Embed Size (px)
Citation preview
PEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN
2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION)
Pembimbing : Ir. Sri Pingit Wulandari, MSi
Liska Septiana1309 105 004
Latar Belakang
Pendidikan SDM berkualitas sehinggameningkatkan mutu hidup
(BPS 2008)
Salah satu parameter keberhasilan pendidikan adalah menuntaskan APK (AngkaPartisipasi Kasar) dan APM (Angka Partisipasi Murni) mutu pendidikan untukmencapai 95% (Rasiyo, 2009).
Dapat dikatakan belum maksimalberdasarkan jenjang pendidikan formalkhususnya pada jenjang pendidikan SMApada APK sebesar 71,18 % dan APMsebesar 57,05 %
Remaja putus sekolah usia SMA sekitar 40,89 persen
Putus Sekolah di Jawa Timur
0
100
200
300
400
500
600
700
Series1
Kota Kediri kediriMalang
Jember
Berdasarkan Jatimprov pada tahun 2007/2008
Mennurut Eko Setiyono (Kepala Bagian Masyarakat KabupatenKediri):Alasan utama mereka antara lain masalah ekonomi, medan yangterlalu jauh, menikah, hingga mencari pekerjaan
Menurut Kahumas Pemkot Malang M Yusuf, siswa siswi yang jarak sekolahdengan tempat tinggalnya terlalu jauh dan mereka adalah dari keluargakurang mampu diberi bantuan berupa sepedaDana BOS dari tiap wilayah berbeda
Permasalahan dan Tujuan
1
• Bagaimana pemetaan secara spasial dari persentase remaja putus sekolah usia SMA di Provinsi Jawa Timur ?
2
• Bagaimana pemodelan regresi spasial berdasarkan faktor-faktor yang mempengaruhi remajaputus sekolah usia SMA di Provinsi Jawa Timur?
1
• Mendiskripsikan pemetaan secara spasial pada remaja putus sekolah usia SMA di ProvinsiJawa Timur.
2
• Menyusun pemodelan Regresi Spasial berdasarkan faktor-faktor yang mempengaruhi remajaputus sekolah usia SMA di Provinsi Jawa Timur.
Manfaat
Apa ManfaatnyaApa Manfaatnya
mengaplikasikan ilmu yang telah diperoleh dari bangkuperkuliahan serta memberikan informasi bagi pembacakhususnya pemerintah Jawa Timur tentang putus sekolahremaja usia SMA di setiap Kabupaten/Kota di Jawa Timurserta faktor-faktor apa saja yang mempengaruhiputussekolah remaja usia SMA.
Tinjauan Pustaka
Parameter Pendidikan
menuntaskan APK (Angka Partisipasi Kasar) dan APM (Angka PartisipasiMurni) mutu pendidikan untuk mencapai 95%.
Jumlah siswa dijenjang pendidikan tertentu *)APK = ------------------------------------------------------x 100 %
Jumlah penduduk kelompok usia tertentu
Jl. siswa kelpk usia sekolah dijenjang pendidikan tertentu *)APM = -------------------------------------------------------------------------- x 100 %
Jumlah penduduk kelompok usia tertentu
usia 2-4 tahun ( usia Play group)usia 7–12 tahun (usia SD),
usia13–15 tahun (usia SLTP), usia 16–18 tahun (usia SMU) usia 19–24 tahun (usia perguruan
tinggi/PT)
PUTUS SEKOLAH
Tinjauan PustakaCont’
Faktor-aktor lain yang menyebabkan anak putus sekolah yaitujenis kelamin, jumlah saudara dan rata-rata pengeluaran perbulan. Jenis kelamin eratkaitannya dengan putus sekolah, diduga angka putus sekolah anak perempuan jauh lebihbesar dibandingkan dengan anak laki-laki. (Elfindri 2001)Faktor ekonomi indikatornya antara lain tidak ada biaya dan bekerja (Alifianto, 2008).
Tinjauan PustakaCont’
Dampak Pendidikan Eksternalities dan efek tidak langsung yang berhubungan dengan
pendidikan, Kesehatan, dan pertumbuhan populasi: • Pendidikan , pencapaian dan prestasi anak • Peningkatan kesehatan, dan kematian bayi lebih rendah • Lebih baik individu healt • penurunan jumlah kelahiran
Pertumbuhan penduduk yang lebih rendah dan kesehatan lebih baik populasi (dan angkatan kerja)
Pendidikan
Peningkatan pendapatan tetangga
Peningkatan laba (produktivitas tinggi)
Pertumbuhan tinggi
Partisipasi dalam angkatan kerja
Peningkatan angkatan kerja
Tinjauan PustakaCont’
Analisis Regresi
Analisis regresi merupakan analisis untuk mendapatkan hubungan dan model matematisantara variabel dependen (Y) dan satu atau lebih variabel independen (X).
Y = b 0 +b1X1 +...+b pX p +e , Y = b0 +b1Xi1+... +bp Xip +e
pengamatan sebanyak n
Dalam model regresi ada asumsi normalitas yaitu ε∼IIDN(0,s2I).
Dalam bentuk Matrik
Model umum regresi spasial dinyatakan pada persamaan (2.6) dan (2.7) (LeSage, 1999; dan Anselin 1988).
Tinjauan Pustaka Cont’
uXβyWy ++= 1 dengan εuWu += 2 ),0(~ 2Iε sN
Tinjauan Pustaka Cont’
Spatial Autoregressive Model (SAR)
Spatial Autoregressive Model (SAR) disebut juga Spatial Lag Model (SLM) adalahsalah satu model spasial dengan pendekatan area dengan memperhitungkan pengaruh
spasial lag pada variabel dependen saja.
εXβyWy ++= 1
εXβyWy += 1
εXβyWI += 1
εWIXβWIy 11
11
+=
1 1 121 1 1~ ,
T
N s
y I W Xβ I W I I W
Tinjauan Pustaka Cont’
Spatial Error Model (SEM)Uji Residual Spatial error model berbasis Maximum Likelihood estimation dilakukan untuk mengetahui SEM, menguji Residual spatial autocorrelation dengan Lagrange Multiplier (LM )
Hipotesis yang dikemukakan ialah
2 1 T2
n 1 1LRT 2 lnσ ln (I B) (I B) (y2 2 2σ
=
1T 1 T 2Xβ) (I B) (I B) ( ) ln2n
y s
+ Xβ
+ )()(2
12 XβyXβy T
s
Tinjauan Pustaka Cont’
Matriks Pembobot
Pembobot yang digunakan dalam penelitian ini adalah sebagai berikut:
Persinggungan sisi sudut (Queen Contiguity) adalah lokasi yang bersisian atau titik sudutnya bertemu dengan lokasi yang menjadi perhatian diberi pembobotan wij = 1, sedangkan untuk lokasi lainnya adalah wij = 0.
Sumber: LeSage (1999)
0 1 0 0 01 0 1 0 00 1 0 1 10 0 1 0 10 0 1 1 0
QueenW
=
0 1 0 0 00,5 0 0,5 0 00 0,3 0 0,3 0,30 0 0,5 0 0,50 0 0,5 0,5 0
QueenW
=
Moran’s Scatterplot Pemodelan tiapwilayah
Tinjauan Pustaka Cont’
Uji Efek Spasial
Efek spasial yaitu spatial dependence dan spatial heterogeneity pada data, digunakan beberapametode pengujian. Pengujian adanya spatial dependence memakai metode Moran’s I danLagrange Multiplier (LM). Untuk pengujian adanya spatial heterogeneity menggunakan
metode Breusch-Pagan Test.
Spatial Dependence
Hipotesis yang digunakan adalah :H0 : I = 0 (tidak ada autokorelasi antar lokasi)H0- : I ≠ 0 (ada autokorelasi antar lokasi)Statistik uji disajikan pada persamaan :
)Ivar(E(I)-I
= hitungZ
var (I) : varians Moran’s IE(I) : expected value Moran’s IPengambilan keputusan adalah H0 ditolak jika > Zα/2
Tinjauan Pustaka Cont’
Spatial Dependence Cont’
Pada LM test diperoleh berdasar pada asumsi model di bawah H0. Terdapat tiga hipotesis yang akan digunakan, yaitu:
Keputusan tolak H0 jika nilai LM > X2(k).
Spatial Heterogenity
Heterogenitas data secara spasial dapat diuji dengan menggunakan statistik uji Breusch-Pagan test (BP test) yang mempunyai hipotesis:
Tolak H0 bila BP > χ2(k).
Variabel respon (y) yaitu presentase remaja putus sekolah usia SMA tiap kabupaten/kotadi Jawa timur. Dimaksud usia SMA adalah usia 16-18 tahun,
Sumber Data dan VariabelData sekunder Hasil Survei Sosial Ekonomi Nasional (Susenas) Tahun 2009 di ProvinsiJawa Timur, dengan variabel sebagai berikut:
Variabel Keterangan variabelX1 Rasio jenis kelamin
X2Persentase banyaknya anggotarumah tangga yang >4
X3 Persentase kemiskinan
X4 Rasio letak rumah di pedesaan
X5Rasio pendidikan kepala rumahtangga
Langkah Analisis
Data
Mendeskripsikan Variabel
Regresi sederhanaPengujiansignifikanParameter
Model Regresi Spasiasl
Uji AsumsiResidual (IIDN)
Pengujian EfekSpasial
UjiHeterogenitas
Spasial
UjiDependensi
Spasial
GWRYa
Ya SAR
SEM
SARMA
Analisis Data dan Pembahasan
Kode Wilayah01 Kab. Pacitan03 Kab. Trenggalek06 Kab. Kediri07 Kab. Malang16 Kab. Mojokerto
Kode Wilayah12 Kab. Sitbondo13 Kab. Probolinggo15 Kab. Sidoarjo26 Kab. Bangkalan27 Kab. Sampang28 Kab. Pamekasan71 Kota Kediri
Presentase Remaja Putus Sekolah di Jawa Timur
Analisis Data dan PembahasanJika dilihat berdasarkan persentase remaja putus
sekolah di Jawa Timur tahun 2009
0
5
10
15
20
25
30
35
40
45
Pacit
an
Ponoro
go
Tre
nggale
k
Tulu
ngagung
Blita
r
Kedir
i
Mala
ng
Lum
aja
ng
Jem
ber
Banyuw
angi
Bondow
oso
Sit
ubondo
Pro
bolinggo
Pasuru
an
Sid
oarj
o
Mojo
kert
o
Jom
bang
Nganju
k
Madiu
n
Mageta
n
Ngaw
i
Bojo
negoro
Tuban
Lam
ongan
Gre
sik
Bangkala
n
Sam
pang
Pam
ekasan
Sum
enep
Kota
Kedir
i
Kota
Blita
r
Kota
Mala
ng
Kota
Pro
bolinggo
Kota
Pasuru
an
Kota
Mojo
kert
o
Kota
Madiu
n
Kota
Sura
baya
Kota
Batu
(%)
Pu
tus
Seko
lah
Kabupaten/Kota
Trenggalek(38,9%)
Pacitan(33,65%)
Mojokerto(31,54%)
Sidoarjo(5,45%)
Situbondo(7,14%) Sampang(7,06%)
Bangkalan (7,47%)
Variabel Jumlah Mean Minimum Median Maksimum
Y 38 19.19 5.49 19.51 38.89
X1 38 1.427 0.235 1.146 5
X2 38 41.88 5.26 44.44 66.67
X3 38 15.96 4.81 15.71 31.94
X4 38 0.553 0 0.6546 0.9235
X5 38 2.258 0.362 2.296 7.103
1. Jenis kelamin (X1)2. Jumlah anggota rumah tangga yang lebih dari empat (X2)3. Persentase keluarga miskin (X3)4. Letak rumah di pedesaan (X4)5. Pendidikan kepala rumah tangga(X5)
Analisis Data dan Pembahasan Cont’
Statistika Deskriptif
Analisis Data dan Pembahasan Cont’
Deteksi Kolinieritas dengan VIF
Variabel
Prediktor
Nilai
VIF
X1 1.3
X2 1.4
X3 2.8
X4 5.4
X5 4.3
Semua variabel memiliki nilai VIF < 10 yang berarti tidak ada kasus
multikolinearitas.
Model Regresi Linear
Sehingga model regresi linearnya :
Analisis Data dan Pembahasan Cont’
1 2 3 4 5ˆ 18,001 0,11 0,0482 0,6019 21,0384 1,312Y X X X X X= + + + +
Predictor Coef SE Coef T P
Constant 18.01 6.118 2.94 0.006X1 0.11 1.644 0.07 0.947X2 0.0482 0.09661 0.48 0.631X3 0.6019 0.3011 -2** 0.054X4 21.038 9.329 2.26* 0.031X5 -1.312 1.821 -0.72 0.476
Nilai R square 0.719936*T(31;0,975) = 2.03951** T(31;0,95) = 1.69552
α(0,05)
α(0,1)
Analisis Data dan Pembahasan Cont’
Pengujian Efek Spasial
3210-1-2
6
5
4
3
2
1
0
-1
-2
-3
Stadart
Wy
0
0
Kota Batu
Kota Surabaya
Kota Madiun
Kota Mojokerto
Kota Pasuruan
Kota Probolinggo
Kota Malang
Kota BlitarKota Kediri
Sumenep
Pamekasan
Sampang
Bangkalan
Gresik
LamonganTuban
Bojonegoro
Ngawi
Magetan
Madiun
Nganjuk
Jombang
Mojokerto
Sidoarjo
Pasuruan
Probolinggo
Situbondo
Bondowoso
Banyuwangi
Jember
Lumajang
Malang
Kediri
Blitar
Tulungagung
Trenggalek
Ponorogo
Scatterplot of Wy vs Stadart Uji Dependensi Spasial Nilai P-value
Moran’s I (error) 3,0266 0,0025*Lagrange Multiplier (lag)
9,3692 0,0022*
Lagrange Multiplier (error)
5,9245 0,0149*
Lagrange Multiplier (SARMA)
11,942 0,0025*
Ket: * Signifikan α=0.05
Analisis Data dan Pembahasan Cont’
Model Spasial
Spatial Autoregressive Model (SAR)
Variabel Coeff Z P-value
ρ 0,4820 3,3766 0,0007*
Intercept 4,5013 0,8248 0,4094
X1 -0,0189 -0,0150 0,9879
X2 0,0687 0,8961 0,3701
X3 0,4083 -1,6603 0,0968**
X4 0,1864 2,5553 0,0106*
X5 -0,8865 -0,6229 0,5332
Ket: R2= 44,15%
*Signifikan α=5%
**, Signifikan α=10%
3 41,
0,482 0,408 0,186n
i ij j i i i
j i j
y w y X X e=
= + +
Analisis Data dan Pembahasan Cont’
Spatial Error Model (SEM)
Variabel Coeff Z P-value
λ 0,5144 3,5964 0,0003*
Intercept 13,576 2,4612 0,0138*
X1 0,1430 0,1205 0,9040
X2 0,0480 0,6426 0,5204
X3 0,3254 -1,0982 0,2720
X4 0,1481 2,0811 0,0374*
X5 9,9e-005 7,1e-005 0,9999
R2= 42,38%
*Signifikan α=5%
413,576 0,148i i iy X u= + +1,
0,514n
i ij j i
j i j
u w u e=
= +
Analisis Data dan Pembahasan Cont’
Faktor- faktor yang Mempengaruhi Putus Sekolah SMA
Persen
tase letak ru
mah
di p
ede
saan
(%)
Persentase keluarga miskin (%)
Persentase Remaja Putus sekolah usia SMA (%)
Kesimpulan dan Saran’
Kesimpulan
1. Berdasarkan peta tematik tentang angka putus sekolah remaja usia SMA untuk setiapkabupaten di Provinsi Jawa Timur, yang memiliki angka putus sekolah dengan persentasetinggi, yaitu untuk kabupaten Malang, kabupaten Mojokerto, kabupaten Kediri, kabupatenTrenggalek, dan kabupaten Pacitan. Sedangkan yang memiliki presentase rendah adalahdaerah kabupaten Pamekasan, kabupaten Sampang, kabupaten Bangkalan, kabupatenSitubondo, kabupaten Probolinggo, kabupaten Sidoarjo dan kota Kediri. Serta untuk hasilstatistik deskriptif, terlihat bahwa rata-rata siswa putus sekolah sebesar 19,19%. Denganrata-rata siswa yang putus sekolah yang berjenis kelamin perempuan, dan status ekonomimiskin sebesar 1,427 dan 15,96% .
2. Berdasarkan hasil analisis didapatkan dependensi dalam lag dan error, maka dilakukanpemodelan Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Model SAR didapatkan variabel predictor yang signifikan pada α=10% adalah variabel keluargamiskin (X3) dan letak rumah dipedesaan (X4) dengan nilai R2=44,15%. Model SAR yang didapatkan adalah sebagai berikut.
Kesimpulan dan Saran Cont’
Saran
1. Faktor-faktor sebagai variabel prediktor yang mempengaruhi angka putus sekolah remaja usiaSMA di Provinsi Jawa Timur sebaiknya ditambah mengingat nilai R2 yang rendah,kemungkinan beberapa variabel yang di tambahkan untuk penelitian selanjutnya adalahanggaran pendidikan per APBD, tenaga SMA per jumlah siswa SMA, fasilitas fisikpendidikan SMA per jumlah siswa SMA.
2. Menggunakan selain jenis persinggungan sisi sudut (Queen Contiguity). Dalam memilihpersinggungan jenis sudut perlu diperhatikan untuk melihat kondisi daerah, kususnya daerahJawa Timur yang memiliki kemudahan akses transportasi untuk berpindah dari daerah yangsatu dengan daerah yang lain, selain itu Jawa Timur memiliki kedekatan wilayah yang dapatdijangkau dengan mudah tanpa melihat kedekatan sudut antar wilayah, seperti Kota.Surabayadan Kab.Bangkalan yang memiliki jembatan sebagai kemudahan penduduknya untuk berindahdari Kota.Surabaya ke Kab.Bangkalan ataupun ssebaliknya.
3. Sebaiknya dalam penelitian selanjutnya dapat menggunakan pemodelan spasial SpatialAutoregressive Moving Average (SARMA), karena dalam penelitian ini diketahui bahwadalam LM test sebagai didapatkan dependensi dalam ( lag, error)
DAFTAR PUSTAKA
Alifianto, A. 2008. Kuliah Kerja Nyata Wajib Belajar 9 Tahun.<URL:http://www.pewartakabarindonesia.blogspot.com/>
Anselin, L. (1988). Spatial Econometrics : Methods and Models, Kluwer AcademicPublishers, Netherlands.
Badan Pusat Statistik Provinsi Jawa Timur. 2008. Hasil Survei Sosial Ekonomi
Nasional Tahun 2008 di Provinsi Jawa Timur. BPS Jawa Timur.Surabaya.
Bitter, C., G. Mullian and S. Dall’erba. 2007. Incorporating Spatial Variation inHousing Atribute Prices. A Comparition Of Geographically Weighted
Regression And The Spatial Expantion Method.mpra.ub.unimuechen.de/1379/01/MPRA paper 1379.pdf. Diakses pada3Maret 2011.
Choriyah, N .I. 2009. Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di
Kawasan Surabaya Utara. [Tugas Akhir]. Surabaya: Program SarjanaJurusan Statistika ITS.
Draper, Norman dan Harry, Smith.1992. Analisis Regresi Terapan. Jakarta: PT.Gramedia Pustaka Umum.
Elfindri. 2001. Strategi Sukses Membangun Daerah. Gorga Media. Jakarta.
Grahacendikia. 2009. Anak Putus Sekolah dan Cara Pembinaan-nya. <URL:http://www.google.co.id/putus sekolah/Re-ferensi Penelitian Skripsi-Tesis>.
LeSage, J.P. (1999), The Theory and Practice of Spatial Econometrics,Mughal, Waris Hameed. 2007. Human Capital Investment and Poverty Reduction
Strategy in Pakistan. Asia Pacific Press.Rasiyo. 2008. Pemerataan Pendidikan Belum Tercapai. Diunduh dari alamat
http://els.bappenas.go.id/upload/kliping/Pemerataan%20Pndidikan%20blm.pdf pada pada Selasa, 15 Februari 2011, 09.00 am.
Sulistiyanti. 2009. Pendidikan, Kemiskinan, dan Pertumbuhan Ekonomi. Malang.Walpole, E. Ronald. 1995. Pengantar Statistika. Edisi ketiga. Penerbit : PT.
Gramedia Pustaka Utama. Jakarta.
Jadikan hidup bermanfaat untuk orang lain
Jika tak bisa membantu dengan pertolongan maka
cukup dengan nasehat jika tak bisa maka senyumlah
untuk orang lain
