MODEL PERSAMAAN STRUKTURAL DELAPAN STANDAR NASIONAL PENDIDIKAN DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS DEBRINA VITA FEREZAGIA

MODEL PERSAMAAN STRUKTURAL DELAPAN STANDAR NASIONAL PENDIDIKAN DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS

DEBRINA VITA FEREZAGIA

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015

PERNYATAAN MENGENAI THESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa thesis berjudul Model Persamaan Struktural Delapan Standar Nasional Pendidikan dengan Metode Generalized Structured Component Analysis adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir thesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2015 Debrina Vita Ferezagia NIM G151130221

RINGKASAN DEBRINA VITA FEREZAGIA. Model Persamaan Struktural Delapan Standar Nasional Pendidikan dengan Metode Generalized Structured Component Analysis. Dibimbing oleh BUDI SUSETYO dan BAMBANG INDRIYANTO. Standar Nasional Pendidikan (SNP) merupakan kriteria minimal dalam pelaksanaan sistem pendidikan di Indonesia. SNP terdiri dari delapan standar yaitu Standar Kompetensi Lulusan (SKL), Standar Isi (SI), Standar Proses (SPR), Standar Pendidikan dan Tenaga Kependidikan (SPT), Standar Sarana dan Prasarana (SSP), Standar Pengelolaan (SPL), Standar Pembiayaan (SB) dan Standar Penilaian (SPN). Badan Akreditasi Nasional Sekolah/Madrasah (BAN-S/M) menggunakan delapan SNP sebagai acuan akreditasi pada Sekolah Menengah (SM) setara SMA. Tujuan penelitian ini adalah memberikan gambaran umum Status Akreditasi SM setara SMA di Indonesia, menduga butir pertanyaan yang tidak terjawab dan memodelkan SNP. Gambaran umum Status Akreditasi dilakukan dengan eksplorasi data serta visualisasi grafik analisis korespondensi. Hasil yang diperoleh adalah Status Akreditasi SM tahun 2014 berkaitan erat dengan Jenis SM (SMAN, SMAS, MAN dan MAS) serta berkaitan erat dengan Provinsi. Pendugaan butir pertanyaan yang tidak terjawab dengan menggunakan metode multiple imputation. Hasil pendugaan digunakan untuk mengisi butir pertanyaan tersebut. Delapan SNP merupakan peubah laten yang diukur melalui peubah indikator. Asumsi normal ganda tidak dipenuhi oleh kedelapan peubah laten, sehingga metode analisis yang digunakan adalah Generalized Structured Component Analysis. Hasil yang diperoleh adalah tidak semua peubah indikator memiliki loading faktor yang tinggi. Peubah laten SPT tidak berpengaruh signifikan terhadap peubah SPN dan memiliki koefisien paremeter yang kecil. Pengaruh paling besar adalah SPN terhadap SKL. Sedangkan pengaruh langsung terbesar adalah SPR melalui SPN terhadap SKL.

Kata kunci: Generalized Structured Component Analysis (GSCA), Peubah Indikator, Peubah Laten, Standar Nasional Pendidikan

SUMMARY DEBRINA VITA FEREZAGIA. Structural Equation Modelling for Eight National Education Standar Using Generalized Structured Component Analysis. Supervised by BUDI SUSETYO and BAMBANG INDRIYANTO. National Education Standards (NES) is the minimym criteria for education system in Indonesia. NES consists of eight standards are standard of competency (SKL), standard of content (SI), standard of prosess (SPR), standard of Educatioan Staff (SPT), standard of infrastructure (SSP), standard of management (SPL), standard of funding (SB) and standard of assessment (SPN). National Accreditation Board for school/ madrasah (BAN-S/M) used eight SNP for accreditation of high school. The objective of this research are to obtain a general description of accreditation result in Indonesia, estimated the questions were not answered and obtain the model of NES. General description was analyzed with exploration data and correspondence analysis. According to the result, accreditation SM 2014 associated with type of SM (SMAN, SMAS, MAN and MAS) and the province. Estimation of quations that were not answered by using item-nonrespon multiple imputation. The value of estimations were used to fill it. The eight laten variables were not distributed normal multivariate, so that the statistical method used Generalized Structured Component Analysis. The results are not all variables indicators have a high loading factor. SPT latent variables path coefficient of the SPN is not significant and the coefficient is very small parameter. The largest coefficient is the relationship between SPN and SKL. The most Indirect influence of SKL is SPR through SPN

Key Words: Generalized Structured Component Analysis (GSCA), indicator variables, latent variables, National Standar Education

© Hak Cipta Milik IPB, Tahun 2015 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB

MODEL PERSAMAAN STRUKTURAL DELAPAN STANDAR NASIONAL PENDIDIKAN DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS

DEBRINA VITA FEREZAGIA

Thesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Statistika

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015

Penguji Luar Komisi pada Ujian Thesis : Dr Ir Indahwati, M.Si

Judul Tesis : Model Persamaan Struktural delapan Standar Nasional Pendidikan Dengan Metode Generalized Structured Component Analysis Nama : Debrina Vita Ferezagia NIM : G151130221

Disetujui oleh Komisi Pembimbing

Dr Ir Budi Susetyo, MS Ketua

Dr Bambang Indriyanto Anggota

Diketahui oleh

Ketua Program Studi Statistika

Dekan Sekolah Pascasarjana

Dr Ir Anik Djuraidah, MS

Dr Ir Dahrul Syah, M.Sc. Agr

Tanggal Ujian Tertutup : 18 Agustus 2015

Tanggal Lulus :

PRAKATA Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian ini adalah Standar Nasional Pendidikan (SNP) pada Sekolah Menengah setara SMA di seluruh Indonesia. Terima kasih penulis ucapkan kepada Bapak Dr Ir Budi Susetyo, MS dan Bapak Dr Bambang Indriyanto selaku pembimbing, serta Ibu Dr Ir Indahwati, M.Si yang telah banyak memberi saran. Di samping itu, penghargaan sebesar-besarnya penulis sampaikan kepada Bapak Dr Bambang Indriyanto selaku Kepala Pusat Penelitian dan Kebijakan Kemdikbud yang telah membantu dalam pengumpulan data. Ungkapan terima kasih juga disampaikan kepada papa, mama, serta seluruh keluarga, sahabat serta teman-teman atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2015 Debrina Vita Ferezagia

DAFTAR ISI DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

1 PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian

1 1 2 2

2 TINJAUAN PUSTAKA Analisis Korespondensi Item non-respon SEM GSCA SNP

2 2 3 3 3 6

3 METODE Data Prosedur Analisis Data

6 6 7

4 HASIL DAN PEMBAHASAN Eksplorasi Data Pendugaan item non-respon Normal Ganda Model Pengukuran Model Struktural Evaluasi Model Keseluruhan 5 SIMPULAN DAN SARAN Simpulan Saran

11 11 15 15 16 18 20 200 200 21

DAFTAR PUSTAKA

22

LAMPIRAN

23

RIWAYAT HIDUP

48

DAFTAR TABEL 1 2 3 4 5 6 7 8

Uji khi kuadrat Jenis SM dan Provinsi dengan Status Akreditasi Ukuran contoh SM berdasarkan jenisnya Hasil multiple imputation Hasil uji Hz Perbandingan jumlah peubah indikator total dan loading tinggi Korelasi antar peubah laten Pendugaan parameter pada model struktural Evaluasi kesesuaian model

12 14 15 16 17 17 18 20

DAFTAR GAMBAR 1 2 3 4 5 6 7

Diagram jalur delapan SNP Diagram alir GSCA Status Akreditasi berdasarkan Jenis SM Status Akreditasi berdasarkan Provinsi Plot korespondensi Jenis SM dengan akreditasi Plot korespondensi Provinsi dengan akreditasi Hubungan antar peubah laten yang dimodifikasi

7 10 11 12 13 14 19

DAFTAR LAMPIRAN 1 Peubah indikator yang menyusun delapan peubah laten dan nilai loading 2 Analisis korespondensi Jenis SM dengan Status Akreditasi 3 Analisis korespondensi Provinsi dengan Status Akreditasi 4 Hasil uji normal ganda Hz dan plot quantil 5 Peubah indikator dengan loading factor > 0.6 pada masing-masing peubah laten 6 Indikator dengan nilai loading tinggi dalam mengukur peubah laten berdasarkan tingkat akreditasi 7 GSCA pada model modifikasi

23 35 36 40 42 45 47

1 PENDAHULUAN Latar Belakang Standar Nasional Pendidikan (SNP) merupakan kriteria minimal dalam pelaksanaan sistem pendidikan nasional dan harus dipenuhi oleh penyelenggara satuan pendidikan di Indonesia. SNP ini berfungsi sebagai dasar perencanaan, pelaksanaan, dan pengawasan pendidikan dalam rangka mewujudkan pendidikan nasional yang bermutu. Selain itu, bertujuan untuk menjamin mutu pendidikan nasional dalam rangka mencerdaskan kehidupan bangsa. SNP terdiri dari Standar Kompetensi Lulusan (SKL), Standar Isi (SI), Standar Proses (SPR), Standar Pendidikan dan Tenaga Kependidikan (SPT), Standar Sarana dan Prasarana (SSP), Standar Pengelolaan (SPL), Standar Pembiayaan (SB) dan Standar Penilaian (SPN). SKL adalah kriteria kompetensi lulusan minimal. SKL terdiri dari kriteria kualifikasi kemampuan peserta didik, yang diharapkan dapat dicapai setelah menyelesaikan masa belajarnya. SKL digunakan sebagai acuan utama pengembangan SI, SPR, SPN, SPT, SSP, SPL, dan SB. Badan Akreditasi Nasional Sekolah/Madrasah (BAN-S/M) menggunakan delapan SNP untuk melakukan proses akreditasi sebagai acuan mengklasifikasikan sekolah berakreditasi A, B, C dan TT. Review perangkat akreditasi perlu dilakukan secara terus menerus dan berkesinambungan agar instrumen akreditasi memenuhi aspek kelayakan dan sesuai dengan kondisi di lapangan. Beberapa alasan perlunya review perangkat akreditasi adalah 1) terdapat beberapa butir instrumen yang perlu disesuaikan dengan kondisi di lapangan; 2) terdapat beberapa butir yang dapat menimbulkan multitafsir; 3) terdapat beberapa butir dalam instrumen pengumpulan data dan informasi pendukung yang belum lengkap. Delapan SNP yang digunakan untuk akreditasi disebut peubah laten karena tidak dapat diukur secara langsung. Peubah laten dapat diukur melalui peubahpeubah indikatornya. Hubungan antar peubah laten dan hubungan antar peubah laten dengan peubah indikator dapat dianalisis dengan Structural Equation Modelling (SEM). Model SEM pertama kali dikembangkan oleh Joreskog (1973) yaitu covariance based SEM (CBSEM). CBSEM dipengaruhi oleh asumsi parametrik, yaitu semua peubah memiliki distribusi normal ganda, pengamatan harus independen satu sama lain dan ukuran contoh harus besar, minimal direkomendasikan berkisar 5-10 kali peubah yang digunakan. Ukuran contoh yang kecil dapat memberikan hasil pendugaan parameter dan model yang tidak baik, bahkan menghasilkan ragam yang negatif (sering disebut Heywood case) (Chou & Bentler 1985). Dengan keterbatasan CBSEM maka pendekatan SEM berbasis komponen atau ragam menjadi metode analisis yang baik. Pendekatan SEM berbasis komponen diantaranya adalah Partial Least Square (PLS) dan Generalized Structured Component Analysis (GSCA). SEM-PLS dan GSCA menghindari masalah inadmisable solution dan factor inderterminacy (Fornell & Bookstein 1982). SEMPLS memiliki keterbatasan dalam mengestimasi parameter, karena tidak memiliki optimum global, sehingga tidak memiliki satu kriteria tunggal secara konsisten dalam penentuan estimasi model. Akibatnya tidak ada jaminan bahwa PLS akan

2 memberikan solusi yang optimal serta sulit menentukan uji kesesuain model secara keseluruhan (Hwang & Tanake 2004). SEM-GSCA merupakan metode yang diusulkan oleh Hwang H & Takane (2004) untuk mengatasi kelemahan dan mempertahankan kelebihan SEM-PLS. SEM-GSCA memiliki kriteria optimum global least square, dimana secara konsisten meminimumkan jumlah kuadrat galat untuk memperoleh penduga parameter model. GSCA ini juga dilengkapi dengan ukuran kesesuaian model secara keseluruhan.

Perumusan Masalah Berdasarkan latar belakang di atas, masalah yang akan dibahas dalam penelitian ini : 1) Bagaimana gambaran umum Status Akreditasi SM di Indonesia? 2) Bagaimana menduga item non-respon pada sekolah yang tidak menjawab butir pertanyaan? 3) Bagaimana memodelkan SNP dengan SEM-GSCA? Tujuan Penelitian Tujuan dari penelitian ini adalah: 1) Memberikan gambaran umum Status Akreditasi SM di Indonesia 2) Menduga butir pertanyaan yang tidak terjawab. 3) Memperoleh model SNP dengan SEM-GSCA

2 TINJAUAN PUSTAKA 2.1 Analisis Korespondensi Penyajian data secara grafis mempunyai kelebihan dalam meringkas data, mudah diinterpretasikan, karena dapat menyerderhanakan data secara visual (Greenancre 1984). Analisis korespondensi adalah salah satu teknik penyajian data simultan, secara visual kedalam ruang berdimensi dua. Analisis korespondensi sederhana diterapkan pada data kategorik untuk dua peubah. Basis datanya merupakan frekuensi tabulasi silang dari kedua peubah. Koordinat profil baris dan profil kolom dapat diperoleh melalui penguraian nilai singular umum dari matriks korespondensi yang telah dipusatkan. Pada analisis korespondensi, plot baris yang berdekatan menunjukan kategori baris yang memiliki profil serupa. Plot kolom yang berdekatan menunjukkan kategori kolom yang memiliki profil serupa (Johnson & Wichern 2002). 2.2 Item non-respon Item-nonrespon terjadi ketika responden tidak menjawab sebagian dari pertanyaan. Metode untuk menanganinya secara umum dibagi menjadi tiga kategori: (1) membuang data hilang, seperti metode Listwise deletion dan Pairwaise deletion; (2) pendugaan parameter, contohnya algoritma Expectation-Maximization

3 (EM); (3) imputasi, yaitu proses pengisian atau penggantian nilai-nilai yang hilang dengan nilai-nilai yang mungkin berdasarkan informasi yang didapatkan pada data tersebut (Schafer & Graham 2002). Multiple Imputation (MI) adalah salah satu metode imputasi yang dapat digunakan dalam menangani item-nonrespon dan menghasilkan bias kecil (Graham & Hofer 2000). Schafer (1997) menyatakan bahwa MI dapat digunakan pada data normal maupun data kategori. Selain itu, MI untuk data skala Likert baik digunakan jika prosentase data hilang kira-kira 10%. MI adalah metode yang kekar terhadap kontinuitas dan normalitas. Besarmya bias antara data yang mengandung skewness dan normal adalah relatif sama. 2.3 SEM SEM adalah pengembangan dari analisis faktor dan analisis regresi. Ada dua pendekatan dalam SEM yaitu pendekatan kovarians dan pendekatan komponen. Metode CBSEM menggunakan fungsi maximum likelihood untuk meminimumkan perbedaan antara matrik kovarians yang dibentuk dari sampel data dengan matrik kovarians yang dibentuk dari model. Penggunaan metode ini sangat dipengaruhi oleh asumsi parametrik. Terdapat dua peubah dalam SEM yaitu peubah laten (konstruk) dan peubah teramati atau disebut juga peubah indikator/manifes. Peubah laten merupakan peubah yang tidak dapat diukur secara langsung, hanya dapat diamati secara tidak langsung melalui peubah indikatornya. SEM mempunyai dua jenis peubah laten yaitu eksogen (peubah bebas) dan endogen (peubah tak bebas). Bollen (2005) menyatakan bahwa SEM mempunyai dua komponen model, yaitu model pengukuran dan model struktural. Model pengukuran adalah suatu model yang menghubungkan peubah indikator dengan peubah laten. Model Struktural menggambarkan hubungan antara peubah laten. Pola hubungan antar peubah laten dalam model struktural ini dianalisis dengan pendekatan analisis jalur. Pada model struktural dapat diketahui besar pengaruh peubah eksogen terhadap peubah endogen baik secara langsung maupun tidak langsung. 2.3 GSCA 2.3.1 Definisi GSCA adalah metode yang dikembangkan oleh Hwang & Takane (2004) sebagai pendekatan berbasis komponen untuk SEM, dimana peubah laten dianalogikan dengan komponen atau komposit tertimbang dari peubah yang diamati. GSCA ini merupakan pengembangan lebih lanjut dari pemodelan dengan menggunakan PLS. PLS memiliki kelemahan dalam menyelesaikan masalah optimum global untuk pendugaan parameter. Dengan kata lain, PLS tidak memiliki satu kriteria tunggal secara konsisten dalam penentuan penduga parameter model (Joreskog 1973). Pendugaan parameter pada GSCA menggunakan algoritma Alternating Least Square (ALS) sedangkan PLS dengan fixed point. GSCA memiliki berbagai kelebihan dibandingkan dengan pendekatan yang lain. Pertama, GSCA tidak memerlukan asumsi normal ganda. Kedua, dapat digunakan untuk ukuran contoh yang kecil. Ketiga, GSCA tidak terjadi inadmissible solutions seperti ragam yang negatif dan korelasi lebih besar dari |1|. Keempat, pendekatan menghasilkan penduga yang unik dari skor peubah laten.

4 Kelima, pada GSCA menyediakan ukuran kesesuaian model guna pengujian teori dan perbandingan model (Hwang & Takane 2004). 2.3.2 Model GSCA Jika Z melambangkan matrik peubah indikator yang telah dinormalisasi (berukuran nxj), dengan n melambangkan banyaknya observasi dan j banyaknya peubah indikator. GSCA dapat dipandang sebagai SEM berbasis komponen dimana peubah laten didefinisikan sebagai komponen atau komposit tertimbang dari indikatornya dengan persamaan: 𝜸 = 𝒁𝑾 dimana γ adalah matriks peubah laten (nxt) dan W adalah matrik bobot komponen dari peubah indikator (jxt), dengan t adalah banyaknya peubah laten. GSCA juga meliputi model pengukuran yang mengambarkan hubungan antara indikator dan konstruk serta model struktural yang menghubungkan antar konstruk. Secara sistematis model pengukuran dapat dituliskan sebagai berikut : 𝒁 = 𝜸𝑪 + 𝜺 dimana C adalah matrik loading antara peubah laten dengan indikatornya (txj) , ε adalah matrik galat (nxj) untuk model pengukuran. Sedangkan model struktural dinyatakan seperti persamaan dibawah ini : 𝜸 = 𝜸𝑩 + 𝝃 dimana 𝜸 sebelah kiri persamaan sebanyak peubah laten endogen (nxt1) dengan t1 melambangkan banyaknya peubah laten endogen. Sedangkan 𝜸 sebelah kanan persamaan sebanyak peubah laten endogen dan eksogen (nxt). B adalah matrik koefisien jalur (txt1) yang menghubungkan antar peubah laten dan 𝝃 adalah vektor residual (nxt1). GSCA mengintegrasikan ketiga persamaan tersebut diatas menjadi persamaan tunggal seperti berikut: 𝜺 𝒁 𝑪 [ ] = 𝜸 [ ] + [𝝃] 𝜸 𝑩 𝜺 𝑰 𝑪 𝒁 [ ] = 𝒁𝑾 [ ] + [𝝃] 𝑾 𝑩 Jika I adalah matrik identitas, 𝑽 = [𝑰, 𝑾], 𝑨 = [𝑪, 𝑩], 𝑬 = [𝜺, 𝝃] maka: ZV=ZWA+E Ψ=τA + E Jika Ψ=ZV dan τ=ZW maka persamaan diatas dikatakan sebagai model GSCA (Hwang & Takane 2004).

2.3.3 Pendugaan Parameter Paramater GSCA yaitu V,W dan A dduga sehingga nilai jumlah kuadrat dari semua residual E=ZV-ZWA=Ψ-τA sekecil mungkin. Hal ini berarti meminimumkan dengan kriteria optimum least square : f = trace((ZV-ZWA)’ (ZV-ZWA)) f = trace((Ψ-τA)’(Ψ-τA)) dengan memperhatikan V, W dan A. Komponen di dalam Ψ dan τ dinormalisasi untuk tujuan identifikasi, misalnya 𝛾1′ 𝛾1 = 1. Algoritma Alternating Least Square (ALS) digunakan untuk meminimumkan persamaan tersebut (Leeuw et al. 1976). Metode ALS adalah pendekatan umum

5 untuk pendugaan parameter yang melibatkan pengelompokan parameter ke beberapa subset, dan kemudian mendapatkan kuadrat terkecil untuk salah satu subset parameter dengan asumsi bahwa semua parameter yang tersisa adalah konstan. Algoritma ALS yang digunakan dalam GSCA terdiri dari 2 tahap yaitu: 1. A diduga dengan V dan W fixed 2. V dan W di duga dengan A fixed Algoritma ALS diulang pada kedua tahap hingga konvergen. GSCA mengambil metode bootstrap yang dikembangkan oleh Efron (1982) untuk menduga galat baku parameter yang nantinya digunakan untuk menguji signifikansi. 2.3.4 Kebaikan Model Kebaikan model GSCA dibagi menjadi 3 yaitu : 1. Kebaikan model pengukuran Kebaikan model ini bertujuan untuk validitas dan reliabilitas dari instrument penelitian. Evaluasi terhadap model pengukuran dengan melihat convergent validity, discriminant validity, dan average variance extracted (AVE) (Fornell & Lacker 1981). Convergent validity dinilai berdasarkan nilai loading factor masingmasing indikator pembentuk konstruk laten. Suatu konstruk laten dikatakan mempunyai convergent validity yang baik jika nilai loading factor lebih dari 0.6 dan signifikan. Discriminant validity dinilai dengan membandingkan nilai akar dari AVE setiap konstruk laten dengan korelasi antara konstruk bersangkutan dengan konstruk lainnya dalam model. Jika nilai akar dari AVE setiap konstruk lebih besar dari nilai korelasi antara konstruk dengan konstruk lainnya, maka dikatakan memiliki nilai discriminant validity yang baik (Fornell & Lacker 1981). Berikut ini rumus menghitung AVE : ∑ 𝜆2𝑖 𝐴𝑉𝐸 = ∑ 𝜆2𝑖 + ∑(1 − 𝜆2𝑖 ) Di mana 𝜆2𝑖 adalah komponen loading factor dan 1 − 𝜆2𝑖 = 𝑣𝑎𝑟(𝜀𝑖 ). Composite reliability blok indikator yang mengukur suatu kontruk laten dievaluasi dengan dua ukuran yaitu konsistensi internal yang dikembangkan oleh Werts, Linn & Jorekog (1974) dan Cronbach Alpha. Direkomendasikan nilai composite reliability lebih besar atau sama dengan 0.6. 2. Kebaikan model struktural Tahap kedua evaluasi model strukturalnya dengan melihat koefisien jalur dari peubah eksogen ke endogen dan melihat nilai signifikansi. Model struktural dievaluasi dengan melihat nilai koefisien parameter dan nilai statistik T serta signifikansi koefisien parameter tersebut. Nilai T diperoleh dari hasil bootstraping dengan membagi nilai koefisien parameter dengan nilai standard errornya. Selain nilai T dapat juga dilihat nilai R2 yang mengukur keragaman konstruk endoger yang dapat dijelaskan dari keragaman konstruk eksogen (Hwang & Tanake 2004) 3. Kebaikan model keseluruhan Ada beberapa ukuran kesesuaian model yaitu FIT, AFIT, GFI dan SRMR. FIT mengukur seberapa besar keragaman dari data yang dapat dijelaskan oleh model dan nilai berkisar antara 0 sampai 1 (Hwang & Takane 2004).

6 𝑡𝑟𝑎𝑐𝑒((𝒁𝑽 − 𝒁𝑾𝑨)′ (𝑍𝑉 − 𝒁𝑾𝑨)) 𝐹𝐼𝑇 = 1 − [ ] 𝑡𝑟𝑎𝑐𝑒((𝒁𝑽)′ (𝒁𝑽)) Adjusted FIT (AFIT) adalah nilai FIT yang dikoreksi oleh kompleksitas model. AFIT dapat digunakan untuk perbandingan model (Hwang &Takane 2004). 𝑑0 𝐴𝐹𝐼𝑇 = 1 − (1 − 𝐹𝐼𝑇) 𝑑1 Di mana : d0 = nj adalah derajat bebas untuk W=0 dan A=0 d1 =nj –g adalah derajat bebas model yang diuji dengan n adalah banyaknya observasi, j adalah banyaknya peubah indikator dan g adalah jumlah parameter yang diduga. 2.4 SNP Mutu pendidikan pada satuan pendidikan tidak berdiri sendiri, melainkan terkait satu dengan yang lain dan menjadi satu sistem yang saling mempengaruhi. SI mencakup ruang lingkup materi dan tingkat kompetensi yang dituangkan dalam kriteria tentang kompetensi lulusan, kompetensi bahan kajian, kompetensi mata pelajaran, dan silabus pembelajaran yang harus dipenuhi oleh peserta didik. SPR adalah standar pelaksanaan pembelajaran pada suatu satuan pendidikan untuk mencapai standar kompetensi lulusan. SKL meliputi kualifikasi kemampuan lulusan yang mencakup sikap, pengetahuan, dan keterampilan. SPT mengenai standar pendidik tentang kelayakan fisik maupun mental, serta pendidikan dalam jabatan. SSP adalah kriteria minimal tentang ruang belajar, tempat berolahraga, tempat beribadah, perpustakaan, laboratorium, tempat bermain, tempat berkreasi dan berekreasi, dan sumber belajar lain yang diperlukan untuk menunjang proses pembelajaran, termasuk penggunaan teknologi informasi dan komunikasi. SPL adalah standar yang mengatur perencanaan, pelaksanaan, dan pengawasan kegiatan pendidikan pada tingkat satuan pendidikan agar tercapai efisiensi dan efektivitas penyelenggaraan pendidikan. SB meliputi standar yang mengatur komponen dan besarnya biaya operasi satuan pendidikan yang berlaku selama satu tahun. SPN adalah standar yang mengatur mekanisme, prosedur, dan instrumen penilaian prestasi belajar peserta didik (PP 32/2013 pasal 1 ayat 5-12).

3 METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil akreditasi sekolah menengah tahun 2014 setingkat SMA di Indonesia. Data ini diperoleh dari Badan Penelitian dan Pengembangan Kementrian Pendidikan dan Kebudayaan. Data yang digunakan adalah sebanyak 1604 SM, terdiri dari 165 peubah indikator yang menyusun delapan peubah laten (Lampiran 1). Peubah indikator menggunakan skala data likert dari nilai 0 hingga 4.

7 Berdasarkan teori pendidikan, SKL ini dipengaruhi oleh ketujuh standar lainnya yaitu SPN, SPT, SI, SPR, SSP, SPL dan SB (Kemendiknas dan Kemenag 2010). SKL dipengaruhi secara langsung oleh SPN, sementara SPN dipengaruhi secara langsungoleh SPT, SI, SPR dan SSP. Keempat peubah ini dipengaruhi secara langsung oleh peubah SPL. Sedangkan peubah SPL dipengaruhi oleh peubah SB. Model teori ini kemudian dikembangkan kedalam diagram jalur yang ditunjukkan pada Gambar 1. SI dibangun oleh 25 indikator, SPR dibangun oleh 9 indikator, SKL dibangun oleh 25 indikator, SPT dibangun oleh 20 indikator, SSP dibangun oleh 30 indikator, SPL dibangun oleh 20 indikator, SB dibangun oleh 24 indikator, dan SPN dibangun oleh 19 indikator. Y53

…

Y72

SPT

X123

…

Y1

…

Y18

X133

Y147

…

Y165

SI SPN

SPL

SB

Y19 Y103

…

SKL

… Y27 Y28

Y122

…

SPR

SSP Y93

…

Y102

Gambar 1. Diagram jalur delapan SNP

Prosedur Analisis Data Tahapan analisis pada penelitian ini adalah 1. Pengumpulan data. Data yang dikumpulkan merupakan data sekunder hasil akreditasi 1604 sekolah menengah tahun 2014. Data diperoleh dari hasil kuisioner disetiap sekolah menengah. Butir pertanyaan yang diajukan terdiri dari 165 pertanyaan dengan penangung jawab isi jawaban adalah kepala sekolah. Semua butir pada instrumen akreditasi merupakan pernyataan tertutup yang terdiri dari lima opsi jawaban yaitu “A”, “B”, “C”, “D” dan “E” yang dipilih sesuai dengan bukti. Untuk selanjutnya

Y52

8 butir pertanyaan dikonversi jawaban dengan cara setiap pernyataan yang dijawab A memperoleh skor = 4, B memperoleh skor = 3, C memperoleh skor = 2, D memperoleh skor = 1, dan E memperoleh skor = 0. 2. Eksplorasi data. Eksplorasi data digunakan untuk memberikan gambaran mengenai hasil akreditasi di Indonesia. Eksplorasi data dibagi menjadi dua yaitu Status Akreditasi berdasarkan SMAN, SMAS, MAN dan MAS serta Status Akreditasi setiap Provinsi. Data akan disajikan dalam diagram batang yaitu freksuensi dari kategori-kategori (Jenis SM dan Provinsi). Uji kebebasan Khi-Kuadrat digunakan untuk menguji ada atau tidaknya hubungan antara Status Akreditasi dan Jenis SM serta Status Akreditasi dan Provinsi asal. Data yang ada dibentuk dalam tabel kontingensi yang merepresentasikan kategori peubah yang akan diuji. Dari tabel kontingensi yang dibuat, diperoleh kombinasi masing-masing kategori beserta frekuensinya. Frekuensi harapan didapatkan dengan mengalikan jumlah baris ke-i dengan jumlah kolom ke-j dibagi dengan total observasi. Langkah selanjutnya adalah menghitung nilai χ2hitung. Pada tahap penarikan kesimpulan, nilai χ2hitung yang didapat dibandingkan dengan χ2tabel , serta dengan membandingkan p-value yang didapat dengan taraf nyata pengujian yang digunakan. Jika pvalue yang didapat lebih kecil dari taraf nyata pengujian atau nilai χ2hitung > χ2tabel , maka antara kedua peubah terdapat hubungan. Analsis selanjutnya dengan analisis korespondensi, digunakan untuk melihat kedekatan antara Status Akreditasi dengan Jenis SM atau Provinsi asal. Kedekatan ini dapat diartikan sebagai kecenderungan Status Akreditasi terhadap Jenis SM ataupun Provinsi asal. Penentuan koordinat pada plot dua dimensi diperoleh dengan penguraian Generalized Singular Value Decompotition (GSVD). Penguraian GSVD diperlukan untuk mereduksi dimensi data dengan tetap mempertahankan informasi yang optimum. Interpretasi plot dua dimensi didasarkan pada kedekatan antar titik Status Akreditasi dengan titik Jenis SM ataupun titik Provinsi asal. Titik yang berdekatan dapat diartikan sebagai karakteristik dari peubah tersebut. 3. Pendugaan item-nonrespon. Pada data akreditasi terdapat butir pertanyaan yang tidak dijawab yang disebut item non-respon. Secara umum, nonrespon disebabkan karena responden dalam hal ini sekolah menegah tidak mau menjawb, tidak mampu menjawab atau tidak tahu jawabannya. Nonrespon dapat juga terjadi karena terdapat kesalahan dalam penulisan jawaban atau dalam proses input data. Akibatnya data yang terkumpul menjadi tidak lengkap, dalam analisis lebih lanjut perlu dilakukan pendugaan untuk melengkapinya. Imputasi ganda adalah metode yang digunakan dalam penelitian ini untuk mempredikasi butir pertanyaan yang tidak dijawab. Metode imputasi ini mengganti nilai data hilang dengan beberapa nilai (dua atau lebih) yang diterima sebagai represetasi ketidakpastian nilai-nila yang hilang (Rubin 1987). Terdapat sejumlah m nilai untuk setiap data yang hilang dan akhirnya akan membentuk sebuah gugus data yang telah terlengkapi. Dari masing-masing gugus data tersebut dirata-ratakan dan dihitung simpangan baku. Nilai dengan simpangan baku terkecil digunakan sebagai hasil prediksi data yang hilang.

9 3. Pengujian asumsi normal ganda. Pengujian kenormalan ganda dari suatu data dapat dilakukan dengan eksploasi maupun dengan statistik uji salah satunya uji Hz. Evaluasi kenormalan ganda dengan eksplorasi dapat menggunakan plot khi-kuadrat (Johnson, 2002). Pengujian hipotesis normal ganda sebagai berikut: H0: Data menyebar normal ganda H1: Data tidak menyebar normal ganda Apabila nilai statistik Hz > tabel Hz atau p-value < taraf nyata maka dapat disimpulkan bahwa data tidak menyebar normal ganda. Sedangkan pengujian dengan plot Kuantil 2 dengan tahapan sebagai berikut: a. Menghitung jarak Mahalanobis 𝑑𝑖𝑖2 = (𝒙𝒊 − 𝝁)′𝚺 −𝟏 (𝒙𝒊 − 𝝁) b. Dilakukan peringkat nilai dii2 c. Menghitung nilai khi-kuadrat dari nilai (i –1/2)/n dengan derajat bebas p.  i  12   2p    n   i  12  d. Membuat plot  2p   dengan dii2, bila pola hubungannya mengikuti garis  n  lurus maka data tersebut dapat dikatakan menyebar normal ganda. 4. Analisis model persamaan struktural dengan SEM-GSCA, dengan tahapan : a. Mendapatkan model berbasis konsep dan teori diagram jalur Gambar 1 b. Konversi diagram jalur ke dalam persamaan. Dari data dan digram jalur yang ada dikonversi ke dalam persamaan GSCA : ZV=ZWA+E, dengan 𝑽 = [𝑰, 𝑾], 𝑨 = [𝑪, 𝑩], 𝑬 = [𝜺, 𝝃] V =gabungan matrik identitas dari indikator dengan matrik bobot antara seluruh indikator dengan seluruh peubah laten endogen. Bila ada hubungan antara indikator dengan peubah laten endogen, maka diberi nilai sembarang, bila tidak ada hubungan maka diberi nilai nol. Nilai bobot untuk indikator dengan peubah laten endogen harus sama dengan isian pada matrik W. Matrik ini berukuran j x t2 dimana t2 adalah banyaknya peubah laten endogen. W= matrik bobot yang menyatakan hubungan antara seluruh indikator dengan seluruh peubah laten, dimana bila ada hubungan diberi nilai sembarang dan bila tidak ada hubungan diberi nilai 0. Matrik ini berukuran j x t dimana t adalah banyaknya peubah laten (t=t1+t2), t1 adalah banyaknya peubah laten eksogen. B = matrik jalur yang menyatakan hubungan antara seluruh peubah laten dengan variebel laten endogen, dimana bila ada hubungan diberi nilai sembarang dan bila tidak ada hubungan diberi nilai 0. Matrik ini berukuran t x t2. C = matrik factor loadings yang menyatakan hubungan antara peubah laten dengan indikator refleksif, dimana bila ada hubungan diberi nilai sembarang dan bila tidak ada hubungan diberi nilai 0. Matrik ini berukuran t x j. c. Menduga parameter, yang terdiri dari penduga bobot, penduga loading faktor, penduga koefisien jalur dan estimasi bootstrap galat baku.

10 Pendugaan parameter dilakukan dengan metode ALS, inisialisasi awal untuk semua isian parameter bobot dan koefisien jalur yang akan diduga diberi nilai 0.3 dan estimasi loading factor akan diberi nilai 0.8. d. Menentukan koefisien parameter dan nilai t dengan metode bootstrap : 1. Menentukan B sampel independen bootstrap x*1, x*2,…, x*n, dimana masing-masing sampel berisi n data yang berasal dari data asli. 2. Mengevaluasi replikasi yang ada pada masing-masing bootstrap dari 𝜃̂ yang sesuai untuk tiap sampel bootstrap dan menduga standard errornya. e. Menguji signifikansi parameter pada model pengukuran. Pengujian parameter model pengukuran dengan melihat validitas dan reliabilitas dari instrument penelitian. Evaluasi terhadap model pengukuran dengan melihat nilai convergent validity, discriminant validity, dan AVE. f. Menguji signifikansi parameter pada model struktural. Pengujian dilakukan dengan melihat nilai statistik T pada parameter model struktural serta keragaman yang mampu dijelaskan (R2). g. Menentukan overall goodness fit model. Ukuran kebaikan model menggunakan ukuran FIT, AFIT, GFI dan SRMR. h. Membuat kesimpulan. Langkah-langkah analisis GSCA digambarkan pada diagram alir Gambar 2. Mulai Input data Model struktural, pengukuran Diagram jalur Estimasi paramater Estimasi bootsrap

TIDAK

Uji model pengukuran YA

Uji model struktural

Selesai

Interpretasi dan kesimpulan

Gambar 2. Diagram alir GSCA

Evaluasi model fit keseluruhan

11

4 HASIL DAN PEMBAHASAN 4.1 Eksplorasi Data 4.1.1 Gambaran Umum SM di Seluruh Indonesia Akreditasi tahun 2014 dilakukan pada 1604 sekolah setingkat SMA di seluruh Indonesia yang terdiri dari 671 SMAN, 524 SMAS, 90 MAN dan 319 MAS. Persentase secara keseluruhan sekolah terakreditasi A sebesar 41.83%, terakreditasi B 37.16%, terakreditasi C 19.51% dan TT 1.5%. Prosentase SM terkareditasi C dan TT cukup besar yaitu 21 % yang terdiri dari 82 SMAN, 118 SMAS dan 137 MAS. Diagram batang pada Gambar 3 menunjukkan persentase Status Akreditasi sekolah berdasarkan jenisnya. Jumlah Sekolah pada jenis Sekolah Menengah berbeda-beda, sehingga untuk membandingkan Status Akreditasi antar Jenis SM dengan cara membuat persentase (Gambar 3). Sekolah yang terkareditasi A terbesar adalah MAS yaitu sebesar 82% dari 90 MAN. Sedangkan SMAN terakreditasi A sebesar 54% dari 671 SMAN. MAS memiliki sekolah dengan akreditasi C dan TT yang cukup besar yaitu 43% dari 319 MAS. 90%

82%

80% A

Persentase

70% 60%

37%

34%

30% 20%

C

TT

54%

50% 40%

B

44%

40%

20%

18%

13%

11%

10%

2%

1%

40%

3%

0% 0%

0% SMAN

n1 = 671

SMAS

n2 = 524

MAN

n3 = 90

MAS

n4 = 319

Gambar 3 Status Akreditasi berdasarkan Jenis SM Penyebaran sekolah berdasarkan Status Akreditasi menurut Provinsi di Indonesia terlihat pada Gambar 4. Berdasarkan gambar tersebut menunjukkan bahwa Provinsi dengan prosentase akreditasi A terbanyak secara berurutan adalah provinsi Jawa Barat (95%), D.I Yogyakarta (90%), DKI Jakarta (80%), Jawa Tengah (68%), Sulawesi Tengah (67%) dan Jawa Timur (60%). Sedangkan dari 33 provinsi sebanyak 13 provinsi memiliki SM dengan akreditasi TT. Provinsi yang memiliki sekolah TT ≥ 5% yaitu provinsi Kepulauan Riau (9%), Jambi (8%), Maluku (7%), Kalimantan Tengah 7%), Lampung (6%) dan Nusa Tenggara Timur (5%).

12 120% 100% A

B

C

TT

80%

Persentase

60% 40% 20%

JAWA BARAT D I YOGYAKARTA DKI JAKARTA JAWA TENGAH SULAWESI TENGAH JAWA TIMUR SULAWESI UTARA GORONTALO PAPUA BALI KALIMANTAN TIMUR KEPULAUAN BABEL SUMATERA BARAT SULAWESI TENGGARA SUMATERA UTARA ACEH RIAU MALUKU BANTEN KALIMANTAN BARAT SULAWESI SELATAN KEPULAUAN RIAU MALUKU UTARA KALIMANTAN TENGAH KALIMANTAN SELATAN SUMATERA SELATAN SULAWESI BARAT NUSA TENGGARA BARAT LAMPUNG NUSA TENGGARA TIMUR BENGKULU JAMBI PAPUA BARAT

0%

Provinsi

Gambar 4. Status Akreditasi Berdasarkan Provinsi

4.1.2 Analisis Korespondensi Untuk melihat hubungan antara Status Akreditasi dengan Jenis SM dan Provinsi dapat menggunakan uji Khi-Kuadrat yang disajikan dalam Tabel 1. Tabel 1. Uji khi kuadrat Jenis SM dan Provinsi dengan Status Akreditasi. Status Akreditasi Peubah Khi-kuadrat Nilai-P Jenis SM 16.919 <0.0001 Provinsi 119.871 <0.0001 Berdasrkan hasil uji Khi-Kuadrat Jenis SM dan Provinsi berasosiasi dengan Status Akreditasi pada taraf α=5%. Dengan kata lain, Status Akreditasi A, B, C dan TT berkaitan erat dengan Jenis SM yaitu SMAN, SMAS, MAN dan MAS. Selain itu, Status Akreditasi juga berhubungan erat dengan Provinsi asal SM tersebut. Hasil uji Khi-kuadrat menunjukkan ada hubungan antara Jenis SM dan Provinsi dengan Status Akreditasi. Selanjutnya, dilakukan analisis untuk mengetahui kedekatan antar peubah-peubah serta memberikan gambaran yang lebih jelas. Analisis yang dilakukan adalah menggunakan analisis korespondensi dengan visualisasi grafik. Pada Lampiran 2 disajikan ringkasan hasil analisis korespondensi antara Jenis SM dengan Status Akreditasi. Proporsi keragaman data yang mampu dijelaskan oleh dua sumbu utama pada plot hasil analisis korespondensi sebesar 99.66%. Sumbu utama pertama mampu menerangkan keragaman data sebesar 97.47%, sedangkan sumbu utama kedua menerangkan keragaman data sebesar 21.8%. Hal

13 ini memiliki arti bahwa dengan menggunakan dua sumbu utama sudah mampu menerangkan 99.66% total keragaman dari data yang digunakan. Visualisasi grafik pada Gambar 5 memberikan gambaran adanya kecenderungan bagi Jenis SM tertentu dengan status akreditasinya. Berdasarkan plot terlihat bahwa SMAN dan MAN cenderung mendapatkan akreditasi A, SMAS cenderung berakreditasi B dan MAS cenderung memperoleh akreditasi C atau TT. 0.8

F2 (2.18 %)

0.6 0.4 0.2

MAN

C

MAS

A

0 B

TT

-0.2

SMAN SMAS

-0.4 -0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

F1 (97.47 %)

Gambar 5. Plot korespondensi Jenis SM dengan Status Akreditasi Hasil Analisis korespondensi antara Provinsi dengan akreditasi disajikan pada Lampiran 3. Hasil analisis korespondensi menunjukkan bahwa presentase dua sumbu masing-masing 76.38% untuk sumbu utama pertama dan 18.29% untuk sumbu utama kedua. Kedua sumbu utama tersebut secara kumulatif telah mampu menerangkan total keragaman dari data hingga 94.67%. Visualisasi grafik pada Gambar 6 memberikan gambaran adanya kecenderungan bagi Provinsi tertentu cenderung berstatus akreditasi tertentu pula dengan melihat kedekatan jarak antara objek. Berdasarkan plot terlihat bahwa provinsi Jawa Barat, D.I Yogyakarta, DKI Jakarta, dan Jawa Tengah dan Sulawesi Tengah cenderung berakreditasi A. Provinsi Sumatera Utara, Sulawesi Utara, Kepulauan Bangka Belitung, Papua, Bali, Kalimantan Timur, Aceh, Gorontalo, Kalimatan Barat, Maluku Utara, Papua Barat, Sulawesi Barat, Kalimantan Selatan, Jambi, Sumatera Selatan dan Nusa Tenggara Timur cenderung berakreditasi B. Sedangkan Provinsi dengan kecenderungan akreditasi C dan TT adalah provinsi Bengkulu, Sulawesi Tenggara, Kepulauan Riau, Maluku, Sumatera Barat, Sulawesi Selatan, Lampung, Banten, Nusa Tenggara Barat, Riau dan Kalimantan Tengah.

14

1.5 BENGKULU

1 SULAWESI TENGGARA KEPULAUAN RIAU

MALUKU

0.5

F2 (18.29 %)

JAWA BARAT SUMATERA BARAT

D.I. YOGYAKARTA DKI JAKARTA

SULAWESI SELATAN LAMPUNG BANTEN NUSA TENGGARA BARAT

A

JAWA TENGAH 0

TT

C

RIAU

KALIMANTAN TENGAH

JAWA TIMUR SULAWESI TENGAH SUMATERA UTARA SULAWESI UTARAKEPULAUAN BABEL BALI PAPUA KALIMANTAN TIMUR ACEH

-0.5

B

NUSA TENGGARA TIMUR SUMATERA SELATAN KALIMANTAN SELATAN JAMBI

SULAWESI BARAT KALIMANTAN BARAT

GORONTALO

MALUKU UTARA PAPUA BARAT

-1 -2

-1.5

-1

-0.5

0

0.5

1

1.5

F1 (76.38 %)

Gambar 6. Plot korespondensi Provinsi dengan Status Akreditasi

4.1.3 Penarikan Contoh Jumlah SM pada akreditasi tahun 2014 adalah 1604 SM. Akan tetapi, sebanyak 175 SM termasuk dalam responden non respon, sehingga data populasi yang ada sebanyak 1429 SM. Oleh karena keterbatasan software sebagai alat analisis, untuk selanjutnya diambil contoh sebanyak 1000 SM. Metode penarikan contoh yang digunakan adalah proporsional random sampling. Hal ini bertujuan agar contoh dapat mewakili keragaman yang disebabkan oleh Jenis SM dan Provinsi asal. Ukuran contoh SM pada setiap jenis dapat dilihat pada Tabel 2. Tabel 2. Ukuran contoh SM berdasarkan jenisnya Jenis SM Ukuran Populasi Ukuran Contoh Persentase SMAN 608 425 42.55% SMAS 473 331 33.10% MAN 68 48 4.76% MAS 280 196 19.59%

2

15 4.2 Pendugaan item non respon Butir pertanyaan yang digunakan dalam proses akreditasi sebanyak 165 butir pada 8 komponen akreditasi. Butir-butir pertanyaan yang tidak dijawab oleh sekolah disebut item non-respon, untuk selanjutnya akan dilakukan pendugaan. Metode pendugaan yang digunakan adalah imputasi ganda (multiple imputation). Tabel 3 menyajikan nilai duga pada butir pertanyaan tidak terjawab dengan metode imputasi ganda. Untuk analisis selanjutnya komponen akreditasi disebut peubah laten dan butir pertanyaan disebut sebagai peubah indikator. Tabel 3 Hasil imputasi ganda Peubah Laten SI SPR SKL SPT SSR SPL SB

SPN

Butir ke 22 32 39 71 91 77 140 140 140 147 151 153 158

SM SMAS Makedonia, Kalimantan Barat SMAS Makedonia, Kalimantan Barat MAS Babun Najah, Riau SMAN 2 Bengkalis, Riau SMAN 2 Kutablang, Aceh MAS Batu X11, Aceh SMAN 1 Suro, Aceh SMAN 1 Singkohor, Aceh SMAS Muhammadiyah Gunung Meriah, Aceh SMAN 2 Tapalang, Sulawesi Barat SMAN 2 Tapalang, Sulawesi Barat SMAN 2 Tapalang, Sulawesi Barat SMAN 2 Kutablang,Aceh

Nilai Duga 3.88 3.45 2.82 3.72 3.07 2.23 3.64 3.85 3.57 2.23 2.23 2.23 3.58

4.3 Normal Ganda Pengujian normal ganda dapat dilakukan secara eksplorasi yaitu dengan plot quantil-quantil dan uji Henze-Zirkler. Pengujian normal ganda dilakukan di setiap peubah laten, Lampiran 4 menyajikan hasil pengujian normal ganda dengan uji Henze-Zirkler beserta plot quantil-quantil. H0 : Data menyebar normal ganda H1 : Data tidak menyebar normal ganda Berdasarkan uji Henze-Zirkler (Hz) diperoleh hasil yang ditunjukkan pada Tabel 4. P-value < α (0.01) pada kedelapan peubah laten, maka H0 di tolak, sehingga dapat disimpulkan bahwa data tidak menyebar normal ganda. Apabila terjadi pelanggaran asumsi normal ganda, maka pengunaan SEM berbasis kovarians akan menghasilkan penduga parameter yang tidak baik, kekonvergenan tidak terpenuhi bahkan menghasilkan ketidakwajaran dalam nilai taksiran model. Misalnya menghasilkan varians galat yang negatif, hal ini karena nilai faktor loading yang dihasilkan lebih dari satu. Padahal dalam analisis faktor yang merupakan dasar dari CBSEM memiliki asumsi bahwa nilai loading antara 0 hingga 1. Sehingga, akibat dari nilai loading yang lebih dari satu adalah nilai varians pada galat pengukuran yang bernilai negatif. Pada data yang tidak menyebar normal diperlukan metode analisis yang bebas asumsi dan fleksibel.

16 Analisis SEM-Likelihood dengan pendekatan varian kurang tepat dilakukan jika terdapat pelanggaran asumsi normal ganda (Chou & Bentler 1985). Untuk melihat hubungan antar peubah laten dengan indikatornya serta hubungan antara peubah laten, maka dalam penelitian ini digunakan pendekatan metode SEM-GSCA. Tabel 4 Hasil uji Hz Peubah Laten Statistik Hz P-value SI 2.712 0.000 SPR 2.546 0.000 SKL 1.417 0.000 SPT 1.589 0.000 SSP 1.698 0.000 SPL 2.305 0.000 SB 3.502 0.000 SPN 2.558 0.000 4.4 Model Pengukuran Evaluasi model pengukuran dilakukan dengan melihat nilai loading (Lampiran 1) pada peubah indikator terhadap peubah latennya. Nilai t hitung dari setiap peubah indikator yang nyata dan nilai factor loading > 0.6 merupakan indikator konstruk laten yang memberikan convergent validity yang baik (Chin 1998). Penggunaan kriteria loading lebih dari 0.6, dikarenakan persen keragaman yang mampu dijelaskan oleh peubah indikator terhadap peubah laten sudah cukup besar yaitu 60%. Peubah indikator yang memiliki faktor loading < 0.6 dikeluarkan dari analisis selanjutnya. Peubah indikator yang kurang baik dapat menjadi masukan dan dievaluasi lebih lanjut tentang indikator sebagai butir pertanyaan yang mampu merepresentasikan peubah laten oleh pihak berkepentingan. Peubah indikator dengan loading factor > 0.6 pada masing-masing peubah laten disajikan pada Lampiran 5. Peubah indikator dengan loading factor < 0.6 akan dikeluarkan karena peubah indikator tersebut tidak baik dalam mengukur peubah latennya. Tabel 5 menyajikan perbandingan jumlah peubah indikator total dan loading tinggi pada masing-masing peubah laten. Rasio peubah indikator pada peubah laten SKL dan SPR jauh lebih tinggi dibandingkan dengan peubah laten yang lain, sedangkan rasio terendah adalah peubah laten SPT. Peubah indikator dengan loading rendah dikeluarkan dari model, kemudian dianalisis lagi. Evaluasi model pengukuran dilakukan kembali dengan 3 kriteria yaitu convergent validity, reliabitias dan discriminant validity. Nilai reliabilitas konstruk peubah laten menggunakan Cronbach Alpha. Nilai Cronbach Alpha pada masing-masing peubah laten adalah peubah laten SI dengan alpha = 0.836, SPR alpha=0.826, SKL alpha=0.861, SPT alpha=0.747, SSP alpha=0.904, SPL alpha=0.861, SB alpha=0.876 dan SPN alpha=0.8601. Nilai Conbrach Alpha pada masing-masing peubah laten > 0.7, hal ini menunjukkan jika reliabilitas konstruk pada masing-masing peubah laten baik.

17 Tabel 5 Perbandingan jumlah peubah indikator total dan loading tinggi No Peubah Laten Jumlah Peubah Indikator Rasio Total Indikator loading tinggi SI 1 18 8 0.44 SPR 2 9 8 0.89 SKL 0.84 3 25 21 SPT 4 20 3 0.15 SSP 5 30 13 0.43 SPL 0.50 6 20 10 SB 7 24 9 0.38 SPN 0.37 8 19 7 Evaluasi kebaikan model pengukuran juga dapat dilihat melalui discriminant validity yaitu dengan membandingkan nilai akar kuadrat dari AVE dengan nilai korelasi peubah laten bersangkutan dengan peubah lainnya dalam model. Nilai akar kuadrat dari AVE adalah SB 0.711, SPL 0.671, SPT 0.82, SI 0.686, SPR 0.672, SSP 0.692, SPN 0.742 dan SKL 0.654. Nilai-nilai tersebut lebih besar daripada nilai korelasi antar peubah laten yang bersangkutan dengan peubah laten lainnya (dapat dilihat pada Tabel 6), hal ini menunjukkan bahwa peubah indikator memiliki discriminant validity yang baik. Tabel 6 Matriks korelasi antar peubah laten dan p-value SB SPL SPT SI SPR SSP 0.547 0.327 0.495 0.499 0.453 SB (0.023) (0.026) (0.027) (0.032) (0.031) 0.503 0.721 0.714 0.693 SPL (0.022) (0.016) (0.020) (0.015) 0.562 0.472 0.607 SPT (0.019) (0.024) (0.019) 0.763 0.676 SI (0.016) (0.017) 0.631 SPR (0.020) SSP SPN

SPN 0.486 (0.033) 0.628 (0.023) 0.401 (0.026) 0.619 (0.022) 0.625 (0.021) 0.546 (0.024)

SKL 0.494 (0.026) 0.743 (0.014) 0.582 (0.019) 0.779 (0.012) 0.760 (0.014) 0.743 (0.015) 0.641 (0.018)

Lampiran 6 menyajikan peubah indikator dengan nilai loading tinggi pada masing-masing peubah laten berdasarkan Status Akreditasi. Hal ini bertujuan untuk mengetahui perbedaan indikator sekolah akreditas baik (akreditasi A dan B) dan akreditasi kurang baik (akreditasi C dan TT). Berdasarkan hasil analisis, terlihat bahwa peubah laten SKL untuk akreditasi kurang baik hanya satu indikator yang memiliki loading tinggi. Hal ini perlu dilakukan kajian lebih lanjut dalam

18 meningkatkan SKL pada sekolah akreditasi C dan TT. Demikian juga dengan peubah laten yang lain. 4.5 Model Struktural Untuk melihat seberapa besar hubungan antar peubah laten dapat dilihat pada korelasi antar peubah Tabel 6. Korelasi yang cukup kuat ditunjukkan pada dua peubah yang memiliki nilai korelasi signifikan dan lebih dari 0.5 serta korelasi sangat kuat ditunjukan dengan nilai korelasi lebih dari 0.7. Korelasi lemah terjadi antara peubah Laten SB dengan SPT, SB dengan SI, SB dengan SPR, SB dengan SSP, SB dengan SPN, SB dengan SKL, dan SPT dengan SPN. Berdasarkan Tabel 7 dibawah ini terlihat bahwa tidak semua koefisien jalur signifikan secara statistik. Koefisien jalur peubah laten SPT terhadap SPN tidak signifikan dan nilai koefisien parameter sangat kecil yaitu 0.002. Artinya peubah laten SPN dipengaruhi oleh SPT sebesar 0.002. Dengan kata lain peubah SPT memiliki hubungan dengan SPN tetapi tidak berpengaruh secara nyata pada taraf nyata 10%. Untuk menentukan besarnya koefisien jalur dalam model dilakukan modifikasi model dengan menghilangkan jalur antara SPT dengan SPN. Tabel 7. Pendugaan Parameter Pada Model Struktural Koefisien Jalur SE CR Jalur SB->SPL 0.547 0.023 23.28* SPL->SPT 0.503 0.022 23.3* SPL->SI 0.586 0.023 25.64* SPL->SP 0.341 0.034 10.03* SPL->SSP 0.495 0.029 17.26* SPT -> SI 0.267 0.025 10.76* SPT ->SPN 0.002 0.030 0.07 SI -> SPR 0.517 0.030 17.31* SI -> SPN 0.262 0.050 5.22* SPR -> SSP 0.277 0.032 8.77* SPR -> SPN 0.319 0.044 7.29* SSP -> SPN 0.168 0.034 4.86* SPN ->SKL 0.641 0.018 36.09* Model struktural modifikasi didapatkan dengan menghilangkan jalur yang tidak signifikan kemudian dilakukan proses pendugaan dan evaluasi kembali. Hasil untuk model modifikasi dapat dilihat pada Lampiran 7. Model struktural memiliki koefisien yang sama pada model sebelum modifikasi, perbedaan terlihat pada standar error dari penduga koefisien. Selain itu, evaluasi model strukural terlihat bahwa semua koefisien jalur telah signifikan secara statistik. Sehinggal model Struktural yang diperoleh adalah:

19 𝑆𝑃𝐿 0.547 𝑆𝑃𝑇 0 𝑆𝐼 0 = 𝑆𝑃𝑅 0 𝑆𝑆𝑅 0 𝑆𝑃𝑁 0 [ 𝑆𝐾𝐿 ] [ 0

𝜉1 0 0 0 0 0 0 𝑆𝐵 𝜉2 0.503 0 0 0 0 0 𝑆𝑃𝐿 𝜉3 SPT 0 0 0 0.586 0.267 0 𝜉4 + 0.341 0 0.517 0 0 0 𝑆𝐼 0 0.277 0 0 𝑆𝑃𝑅 0.495 0 𝜉5 0 0.262 0.319 0.168 0 𝑆𝑆𝑅 0 𝜉6 0 0 0 0 0.641 ] [𝑆𝑃𝑁] [𝜉7 ] 0

Hubungan antara peubah laten dan besarnya koefisien determinasi (R2) dapat dilihat melalui Gambar 7. Koefisen jalur terbesar dimiliki oleh hubungan SPN dengan SKL. Hal ini menunjukkan bahwa peubah laten SPN berpengaruh besar terhadap SKL dan berpengaruh positif sebesar 0.641. Pengaruh yang kecil diberikan oleh hubungan peubah laten SSP dengan SPN dengan koefisien jalur 0.1682. Antar peubah laten memiliki hubungan dengan arah positif. Peubah laten SKL merupakan peubah yang dipengaruhi oleh semua peubah laten yang lainnya baik secara langsung maupun tidak langsung. SPT, SI, SPR, SSR berpengaruh tidak langsung terhadap SKL melalui SPN. Pengaruh tidak langsung terhadap SKL yang paling besar diberikan oleh SPR melalui SPN yaitu sebsar 0.205. Besarnya keragaman peubah laten endogen yang mampu dijelaskan oleh keragaman laten eksogen diukur dengan R2. Nilai R2 terbesar yaitu 0.639 pada peubah laten SPR. Artinya keragaman peubah laten SPR yang mampu dijelaskan oleh SI dan SPL adalah sebesar 63.9% dan sisanya dijelaskan oleh peubah yang lain yang tidak terdapat dalam model. R22 = 0.253

SPT

R32 = 0.573 R12 = 0.299

R62 = 0.453 SI

SB

0.641

SPL

SKL

SPN

0.547 R72 = 0.411 SPR R42 = 0.639 R52 = 0.518

SSR

Gambar 7. Hubungan antar peubah laten yang dimodifikasi

20

4.7 Evaluasi Model Keseluruhan Evaluasi model secara keseluruhan untuk model modifikasi dapat dilihat dari uji kesesuaian seperti ditunjukkan oleh Tabel 8. Terlihat bahwa nilai akar kuadrat tengah galat terstandarisasi (SRMR) mendekati nilai 0 yaitu 0.107, dan nilai GFI mendekati 1 (0.997). Maka, dapat dikatakan bahwa model yang digunakan cukup baik. Nilai FIT mengukur besarnya total keragaman semua peubah yang dapat dijelaskan oleh model. Artinya sebesar 46.7% keragaman dari semua peubah yang dapat dijelaskan oleh model. Nilai FIT yang telah terkoreksi yaitu sebesar 46.6%. Tabel 8 Evaluasi Kesesuaian Model Ukuran Kesesuaian Model Nilai FIT 0.467 AFIT 0.466 GFI 0.997 SRMR 0.107

5 SIMPULAN DAN SARAN Simpulan Dari eksplorasi data yang diperoleh, Status Akreditasi SM tahun 2014 berkaitan erat dengan Jenis SM dan Provinsi. SMAN dan MAN cenderung mendapatkan akreditasi A, SMAS cenderung berakreditasi B dan MAS cenderung memperoleh akreditasi C atau TT. Demikian juga dengan 33 provinsi yang ada membentuk gerombol disekitar Status Akreditasi. Provinsi Jawa Barat, D.I Yogyakarta, DKI Jakarta, dan Jawa Tengah dan Sulawesi Tengah cenderung berakreditasi A. Provinsi Sumatera Utara, Sulawesi Utara, Kepulauan Bangka Belitung, Papua, Bali, Kalimantan Timur, Aceh, Gorontalo, Kalimatan Barat, Maluku Utara, Papua Barat, Sulawesi Barat, Kalimantan Selatan, Jambi, Sumatera Selatan dan Nusa Tenggara Timur cenderung berakreditasi B. Sedangkan Provinsi dengan kecenderungan akreditasi C dan TT adalah provinsi Bengkulu, Sulawesi Tenggara, Kepulauan Riau, Maluku, Sumatera Barat, Sulawesi Selatan, Lampung, Banten, Nusa Tenggara Barat, Riau dan Kalimantan Tengah. Peubah indikator yang baik dalam menggukur peubah latennya diperoleh dengan mengeluarkan beberapa peubah indikator dengan loading < 0.6. Pengaruh paling besar diberikan oleh peubah SPN terhadap SKL, yang artinya kelulusan siswa sangat dipengaruhi oleh penilaian guru pada hasil belajar. Sedangkan pengaruh tidak langsung paling besar terhadap SKL adalah SPR melalui SPN. Dengan kata lain, Standar Proses yang meliputi Rencana Pelaksanaan Pembelajaran (RPP), proses pembelajaran dan evalusai pendidikan berpengaruh besar terhadap kelulusan siswa melalui Standar Penilaian. Terdapat hubungan yang tidak signifikan antara SPT dan SPN.

21 Saran Hasil penelitian ini dapat digunakan sebagai langkah awal dalam pengembangan kebijakan akreditasi Sekolah Menengah, terutama dalam pembentukan konstruk peubah laten. Butir-butir pertanyaan dengan validitas dan reliabilitas yang rendah dapat dilakukan kajian lebih lanjut agar butir pertanyaan yang ada tidak bersifat multitafsir dan sesuai dengan apa yang ingin diteliti.

22

DAFTAR PUSTAKA Bollen KA. 1989. Structural Equation with Laten Variables. Departement of Sociology,New York, John Wiley & Sons. Chou CP, Bentler PM. 1985. Estimate and Tests in Structural Equation Modelling. In R.H.Hoyle (Ed). Structural Equation Modelling Concepts, Issues and Application : pp. 37-55 Newbury Park. CA. Sage Efron B. 1982. The Jackknife, The Bootstrap and Other Resampling Plans. Philadelphia: SIAM. Fornell C, Bookstein F. 1982. Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory. Journal of Marketing Research vol 18 : pp 440-452. Fornell C, LArcker D. 1981. Evaluating Structural Equation Models with Unobservable Variable and Measurement Error. Journal of Marketing Research vol 19 pp440-452 Graham JW, Hofer SM. 2000. Multiple imputation in multivariate research. In: T. D. Little, K. U. Schnabel, & J. Baumert (Eds.). Modeling longitudinal and multiplegroup data: Practical issues, applied approaches, and specific examples. Greenacre MJ. 1984. Theory and Application of Correspondence Analysis. New York: Academy Press. Hwang H, Takane Y. 2004. Generalized Structured Component Analysis. Psychometrica.Vol.69 No.1 : pp. 81-99 Johnson RA, Wichern DW. 2007. Applied Multivariate Statistical Analysis Sixth Edition. New Jersey: Prentice Hall Joreskog KG. 1973. A general Method for Estimating a Linear Structural Equation System. In A.S Goldgerger & O. D. Duncan (Eds). Structural Equation Models in Social Sciences (pp. 85-112). New York : Academic Press Kementrian Pendidikan Nasional dan Kementrian Agama. 2010. Sistem Penjaminan Mutu Pendidikan : Panduan Teknis Evaluasi Diri Sekolah (EDS). Jakarta (ID) Leeuw DJ, Young FW, Takane Y. 1976. Regression With Qualitative and Quantitative Variables: An Alternating Least Squares Method With Optimal Scaling Features. Psychometrica.Vol. 41 No.4.pp.505-529. Rubin DB. 1988, Multiple Imputation for Nonresponse in Surveys, New York: John Wiley & Sons, Inc. Peraturan Pemerintah (PP) No. 32 Tahun 2013 tentang Standar Nasional Pendidikan, Bab I, Pasal 1 Schafer JL, Graham JW. 2002. Missing Data: Our View of the State of the Art. Journal of Psychological Methods 202, Vol. 7, No. 2, 147-177: Pennsylvania State University Schafer JL. 1997. Analysis of Incomplete Multivariate Data. London: Chapman & Hall. Werts CE, Linn RL, Joreskog KG. 1974. Intraclass Reliability Estimate : Testing Structural Assumption. Educational and Psyicological Measurement vol 34 pp25-33

23

Lampiran 1. Peubah indikator yang menyusun delapan peubah laten dan nilai loading Peubah Laten Butir 1

2

3 4 5 6 SI 7

8

9

10

11

Peubah Indikator Loading Sekolah/Madrasah melaksanakan kurikulum berdasarkan muatan Kurikulum Tingkat Satuan 0.664 Pendidikan (KTSP). Sekolah/Madrasah mengembangkan kurikulum dengan melibatkan Tim Pengembang Kurikulum 0.659 berpedoman pada panduan penyusunan kurikulum yang disusun oleh BSNP. Sekolah/Madrasah mengembangkan kurikulum dengan menggunakan 7 (tujuah) prinsip pengelolaan 0.630 KTSP. Sekolah/Madrasah melaksanakan pengembangan 0.663 kurikulum melalui mekanisme penyusunan KTSP. Sekolah/Madrasah menyusun silabus mata pelajaran 0.579 muatan lokal dengan melibatkan berbagai pihak. Sekolah/Madrasah melaksanakan program pengembangan diri dalam bentuk kegiatan 0.671 ekstrakurikuler. Sekolah/Madrasah melaksanakan program pengembangan diri dalam bentuk kegiatan layanan 0.626 konseling. Sekolah/Madrasah menjabarkan Standar Kompetensi (SK) dan Kompetensi Dasar (KD) ke dalam 0.590 indikator-indikator untuk setiap mata pelajaran. Sekolah/Madrasah menerapkan kegiatan pembelajaran sesuai dengan ketentuan beban belajar 0.411 yang tertuang pada lampiran Permendiknas Nomor 22 Tahun 2006. Guru mata pelajaran memberikan penugasan terstruktur kepada siswa maksimal 60% dari alokasi 0.599 waktu tiap mata pelajaran. Guru mata pelajaran merancang tugas mandiri tidak terstruktur untuk mencapai kompetensi tertentu 0.597 maksimal 60% dari alokasi waktu tiap mata pelajaran.

24 Lampiran 1. (Lanjutan) Peubah Laten

Butir

13

14

15 SI 16

17

18

19

20 21 SPR

22

23

24

Peubah Indikator Loading Sekolah/Madrasah mengembangkan silabus melalui kelompok guru mata pelajaran atau cara lainnya berdasarkan standar isi, standar 0.662 kompetensi lulusan, dan panduan penyusunan KTSP. Sekolah/Madrasah memiliki silabus untuk setiap mata pelajaran sesuai dengan panduan 0.593 penyusunan KTSP. Sekolah/Madrasah mengembangkan silabus mata pelajaran yang mengintegrasikan 0.576 pendidikan karakter dengan menggunakan 7 langkah pengembangan silabus. Sekolah/Madrasah menetapkan Kriteria Ketuntasan Minimal (KKM) 75% untuk setiap 0.470 mata pelajaran melalui rapat dewan guru. Sekolah/Madrasah menentukan KKM setiap mata pelajaran melalui rapat dewan guru dengan memperhatikan unsur: (1) karakteristik, 0.525 (2) kompleksitas mata pelajaran, dan (3) daya dukung sekolah/madrasah. Sekolah/Madrasah menjadwalkan awal tahun pelajaran, minggu efektif, pembelajaran efektif, 0.479 dan hari libur pada kalender pendidikan yang dimiliki. Setiap mata pelajaran memiliki Rencana Pelaksanaan Pembelajaran (RPP) dengan 0.532 mengintegrasikan pendidikan karakter yang dijabarkan dari silabus. RPP disusun dengan memperhatikan 6 prinsip 0.600 penyusunan. Sekolah/Madrasah melaksanakan proses pembelajaran dengan memenuhi persyaratan 0.601 yang ditentukan. Sekolah/Madrasah melaksanakan proses pembelajaran sesuai dengan langkah-langkah 0.635 pembelajaran yang tertuang dalam RPP. Kepala sekolah/madrasah melakukan pemantauan proses pembelajaran mencakup 0.715 tiga tahapan yaitu: perencanaan, pelaksanaan, dan penilaian hasil pembelajaran. Kepala sekolah/madrasah menindaklanjuti hasil supervisi proses pembelajaran melalui: 1). 0.674 pemberian contoh; 2). diskusi; 3). pelatihan, dan 4). konsultasi.

25 Lampiran 1. (Lanjutan) Peubah Laten Butir

25

SPR 26

27

28

29

30

31 SKL 32

33

34 35 36

Peubah Indikator Kepala sekolah/madrasah melakukan evaluasi terhadap guru dalam proses pembelajaran dengan memperhatikan 4 aspek, yaitu: (1) persiapan, (2) pelaksanaan, (3) evaluasi pembelajaran, dan (4) rencana tidak lanjut. Kepala sekolah/madrasah menyampaikan hasil pengawasan proses pembelajaran kepada pemangku kepentingan. Kepala sekolah/madrasah menindaklanjuti hasil pengawasan proses pembelajaran selama satu tahun terakhir. Siswa memperoleh pengalaman belajar melalui kelompok mata pelajaran Iptek untuk dapat berpikir logis, kritis, kreatif, dan inovatif dalam pengambilan keputusan dan pemecahan masalah. Siswa terlibat dalam kegiatan belajar kelompok mata pelajaran Iptek yang berkaitan dengan analisis dan pemecahan masalah kompleks. Siswa memperoleh pengalaman belajar pada kelompok mata pelajaran Iptek agar memiliki kemampuan untuk menganalisis gejala alam dan sosial. Siswa memperoleh pengalaman belajar dengan dukungan berbagai sumber belajar yang dimiliki sekolah secara efektif dan efesien. Siswa memperoleh pengalaman belajar melalui program pembiasaan untuk mencari informasi/pengetahuan lebih lanjut dari berbagai sumber belajar selama satu tahun pelajaran terakhir. Siswa memperoleh pengalaman belajar yang mampu memanfaatkan lingkungan secara produktif dan bertanggung jawab. Siswa memperoleh pengalaman mengekspresikan diri melalui kegiatan seni dan budaya. Siswa memperoleh pengalaman mengapresiasikan karya seni dan budaya Siswa memperoleh pengalaman belajar untuk menumbuhkan dan mengembangkan sikap percaya diri dan bertanggung jawab.

Loading

0.760

0.665

0.671

0.623

0.654

0.625

0.660

0.647

0.632

0.697 0.632 0.627

26 Lampiran 1. (Lanjutan) Peubah Laten

Butir 37

38

39

40

41

SKL

42

43

44

45

46

47

Peubah Indikator Siswa memperoleh pengalaman belajar untuk berpartisipasi dalam penegakan aturan-aturan sosial. Siswa memperoleh pengalaman belajar yang mampu menumbuhkan sikap kompetitif untuk mendapatkan hasil terbaik. Siswa memperoleh pengalaman belajar yang mampu menumbuhkan sikap sportif untuk mendapatkan hasil terbaik. Siswa memperoleh pengalaman belajar yang dapat melibatkan partisipasi siswa dalam kehidupan bermasyarakat, berbangsa, dan bernegara secara demokratis dalam wadah NKRI. Siswa memperoleh pengalaman belajar untuk membentuk karakter siswa, menumbuhkan rasa sportivitas, dan peduli terhadap kebersihan lingkungan. Siswa memperoleh pengalaman belajar melalui pembiasaan untuk memahami hak dan kewajiban orang lain dalam pergaulan di masyarakat. Siswa memperoleh pengalaman belajar melalui kelompok mata pelajaran agama dan akhlak mulia yang bersifat afektif Sekolah/Madrasah melaksanakan kegiatan pembelajaran untuk menghargai keberagaman agama, bangsa, suku, ras, dan golongan sosial ekonomi dalam lingkup global dalam tiga tahun terakhir. Sekolah/Madrasah melaksanakan kegiatan pembentukan akhlak mulia melalui program pengembangan diri berupa pembiasaan dan pengamalan. Siswa memperoleh pengalaman belajar melalui program pembiasaan untuk menghargai perbedaan pendapat dan berempati terhadap orang lain. Siswa memperoleh pengalaman dalam menghasilkan karya kreatif baik individual maupun kelompok.

Loading 0.634

0.632

0.661

0.584

0.684

0.551

0.634

0.616

0.643

0.674

0.700

27

Lampiran 1. (Lanjutan) Peubah Laten

Butir 48

49

50

51

52

53 SPT

54 55 56

57

58

59

60

Peubah Indikator Siswa memperoleh pengalaman dalam berkomunikasi baik lisan maupun tulisan secara efektif dan santun. Siswa memperoleh keterampilan membaca dan menulis naskah secara sistematis dan estetis. Siswa memperoleh keterampilan menyimak, membaca, menulis, dan berbicara baik dalam Bahasa Indonesia maupun Bahasa Inggris. Siswa memperoleh pengalaman belajar dalam mengembangkan iptek seiring dengan perkembangannya. Siswa memperoleh pengalaman belajar agar menguasai pengetahuan untuk melanjutkan ke jenjang pendidikan tinggi Guru memiliki kualifikasi akademik minimum sarjana (S1) atau diploma empat (D-IV). Guru mata pelajaran mengajar sesuai dengan latar belakang pendidikannya. Guru memiliki kesehatan jasmani dan rohani untuk menjalankan tugas utamanya. Guru merencanakan, melaksanakan, dan mengevaluasi pembelajaran sesuai dengan prinsip-prinsip pembelajaran. Guru memiliki integritas kepribadian dan bertindak sesuai dengan norma agama, hukum, sosial, serta peraturan dan ketentuan yang berlaku. Guru berkomunikasi secara efektif dan santun dengan sesama guru, tenaga kependidikan, siswa, dan orangtua siswa. Guru menguasai materi pelajaran yang diampu serta mengembangkannya secara ilmiah. Kepala sekolah/madrasah memiliki persyaratan sesuai dengan ketentuan yang berlaku.

Loading 0.669

0.702

0.547

0.610

0.566

0.448 0.599 0.429 0.499

0.260

0.340

0.387

0.278

28 Lampiran 1. (Lanjutan) Peubah Laten

Butir 61

62

63

64

SPT

65 66 67

68

69

70 71 72

Peubah Indikator Kepala sekolah/madrasah memiliki kualifikasi akademik minimum sarjana (S1) atau diploma empat (D-IV). Kepala sekolah/madrasah memiliki pengalaman mengajar sekurang-kurangnya 5 tahun pada waktu diangkat sebagai kepala sekolah/ madrasah. Kepala sekolah/madrasah memiliki kemampuan manajerial yang ditunjukkan dengan kemajuan/keberhasian dalam mengelola: (1) kesiswaan, (2) guru dan tenaga kependidikan, (3) pengembangan kurikulum, (4) sarana dan prasarana, (5) pembiayaan, dan (6) hubungan dengan masyarakat. Kepala sekolah/madrasah memiliki kemampuan kewirausahaan yang ditunjukkan antara lain dengan adanya naluri kewirausahaan dalam mengelola kegiatan produksi/jasa sebagai sumber belajar siswa. Kepala sekolah/madrasah melakukan supervisi setiap tahun. Tenaga administrasi memiliki kualifikasi akademik pendidikan menengah atau yang sederajat. Tenaga administrasi memiliki latar belakang pendidikan yang sesuai dengan bidang tugasnya. Sekolah/Madrasah memiliki kepala perpustakaan dengan kualifikasi minimal D2 ilmu perpustakaan dan memiliki sertifikat kompetensi pengelolaan perpustakaan sekolah/madrasah. Sekolah/Madrasah memiliki tenaga perpustakaan dengan kualifikasi minimal SMA atau yang sederajat dan memiliki sertifikat kompetensi pengelolaan perpustakaan sekolah/madrasah. Tenaga laboratorium memiliki kualifikasi pendidikan yang dipersyaratkan. Tenaga laboratorium memiliki latar belakang pendidikan sesuai dengan tugasnya. Sekolah/Madrasah memiliki petugas layanan khusus.

Loading 0.188

0.203

0.506

0.429

0.538 0.658 0.650

0.625

0.565

0.593 0.583 0.581

29 Lampiran 1. (Lanjutan) Peubah Laten

Butir 73

74

75

76

77 SSP 78

79 80 81 82 83 84

Peubah Indikator Loading Sekolah/Madrasah memiliki luas lahan sesuai 0.386 ketentuan luas minimal. Sekolah/Madrasah berada di lokasi yang aman, terhindar dari potensi bahaya yang mengancam kesehatan dan keselamatan jiwa, serta 0.382 memiliki akses untuk penyelamatan dalam keadaan darurat. Sekolah/Madrasah berada di lokasi yang nyaman, terhindar dari gangguan pencemaran air, kebisingan, dan pencemaran udara serta 0.442 memiliki sarana untuk meningkatkan kenyamanan. Sekolah/Madrasah berada di lokasi yang sesuai dengan peruntukannya, memiliki status hak 0.313 atas tanah dan izin pemanfaatan dari pemegang hak atas tanah. Sekolah/Madrasah memiliki lantai bangunan 0.475 sesuai dengan ketentuan luas minimal. Bangunan sekolah/madrasah memiliki struktur yang stabil dan kokoh serta dilengkapi dengan 0.460 sistem pencegahan bahaya kebakaran dan petir. Bangunan sekolah/madrasah memiliki sanitasi 0.523 sebagai persyaratan kesehatan. Bangunan sekolah/madrasah memiliki ventilasi udara dan pencahayaan yang 0.190 memadai. Bangunan sekolah/madrasah memiliki 0.470 instalasi listrik atau sumber daya lainnya. Sekolah/Madrasah memiliki izin mendirikan bangunan dan izin penggunaan bangunan 0.378 sesuai dengan peruntukannya. Sekolah/Madrasah melakukan pemeliharaan 0.462 terhadap bangunan secara berkala. Sekolah/Madrasah memiliki prasarana yang 0.751 lengkap sesuai ketentuan.

30 Lampiran 1. (Lanjutan) Peubah Laten

Butir 97

98

SSP

99 100 101 102

103 104 105

106 SPL 107

108 109 110

Peubah Indikator Sekolah/Madrasah memiliki ruang UKS/M dengan dengan luas dan sarana sesuai ketentuan. Sekolah/Madrasah memiliki ruang organisasi kesiswaan dengan luas dan sarana sesuai ketentuan Sekolah/Madrasah memiliki jamban dengan jumlah, ukuran, dan sarana sesuai ketentuan. Sekolah/Madrasah memiliki gudang dengan luas dan sarana sesuai ketentuan. Sekolah/Madrasah memiliki ruang sirkulasi dengan luas dan kualitas sesuai ketentuan. Sekolah/Madrasah memiliki tempat bermain/berolahraga dengan luas dan sarana sesuai ketentuan. Sekolah/Madrasah telah merumuskan, menetapkan, dan mensosialisasikan visi lembaga. Sekolah/Madrasah telah merumuskan, menetapkan, mensosialisasikan misi lembaga. Sekolah/Madrasah telah merumuskan, menetapkan, dan mensosialisasikan tujuan sekolah. Sekolah/Madrasah memiliki rencana kerja jangka menengah (empat tahunan) dan rencana kerja tahunan serta disosialisasikan. Sekolah/Madrasah memiliki pedoman yang mengatur berbagai aspek pengelolaan secara tertulis yang mudah dipahami oleh pihakpihak terkait. Sekolah/Madrasah memiliki struktur organisasi dengan uraian tugas yang jelas. Sekolah/Madrasah melaksanakan kegiatan sesuai dengan rencana kerja tahunan. Sekolah/Madrasah melaksanakan kegiatan kesiswaan.

Loading 0.686

0.697 0.523 0.641 0.388 0.548

0.611 0.681 0.660

0.543

0.627

0.556 0.566 0.685

31 Lampiran 1. (Lanjutan) Peubah Laten

Butir

111

112 113 114 115

SPL

116

117

118 119 120 121 122

Peubah Indikator Sekolah/Madrasah melaksanakan kegiatan pengembangan kurikulum dan pembelajaran, meliputi: (1) KTSP, (2) Kalender pendidikan, (3) Program pembelajaran, (4) Penilaian hasil belajar siswa, dan (5) Peraturan akademik Sekolah/Madrasah melaksanakan program pendayagunaan pendidik dan tenaga kependidikan. Sekolah/Madrasah mengelola sarana dan prasarana pembelajaran. Sekolah/Madrasah mengelola pembiayaan pendidikan. Sekolah/Madrasah melaksanakan kegiatan untuk menciptakan suasana, iklim, dan lingkungan pembelajaran yang kondusif. Sekolah/Madrasah memiliki kegiatan yang melibatkan masyarakat dan membangun kemitraan dengan lembaga lain yang relevan dalam pengelolaan pendidikan satu tahun terakhir. Sekolah/Madrasah memiliki program pengawasan akademik dan manajerial yang disosialisasikan kepada pendidik dan tenaga kependidikan. Sekolah/Madrasah melaksanakan kegiatan evaluasi diri. Sekolah/Madrasah melaksanakan evaluasi kinerja pendidik dan tenaga kependidikan. Sekolah/Madrasah mempersiapkan bahanbahan yang diperlukan untuk akreditasi. Sekolah/Madrasah memiliki struktur kepemimpinan sesuai standar pendidik dan tenaga kependidikan. Sekolah/Madrasah memiliki 4 komponen sistem informasi manajemen.

Loading

0.556

0.662 0.638 0.565 0.665

0.639

0.642

0.511 0.595 0.499 0.411 0.578

32 Lampiran 1. (Lanjutan) Peubah Laten

Butir 123

124

125 126 127

128 SB

129 130

131

132 133

134

135

Peubah Indikator Sekolah/Madrasah memiliki catatan tahunan berupa dokumen investasi sarana dan prasarana secara menyeluruh. Sekolah/Madrasah membelanjakan biaya untuk pengembangan pendidik dan tenaga kependidikan berdasarkan Rencana Kerja dan Anggaran Sekolah/Madrasah (RKA-S/M). Sekolah/Madrasah memiliki modal kerja sebesar yang tertuang dalam RKA-S/M membiayai seluruh kebutuhan pendidikan. Sekolah/Madrasah membayar gaji, insentif, transportasi, dan tunjangan lain bagi guru. Sekolah/Madrasah membayar gaji, insentif, transportasi, dan tunjangan lain tenaga kependidikan. Sekolah/Madrasah membelanjakan biaya untuk menunjang pelaksanaan kegiatan pembelajaran selama tiga tahun terakhir. Sekolah/Madrasah membelanjakan dana untuk kegiatan kesiswaan selama satu tahun terakhir. Sekolah/Madrasah membelanjakan biaya pengadaan alat tulis untuk kegiatan pembelajaran selama satu tahun terakhir. Sekolah/Madrasah membelanjakan biaya pengadaan bahan dan alat habis pakai untuk kegiatan pembelajaran selama satu tahun terakhir. Sekolah/Madrasah mengalokasikan biaya kegiatan rapat selama satu tahun terakhir. Sekolah/Madrasah membelanjakan biaya transportasi dan perjalanan dinas selama satu tahun terakhir. Sekolah/Madrasah membelanjakan biaya penggandaan soal-soal ulangan/ujian selama satu tahun terakhir. Sekolah/Madrasah membelanjakan biaya pengadaan daya dan jasa selama satu tahun terakhir.

Loading 0.495

0.567

0.566 0.634 0.629

0.688 0.690 0.674

0.688

0.646 0.632

0.626

0.529

33 Lampiran 1. (Lanjutan) Peubah Laten

Butir 136

137

138 139 140

141 SB 142

143

144 145

146

147

SPN

148

149

Peubah Indikator Sekolah/Madrasah membelanjakan anggaran untuk mendukung kegiatan operasional. Sumbangan pendidikan atau dana dari masyarakat/pemerintah dikelola secara sistematis, transparan, efisien, akuntabel, dan dilaporkan kepada komite Penetapan besarnya uang sekolah/madrasah mempertimbangkan kemampuan ekonomi orangtua siswa. Siswa dikenakan biaya pendaftaran ulang pada setiap awal tahun pelajaran. Sekolah/Madrasah memberikan bantuan untuk siswa yang kurang mampu secara ekonomi. Sekolah/Madrasah melakukan pungutan biaya personal lain di samping uang sekolah/madrasah. Pengambilan keputusan dalam penetapan dana dari masyarakat sebagai biaya personal dilakukan dengan melibatkan berbagai pihak terkait. Pengelolaan dana dari masyarakat sebagai biaya personal dilakukan secara transparan, efisien, dan akuntabel sesuai RKA-S/M. Sekolah/Madrasah memiliki pedoman pengelolaan keuangan sebagai dasar dalam penyusunan RKA-S/M. Sekolah/Madrasah memiliki pembukuan biaya operasional. Sekolah/Madrasah membuat laporan pertanggungjawaban pengelolaan keuangan dan menyampaikannya kepada pemerintah atau yayasan. Guru memberikan penjelasan kriteria mengenai mekanisme, prosedur serta instrumen penilaian hasil belajar peserta didik. Sekolah/Madrasah melaksanakan ujian melalui mekanisme dan prosedur penilaian yang ditetapkan. Guru mengembangkan instrumen dan pedoman penilaian sesuai dengan bentuk dan teknik penilaian.

Loading 0.542

0.390

0.306 0.133 0.307

0.231

0.322

0.452

0.555 0.545

0.533

0.685

0.695

0.717

34 Lampiran 1 (Lanjutan) Peubah Laten

Butir 150 151 152 153 154

155

156 157

SPN

158

159 160

161

162

163

164 165

Peubah Indikator Loading Guru menggunakan teknik penilaian berupa 0.721 tes, pengamatan, penugasan, atau bentuk lain. Guru mengolah hasil penilaian untuk 0.691 mengetahui kemajuan hasil belajar. Guru mengembalikan hasil pekerjaan siswa 0.598 disertai komentar yang mendidik. Guru memanfaatkan hasil penilaian untuk 0.662 perbaikan pembelajaran. Guru melaporkan hasil penilaian mata pelajaran pada setiap akhir semester kepada 0.523 kepala sekolah/madrasah. Guru menilai sikap dan kepribadian siswa sebagai informasi untuk menentukan nilai 0.625 akhir semester. Sekolah/Madrasah mengkoordinasikan ulangan tengah semester dan ulangan akhir 0.406 semester. Sekolah/Madrasah menentukan kriteria 0.387 kenaikan kelas melalui rapat. Sekolah/Madrasah menentukan nilai akhir kelompok mata pelajaran agama dan akhlak mulia, kewarganegaraan dan kepribadian, 0.455 iptek, estetika, serta jasmani, olahraga, dan kesehatan. Sekolah/Madrasah menyelenggarakan ujian dan menentukan kelulusan siswa sesuai 0.433 dengan kriteria yang berlaku. Sekolah/Madrasah melaporkan hasil penilaian 0.490 setiap akhir semester kepada orang tua/wali Sekolah/Madrasah melaporkan pencapaian hasil belajar tingkat satuan pendidikan kepada 0.484 Dinas Pendidikan Kabupaten/Kota atau Kantor Kemenag. Sekolah/Madrasah menentukan kelulusan 0.403 siswa sesuai kriteria kelulusan. Sekolah/Madrasah menyerahkan surat keterangan hasil ujian nasional (SKHUN) 0.400 setiap siswa yang mengikuti ujian nasional (UN). Sekolah/Madrasah menyerahkan ijazah 0.384 kepada setiap siswa yang telah lulus. Sekolah/Madrasah menggunakan hasil ujian nasional (UN) SMP/MTs/ Paket B sebagai 0.302 salah satu penentu penerimaan siswa baru.

35 Lampiran 2. HAsil analisis korespondensi Jenis SM dengan Status Akreditasi 1. Tabel kontingensi antara Jenis SM dan Status Akreditasi Jenis SM A B C TT SMAN 359 230 77 5 SMAS 195 211 107 11 MAN 74 16 0 0 MAS 43 139 129 8 2. Nilai eigen proporsi keragaman dan kumulatif F1 F2 Nilai Eigen 0.155 0.003 Proporsi keragaman (%) 97.474 2.182 kumulative % 97.474 99.656 3. Jarak dari origin dan inersia untuk baris Jenis SM Jarak Inersia SMAN 0.268 0.02998 SMAS 0.103 0.00345 MAN 0.837 0.03934 MAS 0.659 0.08641 4. Koordinat baris masing-masing kategori Jenis SM F1 F2 SMAN 0.267 -0.009 SMAS -0.083 -0.056 MAN 0.819 0.170 MAS -0.656 0.063 5. Jarak dari origin dan inersia untuk kolom Status Akreditasi Jarak Inersia A 0.424 0.075 B 0.161 0.010 C 0.597 0.070 TT 0.553 0.005 6. Koordinat kolom pada masing-masing kategori Status Akreditasi F1 F2 A 0.424 0.027 B -0.146 -0.068 C -0.592 0.080 TT -0.510 -0.109

36 Lampiran 3. Hasil analisis korespondensi Provinsi dengan Status Akreditasi 1. Tabel kontingensi antara Provinsi dan Status Akreditasi Provinsi Aceh Bali Banten Bengkulu D.I. Yogyakarta DKI Jakarta Gorontalo Jambi Jawa Barat Jawa Tengah Jawa Timur Kalimantan Barat Kalimantan Selatan Kalimantan Tengah Kalimantan Timur Kepulauan Babel Kepulauan Riau Lampung Maluku Maluku Utara Nusa Tenggara Barat Nusa Tenggara Timur Papua Papua Barat Riau Sulawesi Barat Sulawesi Selatan Sulawesi Tengah Sulawesi Tenggara Sulawesi Utara Sumatera Barat Sumatera Selatan Sumatera Utara

A 57 6 57 0 43 56 1 0 40 99 88 20 10 7 12 5 3 12 5 2 6 2 9 0 18 2 40 4 2 6 32 12 15

2. Nilai eigen proporsi keragaman dan kumulatif

Eigenvalue Inersia (%) Kumulatif %

F1 0.237 76.380 76.380

F2 0.057 18.293 94.673

B 74 6 58 0 4 14 1 8 2 37 52 31 23 13 13 5 1 42 3 5 18 21 8 5 18 7 45 2 0 4 22 36 18

C 16 1 50 5 1 0 0 4 0 9 6 8 10 8 1 1 6 47 5 1 15 12 1 2 11 3 40 0 3 1 23 18 5

TT 3 0 2 0 0 0 0 1 0 0 0 0 0 2 0 0 1 7 1 0 1 2 0 0 1 0 1 0 0 0 1 1 0

37 Lampiran 3. (Lanjutan) 3. Jarak dari origin dan inersia untuk baris Provinsi Aceh Bali Banten Bengkulu D.I. Yogyakarta DKI Jakarta Gorontalo Jambi Jawa Barat Jawa Tengah Jawa Timur Kalimantan Barat Kalimantan Selatan Kalimantan Tengah Kalimantan Timur Kepulauan Babel Kepulauan Riau Lampung Maluku Maluku Utara Nusa Tenggara Barat Nusa Tenggara Timur Papua Papua Barat Riau Sulawesi Barat Sulawesi Selatan Sulawesi Tengah Sulawesi Tenggara Sulawesi Utara Sumatera Barat Sumatera Selatan Sumatera Utara

Jarak 0.292 0.336 0.268 2.031 0.969 0.798 0.520 0.949 1.084 0.556 0.467 0.334 0.420 0.545 0.435 0.304 1.130 0.829 0.650 0.530 0.601 0.780 0.381 0.890 0.113 0.550 0.324 0.601 1.108 0.331 0.270 0.488 0.255

Inersia 0.008 0.001 0.008 0.013 0.028 0.028 0.000 0.007 0.031 0.028 0.020 0.004 0.005 0.006 0.003 0.001 0.009 0.046 0.004 0.001 0.009 0.014 0.002 0.003 0.000 0.002 0.008 0.001 0.004 0.001 0.004 0.010 0.002

38

Lampiran 3. (Lanjutan) 4. Koordinat baris masing-masing kategori Provinsi Aceh Bali Banten Bengkulu D.I. Yogyakarta DKI Jakarta Gorontalo Jambi Jawa Barat Jawa Tengah Jawa Timur Kalimantan Barat Kalimantan Selatan Kalimantan Tengah Kalimantan Timur Kepulauan Babel Kepulauan Riau Lampung Maluku Maluku Utara Nusa Tenggara Barat Nusa Tenggara Timur Papua Papua Barat Riau Sulawesi Barat Sulawesi Selatan Sulawesi Tengah Sulawesi Tenggara Sulawesi Utara Sumatera Barat Sumatera Selatan Sumatera Utara

F1 -0.021 -0.205 0.213 1.393 -0.912 -0.789 -0.338 0.839 -1.018 -0.552 -0.452 0.037 0.292 0.432 -0.243 -0.181 0.685 0.777 0.342 0.160 0.596 0.737 -0.284 0.693 0.108 0.408 0.260 -0.588 0.400 -0.317 0.106 0.431 -0.051

F2 -0.275 -0.265 0.126 1.292 0.322 0.109 -0.394 -0.258 0.365 0.069 -0.118 -0.322 -0.256 0.004 -0.362 -0.241 0.836 0.219 0.452 -0.498 0.030 -0.184 -0.254 -0.512 0.028 -0.322 0.121 -0.115 0.953 -0.088 0.233 -0.216 -0.239

39

Lampiran 3. (Lanjutan) 5. Jarak dari origin dan inersia untuk kolom

A B C TT

Jarak 0.540 0.356 0.750 1.436

Inersia 0.122 0.047 0.110 0.031

6. Koordinat kolom pada masing-masing kategori

A B C TT

F1 -0.530 0.201 0.677 0.986

F2 0.106 -0.293 0.307 0.320

40 Lampiran 4. Hasil uji normal ganda Henze-Zirkler dan plot quantil-quantil

SB HZ : 3.502 Nilai-p : 0

SPN HZ : 2.558 Nilai-p: 0

SPL HZ : 2.305 Nilai-p : 0

SSP HZ: 1.700 Nilai-p: 0

41 Lampiran 4. (Lanjutan) SI HZ : 2.712 Nilai-p: 0

SPR HZ : 2.546 Nilai-p: 0

SKL HZ : 1.417 Nilai-p: 0

SPT HZ : 1.589 Nilai-p: 0

42

Lampiran 5. Peubah indikator dengan loading factor > 0.6 pada masing-masing peubah laten Peubah SB Butir126 Butir127 Butir128 Butir129 Butir130 Butir131 Butir132 Butir133 Butir134

Loading Bobot SE CR Penduga SE AVE = 0.506, Alpha =0.876 0.670 0.027 24.43* 0.151 0.006 0.654 0.033 20.02* 0.146 0.008 0.717 0.022 32.43* 0.156 0.007 * 0.760 0.020 38.66 0.173 0.007 0.746 0.021 36.35* 0.165 0.007 * 0.760 0.018 41.55 0.162 0.006 0.703 0.030 23.65* 0.160 0.006 * 0.704 0.025 27.76 0.148 0.007 0.681 0.025 27.29* 0.144 0.007

SPL Butir103 Butir104 Butir105 Butir107 Butir110 Butir112 Butir113 Butir115 Butir116 Butir117

0.649 0.722 0.700 0.636 0.702 0.680 0.659 0.675 0.649 0.637

AVE = 0.451, Alpha =0.861 0.021 30.60* 0.136 * 0.016 44.96 0.145 0.020 35.87* 0.138 0.027 23.64* 0.148 * 0.022 32.38 0.175 0.019 36.53* 0.162 * 0.021 31.61 0.150 0.018 36.50* 0.149 * 0.020 33.18 0.151 0.020 32.34* 0.134

0.008 0.009 0.009 0.009 0.008 0.009 0.008 0.008 0.008 0.008

16.56* 16.93* 16.06* 16.81* 20.76* 18.18* 17.76* 19.28* 18.24* 15.87*

SPT Butir66 Butir67 Butir68

0.857 0.873 0.722

AVE = 0.673, Alpha =0.747 0.012 72.86* 0.418 * 0.008 109.09 0.421 0.020 36.00* 0.379

0.012 0.012 0.011

34.74* 33.96* 33.25*

0.008 0.008 0.008 0.008 0.009 0.008 0.009 0.009

24.90* 24.47* 20.71* 23.01* 23.42* 22.31* 19.08* 20.15*

Penduga

SI Butir1 0.702 Butir2 0.715 Butir3 0.655 Butir4 0.726 Butir6 0.705 Butir7 0.663 Butir12 0.640 Butir13 0.672 CR* = signifikan pada 0.05

CR 23.47* 19.13* 23.48* 23.87* 22.28* 25.98* 25.19* 22.01* 21.53*

AVE = 0.470, Alpha =0.836 0.020 0.018 0.022 0.018 0.017 0.020 0.024 0.020

35.15* 38.90* 29.52* 39.42* 41.76* 33.35* 26.19* 33.67*

0.188 0.187 0.165 0.191 0.199 0.175 0.164 0.188

43 Lampiran 5. (Lanjutan) Peubah

Loading Penduga SE

CR

Penduga

Bobot SE

CR

SPR Butir20 Butir21 Butir22 Butir23 Butir24 Butir25 Butir26 Butir27

0.589 0.606 0.631 0.716 0.673 0.765 0.682 0.698

AVE = 0.452, Alpha =0.826 0.026 22.70* 0.180 * 0.027 22.57 0.172 0.025 24.93* 0.179 0.019 37.69* 0.193 * 0.024 28.59 0.166 0.017 45.74* 0.197 * 0.020 34.26 0.196 0.022 31.90* 0.204

0.009 0.008 0.008 0.008 0.008 0.008 0.008 0.008

20.35* 20.99* 21.48* 24.51* 21.35* 24.6* 24.01* 25.64*

SSP Butir84 Butir86 Butir87 Butir88 Butir89 Butir90 Butir92 Butir94 Butir96 Butir97 Butir98 Butir99 Butir100

0.756 0.699 0.700 0.706 0.694 0.672 0.605 0.711 0.791 0.719 0.728 0.523 0.650

AVE = 0.479, Alpha =0.904 0.013 58.53* 0.130 * 0.018 38.17 0.110 0.020 34.38* 0.112 * 0.017 40.64 0.113 0.017 39.67* 0.115 * 0.019 35.63 0.108 0.020 29.72* 0.102 0.018 40.05* 0.116 * 0.014 55.94 0.134 0.017 41.69* 0.103 * 0.018 40.70 0.107 0.028 18.46* 0.085 * 0.020 33.11 0.102

0.005 0.005 0.005 0.004 0.005 0.004 0.005 0.004 0.006 0.005 0.005 0.006 0.004

25.44* 23.27* 21.37* 25.41* 25.13* 24.01* 21.49* 27.53* 22.88* 22.22* 22.10* 15.08* 25.00*

SPN Butir147 Butir148 Butir149 Butir150 Butir151 Butir153 Butir155

0.749 0.745 0.799 0.788 0.751 0.735 0.607

SKL Butir28 0.628 Butir29 0.669 Butir30 0.627 Butir31 0.662 Butir32 0.660 Butir33 0.640 CR* = signifikan pada 0.05

AVE = 0.550, Alpha =0.861 0.019 39.41* 0.223 0.01 0.016 46.0* 0.184 0.009 0.016 51.38* 0.202 0.011 0.015 53.34* 0.199 0.01 0.018 41.12* 0.202 0.011 0.018 39.92* 0.178 0.009 0.031 19.48* 0.157 0.009 AVE = 0.428, Alpha =0.932 0.021 29.71* 0.070 * 0.019 35.27 0.077 0.021 30.06* 0.073 * 0.018 36.02 0.077 0.020 33.32* 0.071 * 0.023 27.72 0.070

0.004 0.003 0.003 0.004 0.003 0.003

21.47* 19.88* 18.07* 19.12* 18.18* 19.16* 17.47* 17.26* 24.14* 22.52* 20.26* 21.00* 19.98*

44 Lampiran 5. (Lanjutan) Peubah

Loading Penduga SE

SKL Butir34 0.707 Butir35 0.645 Butir36 0.629 Butir37 0.635 Butir38 0.638 Butir39 0.669 Butir41 0.685 Butir43 0.625 Butir44 0.617 Butir45 0.633 Butir46 0.671 Butir47 0.697 Butir48 0.668 Butir49 0.705 Butir51 0.615 CR* = signifikan pada 0.05

0.019 0.019 0.021 0.018 0.025 0.021 0.018 0.021 0.022 0.022 0.02 0.020 0.020 0.019 0.022

CR 37.48* 33.29* 29.61* 34.99* 25.69* 32.56* 37.36* 29.75* 28.6* 28.76* 33.84* 34.29* 32.68* 36.46* 28.51*

Penduga 0.074 0.069 0.074 0.073 0.073 0.070 0.078 0.064 0.069 0.067 0.078 0.074 0.073 0.078 0.078

Bobot SE 0.004 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.004 0.003 0.003 0.003 0.003 0.004 0.004

CR 20.81* 19.97* 22.28* 25.16* 22.40* 23.82* 24.81* 20.81* 18.35* 21.10* 23.11* 21.19* 21.30* 21.92* 20.99*

45 Lampiran 6. Indikator dengan nilai loading tinggi dalam mengukur peubah laten berdasarkan Status Akreditasi

SPL

SB (A & B) Indikator 126 Indikator 128 Indikator 129 Indikator 130 Indikator 131 Indikator 132 Indikator 134

(C &TT) Indikator 126 Indikator 127 Indikator 128 Indikator 129 Indikator 130 Indikator 131 Indikator 132 Indikator 133 Indikator 134

SPN (A & B) (C &TT) Indikator 147 Indikator 147 Indikator 148 Indikator 148 Indikator 149 Indikator 149 Indikator 150 Indikator 150 Indikator 151 Indikator 151 Indikator 152 Indikator 153 Indikator 153 SSP (A & B) (C &TT) Indikator 84 Indikator 86 Indikator 87 Indikator 88 Indikator 89 Indikator 90 Indikator 90 Indikator 91 Indikator 94 Indikator 96 Indikator 97 Indikator 97 Indikator 98 Indikator 98 Indikator 100 -

(A & B) Indikator 104 Indikator 105 Indikator 110 Indikator 112 Indikator 113 Indikator 115 Indikator 116 Indikator 117 -

(C &TT) Indikator 104 Indikator 120

SI (A & B) Indikator 3 Indikator 4 Indikator 6 Indikator 7 Indikator 13

(C &TT) Indikator 8 -

46 Lampiran 6. (Lanjutan) SPT (A & B) Indikator 66 Indikator 67 Indikator 68 Indikator 71 Indikator 72

(C &TT) Indikator 57 Indikator 61 Indikator 62 -

SKL (A & B) (C &TT) Indikator 29 Indikator 32 Indikator 33 Indikator 34 Indikator 34 Indikator 35 Indikator 39 Indikator 41 Indikator 43 Indikator 46 Indikator 47 Indikator 48 Indikator 49 Indikator 51 -

SPR (A & B) (C &TT) Indikator 23 Indikator 23 Indikator 24 Indikator 24 Indikator 25 Indikator 25 Indikator 26 Indikator 27

47

Lampiran 7 GSCA pada model modifikasi 1. Model Struktural Jalur

Koefisen jalur Estimate

SB->SPL SPL->SPT SPL->SI SPL->SPR SPL->SSP SPT->SI SI>SPR SI->SPN SPR->SSP SPR->SPN SSP>SPN SPN->SKL CR* = signifikan pada 0.05 2. Koefisien determinasi Peubah laten R2 SB 0.000 SPL 0.299 SPT 0.253 SI 0.573 SPR 0.639 SSP 0.518 SPN 0.453 SKL 0.411

0.547 0.503 0.586 0.341 0.495 0.267 0.517 0.262 0.277 0.319 0.168 0.641

SE 0.027 0.024 0.022 0.029 0.027 0.023 0.030 0.048 0.030 0.042 0.034 0.021

CR 20.33* 21.15* 26.49* 11.61* 18.25* 11.42* 17.31* 5.48* 9.21* 7.55* 4.92* 31.13*

48

RIWAYAT HIDUP Penulis dilahirkan di Mojokerto, pada 8 Januari 1991, adalah anak pertama dari pasangan Gagoek Heru Prijono dan Rini Kurniasih. Pendidikan dasar hingga menengah atas diselesaikan di Mojokerto. Tahun 2008 penulis diterima di Universitas Brawijaya pada jurusan statistika. Penulis menyelesaikan program sarjana pada tahun 2012. Tahun 2013 penulis mendapatkan beasiswa calon dosen BPPDN untuk melanjutkan program pasca sarjana di Institut Pertanian Bogor dengan jurusan yang sama.