Professional Documents
Culture Documents
PENDAHULUAN
1
Pendidikan adalah salah satu faktor yang mempengaruhi pembangunan
manusia (Brata, 2005). Salah satu faktor yang menunjang baik atau tidaknya
pendidikan adalah sekolah. Baik tidaknya mutu suatu sekolah dinyatakan dengan
akreditasi sekolah. Ingin dianalisis status akreditasi suatu sekolah dengan
memperhatikan Indeks Pembangunan Manusia tiap wilayah yaitu Kabupaten/Kota
asal sekolah SMK yang terakreditasi apakah Indeks Pembagunan Manusia tiap
wilayah yaitu Kabupaten/Kota asal sekolah berpengaruh terhadap akreditasi suatu
sekolah di wilayah masing-masing Kabupaten/Kota tersebut. Disamping
memperhatikan Indeks Pembangunan Manusia, juga ingin menghubungkan status
akreditasi dengan profil sekolah yang bersangkutan yang meliputi status sekolah
yaitu negeri atau swasta, lama berdiri suatu sekolah pada saat mengajukan
akreditasi, jumlah siswa pada saat mengajukan akreditasi, jumlah guru pada saat
mengajukan akreditasi, jumlah alumni yang diterima di dunia usaha dan industri
setahun terakhir pada saat mengajukan akreditasi, status tanah/bangunan serta
jumlah nilai rata-rata ujian nasional sekolah.
Analisis yang dilakukan adalah Regresi Logistik Ordinal. Analisis ini
bertujuan untuk mengkaji bentuk penaksir parameter serta model akreditasi suatu
sekolah yang menghubungkan dengan Indeks pembangunan Manusia serta profil
sekolah yang meliputi status sekolah yaitu negeri atau swasta, lama berdiri suatu
sekolah pada saat mengajukan akreditasi, jumlah siswa pada saat mengajukan
akreditasi, jumlah guru pada saat mengajukan akreditasi, jumlah alumni yang
diterima di dunia usaha dan industri setahun terakhir pada saat mengajukan
akreditasi, status tanah/bangunan serta jumlah nilai rata-rata ujian nasional
sekolah.
2
mengajukan akreditasi, jumlah alumni yang diterima di dunia usaha dan
industri setahun terakhir pada saat mengajukan akreditasi, status
tanah/bangunan serta jumlah nilai rata-rata ujian nasional sekolah dengan
memperhatikan Indeks Pembangunan Manusia tiap wilayah asal sekolah SMK
yang terakreditasi dengan menggunakan Regresi Logistik Ordinal.
1.3 Tujuan
Tujuan dalam penelitian ini adalah sebagai berikut:
1. Mengkaji bentuk penaksir parameter Regresi Logistik Ordinal.
2. Menentukan model akreditasi sekolah berdasarkan faktor-faktor yang terdapat
dalam profil sekolah yang meliputi status sekolah yaitu negeri atau swasta,
lama berdiri suatu sekolah pada saat mengajukan akreditasi, jumlah siswa
pada saat mengajukan akreditasi, jumlah guru pada saat mengajukan
akreditasi, jumlah alumni yang diterima di dunia usaha dan industri setahun
terakhir pada saat mengajukan akreditasi, status tanah/bangunan serta jumlah
nilai rata-rata ujian nasional sekolah dengan memperhatikan Indeks
Pembangunan Manusia tiap wilayah asal sekolah SMK yang terakreditasi
dengan menggunakan Regresi Logistik Ordinal.
1.4 Manfaat
Manfaat penelitian ini adalah sebagai berikut :
1. Memperluas wawasan mengenai regresi logistik ordinal
2. Memberikan wawasan mengenai akreditasi sekolah
3. Bagi Dinas Pendidikan dapat mengetahui bentuk model akreditasi sekolah
yang menghubungkan antara status akreditasi suatu sekolah dengan profil
sekolah serta Indeks Pembangunan Manusia Kabupaten/Kota asal sekolah
masing-masing.
3
pada tingkat satuan pendidikan SMK di Propinsi Jawa Timur yang terakreditasi
tahun 2006.
4
BAB 2
TINJAUAN PUSTAKA
1
=
exp(Z) 1
+
exp(Z) exp(Z)
5
1
=
1 + exp( Z )
exp( Z )
exp( Z )
= (2.2)
1 + exp( Z )
dimana F(Z) = Y
Z = kombinasi beberapa variabel prediktor (X)
1
Persamaan (2.2) didapatkan lim F ( Z ) = 0 , lim F ( Z ) = , dan
Z → −∞ Z →0 2
lim F ( Z ) = 1 sehingga dapat digambarkan dengan kurva sebagai berikut :
Z →∞
F(Z)
1/2
0 Z
–1
6
Mensubstitusikan persamaan (2.1) pada persamaan (2.3), sehingga
didapatkan:
P(Y ≤ j | X )
P(Y ≤ j | X ) = log
1 − P(Y ≤ j | X )
p
expθ j + ∑ β k x k
k =1
1 + expθ j + ∑ β k x k
p
= log k =1
p
expθ j + ∑ β k x k
k =1
1−
1 + expθ + β x
p
j ∑ k k
k =1
p
expθ j + ∑ β k x k
k =1
p
1 + expθ j + ∑ β k x k
k =1
= log
1 + expθ + β x
p p
j ∑ k k expθ j + ∑ β k x k
k =1 − k =1
1 + expθ + β x 1 + expθ + β x
p p
j ∑ k k j ∑ k k
k =1 k =1
p
expθ j + ∑ β k x k
k =1
1 + expθ j + ∑ β k x k
p
= log k =1
1
p
1 + expθ j + ∑ β k x k
k =1
p
p
expθ j + ∑ β k x k 1 + expθ j + ∑ β k x k
k =1 × k =1
= log
1 + expθ j + ∑ β k x k
p
1
k = 1
7
p
= log expθ j + ∑ β k x k
k =1
p
= θ j + ∑ β k xk (2.4)
k =1
peluang kategori respon ke-j pada p variabel prediktor yang dinyatakan dalam
vektor X dan P(Y ≤ j| X )) menyatakan peluang kumulatif pada p variabel
prediktor yang dinyatakan dalam vektor X maka nilai π j ( X ) didapatkan dengan
persamaan berikut :
γ j = P(Y ≤ j | X ) = π 1 ( X ) + π 2 ( X ) + ... + π j ( X ) (2.5)
dimana j = 1, 2, ..., J
Untuk tiga kategori respon dimana j = 1, 2, 3 maka nilai dari peluang
kategori respon ke-j adalah sebagai berikut :
p
expθ1 + ∑ β k x k
γ 1 = P(Y ≤ 1 | X ) = k =1 (2.6)
p
1 + expθ1 + ∑ β k x k
k =1
p
expθ 2 + ∑ β k x k
γ 2 = P(Y ≤ 2 | X ) = π 1 ( X ) + π 2 ( X ) = k =1 (2.7)
p
1 + expθ 2 + ∑ β k x k
k =1
Dari kedua peluang kumulatif di atas maka akan didapatkan peluang untuk
masing-masing kategori respon sebagai berikut :
p
expθ1 + ∑ β k x k
π 1 ( X ) = P(Y ≤ 1 | X ) = k =1 (2.8)
p
1 + expθ1 + ∑ β k x k
k =1
8
π 2 ( X ) = P(Y ≤ 2 | X ) − π 1 ( X )
p
p
expθ 2 + ∑ β k x k expθ1 + ∑ β k x k
k =1 − k =1 (2.9)
=
p
p
1 + expθ 2 + ∑ β k x k 1 + expθ 1 + ∑ β k x k
k =1 k =1
π 3 ( X ) = 1 − P(Y ≤ 2 | X )
p
expθ 2 + ∑ β k x k
= 1− k =1
p
1 + expθ 2 + ∑ β k x k
k =1
p
p
1 + exp θ 2 + ∑ β k x k exp θ 2 + ∑ β k x k
= k =1 − k =1
p
p
1 + exp θ 2 + ∑ β k x k 1 + exp θ 2 + ∑ β k x k
k =1 k =1
1
= (2.10)
p
1 + expθ 2 + ∑ β k x k
k =1
dengan demikian γ j = P(Y ≤ j| X ) = π 1 ( X) + π 2 ( X) + L + π j ( X) .
9
∂L(β)
parameter β k dimana k = 1, 2, ...p dan = 0 dipergunakan untuk estimasi
∂θ j
∂L(β) ∂L(β)
Hasil dari persamaan = 0 dan = 0 merupakan fungsi
∂β k ∂θ j
Daerah penolakan:
H0 ditolak bila G > χ (2p ;α ) dimana p adalah jumlah prediktor dalam model.
10
Daerah Penolakan :
H0 ditolak bila W lebih besar dari zα / 2 atau P-value kurang dari α . Hal ini
dikarenakan statistik uji W mengikuti distribusi normal (Hosmer dan Lemeshow,
2000). Uji W mengikuti distribusi normal dikarenakan jumlah sampel adalah
besar.
11
ini disusun untuk dapat memberikan rambu-rambu teknis mengenai mekanisme
pelaksanaan akreditasi sekolah, dimulai dari evaluasi diri, visitasi, sampai
dengan penetapan hasil akreditasi dan penerbitan sertifikat akreditasi. Selain itu,
buku pedoman ini juga memuat norma-norma pelaksanaan akreditasi sekolah
yang diharapkan dapat menjadi landasan moral bagi semua pihak dan dapat
dijadikan sebagai acuan dalam melaksanakan akreditasi sekolah secara benar.
12
Pelaksanaan Evaluasi
Diri oleh Sekolah
Pengajuan Akreditasi
oleh Sekolah
Penentuan Kelayakan
Visitasi oleh BAS
Pelaksanaan Visitasi
Oleh Tim Asesor
Penetapan Hasil
Akreditasi oleh BAS
Tidak
Terakreditasi
Penerbitan Hasil
Akreditasi oleh BAS
13
14
BAB 3
METODE PENELITIAN
15
SMK adalah per jurusan dalam sekolah tersebut yang mengajukan akreditasi.
Dengan demikian untuk satu sekolah SMK yang mempunyai bermacam-macam
jurusan nilai akreditasi dapat berbeda antar jurusan dalam satu sekolah.
Karena satu sekolah mempunyai jurusan yang lebih dari satu dan
mempunyai nilai akreditasi yang kadang berbeda antar jurusan maka pengambilan
data dalam penelitian ini adalah dengan mengambil jurusan di sekolah tersebut
yang mempunyai nilai akreditasi yang paling besar. Dengan demikian satu
sekolah diwakili oleh jurusan yang mempunyai nilai akreditasi yang paling besar.
Pengambilan data sekolah yang terakreditasi ini hanya diambil dari
sekolah yang mengajukan akreditasi selama tahun 2006 ke Dinas Pendidikan
Propinsi Jawa Timur dan sudah diketahui hasil penilaian akreditasinya. Karena
data yang tersedia adalah sangat jauh dari ideal yang diinginkan peneliti maka
data yang diambil adalah data sekolah yang pengisian pada alat ukur yang lengkap
karena banyak sekali sekolah yang mengisi alat ukur yaitu profil sekolah banyak
yang kosong atau tidak terisi sesuai dengan yang diharapkan. Hal ini dikarenakan
kualitas sumber daya manusia yang berbeda-beda dari setiap sekolah. Dari data
yang ada maka yang dapat diambil oleh peneliti adalah sebanyak 109 sekolah
yang telah terakreditasi yang mengajukan akreditasi selama tahun 2006.
3. x3 : Jumlah siswa;
4. x 4 : Jumlah guru;
16
8. x8 : Indeks Pembangunan Manusia tiap Kabupaten/Kota asal sekolah
∂ 2 ln L(θ, β) ∂ 2 ln L(θ, β)
b. Mendapatkan turunan kedua dengan < 0, <0
∂θ j ∂β k
2 2
∂ 2 ln L(θ, β)
dan < 0 dimana j = 1,2,..., J − 1 dan k = 1,2,..., p
∂θ∂β
2. Mendapatkan model akreditasi sekolah berdasarkan faktor-faktor yang
terdapat dalam profil sekolah yang meliputi status sekolah yaitu negeri atau
swasta, lama berdiri suatu sekolah pada saat mengajukan akreditasi, jumlah
siswa pada saat mengajukan akreditasi, jumlah guru pada saat mengajukan
akreditasi, jumlah alumni yang diterima di dunia usaha dan industri setahun
terakhir pada saat mengajukan akreditasi, status tanah/bangunan serta jumlah
nilai rata-rata ujian nasional sekolah dengan memperhatikan Indeks
Pembangunan Manusia tiap wilayah asal sekolah SMK yang terakreditasi
dengan langkah-langkah sebagai berikut :
a. Melakukan pengujian hipotesis.
b. Menginterpretasikan model dan mengambil kesimpulan.
17
18
BAB 4
HASIL DAN PEMBAHASAN
vektor parameter slope. Jika θ j < θ j +1 maka model ini adalah model kumulative
dengan slope yang sama yaitu model garis regresi yang berdasar pada peluang
kumulatif kategori respon. Jika γ j (X ) = π 1 (X ) + π 2 (X ) + L + π j (X ) , maka:
γ 1 (X ) = π 1 (X ) (4.1)
γ 2 (X ) = π 1 (X ) + π 2 (X ) (4.2)
M
γ J (X ) = π 1 (X ) + π 2 (X ) + L + π J (X ) = 1 (4.3)
19
Jika terdapat J kategori respon maka model logistik ordinal yang terbentuk adalah:
γ
logit (γ 1 ) = ln 1 = θ1 + β 1 X1 + β 2 X 2 + L + β k X k (4.4)
1− γ1
γ
logit (γ 2 ) = ln 2 = θ 2 + β1 X1 + β 2 X 2 + L + β k X k (4.5)
1− γ 2
…
γ
logit (γ J −1 ) = ln J −1 = θ J −1 + β 1 X1 + β 2 X 2 + L + β k X k (4.6)
1 − γ J −1
θ j +βT X
dan γ J =1 . Model ini disebut cumulative logit models sebab odds ratio kejadian
dengan mencatat jumlah observasi n ji dan jumlah hasil “j” untuk j = 1,2,L , J .
R1i = n1i ,
M
R Ji = 1
Karena peluang kumulatif yang digunakan dalam menaksir parameter, maka
likelihood dapat ditulis sebagai perkalian J − 1 kategori, sehingga fungsi padat
peluang bersama dari (Y1 , Y2 ,L, Yn ) adalah sama dengan perkalian n fungsi
multinomial.
20
Fungsi likelihoodnya adalah:
n
ln L(θ, β ) = ∑ {R1i log(γ 1i ) + (R2i − R1i ) ln(γ 2i − γ 1i ) − R2i ln(γ 2i ) +R2i ln(γ 2i ) +
i =1
(R Ji − R ( J −1 )i )ln (γ Ji − γ ( J −1 )i )}
n eθ1+β Xi
T
θ2 +β Xi eθ1+β Xi
T T
= ∑R1i ln + (R2i − R1i )ln e − +
i =1
1 + eθ1+βT Xi 1 + eθ2 +βT Xi 1 + eθ1+βT Xi
(4.9)
eθ2 +β Xi θ1 +β Xi θ2 +β Xi θ1 +β Xi
T T T T
e e − e
ln = ln
jika
−
1 + eθ2 +βT Xi 1 + eθ1 +βT Xi
1 + e(
θ2 +βT Xi
1 + e )(
θ1 +βT Xi
)
eβ
T
Xi
(e θ 2 −θ1
)
= ln
(1 + e θ 2 +β Xi
T
)(1 + e θ1 + β T X i
)
21
maka fungsi log-likelihood menjadi:
{ ( ( ))+
n
ln L(θ, β ) = ∑ R1i θ1 + β T X i − ln 1 + eθ1 +β
T
Xi
i =1
∂ ln L n eθ1 +β Xi θ1
eθ1 +β Xi
T T
= ∑ − R2 i − (R2i − R1i )
∂θ1
2
i =1
1 + e (
θ1 + βT X i
)
2
( 2
eθ 2 − eθ1 ) (4.12)
n
∂ 2 ln L eθ1 +θ 2
= ∑ (R2i − R1i ) 2
∂θ1∂θ 2 i =1 eθ 2 − eθ1 ( )
(4.13)
∂ 2 ln L
=0 dimana j = 3, L , J − 1
∂θ1∂θ j
(4.14)
∂ 2 ln L n X ji eθ1 +β Xi
T
= ∑ − R2i
∂θ1∂β j i=1
1+ e (
θ1 +βT Xi
)
2 , j = 2, L , J − 2 (4.15)
22
∂lnL eθu +β Xi
T
eθu +θu−1 eθu +θu+1
= ∑{−(R(u+1)i − R(u−1)i ) −(Rui − R(u−1)i ) θu θu−1 −(R(u+1)i − Rui )
n
∂θu
2
i=1 (1+e ) θu +βT Xi
2
e −e (
eθu+1 −eθu
2
)
(4.17)
dimana u = 2,L, J − 2
n
∂2 ln L eθu +θu−1
= ∑(Rui − R(u−1)i )
2 , u = 2, L , J − 1
∂θu ∂θu−1 i=1 eθu − eθu−1 ( )
(4.18)
∂2 lnL
= 0, jika | u − j |≥ 2
∂θu∂θ j
(4.19)
X jieθu +β Xi
T
∂2 ln L n
= ∑{− (R(u+1)i − R(u−1)i )
∂θu β j i=1 1+ eθu +β Xi
T
( 2
) , u = 2, L, J − 2 (4.20)
(4.21)
X ji eθJ −1 +β Xi
T
∂ 2 ln L
= ∑{− (1 − R( J −2)i )
n
∂θ J −1∂β j i=1 ( 2
1 + eθJ −1 +β Xi
T
) (4.23)
∂lnL n Xuieθ1+β Xi
T
θ1+βT Xi θ2 +βT Xi
X e X e
= ∑R1i Xui − + (R2i − R1i )Xui − ui
− ui +L+
∂βu i=1 1+ eθ +βT
X 1+ eθ +βT
X
1+ eθ +βT
X
1 i 1 i 2 i
XuieθJ −1+β Xi
T
23
∂2 lnL n XuiXjie 1 i XuiXjieθ1+βT Xi XuiXjieθ2 +βT Xi
θ +βT X
β (t +1) = β (t ) − (H (t ) ) r (t )
−1
∂L(β )
dimana r (t ) = dimana a=0,1,...,p dan b=1,2,...,J
∂β ab
Oleh karena estimasi parameter dengan metode Maximum Likelihood
sangat sulit, maka digunakan program komputerisasi yaitu program Minitab 14
untuk mendapatkan nilai-nilai taksiran parameter terhadap model akreditasi SMK.
Disini digunakan α = 10% karena dalam dunia pendidikan tidak lepas dari faktor
sosial yang sulit untuk dikendalikan.
24
yang diterima di dunia usaha dan industri, jumlah nilai rata-rata ujian nasional
sekolah terakhir serta indeks pembangunan manusia Kabupaten/Kota asal sekolah
SMK. Penjelasan mengenai variabel-variabel dalam penelitian dapat dilihat pada
Tabel 4.1.
Tabel 4.1 Variabel-variabel dalam penelitian
25
a. Model Akreditasi
Model akreditasi Sekolah Menengah Kejuruan (SMK) merupakan model
logit dari regresi logistik ordinal dengan delapan variabel prediktor dan tiga
kategori respon. Pada Tabel 4.2 dapat dilihat banyaknya sekolah yang masuk
kategori akreditasi.
Tabel 4.2 Informasi respon
No Jenis Akreditasi Jumlah Sekolah
1 C 11
2 B 62
3 A 36
x2 -0,0404839 0,0197898
x3 -0,0011422 0,0011318
x4 -0,0427285 0,0196091
x5 0,0014973 0,0057685
x6 -0,490459 0,684865
x7 -0,223848 0,0891472
x8 0,0761840 0,0596407
26
γ
Logit (γ 1 ) = log 1 = −0,685519 − 1,97213 x1 − 0,0404839 x 2 − 0,0011422 x3 +
1− γ1
− 0,0427285 x 4 + 0,0014973 x5 − 0,490459 x6 − 0,223848 x7 + 0,0761840 x8
γ
Logit (γ 2 ) = log 2 = 3,11173 − 1,97213 x1 − 0,0404839 x 2 − 0,0011422 x3 +
1− γ 2
− 0,0427285 x 4 + 0,0014973 x5 − 0,490459 x6 − 0,223848 x7 + 0,0761840 x8
27
sekolah SMK dengan regresi logistik ordinal dengan delapan variabel prediktor
signifikan pada tingkat kepercayaan 90%.
Untuk Goodness of Fit dengan metode Pearson nilai Chi-square = 174,617
sedangkan untuk Deviance adalah sebesar 161,852. Nilai Concordant adalah
sebesar 80%, nilai Discordant adalah sebesar 19,8% dan nilai Ties adalah sebesar
0,2%.
H1: β k ≠ 0 ; k = 1, 2, ...p
Dari output Minitab 14 didapatkan nilai statistik uji Wald untuk masing-masing
parameter variabel prediktor sebagai berikut:
Tabel 4.5 Statistik Uji Wald untuk pengujian secara individu
Prediktor Koefisien SE Koef Z P Odds Ratio
Konstan (1) -0,685519 4,54770 -0,15 0,880
Konstan (2) 3,11173 4,56250 0,68 0,495
x1 -1,97213 1,39537 -1,41 0,158 0,14
28
Dari Tabel 4.5 di atas dapat diketahui bahwa untuk model akreditasi
sekolah SMK untuk variabel prediktor yang signifikan pada tingkat kepercayaan
90% dan berpengaruh pada model adalah lama berdiri sekolah, jumlah guru, dan
jumlah nilai rata-rata Unas sekolah. Sedangkan variabel prediktor yang tidak
signifikan adalah status sekolah, jumlah siswa, jumlah alumni yang diterima di
dunia usaha dan industri, status tanah dan bangunan serta indeks pembangunan
manusia Kabupaten/Kota asal SMK yang terakreditasi.
Variabel prediktor status sekolah yang terdiri atas sekolah negeri dan
swasta, jumlah siswa, jumlah alumni yang diterima di dunia usaha dan industri,
status tanah dan bangunan tidak signifikan pada model dikarenakan pada saat
pengambilan data, sekolah SMK yang mengajukan akreditasi selama tahun 2006
yang terbesar adalah sekolah swasta, hanya beberapa sekolah SMK yang berstatus
negeri yaitu ada 4 sekolah. Sekolah SMK swasta tersebut umumnya mempunyai
keragaman jumlah siswa yang kecil sehingga tidak signifikan dalam model.
Variabel jumlah alumni yang diterima di dunia usaha dan industri juga tidak
signifikan dalam model juga disebabkan keragaman data yang kecil antar sekolah
SMK karena sebagian besar data yang diambil adalah dari sekolah swasta.
Variabel status tanah dan bangunan tidak signifikan dalam model, hal ini
dikarenakan data yang diambil adalah sebagian besar sekolah yang sudah
memiliki tanah dan bangunan sendiri, sedangkan sekolah yang menyewa atau
menumpang hanya sebagian kecil yaitu ada 11 sekolah. Variabel indeks
pembangunan manusia tidak signifikan dalam model, hal disebabkan sekolah-
sekolah yang mengajukan akreditasi selama tahun 2006 berasal dari
Kabupaten/Kota yang mempunyai indeks pembangunan manusia yang hampir
signifikan tidak beda jauh.
Interpretasi model yang terbentuk adalah dengan menggunakan odds rasio.
Nilai odds rasio yang signifikan dalam model berdasarkan Tabel 4.5 adalah
variabel lama berdiri sekolah dengan odds rasio sebesar 0,96, variabel jumlah
guru dengan odds rasio sebesar 0,96, variabel nilai Unas sekolah dengan odds
rasio sebesar 0,8. Odds rasio variabel lama berdiri sekolah adalah sebesar 0,96, ini
dapat diartikan bahwa terdapat 4% peningkatan dalam nilai perbandingan status
sekolah yang lebih tinggi tiap 10 tahun pertambahan lama berdiri sekolah. Odds
29
rasio jumlah guru adalah sebesar 0,96, dapat diartikan bahwa terdapat peningkatan
4% nilai perbandingan status sekolah yang lebih tinggi tiap penambahan 10 0rang
guru. Sedangkan variabel nilai Unas sekolah dengan odds rasio sebesar 0,8, dapat
diartikan bahwa terdapat peningkatan 20% dalam nilai perbandingan status
sekolah yang lebih tinggi tiap penambahan 10 nilai Unas sekolah.
30
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis data dan pembahasan maka dapat diambil
kesimpulan sebagai berikut:
1. Penaksiran parameter Regresi Logistik Ordinal diperoleh dengan
menggunakan metode penaksiran Maksimum Likelihood. Untuk menjelaskan
peluang pengamatan sebagai suatu fungsi dari parameter yang tidak diketahui
dapat dibangun dengan suatu fungsi yang disebut Likelihood function. Untuk
memaksimumkan nilai dari fungsi tersebut digunakan metode Maximum
Likelihood Estimation (MLE). Fungsi Likelihood adalah sebagai berikut:
{ ( ( ))+
n
ln L(θ, β ) = ∑ R1i θ1 + β T X i − ln 1 + eθ1 +β
T
Xi
i =1
31
dalam menentukan (θ, β ) awal, sehingga dipergunakan program komputerisasi
minitab 14.
2. Variabel yang signifikan yang berpengaruh terhadap status akreditasi SMK di
Jawa Timur adalah lama berdiri suatu sekolah pada saat mengajukan
akreditasi, jumlah guru pada saat mengajukan akreditasi, serta jumlah nilai
rata-rata ujian nasional sekolah. Model Akreditasi SMK di Jawa Timur dengan
Regresi Logistik Ordinal adalah sebagai berikut:
γ
Logit (γ 1 ) = log 1 = −0,685519 − 1,97213 x1 − 0,0404839 x 2 − 0,0011422 x3 +
1− γ1
− 0,0427285 x 4 + 0,0014973 x5 − 0,490459 x6 − 0,223848 x7 + 0,0761840 x8
γ
Logit (γ 2 ) = log 2 = 3,11173 − 1,97213 x1 − 0,0404839 x 2 − 0,0011422 x3 +
1− γ 2
− 0,0427285 x 4 + 0,0014973 x5 − 0,490459 x6 − 0,223848 x7 + 0,0761840 x8
32
5.2 Saran
Berdasarkan kesimpulan diatas maka saran-saran yang dapat disampaikan
adalah bahwa untuk penelitian selanjutnya untuk memodelkan akreditasi
hendaknya dimasukkan variabel lain yang lebih mewakili untuk mengukur
akreditasi SMK di Jawa Timur.
33
DAFTAR PUSTAKA
Agresti, A., (1990), Categorical Data Analysis, John Wiley & Sons, Inc., New
York.
Antonov, A., (2004), ‘Performance of Modern Techniques for Rating Model
Design’, Master Thesis, Zürich.
Hosmer, D. W., dan Lemeshow, S., (2000), Applied Logistic Regression, John
Wiley & Sons, Inc., New York.
Hyun, S. K.,(2004), “Topics In Ordinal Logistic Regression And Its Applications”,
Dissertation Ph.D.,Texas A&M University.
McCullagh,P., (1980),”Regression models for ordinal data”, Journal of the Royal
Statistical Society, Seri B, No.42, hal. 109-142.
Tim Sekretariat Negara RI (2005), Peraturan Pemerintah Tentang Standar
Nasional Pendidikan, Sekretariat Negara RI, Jakarta.
Wibowo, W., (2002), ‘Perbandingan Hasil Klasifikasi Analisis Diskriminan dan
Regresi Logistik Pada Pengklasifikasian Data Respon Biner’, KAPPA
Vol. 3, No.1, hal 36-45..
34
Lampiran 1
Data Akreditasi SMK di Jawa Timur
No Nama Jurusan SMK x1 x2 x3 x4 x5 x6 x7 x8 Y
35
14 AKUNTANSI SMK 0 20 291 32 77 1 21.52 74.6 3
WACHID HASYIM
SURABAYA
15 TEK MEKANIKA 0 20 108 17 18 1 20.43 60.2 2
OTOMOTIF SMK
PGRI 1
BANGKALAN
16 PENJUALAN SMK 0 6 152 16 16 1 19.06 74.0 1
MA'ARIF NU
PRAMBON
SIDOARJO
17 AEI MAINTENANCE 0 21 91 30 39 1 21.75 74.0 3
REPAIR SMK
PENERB. DHARMA
WIRAWAN
SIDOARJO
18 ADMIN PEKT SMK 0 21 22 17 5 0 18.93 74.6 1
PERDANA 1
SURABAYA
19 PENJUALAN SMK 0 35 471 31 83 1 19.62 67.5 3
PSM WARUJAYENG
NGANJUK
20 ADMIN PKT SMK 0 22 107 27 20 0 19.86 74.6 2
PGRI 7 SURABAYA
21 TEK KOMPUTER 1 10 72 34 28 1 23.78 71.6 2
DAN JARGN SMKN
1 CERME GRESIK
22 TEK KOMP DAN 0 4 117 16 20 1 18.59 71.6 1
JARINGAN SMK
SUNAN AMPEL
MENGANTI GRESIK
23 MEKANIK OTMTF 0 6 188 17 8 0 22.37 70.3 2
SMK SULTAN
AGUNG KEMLAGI
MOJOKERTO
24 TEKNIK LAS SMK 0 22 271 24 0 0 17.55 70.2 2
QOMARUL
HIDAYAH 1 TUGU
KAB. TRENGGALEK
25 MEK OTMOTF SMK 0 13 203 14 64 1 21.69 66.9 3
MAHARDIKA
LAMONGAN
26 PENJUALAN SMK 0 28 245 39 55 1 23.49 64.5 3
PGRI KAB.
LUMAJANG
36
27 AKUNTANSI SMK 0 10 561 65 228 1 21.56 73.2 2
PGRI 3 KOTA
KEDIRI
28 TEK PERMESIN 0 32 538 28 39 1 23.64 66.9 3
SMK MUH 1
KEPANJEN
MALANG
29 AKUNTANSI SMK 0 12 487 39 23 0 21.90 65.2 3
PGRI 6 NGAWI
30 MEKANIK OTMTF 0 23 1251 70 15 1 21.30 66.5 3
SMK PGRI 2
PONOROGO
31 MESIN OTOMTF 0 8 529 38 73 1 21.65 64.2 3
SMK YPM 12
TUBAN
32 TEK. INFORMATIKA 0 5 20 14 20 1 19.74 63.6 2
SMK BIMA
BOJONEGORO
33 MEKANIK OTOMTF 0 38 677 42 70 1 23.73 71.3 3
SMK AHMAD YANI
KOTA
PROBOLINGGO
34 MEKANIK OTOMTF 0 23 213 15 60 1 21.53 70.3 2
SMK PGRI I
SUTOJAYAN KAB.
BLITAR
35 TEK. PERMESINAN 0 10 41 8 21 1 18.45 66.9 2
SMK SANTO YUSUF
CARUBAN MADIUN
36 MEKANIK 0 10 422 50 18 1 19.78 70.5 2
OTOMOTIF SMK
TAMAN SISWA
TULUNGAGUNG
37 AKUNTANSI SMK 0 41 365 49 40 1 22.09 68.1 3
PGRI 1 PACITAN
38 ADMIN PKT SMK 0 30 314 67 47 0 17.43 73.2 2
PGRI 2 KOTA
KEDIRI
39 AKUNTANSI SMK 0 11 82 16 11 1 15.47 63.6 1
MADINATUL ULUM
BOJONEGORO
40 TEK. OTOMOTIF 0 4 63 24 10 1 16.26 61.7 2
SMK NURIS KAB.
JEMBER
41 AKUNTANSI SMK 0 14 267 55 59 1 19.62 67.5 3
PGRI 3 NGANJUK
37
42 NAUTIKA NIAGA 0 6 60 18 33 1 21.89 74.6 2
SMK WIRA
MARITIM
SURABAYA
38
54 MEKANIK 0 4 166 18 19 1 18.72 65.2 2
OTOMOTIF SMK
WIYATA DHARMA
WALIKUKUN KAB.
NGAWI
55 MESIN PERKAKAS 0 14 56 16 50 1 20.42 74.0 2
SMK DHARMA
WIRAWAN TG.
ANGIN SIDOARJO
56 ADMIN PKT SMK 0 30 115 25 5 1 21.48 71.3 2
SORE KOTA
PROBOLINGGO
57 AKUNTANSI SMK 2 0 21 221 16 28 1 22.86 61.7 3
PANCASILA
JEMBER
58 AKOMODASI 0 14 447 28 39 1 23.49 73.9 3
PERHTLAN SMK
PRAJNAPARAMITA
KOTA MALANG
59 MEKANIK OTMTF 1 7 386 68 35 1 21.56 70.2 3
SMKN 1
TRENGGALEK
60 ADMIN PKT SMK 0 61 307 34 47 1 19.67 73.2 3
PAWYATAN 1 KOTA
KEDIRI
61 AKUNTANSI SMK 0 20 89 18 9 1 20.34 73.2 2
BRAWIJAYA 1
KOTA KEDIRI
62 AKUNTANSI SMK 0 37 171 28 40 1 20.01 74.6 2
PARAMITA KOTA
MOJOKERTO
63 BODI OTOMOTIF 0 5 184 28 33 1 19.83 64.2 2
SMK YAPENAS
GEMPOL KAB.
PASURUAN
64 AKUNTANSI SMK 0 31 464 31 58 1 17.67 74.6 2
TRISILA UNDAAN
SURABAYA
65 ADMIN PRKTRN 0 33 309 25 20 1 13.98 68.1 3
SMK PGRI
DONOROJO
PACITAN
66 INSTALASI LISTRIK 0 11 51 15 12 1 17.76 66.9 2
SMK ISLAM
AHMAD YANI
NGANTANG
MALANG
39
67 PENJUALAN SMK 0 33 427 68 65 1 14.07 75.1 2
YP KOTA BLITAR
68 AKUNTANSI SMK 0 43 255 34 16 1 19.14 73.2 2
PAWYATAN DAHA
2 KOTA KEDIRI
69 AKUNTANSI SMK 0 39 464 43 131 1 21.61 66.0 2
MUH. 1 GENTENG
BANYUWANGI
70 AKUNTANSI SMK 0 15 175 32 17 1 20.84 74.0 3
DARMA SISWA 2
WARU SIDOARJO
71 BISNIS DAN 0 4 137 17 15 1 19.76 70.3 2
MANAJEMEN SMK
ISLAM
PENANGGUNGAN
NGORO KAB.
MOJOKERTO
72 USAHA JASA 0 7 113 15 31 1 22.55 70.3 2
PARIWISATA SMK
PARIWISATA
AIRLANGGA KAB.
MOJOKERTO
73 AKUNTANSI SMK 0 31 660 44 57 1 18.87 70.3 2
PAHLAWAN
MOJOSARI
MOJOKERTO
74 MEKANIKA 0 19 708 47 56 1 14.04 70.3 2
OTOMTF SMK
RADEN PATAH
MOJOSARI
MOJOKERTO
75 TEK. PERMESINAN 0 19 582 47 10 1 20.88 70.3 2
SMK NASIONAL
MOJOSARI KAB.
MOJOKERTO
76 ADMIN PKT SMK 0 19 151 44 12 1 18.03 70.3 2
PGRI SOOKO KAB.
MOJOKERTO
77 MESIN PERKAKAS 0 14 50 17 5 1 15.65 70.3 2
SMK AL ISLAMY
GEDEG KAB.
MOJOKERTO
78 MEKANIK 0 28 60 20 5 1 21.81 70.3 1
OTOMOTF SMK
JAYANEGARA PURI
MOJOKERTO
40
79 TEK LISTRIK INSTL 0 38 267 62 36 1 19.08 71.3 2
SMK AHMAD YANI
MAYANGAN KOTA
PROBOLINGGO
41
91 TEK. INFORMATIKA 0 11 106 44 20 1 24.21 69.4 3
SMK TELKOM
DARUL ULUM
JOMBANG
92 MEKANIK OTOMTF 0 25 315 58 132 1 20.28 69.4 2
SMK PGRI 2
JOMBANG
93 TEK. PERMESINAN 0 17 766 43 200 1 18.48 69.4 2
SMK DIPONEGORO
PLOSO JOMBANG
94 AKUNTANSI SMK 0 5 94 17 5 1 19.58 69.4 2
MUH. 2 JOGOROTO
JOMBANG
95 AKUNTANSI SMK 0 7 132 21 16 1 27.28 66.9 2
NU 1 SUKODADI
LAMONGAN
96 TEK. KOMP. 1 27 230 57 35 1 23.67 71.4 3
JARINGAN SMKN 1
KOTA PASURUAN
97 AKUNTANSI SMK 0 32 220 60 30 1 24.48 66.9 3
MUH. 1 KAB.
LAMONGAN
98 AKUNTANSI SMK 0 12 487 39 23 0 22.52 65.2 3
PGRI 6 NGAWI
99 ADMIN. PKT SMK 0 21 56 17 8 1 20.00 74.6 1
MANGGALA
SURABAYA
100 MEKANIK OTOMTF 0 45 115 24 26 1 21.50 74.6 3
SMK PGRI 6
SURABAYA
101 MEKANIK OTOMTF 0 14 602 48 100 1 22.26 66.9 3
SMK MUH. 5 BABAT
LAMONGAN
102 ADMIN. PKT SMK 0 15 66 18 5 1 19.66 71.6 2
MUH. 2 GRESIK
103 PENJUALAN SMK 0 22 169 21 36 1 19.32 66.9 2
MAARIF NU PAKIS
KAB. MALANG
104 MEKANIK 0 10 373 37 38 1 23.17 66.9 2
OTOMOTF SMK NU
MIFTAHUL HUDA
KEPANJEN
MALANG
105 ADMIN. PKT SMK 0 14 83 23 8 1 22.23 69.9 2
PANCA BHAKTI
MAGETAN
42
106 MEKANIK OTOMTF 0 16 292 46 119 1 24.63 74.0 3
SMK DARMA SISWA
1 WARU SIDOARJO
107 PENJUALAN SMK 0 20 54 15 10 1 21.69 67.5 1
MUH. 1 BARON
NGANJUK
Keterangan:
Y : Status akreditasi SMK
x1 : Status sekolah
x 2 : Lama berdiri Sekolah (tahun)
x3 : Jumlah siswa terakhir
x6 : Jumlah alumni yang diterima dunia usaha dan industri setahun terakhir
43
Lampiran 2
Hasil Output Minitab 14
MTB > OLogistic 'AKREDITASI' = STATUS 'LAMA BERDIRI' 'JUMLAH SISWA' &
CONT> 'JUMLAH GURU' 'DITERIMA DU/DI' 'STATUS TANAH' UNAS IPM;
SUBC> Logit;
SUBC> Brief 2.
Response Information
Odds 95% CI
Predictor Coef SE Coef Z P Ratio Lower Upper
Const(1) -0.685519 4.54770 -0.15 0.880
Const(2) 3.11173 4.56250 0.68 0.495
STATUS -1.97213 1.39537 -1.41 0.158 0.14 0.01 2.14
LAMA BERDIRI -0.0404839 0.0197898 -2.05 0.041 0.96 0.92 1.00
JUMLAH SISWA -0.0011422 0.0011318 -1.01 0.313 1.00 1.00 1.00
JUMLAH GURU -0.0427285 0.0196091 -2.18 0.029 0.96 0.92 1.00
DITERIMA DU/DI 0.0014973 0.0057685 0.26 0.795 1.00 0.99 1.01
STATUS TANAH -0.490459 0.684865 -0.72 0.474 0.61 0.16 2.34
UNAS -0.223848 0.0891472 -2.51 0.012 0.80 0.67 0.95
IPM 0.0761840 0.0596407 1.28 0.201 1.08 0.96 1.21
Log-Likelihood = -80.926
Test that all slopes are zero: G = 38.330, DF = 8, P-Value = 0.000
Goodness-of-Fit Tests
Method Chi-Square DF P
Pearson 174.617 208 0.955
Deviance 161.852 208 0.992
Measures of Association:
(Between the Response Variable and Predicted Probabilities)
44