METODE MULTIVARIAT TERAPAN – SS145366

KLASIFIKASI FAKTOR PEMBENTUK INDEKS SISWA

DAN SEKOLAH PADA SELEKSI NASIONAL MASUK
PERGURUAN TINGGI NEGERI (SNMPTN) DI ITS
MENGGUNAKAN ANALISIS DISKRIMINAN

Yosi Wadityowati 1315 030 075

Nur Lailatul Nazilah 1315 030 118

Asisten Dosen :
Naurah Nazhifah

Dosen :
Ir. Sri Pingit Wulandari, M.Si
Noviyanti Santoso, S.Si, M.Si

Departemen Statistika Bisnis

Fakultas Vokasi
Institut Teknologi Sepuluh Nopember
Surabaya 2017
(Halaman ini sengaja dikosongkan)

ii
 KLASIFIKASI FAKTOR PEMBENTUK INDEKS
SISWA DAN SEKOLAH PADA SELEKSI NASIONAL
MASUK PERGURUAN TINGGI NEGERI (SNMPTN)
DI ITS MENGGUNAKAN ANALISIS DISKRIMINAN

Nama Mahasiswa : Yosi Wadityowati 1315 030 075

Nur Lailatul Nazilah 1315 030 118
Departemen : Statistika Bisnis Fakultas Vokasi ITS
Dosen : Ir. Sri Pingit Wulandari, M.Si
Noviyanti Santoso, S.Si, M.Si

ABSTRAK
Nilai rapor merupakan hasil evaluasi dari satu semester yang
telah dijalani siswa. Nilai tersebut dapat menjadi tolok ukur apakah
seorang siswa telah melaksanakan kegiatan belajar dengan baik atau
tidak. Nilai rapor dapat digunakan untuk berbagai keperluan, salah
satunya adalah sebagai persyaratan untuk menempuh jenjang
perguruan tinggi. Salah satu jalur yang dapat dilalui untuk melanjutkan
studi di perguruan tinggi adalah melalui jalur seleksi nasional masuk
perguruan tinggi negeri (SNMPTN). Selain nilai rapor, juga terdapat
ketentuan-ketentuan lain yang berpengaruh terhadap hasil seleksi
SNMPTN seperti status sekolah, akreditasi sekolah dan sebagainya.
Untuk mengetahui klasifikasi faktor-faktor yang berpengaruh terhadap
hasil seleksi SNMPTN, dapat dilakukan dengan menggunakan metode
statistik. Salah satu metode klasifikasi yang dapat digunakan yaitu
analisis diskriminan. Data yang digunakan dalam penelitian ini adalah
data nilai rapor siswa beserta status sekolah yang merupakan data
sekunder yang diambil dari lampiran tugas akhir mahasiswa Jurusan
Statistika ITS. Penelitian ini dilakukan dengan membuat fungsi
diskriminan untuk melakukan klasifikasi serta melihat ketepatan
klasifikasi berdasarkan fungsi yang terbentuk. Berdasarkan hasil
analisis, dapat disimpulkan bahwa variabel yang signifikan terhadap
model adalah nilai rapor Bahasa Indonesia dan Fisika. Nilai rapor
Bahasa Indonesia yang diperoleh siswa akan cenderung masuk ke
dalam kelompok SMA/MA negeri, sedangkan nilai rapor Fisika akan
cenderung masuk ke dalam kelompok SMA/MA swasta
Kata Kunci: Analisis Diskriminan, Nilai Rapor, Siswa, Status Sekolah

iii
(Halaman ini sengaja dikosongkan)

iv
 DAFTAR ISI

Halaman
HALAMAN JUDUL.................................................................... i
ABSTRAK.................................................................................. iii
DAFTAR ISI ................................................................................v
DAFTAR TABEL ..................................................................... vii
DAFTAR GAMBAR ................................................................. ix
DAFTAR LAMPIRAN ............................................................. xi
BAB I PENDAHULUAN
1.1 Latar Belakang .......................................................1
1.2 Rumusan Masalah ..................................................2
1.3 Tujuan ....................................................................2
1.4 Manfaat ..................................................................3
1.5 Batasan Masalah.....................................................3
BAB II TINJAUAN PUSTAKA
2.1 Statistika Deskriptif ................................................5
2.1.1 Rata-rata (Mean) .......................................... 5
2.1.2 Varians ......................................................... 5
2.1.3 Median ......................................................... 6
2.1.4 Nilai Minimum dan Nilai Maksimum .......... 6
2.2 Pengujian Asumsi dalam Analisis Diskriminan .....6
2.2.1 Uji Asumsi Distribusi Normal Multivariat .. 6
2.2.2 Uji Box’s M Error! Bookmark not defined.
2.2.3 Pendeteksian Multikolinieritas............Error!
Bookmark not defined.
2.3 Analisis Diskriminan ...........Error! Bookmark not
defined.
2.4 Nilai Rapor ........... Error! Bookmark not defined.
BAB III METODOLOGI PENELITIAN
3.1 Sumber Data ...........................................................7
3.2 Variabel Penelitian .................................................7
3.3 Struktur Data ..........................................................7
3.4 Langkah Analisis ....................................................8

v
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Eksplorasi Data.................................................... 11
4.2 Pengujian Asumsi dalam Analisis Diskriminan .. 11
4.2.1 Asumsi Distribusi Normal Multivariat....... 12
4.2.2 Asumsi Homogenitas Matriks Varians
Kovarians ................................................... 12
4.2.3 Asumsi Multikolinieritas............................ 13
4.3 Analisis Diskriminan ........................................... 13
4.3.1 Uji Kesamaan Vektor Rata-rata ......... Error!
Bookmark not defined.
4.3.2 Metode Stepwise ....... Error! Bookmark not
defined.
4.3.3 Eigen Value Error! Bookmark not defined.
4.3.4 Fungsi Diskriminan ... Error! Bookmark not
defined.
4.3.5 Ketepatan Klasifikasi Error! Bookmark not
defined.
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan.......................................................... 18
5.2 Saran .................................................................... 18
DAFTAR PUSTAKA
LAMPIRAN

vi
 DAFTAR TABEL

Halaman
Tabel 3.1 Variabel Penelitian ...................................................... 7
Tabel 3.2 Struktur Data ............................................................... 7
Tabel 4.1 Karakteristik Data ..... Error! Bookmark not defined.
Tabel 4.2 Hasil Uji Distribusi Normal Multivariat.................... 12
Tabel 4.3 Hasil Uji Box’s M ...................................................... 13
Tabel 4.4 Korelasi antara Nilai Rapor Bahasa Indonesia dengan
Nilai Rapor MatematikaError! Bookmark not
defined.
Tabel 4.5 Korelasi antara Nilai Rapor Bahasa Indonesia dengan
Nilai Rapor Fisika ..... Error! Bookmark not defined.
Tabel 4.6 Korelasi antara Nilai Rapor Bahasa Indonesia dengan
Nilai Rapor Kimia ..... Error! Bookmark not defined.
Tabel 4.7 Korelasi antara Nilai Rapor Bahasa Indonesia dengan
Nilai Rapor Biologi ... Error! Bookmark not defined.
Tabel 4.8 Korelasi antara Nilai Rapor Matematika dengan Nilai
Rapor Fisika .............. Error! Bookmark not defined.
Tabel 4.9 Korelasi antara Nilai Rapor Matematika dengan Nilai
Rapor Kimia .............. Error! Bookmark not defined.
Tabel 4.10 Korelasi antara Nilai Rapor Matematika dengan Nilai
Rapor Biologi ............ Error! Bookmark not defined.
Tabel 4.11 Korelasi antara Nilai Rapor Fisika dengan Nilai Rapor
Kimia ......................... Error! Bookmark not defined.
Tabel 4.12 Korelasi antara Nilai Rapor Fisika dengan Nilai Rapor
Biologi ....................... Error! Bookmark not defined.
Tabel 4.13 Korelasi antara Nilai Rapor Kimia dengan Nilai
Rapor Biologi ............ Error! Bookmark not defined.
Tabel 4.14 Nilai VIF ................... Error! Bookmark not defined.
Tabel 4.15 Uji Kesamaan Vektor Rata-rata Nilai Rapor Bahasa
Indonesia ................... Error! Bookmark not defined.
Tabel 4.16 Uji Kesamaan Vektor Rata-rata Nilai Rapor
Matematika ................ Error! Bookmark not defined.

vii
 Halaman
Tabel 4.17 Uji Kesamaan Vektor Rata-rata Nilai Rapor
Fisika ....................... Error! Bookmark not defined.
Tabel 4.18 Uji Kesamaan Vektor Rata-rata Nilai Rapor
Kimia....................... Error! Bookmark not defined.
Tabel 4.19 Uji Kesamaan Vektor Rata-rata Nilai Rapor
Biologi..................... Error! Bookmark not defined.
Tabel 4.20 Metode Stepwise ..... Error! Bookmark not defined.
Tabel 4.21 Eigen Value ............. Error! Bookmark not defined.
Tabel 4.22 Fungsi Diskriminan . Error! Bookmark not defined.
Tabel 4.23 Ketepatan KlasifikasiError! Bookmark not
defined.

aja dikosongkan)

viii
 DAFTAR GAMBAR

Halaman
Gambar 3.1 Diagram Alir ............................................................ 9

ix
x
 DAFTAR LAMPIRAN

Halaman
Lampiran 1. Data Faktor Pembentuk Indeks Siswa dan Sekolah
pada Seleksi Nasional Masuk Perguruan Tinggi
Negeri (SNMPTN) di ITSError! Bookmark not
defined.
Lampiran 2. Output Software Karakteristik Data ..............Error!
Bookmark not defined.
Lampiran 3. Output Software Uji Asumsi Distribusi Normal
Multivariat. ........... Error! Bookmark not defined.
Lampiran 4. Output Software Uji Asumsi Homogenitas Matriks
Varians Kovarians Error! Bookmark not defined.
Lampiran 5. Output Software Pendeteksian Multikolinieritas
Error! Bookmark not defined.
Lampiran 6. Output Software Analisis Diskriminan .........Error!
Bookmark not defined.

xi
(Halaman ini sengaja dikosongkan)

xii
 1

BAB I
PENDAHULUAN

1.1 Latar Belakang

Nilai rapor merupakan hasil evaluasi dari satu semester
yang telah dijalani sebagai siswa. Nilai tersebut dapat menjadi
tolok ukur apakah seorang siswa telah melaksanakan kegiatan
belajar dengan baik atau tidak. Nilai rapor siswa juga dapat
menjelaskan secara general bagaimana rata-rata nilai yang dicapai
oleh siswa di suatu sekolah tertentu (Oetomo, 2002). Nilai rapor
dapat digunakan untuk berbagai keperluan, salah satunya adalah
sebagai persyaratan untuk menempuh jenjang pendidikan
selanjutnya di perguruan tinggi. Terdapat beberapa jalur yang
dapat dilalui oleh para siswa untuk memperoleh kesempatan
untuk melanjutkan studi di perguruan tinggi. Salah satunya adalah
melalui jalur seleksi nasional masuk perguruan tinggi negeri
(SNMPTN). SNMPTN merupakan pola seleksi nasional
berdasarkan hasil penelusuran prestasi akademik dengan
menggunakan rapor semester 1 sampai dengan semester 5 bagi
SMA/MA atau sederajat dengan masa belajar 3 tahun. Selain nilai
rapor, juga terdapat ketentuan-ketentuan lain yang mampu
memberikan pengaruh terhadap hasil seleksi SNMPTN seperti
status sekolah, akreditasi sekolah dan sebagainya (SNMPTN,
2017). Untuk mengetahui klasifikasi faktor-faktor yang
berpengaruh terhadap hasil seleksi jalur SNMPTN, dapat
dilakukan dengan menggunakan metode statistik. Salah satu
metode yang dapat digunakan untuk melakukan klasifikasi adalah
analisis diskriminan.
Analisis diskriminan adalah teknik statistika yang
digunakan untuk mengelompokkan individu-individu ke dalam
kelompok-kelompok yang saling bebas. Analisis diskriminan
digunakan untuk mengklasifikasikan individu ke dalam salah satu
dari dua kelompok atau lebih (Johnson, 2007). Data observasi
atau individu tersebut dikelompokkan ke dalam beberapa
kelompok berdasarkan variabel independennya.

1
2

Penelitian ini dilakukan dengan melakukan klasifikasi

terhadap faktor-faktor pembentuk indeks siswa dan sekolah pada
SNMPTN yang meliputi nilai rapor dan status sekolah. Sebelum
melakukan analisis diskriminan, terdapat beberapa asumsi yang
harus dipenuhi yaitu data berdistribusi normal multivariat,
matriks varians kovarians homogen dan tidak ada
multikolinieritas. Setelah asumsi tersebut terpenuhi, maka dapat
dilanjutkan untuk melakukan uji kesamaan vektor rata-rata dua
populasi, membuat fungsi diskriminan dan menentukan
persentase ketepatan klasifikasi berdasarkan fungsi diskriminan
yang telah terbentuk.

1.2 Rumusan Masalah

Rumusan masalah yang digunakan sebagai acuan analisis
pada penelitian ini adalah sebagai berikut.
1. Bagaimana karakteristik data faktor pembentuk indeks
siswa dan sekolah pada seleksi nasional masuk perguruan
tinggi negeri (SNMPTN) di ITS?
2. Bagaimana hasil pengujian asumsi distribusi normal
multivariat, homogenitas matriks varians kovarians dan
multikolinieritas pada data faktor pembentuk indeks siswa
dan sekolah pada seleksi nasional masuk perguruan tinggi
negeri (SNMPTN) di ITS?
3. Bagaimana hasil analisis diskriminan pada data faktor
pembentuk indeks siswa dan sekolah pada seleksi nasional
masuk perguruan tinggi negeri (SNMPTN) di ITS?

1.3 Tujuan
Berdasarkan rumusan masalah di atas, maka tujuan dari
penelitian ini adalah sebagai berikut.
1. Mendeskripsikan karakteristik data faktor pembentuk
indeks siswa dan sekolah pada seleksi nasional masuk
perguruan tinggi negeri (SNMPTN) di ITS.
 3

2. Melakukan pengujian asumsi distribusi normal multivariat,

homogenitas matriks varians kovarians dan
multikolinieritas pada data faktor pembentuk indeks siswa
dan sekolah pada seleksi nasional masuk perguruan tinggi
negeri (SNMPTN) di ITS.
3. Melakukan analisis diskriminan pada data faktor
pembentuk indeks siswa dan sekolah pada seleksi nasional
masuk perguruan tinggi negeri (SNMPTN) di ITS.

1.4 Manfaat
Manfaat yang dapat diperoleh dari penelitian ini adalah
mampu melakukan klasifikasi terhadap individu berdasarkan
variabel-variabel independen terhadap suatu variabel respon.
Manfaat bagi pembaca dan khususnya bagi para siswa SMA
adalah mengetahui faktor-faktor pembentuk indeks siswa dan
sekolah pada SNMPTN serta klasifikasinya.

1.5 Batasan Masalah

Batasan masalah pada penelitian ini adalah data nilai rapor
siswa pada 5 dari 6 mata pelajaran yang mengikuti seleksi
nasional masuk perguruan tinggi negeri (SNMPTN) di ITS
dengan jumlah 36 dari 10.541 data siswa pada masing-masing
variabel.
4
 1

BAB II
TINJAUAN PUSTAKA

2.1 Statistika Deskriptif

Statistika deskriptif adalah metode yang berhubungan
dengan mengumpulkan, mengeksplorasi, merangkum, dan
menyajikan data kuantitatif sehingga dapat memberikan informasi
yang diinginkan. Dalam statistika deskriptif hal–hal yang
dilakukan adalah pengumpulan data mentah, penyusunan table
distribusi frekuensi, penyajian distribusi frekuensi dalam bentuk
grafik (jika diperlukan), penghitungan ukuran-ukuran untuk
mengikhtisarkan karakteristik data (Walpole, 2012).
2.1.1 Rata-rata (Mean)
Mean atau rata-rata merupakan suatu ukuran pemusatan
data bila data itu diurutkan dari yang terkecil sampai yang
terbesar atau sebaliknya (Walpole, 2012). Rumus untuk
menghitung mean atau rata-rata adalah sebagai berikut.
n
 xi
x  i 1 (2.1)
n
Keterangan:
x = mean (rata-rata)
xi  nilai data ke-i
n = jumlah data
2.1.2 Varians
Varians adalah suatu nilai yang menunjukkan tingkat
variasi atau keragaman dari sekelompok data (Walpole, 2012).
Varians dapat dihitung dengan menggunakan rumus berikut.
n
 ( xi  x )
2
i 1
s 
2
(2.2)
n 1
Keterangan:
s 2  varians

5
6

xi  nilai data ke-i

x = mean (rata-rata)
n = jumlah data
2.1.3 Median
Median adalah nilai tengah dari gugusan data yang telah
diurutkan dari data terkecil sampai data terbesar atau sebaliknya.
Untuk mencari nilai median, dapat dicari dengan cara
mengurutkan data tersebut dari data terkecil sampai data terbesar
atau sebaliknya kemudian menentukan letak median dengan
menggunakan rumus sebagai berikut (Walpole, 2012).
Me  X 1 (2.3)
( n 1)
2
Keterangan:
X... = letak nilai dalam gugusan data
n = jumlah data
2.1.4 Nilai Minimum dan Nilai Maksimum
Nilai maksimum adalah data dengan nilai tertinggi dalam
suatu kumpulan data. Sedangkan nilai minimum adalah data
dengan nilai terkecil dalam suatu kumpulan data (Walpole, 2012).

2.2 Pengujian Asumsi dalam Analisis Diskriminan

Analisis diskriminan memiliki beberapa asumsi yang harus
dipenuhi antara lain asumsi berdistribusi normal multivariat,
matriks varians kovarians homogen dan tidak ditemukan adanya
multikolinieritas. Berikut adalah pengujian asumsi dalam analisis
diskriminan.
2.2.1 Uji Asumsi Distribusi Normal Multivariat
Uji asumsi distribusi normal multivariat adalah pengujian
distribusi normal pada data multivariat atau yang memiliki lebih
dari dua variabel. Langkah dalam uji normalitas multivariat
adalah sebagai berikut (Johnson, 2007).
Hipotesis
H0 : Data berdistribusi multivariat normal
H1 : Data tidak berdistribusi multivariat normal
 1

BAB III
METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini adalah data
sekunder yang diambil dari lampiran tugas akhir yang disusun
oleh Tina Wardania Firdani (1313105002) dengan judul “Analisis
Faktor Pembentuk Indeks Siswa dan Sekolah pada Seleksi
Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) di ITS”.
Pengambilan data tersebut dilakukan pada Jumat, 21 April 2017
pukul 09.30 WIB di Ruang Baca Statistika ITS.

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah
sebagai berikut.
Tabel 3.1 Variabel Penelitian
Variabel Keterangan Skala
Status Sekolah:
Y (1) : SMA/MA Negeri Nominal
(2) : SMA/MA Swasta
X1 Nilai Rapor Bahasa Indonesia Rasio
X2 Nilai Rapor Matematika Rasio
X3 Nilai Rapor Fisika Rasio
X4 Nilai Rapor Kimia Rasio
X5 Nilai Rapor Biologi Rasio

3.3 Struktur Data

Adapun struktur data yang digunakan pada penelitian ini
adalah sebagai berikut.
Tabel 3.2 Struktur Data
Y X1 X2 X3 X4 X5
Y1 X11 X12 X13 X14 X15
Y2 X21 X22 X23 X24 X25
: : : : : :
: : : : : :
Y36 X36,1 X36,2 X36,3 X36,4 X36,5

7
8

3.4 Langkah Analisis

Langkah analisis yang dilakukan pada penelitian ini adalah
sebagai berikut.
1. Mendeskripsikan data faktor pembentuk indeks siswa dan
sekolah pada seleksi nasional masuk perguruan tinggi
negeri (SNMPTN) di ITS.
2. Melakukan pemeriksaan dan pengujian asumsi-asumsi
yang harus dipenuhi dalam analisis diskriminan terhadap
data faktor pembentuk indeks siswa dan sekolah pada
seleksi nasional masuk perguruan tinggi negeri (SNMPTN)
di ITS yaitu:
a. Asumsi normalitas untuk mengetahui apakah data
berdistribusi normal multivariat dengan menggunakan
uji t-proporsi.
b. Asumsi homogenitas untuk mengetahui apakah matriks
varians kovarians data homogen menggunakan uji
Box’s M.
c. Asumsi multikolinieritas untuk mengetahui apakah ada
hubungan antar variabel prediktor dengan
menggunakan nilai pearson correlation dan melihat
nilai Variance Inflation Factors (VIF).
3. Melakukan analisis diskriminan pada data faktor
pembentuk indeks siswa dan sekolah pada seleksi nasional
masuk perguruan tinggi negeri (SNMPTN) di ITS dengan
beberapa tahapan yaitu:
a. Menguji kesamaan vektor rata-rata dengan
menggunakan nilai test of equakity of group means.
b. Menjelaskan model terbaik berdasarkan variabel
prediktor yang signifikan dalam model dengan
menggunakan nilai variables entered/removed pada
metode Stepwise.
c. Menjelaskan kemampuan model dalam menjelaskan
variabel prediktor dengan melihat nilai eigen value.
d. Membuat fungsi diskriminan berdasarkan cononical
discriminant function coefficients.
 9

e. Melihat ketepatan klasifikasi berdasarkan fungsi

diskriminan yang terbentuk dengan menggunakan
classification function coefficients.
4. Menginterpretasikan hasil analisis.
5. Menarik kesimpulan.
Langkah analisis dalam penelitian ini disajikan dengan
diagram alir pada Gambar 3.1 berikut.

Mulai

Eksplorasi Data

Tidak memenuhi
Uji Asumsi Analisis
Diasumikan
Diskriminan

Memenuhi

Analisis Diskriminan

Kesimpulan

Selesai

Gambar 3.1 Diagram Alir

10
 1

BAB IV
ANALISIS DAN PEMBAHASAN

Penelitian analisis korespondensi terhadap status pelamar

kerja berdasarkan tingkat pendidikan di Kota Surabaya tahun
2014 dilakukan dengan beberapa tahapan. Penjelasan masing-
masing tahapan adalah sebagai berikut.
4.1 Uji Independensi
Uji independensi dilakukan untuk mengetahui apakah
tingkat pendidikan berpengaruh terhadap status pelamar kerja di
Kota Surabaya tahun 2014. Asumsi yang harus dipenuhi dalam
analisis korespondensi adalah data saling berhubungan
(dependen). Hasil pengujian yang telah dilakukan adalah sebagai
berikut.
Hipotesis :
H 0 : Variabel tingkat pendidikan dengan status pelamar kerja di
Kota Surabaya tahun 2014 independen
H1 : Variabel tingkat pendidikan dengan status pelamar kerja di
Kota Surabaya tahun 2014 dependen
Taraf signifikan :   0,05
Daerah penolakan : Tolak H0 jika  2   2 ,df
Statistik uji :
Tabel 4.1 Hasil Uji Indepensi
2  02,05;6 P-value
5522,663 12,592 0,000
Tabel 4.1 menunjukkan nilai statistik uji 
2
sebesar
5522,663 lebih besar dari  2
0, 05;6 sebesar 12,592 diperkuat dengan
nilai P-value sebesar 0,000 lebih kecil dari taraf signifikan 
sebesar 0,05 sehingga diperoleh keputusan tolak H 0 yang berarti
variabel tingkat pendidikan dengan status pelamar kerja di Kota
Surabaya tahun 2014 dependen.

11
12

4.2 Analisis Korespondensi

Analisis korespondensi digunakan untuk mereduksi
dimensi variabel. Hasil dari analisis korespondensi biasanya
menggunakan dua dimensi terbaik untuk mempresentasikan data,
yang menjadi koordinat titik dan suatu ukuran jumlah informasi
yang ada dalam setiap dimensi yang biasa dinamakan inersia.
Tahapan-tahapan analisis korespondensi yang dilakukan adalah
sebagai berkut.
4.2.1 Tabel Kontingensi
Tabel kontingensi digunakan untuk mengetahui jumlah
masing-masing kategori. Hasil table kontingensi terhadap data
status pelamar kerja berdasarkan tingkat pendidikan di Kota
Surabaya tahun 2014 yang telah dilakukan disajikan pada Tabel
4.2 sebagai berikut.
Tabel 4.1 Hasil Tabel Kontingensi
Tingkat Status Pelamar Kerja
Total
Pendidikan Terdaftar Ditempatkan Dihapuskan
SD 47 74 29 150
SMP 89 72 53 214
SMA 6.041 5.468 1.441 12.950
Perguruan Tinggi 9.538 5.051 12.965 27.554
Total 15.715 10.665 14.486 49.868
Tabel 4.2 menunjukkan bahwa status pelamar kerja yang
telah dihapuskan terbanyak pada tingkat pendidikan perguruan
tinggi sejumlah 12.965 orang, sedangkan tersedikit pada tingkat
pendidikan SD sejumlah 29 orang. Selain itu, diketahui jika
status pelamar kerja terbanyak adalah pelamar kerja yang sudah
terdaftar pada perusahaan sejumlah 15.715 orang, dan tingkat
pendidikan pelamar kerja terbanyak adalah perguruan tinggi
sejumlah 27.554 orang. Hal ini dikarenakan saat ini lulusan
perguruan tinggi sudah sangat banyak, sehingga mendominasi
jumlah pelamar kerja.
4.2.2 Profil Baris
Profil baris menunjukkan nilai mass yang merupakan nilai
matriks data atau matriks korespondensi. Nilai mass pada profil
 13

baris menunjukkan kecenderungan status pelamar kerja terhadap

tingkat pendidikan. Hasil analisis profil baris disajikan pada Tabel
4.3 sebagai berikut.
Tabel 4.3 Hasil Profil Baris
Tingkat Status Pelamar Kerja
Pendidikan Terdaftar Ditempatkan Dihapuskan
SD 0,313 0,439 0,193
SMP 0,416 0,336 0,248
SMA 0,466 0,422 0,111
Perguruan Tinggi 0,346 0,183 0,471
Mass 0,385 0,261 0,355
Tabel 4.3 menunjukkan bahwa orang dengan tingkat
pendidikan SD, SMP, SMA, dan perguruan tinggi mempunyai
nilai mass terbesar yaitu 0,385 yang berarti orang tersebut
cenderung mempunyai status yang telah terdaftar sebagai pelamar
kerja di sebuah perusahaan. Selain itu, diketahui jika orang
dengan tingkat pendidikan SD mempunyai nilai baris terbesar
yaitu 0,439 yang berarti orang tersebut cenderung mempunyai
status sudah ditempatkan, untuk orang dengan tingkat pendidikan
SMP dan SMA mempunyai nilai baris terbesar sebesar 0,416 dan
0,466 yang berarti orang tersebut cenderung masih mempunyai
status terdaftar di perusahaan, sedangkan orang dengan tingkat
pendidikan perguruan tinggi mempunyai nilai baris terbesar yaitu
0,471 yang berarti orang tersebut cenderung mempunyai status
yang sudah dihapuskan dari daftar pelamar kerja.
4.2.3 Profil Kolom
Profil kolom menunjukkan nilai mass yang merupakan
nilai matriks data atau matriks korespondensi. Nilai mass pada
profil kolom menunjukkan kecenderungan tingkat Pendidikan
terhadap status pelamar kerja. Hasil analisis profil kolom
disajikan pada Tabel 4.4 sebagai berikut.
14

Tabel 4.4 Hasil Profil Kolom

Tingkat Status Pelamar Kerja
Pendidikan Terdaftar Ditempatkan Dihapuskan Mass
SD 0,003 0,007 0,002 0,004
SMP 0,006 0,007 0,004 0,005
SMA 0,384 0,513 0,099 0,317
Perguruan Tinggi 0,607 0,474 0,895 0,674
Tabel 4.4 menunjukkan bahwa status pelamar kerja
cenderung dimiliki oleh orang dengan tingkat pendidikan
perguruan tinggi dengan nilai mass terbesar yaitu 0,674. Selain
itu, diketahui jika orang yang mempunyai status telah terdaftar di
perusahaan mempunyai nilai kolom tertinggi yaitu 0,607 yang
berarti orang tersebut cenderung dengan tingkat pendidikan
perguruan tinggi, untuk orang dengan status sudah ditempatkan
mempunyai nilai kolom terbesar yaitu 0,513 yang berarti orang
tersebut cenderung dengan tingkat pendidikan SMA, sedangkan
orang dengan status yang sudah sihapuskan dari daftar
mempunyai nilai kolom terbesar yaitu 0,895 yang berarti orang
tersebut cenderung dengan tingkat pendidikan perguruan tinggi.
4.2.4 Ragam Data
Ragam data digunakan untuk mengetahui kemampuan
vektor baris dan kolom dalam menjelaskan inersia yang
merupakan nilai yang menjelaskan keragaman data. Hasil analisis
ragam data disajikan pada Tabel 4.5 sebagai berikut.
Tabel 4.5 Hasil Reduksi Dimensi
Dimensi Eigen Value Proporsi Komulatif
1 0,367 0,998
2 0,018 1,000
Tabel 4.5 menunjukkan bahwa pada dimensi pertama
diperoleh eigen value sebesar 0,367 dan pada dimensi kedua
diperoleh eigen value sebesar 0,018. Proporsi komulatif dari
kedua eigen value sebesar 1,000 menunjukkan bahwa dua vektor
baris dan kolom mampu menjelaskan 100% inersia total, sehingga
dua dimensi tersebut dapat menjelaskan 100% keragaman data.
Maka, gambar yang akan dihasilkan akan sangat mewakili
konfigurasi yang sebenarnya.
 15

4.2.5 Confident Row and Column

Confident row dan column digunakan untuk mengetahui
hubungan tingkat Pendidikan dengan dimensi yang terbentuk.
Hasil analisis Confident row disajikan pada Tabel 4.6 sebagai
berikut.
Tabel 4.6 Hasil Confident Row
Tingkat Standar Deviasi Korelasi
Pendidikan 1 2 1-2
SD 0,137 0,320 0,217
SMP 0,006 0,010 0,081
SMA 0,006 0,005 0,138
Perguruan Tinggi 0,004 0,001 -0,380
Tabel 4.6 menunjukkan bahwa dimensi pertama dan kedua
mempunyai keeratan hubungan yang tinggi pada tingkat
pendidikan perguruan tinggi, sedangkan pada tingkat pendidikan
SMP keeratan hubungannya rendah. Selain itu, diketahui bahwa
tingkat pendidikan SD mempunyai keeratan hubungan yang
tinggi dengan kedua dimensi, sedangkan tingkat pendidikan
perguruan tinggi mempunyai keeratan hubungan yang rendah
pada kedua dimensi.
Hasil analisis Confident column disajikan pada Tabel 4.7
sebagai berikut.
Tabel 4.7 Hasil Confident Column
Status Pelamar Standar Deviasi Korelasi
Kerja 1 2 1-2
Terdaftar 0,011 0,024 0,030
Ditempatkan 0,012 0,024 -0,089
Dihapuskan 0,006 0,008 0,124
Tabel 4.7 menunjukkan bahwa dimensi pertama dan kedua
mempunyai keeratan hubungan yang tinggi pada pelamar kerja
dengan status yang sudah dihapuskan dari daftar, sedangkan pada
status pekerja yang sudah terdaftar keeratan hubungannya rendah.
Selain itu, diketahui bahwa status pelamar kerja yang sudah
ditempatkan di perusahaan mempunyai keeratan hubungan yang
tinggi pada kedua dimensi, sedangkan status pelamar kerja yang
16

sudah dihapuskan mempunyai keeratan hubungan yang rendah

pada kedua dimensi.
4.2.6 Plot Korespondensi
Plot korespondensi digunakan untuk melihat
kecenderungan status pelamar kerja terhadap tingkat Pendidikan
di Kota Surabaya tahun 2014 secara visual dengan melihat plot.
Hasil analisis plot korespondensi disajikan pada Gambar 4.1
sebagai berikut.

Gambar 4.1 Plot Korespondensi

Gambar 4.1 menunjukkan bahwa untuk orang dengan
status terdaftar mempunyai jarak yang dekat dengan orang yang
mempunyai pendidikan SMP yang berarti orang dengan status
tersebut cenderung mempunyai pendidikan SMP, untuk orang
dengan status sudah ditempatkan mempunyai jarak yang dekat
dengan orang yang mempunyai tingkat pendidikan SD dan SMA
yang berarti orang dengan status tersebut cenderung mempunyai
 17

tingkat pendidikan SD dan SMA, dan untuk orang dengan status

yang sudah dihapuskan mempunyai jarak terdekat dengan orang
yang mempunyai tingkat pendidikan perguruan tinggi yang
berarti orang dengan status tersebut cenderung mempunyai
pendidikan perguruan tinggi.
4.2.7 Jarak Euclidien
Jarak euclidien menunjukkan jauh atau dekatnya hubungan
antara masing-masing tingkat pendidikan dengan status pelamar
kerja di Kota Surabaya Tahun 2014. Perhitungan jarak euclidien
disajikan pada Tabel 4.8 sebagai berikut.
Tabel 4.8 Jarak Euclidien
Status Pelamar Kerja
Tingkat Pendidikan
Terdaftar Ditempatkan Dihapuskan
SD 2,580 2,518 2,648
SMP 0,281 0,328 0,387
SMA 0,659 0,255 0,657
Perguruan Tinggi 1,200 1,139 0,678
Tabel 4.8 menunjukkan bahwa untuk orang dengan status
terdaftar mempunyai jarak yang dekat dengan orang yang
mempunyai pendidikan SMP sebesar 0,281 yang berarti orang
dengan status tersebut cenderung mempunyai pendidikan SMP,
untuk orang dengan status sudah ditempatkan mempunyai jarak
yang dekat dengan orang yang mempunyai tingkat pendidikan SD
dan SM A sebesar 2,518 dan 0,255 yang berarti orang dengan
status tersebut cenderung mempunyai tingkat pendidikan SD dan
SMA, dan untuk orang dengan status yang sudah dihapuskan
mempunyai jarak terdekat dengan orang yang mempunyai tingkat
pendidikan perguruan tinggi sebesar 0,678 yang berarti orang
dengan status tersebut cenderung mempunyai pendidikan
perguruan tinggi.
 1

BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Kesimpulan yang diperoleh berdasarkan analisis yang telah
dilakukan adalah sebagai berikut.
1. Data memenuhi asumsi independensi dimana variabel
tingkat pendidikan dengan status pelamar kerja di Kota
Surabaya tahun 2014 independen.
2. Orang dengan status terdaftar mempunyai jarak yang dekat
dengan orang yang mempunyai pendidikan SMP yang
berarti orang dengan status tersebut cenderung mempunyai
pendidikan SMP, untuk orang dengan status sudah
ditempatkan mempunyai jarak yang dekat dengan orang
yang mempunyai tingkat pendidikan SD dan SMA yang
berarti orang dengan status tersebut cenderung mempunyai
tingkat pendidikan SD dan SMA, dan untuk orang dengan
status yang sudah dihapuskan mempunyai jarak terdekat
dengan orang yang mempunyai tingkat pendidikan
perguruan tinggi yang berarti orang dengan status tersebut
cenderung mempunyai pendidikan perguruan tinggi.

5.2 Saran
Saran yang ditujukan kepada siswa yang mendaftar
SNMPTN adalah lebih memperhatikan faktor-faktor yang mampu
mempengaruhi hasil seleksi SNMPTN seperti nilai rapor, status
sekolah dan faktor-faktor lain di luar nilai rapor dan status
sekolah agar hasil yang didapatkan memuaskan.

18
19

19
 1

DAFTAR PUSTAKA

Daniel, Wayne W. 1989. Statistika Non Parametrik Terapan.

Jakarta: PT. Gramedia Pustaka Utama.
Drapper, N.R. and Smith, H. 1992. Analisis Regresi Terapan
Edisi Kedua Alih Bahasa Ir. Bambang Simantri. Jakarta:
PT. Gramedia Pustaka Utama.
Johnson, R. A., & Winchern. 2007. Appllied Multivariate
Analysis Third Edition. New Jersey: Prentice Hall Inc.
Nawari. 2010. Analisis Regresi. Jakarta: PT Elex Media
Komputindo
Oetomo, Budi Sutedjo Dharma. 2002. Perencanaan dan
Pengembangan Sistem Informasi. ANDI: Yogyakarta.
SNMPTN. 2017. Informasi Umum SNMPTN 2017.
http://www.snmptn.ac.id/informasi.html?1426322267
diakses pada tanggal 02 Mei 2017 pukul 3.45 WIB
Walpole, Ronald. 2012. Pengantar Statistika. Jakarta: PT.
Gramedia Pustaka Utama.

39
40
41

41
42

LAMPIRAN

Lampiran 1 Data Status Pelamar Kerja Berdasarkan Tingkat

Pendidikan di Kota Surabaya Tahun 2014
Tingkat Status Pelamar Kerja
Pendidikan Terdaftar Ditempatkan Dihapuskan
SD 47 74 29
SMP 89 72 53
SMA 6041 5468 1441
Perguruan Tinggi 9538 5051 12965

Lampiran 2 Hasil Uji Asumsi Independensi

Chi-Square Tests
Asymp. Sig. (2-
Value df sided)
Pearson Chi-Square 5522.663a 6 .000
Likelihood Ratio 6077.853 6 .000
Linear-by-Linear Association 2402.872 1 .000
N of Valid Cases 40868
a. 0 cells (.0%) have expected count less than 5. The minimum expected
count is 39.14.

Lampiran 3 Hasil Tabel Kontingensi

Correspondence Table
Kolom
Baris Terdaftar Ditempatkan Dihapuskan Active Margin
SD 47 74 29 150
SMP 89 72 53 214
SMA 6041 5468 1441 12950
PT 9538 5051 12965 27554
Active Margin 15715 10665 14488 40868
 43

Lampiran 4 Hasil Profil Baris

Row Profiles
Kolom
Baris Terdaftar Ditempatkan Dihapuskan Active Margin
SD .313 .493 .193 1.000
SMP .416 .336 .248 1.000
SMA .466 .422 .111 1.000
PT .346 .183 .471 1.000
Mass .385 .261 .355

Lampiran 5 Hasil Profil Kolom

Column Profiles
Kolom
Baris Terdaftar Ditempatkan Dihapuskan Mass
SD .003 .007 .002 .004
SMP .006 .007 .004 .005
SMA .384 .513 .099 .317
PT .607 .474 .895 .674
Active Margin 1.000 1.000 1.000

Lampiran 6 Hasil Reduksi Dimensi

Summary
Proportion of Confidence Singular
Inertia Value
Standar Correlation
Dim Singul d
ensi ar Chi Account Cumul Deviatio
on Value Inertia Square Sig. ed for ative n 2
1 .367 .135 .998 .998 .004 -.001
2 .018 .000 .002 1.000 .005
Total 5522.66
.135 .000a 1.000 1.000
3
a. 6 degrees of freedom

43
44

Lampiran 7 Hasil Confident Row dan Column

Confidence Row Points
Standard Deviation in Dimension Correlation
Baris 1 2 1-2
SD .137 .320 .217
SMP .006 .010 .081
SMA .006 .005 .138
PT .004 .001 -.038

Confidence Column Points

Standard Deviation in Dimension Correlation
Kolom 1 2 1-2
Terdaftar .011 .024 .030
Ditempatkan .012 .024 -.089
Dihapuskan .006 .008 .124

Lampiran 8 Hasil Perhitungan Jarak Euclidean

Row Points Column Point
Dimension Dimension
1 2 1 2
-0.743 2.223 0.238 -0.163
0.392 0.072 0.707 0.164
0.88 -0.024 0.779 0.056
-0.42 -0.001
Tingkat Status Pelamar Kerja
Pendidikan Terdaftar Ditempatkan Dihapuskan
SD 2.580 2.518 2.648
SMP 0.281 0.328 0.387
SMA 0.657 0.255 0.129
Perguruan Tinggi 0.678 1.139 1.200
 LEMBAR ASISTENSI
PRAKTIKUM METODE MULTIVARIAT TERAPAN
KELAS A SEMESTER GENAP 2016/2017

Kelompok/Modul : /

Nama Asdos :

Nama Praktikan 1/NRP:

Nama Praktikan 2/NRP:

ASISTENSI 1 TTD ASDOS

Kehadiran 1. 2.

Materi yang
direvisi

ASISTENSI 2 TTD ASDOS

Kehadiran 1. 2.

Materi yang
direvisi