Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi Siswa Masuk Jurusan IPA/IPS

MODEL REGRESI LOGISTIK BINER UNTUK IDENTIFIKASI
FAKTOR-FAKTOR YANG MEMPENGARUHI SISWA MASUK
JURUSAN IPA/IPS
(Studi Kasus : Siswa kelas XI SMAN 2 Bogor, Jawa Barat)

EKO YUDHI PRASETYO

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2012

ABSTRACT
EKO YUDHI PRASETYO. Binary Logistic Regression Model to Identify Factors Affecting Student Programs IPA
Login / IPS. Guided by MOHAMMAD MASJKUR and LA ODE ABDUL RAHMAN.
One direction is desired for students and parents is the science classes. On the one hand, this course allows
the student has a choice of majors in universities more than other majors and a lot of work to only accept students
from science classes. Ironically, many students who choose to major in science but does not support the student's
ability. Dealing with the issue, it must be examined factors that influence students major in science. One method
used to analyze the factors that affect students entering the science classes of binary logistic regression. Response
variables used in this study categorical form of data on the status of the incoming students are students majoring in

science or social studies. The data used in this study is population data class XI of SMAN 2 Bogor, West Java, the
academic year 2012/2013. The number of total population is 279 students. Results of analysis of this study is binary
logistic regression models produce values overall classification accuracy of 92.8% for the model classification table
and 92.7% for the ROC curve. Explanatory variables used in this study a total of 18 explanatory variables and the
explanatory variables are eight ties associated with variable responses to the real level of 5%. Wald test results
obtained by the three explanatory variables that significantly influence the status of the students choose a major
motivation, student aspirations and students are happy with the lesson or not exact.
Keywords : Binary Logistic Regression Analysis, Choice of Majors, Factors Login Science Programs

RINGKASAN
Eko Yudhi Prasetyo. Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang
Mempengaruhi Siswa Masuk Jurusan IPA/IPS. Dibimbing oleh MOHAMMAD MASJKUR dan
LA ODE ABDUL RAHMAN.
Salah satu jurusan yang sangat diinginkan siswa dan orang tua adalah jurusan IPA. Di
satu pihak, jurusan ini memungkinkan siswa memiliki pilihan jurusan yang lebih banyak di
Perguruan Tinggi daripada jurusan lain dan banyak pekerjaan yang hanya menerima siswa dari
jurusan IPA. Ironisnya, banyak siswa yang memilih masuk jurusan IPA tetapi kemampuan siswa
tersebut tidak mendukung. Berhubungan dengan masalah tersebut, maka harus ditelaah faktorfaktor yang mempengaruhi siswa tersebut masuk jurusan IPA. Salah satu metode yang digunakan
untuk menganalisis faktor-faktor yang mempengaruhi siswa masuk jurusan IPA yaitu regresi
logistik biner. Peubah respon yang digunakan dalam penelitian ini berupa data kategorik tentang

status siswa yaitu siswa tersebut masuk jurusan IPA atau IPS. Data yang digunakan dalam
penelitian ini adalah data populasi siswa kelas XI SMAN 2 Bogor, Jawa Barat tahun ajaran
2012/2013. Jumlah populasi keseluruhan yaitu 279 siswa. Hasil analisis dari penelitian ini adalah
model regresi logistik biner menghasilkan nilai ketepatan pengklasifikasian keseluruhan model
sebesar 92.8% untuk tabel klasifikasi dan sebesar 92.7% untuk kurva ROC. Peubah penjelas yang
digunakan dalam penelitian ini sebanyak 18 peubah penjelas dan terdapat delapan peubah penjelas
yang memiliki hubungan asosiasi dengan peubah respon pada taraf nyata 5%. Hasil uji Wald
diperoleh tiga peubah penjelas yang berpengaruh signifikan terhadap status siswa yaitu motivasi
memilih jurusan, cita-cita siswa dan siswa senang dengan pelajaran eksakta atau tidak.
Kata kunci: Analisis Regresi Logistik Biner, Pilihan Jurusan, Faktor-Faktor Masuk Jurusan IPA

MODEL REGRESI LOGISTIK BINER UNTUK IDENTIFIKASI
FAKTOR-FAKTOR YANG MEMPENGARUHI SISWA MASUK
JURUSAN IPA/IPS
(Studi Kasus : Siswa kelas XI SMAN 2 Bogor, Jawa Barat)

EKO YUDHI PRASETYO

Skripsi
sebagai salah satu syarat memperoleh gelar

Sarjana Statistika pada
Departemen Statistika

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2012

Judul
Nama
NRP

: Model Regresi Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi
Siswa Masuk Jurusan IPA/IPS
: Eko Yudhi Prasetyo
: G14080035

Menyetujui :
Pembimbing I,

Pembimbing II,

Ir. Mohammad Masjkur, MS
NIP : 196106081986011002

La Ode Abdul Rahman, S.Si, M.Si

Mengetahui :
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor

Dr. Ir. Hari Wijayanto, M.Si
NIP : 196504211990021001

Tanggal Lulus :

PRAKATA
Puji syukur penulis panjatkan kehadirat Allah SWT atas segala berkah dan rahmat-Nya
sehingga penulis dapat menyelesaikan karya ilmiah ini. Karya ilmiah ini berjudul ”Model Regresi

Logistik Biner untuk Identifikasi Faktor-Faktor yang Mempengaruhi Siswa Masuk Jurusan
IPA/IPS”. Karya ilmiah ini penulis susun sebagai salah satu syarat untuk mendapatkan gelar
Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Institut Pertanian Bogor.
Penulisan karya ilmiah ini dapat diselesaikan oleh penulis tidak lepas dari dukungan,
bimbingan dan bantuan dari banyak pihak yang sangat berarti bagi penulis. Oleh karena itu, dalam
kesempatan ini penulis menyampaikan ucapan terima kasih kepada:
1. Bapak Dr. Ir. Hari Wijayanto, M.Si selaku Ketua Departemen Statistika FMIPA IPB.
2. Bapak Ir. Mohammad Masjkur, MS dan Bapak La Ode Abdul Rahman, S.Si, M.Si selaku
dosen pembimbing yang telah memberikan bimbingan, masukan dan arahan selama
penulisan karya ilmiah ini.
3. Bapak Bagus Sartono, S.Si, M.Si selaku dosen penguji luar yang telah memberikan
masukan dan arahan kepada penulis.
4. Seluruh Staf Pengajar Departemen Statistika yang telah memberikan ilmu dan wawasan
selama penulis menuntut ilmu di Departemen Statistika serta seluruh staf Departemen
Statistika yang telah banyak membantu penulis.
5. Kedua orang tua, segenap keluarga besar, Mas Rohim dan Mas Rofiq yang telah
memberikan doa, kasih sayang serta dorongan baik moril maupun materil.
6. Elly Trihadi Utami yang telah memberikan support dan doa dalam menyelesaikan karya
ilmiah ini.

7. Teman-teman seperjuangan statistika khususnya statistika 45 yang telah bersama-sama
dalam segala suka maupun duka.
8. Teman satu kosan Ferry Antoni MS (STK45), Lukman Maulana Yusuf (STK45), Fauzan
Nurrahman (GFM45) dan Abdurohman raither (GM45) yang telah memberikan dukungan
selama penulis menyelesaikan karya ilmiah ini.
9. Seluruh siswa kelas XI SMAN 2 Bogor yang telah bersedia menjadi objek penelitian
karya ilmiah ini
Semoga karya ilmiah ini dapat memberikan manfaat bagi semua pihak. Amin.

Bogor, Oktober 2012

Eko Yudhi Prasetyo

RIWAYAT HIDUP
Penulis dilahirkan di Jember, Jawa Timur pada tanggal 4 Mei 1989 dari pasangan Sud’jai dan
Sri Tunggal. Penulis merupakan anak pertama dan sekaligus sebagai anak tunggal. Tahun 1998
penulis lulus dari TK Dharmawanita Yosowilangun Kidul, Jawa Timur, kemudian melanjutkan
studi di SDN 01 Yosowilangun Kidul, Jawa Timur hingga tahun 2003, setelah itu penulis
melanjutkan studi di SLTPN 01 Yosowilangun Kidul, Jawa Timur dan lulus di tahun 2005.
Selanjutnya, penulis menyelesaikan pendidikan di SMAN 2 Lumajang dan lulus pada tahun 2008.

Pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor melalui jalur USMI.
Setelah satu tahun menjalani perkuliahan di TPB, pada tahun 2008 penulis diterima sebagai
mahasiswa Departemen Statistika, FMIPA IPB dengan pilihan minor Ilmu Ekonomi dan Studi
Pembangunan.
Selama mengikuti perkuliahan, penulis pernah mengikuti kepanitiaan IDEA 2010, Statistika
Ria 2010, Lomba Jajak Pendapat Statistika 2010 dan Survei Pencocokan dan Penelitian (Coklit)
Data Kepesertaan Jaminan Kesehatan Daerah (Jamkesda) Kota Bogor Tahun 2011. Pada bulan
Februari - April 2012, penulis melaksanakan kegiatan praktik lapang di Pusat Penelitian Teh dan
Kina (PPTK) Gambung, Jawa Barat.

DAFTAR ISI
Halaman
DAFTAR GAMBAR ........................................................................................................... viii
DAFTAR TABEL ............................................................................................................... viii
DAFTAR LAMPIRAN ........................................................................................................ viii
PENDAHULUAN ...............................................................................................................
Latar Belakang ...............................................................................................................
Tujuan ............................................................................................................................

1

1
1

TINJAUAN PUSTAKA .......................................................................................................
Regresi Logistik Biner ....................................................................................................
Evaluasi Keakuratan Model .............................................................................................

1
1
3

METODOLOGI ..................................................................................................................
Data ...............................................................................................................................
Metode ...........................................................................................................................

3
3
4

HASIL DAN PEMBAHASAN ............................................................................................

Deskripsi Karakteristik Responden ..................................................................................
Regresi Logistik Biner .....................................................................................................
Interpretasi Koefisien ......................................................................................................
Hasil Evaluasi Keakuratan Model ....................................................................................

4
4
6
7
7

PENUTUP ...........................................................................................................................
Kesimpulan ....................................................................................................................
Saran ..............................................................................................................................

8
8
8

DAFTAR PUSTAKA ..........................................................................................................

8

LAMPIRAN ........................................................................................................................

9

DAFTAR GAMBAR

1
2
3
4
5
6
7
8
9

Halaman

Kurva ROC .............................................................................................................................3
Sebaran responden menurut jurusan yang dipilih ....................................................................4
Sebaran jenis kelamin siswa ...................................................................................................4
Sebaran keikutsertaan siswa dalam organisasi .........................................................................5
Sebaran minat siswa menurut jurusan di Perguruan Tinggi .......................................................5
Sebaran cita-cita siswa ............................................................................................................5
Sebaran pekerjaan ayah siswa .. ...............................................................................................5
Sebaran pendidikan terakhir ayah siswa … ..............................................................................6
Kurva keseluruhan model ROC .. ............................................................................................8

DAFTAR TABEL
1
2
3
4
5
6
7
8

Halaman
Tabel kesesuaian klasifikasi .....................................................................................................3
Tabel kontingensi antara motivasi siswa memilih jurusan dan pilihan jurusan............................5
Peubah penjelas yang lain …....................................................................................................6
Statistik Uji Wald ....................................................................................................................7
Hasil Uji Chi-Square (Goodness of fit test) .. ............................................................................7
Nilai Nagelkerke R Square …. .................................................................................................7
Klasifikasi keseluruhan model status siswa (Cut Off 0.5) .........................................................8
Area dibawah kurva ROC (Cut Off 0.5) ...................................................................................8

DAFTAR LAMPIRAN
Halaman
1 Bentuk kuesioner .................................................................................................................. 10
2 Data primer yang diperoleh beserta peubah penjelasnya ......................................................... 11
3 Kategori ulang peubah penjelas ............................................................................................. 13
4 Asosiasi antara peubah respon dengan peubah penjelas .......................................................... 14
5 Asosiasi antar peubah penjelas .............................................................................................. 15
6 Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk … ............................ 16
7 Hasil statistik Uji-G dari delapan peubah penjelas dengan taraf nyata 5% .............................. 17
8 Hasil statistik Uji Wald dari delapan peubah penjelas menggunakan backward elimination.. .. 17
9 Hasil statistik Uji-G dari empat peubah penjelas yang nyata dengan taraf nyata 5% ............... 19
10 Hasil statistik Uji Wald dari empat peubah penjelas yang nyata dengan taraf nyata 5%............19

1

PENDAHULUAN
Latar belakang
Sepanjang perkembangan pendidikan
formal di Indonesia teramati bahwa
penjurusan di SMA telah dilaksanakan sejak
awal kemerdekaan yaitu tahun 1945 sampai
sekarang yang dipilih menjadi Jurusan yaitu
Ilmu Pengetahuan Alam (IPA) dan Ilmu
Pengetahuan
Sosial
(IPS).
Pergantian
kurikulum dari tahun ke tahun, mulai dari
kurikulum 1968, 1975, 1984, 1994, sampai
dengan yang terakhir yaitu kurikulum 2004,
tetap memberlakukan penjurusan sebagai
bagian integral untuk mencapai tujuan
pendidikan yakni mewujudkan potensi anak
sesuai dengan kemampuannya pada masingmasing gugus ilmu pengetahuan.
Kebijakan
Kementerian
Pendidikan
Nasional menetapkan penjurusan di SMA
seperti yang telah disebutkan di atas, yang
memang acap kali menimbulkan masalah
karena penjurusan SMA itu berkaitan dengan
hajat publik yang penting dan kompleks. Hajat
publik itu penting karena penjurusan berarti
pengarahan haluan hidup seseorang seperti
jenis pekerjaan, nilai yang dianut serta
kepribadian yang mengembannya. Hajat
publik itu kompleks karena penjurusan itu
menyangkut kecerdasan serta kemampuan
manusia
untuk belajar,
selain
juga
menyangkut persaingan kelas sosial karena
penjurusan dipandang sebagai peletakan posisi
siswa dan keluarganya dalam masyarakat,
bahkan juga menyangkut pengendalian emosi
dalam arti apakah orang tua dan siswa dapat
menerima jika siswa tidak masuk jurusan yang
diinginkan.
Salah satu jurusan yang sangat diinginkan
siswa dan orang tua adalah jurusan IPA. Di
satu pihak, jurusan ini memungkinkan siswa
memiliki pilihan jurusan yang lebih banyak di
perguruan tinggi daripada jurusan lain dan
banyak pekerjaan yang hanya menerima siswa
dari jurusan IPA, sehingga tanpa disadari juga
diikuti oleh prestise sosial dalam arti bahwa
siswa dan keluarganya digolongkan sebagai
orang pintar. Namun di pihak lain, materi
pelajaran IPA tidak mudah bagi banyak siswa
sehingga sering menimbulkan masalah antara
keinginan dan kemampuan, antara prestasi dan
pencapaian kriteria penjurusan atau kelulusan,
di samping muncul kecenderungan pemaksaan
kemampuan dengan mewajibkan siswa untuk
mengikuti pelajaran tambahan, serta akibatakibat psikologis lain yang menyertainya.

Tujuan
Tujuan dari penelitian ini adalah
menggunakan model regresi logistik biner
untuk
identifikasi
faktor-faktor
yang
mempengaruhi seorang siswa masuk jurusan
IPA atau IPS dengan studi kasus siswa kelas
XI SMAN 2 Bogor, Jawa Barat.
TINJAUAN PUSTAKA
Regresi Logistik Biner
Regresi logistik biner adalah analisis
statistika yang digunakan untuk menjelaskan
hubungan antara peubah respon yang berskala
kategori biner dengan satu atau lebih peubah
penjelas yang berskala kategori atau kontinu.
Pada model regresi logistik tidak diperlukan
adanya pengujian asumsi yaitu uji normalitas
dan uji asumsi klasik (uji heteroskedastisitas
dan uji autokorelasi). Di dalam regresi logistik
tidak diperbolehkan adanya multikolinearitas
(peubah penjelas yang saling berkorelasi)
karena dengan adanya multikolinearitas galat
baku dari koefisien regresinya akan membesar
sehingga kemungkinan hasil uji Wald dari
masing-masing peubah penjelas tidak
signifikan (Hosmer & Lemeshow 2000).
Hosmer
dan
Lemeshow
(2000)
menjelaskan bahwa model regresi logistik
dibentuk dengan menyatakan E (Y=1|x)
sebagai π(x), dimana π(x) dinotasikan sebagai
berikut:
 exp( g ( x)) 

1  exp( g ( x)) 

 ( x)  

dengan g(x) = β0 + β1x1 + … + βpxp
dimana β0 = konstanta
βi = koefisien regresi logistik
i = 1,2,…,p
p = banyak peubah penjelas
Fungsi regresi di atas berbentuk non
linear sehingga untuk membuatnya menjadi
fungsi linear dilakukan transformasi logit
sebagai berikut (Agresti 2002):
π(x)

logit [�(�)] = In

1−π(x)

= g(x)

Secara umum jika sebuah peubah berskala
nominal atau ordinal mempunyai k
kemungkinan nilai, maka diperlukan k-1
peubah boneka (dummy variable). Sehingga
model transformasi logitnya menjadi:
k j 1

g ( x)  0  1 x1  ...    ju D ju  p x p
u

2

dimana :
xj = peubah bebas ke-j dengan tingkatan kj
kj-1 = jumlah peubah dummy
βju = koefisien peubah dummy
u = 1,2,…,kj-1
Dju = kj-1 peubah dummy
Pendugaan parameter
Metode
umum
dalam
pendugaan
parameter βi pada model logit dilakukan
dengan metode penduga kemungkinan
maksimum, karena asumsi kehomogenan
ragam galat tidak terpenuhi. Jika antara
amatan yang satu dengan yang lain
diasumsikan saling bebas, maka fungsi
kemungkinan maksimumnya adalah:

dengan p peubah penjelas. Hipotesis nol
2
ditolak jika G > χ p α .
Uji nyata parameter secara parsial yang
digunakan dalam penelitian ini adalah statistik
uji Wald, dengan hipotesis yang diuji:
H0 : βj = 0
H1 : βj ≠ 0 ; j=1,2,…,p
Statistik uji Wald didefiniskan sebagai
berikut:
W

ˆ j

SEˆ ( ˆ j )

dimana :
ˆ j = penduga bagi βj
ˆ
SE ( ˆ j ) =galat baku penduga parameter βj
Hipotesis nol ditolak jika |W| > Zα/2.

n

l (  )    ( xi ) 1   ( xi )

i 1
yi

1 yi




dengan :
i
= 1,2,…,n
= respon pada pengamatan ke-i
yi
π(xi) = peluang kejadian ke-i bernilai Y=1
Prinsip dari metode kemungkinan
maksimum adalah memaksimumkan logaritma
fungsi kemungkinan maksimumnya :
n

Ln[l (  )]   yi In[ ( xi )]  (1  yi ) In[1   ( xi )]
i 1

Untuk mendapatkan nilai dugaan
koefisien regresi logistik ( ˆ ) dilakukan dengan
penurunan L(β) terhadap β dan disamakan
dengan nol (McCullagh & Nelder 1983).
Pengujian parameter
Pengujian terhadap parameter model
dilakukan sebagai upaya untuk memeriksa
peranan peubah penjelas yang ada dalam
model. Menurut Hosmer & Lomeshow (2000),
untuk mengetahui peran seluruh peubah
penjelas di dalam model secara simultan dapat
digunakan statistik uji-G. Hipotesis yang diuji
adalah :
H0 : β1 = β2 = … = βp = 0
H1 : paling sedikit ada satu βi≠0, i=1,2,…,p
Statistik uji-G didefinisikan sebagai:
L 
G  2 In  0 
 Lp 

dimana L0 adalah fungsi kemungkinan
maksimum tanpa peubah penjelas, dan Lp
merupakan fungsi kemungkinan maksimum

Diagnostik Model Regresi Logistik
Dalam regresi linear jika data hasil
pengamatan memiliki peubah respon yang
I
ditunjukkan oleh vektor y  ( y1, y2, ..., yn ) dan
yˆ I  ( yˆ1, yˆ 2, ..., yˆ n ) sebagai nilai dugaan y, maka
model dikatakan fit jika jarak antara y dan ŷ
dan sangat kecil.
Dalam regresi logistik, nilai dugaan y( yˆ )
didefinisikan sebagai berikut :
 e gˆ ( x j ) 
m j j  m j  gˆ ( x j ) 
1 


dimana gˆ( x j ) merupakan fungsi penduga logit
sehingga nilai residualnya (disebut Pearson
residual) adalah
r ( y j , ˆ j ) 

( y j  m jˆ j )
m jˆ j (1  ˆ j )

dengan statistik Pearson chi-square
J

 2   r ( y j , ˆ j )2
j 1

dengan hipotesis sebagai berikut
H0 : model fit
H1 : model tidak fit
dimana j = 1,2,…,p
2
Statistik
akan mengikuti sebaran 2
dengan derajat bebas J-(p+1), dengan J~n.
Kaidah keputusan yang diambil adalah jika
2
> 2(J-(p+1))(α) maka hipotesis nol diterima
sehingga model atau fungsi respon regresi
logistik yang dibuat tepat (Anton 2006).
Interpretasi Koefisien
Interpretasi koefisien untuk model regresi
logistik biner dapat dilakukan dengan
menggunakan nilai rasio odds. Odds sendiri
dapat diartikan sebagai rasio peluang kejadian

3

sukses dengan kejadian tidak sukses dari
peubah respon. Rasio odds mengindikasikan
seberapa lebih mungkin munculnya kejadian
sukses pada suatu peubah dibandingkan
dengan peubah lainnya.
Dalam interpretasi koefisien dari rasio
odds untuk peubah penjelas yang berskala
nominal, x = 1 memiliki kecenderungan
untuk y = 1 sebesar
kali dibandingkan
peubah x = 0. Sedangkan untuk peubah
penjelas yang berskala kontinu, jika
lebih
besar atau sama dengan satu maka semakin
besar nilai peubah x diikuti dengan semakin
besarnya kecenderungan untuk y = 1.
Rasio odds tidak membutuhkan peubah
yang menyebar normal dan juga hubungan
antar peubah tidak homoscedasticity. Rasio
odds didefinisikan sebagai berikut:

Tabel 1 Tabel kesesuaian klasifikasi
Prediksi model
Aktual
0
1
Benar (-)
0
Salah (+)
spesifisitas
Benar (+)
1
Salah (-)
sensitivitas
Kurva ROC (Receiver Operating
Characteristic) pada Gambar 1 adalah plot
antara peluang salah positif (1-spesifisitas)
dengan benar positif (sensitivitas). Luas
daerah di bawah kurva ROC berkisar antara 0
dan 1 menunjukkan kemampuan model dalam
mengelompokkan data dan juga digunakan
untuk menilai keakuratan suatu diagnosis
(Fatimah 2009).

Ψ=exp (βi)=exp[g(1)-g(0)]
dimana β adalah koefisien dari model regresi
logistik. Rasio odds memiliki selang
kepercayaan sebagai berikut:
SK=exp[� i± Z1-α/2 x S� (� i)]
(Hosmer and Lemeshow 2000)
Backward Elimination
Backward Elimination merupakan salah
satu metode pereduksian peubah penjelas yang
digunakan dalam analisis regresi baik linier
maupun logistik. Analisis dimulai dengan
model penuh yaitu memasukkan seluruh
peubah penjelas ke dalam model kemudian
peubah-peubah penjelas yang tidak nyata
dikeluarkan dari model melalui proses iterasi.
Pada tiap iterasi peubah yang memiliki nilai-p
terbesar akan dikeluarkan dari model. Proses
iterasi akan berhenti jika peubah bebas yang
ada dalam model memiliki nilai p < α. Setiap
proses eliminasi selesai maka akan dilakukan
uji kebaikan model untuk menguji bahwa
model dapat menggambarkan data dengan
baik. Analisis akan selesai jika tidak ada lagi
peubah yang dieliminasi dari model.
Evaluasi keakuratan model
Menurut Hosmer dan Lemeshow (2000)
salah satu kebaikan model adalah jika
memiliki peluang salah klasifikasi yang
minimal. Tabel kesesuaian klasifikasi
merupakan tabel frekuensi dua arah antara
kelompok data sebenarnya dan prediksi.
Tabel tersebut ditampilkan dalam Tabel 1.

Gambar 1 Kurva ROC
METODOLOGI
DATA
Data yang digunakan dalam penelitian ini
adalah data primer yang diperoleh melalui
penyebaran kuesioner kepada seluruh siswa
kelas XI di SMAN 2 Bogor, Jawa Barat tahun
ajaran 2012/2013. Jumlah keseluruhan data
yaitu 279 siswa yang terdiri dari enam kelas
IPA dan tiga kelas IPS dengan 18 peubah
penjelas dan satu peubah respon yaitu status
siswa dimana terdiri dari dua kategori yaitu
siswa tersebut masuk jurusan IPS(0) dan siswa
tersebut masuk jurusan IPA(1).
Pembuatan kuesioner ini bertujuan untuk
menggali informasi lebih dalam mengenai
faktor yang mempengaruhi siswa masuk
jurusan IPA dan IPS. Kuesioner yang telah
dibuat disajikan di Lampiran 1.

4

Peubah penjelas yang digunakan meliputi:
1. Jenis kelamin
2. Motivasi memilih jurusan
3. Motivasi berprestasi
4. Kegiatan ekstrakurikuler
5. Keikutsertaan dalam organisasi
6. Keaktifan dalam organisasi
7. Minat jurusan di Perguruan Tinggi
8. Cita-cita
9. Siswa senang dengan pelajaran
eksakta/tidak
10. Siswa senang berdiskusi/tidak
11. Mengikuti kursus/les tambahan
12. Keikutsertaan dalam kegiatan sosial
13. Film yang disukai
14. Buku yang disukai
15. Pekerjaan ayah
16. Pendidikan terakhir ayah
17. Pekerjaan ibu
18. Pendidikan terakhir ibu
METODE
Tahapan yang dilakukan dalam penelitian
ini adalah:
1. Menyusun
dan
menyiapkan
kuesioner.
2. Melakukan
analisis
statistika
deskriptif
untuk
memperoleh
gambaran karakteristik siswa.
3. Melihat hubungan/asosiasi antara
peubah penjelas dengan peubah
respon serta antar peubah penjelas.
4. Melakukan pendugaan parameter
regresi logistik biner terhadap data
dengan
menggunakan
metode
kemungkinan maksimum.
5. Melakukan pengujian parameter
secara simultan dengan uji-G dan
pengujian parameter secara parsial
dengan uji Wald.
6. Mereduksi peubah penjelas dengan
metode backward elimination.
7. Melakukan interpretasi koefisien
regresi logistik biner.
8. Menguji keakuratan model dengan
menggunakan tabel klasifikasi dan
ROC.
HASIL DAN PEMBAHASAN
Deskripsi Karakteristik Responden
Gambar
2
menampilkan
sebaran
responden menurut jurusan yang dipilih di
SMAN 2 Bogor, Jawa Barat. Berdasarkan
diagram lingkaran pada Gambar 2 tersebut
terlihat bahwa sebanyak 72% yaitu 201 siswa
masuk jurusan IPA dan sisanya 28% yaitu 78
siswa yang masuk jurusan IPS.

Gambar 2 Sebaran responden menurut jurusan
yang dipilih
Sebaran dari masing-masing kategori
peubah bebas sebagian besar tidak merata
(Lampiran 2). Peubah minat jurusan di
Perguruan Tinggi sebagian besar pada bidang
teknik, ekonomi/akuntansi, dan FMIPA. Oleh
karena kurang meratanya sebaran masingmasing kategori pada peubah penjelas, maka
perlu dilakukan proses kategori ulang. Hasil
kategori ulang disajikan pada Lampiran 3.
Gambar 3 menampilkan sebaran siswa
menurut jenis kelamin. Sebanyak 53%
berjenis kelamin wanita dan sebanyak 47%
berjenis kelamin pria. Secara keseluruhan
dapat dilihat bahwa selisih antara siswa
berjenis kelamin wanita dan berjenis kelamin
pria tidak jauh berbeda.

Gambar 3 Sebaran jenis kelamin siswa
Tabel 2 menampilkan tabel kontingensi
antara motivasi siswa memilih jurusan dan
pilihan jurusan. Dari Tabel 2 terlihat bahwa
motivasi siswa memilih jurusan IPA karena
minat sendiri yaitu sebanyak 176 siswa,
sedangkan hanya sebanyak 2 siswa memilih
jurusan IPS karena bukan minat sendiri. Hal
ini terlihat bahwa ternyata sangat sedikit
sekali siswa yang masuk jurusan IPS
dikarenakan bukan minat sendiri.

5

Tabel 2 Tabel kontingensi antara motivasi
siswa memilih jurusan dan pilihan
jurusan

Motivasi
memilih
jurusan

Total

Minat
sendiri
Bukan
minat
sendiri

Pilihan
jurusan SMA
IPS
IPA
76
176

Total

225

2

25

27

78

201

279

Gambar
4
menampilkan
sebaran
keikutsertaan siswa dalam organisasi di
sekolah. Sebanyak 92% dari total keseluruhan
siswa tidak ikut dalam organisasi sekolah dan
sebanyak 8% yang ikut dalam organisasi
sekolah. Hal ini menunjukkan bahwa sebagian
besar siswa tidak ikut dalam organisasi
sekolah.

Gambar 5 Sebaran minat siswa menurut
jurusan di PerguruanTinggi
Gambar 6 menampilkan sebaran cita-cita
siswa. Pada diagram lingkaran tersebut terlihat
bahwa cita-cita siswa di bidang IPA sebanyak
41%, di bidang IPS sebanyak 13% dan bidang
lainnya sebanyak 46%. Hal ini terlihat bahwa
sebagian besar cita-cita siswa di bidang
lainnya yaitu di bidang campuran. Bidang
campuran ini merupakan bidang yang tidak
mensyaratkan dari jurusan tertentu (IPA atau
IPS).

Gambar 4 Sebaran keikutsertaan siswa dalam
organisasi
Gambar
5 menampilkan diagram
lingkaran dari peubah kategorik yaitu minat
siswa terhadap jurusan di Perguruan Tinggi.
Siswa yang minat jurusan teknik di Perguruan
Tinggi sebanyak 24%, untuk jurusan ilmu
kedokteran sebanyak 18% dan untuk jurusan
ekonomi sebanyak 15%, sedangkan sebanyak
43% minat jurusan lainnya. Secara
keseluruhan bahwa jurusan teknik banyak
disukai dan dipilih siswa dalam Perguruan
Tinggi nanti daripada jurusan yang lain seperti
ilmu kedokteran, ekonomi/akuntansi, FMIPA,
psikologi, Hubungan Internasional, hukum
dan lainnya (sastra, komunikasi, pendidikan,
sosial politik, akademi (bidan, polisi,
penerbangan), farmasi, kehutanan, gizi dan
kesehatan masyarakat, agama, sekolah design,
belum tahu).

Gambar 6 Sebaran cita-cita siswa
Gambar
7 menampilkan diagram
lingkaran dari peubah kategorik yaitu
pekerjaan ayah. Dari gambar tersebut terlihat
bahwa sebagian besar pekerjaan ayah siswa
adalah PNS (38%), diikuti oleh pegawai
swasta (30%) dan wiraswasta (26%).

Gambar 7 Sebaran pekerjaan ayah siswa

6

Gambar
8 menampilkan diagram
lingkaran mengenai sebaran pendidikan
terakhir ayah siswa. Dari diagram lingkaran
tersebut terlihat bahwa lebih dari 70% ayah
siswa berpendidikan minimal sarjana. Sebaran
pendidikan ayah lainnya disajikan pada
Gambar 8.

Gambar 8 Sebaran pendidikan terakhir ayah
siswa
Tabel 3 menunjukkan bahwa sebagian
besar (73%) siswa senang dengan pelajaran
eksakta, siswa senang berdiskusi sebanyak
94% dan siswa yang mengikuti les/kursus
tambahan sebanyak 61%.
Tabel 3 Peubah penjelas yang lain
Peubah
Siswa
senang
pelajaran eksakta

dengan

Siswa senang berdiskusi
Les/kursus tambahan

Ya
Tidak
Ya
Tidak
ya
Tidak

%
73
27
94
6
61
39

Berdasarkan analisis tabel kontingensi,
peubah penjelas yang mempunyai asosiasi
dengan peubah respon pada taraf nyata 5%
sebanyak delapan peubah penjelas yaitu jenis
kelamin (X1), motivasi memilih jurusan (X2),
minat jurusan di Perguruan Tinggi (X7), citacita (X8), siswa senang dengan pelajaran
eksakta atau tidak (X9), film yang disukai
(X13), buku yang disukai (X14) dan pendidikan
terakhir ibu (X18). Nilai koefisien kontingensi
antara peubah penjelas dengan peubah respon
beserta nilai signifikansinya disajikan pada
lampiran 4.
Hasil yang didapatkan dari tabel
kontingensi pada Lampiran 5 menunjukkan

bahwa banyak peubah penjelas yang memiliki
hubungan asosiasi dengan peubah penjelas
lainnya pada taraf nyata 5% sehingga terdapat
gejala multikolinearitas. Peubah-peubah yang
digunakan beserta peubah dummy yang
terbentuk disajikan pada Lampiran 6.
Regresi Logistik Biner
Pendugaan regresi logistik biner dengan
menggunakan delapan peubah penjelas
menghasilkan nilai statistik uji-G sebesar
243.706 dengan nilai-p sebesar 0.000
(Lampiran 7). Berdasarkan nilai tersebut dapat
ditarik kesimpulan bahwa pada taraf nyata 5%
sedikitnya ada satu peubah penjelas yang
mempengaruhi peubah respon.
Pengujian parameter (uji Wald) dengan
menggunakan
backward
elimination
menunjukkan bahwa hanya terdapat empat
peubah penjelas yang nyata terhadap peubah
respon pada taraf nyata 5% yang disajikan
pada Lampiran 8.
Pendugaan regresi logistik biner dengan
menggunakan
empat
peubah
penjelas
menghasilkan nilai statistik uji-G sebesar
217.202 dengan nilai-p sebesar 0.000
(Lampiran 9) dan uji Wald menunjukkan
bahwa hanya terdapat tiga peubah penjelas
yang nyata terhadap peubah respon pada taraf
nyata 5% (Lampiran 10). Hasil uji Wald
ternyata terdapat peubah yang tidak nyata
yaitu peubah X1 sehingga tiga peubah penjelas
yang nyata akan dimodelkan ulang.
Pendugaan regresi logistik biner dengan
menggunakan
tiga
peubah
penjelas
menghasilkan nilai statistik uji-G sebesar
213.822 dengan nilai-p sebesar 0.000.
Berdasarkan nilai tersebut dapat ditarik
kesimpulan bahwa pada taraf nyata 5%
sedikitnya ada satu peubah penjelas yang
mempengaruhi peubah respon.
Pengujian
parameter
menggunakan
statistik uji Wald dengan menggunakan tiga
peubah penjelas disajikan pada Tabel 4.
Ketiga peubah penjelas tersebut semuanya
nyata yaitu motivasi siswa memilih jurusan
IPA, cita-cita siswa di Perguruan Tinggi dan
siswa senang dengan pelajaran eksakta atau
tidak.

7

Tabel 4 Statistik uji Wald
x2(1)
x8
x8(1)
x8(2)
x9(1)
Constant

B

S.E.

Wald

Df

Sig.

Exp(B)

-4.315

1.290
0.621
0.687
0.556
1.426

1
2
1
1
1
1

0.001
0.000
0.012
0.000
0.000
0.000

0.013

1.557
-2.659
-4.720
6.880

11.188
27.393
6.291
15.381
72.188
23.282

4.745
0.070
0.009
973.088

95% C.I.for EXP(B)
Lower
Upper
0.001
0.168
1.405
0.019
0.003

16.019
0.264
0.026

Ket : * = Signifikan pada taraf nyata 5%
Berdasarkan uji-G dan uji Wald yang
menyatakan bahwa seluruh peubah-peubah
penjelas tersebut nyata, maka dapat dibentuk
persamaan logit sebagai berikut:
g(x) = 6.012 – 4.315X2(1) + 1.557X8(1) –
2.659X8(2) – 4.720X9(1)
Nilai signifikansi pada Hosmer and
Lemeshow Test yang tersaji pada Tabel 5
adalah sebesar 0.296. Berdasarkan nilai
tersebut dapat ditarik kesimpulan bahwa
persamaan regresi logistik dapat diterima
atau persamaan regresi logistik tersebut telah
cukup menjelaskan data pada taraf nyata
5%.
Tabel 5 Hasil Uji Chi-square (Goodness of
fit test)
Chi-square
4.918

df
4

Sig.
0.296

Tabel 6 menunjukkan kemampuan
peubah bebas dalam menjelaskan peubah
respon menggunakan nilai Nagelkerke R
Square. Nilai Nagelkerke R Square sebesar
0.771
yang
menunjukkan
bahwa
kemampuan ketiga peubah bebas dalam
menjelaskan peubah respon adalah sebesar
77.10%, sedangkan sisanya sebesar 22.90%
dijelaskan oleh faktor lain pada taraf nyata
5%.
Tabel 6 Nilai Nagelkerke R Square
-2 Log likelihood
116.819

Nagelkerke R Square
0.771

Interpretasi Koefisien
Interpretasi koefisien parameter dalam
regresi logistik akan lebih mudah dilihat dari
nilai rasio oddsnya pada peubah penjelas
yang nyata pada taraf nyata 5% (Tabel 4).
Berdasarkan nilai rasio odds pada Tabel
4 diperoleh informasi bahwa peluang
seseorang masuk jurusan IPA karena minat
sendiri (X2(1)) sebesar 0.013 kali peluang
masuk jurusan IPA bukan karena minat
sendiri yang berupa dorongan dari orang tua

dan pengaruh dari teman/sahabat/kerabat.
Dengan kata lain, peluang seseorang masuk
jurusan IPA bukan
karena minat sendiri 76.923 kali peluang
masuk jurusan IPA karena minat sendiri.
Peubah penjelas cita-cita dalam bidang
IPA (X8(1)) memiliki nilai dugaan rasio odds
sebesar 4.745 kali. Hal ini berarti bahwa
peluang seseorang masuk jurusan IPA
karena cita-citanya dalam bidang IPA
sebesar 4.745 kali peluang masuk jurusan
IPA karena cita-citanya dalam bidang
lainnya (IPA dan IPS).
Peubah penjelas cita-cita dalam bidang
IPS (X8(2)) memiliki nilai dugaan rasio odds
sebesar 0.070 kali. Hal ini berarti bahwa
peluang seseorang masuk jurusan IPA
karena cita-citanya dalam bidang IPS
sebesar 0.070 kali peluang masuk jurusan
IPA karena cita-citanya dalam bidang
lainnya (IPA dan IPS) atau dengan kata lain
peluang seseorang masuk jurusan IPA
karena cita-citanya dalam bidang lainnya
(IPA dan IPS) sebesar 14.286 kali peluang
masuk jurusan IPA karena cita-citanya
dalam bidang IPS.
Selanjutnya untuk peubah penjelas
siswa senang dengan pelajaran eksakta atau
tidak (X9(1)) memiliki nilai dugaan rasio
odds sebesar 0.009 kali. Hal ini berarti
bahwa peluang seseorang masuk jurusan
IPA karena tidak senang dengan pelajaran
eksakta sebesar 0.009 kali peluang masuk
jurusan IPA karena senang dengan pelajaran
eksakta atau dengan kata lain peluang
seseorang masuk jurusan IPA karena senang
dengan pelajaran eksakta sebesar 111.111
kali peluang masuk jurusan IPA karena tidak
senang dengan pelajaran eksakta.
Hasil Evaluasi Keakuratan Model
Keakuratan pendugaan model atau
ketepatan prediksi model yang diperoleh
dari hasil analisis regresi logistik biner dapat
diketahui melalui tabel klasifikasi.
Berdasarkan Tabel 7 dengan cut off 0.5
terlihat bahwa total klasifikasi yang tepat
dari 279 siswa adalah sebanyak 259 siswa

8

atau 92.8%. Sedangkan dari Tabel 8 dan
Gambar 9 dapat dilihat bahwa area dibawah
kurva ROC sebesar 0.927 dengan cut off 0.5.
Sehingga kemampuan persamaan regresi
logistik dalam mengelompokkan data
sebesar 92.8% untuk tabel klasifikasi dan
sebesar 92.7% untuk kurva ROC pada taraf
nyata 5%.
Tabel 7 Klasifikasi keseluruhan model status
siswa (cut off 0.5)
Prediksi Model
IPS
IPA
IPS
72
6
IPA
14
187
% Correct Classification Rate (%CCR)
Aktual

%
Benar
92.3
93.0
92.8

Tabel 8 Area dibawah kurva ROC (cut off
0.5)
Area
0.927

Std.error
0.020

Sig.
0.000

SK 95%
Lower Upper
0.887
0.967

Gambar 9 Kurva keseluruhan model
ROC
PENUTUP
Kesimpulan
Faktor-faktor yang berpengaruh secara
signifikan terhadap status siswa masuk
jurusan IPA dan IPS di SMAN 2 Bogor,
Jawa Barat dengan taraf nyata 5% adalah
motivasi memilih jurusan, cita-cita siswa
dan siswa senang dengan pelajaran eksakta
atau tidak. Untuk siswa yang motivasi
memilih jurusan atas dasar bukan minat
sendiri ternyata peluang masuk jurusan IPA
sangat besar daripada siswa yang motivasi
memilih jurusan atas dasar minat sendiri.
Untuk peubah penjelas cita-cita, siswa yang

memiliki cita-cita dalam bidang IPA
ternyata peluang masuk jurusan IPA sangat
besar dibandingkan siswa yang memiliki
cita-cita dalam bidang lainnya (IPA dan
IPS), sedangkan siswa yang memiliki citacita dalam bidang IPS ternyata peluang
masuk
jurusan
IPA
sangat
kecil
dibandingkan siswa yang memiliki cita-cita
dalam bidang lainnya (IPA dan IPS). Selain
itu, siswa yang senang dengan pelajaran
eksakta ternyata peluang masuk jurusan IPA
sangat besar dibandingkan siswa yang tidak
senang dengan pelajaran eksakta.
Saran
Dalam penelitian kali ini terlihat bahwa
motivasi memilih jurusan siswa sebagian
besar bukan minat sendiri, melainkan atas
dorongan dari orang tua dan pengaruh dari
teman/sahabat/kerabat. Saran yang dapat
diberikan untuk penelitian selanjutnya
adalah meneliti mengenai hubungan antara
prestasi siswa dengan motivasi memilih
jurusan siswa.
DAFTAR PUSTAKA
Agresti A. 2002. Categorical Data Analysis.
Second Edition. New Jersey : john
Wiley and Sons.
Hosmer DW, Lemeshow S. 2000. Applied
Logistic Regression. Ed ke-2. New
York : John Wiley and Sons, Inc.
Fatimah D. 2009. Permodelan regresi
logistik untuk mengidentifikasi faktorfaktor yang berpengaruh terhadap
status kredit usaha rakyat (studi kasus
pada nasabah KUR pada Bank Bukopin
Pusat) [skripsi]. Bogor : Fakultas
Matematika dan Ilmu Pengetahuan
Alam. Institut Pertanian Bogor.
Anton. 2006. Model regresi logistik untuk
kejadian
infeksi
luka
operasi
nosokomial [skripsi]. Bogor : Fakultas
Matematika dan Ilmu Pengetahuan
Alam. Institut Pertanian Bogor.
McCullagh, P. and Nelder, JA. 1983.
Generalized Linear Models. London :
Chapman Hall.

LAMPIRAN

10

Lampiran 1 Bentuk kuesioner

KEMENTERIAN PENDIDIKAN NASIONAL
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM-IPB
DEPARTEMEN STATISTIKA
Jln. Meranti Wing 22, Level 4 Kampus IPB Dramaga-Bogor 16680
KUESIONER PENELITIAN
Terima kasih atas partisipasi Anda menjadi salah satu peserta survey dan sukarela mengisi kuesioner ini.
Nama saya Eko Yudhi Prasetyo, mahasiswa IPB jurusan Statistika, pada saat ini saya sedang melakukan
penelitian terkait penjurusan siswa SMAN 2 Bogor. Saya sangat menghargai kejujuran Anda dalam mengisi
kuesioner ini. Saya menjamin kerahasiaan Anda yang terkait dengan kuesioner. Hasil survey ini sematamata akan digunakan untuk tujuan penelitian dan bukan tujuan komersial.
Petunjuk : berilah tanda (x) jika ada pertanyaan optional didepan informasi yang sesuai menurut Anda, dan
pilihlah hanya satu jawaban
1.
2.

3.

4.

5.

6.
7.

Nama :………………………………………
Jenis kelamin :
( ) Pria
( ) Wanita
Apakah jurusan Anda saat ini?
( ) IPA
( ) IPS
Apa motivasi Anda memilih jurusan
tersebut?
( ) Minat sendiri
( ) Dorongan dari orang tua
( ) Pengaruh teman/sahabat/kerabat
( ) Hanya gengsi
( ) Lainnya, sebutkan …………
Apakah Anda mempunyai motivasi untuk
berprestasi?
( ) Ya
( ) Tidak
Berapa skor psikotes Anda (nilai IQ)?

Kegiatan ekstrakurikuler apa yang sering
Anda ikuti?
( ) Pramuka
( ) KIR (Karya Ilmiah Remaja)
( ) PMR
( ) Olahraga (basket, futsal, sepak bola)
( ) Pecinta alam
( ) Lainnya, sebutkan …….
8.
Apakah Anda ikut dalam kegiatan organisasi
siswa (OSIS)?
( ) Ikut
( ) Tidak ikut
9.
Apakah Anda aktif dalam keikutsertaan
kegiatan organisasi siswa (OSIS) tersebut?
( ) Aktif
( ) Tidak aktif
10. Apa minat jurusan Anda di Perguruan
Tinggi nanti?
( ) Ilmu Kedokteran
( ) FMIPA (Statistika,biologi,fisika,kimia)
( ) Ekonomi/akuntansi
( ) Hukum
( ) Psikologi
( ) Teknik
( ) Hubungan Internasonal
( ) Lainnya, sebutkan ………………..
11. Apa cita-cita Anda?
( ) Dokter
( ) Pilot
( ) Insinyur
( ) Polisi/TNI/POLRI
( ) Pengacara
( ) Lainnya, sebutkan …..
( ) Psikolog
12. Apakah Anda senang dengan pelajaran
eksakta (Matematika,biologi,fisika,kimia)?
( ) Ya
( ) Tidak

13. Apakah Anda senang berdiskusi?
( ) Ya
( ) Tidak
14. Apakah Anda selama ini mengikuti
kursus/les tambahan?
( ) Ya
( ) Tidak
15. Apakah Anda suka mengikuti kegiatan
sosial di lingkungan tempat tinggal/sekolah
Anda?
( ) Ya
( ) Tidak
16. Jenis film apa yang Anda sukai?
( ) Detektif
( ) Action
( ) Komedi
( ) Lainnya, sebutkan …..
( ) Drama
17. Jenis buku apa yang Anda sukai?
( ) Ilmiah
( ) Komik
( ) Cerpen
( ) Lainnya, sebutkan …..
( ) Novel
18. Apa pekerjaan Ayah Anda?
( ) PNS/TNI/POLRI
( ) Swasta
( ) Wiraswasta
( ) Petani
( ) lainnya, sebutkan …………..
19. Apa pendidikan terakhir Ayah Anda?
( ) SD
( ) S1
( ) SMP
( ) S2
( ) SMA/SMK ( ) S3
( ) D3
20. Apa pekerjaan Ibu Anda?
( ) Ibu rumah tangga ( ) wiraswasta
( ) PNS
( ) Petani
( ) Swasta
( ) Lainnya,sebutkan…
21. Apa pendidikan terakhir Ibu Anda?
( ) SD
( ) S1
( ) SMP
( ) S2
( ) SMA/SMK ( ) S3
( ) D3
22. Berapa rata-rata penghasilan orang tua Anda
perbulan?

11

Lampiran 2 Data primer yang diperoleh beserta peubah penjelasnya
Peubah
Keterangan
Y
Status siswa
IPA
IPS
X1
Jenis kelamin
Wanita
Pria
X2
Motivasi memilih jurusan
Minat sendiri
Dorongan dari orang tua
Pengaruh sahabat / sahabat / kerabat
X3
Motivasi untuk berprestasi
Ya
Tidak
X4
Kegiatan ekstrakurikuler
Pramuka
KIR
PMR
Olahraga
Pecinta alam
Teater
DKM/ROHIS
Seni (musik, tari, dance)
Paduan suara
Paskibra
Momiji / klub Jepang
Karate, tekwondo, beladiri
Jurnalistik
Tidak ikut
X5
Keikutsertaan dalam organisasi
Ikut
Tidak ikut
X6
Keaktifan dalam organisasi
Aktif
Tidak aktif
X7
Minat jurusan di Perguruan
Ilmu Kedokteran
Tinggi
FMIPA
Ekonomi/akuntansi
Hukum
Psikologi
Teknik
Hubungan Internasional
Sastra
Komunikasi
Pendidikan
Sosial politik
Akademi (kebidanan,
polisi,penerbangan)
Farmasi
Kehutanan
Gizi dan kesehatan masyarakat
Lainnya (agama, sekolah design, belum
tahu)
X8
Cita-cita
Dokter
Insinyur
Pengacara
Psikolog
Pilot
Polisi/TNI/POLRI
Dosen/guru/peneliti
Arsitek
Pengusaha, wiraswasta
PNS

Frekuensi
201
78
148
131
252
23
4
274
5
5
23
17
76
3
6
16
15
22
9
4
12
5
66
22
257
31
248
50
30
41
12
23
68
15
5
12
1
1
5
6
2
3
5
53
45
8
25
9
15
19
9
22
4

12

Lampiran 2 (Lanjutan)
Peubah

X9
X10

Siswa senang dengan pelajaran
eksakta
Siswa senang berdiskusi

X11

Mengikuti kursus / les tambahan

X12

Keikutsertaan dalam organisasi

X13

Film yang disukai

X14

Buku yang disukai

X15

Pekerjaan ayah

Keterangan
Apoteker
Bidan
Konsultan
Diplomat, kedubes
Enginer
Programer
Bidang perminyakan
Pelaut
Akuntan
Menteri
Entertainment
Designer
Tokoh agama
Politikus
Lainnya (astronom, penyuluh kesehatan)
Ya
Tidak
Ya
Tidak
Ya
Tidak
Ikut
Tidak ikut
Detektif
Komedi
Drama, teater
Action
Horor
Fiksi
Kolosal
Fantasi
Kartun, anime
Ilmiah
Cerpen
Novel
Komik
Horor
Militer
Teka-teki
Psikologi
Cerita motivasi
Majalah dunia
Ensiklopedia
Fiksi
PNS/TNI/POLRI
Swasta
Wiraswasta
Petani
Pegawai BUMN
Dokter
Pelaut
Pegawai pemerintahan
Pensiunan
Lainnya, almarhum

Frekuensi
5
2
2
13
2
6
3
1
11
2
11
2
2
2
6
204
75
263
16
171
108
22
257
31
68
48
113
10
2
2
3
2
37
21
114
98
1
1
1
1
1
1
1
2
104
84
72
1
7
1
1
1
3
5

13

Lampiran 2 (Lanjutan)
Peubah
X16
Pendidikan terakhir ayah

X17

Pekerjaan ibu

X18

Pendidikan terakhir ibu

Keterangan
SD
SMP
SMA/SMK/STM
D3
S1
S2
S3
Ibu rumah tangga
PNS
Swasta
Wiraswasta
Bidan
Pegawai BUMN
SD
SMP
SMA/SMK/STM
D3
S1
S2
S3

Lampiran 3 Kategori ulang peubah penjelas
Peubah
Keterangan
X2
Motivasi memilih jurusan
Minat sendiri
Bukan minat sendiri (dorongan dari
orang tua, pengaruh
teman/sahabat/kerabat)
X7
Minat jurusan di Perguruan
Ilmu Kedokteran
FMIPA
Tinggi
Ekonomi/akuntansi
Hukum
Psikologi
Teknik
Hubungan Internasional
Lainnya (sastra, komunikasi,
pendidikan, sosial politik, akademi
(bidan, polisi, penerbangan), farmasi,
kehutanan, gizi dan kesehatan
masyarakat, agama, sekolah design,
belum tahu)
X8
Cita-cita
Bidang IPA (dokter, insinyur, arsitek,
enginer, programer)
Bidang IPS (pengacara, konsultan,
diplomat, kedubes, akuntan, menteri)
Bidang lainnya(psikolog, pilot,
polisi/TNI/POLRI, dosen/guru/peneliti,
pengusaha/wiraswasta, PNS, apoteker,
bidan, bidang perminyakan, pelaut,
entertainment, designer, tokoh agama,
politikus, astronom dan penyuluh
kesehatan)
X13
Film yang disukai
Detektif
Komedi
Drama, teater

Frekuensi
1
2
53
24
139
39
21
173
60
25
18
2
1
1
9
87
53
108
14
7

Frekuensi
252
27

50
30
41
12
23
68
15
40

115
36
128

31
68
48

14

Lampiran 3 (Lanjutan)
Peubah

X14

Buku yang disukai

X15

Pekerjaan ayah

X16

Pendidikan terakhir ayah

X17

Pekerjaan ibu

X18

Pendidikan terakhir ibu

Keterangan
Action
Lainnya (horor, fiksi, kolosal, fantasi,
kartun/anime)
Ilmiah
Cerpen
Novel
Komik
Lainnya (horor, teka-teki, psikologi,
cerita motivasi, majalah dunia,
ensiklopedia)
PNS/TNI/polri/dokter, pegawai
pemerintahan
Swasta
Wiraswasta
Pegawai BUMN
Lainnya (petani, pelaut, pensiunan,
almarhum)
Dasar dan Menengah (SD, SMP,
SMA/SMK)
Diploma (D3)
Sarjana (S1)
Pasca Sarjana (S2, S3)
Ibu rumah tangga
PNS
Swasta
Wiraswasta
Lainnya (bidan, pegawai BUMN)
Dasar dan Menengah (SD, SMP,
SMA/SMK)
Diploma (D3)
Sarjana (S1)
Pasca Sarjana (S2, S3)

Lampiran 4 Asosiasi antara peubah respon dengan peubah penjelas
Peubah
Y (Status siswa)
X1
Jenis kelamin
0.198
(0.001)*
X2
Motivasi memilih jurusan
0.148
(0.012)*
X3
Motivasi berprestasi
0.036
(0.545)
X4
Kegiatan ekstrakurikuler
0.203
(0.531)
X5
Keikutsertaan dalam organisasi
0.004
(0.941)
X6
Keaktifan dalam organisasi
0.059
(0.322)
X7
Minat jurusan di Perguruan Tinggi
0.548
(0.000)*
X8
Cita-cita
0.451
(0.000)*
X9
Siswa senang dengan pelajaran eksakta
0.621
(0.000)*

Frekuensi
113
19
37
21
116
98
7

106
84
72
8
9
56
24
139
60
173
60
25
18
3
97
53
108
21

15

Lampiran 4 (Lanjutan)
X10

Peubah
Siswa senang berdiskusi

X11

Les/kursus tambahan

X12

Keikutsertaan dalam organisasi

X13

Film yang disukai

X14

Buku yang disukai

X15

Pekerjaan ayah

X16

Pendidikan terakhir ayah

X17

Pekerjaan ibu

X18

Pendidikan terakhir ibu

Y (Status siswa)
0.052
(0.381)
0.062
(0.297)
0.069
(0.251)
0.250
(0.001)*
0.245
(0.001)*
0.163
(0.108)
0.122
(0.238)
0.172
(0.075)
0.211
(0.005)*

Ket : (…) = Nilai p-value
(…)* = Nilai p-value yang signifikan pada taraf nyata 5%

Lampiran 5 Asosiasi antar peubah penjelas
X1
X2
X7
X8
X9
X1
1
(0.000)*
X2
0.104
1
(0.079) (0.000)*
X7
0.323
0.144
1
(0.000)*
(0.555) (0.000)*
X8
0.137
0.077
0.648
1
(0.069)
(0.434) (0.000)* (0.000)*
X9
0.132
0.089
0.485
0.379
1
(0.026)*
(0.137) (0.000)* (0.000)* (0.000)*
X13
0.388
0.139
0.399
0.227
0.219
(0.241) (0.003)*
(0.057) (0.007)*
(0.000)*
X14
0.395
0.147
0.375
0.271
0.242
(0.000)*
(0.187) (0.019)* (0.005)* (0.002)*
X18
0.022
0.067
0.300
0.131
0.145
(0.987)
(0.737)
(0.150)
(0.558)
(0.113)
Ket : (…) = Nilai p-value
(…)* = Nilai p-value yang signifikan pada taraf nyata 5%

X13

X14

X18

1
(0.000)*
0.369
(0.000)*
0.165
(0.799)

1
(0.000)*
0.134
(0.954)

1
(0.000)*

16

Lampiran 6 Peubah-peubah yang digunakan beserta peubah dummy yang terbentuk
Peubah
D1
D2
D3
D4
D5
D6
D7
Keterangan
Y
Status
1
IPA
siswa
0
IPS
X1
Jenis
1
Wanita
kelamin
0
Pria
X2
Motivasi
1
Minat sendiri
memilih
0
Bukan minat sendiri
jurusan
(dorongan dari orang
tua, pengaruh
teman/sahabat/kerabat)
X7
Minat
1
0
0
0
0
0
0
Ilmu kedokteran
jurusan di
0
1
0
0
0
0
0
FMIPA
PT
0
0
1
0
0
0
0
Ekonomi/akuntansi
0
0
0
1
0
0
0
Hukum
0
0
0
0
1
0
0
Psikologi
0
0
0
0
0
1
0
Teknik
0
0
0
0
0
0
1
Hubungan
Internasional
0
0
0
0
0
0
0
Lainnya (sastra,
komunikasi,
pendidikan, sosial
politik, akademi
(bidan, polisi,
penerbangan), farmasi,
kehutanan, gizi dan
kesehatan masyarakat,
agama, sekolah design,
belum tahu)
X8
Cita-cita
1
0
Bidang IPA(dokter,
insinyur, arsitek,
enginer, programer)
0
1
Bidang IPS(pengacara,
konsultan, diplomat,
kedubes, akuntan,
menteri)
0
0
Bidang
lainnya(psikolog,
pilot, polisi/TNI/polri,
dosen/guru/peneliti,
pengusaha/wiraswasta,
PNS, apoteker, bidan,
bidang perminyakan,
pelaut, entertainment,
designer, tokoh agama,
politikus, astronom
dan penyuluh
kesehatan)
X9
Siswa
1
Tidak
senang
0
Ya
dengan
pelajaran
eksakta
X13
Film yang 1
0
0
0
Detektif
disukai
0
1
0
0
Komedi
0
0
1
0
Drama,teater

17

Lampiran 6 (Lanjutan)
Peubah
D1
0
0

D2
0
0

D3
0
0

D4
1
0

X14

Buku yang
disukai

1
0
0
0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

X17

Pekerjaan
ibu

1
0
0
0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

X18

Pendidikan
terakhir
ibu

1

0

0

0
0
0

1
0
0

0
1
0

D5

D6

D7

Keterangan
Action
Lainnya (horor, fiksi,
kolosal, fantasi,
kartun/anime)
Ilmiah
Cerpen
Novel/fiksi
Komik
Lainnya (horor, tekateki, psikologi, cerita
motivasi, majalah
dunia, ensiklopedia)
Ibu rumah tangga
PNS
Swasta
Wiraswasta
Lainnya (petani, bidan,
pegawai BUMN)
Dasar dan Menengah
(SD, SMP,
SMA/SMK)
Diploma (D3)
Sarjana (S1)
Pasca Sarjana (S2, S3)

Lampiran 7 Hasil statistik Uji-G dari delapan peubah penjelas dengan taraf nyata 5%
Chi-square
df
Sig.
Step 1
Step
289.602
23
0.000
Block
2