Anda di halaman 1dari 10

1

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP
di Kawasan Surabaya Utara

1
Nur Ika Choiriyah,
2
Prof.Dra.Susanti Linuwih,M.Stat,PhD,
3
Ir.Mutiah Salamah,M.Kes

1
Mahasiswa Jurusan Statistika FMIPA-ITS (1306 100 031)
2,3
Dosen Jurusan Statistika FMIPA-ITS
1
nurika_choiriyah@yahoo.com,
2
susanti_l@ststistika.its.ac.id,
3
mutiah_s@statistika.its.ac.id

ABSTRAK
Anak putus sekolah merupakan hal yang cukup banyak menjadi sorotan di dunia pendidikan. Di
wilayah Kota Surabaya, angka putus sekolah tertinggi terdapat di wilayah Surabaya Utara. Oleh
karena itu perlu diketahui karakteristik siswa putus sekolah dan faktor-faktor yang mem-
pengaruhinya, penelitian ini merupakan studi kasus bagi siswa usia wajar (Wajib Belajar 9
tahun) di wilayah Surabaya Utara. Metode yang dipakai dalam penelitian ini adalah regresi
logistik biner. Hasil dari penelitian ini menunjukkan karakteristik anak putus sekolah tingkat SD
dan SMP di Surabaya Utara 79,5% perempuan, dengan 67,1% jumlah anggota rumah tangga
lebih dari empat orang. Serta 46,6% pendapatan orang tua berkisar antara Rp 501.000 s/d Rp
1.000.000 dengan kondisi rumah 49,3% semi permanen, dan 63% status kependudukan bapak
adalah sebagai penduduk asli. Dalam hubungannya dengan keadaan sewaktu masih sekolah,
56,2% anak putus sekolah membayar SPP dengan cara rutin tiap bulan oleh orang tua/wali, dan
57,5% mendapatkan buku dengan cara membeli sendiri, serta 67,1% menjangkau sekolah
dengan berjalan kaki. Sedangkan peran orang tua anak putus sekolah dalam mendukung anak
sekolah, 56,2% adalah tidak mendukung/mendampingi anaknya untuk bersekolah. Faktor-faktor
yang mempengaruhi anak putus sekolah dengan tingkat signifikansi 10% adalah jenis kelamin,
cara membayar SPP, peran orang tua dalam mendukung anak sekolah, pendapatan orang tua,
kondisi rumah, serta status kependudukan bapak.

Kata kunci: Putus sekolah, regresi logistik biner

1. Pendahuluan
Pendidikan anak merupakan bagian tak terpisahkan dari persoalan mencerdaskan bangsa.
Dengan pendidikan, anak-anak diasah melalui seperangkat pengetahuan untuk memiliki kesadaran dan
kemauan yang positif dalam menemukan dan merumuskan tujuan untuk dirinya di masa-masa
mendatang. Di wilayah Kota Surabaya, angka putus sekolah tertinggi terdapat di wilayah Surabaya
Utara.
Berdasarkan penelitian tentang anak putus sekolah di Kecamatan Jangka Kabupaten Bireuen,
oleh Grahacendikia, Madura dan Sumatera Selatan, oleh Abiyoso Alifianto ditemukan penyebab anak
putus sekolah adalah dari faktor demografi, geografis, sosial budaya, dan ekonomi. Namun untuk
masing-masing wilayah tersebut terdapat perbedaan mengenai faktor mana yang paling dominan. Hal
ini tergantung dari kondisi wilayah dan penduduk di wilayah tersebut.
Besarnya angka putus sekolah di wilayah Surabaya Utara diduga dipengaruhi aspek demo-
grafi, sosial, budaya, serta ekonomi. Berangkat dari berbagai faktor yang diduga sebagai penyebab
anak putus sekolah itulah, maka penting untuk melakukan penelitian ini yang bertujuan mendes-
kripsikan karakteristik serta faktor-faktor yang mempengaruhi siswa putus sekolah tingkat SD dan
SMP di kawasan Surabaya Utara. Misi lebih lanjut yang dibawa oleh penelitian ini adalah memberi
masukan kepada pemerintah Kota Surabaya dalam menyusun kebijakan pendidikan untuk menurunkan
angka putus sekolah tingkat SD dan SMP. Metode statistika yang digunakan untuk mencapai tujuan
penelitian tersebut adalah analisis regresi logistik. Analisis regresi logistik digunakan jika variabel
respon bersifat kategorik (nominal atau ordinal) dengan variabel-variabel prediktor kontinu maupun
kategorik (Agresti, 1990).
2

Manfaat yang dapat diperoleh dari penelitian ini yaitu memberikan masukan kepada
pemerintah Kota Surabaya dalam menyusun kebijakan pendidikan untuk menurunkan angka putus
sekolah tingkat SD dan SMP, sehingga berdasarkan variabel-variabel yang diperoleh diharapkan
angka putus sekolah tingkat SD dan SMP dapat dikendalikan.

2. Tinjauan Pustaka
Putus Sekolah
Putus sekolah adalah proses berhentinya siswa secara terpaksa dari suatu lembaga pendidikan
tempat dia belajar. Anak Putus sekolah yang dimaksud disini adalah terlantarnya anak dari sebuah
lembaga pendidikan formal, yang disebabkan oleh berbagai faktor.
Wajib belajar merupakan salah satu program yang gencar digalakkan oleh Departemen
Pendidikan Nasional (Depdiknas). Program ini mewajibkan setiap warga negara Indonesia untuk ber-
sekolah selama 9 (sembilan) tahun pada jenjang pendidikan dasar, yaitu dari tingkat kelas 1 Sekolah
Dasar (SD) atau Madrasah Ibtidaiyah (MI) hingga kelas 9 Sekolah Menengah Pertama (SMP) atau
Madrasah Tsanawiyah (MTs). (Wikipedia)
Berdasarkan penelitian tentang anak putus sekolah di Kecamatan Jangka Kabupaten Bireuen,
Madura dan Sumatera Selatan (Alifiyanto, 2008) ditemukan penyebab anak putus sekolah adalah dari
faktor demografi, geografis, sosial budaya, dan ekonomi. Namun untuk masing-masing wilayah
tersebut terdapat perbedaan mengenai faktor mana yang paling dominan. Hal ini tergantung dari
kondisi wilayah dan penduduk di wilayah tersebut. Hasil penelitian tersebut bahwa di Kecamatan
Jangka Kabupaten Bireuen secara umum masalah utamanya adalah kondisi ekonomi keluarga yang
kurang mendukung dan sebagian lagi adalah faktor keluarga. (Grahacendikia, 2009). Sedangkan hasil
penelitian di Kecamatan Omben, Kabupaten Sampang, Madura bahwa penyebab anak putus sekolah
dari faktor sosial budaya antara lain motivasi rendah, menjaga adik, malu, tidak naik kelas, nikah
muda. Dari faktor geografis antara lain daerah perbukitan dan jarak sekolah yang jauh dari rumah.
Dari faktor ekonomi antara lain tidak ada biaya, bekerja, membantu orang tua. Dari ketiga faktor ter-
sebut permasalahan ekonomi sangat dominan menjadi penyebab anak putus sekolah. Hasil penelitian
di Kecamatan Selangit, kabupaten Musi Rawas, Propinsi Sumatera Selatan ditemukan penyebab anak
putus sekolah dari faktor sosial budaya antara lain malas, nakal, takut dengan guru, tidak naik kelas,
masalah keluarga. Dari faktor geografis antara lain jalan rusak dan jarak sekolah yang jauh dari rumah.
Faktor ekonomi indikatornya antara lain tidak ada biaya dan bekerja. Dari ketiga faktor tersebut per-
masalahan geografis sangat dominan menjadi penyebab anak putus sekolah.
Pemerintah telah berusaha menanggulangi masalah putus sekolah dengan memberikan
Program Bantuan Operasional Sekolah (BOS). Tujuan program BOS untuk membebaskan biaya
pendidikan bagi siswa tidak mampu dan meringankan bagi siswa yang lain, agar mereka memperoleh
layanan pendidikan dasar yang lebih bermutu sampai tamat dalam rangka penuntasan wajib belajar 9
tahun. (Departemen Pendidikan Nasional dan Depar-temen Agama, 2006)

Regresi Logistik
Regresi logistik digunakan jika variabel respon bersifat kategorik (nominal atau ordinal)
dengan variabel-variabel prediktor kontinu maupun kategorik (Agresti, 1990). Variabel respon Y yang
bersifat random dan dikotomus, yakni bernilai 1 dengan probabilitas π dan bernilai 0 dengan pro-
babilitas 1- π, disebut sebagai point-binomial (Le, 1998).
Secara umum, model regresi logistik yang dinyatakan sebagai fungsi x adalah (Hosmer and
Lemeshow, 1989)
) x exp( 1
) x exp(
) x ( π
1 0
1 0
β β
β β
+ +
+
=
(1)
Untuk mempermudah penaksiran parameter regresi, maka digunakan transformasi logit ter-
hadap ) x ( π sehingga menjadi bentuk logit pada persamaan









=
) x ( π 1
) x ( π
ln ) (x g
= x
1 0
β β +

(2)

Regresi logistik berganda
Model regresi logistik dengan k variabel prediktor adalah (Le, 1998)
3

) x x exp( 1
) x x exp(
π(x)
k k 1 1 0
k k 1 1 0
β β β
β β β
+ + + +
+ + +
=
...
...
(3)
Jika model pada persamaan (3) ditransformasi dengan menggunakan transformasi logit, maka akan
menghasilkan bentuk logit g(x) =
k k 1 1 0
x x β β β + + + ... (4)
yang merupakan fungsi linier dalam parameter-parameternya.

Estimasi parameter
Metode estimasi yang mengarah pada fungsi least squares dalam model regresi linier (jika
residual berdistribusi normal) disebut maximum likelihood (Hosmer and Lemeshow, 1989). Jika para-
meter pada model regresi logistik dinotasikan sebagai [ ]
k
t
β β β ... β
1 0
= maka pada dasarnya me-
tode maximum likelihood mengestimasi nilai β dengan memaksimumkan fungsi Likelihood (Hosmer
and Lemeshow, 1989).
Fungsi distribusi probabilitas untuk setiap pasangan (x
i
, y
i
), adalah (Hosmer and Lemeshow,
1989) ( ) ( ) ( ) ( )
i i
i i
f
y 1 y
i
x π 1 x π x

− = (5)
Dimana,
















+








=


=
=
k
0
k
0
x exp 1
x exp
) π(x
j
ij j
j
ij j
i
β
β


Pengujian signifikansi parameter
Pengujian parameter model dilakukan untuk memeriksa apakah variabel predictor mempunyai
pengaruh yang nyata di dalam model. Uji parameter yang digunakan dalam penelitian ini adalah :
a. Uji Serentak
Statistik uji-G adalah uji rasio kemungkinan (likelihood ratio test) yang digunakan untuk
menguji peranan variabel prediktor di dalam model secara bersama-sama (Hosmer and Lemeshow,
2000). Rumus umum untuk uji-G berdasarkan hipotesis :
H
0
: 0 ...
2 1
= = = =
k
β β β
H
1
: Minimal ada satu 0 ≠
j
β untuk j=1,2,...,k
Statistik Uji (Hosmer and Lemeshow, 1989):
( ) ( ) ( )
( )



























− =

=

n
1
y 1 y
0 1
x πˆ 1 x πˆ
2 G
0 1
i
i i
n n
i i
n
n
n
n
Ln
(6)
Dengan,

=
=
n
1
1
y
i
i
n ; ( )

=
− =
n
1
0
y 1
i
i
n ;
1 0
n n n + =
Dibawah H
0
, statistik uji G akan mengikuti distribusi chi-square dengan derajat bebas k
(Hosmer and Lemeshow, 1989). Sehingga untuk memperoleh keputusan, nilai statistik uji G diban-
dingkan dengan nilai ( ) k
2
, α χ . Kriteria penolakan H
0
adalah jika
( ) k
2
G , α χ > .
b. Uji Parsial
Statistik uji Wald digunakan untuk menguji parameter
j
β secara parsial (Hosmer and
Lemeshow, 2000). Rumus umum untuk uji-Wald berdasarkan hipotesis :
H
0
:
j
β = 0 ; j = 1,2,...,k
H
1
:
j
β ≠ 0
Statistik Uji (Le, 1998):
)
ˆ
( E
ˆ
S
ˆ
j
j
β
β
= (W) Wald
(7)
Kriteria penolakan H
0
adalah jika |
2 / α
Z W > .
4

Uji Kesesuaian Model
Berikut ini adalah prosedur pengujian kesesuaian model.
H
0
: Model sesuai
H
1
: Model tidak sesuai
Statistik Uji :
( )
( )

=


=
g
k k k k
k k k
n
n o
C
1
2
π 1 '
π '
ˆ
π
(8)
Dengan g = Jumlah grup, '
k
n = Banyaknya subjek pada grup ke-k,

=
=
k
c
j
j k
o
1
y
,jumlah nilai variabel
respon pada grup ke-k ,
( )

=
=
k
c
j k
j
k
' n
ˆ m
1
j
x π
π
, rata-rata taksiran probabilitas dimana m
j
adalah banyaknya
subjek pada
k
c kategori variabel respon.
Jika H
0
benar, maka distribusi statistik uji C
ˆ
mengikuti distribusi chi-square dengan derajat
bebas g-2 (Hosmer and Lemeshow, 1989). Daerah penolakan H
0
adalah
2
) 2 ( α
χ
, g
C
ˆ

>
.

Interpretasi koefisien model regresi logistik
Untuk regresi logistik dimana variabel prediktor bersifat dikotomus, nilai x dikategorikan 0
atau 1. Pada model ini, ada dua nilai ( ) x π dan dua nilai ( ) x π 1− .
Tabel 1 Nilai-Nilai ( ) x π dan ( ) x π 1− Untuk Variabel Prediktor Dikotomus
Variabel Prediktor
Variabel respon
x = 1 x = 0
y = 1
( )
( )
( )
1 0
1 0
exp 1
exp
1 π
β β
β β
+ +
+
=

( )
( )
( )
0
0
exp 1
exp
0 π
β
β
+
=

y = 0
( )
( )
1 0
exp 1
1
1 π - 1
β β + +
=

( )
( )
0
exp 1
1
0 π - 1
β +
=

Sumber: Hosmer and Lemeshow, 1989
Odds rasio, dinotasikan ψ, didefinisikan sebagai rasio odds untuk x = 1 terhadap odds untuk x
= 0, yang dapat dituliskan dalam persamaan (9) berikut (Hosmer and Lemeshow, 1989).
( ) ( ) [ ]
( ) ( ) [ ] 0 π 1 / 0 π
1 π 1 / 1 π
ψ


= (9)

3. Metodologi Penelitian
Populasi dari responden penelitian ini terbagi menjadi dua kelompok, yakni anak putus seko-
lah dan tidak putus sekolah tingkat SD dan SMP di Surabaya Utara. Data untuk anak putus sekolah
tidak diketahui jumlahnya secara pasti. Data sekunder yang didapatkan tidak sesuai dengan keadaan
yang sebenarnya di lapangan. Kebanyakan anak yang terdata sebagai putus sekolah ternyata tidak
memenuhi kriteria disebabkan usianya sudah terlampau jenjangnya atau anak tersebut sebenarnya
tidak putus sekolah, hanya saja kondisi ekonomi orang tua mereka tidak mampu, dll. Sehingga tidak
bisa terbentuk sampling frame secara probabilistik. Oleh karena itu, digunakan metode pengambilan
sampel yang digunakan adalah non probabilistik sampling yaitu secara sampling purposif, suatu
metode sampling non probabilistik yang didasarkan pada ciri-ciri atau sifat tertentu yang dipandang
mempunyai hubungan erat dengan ciri-ciri atau sifat populasi sebelumnya (Hadi, 2006). Untuk men-
jamin keacakannya maka akan dilakukan uji keacakan data untuk tiap variabel prediktor. Sehingga
kesimpulan yang didapat akan dapat dipertanggungjawabkan secara statistik. Untuk kelompok anak
putus sekolah didapatkan 73 data.
Sedangkan data untuk kelompok anak tidak putus sekolah akan diambil dengan cluster
random sampling di wilayah yang terdapat anak putus sekolah di Surabaya Utara. Sebagai cluster
adalah wilayah dimana terdapat anak putus sekolah kemudian diambil sampel secara acak anak yang
masih sekolah usia 7 – 15 tahun. Sehingga didapatkan 132 data.
5

Pengambilan data sekunder dilakukan pada minggu pertama bulan Juli, kemudian diikuti
survei awal pada minggu pertama dan kedua bulan Agustus. Survei secara keseluruhan dilaksanakan
pada tanggal 18 s/d 26 Nopember 2009. Sampel yang didapatkan dari kelompok putus sekolah
sebanyak 73 data, sedangkan untuk kelompok anak tidak putus sekolah didapatkan 132 data. Sehingga
total sampel adalah sebanyak 205 data.

Tabel 2 Sebaran Sampel Penelitian
Jumlah sampel
No Kecamatan
sekolah Putus sekolah
1 Krembangan 12 15
2 Semampir 23 4
3 Pabean Cantikan 12 17
4 Kenjeran 35 24
5 Bulak 50 13
Jumlah = 205 132 73

Variabel respon yang digunakan yaitu :
1. Anak usia SD dan SMP di Surabaya Utara yang putus sekolah, diberi kode 1
2. Anak usia SD dan SMP di Surabaya Utara yang tidak putus sekolah, diberi kode 0

Rincian variabel prediktor dan pendukung tertera pada Tabel 3 berikut.

Tabel 3 Rincian variabel prediktor dan pendukung
No Aspek dan Variabel Prediktor
Variabel Pendukung (Analisis
Deskriptif)
1 Demografi
X
1
Jenis Kelamin − umur (orang tua)
X
1
=0 laki-laki
X
1
=1 perempuan − Agama
X
2
Jumlah anggota rumah tangga
X
2
=0 jika jumlah anggota ≤ 4
X
2
=1 jika jumlah anggota > 4
2 Sosial
X
3
Bagaimana cara bayar SPP − Kegiatan yang
X
3
=0 rutin setiap bulan dilakukan anak
X
3
=1 angsuran − Bagaimana
X
3
=2 gratis/sebagian dari bantuan hubungan antar siswa
X
4
Bagaimana cara memperoleh buku
X
4
=0 beli
X
4
=1 gratis
X
4
=2 pinjam
X
5
Bagaimana cara menjangkau sekolah
X
5
=0 jalan kaki

X
5
=1 diantar
X
5
=2 naik sepeda
X
5
=2 naik kendaraan umum


6

Lanjutan tabel 3
No Aspek dan Variabel Prediktor
Variabel Pendukung (Analisis
Deskriptif)
3 Budaya
X
6
Peran orang tua dlm mendukung anak sekolah − Jenis permainan yang sering
X
6
=0 mendampingi belajar dimainkan di sekitar rumah
X
6
=1 mendukung sekolah − Kemampuan mengikuti
X
6
=2 tidak mendampingi/mendukung pelajaran/ materi di sekolah
X
7
Rata-rata waktu untuk bermain dengan teman − Intensitas membolos
X
7
=0 waktu bermain dengan teman < 2 jam
X
7
=1 waktu bermain dengan teman ≥ 2 jam
4 Ekonomi
X
8
Pendapatan orangtua/bulan − Kepemilikan harta benda
X
8
=0 > Rp 1.500.000 utama dalam rumah
X
8
=1 Rp 1.001.000 s/d Rp 1.500.000 − Fasilitas yang ada di rumah
X
8
=2 Rp 501.000 s/d Rp 1.000.000 − Kepemilikan lahan/rumah yang
X
8
=3 Rp 0 s/d Rp 500.000 ditempati sekarang
X
9
Kondisi rumah yang ditempati sekarang
X
9
=0 permanen
X
9
=1 semi permanen
X
10
Status kependudukan bapak
X
10
=0 penduduk asli
X
10
=1 penduduk pendatang

Uji Keacakan Data
Berdasarkan uji keacakan yang dibandingkan dengan mean dengan α=0,10 maka semua
variabel berasal dari populasi yang acak kecuali variabel waktu bermain dengan teman. Dari sepuluh
variabel ternyata terdapat sembilan variabel yang berasal dari populasi yang acak. Sehingga dapat
dikatakan data telah berasal dari sampel yang acak dan mengikuti distribusi normal.

Langkah-langkah penelitian
Langkah-langkah yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Studi literatur
Yaitu pengumpulan sumber informasi dari literatur, buku dan internet yang sesuai dengan
penelitian yang dilakukan.
b. Perumusan masalah dan pembuatan proposal
Yaitu merumuskan masalah yang akan dibahas dalam penelitian. Masalah yang akan dibahas
adalah karakteristik siswa putus sekolah tingkat SD dan SMP di Surabaya Utara. Setelah permasalahan
ditetapkan, selanjutnya adalah pembuatan proposal.
c. Pengumpulan data
Pengumpulan data ini dengan survei terhadap anak usia SD dan SMP di Surabaya Utara.
d. Analisis Data
Langkah-langkah dalam menganalisis data adalah sebagai berikut :
i. Melakukan analisis secara deskriptif untuk mengetahui karakteristik responden.
ii. Menentukan model regresi logistik berganda antara variabel respon dengan variabel prediktor.
iii. Melakukan uji signifikansi parameter dari model regresi logistik berganda untuk mengetahui
variabel-variabel prediktor mana yang berpengaruh secara signifikan terhadap variabel respon.
7

iv. Menentukan model regresi logistik univariabel antara variabel respon dengan masing-masing
variabel-variabel prediktor yang signifikan dari langkah iii.
v. Menguji goodness of fit dari model regresi logistik terbaik, yakni model yang seluruh variabel
prediktornya signifikan.
vi. Menginterpretasikan model regresi terbaik.
e. Pembuatan Laporan.
Langkah terakhir dalam penelitian ini adalah pembuatan laporan.

4. Hasil dan Pembahasan
4.1 Karakteristik Responden
Responden adalah anak usia 7 – 15 tahun. Dalam penelitian ini jenis kelamin anak putus seko-
lah 20,5% adalah laki-laki dan 79,5% perempuan. Jika ditinjau dari jumlah anggota rumah tangga un-
tuk responden kelompok anak putus sekolah dan yang masih sekolah menunjukkan proporsi yang ti-
dak berbeda masing-masing kelompok dominan pada jumlah anggota keluarga dalam rumah tangga
adalah lebih dari 4 orang. Dan sekitar 97% responden beragama Islam.
Apabila ditinjau dari pendapatan orang tua siswa kedua kelompok mayoritas berpendapatan
Rp 500.001,- s/d Rp 1.000.000 dan kondisi rumah sebagai tempat tinggal adalah permanen untuk anak
tidak putus sekolah. Sedangkan pada anak putus sekolah separuh diantaranya kondisi rumahnya masih
semi permanen. Kondisi ini menggambarkan wilayah Surabaya utara di mana penelitian dilakukan ter-
masuk wilayah yang kategori berpendapatan rendah, hal ini di dukung dengan mayoritas pekerjaan
orang tua adalah buruh harian lepas.
Berkaitan dengan masalah pendidikan, kelompok anak putus sekolah mayoritas menyatakan
bahwa mereka membayar SPP dibayar rutin oleh orang tua pada saat mereka masih sekolah, yaitu di-
nyatakan oleh 56,2% responden anak putus sekolah. Untuk memperoleh buku pada saat mereka masih
sekolah, 57,5% menyatakan mereka membeli sendiri. Dana bantuan BOS hanya digunakan untuk
pembebasan biaya SPP tapi untuk keperluan buku dan alat tulis harus disediakan oleh siswa.
Jika ditinjau dari peran orang tua dalam mendukung anaknya bersekolah tampak ada perilaku
yang berbeda antara sikap orang tua kelompok anak putus sekolah dan yang masih sekolah. Pada
kelompok anak putus sekolah 56,2% menyatakan bahwa pada saat belajar orang tua tidak men-
dampingi bahkan kurang memberikan dukungan, berbeda dengan kelompok anak yang masih sekolah
51,5% mereka dalam belajar didamping orang tua. Sedangkan banyaknya waktu yang dihabiskan ber-
sama teman di rumah, mayoritas mereka banyak meluangkan waktu bersama temannya di rumah
dengan rata-rata waktu lebih dari 2 jam per hari.
Sebagian besar responden menjangkau sekolah dengan berjalan kaki. Hal ini mengindikasikan
bahwa letak sekolah mereka tidak begitu jauh dari rumah tempat tinggal mereka (masih dapat di-
jangkau dengan berjalan kaki). Dapat disimpulkan bahwa sekolah-sekolah telah menyebar di seluruh
wilayah Surabaya Utara. Sedangkan dari status bapak, 37% responden putus sekolah adalah pendatang
dari luar daerah Surabaya.

4.2 Faktor-Faktor yang mempengaruhi siswa putus sekolah
4.2.1 Regresi logistik Serentak
Regresi logistik serentak bertujuan untuk memperoleh model yang tepat dan sederhana berda-
sarkan faktor-faktor yang mempengaruhi anak putus sekolah. Regresi logistik serentak dilakukan
dengan memasukkan seluruh variabel ke dalam model karena jika ternyata hubungan antar variabel
prediktor sangat erat, maka dimungkinkan salah satu variabel akan menjadi tidak signifikan penga-
ruhnya terhadap variabel respon dikarenakan telah terwakili oleh variabel yang lain. Sehingga dapat
diketahui ada atau tidaknya kasus multikolinieritas (ada hubungan antar variabel prediktor). Dalam
penelitian ini digunakan uji serentak dengan metode Stepwise (Wald), diperoleh model dengan semua
variabel signifikan dengan α = 0.10 pada step 5(a).
Untuk mengetahui apakah parameter-parameter model telah signifikan atau tidak maka
dilakukan langkah-langkah pengujian hipotesis sebagai berikut.
H
0
:

0
7 6 5 4 3 2 1
= = = = = = = β β β β β β β
H
1
: Minimal ada satu 0 ≠
j
β untuk j=1,2,...,7
8

Tabel 4 Hasil Pengaruh Faktor-faktor Putus Sekolah Terhadap
Anak Putus Sekolah Secara Serentak
Variabel B S.E. Wald df Sig. Exp(B)
JK(PR) 1,370 0,520 6,930 1 0,008* 3,934
SPP rutin 27,974 2 0,000
SPP (angsur) 3,135 1,057 8,796 1 0,003* 22,992
SPP (gratis) 0,764 1,062 0,518 1 0,472 2,147
Peran ortu 23,875 2 0,000
PO (dukung) -0,876 0,500 3,065 1 0,080* 0,417
PO (tdk) -2,251 0,465 23,403 1 0,000* 0,105
Pndptn Ortu 6,605 3 0,086
Pd (1-1,5jt) -0,482 0,786 0,375 1 0,540 0,618
Pd (0,5-1jt) -1,336 0,804 2,761 1 0,097* 0,263
Pd (≤500rb) 0,005 1,023 0,000 1 0,996 1,005
Rmh (semi) -1,521 0,453 11,254 1 0,001* 0,219
Stts (pndtg) -1,066 0,448 5,666 1 0,017* 0,344
Konstanta 1,077 1,316 0,670 1 0,413 2,935
Catatan : signifikan pada: *) α = 10%.

Berdasarkan Tabel 4, nilai signifikansi dari sepuluh variabel independen yang dimasukkan ke
dalam model, terdapat enam variabel yang mempunyai nilai lebih kecil dari α=10% atau dapat dilihat
dari nilai uji wald yang lebih besar dari nilai Z
5%
=1.96, sehingga H
0
ditolak, artinya keenam variabel
independen tersebut berpengaruh secara signifikan. Sehingga variabel independen secara bersama-
sama yang mempengaruhi anak putus sekolah yaitu jenis kelamin (perempuan), cara membayar SPP
(angsuran), peran orang tua dalam mendampingi dan mendukung belajar anak sekolah (mendukung
dan tidak mendampingi/mendukung), pendapatan orang tua (Rp 500.001- Rp 1.000.000), kondisi ru-
mah yang ditempati sekarang (semi permanen), serta status kependudukan bapak (sebagai pendatang).
Sedangkan model regresi logistik secara serentak yang terbentuk yaitu :
+ − − − − + + = ) 1 5 , 0 ( 336 , 1 ) ( 251 , 2 ( ) ( 876 , 0 ) ( 135 , 3 ) ( 370 , 1 077 , 1 {exp( (x) jt Pd tdk PO dukung PO angsur SPP pr JK π
+ + + + − − ) ( 135 , 3 ) ( 370 , 1 077 , 1 exp( 1 /{ ))} ( 066 , 1 ( ) ( 521 , 1 angsur SPP pr JK pndtg stts semi Rmh
))} ( 066 , 1 ( ) ( 521 , 1 ) 1 5 , 0 ( 336 , 1 ) ( 251 , 2 ( ) ( 876 , 0 pndtg stts semi Rmh jt Pd tdk PO dukung PO − − − − − −
4.2.2 Regresi Logistik Parsial
Hasil analisis data untuk model regresi logistik biner dengan satu variabel (model regresi logis-
tik tunggal) dari enam variabel yang diduga berpengaruh secara serentak terhadap kemungkinan se-
orang siswa usia 7-15 tahun akan putus sekolah terdapat enam variabel yang signifikan yaitu variabel
jenis kelamin, cara membayar SPP, peran orang tua dalam mendampingi dan mendukung belajar anak
sekolah, kondisi rumah yang ditempati sekarang, serta status kependudukan bapak dengan meng-
gunakan α = 10%. Dan untuk mengetahui variabel prediktor mana yang berpengaruh, maka dilakukan
pengujian signifikansi parameter secara parsial sebagai berikut.
H
0
: 0 =
j
β untuk j=1,2,...,7
H
1
:
j
β ≠ 0

Tabel 5 Hasil Pengaruh Faktor-faktor Putus Sekolah Terhadap
Anak Putus Sekolah Secara Individu
Variabel B S.E. Wald df Sig. Exp(B)
JK(PR) 0,693 0,343 4,085 1 0,043* 2,000
Konstanta 0,405 0,170 5,721 1 0,017 1,500
SPP rutin 30,807 2 0,000
SPP (angsur) 2,629 0,832 9,974 1 0,002* 13,860
Lanjutan Tabel 5
9


Variabel B S.E. Wald df Sig. Exp(B)
SPP (gratis) 0,973 0,836 1,354 1 0,245 2,646
Konstanta -1,253 0,802 2,441 1 0,118 0,286
Peran ortu 27,851 2 0,000
PO (dukung) -0,860 0,411 4,383 1 0,036* 0,423
PO (tdk) -1,998 0,384 27,058 1 0,000* 0,136
Konstanta 1,580 0,293 28,999 1 0,000 4,857
Pndptn Ortu 9,958 3 0,019
Pd (1-1,5jt) -1,209 0,610 3,934 1 0,047* 0,298
Pd (0,5-1jt) -,905 0,600 2,276 1 0,131* 0,404
Pd (≤500rb) 0,405 0,777 0,272 1 0,602 1,500
Konstanta 1,386 0,559 6,150 1 0,013 4,000
Rmh (semi) -0,878 0,303 8,407 1 0,004* 0,415
Konstanta 0,932 0,194 23,080 1 0,000 2,541
Stts (pndtg) -0,526 0,314 2,810 1 0,094* 0,591
Konstanta 0,756 0,179 17,908 1 0,000 2,130
Catatan : signifikan pada: *) α = 10%.
Pengaruh dari keenam faktor yang signifikan tersebut dapat dijelaskan secara individu yang
berpengaruh dan menganggap variabel yang lain sebagai konstan adalah sebagai berikut.
1) Seorang anak yang berjenis kelamin perempuan kemungkinan akan putus sekolah dua kali lebih
besar dibandingkan dengan anak yang berjenis kelamin laki-laki.
2) Anak yang membayar SPP dengan cara mengangsur mempunyai kemungkinan putus sekolah
sebanyak 13,860 kali anak yang membayar SPP rutin setiap bulan.
3) Peran orang tua dalam mendukung anak sekolah yang menunjukkan pengaruh terhadap kemung-
kinan anak usia 7-15 tahun putus sekolah adalah pada kategori sikap orang tua yang mendukung
belajar ankanya mempunyai kemungkinan 0,423 kali dibandingkan dengan anak yang belajarnya
didampingi oleh orang tua. Sedangkan orang tua yang tidak mendampingi dan tidak mendukung
anak pada saat belajar mempunyai kemungkinan 0,136 kali dibandingkan dengan anak yang bela-
jarnya didampingi oleh orang tua (disimpulkan bahwa terdapat assosiasi negatif antara peran orang
tua dan peluang anak putus sekolah).
4) Pendapatan orang tua antara Rp 500.000 s/d Rp 1.000.000 dan Rp 1.000.001 s/d Rp 1.500.000
mempunyai kemungkinan masing-masing 0,298 dan 0,404 untuk putus sekolah dibandingkan orang
tua dengan pendapatan <Rp 500.000 (disimpulkan bahwa terdapat assosiasi negatif antara penda-
patan orang tua dan peluang anak putus sekolah).
5) Kondisi rumah semi permanen mempunyai kemungkinan anak akan putus sekolah sebanyak 0,415
kali kondisi rumah yang permanen (disimpulkan bahwa terdapat assosiasi negatif antara kondisi
rumah dan peluang anak putus sekolah).
6) Status bapak yaitu sebagai penduduk asli atau pendatang menunjukkan adanya pengaruh terhadap
kemungkinan anak usia 7-15 tahun putus sekolah adalah pada kategori status bapak sebagai
penduduk pendatang dengan peluang 0,591 (disimpulkan bahwa terdapat assosiasi negatif antara
status bapak dan peluang anak putus sekolah).

4.2.3 Uji kesesuaian model
Untuk menguji kesesuaian model apakah model sesuai dalam artian tidak ada perbedaan
antara hasil observasi dengan kemungkinan hasil prediksi model dilakukan dengan menggunakan
hipotesis sebagai berikut : H
0
: Model sesuai
H
1
: Model tidak sesuai
Berdasarkan hasil perhitungan didapatkan bahwa nilai C
ˆ
<

( )
2
14 %, 10
χ sehingga H
0
diterima yang
artinya model sesuai (tidak ada perbedaan antara hasil observasi dengan kemungkinan hasil prediksi
model).
4.2.4 Ketepatan Pengklasifikasian responden
10

Hasil pengklasifikasian kemungkinan anak putus sekolah berdasarkan model terbaik adalah:
Tabel 6 Ketepatan Klasifikasi Model Serentak
Pengamatan Prediksi
1 0
Persentase
Benar
status 1 1 14 6,7
0 6 20 76,9
Persentase Keseluruhan 51,2

Berdasarkan Tabel 6 dapat dikatakan bahwa responden putus sekolah yang tepat diklasifika-
sikan pada kategori putus sekolah adalah sebanyak 1 pengamatan sedangkan responden yang tidak
putus sekolah tepat diklasifikasikan pada kategori tidak putus sekolah adalah sebanyak 20 penga-
matan. Sedangkan responden yang tidak tepat pengkategoriannya adalah 14 untuk responden kategori
putus sekolah dan 6 diklasifikasikan ke dalam tidak putus sekolah. Sehingga dapat disimpulkan bahwa
ketepatan klasifikasi model terhadap pengamatan adalah sebesar 51,2%.

5. Kesimpulan
Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut :
1. Karakteristik anak putus sekolah tingkat SD dan SMP di Surabaya Utara 79,5% berjenis kelamin
perempuan, dengan 67,1% jumlah anggota rumah tangga lebih dari empat orang. Serta 46,6%
pendapatan orang tuanya berkisar antara Rp 501.000 s/d Rp 1.000.000 dengan kondisi rumah
49,3% semi permanen, dan 63% status kependudukan bapak adalah sebagai penduduk pendatang.
Dalam hubungannya dengan keadaan sewaktu masih sekolah, 56,2% anak putus sekolah
membayar SPP dengan cara rutin tiap bulan oleh orang tua / wali, dan 57,5% mereka menda-
patkan buku dengan cara membeli sendiri, serta 67,1% menjangkau sekolah dengan berjalan kaki.
Sedangkan peran orang tua anak putus sekolah dalam mendukung anak sekolah, 56,2% adalah
tidak mendukung/mendampingi anaknya untuk bersekolah.
2. Faktor-faktor yang mempengaruhi anak putus sekolah adalah jenis kelamin, cara membayar SPP,
peran orang tua dalam mendukung anak sekolah, pendapatan orang tua, kondisi rumah, serta
status kependudukan bapak. Dan faktor yang paling dominan adalah membayar SPP dengan cara
angsuran.

6. Daftar Pustaka
Agresti, A. (1990). Categorical Data Analysis. John Wiley and Sons. New York.
Alifianto, A. 2008, Kuliah Kerja Nyata Wajib Belajar 9 Tahun, <URL:http://www.pewarta-
kabarindonesia.blogspot.com/>
Anonim. 2008, Dispendik Jaring Anak putus Sekolah, <URL:http://www.infoGue.com/>
Anonim. 2008, “Kondisi Pendidikan Surabaya Utara Masih Rendah”, JawaPos (Surabaya), Mei
Anonim. 2009, Wajib Belajar 9 Tahun, <URL:http://id.wikipedia.org/wiki/Wajib_Belajar>
Astuti, P. P. 2009, Putus Sekolah Masih Menjadi Masalah,<URL:http://cetak.kompas.com/read/
xmal/2009/02/12/00493050/putus.sekolah.masih.menjadi.masalah>
Departemen Pendidikan Nasional dan Departemen Agama dalam Suharyo, W. I. dan Widyanti, W.
2006, Bantuan Operasional Sekolah (BOS) dan Akses Terhadap Pendidikan Dasar Bagi
Masyarakat Miskin,<URL:http://www.Smeru.or.id/Petujuk Pelaksanaan BOS 2005>
Grahacendikia.2009, Anak Putus Sekolah dan Cara Pembinaan-nya, <URL:
http://www.google.co.id/putus sekolah/Re-ferensi Penelitian Skripsi-Tesis>
Hadi, S. (2004). Metodologi Research 1. Andi offset. Yogyakarta.
Hosmer, D.W and Lemeshow,S (1989). Applied Logistic Regression. John Wiley and Sons, Inc. USA.
Kountur, R. (2004). Metode Penelitian untuk Penulisan Skripsi dan Tesis. PPM. Jakarta.
Le,C.T.(1998). Applied Categorical Data Analysis. John Wiley and Sons, Inc. USA.
Raharto, I. T. (2008). Upaya Memperkecil Angka Putus Sekolah Bagi Penduduk Miskin di kabupaten
Serang. Program Pasca Sarjana Universitas Hasanudin. Makasar.
Singarimbun, M. dan Effendi, S. (1989). Metode Penelitian Survai. LP3ES. Jakarta.