Pemetaan dan Pemodelan Pendidikan di Provinsi Jawa Timur … · siswa berapapun usianya yang sedang...

Pemetaan dan Pemodelan Pendidikan di Provinsi Jawa Timur Menggunakan Geographically Weighted Regression

1

Penyaji: Danniar Ardhanacitri 1309 100 013

Dosen Pembimbing:Dr. Vita Ratnasari, S.Si, M.Si

Seminar Hasil 8 Juli 2013

2

AGENDA

Pendahuluan

3

ELS(Europeesche Lagere School)

AMS(Algemeene Middlebare

School)

MULO(Meer Uitgebreid Lager Onderwijs)

HIS (Hollandsch-Indlandsche

School)

4

Pendahuluan

Sekolah Istri, 1904

Taman Siswa, 1922

5

Pendahuluan

Penduduk 37 juta

jiwa

38 Kabupaten dan Kota

Tidak terlaksanakannya program wajib belajar 9

tahun

Pendahuluan

6

Pendahuluan

7

Pendahuluan

8

Pendahuluan

9

Tinjauan PustakaDefinisi Pengertian

10

Tinjauan PustakaDefinisi Pengertian

11

Tinjauan Pustaka

nixy iik

p

kki ,...,2,1;

10 =++= ∑

=

εββ Asusmsi Residual IIDN

Estimasi Paramater dilakukan dengan metode Ordinary Least Square (OLS) didapatkan dengan meminimalkan jumlah kuadrat error (Drapper & Smith, 1992)

Regresi Linear

yXXX TT =β̂

εβ += Xy

12

Tinjauan PustakaUji Serentak

Hipotesis yang digunakan setelah melakukan pengujian sebagai berikut

H0 : β1 = β2 = ...=βp =0H1 : Minimal ada satu βk≠0

; k = 1, 2, ..., pStatistik Uji :

Daerah Tolak: tolak H-0 jika Fhit > F(α;p,n-1p-1) atau jika p-value- < α.

MSEMSRF =

H0 : βk = 0H1 : βk ≠0 ; k = 1,2,...,pStatistik Uji yang digunakan

Tolak H0 atau jika nilai |thit|> tα/2;n – p – 1 atau p-value > α

)ˆ( k

k

st

ββ

=

Uji Parsial

Regresi Linear

13

Tinjauan Pustaka

kkk

kk rVIF == 2

)ˆvar(σβ

Uji Multikolinaritas

Dilakukan pengujian adanya korelasi pada pemodelan regresi yang dapat menyebabkan error yg besar sehingga syarat asumsi regresi tidak terpenuhi

14

Tinjauan Pustaka

∑=

++=p

kiiikikiii vuxvuy

10 ),(),( εββ

Titik Koordinat (longitude, lattitude) lokasi i

•Estimasi parameter model GWR dapat dilakukan menggunakan metode Weighted Least Square (WLS) yaitu memberikan pembobot yang berbeda pada setiap lokasi

Model GWR memiliki variabel respon y dalam model GWR diprediksi dengan variabel prediktor yang masing-masing koefisien regresinya bergantung terhadap lokasi dimana data tersebut diamati. (Fotheringham, Brunsdon, & Charlton, 2002)

Geographically Weigth Regrssion

15

Tinjauan PustakaGeographically Weigth Regrssion

Bandwith Optimum

radius suatu lingkaran disuatu titik yang berada di dalam sebuah radius lingkaran yang masih dianggap memiliki pengaruh dalam membentuk parameter model lokasi i. Bandwith berperan sangat penting untuk ketepatan model dengan mengatur varians dan bias dari model.

22 )()( jijiij vvuud −+−= jarak euclidean

Tinjauan Pustaka

16

Metodologi PenelitianSumber Data

Tinjauan Pustaka

17

Metodologi PenelitianVariabel Penelitian

Variabel Keterangan Skala PengukuranY IPM Rasio

X1Pendapatan Daerah Regional Bruto, Angka lulusan SMP dan SMA merupakan jumlah tingkat kelulusan suatu wilayah (Pendidikan, 2011) Rasio

X2

Angka Partisipasi Murni SMPAngka partisipasi murni merupakan partisipasi murni adalah persentase siswa dengan usia yang berkaitan dengan jenjang SMP dari jumlah pendudukan di usia yang sama untuk sebuah jenjang SMP(BPS, Hasil Survei Sosial Ekonomi Nasional Tahun 2011 Provinsi Jawa Timur, 2011)

Rasio

X3

Angka Partisipasi Murni SMAAngka partisipasi murni merupakan partisipasi murni adalah persentase siswa dengan usia yang berkaitan dengan jenjang SMA dari jumlah pendudukan di usia yang sama untuk sebuah jenjang SMA(BPS, Hasil Survei Sosial Ekonomi Nasional Tahun 2011 Provinsi Jawa Timur, 2011)

Rasio

X4

Angka Partisipasi Kasar SMP, Angka partisipasi kasar merupakan rasio jumlah siswa berapapun usianya yang sedang sekolah di tingkat pendidikan SMP terhadap jumlah penduduk kelompok usia yang berkaitan dengan jenjang SMP (BPS, Hasil Survei Sosial Ekonomi Nasional Tahun 2011 Provinsi Jawa Timur, 2011).

Rasio

X5

Angka Partisipasi Kasar SMA, Angka partisipasi kasar merupakan rasio jumlah siswa berapapun usianya yang sedang sekolah di tingkat pendidikan SMA terhadap jumlah penduduk kelompok usia yang berkaitan dengan jenjang SMA (BPS, Hasil Survei Sosial Ekonomi Nasional Tahun 2011 Provinsi Jawa Timur, 2011).

Rasio

X6Angka Transisi SMP, Angka transisi SMP merupakan perbandingan jumlah lulusan SD/MI yang melanjutkan ke SMP/MTs (Pendidikan, 2011) Rasio

X7Angka Transisi SMA, Angka transisi SMA merupakan perbandingan jumlah lulusan SMP/MTs yang melanjutkan ke jenjang SMA/MA (Pendidikan, 2011) Rasio

X8Angka Putus Sekolah SMP, Angka putus sekolah merupakan tingkat jumlahRasio

18

Metodologi PenelitianLangkah Penelitian

19

Analisis dan PembahasanDeskriptif

Variabel Rata-Rata Varians Total Minimum MaksimumY 71,429 21,713 2714,3 60,49 77,89X1 25021 1673774629 950795 7256 255389X2 89,46 101,63 3399,6 72,32 115,43X3 58,54 201,73 2224,5 21,99 93,58X4 106,27 134,33 4038,3 93,97 137,2X5 77,86 304,9 2958,5 44,81 116,43X6 98,835 0,593 3755,7 96,34 99,89X7 87,157 30,517 3312 69,28 96,68X8 0,39 0,0353 14,82 0,11 0,79X9 0,8158 0,0695 31 0,35 1,53X10 0,15 0,00328 5,7 0,06 0,29X11 0,1882 0,0071 7,15 0,07 0,36X12 98,809 0,551 3754,7 96,37 99,89X13 97,552 1,644 3707 92,54 99,3X14 31,822 25,698 1209,2 21 44X15 33,2 49,52 1261,6 21 59X16 1,0942 0,0511 41,58 0,29 1,8X17 1,1737 0,1918 44,6 0,2 2,8X18 13,194 12,836 501,36 8 28X19 12,846 20,064 488,15 8 28X20 304 8982,8 11554 136 478,1X21 360,1 10805,2 13684 164 587,3

20Penyebaran Indeks Pembangunan Manusia di Provinsi Jawa Timur


21Penyebaran PDRB Kabupaten dan Kota di Provinsi Jawa Timur


22Penyebaran Angka Transisi di Tingkat SMP Kabupaten dan Kota di Provinsi Jawa Timur


23Penyebaran Angka Transisi di Tingkat SMA Kabupaten dan Kota di Provinsi Jawa Timur


24Penyebaran Rasio Murid per Kelas di Tingkat SMP Kabupaten dan Kota di Provinsi Jawa Timur.


25Penyebaran Rasio Murid per Kelas di Tingkat SMA Kabupaten dan Kota di Provinsi Jawa Timur.


26


Penyebaran Rasio Ruang Kelas per Ruang Belajar di Tingkat SMP Kabupaten dan Kota di Provinsi Jawa Timur.

27Penyebaran Rasio Ruang Kelas per Ruang Belajar di Tingkat SMA Kabupaten dan Kota di Provinsi Jawa Timur.


28Penyebaran Rasio Murid per Guru SMP Kabupaten dan Kota di Provinsi

Jawa Timur


29Penyebaran Rasio Murid per Guru SMA Kabupaten dan Kota di Provinsi Jawa Timur


30


Penyebaran Rasio Murid per Sekolah SMP Kabupaten dan Kota di Provinsi Jawa Timur

31Penyebaran Rasio Murid per Sekolah SMA Kabupaten dan Kota di

Provinsi Jawa Timur


32Penyebaran Angka Murid Mengulang Tingkat SMA di Provinsi Jawa Timur


33Penyebaran Angka Partisipasi Murni Tingkat SMP di Provinsi Jawa Timur


34


Penyebaran Angka Lulusan Tingkat SMA di Provinsi Jawa Timur

35Penyebaran Angka Putus Sekolah Tingkat SMA di Provinsi Jawa Timur


Predictor VIFConstant 0,757X1 4,359X2 9,69X3 13,64X4 15,971X5 13,674X6 4,232X7 3,212X8 10,217X9 3,255X10 13,573X11 8,278X12 11,136X13 2,259X14 2,677X15 1,782X16 1.946X17 2,719X18 5,937X19 5,383X20 6,211X21 4,813

36

Analisis dan PembahasanIdentifikasi Pola Hubungan Antar Variabel

5,02,50,0-2,5-5,0

99

95

90

80

70

60504030

20

10

5

1

RESI1

Perc

ent

Mean -6,71276E-14StDev 2,217N 38KS 0,105P-Value >0,150

Probability Plot of RESI1Normal

Terdapat 5 variabel yang memiliki

multikolinearitas

35302520151051

1,0

0,8

0,6

0,4

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

Lag

Aut

ocor

rela

tion

Autocorrelation Function for RESI1(with 5% significance limits for the autocorrelations)

Predictor Pconstant 0,244X1 0,825X2 0,565X6 0,57X7 0,515X9 0,001X11 0,878X13 0,54X14 0,418X15 0,21X16 0,873X17 0,168X18 0,004X19 0,003X20 0,27X21 0,33

37

H0 : σ12 = σ2

2 =...= σ2

H1 : minimal ada satu σ12 ≠ σ2 ;

i=1,2,..,np-value- < α

Maka Tolak H0 dapat dikatakan min ada satu varians yang tidak sama

sehingga terjadi hetereoskedastisitas

Analisis dan PembahasanIdentifikasi Pola Hubungan Antar Variabel

38

Analisis dan PembahasanPendidikan di Jawa Timur dengan GWR

Fix Adaptive

Gaussian Bisquare Gaussian Bisquare

AIC 162,733 166,886 169,297 139,143

R² 92,873 113,863 115,794 41,5

Parameter Minimum Maksimum Parameter Minimum Maksimum

Intersep -7,406000 -2190,0000 x15 -44,160000 142,7000

x1 0,000003 0,1135 x16 -1.607,000000 1105,0000

x2 -0,178000 -15,1100 x17 -2.221,000000 -508,4000

x6 0,691700 8961,0000 x18 -383,400000 348,4000

x7 -0,252000 122,2000 x19 -285,100000 125,9000

x9 -3.309,000000 5695,0000 x20 7,326000 26,5300

x11 -27.200,000000 4871,0000 x21 -13,390000 15,2000

39

KABUPATEN DAN KOTA Bandwith KABUPATEN DAN KOTA BandwithPACITAN 1,983867 PASURUAN (KOTA) 1,523366PONOROGO 1,421711 MOJOKERTO (KOTA) 1,540739TRENGGALEK 1,646854 MADIUN (KOTA) 1,131668TULUNGAGUNG 1,590215 SURABAYA (KOTA) 1,122352LUMAJANG 1,177024 BATU (KOTA) 1,195384BONDOWOSO 1,115557 BLITAR 1,623653PASURUAN 1,112550 KEDIRI 1,753837JOMBANG 1,676371 MOJOKERTO 1,991371NGANJUK 1,878101 BANYUWANGI 1,122598MADIUN 2,704943 GRESIK 1,164856MAGETAN 1,937088 JEMBER 1,106718NGAWI 2,005853 MALANG 1,566031BOJONEGORO 1,398563 PROBOLINGGO 1,069251TUBAN 1,233784 SAMPANG 1,052694LAMONGAN 1,133881 SIDOARJO 0,169914BANGKALAN 1,053747 SITUBONDO 1,164061PAMEKASAN 1,012936 SUMENEP 1,056824KEDIRI (KOTA) 1,471662BLITAR (KOTA) 1,741965MALANG (KOTA) 1,806928PROBOLINGGO (KOTA) 1,755748


40

SSEDerajat Bebas (df)

F-Hitung

Model GWR

140,331 19,373 1,1199

Model Regresi

181,8477

22,000


F0.9, 19.373,22 = 1.7624 H0 : βk (ui, vi) = 0; k = 1,2,...,p (Tidak ada perbedaan regresi global dan

GWR)H1 :βk (ui, vi) ≠ 0 (Ada perbedaan

regresi global dan GWR)Fhit < Ftabel = Tolak Ho

Terdapat perbedaan antara model regresi

global dan GWR

41


KABUPATEN/KOTA X1 X2 X6 X7 X9 X11 X13 X14 X15 X16 X17 X18 X19 X20 X21PACITAN V V V V V V V

PONOROGO V V V V V

TRENGGALEK V V V V V V V

TULUNGAGUNG V V V V V V

LUMAJANG V V V V

BONDOWOSO V V V V V

PASURUAN V V V V V V

JOMBANG V V V V V V V

NGANJUK V V V

MADIUN V V

MAGETAN V V V V

NGAWI V V V V V

BOJONEGORO V V V V V V

TUBAN V V V V V V

LAMONGAN V V V V V

BANGKALAN V V V V V

PAMEKASAN V V V V V V

KEDIRI (KOTA) V V V V V V

BLITAR (KOTA) V V V V V

MALANG (KOTA) V V V V V

PROBOLINGGO (KOTA) V V V V V

PASURUAN (KOTA) V V V V

MOJOKERTO (KOTA) V V V V

MADIUN (KOTA) V V V V

• Pemodelan GWR yang dapat mewakili pendidikan di Jawa Timur adalah pemodelan regresi dari Kabupaten Mojokerto

42


Y = -504,304 + 19,895 X1 - 0,141 X2 +6,298 X6 +0,0125 X20

R2 97% Asumsi Variabel lainnya Konstan

43

Kesimpulan dan SaranKesimpulan dan Saran

44

Kesimpulan dan SaranKesimpulan dan Saran

45

Daftar PustakaAcikgenc, G. C. (2012). Jika Aku Menjadi Menteri Pendidikan. Dipetik December 29, 2012, dari Blog Tempo Interaktif: http://blog.tempointeraktif.com/portal/jika-aku-menjadi-menteri-pendidikan/

Anindita, D. (2010). Faktor-Faktor Yang Mempengaruhi Kualitas Pendidikan Berdasarkan Kesejahteraan Masyarata di Jawa Timur Menggunakan Analisis Regresi Multivariat. Surabaya: Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember.

Anonim. (t.thn.). Angka Melek Huruf. Dipetik January 15, 2013, dari Badan Pusat Statistika: http://www.datastatistik-indonesia.com/portal/index.php?option=com_content&task=view&id=730&Itemid=730&limit=1&limitstart=0Anonim. (t.thn.). Meneliti Indeks Pembangunan Manusia. Dipetik January 15, 2013, dari google terjemahan: http://www.glencoe.com/vaessentials/wgc/solswoa/pdf/WGC_VA_WG.8%20Student.pdf

Ayunin, L. (2011). Pemodelan Balita Gizi Buruk di Kabupaten Ngawi dengan Geographically Weighted Regression. Surabaya: Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember.

BPS. (2010). Jumlah Penduduk Menurut Provinsi dan Jenis Kelamin. Dalam B. P. Statistik, Hasil Sensus Penduduk 2010 (hal. 10). Jakarta: Badan Pusat Statistik.

BPS. (2010). Penduduk Menurut Kelompok Umur dan Jenis Kelamin. Dipetik January 15, 2013, dari Badan Pusat Statistik: http://sp2010.bps.go.id/index.php/site/tabel?tid=336&wid=0

BPS. (2011). Hasil Survei Sosial Ekonomi Nasional Tahun 2011 Provinsi Jawa Timur. Surabaya: Badan Pusat Statistik.

http://blog.tempointeraktif.com/portal/jika-aku-menjadi-menteri-pendidikan/

http://www.glencoe.com/vaessentials/wgc/solswoa/pdf/WGC_VA_WG.8%20Student.pdf

http://sp2010.bps.go.id/index.php/site/tabel?tid=336&wid=0

• Development Progamme, U. N. (2006). Human Develompment Repots. Dipetik January 04, 2013, dari United Nation Developmen Progamme: http://translate.google.co.id/translate?hl=id&langpair=en%7Cid&u=http://hdr.undp.org/en/statistics/indices/gdi_gem/&ei=VbwPUZmyG4n4rQfM1IGAAg

• Drapper, N. R., & Smith, D. (1992). Applied Regression Analysis Second Editiion. New York: John Wiley & Sons, Inc.

• Firmasyah, B. E. (2011). Pemodelan dan Pemetaan Angka Buta Huruf Provinsi Jawa Timur dengan Pendekatan Regresi Spasial. Surabaya: Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember.

• Fotheringham, A. S., Brunsdon, C., & Charlton, M. E. (2002). Geographically Weighted Regression : The Analysis of Spatially Varryinng Relationship. England: John Wiley and Sons Ltd.

• Gayatri, F. (2008). Faktor dan Dampak Ketimpangan Pendidikan Perempuan dalam Kehidupan Perempuan, Kasus: Kecamatan Cariu Kabupaten Bogor. Bogor: Skripsi Fakultas Pertanian Institut Pertanian Bogor.

• Gujarati, D. (1992). Essential of Econometrics. New York: Mc Graw - Hill Inc.• Haryanto. (2012). Pengertian Pendidikan. Dipetik January 31, 2013, dari Belajar Psikologi:

http://belajarpsikologi.com/pengertian-pendidikan-menurut-ahli/• Hastuti, E. L. (2006). Hambatan Sosial Budaya dalam Pengarusutamaan Gender di

Indonesia. Bogor: Pusat Penelitian dan Pengembangan Sosial Ekonomi Pertanian.• Hocking, R. R. (1996). Methods and Application of Linear Models. New York: John Wiley

and Sons, Inc. 46

Daftar Pustaka

Pemetaan dan Pemodelan Pendidikan di Provinsi Jawa Timur Menggunakan Geographically Weighted Regression

48

Penyaji: Danniar Ardhanacitri 1309 100 013

Dosen Pembimbing:Dr. Vita Ratnasari, S.Si, M.Si

Seminar Hasil 8 Juli 2013

Pemetaan dan Pemodelan Pendidikan di Provinsi Jawa Timur … · siswa berapapun usianya yang sedang...

Documents

Transcript of Pemetaan dan Pemodelan Pendidikan di Provinsi Jawa Timur … · siswa berapapun usianya yang sedang...