Anda di halaman 1dari 10

LAPORAN PRAKTIKUM

ANALISIS DATA KUALITATIF

ANALISIS PENGARUH JENJANG PENDIDIKAN


MENENGAH ATAS/SEDERAT TERHADAP STATUS
PASCA LULUS MENGGUNAKAN REGRESI LOG
LINEAR

Suwarno

(1311100701)

Dosen:
Dr. Purhadi, M.Sc
Erma Oktania Permatasari, S.Si, M.Si

Program Studi Sarjana


Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
2014

BAB I
PENDAHULUAN
1.1

Latar Belakang
Sekolah Menengah Atas dalam pendidikan formal di Indonesia merupakan

jenjang pendidikan menengah setelah menamatkan SMP/sederajat. Sekolah


Menengah Atas diselenggarakan dalm kurun waktu 3 tahun yaitu mulai dari kelas
X sampai dengan kelas XII. Sedangkan pengertian dari Sekolah Menengah
Kejuruan jenjang pendidikan menengah setelah menamatkan SMP/sederajat yang
lebih mengutamakan pada penyiapan siswa utuk berlom ba memasuki lapangan
kerja.
Seusai menempuh pendidikan SMA/sederajat, siswa siswi memiliki tujuan
sesuai dengan kondisi dan keinginan masing-masing. Ada yang melanjutkan kuliah
di suatu perguruan tinggi, ada pula yang bekerja di suatu instansi dan ada pula yang
tidak melakukan kedua-duanya yakni pengangguran. Pada praktikum kali ini akan
dilakukan analisi tentang pengaruh jenjang pendidikan Sekolah Menengah
Atas/sederajat terhadap status pasca lulus menggunakan regresi log linear.
Diharapkan dengan adanya praktikum ini mampu mengetahui faktor-faktor yang
berpengaruh signifikan terhadap variabel respon pada model.
1.2

Rumusan Masalah
Rumusan masalah yang dibahas dalam praktikum ini adalah sebagai berikut :

1. Bagaimanakan analisis statistika deskriptif pengaruh jenjang pendidikan


menengah atas/sederajat terhadap status pasca lulus?
2. Bagaimanakah struktur data dan model log linear yang akan terbentuk dari
pengaruh jenjang pendidikan menengah atas/sederajat terhadap status pasca
lulus?
3. Bagaimanakah kebermaknaan interaksi antara variabel jenjang pendidikan,
dan status pasca lulus?
4. Bagaima hasil estimasi parameter dan model log linear yang terbaik?
5. Bagaimana hasil penghitungan G2 dan hasil interpretasinya?

1.3

Tujuan
Tujuan dari praktikum ini adalah sebagai berikut :

1. Melakukan analisis statistika deskriptif pengaruh jenjang pendidikan menengah


atas/sederajat terhadap status pasca lulus.
2. Mengetahui struktur data dan model log linear yang akan terbentuk dari
pengaruh jenjang pendidikan menengah atas/sederajat terhadap status pasca
lulus.
3. Mengetahui kebermaknaan interaksi antara variabel jenjang pendidikan dan
status pasca lulus.
4. Mengetahui hasil estimasi parameter dan model log linear yang terbaik.
5. Melakukan penghitungan G2 dan memberikan interpretasi hasil penghitungan
1.4

Manfaat
Manfaat praktikum ini adalah sebagai berikut

1. Menerapkan pembelajaran mata kuliah Analisis Data Kualitatif dalam suatu


permasalahan real.
2. Sebagai referensi kepada pembaca maupun masyarakat secara terkait jenjang
pendidikan menengah atas/sederajat.

BAB II
METODOLOGI PENELITIAN
2.1

Unit Penelitian
Unit penelitian yang digunakan dalam praktikum ini adalah jumlah lulusan

siswa menengah atas dan sederajat disuatu wilayah tertentu sebanyak 1840
responden.
2.2

Variabel Penelitian
Variabel penelitian yang digunakan dalam praktikum ini adalah sebagai

berikut :
Tabel 2.1 Variabel penelitian

Variabel
Jenjang
Pendidikan

Y1

Skala Pengukuran

Tipe Data

Nominal

Kategori

Kategori
1 = SMK
2 = SMA
3 = MA

Status Pasca
Lulus

Y2

Nominal

Kategori

1 = Bekerja
2 = Kuliah
3 = Pengangguran

2.3

Langkah Analisis
Langkah-langkah yang dilakukan dalam praktikum ini adalah sebagai

berikut :
1. Melakukan analisis statistika deskriptif
2. Membuat struktur data dan model log linier tiga dimensi
3. Melakukan uji kebermaknaan interaksi antar variabel
4. Melakukan estimasi parameter dan membentuk model log linier terbaik
5. Menghitung nilai G2 dan menginterpretasikannya
6. Menarik kesimpulan

BAB III
HASIL DAN PEMBAHASAN
3.1

Analisis Statistika Deskriptif


Penghitungan analisis statistika deskriptif dilakukan dengan cara membuat

tabulasi silang antara dua variabel yang digunakan yaitu jenjang pendidikan dan
status pasca lulus. Berdasarkan penghitungan diperoleh output sebagai berikut :
Tabel 3.1 Analisis Statistika Deskriptif

Jenjang
Pendidikan
SMK
SMA
MA

Status Pasca Lulus


Bekerja
Kuliah Pengangguran
512
313
89
207
353
17
120
205
24

Berdasarkan tabel diatas diperoleh frekuensi terbesar adalah lulusan siswa


SMK yang bekerja yakni sebanyak 512 orang. Sedangkan frekuensi terkecil adalah
lulusan siswa SMA dengan status pengangguran yakni sebanyak 17 orang.
3.2

Struktur Data dan Model Log Linear 2 Dimensi


Data yang digunakan dalam praktikum ini memiliki dua variabel yaitu

variabel jenjang pendidikan dan status pasca lulus. Variabel jenjang pendidikan
memiliki 3 kategori sedangkan untuk variabel status pasca lulus memiliki 3
kategori. Struktur data yang digunakan adalah sebagai berikut :
Tabel 3.2 Struktur Data

Jenjang Pendidikan

Status Pasca Lulus

Count

1
1
1
2
2
2
3
3
3

1
2
3
1
2
3
1
2
3

512
313
89
207
353
17
120
205
24

Setelah didapatkan struktur data, langkah selanjutnya adalah membuat model log
liner 2 dimensi yaitu

ln mij iy1 yj2 ijy1 y2


Dimana,

ln mij = variabel respon

= rata- rata

iy

yj

ijy y

1 2

3.3

= variabel prediktor pertama


= variabel prediktor kedua
= variabel interaksi antar prediktor pertama dan prediktor kedua
Uji Kebermakaan Variabel Interaksi
Model log linear yang telah terbentuk dilakukan pengujian apakah interaksi

antara variabel prediktor pertama dan kedua bermakna. Uji hipotesis diberikan
sebagai berikut :
H0 : ijy1 y2 = 0 (variabel interaksi antar variabel bermakna signifikan)
H1 : ijy1 y2 0 (variabel interaksi antar variabel tidak bermakna signifikan)
Statistik uji yang digunakan adalah nilai Likelihood Ratio atau nilai Pearson
Chi-Square yang dibandingkan dengan nilai Chi-Square table dengan derajat bebas
(I-1) (J-1) pada taraf signifikansi 5 %. Nilai Chi-Square pada tabel statistika dengan
derajat bebas sebesar (3-1)(3-1)= 4 diperoleh sebesar 9.488. Penghitungan nilai
Chi-Square dengan menggunakan SPSS dapat disajikan dalam bentuk tabel
dibawah ini
Tabel 3.3 K-Ways Effects

Likelihood Ratio
Pearson
Number
of Iterations
Chi-Square Sig.
Chi-Square
Sig.
1
4
998.542
0
926.985
0
0
2
4
132.692
0
132.492
0
0
Berdasarkan tabel diatas dapat dilihat nilai Likelihood Ratio Chi-Square

df

untuk K=1 dan K=2 berturut-turut adalah 998.542 dan 132.692. Sedangkan untuk
nilai Pearson Chi-Square untuk K=1 dan K=2 berturut-turut adalah 926.985 dan
132.492. Berdasarkan penghitungan uji statistik dengan menggunakan kedua
metode diatas diperoleh nilai uji statistiknya lebih besar dari nilai Chi-Square tabel

sehingga dapat diputuskan untuk menolak H0, artinya untuk K=1 dan K=2
mempunyai kebermaknaan yang signifikan sehingga dapat disimpulakan bahwa
variabel tunggal dan variabel interaksi mempunyai pengaruh yang signifikan
terhadap variabel respon.
3.4

Estimasi Parameter dan Penentuan Model Log Linier Terbaik


Estimasi parameter dilakukan setelah pengujian variabel interaksi untuk

menentukan variabel yang signifikan agar didapatkan model log linear terbaik.
Estimasi parameter dengan menggunakan SPSS dapat ditampilkan dalam tabel
dibawah ini
Tabel 3.4 Estimasi Parameter Variabel

Effect

11y y

1 2

.164

Std.
Error
.055

12y y

-.519

.055

-9.437

0.000

y y
21
y y

1 2

.065

.072

.904

.366

1 2

.406

.069

5.870

.000

.620

.048

13.011

0.000

-.185

.064

-2.904

.004

.582

.047

12.331

0.000

.773

.046

16.996

0.000

4.94919

Parameter

1 2

Jenjang_Pendidikan
*Status_Pasca_Lulus

22
y1
1
y1
2
y2
1
y2
2

Jenjang_Pendidikan

Status_Pasca_Lulus
Rata-Rata

Parameter Estimate

Sig.

2.967

.003

Berdasarkan nilai sig. pada tabel, terdapat satu nilai sig. yang > taraf
y1 y 2
siginifikansi 5% yakni sebesar 0.336 pada variabel 21
. Variabel tersebut tidak

bermakna secara signifikan terhadap variabel respon sehingga variabel tersebut


tidak dimasukkan terhadap model sehingga terbentuk model log linier terbaik
sebagai berikut
y
y
y
y
y1 y 2
ln mij = + 1 1 + 1 2 + 21 + 2 2 + 11y1 y2 + 12y1 y 2 + 22

ln mij = 4.94919 + 0.62


0.406 y1 y 2 .

y1

+ 0.582

y2

- 0.185 1 + 0.773

y2

+ 0.164 y1 y 2 - 0.519 y1 y 2 +

3.5

Uji Kesesuaian Model


Setelah didapatkan model yang terbaik maka diuji apakah model sudah sesuai

atau belum. Diharapkan hasil uji hipotesis adalah tolak H0 dengan hipotesis.
H0

= 0 [y1,y2]

H1

0 [y1y2]
Tabel 3.5 Uji Kesesuaian Model

Model df

Sehingga nilai

G2

P-value

[y1,y2]

998.542

0.000

[y1y2]

132.692

0.000

maka didapatkan nilai

adalah

sebesar 988.543 yang kemudian dibandingkan dengan Chi-Square tabel dengan


derajat bebas (I-1).(J-1) dengan taraf signifikansi 5%. Nilai I = J = 3 karena data
berbentuk 3 kategori sehingga derajat bebas Chi-Square tabel adalah 4 dengan
alfa=5% maka nilai Chi-Square tabel adalah sebesar 9,488. H0 ditolak apabila nilai
statistik uji lebih besar dari Chi-Square tabel. Maka nilai

lebih besar daripada

Chi-Square tabel sehingga tolak H0 dan dapat disimpulkan bahwa model sudah
sesuai yaitu model [y1y2].

BAB IV
KESIMPULAN DAN SARAN

4.1

KESIMPULAN
Berdasarkan hasil dan pembahasan pada bab sebelumnya, kesimpulan yang

diperoleh antara lain sebagai berikut :


1.

Frekuensi terbesar dalam penghitungan analysis statistika deskriptif adalah


lulusan siswa SMK yang bekerja yakni sebanyak 512 orang. Sedangkan
frekuensi terkecil dalam penghitungan analysis statistika deskriptif adalah
lulusan siswa SMA dengan status pengangguran yakni sebanyak 17 orang.

2.

Model log linear yang sesuai adalah model log linear dua dimensi dengan tiga
kategori karena data yang digunakan memuat dua variabel yaitu variabel
jenjang pendidikan dan variabel status pasca lulus dan memiliki tiga kategori.

3.

Variabel interaksi antara jenjang pendidikan dan status pasca lulus memiliki
kebermaknaan yang signifikan terhadap varibel respon berdasarkan pengujian
K-Way Effect.

4.

Terdapat satu nilai sig. yang > taraf siginifikansi 5% yakni sebesar 0.336 pada
y1 y 2
variabel 21
, maka variabel tersebut tidak bermakna secara signifikan

terhadap variabel respon sehingga variabel tersebut tidak dimasukkan


terhadap model sehingga terbentuk model log linier terbaik sebagai berikut
y
y
y
y
y1 y 2
ln mij = + 1 1 + 1 2 + 21 + 2 2 + 11y1 y2 + 12y1 y 2 + 22
y

ln mij = 4.94919 + 0.62 1 + 0.582

y2

- 0.185 1 + 0.773 2 + 0.164 y1 y 2 -

0.519 y1 y 2 + 0.406 y1 y 2
5.

Nilai

lebih besar daripada Chi-Square tabel sehingga tolak H0 dan dapat

disimpulkan bahwa model sudah sesuai yaitu model [y1y2].


4.2

SARAN
Jumlah data yang digunakan dalam praktikum kali ini sudah cukup banyak,

hanya saja dalam pemilihan variabel prediktor yang digunakan dalam model perlu
diidentifikasi pakah pengaruhnya signifikan terhadap variabel respon atau tidak.

DAFTAR PUSTAKA
Bungin, Burhan, 2003. Analisis Data Penelitian Kualitatif, Jakarta : PT. Raja
Grafindo Persada.