Oleh : Arief Yudissanta(1307 030 019)
Pembimbing : Prof. Susanti Linuwih Mstat.PHD
TUGAS AKHIRTUGAS AKHIR
Page 1
Pembimbing : Prof. Susanti Linuwih Mstat.PHD
PENGELOMPOKAN SEKOLAH DASAR BERDASARKAN RATA-RATA NILAI UJIAN AKHIR SEKOLAH BERSTANDAR
NASIONAL DI SETIAP SEKOLAH DASAR DI KOTA MOJOKERTO DENGAN METODE HIERRARKI CLUSTERING
PENDAHULUAN
LATAR LATAR BELAKANGBELAKANG
PENDIDIKAN
Page 2
MASALAH PENDIDIKAN DI INDONESIA
RENDAHNYA MUTU PENDIDIKAN
UASBN
PERMASALAHAN PERMASALAHAN ::Bagaimana pengelompokan sekolah dasar
dengan menggunakan analisis kelompok hierrarkiberdasarkan dafa nilai Ujian Akhir Sekolah BerstandarNasional (UASBN) tiap mata pelajaran.
TUJUAN TUJUAN ::• Untuk mengetahui pengelompokan sekolah dasar
Page 3
• Untuk mengetahui pengelompokan sekolah dasarberdasarkan nilai rata-rata per mata pelajaran yangdiujikan.• Untuk mengetahui deskripsi tentang kondisi guruberdasarkan usia dan jenjang pendidikannya
MANFAATMANFAAT BATASAN BATASAN MASALAHMASALAH
Memberikaninformasi kepada
DIKNAS kotaMojokerto, agar pemerintah kota
Data nilai UASBN (Ujian Akhir SekolahBerstandar Nasional) pada tahun ajaran
2008/2009 diSekolah Dasar (SD)
Page 4
pemerintah kotaMojokerto tahusekolah dasar –sekolah dasar
mana yang harusdiberi pembinaan
Sekolah Dasar (SD) dan MadrasahIbtida’iyah (MI) sekecamatanMagersari dan
Prajuritkulon kotaMojokerto
PUSTAKAPUSTAKATINJAUANTINJAUAN
TUGAS AKHIRTUGAS AKHIR
Page 5
TINJAUAN TINJAUAN STATISTIKSTATISTIK
CLUSTER
Page 6
HIERRARKI NON HIERRARKI
CLUSTERCLUSTER HIERRARKIHIERRARKI
Langkah-langkah analisis hierrarkhi clustering/kelompok adalah sebagai berikut :
1. Mulai dengan N kelompok, setiap kelompok mengandung entiti tunggal dan sebuah matriks simetrik dari jarak (similarities) D = {dik} dengan tipe NxN.
2. Cari matriks jarak untuk pasangan kelompok yang terdekat (paling mirip). Misalkan jarak antara kelompok U dan V yang paling mirip adalah duv.
3. Gabungkan kelompok U dan V. Label kelompok yang baru dibentuk dengan (UV). Update entries pada matrik jarak dengan cara :
Page 7
a. Hapus baris dan kolom yang bersesuaian dengan kelompok U dan V
b. Tambahkan baris dan kolom yang memberikan jarak-jarak antara kelompok (UV) dan kelompok-kelompok yang tersisa.
4. Ulangi langkah 2 dan 3 sebanyak (N-1) kali. (Semua objek akan berada dalam kelompok tunggal setelah algoritma berahir). Catat identitas dari kelompok yang digabungkan dan tingkat-tingkat (jarak atau similaritas) di mana penggabungan terjadi (Johnson dkk, 2002).
JARAKJARAK ECLUIDIUSECLUIDIUS
Jarak euclidius berawal dari jarak Minkowski dengan dua objek sehingga dapat dinyatakan dalam bentuk persamaan sebagai berikut :
Page 8
11..MetodeMetodePautanPautanTunggalTunggal((SingelSingelLinkageLinkage))d min{ d d } (UV )W UW, VW = (1)
22..MetodeMetodePautanPautanLengkapLengkap((CompleteCompleteLinkageLinkage))
d(UV)W = maks{dUW, dVW}
33..MetodeMetodePautanPautanRataRata--ratarata((AverageAverageLinkageLinkage))
Page 9
33..MetodeMetodePautanPautanRataRata--ratarata((AverageAverageLinkageLinkage))
WUV
i kik
NN
d
)(
44..MetodeMetodeWard’sWard’s
ANALISIS DISKRIMINANANALISIS DISKRIMINANAnalisis diskriminan adalah salah satu metode analisis multivariate yang diterapkan untuk
memodelkan hubungan antara satu variabel respon yang bersifat kategori dengan satu atau lebih variabelprediktor yang bersifat kuantitatif dengan membentuk fungsi diskriminan (Hair dkk, 2006)
• Tujuan dari analisis diskriminan, antara lain :
• Untuk melakukan identifikasi variabel-variabel yang paling membedakan antar dua grup.
• Untuk membangun persamaan atau fungsi berdasarkan variabel-variabel pembeda yang dapat digunakan menghitung variabel baru sehingga dapat menggambarkan perbedaan antar 2 grup.
• Untuk mengelompokkan pengamatan ke dalam salah satu grup yang ada.
Tahapan-tahapan analisis diskriminan :1. Evaluasi signifikansi variabel pembeda
Untuk mengukur signifikansi variabel-variabel pembeda yang
Page 10
Untuk mengukur signifikansi variabel-variabel pembeda yangmembedakan grup secara signifikan. Asumsi ini akan terpenuhi apabila nilai rata-ratamasing-masing variabel berbeda untuk kedua grup tersebut. Adapun hipotesis untukmasing-masing variabel pembeda :
211
21
:
:
H
H o
x p]T untuk grup kedua2 = [
x1, 2,…., x
dimana :p = jumlah variabel
1 = [1,x x
2,….,xp]T untuk grup kedua
dengan statistik uji : 2
21
21
21
21
)2(
1D
nn
nn
pnn
pnn
Fhitung =
dimana D2 = ( 1 –2)T-11 –( 2)
2. Estimasi fungsi diskriminan
EVALUASI FUNGSI KLASIFIKASIEVALUASI FUNGSI KLASIFIKASI• Hal penting untuk menilai suatu prosedur klasifikasi adalah dengan
menghitung peluang kesalahan klasifikasi ukuran yang dinamakan Apparent Error Rates (APER), didefinisikan dengan fraksi (proporsi) pengamatan pada sampel yang salah diklasifikasikan oleh fungsi klasifikasi. Apabila asumsi multivariat normal dan homogenitas matriks varian-kovarian terpenuhi maka akan berakibat nilai APER akan semakin besar. APER dihitung dengan terlebih dahulu membuat Tabel Klasifikasi.
Actual Group
Predicted Group
Page 11
Actual Group
1 2 3
1 11n 12n 13n
2 21n22n 23n
3 31n 32n 33n
321
323123211312
nnn
nnnnnnAPER
Uji Distribusi Normal Multivariat• Untuk melakukan analisis diskriminan, jika terdapat banyak variabel
yang mendukung diperlukan asumsi distribusi normal multivariat [Johnson dan Wichern, 2002]. Sifat normal multivariat data dapat diuji dengan menghitung nilai jarak kuadrat pada setiap pengamatan, yaitu :
• dengan
• dimana :
• x = pengamatan ke-j
nj ,...,2,1)()( 1'2 xxSxx jj jd
Page 12
• xj = pengamatan ke-j
• S-1 = invers matriks varian kovarians
• hipotesis :
• H0 : data berdistribusi normal multivariate.
• H1 : data tidak berdistribusi normal multivariate.
• Hipotesis nol akan ditolak dengan = 0.05 jika lebih dari 50% nilai dari dj
2 lebih besar dari 2(0.05,p).
UJI MATRIKS VARIANS KOVARIANSUJI MATRIKS VARIANS KOVARIANS• Untuk menguji kehomogenan matriks varian kovarians antar kelompok
digunakan Statistik uji Box’s M dengan hipotesis statistiknya adalah :
• H0 : 1 = 2 = .... = k
• H1 : minimal ada satu kelompok berbeda, i j ; i, j, ..., k
• Statistik uji Box’s M :
Box’s M =
• Dengan,
K
Kn
nk
2/)(
2/)1(
* S
K
kkl Skn
Kn
WKn
1
* ln)(ln)(ln2
Page 13
• Dengan,
dimana :
• n = banyaknya responden
• K = banyaknya kelompok
• = matrik kovarian gabungan dalam kelompok.
• Sl : matriks kovarians kelompok ke-l
• Daerah kritis pengujian ini adalah, Tolak Ho apabila , yang artinya matriks varian kovarians antar kelompok tidak homogen.
kKn
K12/)(
)W/(n
TINJAUAN TINJAUAN NONNON STATISTIKSTATISTIK
PENDIDIKANPENDIDIKAN
UASBNUASBN
Page 14
UASBNUASBN
METODEMETODE PENELITIANPENELITIAN
TUGAS AKHIRTUGAS AKHIR
Page 15
SUMBERSUMBER PENELITIANPENELITIAN
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Departemen Pendidikan kota Mojokerto yaitu data hasil Ujian Akhir Sekolah Berstandar Nasional (UASBN) pada tahun pelajaran 2008/2009 di sekolah dasar kota Mojokerto dengan jumlah sekolah sebanyak
Page 16
kota Mojokerto dengan jumlah sekolah sebanyak 58 sekolah dasar.
VARIABELVARIABEL PENELITIANPENELITIAN
VariabelVariabel yang yang digunakandigunakan dalamdalam penelitianpenelitian iniini adalahadalah sebagaisebagai berikutberikut ::
•• XX11 : Rata: Rata--rata rata nilainilai UjianUjian AkhirAkhir SekolahSekolah setiapsetiap sekolahsekolah dasardasar padapadapelajaranpelajaran MatematikaMatematika
•• XX22 : Rata: Rata--rata rata nilainilai UjianUjian AkhirAkhir SekolahSekolah setiapsetiap sekolahsekolah dasardasar padapadapelajaranpelajaran BahasaBahasa IndonesiaIndonesia
Page 17
pelajaranpelajaran BahasaBahasa IndonesiaIndonesia
•• XX33 : Rata: Rata--rata rata nilainilai UjianUjian AkhirAkhir SekolahSekolah setiapsetiap sekolahsekolah dasardasar padapadapelajaranpelajaran IlmuIlmu PengetahuanPengetahuan AlamAlam (IPA)(IPA)
LANGKAH LANGKAH ANALISISANALISISLangkah-langkah dalam menganalisis data adalah sebagai berikut :
Melakukan analisis deskriptif dengan cara menyajikan data usia dan jenjang pendidikan guru di setiap sekolah dasar dalam bentuk diagram pie chart dan histogram untuk mengetahui deskripsi dari sekolah dasar tersebut.
Melakukan analisis dengan menggunakan metode cluster hierrarki untuk mengetahui pengelompokan Sekolah Dasar (SD) berdasarkan nilai rata-rata per mata pelajaran yang diujikan.
Melakukan analisis diskiminan untuk mengetahui variabel-variabel yang membedakan dalam pengelompokan. Dengan mempertimbangkan asumsi yang ada, yaitu sebagai berikut :
a. Uji distribusi multivariate normal, digunakan untuk mengetahui apakah data nilai
Page 18
a. Uji distribusi multivariate normal, digunakan untuk mengetahui apakah data nilai UASBN di sekolah dasar-sekolah dasar kota Mojokerto berdistribusi multivariate normal.
b. Uji homogenitas matriks varians kovarians, untuk mengetahui data bersifat homogen atau berasal dari distribusi yang sama atau tidak.
Setelah asumsi-asumsi diatas sudah terpenuhi, maka dapat dilakukan analisis diskriminan.
• Pembuatan Laporan.
ANALISISANALISIS dandan PEMBAHASANPEMBAHASAN
TUGAS AKHIRTUGAS AKHIR
Page 19
Karakteristik Guru berdasarkan rata-rata Usia Guru di Tiap-tiap Sekolah Dasar
Page 20
Dari gambar diatas dapat diketahui bahwa usia guru SD/MI kota Mojokerto kebanyakan berumur diatas 45 tahun dengan prosentase sebesar 33% sedangkan yang terbanyak kedua yaitu guru dengan usia kurang dari 30 tahun dengan prosentase sebesar 29%. Dan yang paling sedikit adalah guru dengan usia 31 sampai 35 tahun yang dapat dilihat prosentasenya sebesar 11%.
Karakteristik Guru berdasarkan Jenjang pendidikan Guru di Tiap-tiap Sekolah Dasar
Jenjang Pendidikan Guru SD/MI di Kota Mojokerto
SMA sederajat
14%
S1
D12%
SD1%
SMP3%S2
2%
D2
Page 21
Dari Gambar diatas dapat diketahui bahwa jenjang pendidikan guru SD/MI kota Mojokerto kebanyakan Sarjana (S1) dengan prosentase sebesar 56% sedangkan yang terbanyak kedua yaitu guru dengan jenjang pendidikan Diploma 2 (D2) dengan prosentase sebesar 20%. Dan untuk guru atau penjaga memiliki prosentase yang paling rendah yaitu sebesar 1%, dan untuk Diploma 1(D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase sebesar 2%
D32%
S156% 20%
Analisis ClusterAnalisis Cluster atauatau Kelompok HierrarkhiKelompok Hierrarkhi
Analisis kelompok hierrarkhi digunakan untuk mengetahui pengelompokan sekolah-sekolah dasar yang ada di Mojokerto berdasarkan nilai UASBN ( Ujian Akhir Semester Berstandar Nasional) yang terdiri dari mata pelajaran Bahasa
Page 22
terdiri dari mata pelajaran Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Adapun hasil pengelompokan yang diperoleh adalah sebagai berikut :
•
Analisis Cluster dengan Metode Ward’sAnalisis Cluster dengan Metode Ward’s1.Metode Ward’s 4 kelompok
Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDNJagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3,SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDNKranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI ParadigmaBaru
Page 23
BaruKelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN
Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7,SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati,SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2,SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDNSurodinawan, MI Nurul Huda 2
Kelompok 3 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDNPurwotengah 1, MI Al Karimah, MI Nurul Huda 1
Kelompok 4 MI Darul Huda dan MI GUPPI
2. Metode Ward’s 3 kelompokKelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN
Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3,SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1,SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MISunan Kalijogo, MI Paradigma Baru
Page 24
Sunan Kalijogo, MI Paradigma BaruKelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3,
SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2,dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDKWijana Sejati, SDI Arrosyid, SDI Permata, SDI AlAzhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDNMiji 1, SDN Kranggan 4, SDN Surodinawan, MI NurulHuda 2
Kelompok 3 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDNPurwotengah 1, MI Al Karimah, MI Nurul Huda 1, MIDarul Huda dan MI GUPPI
3. Metode Ward’s 2 kelompok
Kelompok 1
SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDNWates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6,SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDNMentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo,MI Paradigma Baru
Page 25
MI Paradigma Baru
Kelompok2
SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3,SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2,dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK WijanaSejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDNPulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDNKranggan 4, SDN Surodinawan, MI Nurul Huda 2, SDNKedundung 1, SDN Balongsari 5, 8, dan 10, SDNPurwotengah 1, MI Al Karimah, MI Nurul Huda 1, MIDarul Huda dan MI GUPPI
Analisis Cluster dengan Metode Pautan LengkapAnalisis Cluster dengan Metode Pautan Lengkap1.Pautan lengkap dengan 4 kelompok
Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDNWates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDNBalongsari 6, SDN Jagalan, SDN Purwotengah 2, SDNGedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDNBlooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3,dan 5, MI Sunan Kalijogo, MI Paradigma Baru
Page 26
dan 5, MI Sunan Kalijogo, MI Paradigma Baru
Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1,2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDNGedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati,SDI Arrosyid, SDI Permata, SDI Al Azhar, SDNPulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDNKranggan 4, SDN Surodinawan, MI Nurul Huda 2
Kelompok 3 MI Al Karimah, dan MI Nurul Huda 1
Kelompok 4 MI Darul Huda, dan MI GUPPI
2. Pautan lengkap dengan 3 kelompok
Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDNWates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDNBalongsari 6, SDN Jagalan, SDN Purwotengah 2,SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDNPrajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1,2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru
Page 27
2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru
Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1,2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDNGedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati,SDI Arrosyid, SDI Permata, SDI Al Azhar, SDNPulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDNKranggan 4, SDN Surodinawan, MI Nurul Huda 2,MI Al Karimah, dan MI Nurul Huda 1
Kelompok 3 MI Darul Huda, dan MI GUPPI
3. Pautan lengkap dengan 2 kelompokKelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN
Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru,
Page 28
2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru, SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1
Kelompok 2 MI Darul Huda, dan MI GUPPI
UJI MATRIKS VARIANS COVARIANSUJI MATRIKS VARIANS COVARIANS
Jumlah kelompok Box’s M F df1 df2 P-value
4 kelompok 24.390 1.757 12 1415 0.0503 kelompok 54.221 4.025 12 2831 0.0002 kelompok 20.642 3.239 6 2241 0.003
UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE WARD’S
Page 29
UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE PAUTAN LENGKAP
Jumlah kelompok
Box’s M F Df1 Df2 P-value
4 kelompok 5.458 0.852 6 1928 0.5293 kelompok 3.772 0.591 6 2113 0.738
UJI NOR MAL MULTIVARIATEUJI NOR MAL MULTIVARIATE
• Berdasarkan pemeriksaan dan pengujian asumsi data berdistribusi normal multivariate dilakukan pada data hasil UASBN SD/MI kota Mojokerto tahun ajaran 2008-2009 didapatkan bahwa data berdistribusi normal multivariate yang terlihat dari dari plot data multivariate yang membentuk garis lurus (lampiran) dan hasil pengujiannya sebagai berikut:
Hipotesis:
H : data berdistribusi normal multivariate
Page 30
H0 : data berdistribusi normal multivariate
H1 : data tidak berdistribusi normal multivariate
Kriteria yang digunakan adalah menerima H0 jika minimal ada 50% nilai-nilai dj
2 ≤ x2p (0,5). Dengan macro minitab diperoleh nilai
daerah chi-square (%) = 0, 0.568966 sehinga keputusannya gagal tolak H0 dan menyimpulkan data berdistribusi multinormal.
KETEPATAN PENGKLASIFIKASIAN KETEPATAN PENGKLASIFIKASIAN • Pemilihan Kelompok Berdasarkan Ketepatan
pengklasifikasian SD/MI
Metode dan jumlah kelompokKetepatan
klasifikasi SD/MI
Metode ward’s dengan 4 kelompok
96.6%
Pautan lengkap dengan 4
Page 31
Pautan lengkap dengan 4 kelompok
94.8%
Pautan lengkap dengan 3 kelompok
100%
ANALISIS DISKRIMINANANALISIS DISKRIMINAN• Berdasarkan hasil ketepatan pengklasifikasian diatas dapat disimpulkan
bahwa metode yang dipilih dalam penelitian ini adalah metode pautan lengkap dengan jumlah kelompok sebanyak 3. Adapun analisis diskriminan pada metode pautan lengkap dengan 3 kelompok adalah sebagai berikut :
KelompokJumlah
AnggotaPredicted Group Membership
Pertama Kedua Ketiga
28 0 0
Page 32
Pertama 2828
100%0
0%
00%
Kedua 280
0%28
100%
00%
Ketiga 20
0%0
0%
2100%
Persentase Ketepatan Klasifikasi 100%
Y1= -22,696 + 2,684 Matematika
• Fungsi diskriminan
dandan SARANSARANKESIMPULANKESIMPULAN
TUGAS AKHIRTUGAS AKHIR
Page 33
KESIMPULANKESIMPULANBerdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut,
1. Karakteristik guru yang mengajar di SD/MI kota Mojokerto kebanyakan berusia diatas 45 tahun dan dibawah 30 tahun, sedangkan guru yang paling sedikit mengajar di SD/MI kota Mojokerto yaitu guru yang memiliki umur berkisar dari 31 tahun sampai 35 tahun. Dan untuk jenjang pendidikan guru yang mengajar di SD/MI di kota Mojokerto kebanyakan guru yang sudah memegang ijasah Sarjana (S1) dengan prosentase yang mencapai 50%, dan juga di ikuti guru dengan jenjang pendidikan Diploma 2 (D2). Sedangkan guru atau penjaga yang memiliki prosentase kecil yaitu guru atau penjaga yang jenjang pendidikannya Sekolah Dasar (SD) dengan prosentase 1%, dan untuk guru yang jenjang pendidikannya sampai Diploma 1 (D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase 2%.
2. Pengelompokkan terhadap SD/MI di kota Mojokerto terbentuk menjadi tiga kelompok dimana pengelompokan berdasarkan nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional) pada tahun ajaran 2008-2009, dengan mata pelajaran yang di ujikan yaitu Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Dan kelompok yang didapatkan terdiri dari kelompok satu
Page 34
IPA (Ilmu Pengetahuan Alam). Dan kelompok yang didapatkan terdiri dari kelompok satu termasuk dalam kategori nilai tinggi yaitu nilai yang di dapatkan lebih dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI, kelompok dua termasuk dalam kategori nilai sedang yaitu nilai yang di dapatkan hampir mendekati dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI dan untuk kelompok ketiga termasuk dalam kategori rendah yaitu nilai yang didapatkan kurang ataupun jauh dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua SD/MI yaitu MI Darul Huda dan MI GUPPI.
SARANSARANBerdasarkan hasil penelitian, dapat diketahui perlu adanya bimbingan ataupun pembinaanterhadap SD/MI yang berada pada kelompok tiga atau kelompok rendah, agar sekolah tersebutjuga mencetak siswa-siswi yang berprestasi seperti halnya sekolah lainnya. Dan untuk sekolahyang berada pada kelompok tinggi agar bisa mempertahankan apa yang sudah ada saat ini.
DAFTARDAFTAR PUSTAKAPUSTAKA• Anonim 2009. Masalah Pendidikan di Indonesia
http://id.wikipedia.org/wiki/pendidikan
• Dikbud 2009. Ujian Nasional. www.kompas.com
• Hair J.F., Rolph E. Anderson, Ronald L. Tatham, William C. Black. 2006. Multivariate Data Analysis. Sixth Edition, Pearson Education Prentice Hall, Inc.
• Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical
Page 35
• Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical Analysis, 5th Edition. New Jersey: Prentice Hall, Englewood Cliffs.
• Sharma, Subhash. 1996. Applied Multivariate Technique, John Wiley. New York.
• Sisdiknas. Undang-Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional
Page 36
Top Related