasarkan informasi di atas, sebagian besar siswa (52,7 %) memiliki buku antara 11 sampai 25 buku, berikutnya adalah siswa yang memiliki buku antara 0-10 buku sebanyak 24,8 %. Siswa yang memiliki buku antara 26-100 buku sebanyak 18,4 %. Sedangkan hanya 1,3 % siswa yang memiliki buku lebih dari 200 buku, dan 2,7 % siswa yang memiliki buku antara 101 sampai 200 buku. Keberadaan buku di rumah akan menunjukkan aktivitas siswa di rumah. Bila melihat prosentase di atas, sebagian besar siswa hanya memiliki buku 11 sampai 25 buah buku, hal ini berarti bahwa hanya sedikit siswa yang menghabiskan waktunya di rumah dengan membaca. Kondisi rendahnya kepemilikan buku di rumah mungkin disebabkan oleh kondisi ekonomi yang rendah sehingga daya beli buku di kalangan siswa juga menjadi rendah. Meskipun ada siswa yang memiliki buku lebih dari 100 buah, namun hal tersebut persentasenya sangat rendah. d. Tingkat Pendidikan Ibu Pendidikan ibu dari responden siswa memiliki tingkat yang berbeda-beda dalam rentang antara lulus (Sekolah Dasar) atau tidak bersekolah hingga lulus Strata dua (S2) atau Strata tiga (S3). Berikut ini gambaran tingkat pendidikan ibu dari siswa yang menjadi sampel.


Gambar 4.4. Responden Siswa Berdasarkan Tingkat Pendidikan Ibu Dari gambar di atas menunjukkan bahwa sebagian besar (31,5 %) pendidikan tertinggi ibu dari para siswa adalah lulus SD atau tidak bersekolah, berikutnya adalah SLTP sebanyak 16,1 %. Sedaangkan yang berpendidikan S1 sebanyak 5,8 % dan S2/S3 sebanyak 1,3 %. Keadaan ini menggambarkan rendahnya tingkat pendidikan di kalangan perempuan di Indonesia. Padahal, ibu menjadi sentral dalam masalah rumah tangga termasuk salah satunya adalah mendidik dan membimbing anak. e. Tingkat Pendidikan Ayah Tingkat pendidikan ayah dari siswa yang menjadi responden dalam penelitian ini menunjukkan tingkat pendidikan yang lebih baik dari pendidikan ibu. Sebanyak 25,5 % tingkat pendidikan ayah dari siswa yang menjadi responden adalah lulusan SLTA. Namun demikian, ayah dari siswa yang tingkat pendidikannya SD atau tidak bersekolah juga cukup banyak yaitu 24,8 % atau hampir sama dengan ayah siswa yang lulus SLTA. Urutan yang terbanyak berikutnya adalah ayah siswa yang berpendidikan SLTP yaitu sebanyak 15,3 %, sedangkan hanya 7 % yang berpendidikan S1 dan 1,3 % yang berpendidikan S2/S3. Berikut adalah deskripsi gambar tentang tingkat pendidikan ayah.

Gambar 4.5. Responden Siswa Berdasarkan Tingkat Pendidikan Ayah f.

Aspirasi Akademik Siswa


Deskripsi ini berkaitan dengan tingkat pendidikan tertinggi yang ingin di raih siswa, dengan rentang pilihan antara tingkat SLTP hingga Strata dua (S2) atau Strata tiga (S3). Berikut ini gambaran aspirasi akademik siswa.

Gambar 4.6. Jenjang Pendidikan Tertinggi yang Ingin Dicapai Siswa Berdasarkan gambar di atas terlihat bahwa para siswa memiliki cita-cita yang tinggi dalam bidang pendidikan. Sebagian besar siswa (44,1 %) memiliki keinginan untuk mencapai pendidikan S2 atau S3, sedangkan keinginan untuk mencapai jenjang S1 sebanyak 19,2 %. Gambaran ini menunjukkan bahwa para siswa di Indonesia memiliki keinginan yang kuat untuk maju dan berkembang. Karena hanya dengan pendidikan, sebuah bangsa bisa unggul menyaingi bangsa-bangsa lain di dunia. Namun bila melihat kepemilikan buku siswa di rumah seperti terlihat pada gambar sebelumnya, menunjukkan kemampuan ekonomi siswa yang rendah untuk membeli buku. Karena itu, ketidakmampuan siswa secara ekonomi bisa dijembatani oleh pemerintah untuk mewujudkan keinginan siswa meraih prestasi dan pendidikan yang tinggi. g. Waktu yang Diluangkan Siswa untuk Mengerjakan Pekerjaan Rumah (PR) Deskripsi ini berkaitan dengan waktu yang diluangkan untuk mengerjakan PR matematika, ketika guru memberikan PR. Berikut ini gambaran waktu yang diluangkan siswa untuk mengerjakan PR Matematika.


Gambar 4.7. Waktu yang Diluangkan Siswa untuk Mengerjakan PR Berdasarkan gambar di atas, dapat diinformasikan bahwa waktu yang diluangkan siswa untuk mengerjakan PR matematika paling banyak adalah responden yang meluangkan waktu antara 16-30 menit yaitu 30,1 %. Berikutnya adalah siswa yang meluangkan waktu selama 31-60 menit sebanyak 25,9 %, sedangkan yang meluangkan waktu selama 1-15 menit sebanyak 21,8 %. Ada pula siswa yang meluangkan waktu lebih dari 60 menit sebanyak 9,9 %, namun ada juga siswa yang tidak meluangkan waktu untuk mengerjakan PR (0 menit) yaitu sebanyak 2,4 %.


4.1.2.

Deskripsi Guru

Jumlah guru yang menjadi responden dalam penelitian TIMSS tahun 2011 adalah sebanyak 170 orang guru. Berikut ini deskripsi tentang guru yang akan disajikan meliputi jenis kelamin, usia, pengalaman mengajar, pendidikan terakhir, bidang studi utama, pemanfaatan komputer, dan jumlah siswa yang diajarkan dalam satu kelas. a. Jenis Kelamin Dari jumlah sampel sebanyak 170 orang, responden guru bila dilihat dari jenis kelamin dapat dinformasikan sebagai berikut:

57,1 %

42,9 %

Gambar 4.8. Responden Guru Berdasarkan Jenis Kelamin Pada gambar di atas dapat diinformasikan bahwa berdasarkan jenis kelamin,, responden guru dalam penelitian ini lebih banyak guru perempuan dibandingkan dengan guru laki-laki. Responden laki-laki berjumlah 42,97 %, sedangkan perempuan berjumlah 51,3 %. Informasi ini menggambarkan bahwa perempuan lebih berminat untuk menjadi guru dibandingkan laki-laki. Hal ini karena karakteristik pekerjaan sebagai guru lebih banyak disukai oleh perempuan. Karakteristik pekerjaan sebagai guru membutuhkan individu yang sabar, mengayomi, membimbing, peduli, dan sebagainya.


b. Usia Rentang usia guru dalam penelitian ini berkisar antara kurang dari 25 tahun hingga di atas 60 tahun. gambaran usia guru dapat diinformasikan sebagai berikut.

Gambar 4.9. Deskripsi Guru Berdasarkan Usia Berdasarkan gambar di atas dapat diinformasikan bahwa rentang usia guru yang paling banyak berada pada rentang usia antara 40-49 tahun yaitu dengan persentase sebesar 38,7 %. Urutan terbanyak berikutnya adalah rentang usia antara 30-39 tahun sebanyak 26,2 %. Rentang usia yang paling sedikit adalah di atas 60 tahun yaitu sebanyak 0,6 %. Sedangkan rentang usia yang paling muda sebanyak 5,4 % yaitu rentang usia dibawah 25 tahun.


c. Pengalaman Mengajar Rentang pengalaman mengajar guru bervariasi antara 1 hingga lebih dari 25 tahun, berikut ini informasi mengajar guru.

15,7 % 22,3 % 12 %

22,3 % 15,1 % 12,7 %

Gambar 4.10. Deskripsi Guru Berdasarkan Pengalaman Mengajar Berdasarkan gambar di atas dapat diinformasikan bahwa rentang pengalaman mengajar guru yang paling banyak berada pada rentang antara 1-5 tahun dan 6-10 tahun dengan persentase yang sama yaitu sebesar 22,3 %. Urutan terbanyak berikutnya adalah rentang pengalaman mengajar lebih dari 25 tahun yaitu 15,7 %. Rentang tersebut hampir sama dengan guru yang memiliki pengalaman mengajar selama 16-20 tahun yaitu sebesar 15,1 %. Sedangkan pengalaman mengajar 11-15 tahun dan 21-25 tahun persentasenya sebesar 12,7 % dan 12 %.


d. Pendidikan Terakhir Tingkat pendidikan guru sangat penting dalam proses pendidikan guru. Pendidikan dapat menggambarkan kedewasaan dan tingkat pengetahuan yang dimiliki oleh seorang guru. Berikut ini deskripsi pendidikan terakhir yang diselesaikan oleh guru.

86,3 %

7,1 % 1,2 %

2,4 %

3%

Gambar 4.11. Deskripsi Guru Berdasarkan Tingkat Pendidikan Berdasarkan gambar di atas dapat diinformasikan bahwa tingkat pendidikan guru yang paling dominan adalah strata satu (S1) dengan persentase sebesar 86,3 %, sedangkan tingkat pendidikan strata dua (S2) dan strata tiga (S3) sebanyak 7,1 %. Guru dengan tingkat pendidikan D3-D4 sebanyak 3 %. Namun masih ada guru yang berpendidikan D1-D2 dan SLTA yaitu sebesar 2,4 % dan 1,2 %.


e. Bidang Studi Utama Bidang studi utama adalah bidang studi yang ditekuni setelah lulus SLTA. Guru yang mengajar matematika tentu diharapkan bidang studi utamanya adalah matematika. Berikut ini gambaran persentase bidang studi utama yang ditekuni guru setelah lulus SLTA.

70,8 %

29,2 %

Gambar 4.12. Deskripsi Guru Berdasarkan Bidang Studi Utama Gambar di atas menunjukkan bahwa bidang studi utama yang ditekuni guru setelah SLTA sebagian besar adalah bidang studi matematika. Persentase guru yang menekuni bidang studi matematika sebagai studi utama sebesar 70,8 %. Dari gambar juga dapat diinformasikan bahwa masih cukup banyak guru yang mengajar matematika, namun bidang studi utama yang ditekuninya bukan matematika. Persentase guru yang mengajar matematika, tapi bidang studinya non-matematika adalah sebesar 29,2 %. Prestasi siswa pada bidang matematika salah satunya ditentukan oleh guru yang mengajarkan bidang tersebut. Apabila guru kurang menguasai bidang studi yang diajarkan, akan memengaruhi kemampuan siswa dalam menguasai materi yang diajarkan. Kondisi ini cukup memprihatinkan bila tidak dilakukan perbaikan,karena itu perlu ada kebijakan yang dapat mengatasi kondisi tersebut.


f.

Pemanfaatan Komputer

Seiring perkembangan teknologi, guru juga dituntut untuk familiar dengan teknologi yang berkembang termasuk dalam pemanfaatan komputer baik untuk keperluan administrasi, persiapan mengajar, dan proses pengajaran. Berikut ini gambaran penggunaan komputer oleh guru.

MENGGUNAKAN KOMPUTER

UNTUK PERSIAPAN

UNTUK ADMINISTRASI

UNTUK PENGAJARAN

80,5 % 55,6 % 47,9 %

44,4 %

52,1 %

19,5 %

Gambar 4.13. Deskripsi Guru dalam Menggunakan Komputer Berdasarkan gambar di atas dapat diinformasikan bahwa pemanfaatan komputer oleh guru paling banyak digunakan untuk keperluan administrasi yaitu sebesar 80,5 %. Namun untuk keperluan yang sama masih ada guru yang tidak menggunakan komputer yaitu sebanyak 19,5%. Untuk keperluan persiapan mengajar, sebanyak 55,6% guru memanfaatkan komputer sedangkan sebanyak 44,4% guru tidak memanfaatkannya. Untuk keperluan proses pengajaran, guru yang memanfaatkan komputer sebanyak 47,9%, sedangkan yang tidak memanfaatkan lebih banyak yaitu 52,1 %. Informasi di atas menunjukkan bahwa masih banyak guru yang belum familiar dengan teknologi dan kurang bisa memanfaatkan kecanggihannya untuk menunjang keberhasilan dalam menjalankan profesinya. Padahal perkembangan teknologi dapat dimanfaatkan untuk memudahkan proses administrasi, penyiapan bahan dalam mengajar, dan bahkan untuk keperluan mengajar itu sendiri.


g. Jumlah Siswa yang Diajar dalam Satu Kelas Deskripsi ini berkaitan dengan pertanyaan “berapa jumlah siswa di kelas ini”. Berikut adalah gambaran jumlah siswa yang diajar dalam satu kelas. JUMLAH SISWA DALAM SATU KELAS

56,8 %

21,9 % 16,6 % 3 %

1,8 %

Gambar 4.14. Deskripsi Jumlah Siswa yang Diajar dalam Satu Kelas Berdasarkan gambar di atas dapat diinformasikan bahwa sebanyak 56,8 % guru mengajar di kelas dengan jumlah siswa sebanyak 31-40 siswa. Persentase ini yang paling dominan dari guru yang menjadi reponden. Guru yang mengajar di kelas dengan jumlah siswa sebanyak lebih dari 41 siswa persentasenya sebesar 21, 9%. Sedangkan guru yang mengajar dengan jumlah siswa di kelas sebanyak 21-30 orang persentasenya sebesar 16,5 %. Adapun guru yang mengajar di kelas dengan jumlah siswa 11-20 siswa adalah sebanyak 3 % dan guruyang mengajar kurang dari 10 siswa dalam satu kelasnya sebesar 1,8 %. Informasi di atas menunjukkan bahwa belum terjadi pemerataan jumlah murid pada tiap-tiap sekolah atau kelas yang diteliti. Di satu sisi, ada sekolah atau kelas dengan kelebihan jumlah murid, di sisi lain masih banyak sekolah atau kelas yang kekurangan murid. Sekoah yang kekurangan murid akan menjadi kontras bila dikaitkan dengan banyaknya masyarakat usia sekolah yang tidak bersekolah karena alasan ekeonomi, fasilitas, dan sebagainya. Sekolah yang kelebihan murid dengan jumlah murid melebihi kapasitas kelas dan kemampuan guru dalam mengelola kelas akan menjadi masalah bila dikaitkan dengan efektivitas proses belajar mengajar di kelas yang berimplikasi pada prestasi belajar yang akan dicapai siswa. Oleh karena itu, perlu pertimbangan untuk mengatur kebijakan yang dapat mengatasi masalah sekolah yang kekurangan murid di satu pihak dan sekolah yang memiliki kelebihan murid dipihak lain. 4.1.3.

Deskripsi Sekolah

Berdasarkan data TIMSS tahun 2011, sekolah yang menjadi sampel dalam penelitian ini adalah sebanyak 153 sekolah di seluruh Indonesia. Berikut ini gambaran responden sekolah yang meliputi gambaran tentang jumlah keseluruhan siswa di sekolah, tingkat sosial ekonomi siswa, dan jumlah komputer yang dimiliki sekolah.

a. Jumlah Siswa


Uraian ini berkaitan dengan jumlah keseluruhan siswa yang terdaftar dan belajar disekolah pada tahun ajaran penelitian ini dilaksanakan. Deskripsi jumlah siswa di sekolah dapat diinformasikan dalam gambar berikut.

25 %

17,8 %

11,2 % 9,9 %

9,9 %

9,2 %

7,9 % 5,9 % 3,3 %

Gambar 4.15. Deskripsi Jumlah Siswa di Sekolah Berdasarkan gambar di atas, dapat diinformasikan bahwa jumlah siswa di sekolah dengan persentase tertinggi adalah sekolah yang memiliki siswa sebanyak 401-600 yaitu sebesar 25 %. Sekolah dengan jumlah siswa sebanyak 601-800 persentasenya sebesar 17,8 %. Sekolah dengan jumlah siswa 801-1000 sebesar 9,9 %, sedangkan sekolah yang memiliki siswa lebih dari 1000 sebesar 9,2 %. Pada gambar juga terlihat bahwa sekolah yang memiliki siswa antara 51-100 sebesar 5,9 %, dan ada juga sekolah yang memiliki siswa kurang dari 50 orang sebesar 3,3 %. Pada gambar di atas menunjukkan adanya ketimpangan jumlah siswa yang dapat diserap oleh masing-masing sekolah. Di satu sisi ada sekolah gemuk dengan jumlah siswa lebih dari 1000, di sisi lain ada sekolah kurus dengan jumlah siswa kurang dari 50. Keadaan ini menggambarkan tidak adanya pemerataan pada tiap-tiap sekolah. Banyak pemberitaan yang menginformasikan tentang banyaknya penduduk usia sekolah yang tidak bersekolah, padahal tingkat SLTP masuk dalam wajib belajar sembilan tahun. Namun pada kenyataannya, kewajiban belajar sembilan tahun belum maksimal diterapkan sehingga terjadi kontradiksi dimana banyak sekolah kekurangan murid, tapi banyak penduduk usia sekolah yang tidak sekolah padahal seharusnya mereka masuk dalam program wajib belajar.


b. Tingkat Sosial Ekonomi Siswa Tingkat sosial ekonomi siswa pada masing-masing sekolah di bawah ini lebih menggambarkan persentase siswa yang kurang mampu secara ekonomi di masing-masing sekolah. Berikut ini uraiannya.

5,4 % 15,4 % 55 % 24,2 %

Gambar 4.16. Persentase Siswa Kurang Mampu di Sekolah Gambar di atas menginformasikan bahwa ada 55 % sekolah yang memiliki siswa kurang mampu sebanyak lebih dari 50 % siswa, 24, 2 % sekolah memiliki 26 sampai 50 % siswa kurang mampu, 15,4 % sekolah memiliki siswa kurang mampu sebanayk 11 sampai 25 %, dan hanya 5,4 % sekolah yang memiliki siswa kurang mampu sebanyak 0-10 %. Berdasarkan gambar di atas menunjukkan bahwa perbandingan siswa yang yang mampu dan kurang mampu secara ekonomi lebih banyak siswa yang kurang mampu. Ketidakmampuan secara ekonomi hendaknya tidak menghambat siswa untuk bersekolah hingga capaian tertinggi yang diinginkan siswa. Bila merujuk pada pendidikan tertinggi yang ingin dicapai oleh siswa, sebagian besar siswa ingin mencapai pendidikan tertinggi hingga strata dua (S2) dan strata tiga (S3). Namun di sisi lain, siswa yang bersekolah sebagian besar kurang mampu secara ekonomi. Bila antara harapan dan kenyataan disandingkan maka akan terjadi hambatan untuk mewujudkan keinginan siswa. Oleh karena itu, perlu pertimbangan untuk memberi kemudahan bagi siswa dalam mencapai keinginannnya, misalnya pemerintah memberikan beasiswa hingga jenjang tertinggi yang dinginkan siswa.


c. Jumlah Komputer di Sekolah

Berikut ini adalah gambaran jumlah komputer yang dimiliki sekolah. 28,8 % 21,1 % 15,2 %

12,8 %

12,1 %

10,1 %

Gambar 4.17. Jumlah Komputer yang Dimiliki Sekolah Berdasarkan gambar di atas dapat diinformasikan bahwa sebagian besar atau 28,8% sekolah memilki komputer sebanyak 16-20 buah. Persentase yang hampir sama atau 21,1% sekolah memiliki komputer kurang dari 5 buah. Sebanyak 15,2 % sekolah memiliki 6-10 komputer, sekolah yang memiliki komputer 11-15 buah sebanyak 12,8 %, hampir sama atau 12,1 % dengan sekolah yang memiliki komputer 21-30 buah. Sedangkan sekolah yang memiliki komputer lebih dari 31 hanya 10,1 %. Informasi di atas menunjukkan bahwa pengenalan terhadap kemajuan teknologi, dalam hal ini komputer, belum maksimal dilakukan oleh sekolah. Padahal abad kini merupakan abad teknologi. Bila saat ini siswa dihadapkan pada situasi gagap teknologi, maka mereka akan kesulitan menghadapi masa depan yang dikuasai oleh perkembangan dan kemajuan teknologi. Sekolah seharusnya dapat mengenalkan sejak awal tentang manfaat dan penggunaan teknologi. Bila merujuk pada jumlah siswa di sekolah pada uraian sebelumnya, sebagian besar sekolah memiliki jumlah siswa sebanyak 401-600 dan 601-800 dibandingkan dengan sebagian besar sekolah memiliki komputer sebanyak 16-20 buah terdapat ketimpangan untuk dapat mengenalkan komputer pada siswa secara maksinmal. Namun hal ini bisa dimaklumi karena sebagian besar siswa yang bersekolah juga dalam kategori kurang mampu secara ekonomi sehingga sekolah tidak dapat mengadakan komputer secara memadai. Oleh karena itu, penting bagi pemerintah untuk mengatasi ketidakmampuan sekolah tersebut, misalnya dengan memberikan bantuan komputer kepada sekolahsekolah secara merata. 4.2.

Prestasi Matematika

Skor dalam Trends in International Mathematics and Science Study (TIMSS) bidang Matematika tahun 2011 terdiri dari skor prestasi Matematika secara umum, skor Matematika berdasarkan konten dan skor Matematika berdasarkan domain. Skor Prestasi yang digunakan dalam penelitian ini adalah skor plausibel value 1. Berikut ini deskripsi prestasi Matematika yang dicapai siswa Indonesia berdasarkan data TIMSS tahun 2011. 4.2.1.

Prestasi Matematika Secara Umum

Rata-rata skor prestasi Matematika siswa Indonesia secara umum menurut data TIMSS tahun 2011 dapat dilihat pada tabel berikut ini.


Tabel. 4.1. Mean Prestasi Matematika N PRESTASI MATEMATIKA

5795

Valid N (listwise)

5795

Minimum 99,31

Maximum 689,64

Mean 400,9769

Std. Deviation 82,94193

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean sebesar 400,977 dengan standar deviasi 82,94. Skor minimum yang diperoleh siswa sebesar 99,31 sedangkan skor maksimum sebesar 689,64. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 590,33. Capaian prestasi matematika di atas bila dibandingkan dengan capaian prestasi sebelumnya tidak jauh berbeda. Skor matematika pada tahun 1999 adalah 403, tahun 2003 adalah 411 dan tahun 2007 adalah 405. Dari capaian rata-rata skor yang diperoleh pada tahun 2011, berarti lebih rendah 3 point dibanding tahun 1999, 11 point dibanding tahun 2003, dan lebih rendah lima point dibanding tahun 2007. Dengan demikian, dari empat periode yang diikuti, tahun 2011 merupakan capaian prestasi yang paling rendah jika dibandingkan dengan tiga periode sebelumnya. Berikut ini deskripsi prestasi matematika siswa Indonesia secara umum dalam tampilan boxplot.

Gambar 4.18. Prestasi Matematika Siswa Dalam tampilan gambar boxplot di atas, beberapa ukuran statistik dapat diketahui. Nilai statistik pada badan bloxpot adalah nilai median sebesar 399,79, sedangkan Q1 memiliki nilai 345,07 dan Q3 memiliki nilai 458,56. Nilai prestasi terendah adalah 99,31 dan nilai prestasi tertinggi adalah 689,64. Dalam tampilan boxplot di atas juga dapat terlihat adanya nilai outlier atau nilai yang berada di atas 1,5 kali jangkauan kuartil yang berada di luar badan boxplot. Pada bagian atas boxplot terlihat nilai outlier sebanyak 6 kasus, sedangkan di bagian bawah terlihat nilai outlier sebanyak 10 kasus. Nilai skewness sebesar -0,046 menunjukkan sebaran data simetris. Hal ini dapat dilihat juga dari garis


median berada di tengah, sedangkan whisker atas dan bawah memiliki panjang yang sama, hanya saja data gambar menunjukkan adanya outlier baik bagian atas maupun bagian bawah. Untuk melihat sebaran data, dapat dilihat pada gambar histogram berikut.

Gambar 4.19. Sebaran Data Prestasi Matematika Dari gambar histogram di atas, terlihat bahwa data menyebar secara simetris, karena nilai skewness yang diperoleh mendekati nol. 4.2.2.

Prestasi Matematika Berdasarkan Konten

Prestasi Matematika yang dilaporkan dalam TIMSS tahun 2011, selain prestasi Matematika secara umum, juga dilaporkan prestasi Matematika berdasarkan kontennya. Ada tiga konten yang dilaporkan skornya, yaitu bidang algebra, data & chance, dan number. Berikut ini diinformasikan prestasi Matematika siswa Indonesia menurut kontennya. a. Prestasi Bidang Algebra Prestasi bidang algebra yang dicapai siswa Indonesia dapat diuraikan sebagai berikut: Tabel. 4.2. Mean Prestasi Bidang Algebra

PRESTASI BIDANG ALGEBRA

N

Minimum

Maximum

Mean

Std. Deviation

5795

70,42

721,05

405,2332

85,71762

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean untuk prestasi bidang algebra sebesar 405,2332 dengan standar deviasi 85,72. Skor


minimum yang diperoleh siswa sebesar 70,42 sedangkan skor maksimum sebesar 721,05. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 650,63. Capaian prestasi mean untuk prestasi bidang algebra di atas bila dibandingkan dengan capaian prestasi matematika secara umum tidak jauh berbeda. Namun demikian, ada perbedaan point yang diperoleh antara skor prestasi matematika secara umum dengan skor prestasi bidang algebra. Perbedaan skor mean yang diperoleh pada prestasi bidang algebra lebih tinggi 5 point jika dibandingkan dengan skor mean prestasi matematika secara umum. Untuk melihat sebaran data pada prestasi bidang algebra dapat dilihat pada gambar histogram berikut.

Gambar 4.20. Sebaran Data Prestasi Bidang Algebra Dari gambar histogram di atas, terlihat bahwa data menyebar secara simetris, karena nilai skewness yang diperoleh mendekati nol (-0,024) dengan standar deviasi of skewness 0,032. b. Prestasi Bidang Data & Chance Prestasi bidang data & chance yang dicapai siswa Indonesia dapat diuraikan sebagai berikut: Tabel. 4.3. Mean Prestasi Bidang Data & Chance

PRESTASI BIDANG DATA & CHANCE

N

Minimum

Maximum

Mean

Std. Deviation

5795

30,27

707,43

392,2175

89,62486

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean untuk prestasi bidang data & chance sebesar 392,22 dengan standar deviasi 89,525.


Skor minimum yang diperoleh siswa sebesar 30,27 sedangkan skor maksimum sebesar 707,43. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 677,16. Capaian prestasi mean untuk prestasi bidang data & chance di atas bila dibandingkan dengan capaian prestasi matematika secara umum dan bidang algebra tidak jauh berbeda. Namun demikian, ada perbedaan point yang diperoleh antara skor prestasi matematika secara umum dan bidang algebra dengan skor prestasi bidang data & chance. Perbedaan skor mean yang diperoleh pada prestasi bidang data & chance lebih rendah 8 point jika dibandingkan dengan skor mean prestasi matematika secara umum dan 13 poin bila dibandingkan dengan skor prestasi bidang algebra. Untuk melihat sebaran data pada prestasi bidang data & chance dapat dilihat pada gambar histogram berikut.

Gambar 4.21. Sebaran Data Prestasi Bidang Data & Chance Dari gambar histogram di atas, terlihat bahwa data menyebar secara simetris, karena nilai skewness yang diperoleh sebesar -0,163 dengan standar deviasi of skewness 0,032. c. Prestasi Domain Number Prestasi Domain number yang dicapai siswa Indonesia dapat diuraikan sebagai berikut: Tabel. 4.4. Mean Prestasi Bidang Number

PRESTASI BIDANG NUMBER

N

Minimum

Maximum

Mean

Std. Deviation

5795

32,66

689,68

391,3824

91,48890

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean untuk prestasi bidang number sebesar 391,38 dengan standar deviasi91,489. Skor minimum yang diperoleh siswa sebesar 32,66 sedangkan skor maksimum sebesar 689,68. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 657,02. Capaian prestasi mean untuk prestasi bidang number di atas bila dibandingkan dengan capaian prestasi matematika secara umum, bidang algebra, dan data & chance tidak jauh berbeda. Namun


demikian, ada perbedaan point yang diperoleh antara skor prestasi matematika secara umum, bidang algebra, dan data & chance dengan skor prestasi bidang number. Perbedaan skor mean yang diperoleh pada prestasi bidang number lebih rendah 9 point jika dibandingkan dengan skor mean prestasi matematika secara umum, dan 14 poin bila dibandingkan dengan skor prestasi bidang algebra, dan 1 point bila dibandingkan dengan bidang data & chance. Untuk melihat sebaran data pada prestasi bidang number dapat dilihat pada gambar histogram berikut.

Gambar 4.22. Sebaran Data Prestasi Bidang Number Dari gambar histogram di atas, terlihat bahwa data menyebar secara simetris, karena nilai skewness yang diperoleh sebesar -0,116 dengan standar deviasi of skewness 0,032. 4.2.3. Prestasi Matematika Berdasarkan Domain Prestasi Matematika yang dilaporkan dalam TIMSS tahun 2011, juga melaporkan prestasi Matematika berdasarkan domainnya. Ada tiga domain yang dilaporkan skornya, yaitu aspek knowing, applying, dan resoning. Berikut ini diinformasikan prestasi Matematika siswa Indonesia menurut domainnya. a. Prestasi Aspek Knowing Prestasi aspek knowing yang dicapai siswa Indonesia dapat diuraikan sebagai berikut: Tabel. 4.5. Mean Prestasi Aspek Knowing PRESTASI ASPEK KNOWING

N

Minimum

Maximum

Mean

Std. Deviation

5795

5,90

728,35

394,3148

93,23534

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean untuk prestasi aspek knowing sebesar 394,24 dengan standar deviasi 93,24. Skor minimum yang diperoleh siswa sebesar 5,90 sedangkan skor maksimum sebesar 728,35. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 722,45. Capaian prestasi mean untuk prestasi aspek knowing di atas bila dibandingkan dengan capaian prestasi matematika secara umum tidak jauh berbeda. Namun demikian, ada perbedaan point yang diperoleh antara skor prestasi matematika secara umum dengan skor prestasi aspek knowing.


Perbedaan skor mean yang diperoleh pada prestasi aspek knowing lebih rendah 6 point dibandingkan dengan skor mean prestasi matematika secara umum.

jika

Untuk melihat sebaran data pada prestasi bidang aspek knowing dapat dilihat pada gambar histogram berikut.

Gambar 4.23. Sebaran Data Prestasi Aspek Knowing Dari gambar histogram di atas, terlihat bahwa data prestasi aspek knowing menyebar secara simetris, karena nilai skewness yang diperoleh mendekati nol (0,012) dengan standar deviasi of skewness 0,032. b. Prestasi Aspek Applying Prestasi aspek applying yang dicapai siswa Indonesia dapat diuraikan sebagai berikut: Tabel. 4.6. Mean Prestasi Aspek Applying

PRESTASI ASPEK APPLYING

N

Minimum

Maximum

Mean

Std. Deviation

5795

5,00

678,08

401,4405

84,53786

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean untuk prestasi bidang data & chance sebesar 401,44 dengan standar deviasi 84,538. Skor minimum yang diperoleh siswa sebesar 5,00 sedangkan skor maksimum sebesar 678,,08. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 673,08. Capaian prestasi mean untuk prestasi aspek applying di atas bila dibandingkan dengan capaian prestasi matematika secara umum dan aspek knowing tidak jauh berbeda. Namun demikian, ada perbedaan point yang diperoleh antara skor prestasi matematika secara umum dan aspek knowing dengan skor prestasi aspek applying. Perbedaan skor mean yang diperoleh pada prestasi aspek applying lebih tinggi 1 point jika dibandingkan dengan skor mean prestasi matematika secara umum dan 7 poin bila dibandingkan dengan skor prestasi aspek knowing. Untuk melihat sebaran data pada prestasi aspek applying dapat dilihat pada gambar histogram berikut.


Gambar 4.24. Sebaran Data Prestasi Aspek Applying Dari gambar histogram di atas, terlihat bahwa data prestasi aspek applying menyebar secara simetris, karena nilai skewness yang diperoleh sebesar 0,090 dengan standar deviasi of skewness 0,032. c. Prestasi Aspek Reasoning Prestasi aspek reasoning yang dicapai siswa Indonesia dapat diuraikan sebagai berikut: Tabel. 4.7. Mean Prestasi Aspek Reasoning

PRESTASI ASPEK REASONING

N

Minimum

Maximum

Mean

Std. Deviation

5795

5,00

685,32

400,8514

84,94600

Berdasarkan tabel di atas diketahui bahwa jumlah sampel sebanyak 5795 siswa kelas delapan, diperoleh mean untuk prestasi aspek reasoning sebesar 400,85 dengan standar deviasi 84,95. Skor minimum yang diperoleh siswa sebesar 5,00 sedangkan skor maksimum sebesar 685,323. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 680,32. Capaian prestasi mean untuk prestasi aspek reasoning di atas bila dibandingkan dengan capaian prestasi matematika secara umum adalah sama. Namun demikian, ada perbedaan point yang diperoleh antara skor prestasi aspek reasoning dengan aspek knowing dan applying. Skor mean yang diperoleh pada prestasi aspek reasoning lebih tinggi 6 point jika dibandingkan dengan skor mean prestasi aspek knowing dan lebih rendah 1 poin bila dibandingkan dengan skor prestasi aspek applying. Untuk melihat sebaran data pada prestasi aspek reasoning dapat dilihat pada gambar histogram berikut.


Gambar 4.25. Sebaran Data Prestasi Aspek Reasoning Dari gambar histogram di atas, terlihat bahwa data menyebar secara simetris, karena nilai skewness yang diperoleh sebesar -0,135 dengan standar deviasi of skewness 0,032. 4.3.

Prestasi Siswa Berdasarkan Variabel Level Siswa dan Sekolah

Pada bagain ini akan dideskripsikan prestasi matematika siswa secara umum bila dilihat berdasarkan beberapa variabel level siswa dan level sekolah. Beberapa variabel yang akan dideskripsikan berkaitan dengan prestasi siswa secara umum adalah jenis kelamin, jumlah buku yang ada di rumah, pandangan siswa tentang frekuensi guru memberikan PR, waktu yang diluangkan untuk mengerjakan PR, kepedulian orang tua, dan tindak kekerasan yang dialami siswa (bully). 4.3.1. Prestasi Siswa Berdasarkan Jenis Kelamin Prestasi matematika siswa Indonesia bila dilihat berdasarkan jenis kelamin dapat digambarkan sebagai berikut. Tabel 4.8. Prestasi Matematika Berdasarkan Jenis Kelamin N

Mean

Std. Devi

female

2968

406.18

82.168

male

2820

395.71

83.351

Std. Error

95% Confidence Interval Lower Bound

Upper Bound

Mini

Maxi

1.508

403.22

409.13

106.97

689.64

1.569

392.63

398.78

99.31

684.77


Pada tabel di atas kategori 1 merupakan kelompok siswa perempuan dan kategori 2 adalah kelompok siswa laki-laki. Dari tabel terlihat bahwa sampel siswa perempuan sebanyak 2968 dengan mean prestasi yang diperoleh sebesar 406,1819 dan standar deviasi sebesar 82,17. Sedangkan sampel siswa laki-laki sebanyak 2820 dengan mean prestasi yang diperoleh sebesar 395,7115 dan standar deviasi sebesar 83,35. Dari perolehan mean kedua kelompok menunjukkan bahwa prestasi siswa perempuan lebih tinggi dibandingkan prestasi siswa laki-laki. Perbedaan skor mean yang diperoleh antara siswa perempuan dan siswa laki-laki adalah sebesar 10,47 point. Perbedaan mean siswa perempuan dengan siswa laki-laki dapat digambarkan dalam mean-plot sebagai berikut:

Gambar 4.26. Perbedaan Mean Prestasi Berdasarkan Jenis Kelamin

4.3.2. Prestasi Matematika Berdasarkan Jumlah Buku yang ada di Rumah Bagian ini berkaitan dengan pertanyaan kepada siswa tentang jumlah buku yang ada di rumah siswa (tidak termasuk majalah, surat kabar/koran atau buku-buku sekolah). Adapun pilihan jawaban yang tersedia adalah pilihan 1 (buku yang dimiliki antara 0-10 buku), 2 (11-25 buku), 3 (26-100 buku), 4 (101-200 buku), dan 5 (lebih dari 200 buku). Berikut ini adalah tabel prestasi matematika berdasarkan jumlah buku yang ada di rumah siswa. Tabel 4.9. Prestasi Matematika Berdasarkan Jumlah Buku yang ada di Rumah N

Mean

Std. Devi

1.00

1420

393.41

81.850

2.00

3020

397.07

3.00

1056

422.24

Std. Error


Upper Bound

Mini

Maxi

2.172

389.15

397.67

99.31

684.77

81.622

1.485

394.15

399.98

106.97

689.64

81.908

2.520

417.29

427.18

119.14

658.13


4.00

155

422.58

88.363

7.097

408.56

436.60

139.42

624.07

5.00

76

410.84

89.971

10.32

390.28

431.40

163.02

574.96

Berdasarkan tabel di atas dapat dilihat bahwa mean prestasi matematika tertinggi diperoleh oleh kelompok siswa kategori 3 dan 4 yaitu kelompok siswa yang memiliki buku di rumah antara 26-100 buku dan 101-200 buku. Skor prestasi keduanya adalah sebesar 422,58 dengan standar deviasi 88,36 dan 422, 24 dengan standar deviasi 81,91. Sedangkan skor terrendah diperoleh kelompok siswa yang memiliki buku antara 0-10 buah buku dengan skor mean prestasi sebesar 393,42 standar deviasi 81,86. Dari tabel dapat disimpulkan bahwa siswa yang memiliki buku lebih banyak menunjukkan prestasinya di atas mean prestasi secara umum (400,977), sedangkan siswa yang memiliki buku lebih sedikit atau tidak memiliki buku skor prestasinya di bawah prestasi secara umum. Kesimpulan ini menunjukkan bahwa memiliki banyak buku di rumah memberi kesempatan kepada siswa untuk memperkaya pengetahuannya dengan membaca buku yang banyak tersedia di rumah dibandingkan dengan kesempatan menambah pengetahuan pada siswa yang sedikit memiliki buku di rumah atau bahkan tidak memiliki sama sekali. Perbedaan skor mean prestasi siswa jika dilihat pada banyaknya buku yang dimiliki di rumah dapat dilihat pada gambar plot berikut.

Gambar 4.27. Perbedaan Mean Prestasi Berdasarkan Buku yang Ada di Rumah 4.3.3. Frekuensi Pekerjaan Rumah (PR) Bagian ini berkaitan dengan pertanyaan kepada siswa tentang seberapa sering guru memberikan pekerjaan rumah (PR) matematika. Pilihan jawaban yang diberiakn adalah 1 (setiap hari), 2 (3 atau 4 kali seminggu), 3 (1 atau 2 kali seminggu), 4 (kurang dari sekali seminggu), dan 5 (tidak pernah). Hasil perbedaan mean prestasi matematika berdasarkan pandangan siswa tentang frekuensi guru memberikan PR matematika dapat dilihat pada tabel di bawah ini.


Tabel 4.10. Prestasi Matematika Berdasarkan Frekuensi Guru Memberikan PR N

Mean

Std. Devi

1.00

890

390.17

87.47

2.00

2068

404.68

3.00

2211

4.00 5.00

Std. Error


Upper Bound

Mini

Maxi

2.93

384.41

395.92

106.97

689.64

83.05

1.82

401.10

408.27

99.31

658.13

409.29

79.65

1.69

405.97

412.61

137.50

684.77

190

401.75

85.07

6.17

389.58

413.93

152.40

603.63

18

403.27

81.28

19.15

362.85

443.70

284.20

576.13

Berdasarkan tabel, skor mean prestasi tertinggi diperoleh kelompok siswa yang frekuensi PR yang diberikan guru antara 1 atau 2 kali seminggu yaitu sebesar 409,29 dengan standar deviasi 79,65. Sedangkan skor terrendah diperoleh kelompok siswa yang frekuensi PR-nya setiap hari diberikan oleh guru dengan skor mean prestasi sebesar 390,17 standar deviasinya sebesar 87,48. Hasil ini menunjukkan bahwa frekuensi PR matematika yang diberikan oleh guru yang dapat diterima siswa adalah sebanyak dua kali dalam seminggu. Hal ini dapat dipahami bahwa PR yang diterima oleh siswa bukan hanya pada satu bidang mata pelajaran saja seperti matematika, tetapi juga mereka mendapatkan PR dari guru lain untuk mata pelajaran lainnya seperti fisika, biologi, bahasa dan sebagainya. Dari tabel terlihat pula bahwa PR matematika yang diberikan tiap hari, skor mean prestasi siswa menjadi lebih rendah. Perbedaan skor mean prestasi siswa jika dilihat pada pandangan siswa mengenai frekuensi PR matematika yang diberikan oleh guru dapat dilihat pada gambar plot berikut.


Gambar 4.28. Perbedaan Mean Berdasarkan Frekuensi Guru Memberikan PR 4.3.4. Waktu yang Diluangkan Siswa untuk Mengerjakan PR Bagian ini berkaitan denga pertanyaan tentang waktu yang diluangkan siswa untuk mengerjakan PR. Pilihan jawaban yang disediakan adalah 1 (guru tidak pernah memberikan PR), 2 (115 menit), 3 (16-30 menit), 4 (31-60 menit), 5 (61-90 menit), dan 6 (lebih dari 90 menit). Hasil perbedaan mean prestasi matematika berdasarkan waktu yang diluangkan siswa untuk mengerjakan PR dapat dilihat pada tabel di bawah ini. Tabel 4.11. Prestasi Matematika Berdasarkan Waktu yang diluangkan Siswa untuk Mengerjakan PR N

Mean

Std. Devi

1.00

126

338.29

81.73

2.00

1168

376.20

3.00

1613

4.00

Std. Error


Upper Bound

Mini

Maxi

7.281

323.88

352.7059

119.14

592.49

83.86

2.454

371.38

381.0156

99.31

628.87

409.17

80.50

2.004

405.24

413.1076

106.97

684.77

1386

423.16

76.86

2.064

419.11

427.2136

162.50

635.86

5.00

527

420.43

80.90

3.524

413.50

427.3552

200.83

689.64

6.00

530

401.48

78.07

3.391

394.81

408.1436

152.40

654.65

Berdasarkan tabel, skor mean prestasi tertinggi diperoleh kelompok siswa yang meluangkan waktu untuk mengerjakan PR selama 31-60 menit dan 61-90 menit. Skor prestasi keduanya adalah sebesar 423,16 dengan standar deviasi 76,87 dan 420,43 dengan standar deviasi 80,91. Sedangkan skor terrendah diperoleh kelompok siswa yang tidak pernah diberikan PR oleh gurunya yang berarti tidak ada waktu yang diluangkan untuk mengerjakan PR dengan skor mean prestasi sebesar 338,30 standar deviasi 81,73. Sedangkan siswa yang meluangkan waktu lebih dari 90 menit untuk mengerjana PR skor mean-nya sebesar 401,48 atau lebih rendah dar siswa yang meluangkan waktu antara 31-60 menit dan 61-90 menit. Dari informasi di atas dapat disimpulkan bahwa PR yang diberikan guru dapat mengikat siswa untuk meluangkan waktu mengerjakan PR. Prestasi siswa yang meluangkan waktu untuk mengerjakan PR lebih tinggi dibandingkan dengan tidak ada PR dan siswa tidak meluangkan waktu untuk PR tersebut. Namun, guru dapat mempertimbangkan waktu dalam mengerjakan PR oleh siswa. Perbedaan skor mean prestasi siswa jika dilihat pada banyaknya buku yang dimiliki di rumah dapat dilihat pada gambar plot berikut.


Gambar 4.29. Prestasi Matematika Berdasarkan Waktu untuk Mengerjakan PR 4.3.5. Kepedulian orang tua Bagian ini berkaitan dengan pertanyaan seberapa sering orang tua menanyakan apa yang siswa pelajari di sekolah. Pilihan jawaban yang tersedia adalah 1 (setiap hari atau hampir setiap hari), 2 (sekali atau dua kali seminggu), 3 (sekali atau dua kali sebulan), dan 4 (tidak pernah atau hampir tidak pernah). Hasil analisis deskriptif mean prestasi berdasarkan kepedulian orang tua disajikan pada gambar berikut:

Gambar 4.30. Prestasi Berdasarkan Kepedulian Orang Tua


Pada gambar terlihat bahwa orang tua yang tidak pernah menanyakan apa yang dipelajari disekolah pada anaknya memiliki prestasi memiliki mean prestasi yang lebih rendah jika dibandingkan dengan orang tua yang sekali atau dua kali seminggu bertanya. Namun, terlihat juga bahwa orang tua yang setiap hari bertanya tentang pelajaran di sekolah justry paling rendah di antara pilihan yang lain. Hal ini mungkin siswa merasa bahwa keseringan orang tua bahkan stiap hari bertanya kepada anaknya membuat siswa menjadi tertekan sehingga prestasinya menjadi rendah akibat tekanan tersebut. Hasil analisis ini signifikan secara statistik dengan nilai p = 0,004 (p<0,05). 4.3.6.

Prestasi matematika Berdasarkan Tindak Kekerasan yang Dialami Siswa (Bullying)

Bagian ini berkaitan dengan pertanyaan seberapa sering siswa diganggu dan diolok-olok. Pilihan jawaban yang tersedia adalah 1 (setidaknya sekali seminggu), 2 (sekali atau dua kali sebulan), 3 (beberapa kali setahun), dan 4 (tidak pernah). Hasil analisis deskriptif mean prestasi berdasarkan kekerasan yang dialami siswa dapat dilihat pada gambar berikut:

Gambar 4.31. Prestasi Siswa Berdasarkan Tindakan Bullying oleh Siswa Lain Pada gambar terlihat bahwa skor mean yang diperoleh kelompok siswa yang lebih sering mengalami bully lebih tinggi dari pada skor mean kelompok siswa yang tidak pernah mengalami bully dalam hal ini tindakan bully berupa gangguan dan olok-olok. Ada kemungkinan bahwa kelompok siswa yang lebih sering mengalami bully pada dasarnya sudah memiliki kecerdasan yang memadai dan memiliki mental yang lebih kuat untuk menghadapi gangguan dan olok-olok yang dilakukan oleh rekannya sehingga prestasinya lebih baik dari pada kelompok siswa yang tidak pernah mengalami bully. Oleh karena itu, siswa perlu dilatih agar memiliki ketahanan mental yang kuat sehingga siap menghadapi tekanan apapun. Dengan demikian, siswa dapat bertahan meskipun ada tekanan atau stres, karena ujian misalnya, atau bahkan bisa menunjukkan pestasi terbaiknya. Hasil analisis ini signifikan secara statistik dengan nilai p = 0,000 (p<0,05). 4.4. Hasil Analisis Hubungan Antar Variabel dengan Multi Level Pada penelitian ini, analisis hubungan antar variabel dilakukan dalam 3 tahap. Tahap pertama adalah melakukan analisis struktur hubungan antar variabel pada level individu yang dalam hal ini adalah siswa. Jadi, seluruh variabel yang dianggap penting pengaruhnya terhadap prestasi siswa Indonesia dalam bidang matematika akan diikutkan dalam analisis data. Misalnya: variabel yang


terkait siswa seperti sikap terhadap matematika dan efficacy terhadap matematika. akan dilihat pengaruhnya terhadap prestasi membaca. Dalam analisis hubungan antar variabel, selain menganalisis dampak yang sifatnya langsung juga dampak yang sifatnya tidak langsung. Untuk itu, analisis yang dilakukan adalah analisis struktur hubungan antar variabel atau Structural Equation Modelling (SEM). Misalnya: apakah ada pengaruh langsung sikap pada matematika terhadap prestasi? Apakah sikap pada matematika memiliki pengaruh langsung terhadap prestasi atau pengaruhnya tidak langsung seperti melalui efficacy, baru kemudian memengaruhi prestasi? (Hasil analisis dapat dilihat pada lampiran 1 dan 2). Analisis yang kedua adalah analisis hubungan antar variabel pada level sekolah. Berbeda dengan analisis di level siswa, yang menjadi outcome variabel pada analisis level sekolah adalah Siswa Aktif Belajar (SAB) dan Good Teaching Practice (GTP). Kedua variabel tersebut diduga merupakan dampak adanya kebijakan di level sekolah. Analisis ini dilakukan untuk mendapatkan variabel-variabel apa saja yang secara signifikan memengaruhi SAB dan GTP. Secara tradisional, variabel sekolah seperti cara mengajar guru, penggunaan sarana belajar di sekolah bisa digabungkan dalam data siswa, misalnya data sekolah disamakan untuk siswa di sekolah tersebut. Namun, cara demikian tidak akurat terutama dalam uji signifikan. Hal ini karena sampel sekolah hanya 153, sedangkan uji signifikan di level siswa menggunakan sampel siswa sebanyak 5795. Dengan demikian, hasil dari uji signifikan yang dilakukan dapat menyesatkan. Untuk itulah, analisis dilakukan pada masing-masing level seperti yang dilakukan pada tahap 1 dan tahap 2. Seperti yang telah disebutkan di atas, dengan analisis terpisah di level siswa dan level sekolah seperti pada tahap 1 dan 2, tidak bisa diungkapkan pengaruh variabel tingkat sekolah terhadap prestasi siswa atau variabel siswa lainnya seperti efikasi, sikap, dsb. Pada penelitian ini, ingin dilihat juga bagaimana variabel sekolah memengaruhi variabel siswa dengan analisis statistika yang lebih akurat baik dari sisi koefisien-koefisien statistik yang dihasillkan maupun dari tes signifikan yang dilakukan. Hal-hal seperti ini hanya bisa dilakukan kalau dilakukan analisis multilevel, yaitu analisis secara simultan terhadap variabel sekolah dan variabel siswa, dimana juga dapat diketahui interaksi antar variabel di tingkat sekolah dan pengaruhnya pada variabel di tingkat siswa. Misalnya apakah kebijakan kepala sekolah akan memengaruhi prestasi? Atau apakah kebijakan tentang metode megajar guru akan memengaruhi prestasi? Hasil penelitian tentang pengaruh variabel di tingkat sekolah terhadap variabel tingkat siswa inilah yang perlu dipertimbangkan pihak sekolah dalam membuat kebijakan di level sekolah. Terkait dengan itulah, tahap ketiga yang dilakukan adalah analisis multilevel. Berikut ini akan dipaparkan hasil analisis multilevel baik pada level siswa maupun sekolah. 4.4.1. Hasil antar Variabel pada Level Siswa Pada analisis hubungan antar variabel level siswa, yang menjadi outcome variable adalah prestasi siswa Indonesia dalam matematika (Ach_Mat). Pada analisis hubungan antara variabel pada level siswa, variabel yang diteliti adalah efficacy siswa terhadap matematika (EFFMATH), sikap siswa terhadap matematika (ATTMATH), sikap siswa terhadap sekolah (ATTSCH), sikap siswa terhadap guru (SSGURU), kepedulian orang tua (OTPEDULI), persepsi siswa tentang pentingnya matematika (IMPORT), dan tindak kekerasan yang dialami siswa oleh siswa lainnya (BULLY). Hasil analisis antar variabel pada level siswa ditampilkan pada tabel di bawah ini: Tabel 4.12. Koefisien Regresi Hubungan antar Variabel pada Level Siswa ON ATTSCH

SSGURU

KOEFISIEN REGRESI

KETERANGAN

OTPEDULI

0,048

Sig.

BULLY

-0,045

Sig.

OTPEDULI

0,056

Sig.

BULLY

-0,017

Non Sig.


ATTMATH

EFFMATH

ATTSCH

0,199

Sig.

SSGURU

0,404

Sig.

OTPEDULI

0,135

Sig.

IMPORT

0,415

Sig.

ATTMATH

0,495

Sig.

Beradasarkan hasil analisis multilevel, beberapa variabel dipengaruhi oleh variabel lain baik secara langsung maupun tidak langsung. Berikut ini uraian temuan yang dihasilkan. Prestasi siswa Indonesia dipengaruhi secara langsung oleh sikap pada matematika (ATTMATH) dan efficacy pada matematika (EFFMATH). Dari hasil temuan pada analisis multilevel diketahui bahwa efficacy pada matematika dipengaruhi oleh sikap pada matematika, artinya sikap yang positif pada matematika akan meningkatkan efficacy siswa pada matematika, atau sebaliknya. Ditemukan juga bahwa sikap pada matematika dipengaruhi oleh sikap terhadap sekolah (ATTSCH). Dari temuan ini dapat diungkapkan bahwa sikap siswa terhadap matematika bergantung kepada sikap siswa terhadap sekolah, apabila sikap siswa terhadap sekolah positif maka sikap siswa terhadap matematika akan positif atau sebaliknya. Pada temuan ini penting bagi sekolah untuk membuat suasana dimana siswa menjadi nyaman dan senang selama di sekolah. Sikap terhadap matematika pada siswa juga di pengaruhi oleh sikap siswa terhadap guru (SSGURU). Bila sikap siswa terhadap guru positif maka sikap siswa terhadap matematika akan positif juga. Sebaliknya, bila sikap siswa negatif terhadap guru maka sikap siswa terhadap mata pelajaran yang diajarkan guru (matematika) akan negatif pula. Dengan demikian, menyenangi atau tidak menyenangi mata pelajaran bergantung pada gurunya disenangi atau tidak olh siswa. Sikap siswa terhadap mata pelajaran sekolah (matematika) dipengaruhi juga oleh kepedulian orang tua (OTPEDULI). Orang tua yang peduli pada anaknya berkaitan dengan belajar akan membuat anak menjadi senang pada mata pelajaran. Dari hasil analisis ditemukan juga bahwa sikap terhadap matematika dipengaruhi juga oleh persepsi siswa tentang pentingnya matematika (IMPORT) bagi siswa. Semakin penting matematika bagi siswa maka siswa akan semakin senang pada mata pelajaran matematika. Siswa yang merasa bahwa matematika penting buat masa depannya seperti untuk melanjutkan studi, mencari pekerjaan, bekal dalam mempelajari pengetahuan lain akan menimbulkan sikap senang pada matematika di kalangan siswa. Seperti yang telah diungkapkan bahwa sikap siswa terhadap matematika bergantung pada sikap siswa terhadap sekolah. Ditemukan bahwa sikap siswa terhadap sekolah bergantung pada kepedulain orang tua dalam kaitannya dengan belajar di sekolah. Semakin tinggi kepedulian orang tua pada anaknya maka semakin positif sekap siswa terhadap sekolahnya, atau sebaliknya. Bentuk kepedulian orang tua berkaitan dengan belajar siswa di sekolah seperti menanyakan materi pelajaran di sekolah, mendiskusiakan tugas sekolah antara siswa bersama orang tua, memeriksa pekerjaan rumah, dan sebagainya. Kepedulian orang tua juga memengaruhi sikap siswa terhadap guru di sekolah. Semakin tinggi kepedulian orang tua semakin positif sikap siswa pada gurunya. Selain kepedulian orang tua, ditemukan juga bahwa sikap terhadap sekolah dipengaruhi oleh tindakan kekerasan yang dialami siswa (BULLY). Arah hubungan menunjukkan arah negatif, artinya semakin positif sikap siswa terhadap sekolah maka semakin rendah tindakan bully yang dialami siswa, atau sebaliknya, sikap siswa akan negatif terhadap sekolah bila sering mengalami tindakan bully. Tindakan bully di sekolah dapat berupa kekerasan fisik atau psikis. Misalnya diganggu dan diolok-olok, dimusuhi, difitnah, dipukul, barang milik pribadi dicuri oleh rekannya, dan sebagainya. Dari uraian di atas dapat disimpulkan bahwa prestasi bergantung kepada sikap siswa terhadap matematika dan efficacy siswa terhadap matematika. Efficacy bergantung kepada sikap siswa terhadap matemataika. Sikap terhadap matematika dipengaruhi oleh empat variabel yaitu sikap


terhadap sekolah, sikap terhadap guru, kepedulian orang tua dan persepsi pentingnya matematika. Kepedulian orang tua dan pentingnya matematika tidak dipengaruhi oleh variabel lain karena tidak diteliti. Sedangkan sikap terhadap sekolah dipengaruhi oleh kepedulian orang tua dan tindakan bully yang dialami siswa. Tidak ada variabel yang memengaruhi kepedulian orang tua dan tindakan bully karena tidak diteliti. Sedangkan sikap siswa terhadap guru dipengaruhi oleh kepedulian orang tua. Adapun pengaruh tindakan bully terhadap sikap siswa pada guru pengaruhnya tidak signifikan. 4.4.2. Hubungan antar Variabel pada Level Sekolah Pada analisis multi level, selain diperoleh hasil analisis level siswa, juga diperoleh hasil analisis level sekolah. Hubungan antar variabel pada level sekolah datanya bersumber dari kuesioner guru dan kepala sekolah. Variabel yang dianalisis pada level sekolah adalah prestasi matematika (ACH_MAT), sumber daya sekolah yaitu kepemilikan komputer (SRESOURC), interaksi antar sesama guru (INTERG), penggunaan sumber daya belajar (USERES), sikap terhadap profesi guru (ATTPROF), penggunaan komputer dalam mengajar (USECOMP), hambatan guru dalam mengajar (HAMGUR), efficacy guru (EFFGURU), good teaching practices (GTP), siswa aktif belajar (SAB), lama mengajar (EXP), pendidikan terakhir guru (PEND), sosial ekonomi siswa (SOSEK_S), kepemimpinan di sekolah (LEADER). Hasil analisishubungan antar variabel pada level sekolah disajikan sebagai berikut:


Tabel 4.13. Koefisien Regresi Hubungan antar Variabel pada Level Sekolah ON

KOEFISIEN REGRESI

KETERANGAN

SRESOURC

SOSEK_S

-3.278

Non Sig.

INTERG

PEND

-0.002

Non Sig.

EXP

0.001

Non Sig.

USERES

SRESOURC

0.000

Non Sig.

ATTPROF

PEND

0.000

Non Sig.

EXP

0.000

Non Sig.

SOSEK_S

-0.021

Non Sig.

SRESOURC

0.000

Sig.

HAMGUR

SOSEK_S

0.100

Sig.

EFFGURU

LEADER

0.006

Sig.

USECOMP

-0.058

Non Sig.

PEND

0.002

Non Sig.

EXP

0.000

Non Sig.

INTERG

-0.075

Sig.

ATTPROF

0.286

Sig.

HAMGUR

0.121

Non Sig.

EXP

-0.000

Non Sig.

LEADER

0.001

Non Sig.

ATTPROF

0.041

Non Sig.

USERES

-0.005

Non Sig.

HAMGUR

0.018

Non Sig.

USECOMP

0.008

Non Sig.

EFFGURU

-0.019

Non Sig.

SRESOURC

0.000

Non Sig.

USERES

0.060

Non Sig.

EXP

0.001

Non Sig.

HAMGUR

0.009

Non Sig.

GTP

-0.106

Non Sig.

EFFGURU

-0.033

Non Sig.

SOSEK_S

0.029

Sig.

GTP

-0.086

Non Sig.

SRESOURC

-0.001

Sig.

HAMGUR

-0.026

Non Sig.

LEADER

0.010

Sig.

EFFGURU

-0.009

Non Sig.

SAB

0.022

Non Sig.

USECOMP

GTP

SAB

ACH_MAT

Pada analisis hubungan antar variabel di level sekolah, outcome variable yang dianalisis ada 2, yaitu siswa aktif belajar (SAB), dan good teaching practice (GTP). Hal ini penting karena keahlian


guru dalam mempraktekkan pengajaran berpengaruh positif terhadap peningkatan prestasi (Hunsaker, 2010). Selain itu, peningkatan prestasi siswa dapat dilakukan dengan mengembangkan pola belajar yang mendorong siswa untuk aktif dalam proses belajar mengajar sehingga diharapkan akan meningkatkan prestasi belajar siswa. Hal inilah yang menjadikan pentingnya menjadikan variabel SAB dan GTP menjadi outcome variable pada analisis level sekolah. Namun demikian, peneliti membuat alternatif lain dengan melibatkan variabel-variabel lain selain kedua variabel tersebut untuk dilihat pengaruhnya terhadap prestasi baik secara langsung atau tidak langsung. Berdasarkan tabel di atas diketahui bahwa lima variabel yang diuji yaitu USERES, EXP, HAMGUR, GTP, dan EFFGURU, tidak ada yang secara signifikan berpengaruh terhadap SAB. Demikian juga dengan GTP. Dari dari delapan variabel yang diuji yaitu EXP, LEADER, ATTPROF, USERES, HAMGUR, USECOMP,EFFGURU, dan SRESOURC tidak berpengaruh secara signifikan terhadap GTP. SAB dan GTP, keduanya tidak signifikan berpengaruh terhadap prestasi matemataika siswa. Variabel lain yang juga tidak berpengaruh terhadap prestasi adalah HAMGUR dan EFFGURU. Hal menarik yang ditemukan dari penelitian ini adalah SOSEK_S tidak memengaruhi SRESOURCE, namun keduanya memengaruhi prestasi siswa. Ini berarti banyaknya komputer yang dimiliki sekolah mendorong siswa untuk banyak mencari informasi tentang materi pelajaran yang mereka pelajari sehingga dapat meningkatkan prestasi mereka. Namun keadaan ekonomi yang lemah tidak menghambat siswa untuk berprestasi. Penelitian ini menunjukkan bahwa SOSEK_S (banyaknya siswa kurang mampu di sekolah) memengaruhi prestasi siswa, artinya dalam keterbatasan ekonomi yang mereka alami mendorong mereka untuk bisa berprestasi. Dari tabel juga dapat diketahui bahwa SRESOURC memengaruhi USECOMP, artinya semakin banyak sumber daya berupa komputer di sekolah semakin banyak/sering guru menggunakan komputer. Dengan adanya komputer dapat membantu guru baik untuk kepentingan persiapan mengajar, administarsi, dan proses pengajaran di kelas. Namun USECOMP tidak memengaruhi EFFGURU secara signifikan. Temuan lain yang diperoleh adalah SOSEK_S berpengaruh terhadap HAMGUR. Artinya semakin bayak siswa kuranag mampu di sekolah semakin tinggi hambatan yang dialami guru dalam mengajar. Hambatan guru yang ada dalam penelitian ini seperti siswa kurang gizi, siswa kurang minat belajar, siswa pengganggu, dan siswa kurang tidur. Variabel lain yang ditemukan pengaruhnya adalah LEADER memengaruhi EFFGURU dan prestasi, namun EFFGURU tidak memengaruhi prestasi. Kepemimpinan yang baik di sekolah seperti menjaga suasana keteraturan di sekolah, memiliki visi misi yang jelas dan mempromosikannya, mengembangkan sasaran kurikulum dan sasaran pendidikan dan sebagainya akan meningkatkan prestasi siswa dan dapat meningkatkan efficacy guru dalam mengajar. Efficacy guru dalam mengajar seperti menunjukkan beragam strategi dalam memecahkan masalah, menyesuaikan cara mengajar untuk menumbuhkan minat, dan memberikan tugas yang menantang kepada siswa. Variabel INTERG dan ATTPROF juga memengaruhi EFFGURU secara signifikan. Guru yang berinteraksi dengan sesama guru seperti berdiskusi mengenai bagaimana mengajarkan topik tertentu, bekerjasama dalam merencanakan dan mempersiapkan materi pelajaran, dan saling berbagi pengalaman dapat meningkatan efficacy guru dalam mengajar. Demikian juga dengan sikap terhadap profesi guru seperti merasa nyaman dengan profesi guru, merasa puas sbagai guru, melakukan tugastugas yang penting sebagai guru, dan keinginan menjadi guru selamanya. Selanjutnya, apakah variabel di level sekolah juga memiliki pengaruh terhadap variabel di level individu juga menjadi fokus penelitian ini. Pada tabel berikut ini akan diuraikan hasil penelitian yang terkait dengan pengaruh variabel sekolah terhadap kuat lemahnya pengaruh antar variabel pada level siswa. Uraian akan difokuskan pada menguji sloop 1 (S1) yaitu pengaruh efficacy pada matematika terhadap prestasi dan sloop 2 (S2) yaitu pengaruh sikap pada matematika terhadap prestasi yang merupakan varaibel level sekolah. Keduanya ditetapkan sebagai dependent variabel dengan varariabel level sekolah sebagai independent variabel meliputi SOSEK_S, GTP, SRESOURC, HAMGUR, LEADER, EFFGURU, dan SAB. Hasil uji analisis multi level dapat dilihat pada tabel berikut. Tabel 4.14. Koefisien Regresi Random Sloop


ON Pengaruh Efficacy Pada Matematika Terhadap Prestasi (S1)

Pengaruh Sikap Pada Matematika Terhadap Prestasi (S2)

KOEFISIEN REGRESI

KETERANGAN

SOSEK_S

-0.001

Non Sig.

GTP

0.015

Non Sig.

SRESOURC

0.000

Non Sig.

HAMGUR

0.022

Sig.

LEADER

-0.005

Sig.

EFFGURU

-0.016

Non Sig.

SAB

0.003

Non Sig.

SOSEK_S

-0.008

Non Sig.

GTP

0.028

Non Sig.

SRESOURC

0.000

Non Sig.

HAMGUR

-0.010

Non Sig.

LEADER

0.005

Sig.

EFFGURU

-0.002

Non Sig.

SAB

-0.027

Sig.

Berdasarkan tabel di atas, hubungan antar variabel pada level sekolah dan variabel level individu yang berupa sloop 1 (pengaruh efficacy pada matematika terhadap prestasi) dan sloop 2 (pengaruh sikap pada matematika terhadap prestasi matematika) dapat dijelaskan sebagai berikut: a.

Besarnya pengaruh efficacy pada matematika terhadap prestasi siswa dipengaruhi oleh 2 variabel yaitu hambatan guru dalam mengajar (HAMGUR) dan kepemimpinan di sekolah (LEADER). Berkaitan dengan HAMGUR, tinggi rendahnya pengaruh efficacy terhadap prestasi bergantung kepada tinggi rendahnya hambatan guru. Sekolah yang gurunya tidak memiliki hambatan tapi efficacy siswa rendah maka prestasi siswa akan rendah, namun sebaliknya sekolah yang gurunya memiliki hambatan tapi efficacy siswa tinggi maka prestasi akan tinggi. Sekolah yang gurunya mengalami hambatan dapat meningkatkan efficacy siswa sehingga berpengaruh pada prestasinya. Bila guru mengalami hambatan dalam mengajar seperti siswa kurang gizi, siswa kurang minat, siswa kurang tidur, siswa yang mengganggu, siswa memiliki kebutuhan khusus, maka untuk meningkatkan prestasi adalah dengan meningkatkan efficacy siswa, sehingga efficacy yang tinggi dapat meningkatkan prestasi siswa. Berkaitan dengan LEADER, besarnya pengaruh efficacy terhadap prestasi juga dipengaruhi oleh tinggi rendahnya kepemimpinan di sekolah. Sekolah yang memiliki kepemimpinan rendah tapi efficacy siswa pada mata pelajaran tinggi maka akan meningkatkan prestasi siswa pada mata pelajaran tersebut. Namun, bila kepemimpinan baik tapi efficacy rendah maka prestasi akan rendah. Sekolah yang memiliki kepemimpinan yang buruk seperti pemimpin kurang mempromosikan visi/tujuan pendidikan sekolah, kurang menjaga suasana keteraturan di sekolah, dan kurang bisa mengembangkan sasaran kurikulum dan sasaran pendidikan maka untuk meningkatkan prestasi siswa adalah dengan meningkatkan efficacy siswa pada mata pelajaran. Semakin tinggi efficacy siswa pada mata pelajaran akan meningkatkan prestasi siswa pada mata pelajaran tersebut. Bila kepemimpinan baik tapi efficacy rendah, maka prestasi pun akan rendah. Oleh karean itu penting bagi sekolah untuk meningkatkan efficacy siswa sehingga prestasi akan meningkat.


b.

Besarnya pengaruh sikap pada matematika terhadap prestasi dipengaruhi 2 variabel yaitu kepemimpinan kepala sekolah(LEADER) dan siswa aktif belajar (SAB). Berkaitan dengan LEADER, sekolah yang kepemipinannya baik maka akan meningkatkan pengaruh sikap pada matematika terhadap prestasi siswa. Kepemimpinan baik dan sikap pada mata pelajaran positif maka prestasi akan meningkat. Sebaliknya, bila kepemimpinan buruk dan sikap pada mata pelajaran negatif maka prestasi akan rendah. Semakin baik kepemimpinan di sekolah dan semakin positif sikap siswa pada mata pelajaran maka semakin tinggi prestasi siswa. Oleh karena itu, penting untuk melahirkan pemimpin yang baik di sekolah agar sikap siswa positif dan prestasi akan meningkat. Berkaitan dengan SAB, besarnya pengaruh sikap pada mata pelajaran terhadap prestasi dipengaruhi oleh siswa aktif belajar. Tinggi rendahnya pengaruh sikap pada mata pelajaran bergantung pada tinggi rendahnya siswa aktif belajar. Sekolah yang siswa aktif belajarnya tinggi seperti mendengarkan saat penjelasan cara menyelesaikan soal atau mengerjakan soal sendiri / bersama dibawah bimbingan guru tapi sikap siswa negatif pada matematika maka prestasi siswa akan rendah.


Bab V Kesimpulan dan Rekomendasi

5.1.

Kesimpulan

Sebagai kesimpulan, studi mengenai analisis prestasi matematika dengan memperhitungkan variabel level siswa dan level sekolah dengan menggunakan data TIMSS tahun 2011 ini menghasilkan temuan sebagai berikut: a.

Skor rata-rata prestasi matematika siswa Indonesia berdasarkan data TIMSS tahun 2011 adalah 400,977 dengan standar deviasi 82,94. Skor minimum yang diperoleh siswa sebesar 99,31 sedangkan skor maksimum sebesar 689,64. Rentang perbedaan skor minimum terhadap skor maksimum sangat jauh yaitu sebesar 590,33. Capaian prestasi tersebut berarti lebih rendah 3 point dibanding tahun 1999, 11 point dibanding tahun 2003, dan lebih rendah lima point dibanding tahun 2007. Dengan demikian, dari empat periode yang diikuti, tahun 2011 merupakan capaian prestasi yang paling rendah jika dibandingkan dengan tiga periode sebelumnya.

b.

Prestasi matematika bergantung kepada sikap siswa terhadap matematika dan efficacy siswa terhadap matematika. Efficacy bergantung kepada sikap siswa terhadap matematika. Sikap terhadap matematika dipengaruhi oleh empat variabel yaitu sikap terhadap sekolah, sikap terhadap guru, kepedulian orang tua dan persepsi pentingnya matematika. Kepedulian orang tua dan pentingnya matematika tidak dipengaruhi oleh variabel lain karena tidak diteliti. Sedangkan sikap terhadap sekolah dipengaruhi oleh kepedulian orang tua dan tindakan bully yang dialami siswa. Tidak ada variabel yang memengaruhi kepedulian orang tua dan tindakan bully karena tidak diteliti. Sedangkan sikap siswa terhadap guru dipengaruhi oleh kepedulian orang tua. Adapun pengaruh tindakan bully terhadap sikap siswa pada guru pengaruhnya tidak signifikan.

c.

Besarnya pengaruh efficacy pada matematika terhadap prestasi siswa dipengaruhi oleh 2 variabel yaitu hambatan guru dalam mengajar (HAMGUR) dan kepemimpinan di sekolah (LEADER). Berkaitan dengan HAMGUR, tinggi rendahnya pengaruh efficacy terhadap prestasi bergantung kepada tinggi rendahnya hambatan guru. Sekolah yang gurunya tidak memiliki hambatan tapi efficacy siswa rendah maka prestasi siswa akan rendah, namun sebaliknya sekolah yang gurunya memiliki hambatan tapi efficacy siswa tinggi maka prestasi akan tinggi. Sekolah yang gurunya mengalami hambatan dapat meningkatkan efficacy siswa sehingga berpengaruh pada prestasinya. Berkaitan dengan LEADER, besarnya pengaruh efficacy terhadap prestasi juga dipengaruhi oleh tinggi rendahnya kepemimpinan di sekolah. Sekolah yang memiliki kepemimpinan rendah tapi efficacy siswa pada mata pelajaran tinggi maka akan meningkatkan prestasi siswa pada mata pelajaran tersebut. Namun, bila kepemimpinan baik tapi efficacy rendah maka prestasi akan rendah.

d.

Besarnya pengaruh sikap pada matematika terhadap prestasi dipengaruhi 2 variabel yaitu kepemimpinan kepala sekolah(LEADER) dan siswa aktif belajar (SAB). Berkaitan dengan LEADER, sekolah yang kepemimpinannya baik maka akan meningkatkan pengaruh sikap pada matematika terhadap prestasi siswa. Kepemimpinan baik dan sikap pada mata pelajaran positif maka prestasi akan meningkat. Sebaliknya, bila kepemimpinan buruk dan sikap pada mata pelajaran negatif maka prestasi akan rendah. Semakin baik kepemimpinan di sekolah dan semakin positif sikap siswa pada mata pelajaran maka semakin tinggi prestasi siswa. Berkaitan dengan SAB, besarnya pengaruh sikap pada mata pelajaran terhadap prestasi dipengaruhi oleh siswa aktif belajar. Tinggi rendahnya pengaruh sikap pada mata pelajaran bergantung pada tinggi rendahnya siswa aktif belajar. Sekolah yang siswa aktif belajarnya tinggi seperti mendengarkan


saat penjelasan cara menyelesaikan soal atau mengerjakan soal sendiri / bersama dibawah bimbingan guru tapi sikap siswa negatif pada matematika maka prestasi siswa akan rendah. 5.2.

Rekomendasi Berdasarkan temuan dari penelitian ini, dapat direkomendasikan hal-hal sebagai berikut:

a.

Dalam menyusun kebijakan/intervensi di bidang pendidikan seyogyanya mengutamakan perhatian pada variabel-variabel yang dampaknya terhadap hasil pendidikan signifikan. Sebagai contoh, dari penelitian ini ditemukan bahwa pengaruh self efficacy pada matematika terhadap prestasi belajar bergantung pada hambatan guru dan kepemimpinan di sekolah. Sekolah yang gurunya tidak memiliki hambatan tapi efficacy siswa rendah maka prestasi siswa akan rendah, namun sebaliknya sekolah yang gurunya memiliki hambatan tapi efficacy siswa tinggi maka prestasi akan tinggi. Sekolah yang gurunya mengalami hambatan dapat meningkatkan efficacy siswa sehingga berpengaruh pada prestasinya. Demikian halnya dengan kepemimpinan, sekolah yang memiliki kepemimpinan rendah tapi efficacy siswa pada mata pelajaran tinggi maka akan meningkatkan prestasi siswa pada mata pelajaran tersebut. Namun, bila kepemimpinan baik tapi efficacy rendah maka prestasi akan rendah. Sekolah yang memiliki kepemimpinan yang buruk, untuk meningkatkan prestasi siswa adalah dengan meningkatkan efficacy siswa pada mata pelajaran.

b.

Bila melihat pada hasil penelitian tersebut, akan lebih terjamin hasilnya jika kebijakan difokuskan kepada peningkatan self efficacy siswa. Sebagai ilustrasi, kebijakan yang lebih menekankan kepada meningkatkan kerja keras, mementingkan daya juang, menumbuhkan rasa percaya diri untuk berhasil, tentulah akan lebih efektif dan berhasil dari pada kebijakan yang difokuskan untuk menumbuhkan rasa suka terhadap mata pelajaran. Misalnya, penggunaan slogan ”belajar harus menyenangkan”, ”kurikulum harus bersifat menghibur”, ”siswa tidak boleh dibebani dengan tugas yang berat karena belajar harus bersifat bermain”, dsb., seyogyanya diganti dengan slogan ”belajar adalah perjuangan”, ”belajar adalah berakit-rakit ke hulu berenang-renang ke tepian, bersakit-sakit dahulu bersenang-senang kemudian”, ”kurikulum yang memberikan tantangan berat tetapi terjangkau”, ”selalu giat berlatih”, dsb., seyogyanya akan lebih tepat. Ringkasnya, belajar yang dikonsepkan sebagai penggemblengan diri dan pribadi (karakter) seharusnya lebih dipilih dari pada pengkonsepan belajar sebagai sesuatu yang menyenangkan dan menghibur.

c.

Karena prestasi belajar itu dipengaruhi oleh banyak variabel baik level siswa maupun sekolah, maka sebaiknya dilakukan penelitian yang mendalam dan komprehensif untuk menemukan model yang dapat menjelaskan variabel apa yang paling dominan dan berdampak langsung dalam menentukan prestasi belajar di bidang Matematika. Dalam hal ini disarankan agar dilakukan penelitian yang memang didesain untuk menemukan model belajar tersebut, jadi bukan sekedar usaha menemukan model dimaksud dengan memanfaatkan data yang sudah ada seperti TIMSS dan PISA. Dengan demikian, dapat ditemukan model yang khas dan berlaku pada sistem belajar mengajar di sekolah di Indonesia.

d.

Meskipun hasil studi TIMSS dapat memberikan masukan bagi kebijakan bidang pendidikan di Indonesia, namun alangkah lebih baik bila studi sejenis ini bisa dilaksanakan oleh Indonesia sendiri dengan ciri khas yang dimilikinya. Karena studi IEA ini tidak sepenuhnya dapat sesuai dengan kondisi Indonesia. Selain itu studi IEA ini lebih fokus pada perbandingan prestasi internasional.



Daftar Pustaka Beaton, A. 1999. International Assessments: The United States TIMSS Experience. In F.M. Ottobre (Ed.): The Role of Measurement and Evaluation in Educational Policy. UNESCO Publishing, Paris. Bentler, P. M. 2009. EQS Version 6.1 User’s Guide. Multivariate Software Inc. USA. du Toit M., and du Toit, S. 2001. Interactive LISREL: User’s Guide. Scientific Software International, Chicago, Il. Heyneman, S. P. 1997; “Jim Coleman: A Personal Story”. Educational Researcher, Vol. 26, No. 1, 1997. page 28 – 30. American Educational Research Association. Joreskog, K.G. and Sorbom, D., 2008; LISREL Version 8.8 User’s Guide. Scientific Softwares International, Chicago. Muthen. B. 2012; MPLUS Version 7 User’s Guide. Muthen and Muthen, Santa Monica. Ottobre,F. M. (Ed.): The Role of Measurement and Evaluation in Educational Policy. UNESCO Publishing, Paris. Plomp, T. 1999. Purposes and Challenges of International Comparative Assessments. In F.M. Ottobre (Ed.): The Role of Measurement and Evaluation in Educational Policy. UNESCO Publishing, Paris. Robitaille, D. F. and Beaton, A. E., 2002. Secondary Analysis of The TIMSS Data. Kluwer Academic Publisher, Dordrecht. Umar, J. 1999. Comments on “International Comparative Assessments” and “The TIMSS Experience”. In in F.M. Ottobre (Ed.): The Role of Measurement and Evaluation in Educational Policy. UNESCO Publishing, Paris. Wilkins, J.L., Zembilas, M., and Travers, K.J., 2002. Investigating Correlates of Mathematics and Science Literacy in the Final Year of Secondary School. In Robitaille, D. F. and Beaton, A. E., 2002. Secondary Analysis of The TIMSS Data. Kluwer Academic Publisher, Dordrecht.


Lampiran 1 (Sem Level Siswa) Mplus VERSION 7 MUTHEN & MUTHEN 11/15/2012 1:42 PM INPUT INSTRUCTIONS TITLE: MODEL MATH SISWA; DATA: FILE IS SISWA.TXT; VARIABLE: NAMES= GENDER BOOKHOME SOSEK MOEDUC FAEDUC ASPIR USECOMP1 USECOMP2 USECOMP3 OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 FREKHW TIMEHW ACH_MATH; categorical are ATTSCH1 ATTSCH2 ATTSCH3 SSGURU1 SSGURU2 SSGURU3 IMPORT1 IMPORT2 IMPORT3 IMPORT4 ASPIR ; USEVARIABLES = GENDER BOOKHOME MOEDUC FAEDUC ASPIR FREKHW TIMEHW SOSEK OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH; MISSING = MOEDUC FAEDUC TIMEHW ASPIR (99) GENDER BOOKHOME FREKHW SOSEK OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 (9); DEFINE: ACH_MATH=ACH_MATH/50; ANALYSIS: PARAMETERIZATION=THETA; ITERATIONS=5000; H1ITERATIONS=8000; MODEL: PAREDU BY FAEDUC@1 MOEDUC ; HMWORK BY FREKHW@1 TIMEHW; SSGURU BY SSGURU1-SSGURU3; ATTSCH BY ATTSCH1-ATTSCH3; IMPORT BY IMPORT1-IMPORT4; SOSEK ON PAREDU; BOOKHOME ON PAREDU SOSEK; ASPIR ON PAREDU SOSEK; OTPEDULI ON PAREDU; BULLY ON GENDER; HMWORK ON GENDER OTPEDULI; IMPORT ON ASPIR; SSGURU ON HMWORK OTPEDULI BULLY ; ATTSCH ON OTPEDULI BULLY SSGURU; ATTMATH ON BOOKHOME OTPEDULI HMWORK IMPORT SSGURU ATTSCH; EFFMATH ON HMWORK ATTMATH; ACH_MATH ON HMWORK ATTMATH EFFMATH; IMPORT WITH SSGURU; FAEDUC WITH MOEDUC; IMPORT4 WITH IMPORT3; import with paredu; SOSEK WITH HMWORK; OUTPUT: STANDARDIZED (STDYX); MODINDICES; TECH4;


INPUT READING TERMINATED NORMALLY MODEL MATH SISWA; SUMMARY OF ANALYSIS Number of groups Number of observations

1 5200

Number of dependent variables Number of independent variables Number of continuous latent variables Observed dependent variables Continuous BOOKHOME MOEDUC FAEDUC OTPEDULI BULLY ATTMATH

22 1 5

FREKHW EFFMATH

Binary and ordered categorical (ordinal) ASPIR ATTSCH1 ATTSCH2 ATTSCH3 SSGURU3 IMPORT1 IMPORT2 IMPORT3

TIMEHW ACH_MATH

SOSEK

SSGURU1 IMPORT4

SSGURU2

Observed independent variables GENDER Continuous latent variables PAREDU HMWORK SSGURU

ATTSCH

Estimator Maximum number of iterations Convergence criterion Maximum number of steepest descent iterations Maximum number of iterations for H1 Convergence criterion for H1 Parameterization

IMPORT WLSMV 5000 0.500D-04 20 8000 0.100D-03 THETA


Input data file(s) SISWA.TXT Input data format

FREE

SUMMARY OF DATA Number of missing data patterns

49

COVARIANCE COVERAGE OF DATA Minimum covariance coverage value PROPORTION OF DATA PRESENT

BOOKHOME MOEDUC FAEDUC ASPIR FREKHW TIMEHW SOSEK OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH

Covariance Coverage BOOKHOME MOEDUC ________ ________ 0.993 0.986 0.993 0.986 0.991 0.984 0.986 0.929 0.930 0.929 0.930 0.993 0.993 0.993 0.993 0.992 0.992 0.991 0.991 0.989 0.989 0.993 0.993 0.993 0.993 0.986 0.986 0.988 0.988 0.991 0.991 0.993 0.993 0.993 0.993 0.993 0.993 0.991 0.991 0.992 0.992 0.993 0.993

0.100

FAEDUC ________

ASPIR ________

FREKHW ________

0.993 0.986 0.929 0.929 0.993 0.993 0.991 0.991 0.988 0.993 0.993 0.985 0.987 0.991 0.993 0.993 0.992 0.991 0.992 0.993

0.990 0.927 0.927 0.990 0.990 0.989 0.988 0.986 0.990 0.990 0.983 0.985 0.988 0.990 0.990 0.990 0.988 0.989 0.990

0.935 0.926 0.935 0.935 0.934 0.933 0.931 0.935 0.935 0.928 0.930 0.933 0.935 0.935 0.935 0.934 0.934 0.935


TIMEHW SOSEK OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH

Covariance Coverage TIMEHW SOSEK ________ ________ 0.935 0.935 1.000 0.935 1.000 0.933 0.998 0.933 0.998 0.931 0.996 0.935 1.000 0.935 1.000 0.928 0.993 0.930 0.995 0.933 0.998 0.935 1.000 0.935 1.000 0.935 1.000 0.933 0.998 0.934 0.999 0.935 1.000

ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH

Covariance Coverage ATTSCH3 BULLY ________ ________ 0.996 0.996 1.000 0.996 1.000 0.988 0.993 0.990 0.995 0.994 0.998 0.996 1.000 0.996 1.000 0.995 1.000 0.994 0.998 0.994 0.999 0.996 1.000

OTPEDULI ________

ATTSCH1 ________

ATTSCH2 ________

1.000 0.998 0.998 0.996 1.000 1.000 0.993 0.995 0.998 1.000 1.000 1.000 0.998 0.999 1.000

0.998 0.997 0.995 0.998 0.998 0.991 0.993 0.997 0.998 0.998 0.998 0.997 0.997 0.998

0.998 0.995 0.998 0.998 0.991 0.993 0.996 0.998 0.998 0.998 0.996 0.997 0.998

ATTMATH ________

SSGURU1 ________

SSGURU2 ________

1.000 0.993 0.995 0.998 1.000 1.000 1.000 0.998 0.999 1.000

0.993 0.989 0.992 0.993 0.993 0.992 0.991 0.991 0.993

0.995 0.994 0.995 0.995 0.994 0.993 0.993 0.995


SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH

Covariance Coverage SSGURU3 EFFMATH ________ ________ 0.998 0.998 1.000 0.998 1.000 0.998 1.000 0.996 0.998 0.997 0.999 0.998 1.000

IMPORT4 ACH_MATH

Covariance Coverage IMPORT4 ACH_MATH ________ ________ 0.999 0.999 1.000

IMPORT1 ________

IMPORT2 ________

IMPORT3 ________

1.000 1.000 0.998 0.999 1.000

1.000 0.998 0.998 1.000

0.998 0.997 0.998


UNIVARIATE PROPORTIONS AND COUNTS FOR CATEGORICAL VARIABLES ASPIR Category Category Category Category Category Category Category ATTSCH1 Category Category Category Category ATTSCH2 Category Category Category Category ATTSCH3 Category Category Category Category SSGURU1 Category Category Category Category SSGURU2 Category Category Category Category SSGURU3 Category Category Category Category

1 2 3 4 5 6 7

0.028 0.091 0.035 0.029 0.193 0.447 0.177

146.000 466.000 181.000 149.000 996.000 2301.000 910.000

1 2 3 4

0.525 0.464 0.009 0.002

2726.000 2410.000 48.000 8.000

1 2 3 4

0.290 0.632 0.073 0.004

1503.000 3282.000 381.000 23.000

1 2 3 4

0.450 0.497 0.042 0.010

2331.000 2575.000 217.000 54.000

1 2 3 4

0.224 0.658 0.107 0.011

1154.000 3398.000 552.000 57.000

1 2 3 4

0.186 0.690 0.113 0.011

962.000 3569.000 586.000 55.000

1 2 3 4

0.233 0.669 0.087 0.010

1208.000 3474.000 454.000 54.000


IMPORT1 Category Category Category Category IMPORT2 Category Category Category Category IMPORT3 Category Category Category Category IMPORT4 Category Category Category Category

1 2 3 4

0.378 0.540 0.072 0.010

1967.000 2810.000 372.000 51.000

1 2 3 4

0.215 0.657 0.121 0.007

1116.000 3416.000 628.000 38.000

1 2 3 4

0.387 0.518 0.090 0.005

2010.000 2687.000 466.000 28.000

1 2 3 4

0.378 0.542 0.074 0.007

1964.000 2814.000 382.000 34.000

THE MODEL ESTIMATION TERMINATED NORMALLY WARNING: THE LATENT VARIABLE COVARIANCE MATRIX (PSI) IS NOT POSITIVE DEFINITE. THIS COULD INDICATE A NEGATIVE VARIANCE/RESIDUAL VARIANCE FOR A LATENT VARIABLE, A CORRELATION GREATER OR EQUAL TO ONE BETWEEN TWO LATENT VARIABLES, OR A LINEAR DEPENDENCY AMONG MORE THAN TWO LATENT VARIABLES. CHECK THE TECH4 OUTPUT FOR MORE INFORMATION. PROBLEM INVOLVING VARIABLE ACH_MATH.


MODEL FIT INFORMATION Number of Free Parameters

104

Chi-Square Test of Model Fit Value Degrees of Freedom P-Value *

1237.241* 207 0.0000

The chi-square value for MLM, MLMV, MLR, ULSMV, WLSM and WLSMV cannot be used for chi-square difference testing in the regular way. MLM, MLR and WLSM chi-square difference testing is described on the Mplus website. MLMV, WLSMV, and ULSMV difference testing is done using the DIFFTEST option.

RMSEA (Root Mean Square Error Of Approximation) Estimate 90 Percent C.I. Probability RMSEA <= .05

0.031 0.029 1.000

CFI TLI

0.973 0.967

0.033

CFI/TLI

Chi-Square Test of Model Fit for the Baseline Model Value Degrees of Freedom P-Value

38280.125 253 0.0000

WRMR (Weighted Root Mean Square Residual) Value

2.060


MODEL RESULTS Two-Tailed P-Value

Estimate

S.E.

Est./S.E.

PAREDU BY FAEDUC MOEDUC

1.000 0.974

0.000 0.097

999.000 10.065

999.000 0.000

HMWORK BY FREKHW TIMEHW

1.000 2.633

0.000 0.912

999.000 2.886

999.000 0.004

SSGURU BY SSGURU1 SSGURU2 SSGURU3

1.000 1.348 1.147

0.000 0.059 0.047

999.000 22.756 24.470

999.000 0.000 0.000

ATTSCH BY ATTSCH1 ATTSCH2 ATTSCH3

1.000 0.756 0.677

0.000 0.051 0.044

999.000 14.967 15.353

999.000 0.000 0.000

IMPORT BY IMPORT1 IMPORT2 IMPORT3 IMPORT4

1.000 1.099 1.142 1.131

0.000 0.043 0.054 0.055

999.000 25.312 21.080 20.631

999.000 0.000 0.000 0.000

SSGURU ON HMWORK

3.821

0.704

5.427

0.000

ATTSCH ON SSGURU

0.772

0.046

16.665

0.000

HMWORK ON GENDER OTPEDULI

-0.003 0.005

0.002 0.002

-1.899 3.073

0.058 0.002

IMPORT ON ASPIR

0.044

0.018

2.456

0.014

0.133 -0.048

0.019 0.020

6.963 -2.448

0.000 0.014

0.034 -0.091

0.024 0.024

1.411 -3.756

0.158 0.000

-0.407

0.097

-4.199

0.000

SSGURU ON OTPEDULI BULLY ATTSCH ON OTPEDULI BULLY SOSEK ON PAREDU BOOKHOME ON


PAREDU

0.501

0.119

4.197

0.000

ASPIR ON PAREDU

0.366

0.091

4.027

0.000

OTPEDULI ON PAREDU

-0.264

0.053

-5.001

0.000

ATTMATH ON HMWORK IMPORT SSGURU ATTSCH

4.918 0.102 0.265 -0.016

1.052 0.025 0.039 0.018

4.674 4.073 6.718 -0.911

0.000 0.000 0.000 0.363

EFFMATH ON HMWORK

-1.255

0.954

-1.315

0.188

ACH_MATH ON HMWORK

36.770

10.924

3.366

0.001

BOOKHOME ON SOSEK

-0.065

0.033

-1.966

0.049

ASPIR ON SOSEK

0.060

0.032

1.843

0.065

BULLY ON GENDER

-0.044

0.023

-1.912

0.056

ATTMATH ON BOOKHOME OTPEDULI

-0.047 0.106

0.014 0.014

-3.335 7.452

0.001 0.000

0.561

0.030

18.480

0.000

-0.911 0.020

0.164 0.164

-5.559 0.124

0.000 0.902

IMPORT WITH SSGURU PAREDU

0.536 -0.113

0.027 0.028

20.102 -4.088

0.000 0.000

SOSEK WITH HMWORK

-0.007

0.002

-3.283

0.001

FAEDUC WITH MOEDUC

4.608

0.242

19.012

0.000

IMPORT4 WITH IMPORT3

0.518

0.017

31.022

0.000

EFFMATH ON ATTMATH ACH_MATH ON ATTMATH EFFMATH


Intercepts BOOKHOME MOEDUC FAEDUC FREKHW TIMEHW SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH

2.117 2.932 3.361 2.403 3.802 0.013 -0.167 0.038 0.098 -0.011 8.410

0.035 0.133 0.125 0.036 0.381 0.032 0.037 0.036 0.051 0.034 0.081

60.116 22.082 26.851 67.432 9.990 0.408 -4.485 1.053 1.935 -0.322 104.237

0.000 0.000 0.000 0.000 0.000 0.683 0.000 0.292 0.053 0.747 0.000

Thresholds ASPIR$1 ASPIR$2 ASPIR$3 ASPIR$4 ASPIR$5 ASPIR$6 ATTSCH1$1 ATTSCH1$2 ATTSCH1$3 ATTSCH2$1 ATTSCH2$2 ATTSCH2$3 ATTSCH3$1 ATTSCH3$2 ATTSCH3$3 SSGURU1$1 SSGURU1$2 SSGURU1$3 SSGURU2$1 SSGURU2$2 SSGURU2$3 SSGURU3$1 SSGURU3$2 SSGURU3$3 IMPORT1$1 IMPORT1$2 IMPORT1$3 IMPORT2$1 IMPORT2$2 IMPORT2$3 IMPORT3$1 IMPORT3$2 IMPORT3$3 IMPORT4$1 IMPORT4$2 IMPORT4$3

-2.147 -1.403 -1.237 -1.119 -0.514 0.756 0.325 3.807 4.842 -0.670 1.986 3.601 0.168 2.421 3.309 -0.973 1.698 3.215 -1.372 1.936 3.791 -0.972 2.006 3.506 -0.286 2.088 3.392 -0.965 1.845 3.753 -0.055 2.331 4.182 -0.160 2.386 3.986

0.062 0.054 0.053 0.052 0.050 0.051 0.084 0.154 0.224 0.071 0.081 0.135 0.065 0.080 0.098 0.071 0.075 0.099 0.088 0.093 0.124 0.078 0.084 0.108 0.070 0.079 0.098 0.075 0.080 0.113 0.074 0.087 0.132 0.074 0.088 0.127

-34.623 -26.117 -23.450 -21.519 -10.352 14.749 3.875 24.711 21.603 -9.388 24.612 26.732 2.570 30.447 33.924 -13.632 22.618 32.529 -15.544 20.813 30.628 -12.536 23.934 32.350 -4.098 26.576 34.462 -12.877 23.154 33.093 -0.738 26.719 31.777 -2.157 26.978 31.283

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.010 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.461 0.000 0.000 0.031 0.000 0.000

Variances


PAREDU

0.350

0.099

3.524

0.000

Residual Variances BOOKHOME 0.556 MOEDUC 6.647 FAEDUC 6.509 FREKHW 0.629 TIMEHW 26.135 SOSEK 0.495 OTPEDULI 0.701 BULLY 0.681 ATTMATH 0.604 EFFMATH 0.612 ACH_MATH -1.411 HMWORK 0.004 SSGURU 0.814 ATTSCH 0.870 IMPORT 0.935 STANDARDIZED MODEL RESULTS

0.023 0.282 0.273 0.015 0.177 0.019 0.017 0.015 0.024 0.017 1.008 0.002 0.048 0.090 0.056

24.096 23.600 23.878 42.886 147.949 25.880 41.184 46.345 25.222 37.032 -1.401 2.357 16.872 9.701 16.579

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.161 0.018 0.000 0.000 0.000

StdYX Estimate PAREDU BY FAEDUC MOEDUC

0.226 0.218

HMWORK BY FREKHW TIMEHW

0.075 0.031


0.685 0.785 0.733


0.765 0.669 0.627

IMPORT BY IMPORT1 IMPORT2 IMPORT3 IMPORT4

0.695 0.728 0.741 0.738

SSGURU ON HMWORK

0.243

ATTSCH ON SSGURU

0.611


HMWORK ON GENDER OTPEDULI

-0.029 0.070

IMPORT ON ASPIR

0.047


SSGURU ON OTPEDULI BULLY

0.120 -0.043

ATTSCH ON OTPEDULI BULLY

0.024 -0.063

SOSEK ON PAREDU

-0.324

BOOKHOME ON PAREDU

0.366

ASPIR ON PAREDU

0.212

OTPEDULI ON PAREDU

-0.183

ATTMATH ON HMWORK IMPORT SSGURU ATTSCH

0.321 0.108 0.272 -0.021

EFFMATH ON HMWORK

-0.081

ACH_MATH ON HMWORK

1.345

BOOKHOME ON SOSEK

-0.059

ASPIR ON SOSEK

0.043

BULLY ON GENDER

-0.027


ATTMATH ON BOOKHOME OTPEDULI

-0.042 0.098

EFFMATH ON ATTMATH

0.557

ACH_MATH ON ATTMATH EFFMATH

-0.511 0.011

IMPORT WITH SSGURU PAREDU

0.614 -0.198

SOSEK WITH HMWORK

-0.175

FAEDUC WITH MOEDUC

0.700

IMPORT4 WITH IMPORT3

0.518

Intercepts BOOKHOME MOEDUC FAEDUC FREKHW TIMEHW SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH

2.614 1.110 1.283 3.022 0.743 0.018 -0.196 0.046 0.107 -0.012 5.146


Thresholds ASPIR$1 ASPIR$2 ASPIR$3 ASPIR$4 ASPIR$5 ASPIR$6 ATTSCH1$1 ATTSCH1$2 ATTSCH1$3 ATTSCH2$1 ATTSCH2$2 ATTSCH2$3 ATTSCH3$1 ATTSCH3$2 ATTSCH3$3 SSGURU1$1 SSGURU1$2 SSGURU1$3 SSGURU2$1 SSGURU2$2 SSGURU2$3 SSGURU3$1 SSGURU3$2 SSGURU3$3 IMPORT1$1 IMPORT1$2 IMPORT1$3 IMPORT2$1 IMPORT2$2 IMPORT2$3 IMPORT3$1 IMPORT3$2 IMPORT3$3 IMPORT4$1 IMPORT4$2 IMPORT4$3 Variances PAREDU

-2.102 -1.374 -1.211 -1.096 -0.504 0.740 0.209 2.450 3.116 -0.498 1.477 2.677 0.131 1.886 2.578 -0.709 1.237 2.342 -0.850 1.199 2.348 -0.661 1.364 2.383 -0.206 1.502 2.440 -0.662 1.265 2.574 -0.037 1.565 2.809 -0.108 1.611 2.691

1.000


Residual Variances BOOKHOME MOEDUC FAEDUC FREKHW TIMEHW SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH HMWORK SSGURU ATTSCH IMPORT

0.849 0.952 0.949 0.994 0.999 0.895 0.966 0.999 0.719 0.719 -0.528 0.994 0.921 0.615 1.001

R-SQUARE Observed Variable

Estimate

BOOKHOME MOEDUC FAEDUC ASPIR FREKHW TIMEHW SOSEK OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH Latent Variable

0.151 0.048 0.051 0.041 0.006 0.001 0.105 0.034 0.586 0.447 0.393 0.001 0.281 0.469 0.616 0.538 0.281 0.483 0.530 0.549 0.544 Undefined

HMWORK SSGURU ATTSCH IMPORT

0.006 0.079 0.385 Undefined

Scale Factors

0.979

0.644 0.743 0.779

0.728 0.619 0.680 0.719 0.686 0.672 0.675 0.15284E+01

Estimate

-0.14794E-02


QUALITY OF NUMERICAL RESULTS Condition Number for the Information Matrix (ratio of smallest to largest eigenvalue)

0.190E-08

MODEL MODIFICATION INDICES NOTE: Modification indices for direct effects of observed dependent variables regressed on covariates and residual covariances among observed dependent variables may not be included. To include these, request MODINDICES (ALL). Minimum M.I. value for printing the modification index Std E.P.C.

10.000

M.I.

E.P.C.

StdYX E.P.C.

27.194 18.763 11.146 50.784 58.740 19.201 21.384 14.786 24.811 65.055 37.552 31.489 27.050 13.138 16.021 58.328 22.051 32.210 24.357 37.971 49.835 61.257 11.923 70.413 19.401 17.424 11.976

-0.151 -2.216 1.074 -2.154 -2.530 1.602 1.671 0.110 0.142 0.073 -0.194 0.194 0.179 0.092 0.101 0.062 -0.188 0.132 0.114 0.197 0.225 0.064 -0.085 0.190 -0.130 -0.155 0.112

-0.089 -0.132 0.064 -0.129 -0.151 0.096 0.100 0.103 0.133 0.068 -0.183 0.182 0.168 0.109 0.120 0.074 -0.223 0.157 0.136 0.190 0.217 0.062 -0.082 0.184 -0.126 -0.150 0.108

-0.112 -0.050 0.048 -0.100 -0.109 0.064 0.067 0.039 0.051 0.086 -0.131 0.123 0.114 0.041 0.046 0.093 -0.138 0.106 0.092 0.072 0.083 0.078 -0.061 0.143 -0.092 -0.093 0.073

21.821

0.817

0.049

0.060

31.119

-0.052

-0.049

-0.061

29.862

-0.044

-0.052

-0.064

BY Statements PAREDU BY FREKHW HMWORK BY MOEDUC HMWORK BY ATTSCH2 HMWORK BY ATTSCH3 HMWORK BY IMPORT1 HMWORK BY IMPORT3 HMWORK BY IMPORT4 SSGURU BY MOEDUC SSGURU BY FAEDUC SSGURU BY FREKHW SSGURU BY IMPORT1 SSGURU BY IMPORT3 SSGURU BY IMPORT4 ATTSCH BY MOEDUC ATTSCH BY FAEDUC ATTSCH BY FREKHW ATTSCH BY SSGURU2 ATTSCH BY IMPORT3 ATTSCH BY IMPORT4 IMPORT BY MOEDUC IMPORT BY FAEDUC IMPORT BY FREKHW IMPORT BY ATTSCH2 IMPORT BY ATTSCH3 IMPORT BY SSGURU1 IMPORT BY SSGURU2 IMPORT BY SSGURU3 ON/BY Statements BOOKHOME HMWORK BOOKHOME SSGURU BOOKHOME ATTSCH

ON BY ON BY ON BY

HMWORK / BOOKHOME SSGURU / BOOKHOME ATTSCH / BOOKHOME


BOOKHOME IMPORT ASPIR HMWORK SOSEK ATTSCH OTPEDULI SSGURU OTPEDULI ATTSCH OTPEDULI IMPORT BULLY PAREDU BULLY HMWORK SSGURU ATTSCH ATTSCH IMPORT IMPORT SSGURU IMPORT ATTSCH

ON BY ON BY ON BY ON BY ON BY ON BY ON BY ON BY ON BY ON BY ON BY ON BY

IMPORT BOOKHOME HMWORK ASPIR ATTSCH SOSEK SSGURU OTPEDULI ATTSCH OTPEDULI IMPORT OTPEDULI PAREDU BULLY HMWORK BULLY ATTSCH SSGURU IMPORT ATTSCH SSGURU IMPORT ATTSCH IMPORT

/ 64.985

-0.091

-0.088

-0.108

18.383

0.903

0.054

0.053

11.618

-0.031

-0.037

-0.050

26.865

0.101

0.095

0.112

13.904

0.090

0.107

0.125

35.034

0.071

0.068

0.080

12.702

-0.104

-0.061

-0.074

12.266

-0.561

-0.034

-0.041

38.473

-0.178

-0.225

-0.225

31.474

0.139

0.113

0.113

32.321

0.478

0.465

0.465

50.664

0.125

0.154

0.154

/ / / / / / / / / / /


ON Statements PAREDU PAREDU PAREDU PAREDU HMWORK HMWORK HMWORK HMWORK HMWORK SSGURU ATTSCH IMPORT IMPORT IMPORT BOOKHOME BOOKHOME ASPIR ASPIR SOSEK SOSEK SOSEK OTPEDULI OTPEDULI OTPEDULI BULLY BULLY BULLY ATTMATH EFFMATH ACH_MATH ACH_MATH ACH_MATH SSGURU ATTSCH IMPORT ASPIR OTPEDULI ACH_MATH

ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON ON

BOOKHOME OTPEDULI BULLY ATTMATH BOOKHOME ASPIR BULLY ATTMATH ACH_MATH BOOKHOME BOOKHOME BOOKHOME OTPEDULI ATTMATH ASPIR ACH_MATH BOOKHOME ACH_MATH BOOKHOME ASPIR BULLY BULLY ATTMATH ACH_MATH SOSEK OTPEDULI EFFMATH ACH_MATH BULLY BOOKHOME ASPIR OTPEDULI GENDER GENDER GENDER GENDER GENDER GENDER

36.284 34.326 14.589 10.420 17.657 16.074 11.993 13.697 17.847 16.186 10.086 36.877 34.327 44.168 35.124 33.308 35.124 15.232 20.841 16.482 13.039 43.129 27.893 29.227 20.576 47.583 21.417 18.707 30.699 31.859 13.259 16.993 37.531 33.276 51.953 13.299 34.623 24.507

-0.472 0.282 -0.061 0.065 0.004 0.003 -0.003 0.037 -0.066 -0.052 -0.065 -0.154 0.091 0.414 -0.118 0.049 -0.212 0.037 0.334 0.199 0.047 0.098 0.233 -0.204 0.069 0.096 -0.056 -0.737 -0.091 0.197 0.085 -1.474 0.135 0.205 0.160 -0.116 0.143 -0.595

-0.797 0.476 -0.103 0.110 0.066 0.047 -0.049 0.616 -1.110 -0.056 -0.055 -0.159 0.094 0.429 -0.118 0.049 -0.212 0.037 0.334 0.199 0.047 0.098 0.233 -0.204 0.069 0.096 -0.056 -0.737 -0.091 0.197 0.085 -1.474 0.144 0.172 0.166 -0.116 0.143 -0.595

-0.645 0.405 -0.085 0.101 0.053 0.048 -0.041 0.565 -1.814 -0.045 -0.044 -0.129 0.080 0.393 -0.149 0.099 -0.168 0.059 0.363 0.274 0.052 0.095 0.250 -0.392 0.062 0.099 -0.063 -1.314 -0.081 0.097 0.053 -0.768 0.072 0.086 0.083 -0.057 0.084 -0.182


WITH Statements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

25.759 10.553 13.526 51.881 22.601 15.876 13.505 21.128 19.639 11.583 17.387 26.830 60.191 10.686 13.345 38.473 38.446 35.712 20.841 24.672 12.949 35.711 16.482 35.124 20.841 16.482 34.326 34.327 14.885 11.993 37.531 33.276 13.035 45.272 14.127 13.169 13.459 10.198 30.407 38.940 13.745 16.113

0.759 0.075 -0.145 0.266 0.303 0.249 -0.127 0.148 -0.175 0.065 0.142 -0.175 0.268 0.065 0.127 -0.155 0.099 -0.252 0.003 -0.043 -0.049 -0.081 0.003 -0.118 0.186 0.199 0.197 0.064 -0.042 -0.002 2.085 3.154 0.032 0.068 0.022 -0.383 0.353 0.051 -0.061 0.139 0.090 0.941

0.759 0.075 -0.145 0.266 0.303 0.249 -0.127 0.148 -0.175 0.065 0.142 -0.175 0.268 0.065 0.127 -0.184 0.110 -0.425 0.046 -0.047 -0.053 -0.084 0.050 -0.118 0.186 0.199 0.334 0.066 -0.071 -0.034 2.310 3.381 0.032 0.068 0.365 -0.424 0.365 0.056 -0.061 0.139 0.090 0.941

0.187 0.094 -0.145 0.266 0.117 0.098 -0.127 0.148 -0.175 0.083 0.142 -0.175 0.268 0.082 0.127 -0.184 0.110 -0.570 0.062 -0.063 -0.071 -0.113 0.050 -0.158 0.354 0.283 0.399 0.079 -0.086 -0.041 2.800 4.097 0.055 0.099 0.470 -0.546 0.470 0.072 -0.095 999.000 999.000 999.000

ESTIMATES DERIVED FROM THE MODEL

ESTIMATED MEANS FOR THE LATENT VARIABLES PAREDU HMWORK SSGURU ________ ________ ________

ATTSCH ________

IMPORT ________


1

0.000

-0.006

-0.044

1

ESTIMATED MEANS FOR THE LATENT VARIABLES BOOKHOME ASPIR SOSEK ________ ________ ________ 2.116 0.001 0.013

1

ESTIMATED MEANS FOR THE LATENT VARIABLES ATTMATH EFFMATH ACH_MATH ________ ________ ________ -0.060 -0.037 8.244

PAREDU HMWORK SSGURU ATTSCH IMPORT BOOKHOME ASPIR SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH

-0.037

0.000

OTPEDULI ________ -0.167

BULLY ________ -0.028

ESTIMATED COVARIANCE MATRIX FOR THE LATENT VARIABLES PAREDU HMWORK SSGURU ATTSCH ________ ________ ________ ________ 0.350 0.000 0.004 -0.014 0.014 0.885 -0.014 0.011 0.690 1.415 -0.108 0.000 0.540 0.418 0.185 0.000 -0.006 -0.006 0.120 -0.001 -0.006 -0.006 -0.143 -0.007 -0.022 -0.016 -0.092 0.004 0.110 0.110 0.000 0.000 -0.033 -0.088 -0.035 0.022 0.360 0.269 -0.019 0.008 0.184 0.137 0.015 0.112 0.196 0.164

IMPORT ________

0.933 -0.057 0.007 0.045 0.028 0.000 0.238 0.133 -0.210


BOOKHOME ASPIR SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH

ESTIMATED COVARIANCE MATRIX FOR THE LATENT VARIABLES BOOKHOME ASPIR SOSEK OTPEDULI ________ ________ ________ ________ 0.656 0.061 1.043 -0.107 -0.019 0.553 -0.049 -0.032 0.038 0.726 0.000 0.000 0.000 0.000 -0.042 -0.010 -0.027 0.127 -0.024 -0.005 -0.006 0.067 0.046 -0.013 -0.239 0.018

ATTMATH EFFMATH ACH_MATH

ESTIMATED COVARIANCE MATRIX FOR THE LATENT VARIABLES ATTMATH EFFMATH ACH_MATH ________ ________ ________ 0.840 0.444 0.852 0.035 -0.109 2.671

PAREDU HMWORK SSGURU ATTSCH IMPORT BOOKHOME ASPIR SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH

ESTIMATED CORRELATION MATRIX FOR THE LATENT VARIABLES PAREDU HMWORK SSGURU ATTSCH ________ ________ ________ ________ 1.000 -0.013 1.000 -0.025 0.251 1.000 -0.020 0.155 0.617 1.000 -0.189 0.002 0.594 0.364 0.385 0.005 -0.007 -0.006 0.198 -0.010 -0.007 -0.005 -0.324 -0.161 -0.032 -0.018 -0.183 0.070 0.137 0.108 0.000 0.001 -0.042 -0.089 -0.065 0.393 0.417 0.246 -0.035 0.137 0.212 0.125 0.015 1.146 0.127 0.084

BULLY ________

0.681 -0.007 -0.004 0.008

IMPORT ________

1.000 -0.073 0.008 0.063 0.035 0.000 0.269 0.150 -0.133


BOOKHOME ASPIR SOSEK OTPEDULI BULLY ATTMATH EFFMATH ACH_MATH

ESTIMATED CORRELATION MATRIX FOR THE LATENT VARIABLES BOOKHOME ASPIR SOSEK OTPEDULI ________ ________ ________ ________ 1.000 0.074 1.000 -0.178 -0.025 1.000 -0.071 -0.036 0.059 1.000 0.000 0.000 0.000 0.000 -0.057 -0.011 -0.040 0.163 -0.032 -0.005 -0.009 0.085 0.035 -0.008 -0.196 0.013

ATTMATH EFFMATH ACH_MATH

ESTIMATED CORRELATION MATRIX FOR THE LATENT VARIABLES ATTMATH EFFMATH ACH_MATH ________ ________ ________ 1.000 0.525 1.000 0.023 -0.072 1.000

BULLY ________

1.000 -0.009 -0.005 0.006

DIAGRAM INFORMATION Use View Diagram under the Diagram menu in the Mplus Editor to view the diagram. If running Mplus from the Mplus Diagrammer, the diagram opens automatically. Diagram output c:\users\jahja umar\documents\sem-math\mathsiswa.dgm Beginning Time: Ending Time: Elapsed Time:

13:42:49 13:42:52 00:00:03

MUTHEN & MUTHEN 3463 Stoner Ave. Los Angeles, CA 90066 Tel: (310) 391-9971 Fax: (310) 391-8971 Web: www.StatModel.com Support: [email protected] Copyright (c) 1998-2012 Muthen & Muthen

Lampiran 2 (Sem Level Sekolah) Mplus VERSION 7 MUTHEN & MUTHEN 11/15/2012 1:53 PM INPUT INSTRUCTIONS


TITLE: MODEL SEKOLAH MATH; DATA: FILE IS mathsek.txt; VARIABLE: NAMES ARE SOSEK_S SRESOURC INTERSOT LEADER EXP PEND MAJOR USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB OTL EVALHW FREKTES JNSSOAL; USEVARIABLES ARE SOSEK_S SRESOURC LEADER EXP PEND MAJOR USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB ; MISSING ARE SRESOURC EXP PEND MAJOR (999) SOSEK_S (9) USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB INTERSOT LEADER (99); MODEL: SRESOURC ON SOSEK_S; INTERG ON PEND major ATTPROF; INTERGOT ON EXP; PSB ON SRESOURC; ATTPROF ON MAJOR pend hamgur; USECOMP ON SRESOURC; HAMGUR ON SOSEK_S; EFFGURU ON LEADER EXP USECOMP INTERG ATTPROF INTERGOT HAMGUR; GTP ON EXP LEADER ATTPROF PSB HAMGUR USECOMP EFFGURU; SAB ON EXP LEADER PSB HAMGUR GTP effguru; PSB ON EFFGURU; OUTPUT: STANDARDIZED (STDYX); MODINDICES (5); TECH4;

*** WARNING Data set contains cases with missing on x-variables. These cases were not included in the analysis. Number of cases with missing on x-variables: 34 1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS


MODEL SEKOLAH MATH; SUMMARY OF ANALYSIS Number of groups Number of observations

1 119

Number of dependent variables Number of independent variables Number of continuous latent variables

10 5 0

Observed dependent variables Continuous SRESOURC INTERGOT

USECOMP EFFGURU

INTERG SAB

Observed independent variables SOSEK_S LEADER EXP

ATTPROF PSB

GTP

PEND

MAJOR

Estimator Information matrix Maximum number of iterations Convergence criterion Maximum number of steepest descent iterations Maximum number of iterations for H1 Convergence criterion for H1

HAMGUR

ML OBSERVED 1000 0.500D-04 20 2000 0.100D-03

Input data file(s) mathsek.txt Input data format

FREE


SUMMARY OF DATA Number of missing data patterns

2

COVARIANCE COVERAGE OF DATA Minimum covariance coverage value

0.100

PROPORTION OF DATA PRESENT

SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB SOSEK_S LEADER EXP PEND MAJOR

Covariance Coverage SRESOURC USECOMP ________ ________ 0.857 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000 0.857 1.000

INTERG ________

ATTPROF ________

GTP ________

1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000


HAMGUR INTERGOT EFFGURU SAB PSB SOSEK_S LEADER EXP PEND MAJOR

Covariance Coverage HAMGUR INTERGOT ________ ________ 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

SOSEK_S LEADER EXP PEND MAJOR

Covariance Coverage SOSEK_S LEADER ________ ________ 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

EFFGURU ________

SAB ________

PSB ________

1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

1.000 1.000 1.000 1.000 1.000 1.000 1.000

1.000 1.000 1.000 1.000 1.000 1.000

EXP ________

PEND ________

MAJOR ________

1.000 1.000 1.000

1.000 1.000

1.000

THE MODEL ESTIMATION TERMINATED NORMALLY MODEL FIT INFORMATION Number of Free Parameters

52

Loglikelihood H0 Value H1 Value

-1815.852 -1790.465

Information Criteria Akaike (AIC) Bayesian (BIC) Sample-Size Adjusted BIC (n* = (n + 2) / 24) Chi-Square Test of Model Fit Value Degrees of Freedom P-Value

3735.705 3880.219 3715.827

50.775 63 0.8661

RMSEA (Root Mean Square Error Of Approximation) Estimate

0.000


90 Percent C.I. Probability RMSEA <= .05

0.000 0.993

CFI TLI

1.000 2.357

0.030

CFI/TLI

Chi-Square Test of Model Fit for the Baseline Model Value Degrees of Freedom P-Value

108.590 95 0.1610

SRMR (Standardized Root Mean Square Residual) Value

0.057


Estimate

S.E.

Est./S.E.

SRESOURC ON SOSEK_S

3.828

0.966

3.961

0.000

INTERG ON PEND MAJOR ATTPROF

0.058 0.030 -0.052

0.170 0.071 0.107

0.339 0.421 -0.490

0.735 0.674 0.624

INTERGOT ON EXP

-0.006

0.006

-0.980

0.327

ON SRESOURC EFFGURU

-0.028 0.156

0.013 0.179

-2.225 0.873

0.026 0.383

ATTPROF ON MAJOR PEND HAMGUR

-0.016 -0.189 0.213

0.060 0.142 0.086

-0.265 -1.334 2.467

0.791 0.182 0.014

USECOMP ON SRESOURC

-0.006

0.007

-0.899

0.369

HAMGUR ON SOSEK_S

0.013

0.074

0.179

0.858

EFFGURU ON LEADER EXP

-0.088 0.003

0.092 0.005

-0.953 0.537

0.341 0.591

PSB


USECOMP INTERG ATTPROF INTERGOT HAMGUR ON EXP LEADER ATTPROF PSB HAMGUR USECOMP EFFGURU

-0.019 -0.106 0.237 0.199 -0.030

0.084 0.069 0.080 0.076 0.079

-0.232 -1.534 2.949 2.628 -0.377

0.816 0.125 0.003 0.009 0.706

-0.003 0.008 -0.003 0.007 0.115 0.045 0.026

0.005 0.105 0.095 0.049 0.090 0.095 0.100

-0.470 0.075 -0.032 0.138 1.285 0.471 0.255

0.639 0.940 0.974 0.890 0.199 0.638 0.799

0.003 -0.095 0.046 -0.084 -0.074 0.107

0.006 0.109 0.051 0.090 0.095 0.101

0.560 -0.872 0.897 -0.935 -0.779 1.058

0.576 0.383 0.370 0.350 0.436 0.290

GTP

SAB

ON EXP LEADER PSB HAMGUR GTP EFFGURU


Intercepts SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB Residual Variances SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB

6.503 0.202 -0.323 0.963 0.113 -0.055 0.085 -0.050 0.050 0.259

2.518 0.133 0.851 0.709 0.110 0.190 0.118 0.096 0.113 0.238

2.582 1.516 -0.380 1.357 1.028 -0.292 0.717 -0.523 0.440 1.089

0.010 0.130 0.704 0.175 0.304 0.770 0.474 0.601 0.660 0.276

114.353 0.690 1.008 0.710 0.693 0.803 0.840 0.534 0.750 2.360

15.966 0.090 0.131 0.092 0.090 0.104 0.109 0.069 0.097 0.306

7.162 7.702 7.714 7.714 7.714 7.714 7.714 7.714 7.714 7.702

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


STANDARDIZED MODEL RESULTS STDYX Standardization Two-Tailed P-Value

Estimate

S.E.

Est./S.E.

SRESOURC ON SOSEK_S

0.367

0.085

4.296

0.000

INTERG ON PEND MAJOR ATTPROF

0.031 0.039 -0.045

0.092 0.091 0.092

0.339 0.421 -0.490

0.734 0.673 0.624

INTERGOT ON EXP

-0.089

0.091

-0.984

0.325

ON SRESOURC EFFGURU

-0.205 0.079

0.090 0.090

-2.268 0.874

0.023 0.382

ATTPROF ON MAJOR PEND HAMGUR

-0.024 -0.118 0.219

0.089 0.088 0.087

-0.265 -1.344 2.528

0.791 0.179 0.011

USECOMP ON SRESOURC

-0.089

0.099

-0.901

0.368

HAMGUR ON SOSEK_S

0.016

0.092

0.179

0.858

EFFGURU ON LEADER EXP USECOMP INTERG ATTPROF INTERGOT HAMGUR

-0.081 0.046 -0.021 -0.135 0.260 0.232 -0.034

0.085 0.086 0.088 0.088 0.085 0.086 0.089

-0.955 0.538 -0.233 -1.536 3.050 2.681 -0.378

0.339 0.590 0.816 0.125 0.002 0.007 0.705

PSB


GTP

ON EXP LEADER ATTPROF PSB HAMGUR USECOMP EFFGURU

-0.043 0.007 -0.003 0.013 0.123 0.044 0.024

0.092 0.091 0.098 0.092 0.095 0.094 0.094

-0.470 0.075 -0.032 0.138 1.296 0.472 0.255

0.638 0.940 0.974 0.890 0.195 0.637 0.799

ON EXP LEADER PSB HAMGUR GTP EFFGURU

0.050 -0.079 0.081 -0.085 -0.071 0.096

0.090 0.090 0.090 0.091 0.090 0.090

0.561 -0.874 0.899 -0.939 -0.781 1.063

0.575 0.382 0.369 0.348 0.435 0.288

Intercepts SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB

0.566 0.242 -0.321 1.106 0.134 -0.062 0.092 -0.064 0.056 0.165

0.240 0.159 0.845 0.806 0.131 0.212 0.128 0.121 0.128 0.149

2.359 1.523 -0.380 1.372 1.029 -0.292 0.719 -0.523 0.439 1.103

0.018 0.128 0.704 0.170 0.304 0.770 0.472 0.601 0.661 0.270

0.865 0.992 0.995 0.938 0.980 1.000 0.992 0.852 0.960 0.952

0.063 0.018 0.013 0.043 0.027 0.003 0.016 0.058 0.035 0.037

13.783 56.219 78.255 21.933 36.808 331.748 60.985 14.623 27.240 25.488

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB

Residual Variances SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB


R-SQUARE Observed Variable

Estimate

S.E.

Est./S.E.

SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB PSB

0.135 0.008 0.005 0.062 0.020 0.000 0.008 0.148 0.040 0.048

0.063 0.018 0.013 0.043 0.027 0.003 0.016 0.058 0.035 0.037

2.148 0.450 0.383 1.459 0.733 0.090 0.492 2.547 1.135 1.285

Two-Tailed P-Value 0.032 0.652 0.702 0.144 0.464 0.929 0.623 0.011 0.256 0.199


0.136E-04

MODEL MODIFICATION INDICES NOTE: Modification indices for direct effects of observed dependent variables regressed on covariates may not be included. To include these, request MODINDICES (ALL). Minimum M.I. value for printing the modification index Std E.P.C.

5.000

M.I.

E.P.C.

StdYX E.P.C.

6.046 5.935 6.248

-0.246 -1.122 -0.209

-0.246 -1.122 -0.209

-0.225 -0.882 -0.228

6.118

-0.209

-0.209

-0.227

ON Statements INTERG ON INTERGOT INTERG ON EFFGURU INTERGOT ON INTERG

WITH Statements INTERGOT WITH INTERG TECHNICAL 4 OUTPUT ESTIMATES DERIVED FROM THE MODEL

1

ESTIMATED MEANS FOR THE LATENT VARIABLES SRESOURC USECOMP INTERG ________ ________ ________ 15.285 0.103 0.006

ATTPROF ________ 0.002

GTP ________ 0.077


1

ESTIMATED MEANS FOR THE LATENT VARIABLES HAMGUR INTERGOT EFFGURU ________ ________ ________ -0.025 0.003 -0.010

SAB ________ 0.086

PSB ________ -0.171

1

ESTIMATED MEANS FOR THE LATENT VARIABLES SOSEK_S LEADER EXP ________ ________ ________ 2.294 -0.052 14.092

PEND ________ 4.933

MAJOR ________ 1.487


ESTIMATED COVARIANCE MATRIX FOR THE LATENT VARIABLES SRESOURC USECOMP INTERG ATTPROF ________ ________ ________ ________ 132.172 -0.855 0.695 0.028 0.000 1.013 -0.048 0.000 -0.043 0.758 -0.077 0.031 -0.004 0.022 0.062 0.000 -0.009 0.171 -0.050 0.000 0.001 -0.001 0.000 -0.013 -0.118 0.180 -0.155 -0.003 -0.013 0.006 -3.702 0.022 -0.019 0.029 4.655 -0.030 0.007 -0.013 0.147 -0.001 0.002 -0.010 8.710 -0.056 -0.093 0.091 0.301 -0.002 0.020 -0.056 0.288 -0.002 0.051 -0.024


ESTIMATED COVARIANCE MATRIX FOR THE LATENT VARIABLES HAMGUR INTERGOT EFFGURU SAB ________ ________ ________ ________ 0.803 0.000 0.846 0.017 0.166 0.627 -0.072 0.015 0.074 0.781 0.001 0.027 0.098 0.122 0.016 -0.013 -0.004 -0.004 0.001 -0.002 -0.049 -0.056 0.030 -1.170 0.281 0.651 0.001 0.001 -0.021 -0.009 0.001 0.014 -0.009 -0.003

ESTIMATED COVARIANCE MATRIX FOR THE LATENT VARIABLES SOSEK_S LEADER EXP PEND ________ ________ ________ ________

GTP ________

0.707 0.092 0.007 0.016 -0.059 0.021 -0.006 0.002 -0.506 0.001 0.006

PSB ________

2.479 -0.131 -0.012 -0.200 -0.012 -0.009

MAJOR ________



1.216 0.038 2.275 0.079 0.075

0.539 0.417 0.060 -0.069

202.067 -0.237 -2.465

0.298 -0.009


ESTIMATED CORRELATION MATRIX FOR THE LATENT VARIABLES SRESOURC USECOMP INTERG ATTPROF ________ ________ ________ ________ 1.000 -0.089 1.000 0.002 0.000 1.000 -0.005 0.000 -0.050 1.000 -0.008 0.044 -0.004 0.030 0.006 -0.001 -0.010 0.219 -0.005 0.000 0.001 -0.001 0.000 -0.020 -0.148 0.261 -0.015 -0.004 -0.014 0.008 -0.205 0.017 -0.012 0.021 0.367 -0.033 0.007 -0.013 0.017 -0.002 0.003 -0.016 0.053 -0.005 -0.006 0.007 0.048 -0.004 0.036 -0.118 0.019 -0.002 0.039 -0.022 ESTIMATED CORRELATION MATRIX FOR THE LATENT VARIABLES HAMGUR INTERGOT EFFGURU SAB ________ ________ ________ ________ 1.000 0.000 1.000 0.024 0.228 1.000 -0.091 0.018 0.106 1.000 0.001 0.019 0.079 0.088 0.016 -0.013 -0.004 -0.004 0.001 -0.004 -0.085 -0.086 0.002 -0.089 0.025 0.052 0.002 0.003 -0.049 -0.019 0.001 0.012 -0.008 -0.003


ESTIMATED CORRELATION MATRIX FOR THE LATENT VARIABLES SOSEK_S LEADER EXP PEND ________ ________ ________ ________ 1.000 0.047 1.000 0.145 0.040 1.000 0.131 0.151 -0.031 1.000 0.053 -0.073 -0.135 -0.013


1.662

GTP ________

1.000 0.122 0.010 0.025 -0.080 0.016 -0.006 0.003 -0.042 0.001 0.005 PSB ________

1.000 -0.075 -0.010 -0.009 -0.014 -0.005

MAJOR ________

1.000

DIAGRAM INFORMATION Use View Diagram under the Diagram menu in the Mplus Editor to view the diagram. If running Mplus from the Mplus Diagrammer, the diagram opens automatically.


Diagram output c:\users\jahja umar\documents\sem-math\modelmathschool.dgm Beginning Time: Ending Time: Elapsed Time:

13:53:33 13:53:33 00:00:00


Lampiran 3 (Hasil Analisis Multi Level) Mplus VERSION 7 MUTHEN & MUTHEN 11/27/2012 11:05 AM INPUT INSTRUCTIONS TITLE: MATH TWOLEVEL DATA: FILE IS mlMATH1.TXT; VARIABLE: NAMES= idsch GENDER BOOKHOME SOSEK MOEDUC FAEDUC ASPIR USECOMP1 USECOMP2 USECOMP3 OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 FREKHW TIMEHW ACH_MATH SOSEK_S SRESOURC INTERSOT LEADER EXP PEND MAJOR USECOMP INTERG ATTPROF GTP HAMGUR INTERGOT EFFGURU SAB USERES OTL EVALHW FREKTES JNSSOAL; USEVARIABLES = idsch OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH SOSEK_S SRESOURC LEADER EXP PEND USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES; BETWEEN = SOSEK_S SRESOURC LEADER EXP PEND USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES; WITHIN = OTPEDULI ATTSCH1 ATTSCH2 ATTSCH3 BULLY ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4; CLUSTER = idsch;


DEFINE: ACH_MATH=ACH_MATH/50; ANALYSIS: TYPE = TWOLEVEL RANDOM; ALGORITHM = INTEGRATION; INTEGRATION = 7; PROCESSORS = 2; MODEL: %WITHIN% SSGURU BY SSGURU1-SSGURU3; ATTSCH BY ATTSCH1-ATTSCH3; IMPORT BY IMPORT1-IMPORT4; ATTSCH SSGURU ON OTPEDULI BULLY ; ATTMATH ON ATTSCH SSGURU IMPORT OTPEDULI; EFFMATH ON ATTMATH; s1 | ACH_MATH ON EFFMATH; s2 | ACH_MATH ON ATTMATH; %BETWEEN% SRESOURC ON SOSEK_S; INTERG ON PEND EXP; USERES ON SRESOURC; ATTPROF ON pend EXP; USECOMP ON SOSEK_S SRESOURC; HAMGUR ON SOSEK_S; EFFGURU ON LEADER USECOMP PEND EXP INTERG ATTPROF HAMGUR; GTP ON EXP LEADER ATTPROF USERES HAMGUR USECOMP EFFGURU SRESOURC; SAB ON USERES EXP HAMGUR GTP effguru; ACH_MATH S1 S2 ON sosek_s gtp sresourc HAMGUR LEADER EFFGURU GTP SAB;

OUTPUT:

TECH1 TECH8;

INPUT READING TERMINATED NORMALLY

MATH TWOLEVEL


SUMMARY OF ANALYSIS Number of groups Number of observations

1 5200

Number of dependent variables Number of independent variables Number of continuous latent variables

22 6 5

Observed dependent variables Continuous SRESOURC EFFGURU ATTMATH IMPORT2

USECOMP SAB SSGURU1 IMPORT3

INTERG USERES SSGURU2 IMPORT4

ATTPROF ATTSCH1 SSGURU3 ACH_MATH

GTP ATTSCH2 EFFMATH

HAMGUR ATTSCH3 IMPORT1

Observed independent variables OTPEDULI BULLY SOSEK_S

LEADER

EXP

PEND

Continuous latent variables SSGURU ATTSCH IMPORT

S1

S2

Variables with special functions Cluster variable

IDSCH

Within variables OTPEDULI ATTSCH1 SSGURU1 SSGURU2 IMPORT3 IMPORT4

ATTSCH2 SSGURU3

ATTSCH3 EFFMATH

BULLY IMPORT1

ATTMATH IMPORT2

Between variables SOSEK_S SRESOURC INTERG ATTPROF USERES

LEADER GTP

EXP HAMGUR

PEND EFFGURU

USECOMP SAB


Estimator MLR Information matrix OBSERVED Optimization Specifications for the Quasi-Newton Algorithm for Continuous Outcomes Maximum number of iterations 100 Convergence criterion 0.100D-05 Optimization Specifications for the EM Algorithm Maximum number of iterations 500 Convergence criteria Loglikelihood change 0.100D-02 Relative loglikelihood change 0.100D-05 Derivative 0.100D-02 Optimization Specifications for the M step of the EM Algorithm for Categorical Latent variables Number of M step iterations 1 M step convergence criterion 0.100D-02 Basis for M step termination ITERATION Optimization Specifications for the M step of the EM Algorithm for Censored, Binary or Ordered Categorical (Ordinal), Unordered Categorical (Nominal) and Count Outcomes Number of M step iterations 1 M step convergence criterion 0.100D-02 Basis for M step termination ITERATION Maximum value for logit thresholds 15 Minimum value for logit thresholds -15 Minimum expected cell size for chi-square 0.100D-01 Optimization algorithm EMA Integration Specifications Type STANDARD Number of integration points 7 Dimensions of numerical integration 0 Adaptive quadrature ON Cholesky OFF Input data file(s) mlMATH1.TXT Input data format FREE


SUMMARY OF DATA Number of clusters

153

THE MODEL ESTIMATION TERMINATED NORMALLY

MODEL FIT INFORMATION Number of Free Parameters

118

Loglikelihood H0 Value H0 Scaling Correction Factor for MLR

-75029.082 3.8212

Information Criteria Akaike (AIC) Bayesian (BIC) Sample-Size Adjusted BIC (n* = (n + 2) / 24)

150294.163 151067.820 150692.855



Estimate

S.E.

Est./S.E.


1.000 1.156 1.031

0.000 0.052 0.043

999.000 22.114 24.057

999.000 0.000 0.000


1.000 1.249 1.243

0.000 0.184 0.188

999.000 6.777 6.611

999.000 0.000 0.000

IMPORT BY IMPORT1

1.000

0.000

999.000

999.000

0.993 1.451 1.392

0.033 0.070 0.070

29.685 20.621 19.917

0.000 0.000 0.000

ATTSCH ON OTPEDULI BULLY

0.048 -0.045

0.010 0.008

4.682 -5.482

0.000 0.000

SSGURU ON OTPEDULI BULLY

0.056 -0.017

0.010 0.011

5.551 -1.624

0.000 0.104

0.199 0.404 0.415

0.067 0.084 0.064

2.983 4.812 6.471

0.003 0.000 0.000

ATTMATH ON OTPEDULI

0.135

0.017

8.081

0.000

EFFMATH ON ATTMATH

0.495

0.016

31.912

0.000

Within Level

IMPORT2 IMPORT3 IMPORT4

ATTMATH ATTSCH SSGURU IMPORT

ON


Intercepts ATTSCH1 ATTSCH2 ATTSCH3 ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4

1.498 1.807 1.645 0.005 1.958 1.986 1.889 0.004 1.713 1.923 1.726 1.717

0.014 0.014 0.016 0.028 0.021 0.017 0.016 0.016 0.014 0.011 0.014 0.013

110.401 129.643 101.520 0.168 94.075 116.017 120.936 0.220 123.702 167.760 124.880 127.603

0.000 0.000 0.000 0.866 0.000 0.000 0.000 0.826 0.000 0.000 0.000 0.000

Variances IMPORT

0.124

0.009

13.247

0.000

Residual Variances ATTSCH1 ATTSCH2 ATTSCH3 ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH SSGURU ATTSCH

0.229 0.237 0.415 0.759 0.526 0.321 0.218 0.641 0.283 0.255 0.246 0.213 1.502 0.209 0.132

0.018 0.025 0.043 0.024 0.052 0.039 0.019 0.017 0.013 0.017 0.030 0.026 0.042 0.033 0.029

12.449 9.379 9.655 32.075 10.082 8.162 11.749 37.066 22.528 14.604 8.245 8.126 35.822 6.393 4.501

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SOSEK_S GTP

-0.001 0.015

0.013 0.028

-0.097 0.540

0.923 0.590

SRESOURC HAMGUR LEADER EFFGURU SAB

0.000 0.022 -0.005 -0.016 0.003

0.000 0.010 0.000 0.013 0.011

-1.147 2.305 -10.960 -1.201 0.253

0.251 0.021 0.000 0.230 0.801

SOSEK_S

-0.008

0.014

-0.539

0.590

GTP SRESOURC HAMGUR LEADER EFFGURU SAB

-0.028 0.000 -0.010 0.005 -0.002 -0.027

0.027 0.000 0.013 0.001 0.015 0.013

-1.025 -0.034 -0.790 9.538 -0.151 -2.120

0.305 0.973 0.430 0.000 0.880 0.034

Between Level S1

ON

S2

ON


SRESOURC ON SOSEK_S

-3.278

12.784

-0.256

0.798

INTERG PEND EXP

-0.002 0.001

0.001 0.001

-1.349 1.156

0.177 0.248

USERES ON SRESOURC

0.000

0.000

1.487

0.137

ATTPROF PEND EXP

0.000 0.000

0.000 0.000

0.647 -0.292

0.517 0.771

USECOMP ON SOSEK_S SRESOURC

-0.021 0.000

0.027 0.000

-0.777 2.249

0.437 0.024

HAMGUR ON SOSEK_S

0.100

0.046

2.156

0.031

EFFGURU ON LEADER USECOMP PEND EXP INTERG ATTPROF HAMGUR

0.006 -0.058 0.002 0.000 -0.075 0.286 0.121

0.002 0.099 0.002 0.000 0.037 0.107 0.072

3.398 -0.590 1.174 1.577 -2.009 2.672 1.679

0.001 0.555 0.240 0.115 0.045 0.008 0.093

EXP LEADER ATTPROF USERES HAMGUR USECOMP

0.000 0.001 0.041 -0.005 0.018 0.008

0.000 0.001 0.077 0.026 0.030 0.076

-0.588 0.945 0.526 -0.181 0.588 0.101

0.556 0.345 0.599 0.857 0.556 0.920

EFFGURU SRESOURC

-0.019 0.000

0.046 0.000

-0.403 0.611

0.687 0.541

USERES EXP HAMGUR GTP EFFGURU

0.060 0.001 0.009 -0.106 -0.033

0.041 0.001 0.057 0.095 0.095

1.482 1.041 0.166 -1.121 -0.347

0.138 0.298 0.868 0.262 0.728

ACH_MATH ON SOSEK_S GTP SRESOURC

0.029 -0.086 -0.001

0.040 0.104 0.000

0.727 -0.821 -2.777

0.467 0.412 0.005

ON

GTP

ON

ON

SAB

ON


HAMGUR LEADER EFFGURU SAB

-0.026 0.010 -0.009 0.022

0.042 0.001 0.054 0.047

-0.619 6.977 -0.170 0.473

0.536 0.000 0.865 0.636

161.603 0.078 -0.022 -0.007 0.004 -0.403 -0.059 0.056 -0.180 7.902 -0.102 -0.006

49.411 0.116 0.087 0.073 0.074 0.210 0.067 0.077 0.130 0.149 0.049 0.049

3.271 0.670 -0.257 -0.098 0.060 -1.920 -0.876 0.737 -1.381 52.899 -2.084 -0.132

0.001 0.503 0.797 0.922 0.952 0.055 0.381 0.461 0.167 0.000 0.037 0.895

Residual Variances SRESOURC ********* USECOMP 0.610 INTERG 2.068 ATTPROF 0.667 GTP 0.605 HAMGUR 2.490 EFFGURU 1.062 SAB 1.645 USERES 2.013 ACH_MATH 1.071 S1 0.024 S2 0.018

19467.486 0.058 1.051 0.065 0.082 1.185 0.403 0.890 1.536 0.129 0.010 0.010

5.875 10.595 1.968 10.268 7.407 2.101 2.638 1.848 1.311 8.306 2.470 1.855

0.000 0.000 0.049 0.000 0.000 0.036 0.008 0.065 0.190 0.000 0.014 0.064

Intercepts SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES ACH_MATH S1 S2



0.141E-08

TECHNICAL 1 OUTPUT PARAMETER SPECIFICATION FOR WITHIN NU SRESOURC ________ 0

USECOMP ________ 0

INTERG ________ 0

ATTPROF ________ 0

GTP ________ 0

HAMGUR ________ 0

EFFGURU ________ 0

SAB ________ 0

USERES ________ 0

ATTSCH1 ________ 1

ATTSCH2 ________ 2

ATTSCH3 ________ 3

ATTMATH ________ 0

SSGURU1 ________ 4

SSGURU2 ________ 5

SSGURU3 ________ 6

EFFMATH ________ 0

IMPORT1 ________ 7

IMPORT2 ________ 8

IMPORT3 ________ 9

IMPORT4 ________ 10

ACH_MATH ________ 0

OTPEDULI ________ 0

BULLY ________ 0

SOSEK_S ________ 0

LEADER ________ 0 LAMBDA SSGURU ________ 0 0 0 0 0 0

EXP ________ 0

PEND ________ 0

ATTSCH ________ 0 0 0 0 0 0

IMPORT ________ 0 0 0 0 0 0

S1 ________ 0 0 0 0 0 0

S2 ________ 0 0 0 0 0 0

1

NU

1

NU

1

NU

1

NU

1

NU

1

SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR


EFFGURU SAB USERES ATTSCH1 ATTSCH2 ATTSCH3 ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

0 0 0 0 0 0 0 0 13 14 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 11 12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 15 16 17 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES ATTSCH1 ATTSCH2 ATTSCH3 ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

LAMBDA SRESOURC ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA HAMGUR ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SAB ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USERES ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA EFFMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ACH_MATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

OTPEDULI ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

BULLY ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SOSEK_S ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA LEADER ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EXP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

PEND ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



THETA SRESOURC ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


HAMGUR EFFGURU SAB USERES ATTSCH1 ATTSCH2 ATTSCH3 ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

THETA HAMGUR ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SAB ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USERES ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH1 ________

18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


ATTSCH2 ATTSCH3 ATTMATH SSGURU1 SSGURU2 SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

THETA ATTSCH2 ________ 19 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SSGURU3 EFFMATH IMPORT1 IMPORT2 IMPORT3 IMPORT4 ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

THETA SSGURU3 ________ 23 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH3 ________ 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0

ATTMATH ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT1 ________

24 0 0 0 0 0 0 0 0 0 0

SSGURU1 ________

21 0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT2 ________

25 0 0 0 0 0 0 0 0 0

SSGURU2 ________

22 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT3 ________

26 0 0 0 0 0 0 0 0


IMPORT4 ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

THETA IMPORT4 ________ 27 0 0 0 0 0 0 0

LEADER EXP PEND

THETA LEADER ________ 0 0 0

1

ALPHA SSGURU ________ 0

ATTSCH ________ 0

IMPORT ________ 0

S1 ________ 0

S2 ________ 0

1

ALPHA SRESOURC ________ 0

USECOMP ________ 0

INTERG ________ 0

ATTPROF ________ 0

GTP ________ 0

1

ALPHA HAMGUR ________ 0

EFFGURU ________ 0

SAB ________ 0

USERES ________ 0

ATTMATH ________ 28

ACH_MATH ________ 0

OTPEDULI ________ 0

BULLY ________ 0

SOSEK_S ________ 0

EXP ________ 0

PEND ________ 0

ATTSCH ________

IMPORT ________

S1 ________

S2 ________

1

1

ALPHA EFFMATH ________ 29 ALPHA LEADER ________ 0

BETA SSGURU ________

ACH_MATH ________ 0 0 0 0 0 0 0

EXP ________ 0 0

OTPEDULI ________

0 0 0 0 0 0

BULLY ________

0 0 0 0 0

SOSEK_S ________

0 0 0 0

PEND ________

0


SSGURU ATTSCH IMPORT S1 S2 SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES ATTMATH EFFMATH ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

0 0 0 0 0 0 0 0 0 0 0 0 0 0 34 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 35 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 36 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



BETA SRESOURC ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



BETA HAMGUR ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SAB ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USERES ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 38 0 0 0 0 0 0 0



BETA EFFMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ACH_MATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

OTPEDULI ________ 30 32 0 0 0 0 0 0 0 0 0 0 0 0 37 0 0 0 0 0 0 0 0

BULLY ________ 31 33 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SOSEK_S ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



BETA LEADER ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EXP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

PEND ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH ________

IMPORT ________

PSI

SSGURU ATTSCH IMPORT S1 S2 SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES ATTMATH EFFMATH ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP

SSGURU ________ 39 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

40 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

41 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

S1 ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

S2 ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


PEND

0

0

0

0

0

PSI

SRESOURC USECOMP INTERG ATTPROF GTP HAMGUR EFFGURU SAB USERES ATTMATH EFFMATH ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

SRESOURC ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0


PSI HAMGUR ________ 0 0 0 0 0 0 0 0 0 0 0 0 0

HAMGUR EFFGURU SAB USERES ATTMATH EFFMATH ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

EFFGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0

SAB ________

0 0 0 0 0 0 0 0 0 0 0

USERES ________

0 0 0 0 0 0 0 0 0 0

ATTMATH ________

42 0 0 0 0 0 0 0 0

PSI EFFMATH ________ 43 0 0 0 0 0 0 0

EFFMATH ACH_MATH OTPEDULI BULLY SOSEK_S LEADER EXP PEND

ACH_MATH ________ 44 0 0 0 0 0 0

OTPEDULI ________

0 0 0 0 0 0

BULLY ________

0 0 0 0 0

SOSEK_S ________

0 0 0 0

PSI

LEADER EXP PEND

LEADER ________ 0 0 0

EXP ________ 0 0

PEND ________

0


PARAMETER SPECIFICATION FOR BETWEEN NU

1

SRESOURC ________ 0

USECOMP ________ 0

INTERG ________ 0

ATTPROF ________ 0

GTP ________ 0

HAMGUR ________ 0

EFFGURU ________ 0

SAB ________ 0

USERES ________ 0

ATTSCH1 ________ 0

ATTSCH2 ________ 0

ATTSCH3 ________ 0

ATTMATH ________ 0

SSGURU1 ________ 0

SSGURU2 ________ 0

SSGURU3 ________ 0

EFFMATH ________ 0

IMPORT1 ________ 0

IMPORT2 ________ 0

IMPORT3 ________ 0

IMPORT4 ________ 0

ACH_MATH ________ 0

OTPEDULI ________ 0

BULLY ________ 0

SOSEK_S ________ 0

LEADER ________ 0

EXP ________ 0

PEND ________ 0

NU

1 NU

1

NU

1

NU

1

NU

1



LAMBDA SSGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

S1 ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

S2 ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA SRESOURC ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA HAMGUR ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SAB ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USERES ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA EFFMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ACH_MATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

OTPEDULI ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

BULLY ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SOSEK_S ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



LAMBDA LEADER ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EXP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

PEND ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



THETA SRESOURC ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



THETA HAMGUR ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SAB ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

USERES ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH1 ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



THETA ATTSCH2 ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


THETA SSGURU3 ________ 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH3 ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

EFFMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0

ATTMATH ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT1 ________

0 0 0 0 0 0 0 0 0 0 0

SSGURU1 ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT2 ________

0 0 0 0 0 0 0 0 0 0

SSGURU2 ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT3 ________

0 0 0 0 0 0 0 0 0



THETA IMPORT4 ________ 0 0 0 0 0 0 0 0

LEADER EXP PEND

THETA LEADER ________ 0 0 0

1

ALPHA SSGURU ________ 0

ATTSCH ________ 0

IMPORT ________ 0

S1 ________ 45

S2 ________ 46

1

ALPHA SRESOURC ________ 47

USECOMP ________ 48

INTERG ________ 49

ATTPROF ________ 50

GTP ________ 51

1

ALPHA HAMGUR ________ 52

EFFGURU ________ 53

SAB ________ 54

USERES ________ 55

ATTMATH ________ 0

ACH_MATH ________ 56

OTPEDULI ________ 0

BULLY ________ 0

SOSEK_S ________ 0

EXP ________ 0

PEND ________ 0

ATTSCH ________

IMPORT ________

S1 ________

S2 ________

1

1

ALPHA EFFMATH ________ 0 ALPHA LEADER ________ 0


ACH_MATH ________ 0 0 0 0 0 0 0

EXP ________ 0 0

OTPEDULI ________

0 0 0 0 0 0

BULLY ________

0 0 0 0 0

SOSEK_S ________

0 0 0 0

PEND ________

0



0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



BETA SRESOURC ________ 0 0 0 57 64 0 72 0 0 78 0 0 0 99 0 0 100 0 0 0 0 0 0

USECOMP ________ 0 0 0 0 0 0 0 0 0 79 0 87 0 0 0 0 0 0 0 0 0 0 0

INTERG ________ 0 0 0 0 0 0 0 0 0 0 0 88 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________ 0 0 0 0 0 0 0 0 0 80 0 89 0 0 0 0 0 0 0 0 0 0 0

GTP ________ 0 0 0 58 65 0 0 0 0 0 0 0 94 0 0 0 101 0 0 0 0 0 0



BETA HAMGUR ________ 0 0 0 59 66 0 0 0 0 81 0 90 95 0 0 0 102 0 0 0 0 0 0

EFFGURU ________ 0 0 0 60 67 0 0 0 0 82 0 0 96 0 0 0 103 0 0 0 0 0 0

SAB ________ 0 0 0 61 68 0 0 0 0 0 0 0 0 0 0 0 104 0 0 0 0 0 0

USERES ________ 0 0 0 0 0 0 0 0 0 83 0 0 97 0 0 0 0 0 0 0 0 0 0

ATTMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0



BETA EFFMATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ACH_MATH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

OTPEDULI ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

BULLY ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

SOSEK_S ________ 0 0 0 62 69 71 73 0 0 0 86 0 0 0 0 0 105 0 0 0 0 0 0



BETA LEADER ________ 0 0 0 63 70 0 0 0 0 84 0 91 0 0 0 0 106 0 0 0 0 0 0

EXP ________ 0 0 0 0 0 0 0 74 76 85 0 92 98 0 0 0 0 0 0 0 0 0 0

PEND ________ 0 0 0 0 0 0 0 75 77 0 0 93 0 0 0 0 0 0 0 0 0 0 0


PSI


SSGURU ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTSCH ________ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

IMPORT ________

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

S1 ________

107 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

S2 ________

108 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


PSI SRESOURC ________ 109 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


USECOMP ________ 110 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

INTERG ________

111 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

ATTPROF ________

112 0 0 0 0 0 0 0 0 0 0 0 0 0 0

GTP ________

113 0 0 0 0 0 0 0 0 0 0 0 0 0

PSI


HAMGUR ________ 114 0 0 0 0 0 0 0 0 0 0 0 0

EFFGURU ________ 115 0 0 0 0 0 0 0 0 0 0 0

SAB ________

116 0 0 0 0 0 0 0 0 0 0

USERES ________

117 0 0 0 0 0 0 0 0 0

ATTMATH ________

0 0 0 0 0 0 0 0 0


PSI EFFMATH ________ 0 0 0 0 0 0 0 0


ACH_MATH ________ 118 0 0 0 0 0 0

OTPEDULI ________

0 0 0 0 0 0

BULLY ________

0 0 0 0 0

SOSEK_S ________

0 0 0 0

PSI

LEADER EXP PEND

LEADER ________ 0 0 0

EXP ________ 0 0

PEND ________

0


STARTING VALUES FOR WITHIN

NU

1

SRESOURC ________ 0.000

USECOMP ________ 0.000

INTERG ________ 0.000

ATTPROF ________ 0.000

GTP ________ 0.000

HAMGUR ________ 0.000

EFFGURU ________ 0.000

SAB ________ 0.000

USERES ________ 0.000

ATTSCH1 ________ 1.499

ATTSCH2 ________ 1.808

ATTSCH3 ________ 1.645

ATTMATH ________ 0.000

SSGURU1 ________ 1.959

SSGURU2 ________ 1.987

SSGURU3 ________ 1.889

EFFMATH ________ 0.000

IMPORT1 ________ 1.713

IMPORT2 ________ 1.923

IMPORT3 ________ 1.726

IMPORT4 ________ 1.717

ACH_MATH ________ 0.000

OTPEDULI ________ 0.000

BULLY ________ 0.000

SOSEK_S ________ 0.000

LEADER ________ 0.000

EXP ________ 0.000

PEND ________ 0.000

NU

1

NU

1

NU

1

NU

1

NU

1



LAMBDA SSGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 1.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTSCH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 1.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

IMPORT ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 1.000 1.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

S1 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

S2 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



LAMBDA SRESOURC ________ 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________ 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTPROF ________ 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

GTP ________ 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



LAMBDA HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USERES ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



LAMBDA EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ACH_MATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000

OTPEDULI ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000

BULLY ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000

SOSEK_S ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000



LAMBDA LEADER ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000

EXP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000

PEND ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000



THETA SRESOURC ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________

ATTPROF ________

GTP ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



THETA HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________

USERES ________

ATTSCH1 ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.182 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



THETA ATTSCH2 ________ 0.223 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


THETA SSGURU3 ________ 0.222 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTSCH3 ________ 0.311 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTMATH ________

SSGURU1 ________

SSGURU2 ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.369 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.302 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

IMPORT1 ________

IMPORT2 ________

IMPORT3 ________

0.203 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.189 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.254 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



THETA IMPORT4 ________ 0.227 0.000 0.000 0.000 0.000 0.000 0.000 0.000

LEADER EXP PEND

THETA LEADER ________ 0.000 0.000 0.000

1

ALPHA SSGURU ________ 0.000

ATTSCH ________ 0.000

IMPORT ________ 0.000

S1 ________ 0.000

S2 ________ 0.000

1

ALPHA SRESOURC ________ 0.000

USECOMP ________ 0.000

INTERG ________ 0.000

ATTPROF ________ 0.000

GTP ________ 0.000

1

ALPHA HAMGUR ________ 0.000

EFFGURU ________ 0.000

SAB ________ 0.000

USERES ________ 0.000

ATTMATH ________ 0.006

ACH_MATH ________ 0.000

OTPEDULI ________ 0.000

BULLY ________ 0.000

SOSEK_S ________ 0.000

EXP ________ 0.000

PEND ________ 0.000

ATTSCH ________

IMPORT ________

S1 ________

S2 ________

1

1

ALPHA EFFMATH ________ 0.006 ALPHA LEADER ________ 0.000


ACH_MATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EXP ________ 0.000 0.000

OTPEDULI ________

BULLY ________

SOSEK_S ________

0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000

PEND ________

0.000



0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA SRESOURC ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTPROF ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

GTP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USERES ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ACH_MATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

OTPEDULI ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

BULLY ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SOSEK_S ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA LEADER ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EXP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

PEND ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


PSI


SSGURU ________ 0.050 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTSCH ________ 0.050 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

IMPORT ________

S1 ________

S2 ________

0.050 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


PSI SRESOURC ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


USECOMP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________

ATTPROF ________

GTP ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________

USERES ________

ATTMATH ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.431 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

PSI


HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


PSI EFFMATH ________ 0.426 0.000 0.000 0.000 0.000 0.000 0.000 0.000


ACH_MATH ________ 1.339 0.000 0.000 0.000 0.000 0.000 0.000

OTPEDULI ________

BULLY ________

SOSEK_S ________

0.364 0.000 0.000 0.000 0.000 0.000

0.341 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000

PSI LEADER ________ 0.000 0.000 0.000

LEADER EXP PEND

EXP ________ 0.000 0.000

PEND ________

0.000

STARTING VALUES FOR BETWEEN

NU

1

SRESOURC ________ 0.000

USECOMP ________ 0.000

INTERG ________ 0.000

ATTPROF ________ 0.000

GTP ________ 0.000

HAMGUR ________ 0.000

EFFGURU ________ 0.000

SAB ________ 0.000

USERES ________ 0.000

ATTSCH1 ________ 0.000

ATTSCH2 ________ 0.000

ATTSCH3 ________ 0.000

ATTMATH ________ 0.000

SSGURU1 ________ 0.000

SSGURU2 ________ 0.000

NU

1

NU

1


NU

1

SSGURU3 ________ 0.000

EFFMATH ________ 0.000

IMPORT1 ________ 0.000

IMPORT2 ________ 0.000

IMPORT3 ________ 0.000

IMPORT4 ________ 0.000

ACH_MATH ________ 0.000

OTPEDULI ________ 0.000

BULLY ________ 0.000

SOSEK_S ________ 0.000

LEADER ________ 0.000

EXP ________ 0.000

PEND ________ 0.000

NU

1

NU

1



LAMBDA SSGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTSCH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

IMPORT ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

S1 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

S2 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



LAMBDA SRESOURC ________ 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________ 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTPROF ________ 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

GTP ________ 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



LAMBDA HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USERES ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



LAMBDA EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ACH_MATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000

OTPEDULI ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000

BULLY ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000 0.000

SOSEK_S ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000 0.000



LAMBDA LEADER ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 0.000

EXP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000

PEND ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000



THETA SRESOURC ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________

ATTPROF ________

GTP ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



THETA HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________

USERES ________

ATTSCH1 ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



THETA ATTSCH2 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


THETA SSGURU3 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTSCH3 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTMATH ________

SSGURU1 ________

SSGURU2 ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

IMPORT1 ________

IMPORT2 ________

IMPORT3 ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



THETA IMPORT4 ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

LEADER EXP PEND

THETA LEADER ________ 0.000 0.000 0.000

1

ALPHA SSGURU ________ 0.000

ATTSCH ________ 0.000

IMPORT ________ 0.000

S1 ________ 0.000

S2 ________ 0.000

1

ALPHA SRESOURC ________ 124.628

USECOMP ________ 0.060

INTERG ________ 0.240

ATTPROF ________ 0.011

GTP ________ 0.033

1

ALPHA HAMGUR ________ -0.229

EFFGURU ________ 0.149

SAB ________ 0.271

USERES ________ -0.239

ATTMATH ________ 0.000

ACH_MATH ________ 8.104

OTPEDULI ________ 0.000

BULLY ________ 0.000

SOSEK_S ________ 0.000

EXP ________ 0.000

PEND ________ 0.000

ATTSCH ________

IMPORT ________

S1 ________

S2 ________

1

1

ALPHA EFFMATH ________ 0.000 ALPHA LEADER ________ 0.000


ACH_MATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EXP ________ 0.000 0.000

OTPEDULI ________

BULLY ________

SOSEK_S ________

0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000

PEND ________

0.000



0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA SRESOURC ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTPROF ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

GTP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA HAMGUR ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USERES ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ACH_MATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

OTPEDULI ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

BULLY ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SOSEK_S ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000



BETA LEADER ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EXP ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

PEND ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


PSI


SSGURU ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

ATTSCH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

IMPORT ________

S1 ________

S2 ________

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


PSI


SRESOURC ________ 46311.402 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

USECOMP ________ 0.297 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

INTERG ________

ATTPROF ________

GTP ________

1.970 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.308 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.324 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SAB ________

USERES ________

ATTMATH ________

1.602 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

1.887 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

PSI


HAMGUR ________ 2.211 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

EFFGURU ________ 1.217 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


PSI EFFMATH ________ 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000


ACH_MATH ________ 1.339 0.000 0.000 0.000 0.000 0.000 0.000

OTPEDULI ________

BULLY ________

SOSEK_S ________

0.000 0.000 0.000 0.000 0.000 0.000

0.000 0.000 0.000 0.000 0.000

2.660 0.000 0.000 0.000

PSI

LEADER EXP PEND

LEADER ________ 27.512 0.000 0.000

EXP ________ 79296.367 0.000

PEND ________

33228.055


TECHNICAL 8 OUTPUT E STEP

ITER 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

LOGLIKELIHOOD ABS CHANGE -0.82162802D+05 0.0000000 -0.75087545D+05 7075.2571900 -0.75056858D+05 30.6868548 -0.75045076D+05 11.7815209 -0.75039297D+05 5.7793367 -0.75036047D+05 3.2500495 -0.75034050D+05 1.9964462 -0.75032746D+05 1.3046977 -0.75031853D+05 0.8926071 -0.75031221D+05 0.6326018 -0.75030759D+05 0.4610582 -0.75030416D+05 0.3437607 -0.75030155D+05 0.2611805 -0.75029953D+05 0.2016126 -0.75029795D+05 0.1577545 -0.75029670D+05 0.1248924 -0.75029570D+05 0.0998944 -0.75029490D+05 0.0806258 -0.75029424D+05 0.0656005 -0.75029370D+05 0.0537627 -0.75029326D+05 0.0443505 -0.75029289D+05 0.0368050 -0.75029259D+05 0.0307108 -0.75029233D+05 0.0257554 -0.75029211D+05 0.0217010 -0.75029193D+05 0.0183649 -0.75029177D+05 0.0156054 -0.75029164D+05 0.0133118 -0.75029152D+05 0.0113966 -0.75029143D+05 0.0097907 -0.75029134D+05 0.0084387 -0.75029127D+05 0.0072962 -0.75029121D+05 0.0063272 -0.75029115D+05 0.0055025 -0.75029110D+05 0.0047985 -0.75029106D+05 0.0041955 -0.75029102D+05 0.0036775 -0.75029099D+05 0.0032312 -0.75029096D+05 0.0028457 -0.75029094D+05 0.0025117 -0.75029092D+05 0.0022216 -0.75029090D+05 0.0019691 -0.75029088D+05 0.0017487 -0.75029086D+05 0.0015558 -0.75029085D+05 0.0013868 -0.75029084D+05 0.0012381 -0.75029083D+05 0.0011073 -0.75029082D+05 0.0009918

REL CHANGE 0.0000000 0.0861127 0.0004087 0.0001570 0.0000770 0.0000433 0.0000266 0.0000174 0.0000119 0.0000084 0.0000061 0.0000046 0.0000035 0.0000027 0.0000021 0.0000017 0.0000013 0.0000011 0.0000009 0.0000007 0.0000006 0.0000005 0.0000004 0.0000003 0.0000003 0.0000002 0.0000002 0.0000002 0.0000002 0.0000001 0.0000001 0.0000001 0.0000001 0.0000001 0.0000001 0.0000001 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000

ALGORITHM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM EM


DIAGRAM INFORMATION Mplus diagrams are currently not available for multilevel analysis. No diagram output was produced.

Beginning Time: Ending Time: Elapsed Time:

11:05:31 11:05:36 00:00:05



Kata Pengantar. Jakarta, 5 Desember 2012

Recommend Documents