Evaluasi Diri Sekolah Tingkat Sekolah Menengah Atas Menggunakan Model Persamaan Struktural (Studi Kasus di Provinsi Maluku, Sulawesi Barat, Sulawesi Tengah, dan Sulawesi Tenggara)

EVALUASI DIRI SEKOLAH
TINGKAT SEKOLAH MENENGAH ATAS
MENGGUNAKAN MODEL PERSAMAAN STRUKTURAL
(Studi Kasus di Provinsi Maluku, Sulawesi Barat, Sulawesi Tengah, dan
Sulawesi Tenggara)

ANISSA RAHMAYANTI

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Evaluasi Diri Sekolah
Tingkat Sekolah Menengah Atas Menggunakan Model Persamaan Struktural
(Studi Kasus di Provinsi Maluku, Sulawesi Barat, Sulawesi Tengah, dan Sulawesi
Tenggara) adalah benar karya saya dengan arahan dari komisi pembimbing dan
belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber

informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juni 2014
Anissa Rahmayanti
NIM G14100051

ABSTRAK
ANISSA RAHMAYANTI. Evaluasi Diri Sekolah Tingkat Sekolah Menengah
Atas Menggunakan Model Persamaan Struktural (Studi Kasus di Provinsi
Maluku, Sulawesi Barat, Sulawesi Tengah, dan Sulawesi Tenggara). Dibimbing
oleh YENNI ANGRAINI dan AGUS M SOLEH.
Pendidikan memiliki peran strategis dalam pembangunan nasional.
Menurut Badan Akreditasi Nasional Sekolah/Madrasah (BAN S/M) tahun 2012,
Provinsi Maluku, Sulawesi Barat, Sulawesi Tengah, dan Sulawesi Tenggara
memiliki nilai akreditasi yang rendah untuk tingkat Sekolah Menengah Atas
(SMA). Akreditasi diukur melalui delapan Standar Nasional Pendidikan (SNP)
yang kemudian dijadikan instrumen dalam Evaluasi Diri Sekolah (EDS). SNP

terdiri dari delapan standar yang saling berhubungan satu sama lain. Nilai dari
SNP tidak dapat diukur secara langsung sehingga disebut peubah laten, peubah
laten diukur melalui peubah indikator. Model persamaan struktural digunakan
pada penelitian ini untuk menganalisis hubungan antar SNP dan hubungan antara
SNP dengan peubah indikator yang mengukur SNP di keempat provinsi. Model
persamaan struktural menunjukkan bahwa peubah laten isi (ISI), proses (PRS),
penilaian (NIL), pendidik dan tenaga kependidikan (PTK), serta pengelolaan
(PNG) semuanya berpengaruh terhadap standar kompetensi lulusan (SKL).
Peubah laten ISI memiliki pengaruh total terbesar ke SKL dibanding empat
peubah laten lainnya yaitu sebesar 36.05%. Semua peubah indikator telah valid
dalam mengukur peubah latennya masing-masing pada taraf nyata 0.10.
Kata kunci: EDS, model persamaan struktural, peubah indikator, peubah laten,
SNP

ABSTRACT
ANISSA RAHMAYANTI. Evaluasi Diri Sekolah in Senior High School Using
Structural Equation Model (Case Study in the Provinces of Maluku, West
Sulawesi, Central Sulawesi, dan Southeast Sulawesi). Advised by YENNI
ANGRAINI and AGUS M SOLEH.
Education has a strategic role in the national development. According to the

National Accreditation Board in 2012, the Provinces of Maluku, West Sulawesi,
Central Sulawesi, and Southeast Sulawesi has a low value of accreditation for the
senior high school. Accreditation is measured through eight Standar Nasional
Pendidikan (SNP) which is used as an instrument in the Evaluasi Diri Sekolah
(EDS). SNP consists of eight standards that are interconnected with each other.
Value of each standard can not be measured directly so it called latent variables,
latent variables can be measured through the manifest variables. Structural
equation model is used in this study to analyze the relationship between SNP itself
and relationship between SNP with the manifest variables that measure SNP in the
four provinces. Structural equation model showed that the latent variables
contents (ISI), process (PRS), valuation (NIL), educators and education personnel

(PTK), and management (PNG) are all affect the competency standards (SKL).
Latent variable ISI has the largest total effect to SKL when compared with four
other latent variables that is equal to 36.05%. All manifest variables are valid to
measure each latent variable at significance level of 0.10.
Keywords: EDS, manifest variables, latent variables, SNP, structural equation
model

EVALUASI DIRI SEKOLAH

TINGKAT SEKOLAH MENENGAH ATAS
MENGGUNAKAN MODEL PERSAMAAN STRUKTURAL
(Studi Kasus di Provinsi Maluku, Sulawesi Barat, Sulawesi Tengah, dan
Sulawesi Tenggara)

ANISSA RAHMAYANTI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Judul Skripsi : Evaluasi Diri Sekolah Tingkat Sekolah Menengah Atas
Menggunakan Model Persamaan Struktural (Studi Kasus di

Provinsi Maluku, Sulawesi Barat, Sulawesi Tengah, dan Sulawesi
Tenggara)
Nama
: Anissa Rahmayanti
NIM
: G14100051

Disetujui oleh

Yenni Angraini, SSi MSi
Pembimbing I

Agus M Soleh, SSi MT
Pembimbing II

Diketahui oleh

Dr Anang Kurnia, MSi
Ketua Departemen

Tanggal Lulus:

PRAKATA
Alhamdullilah, segala puji dan syukur penulis panjatkan kepada Allah SWT
karena atas rahmat dan karunia-Nya penulis dapat menyelesaikan karya ilmiah ini.
Karya ilmiah ini berjudul Evaluasi Diri Sekolah Tingkat Sekolah Menengah Atas
Menggunakan Model Persamaan Struktural (Studi Kasus di Provinsi Maluku,
Sulawesi Barat, Sulawesi Tengah, dan Sulawesi Tenggara). Karya ilmiah ini
merupakan salah satu syarat untuk mendapatkan gelar Sarjana Statistika pada
Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor.
Penulis mengucapkan terima kasih kepada semua pihak yang telah
membantu dalam menyelesaikan karya ilmiah ini, antara lain:
1. Ibu Yenni Angraini, SSi MSi selaku pembimbing I dan Bapak Agus M
Soleh, SSi MT selaku pembimbing II yang telah membimbing dan
memberi masukan sampai karya ilmiah ini terselesaikan.
2. Bapak Dr Anang Kurnia, MSi selaku dosen penguji atas saran dan
kritikannya yang membangun.
3. Bapak Dr H Ridwan Abdullah Sani, MSi atas penjelasan teori Standar
Nasional Pendidikan (SNP) dan sarannya terkait data penelitian.

4. Dosen pengajar Departemen Statistika yang telah memberikan
ilmunya.
5. Staf tata usaha Departemen Statistika yang telah membantu kelancaran
administrasi.
6. Beasiswa Bidik Misi IPB yang telah membiayai penulis dalam
menjalani masa kuliahnya selama empat tahun.
7. Orang tua saya, Irsyad Satria, Siti Nur Azizah, Dewi Andari, dan
seluruh teman-teman Statistika 47 yang telah memberikan semangat
dan bantuannya.
Penulis menyadari masih banyak kekurangan dalam penulisan karya ilmiah
ini. Oleh karena itu, penulis menerima saran dan kritikan yang membangun dari
berbagai pihak agar dapat meningkatkan pengetahuan penulis di masa yang akan
datang. Penulis berharap karya ilmiah ini dapat bermanfaat bagi penulis
khususnya dan pembaca pada umumnya.
Bogor, Juni 2014
Anissa Rahmayanti

DAFTAR ISI
DAFTAR TABEL

ix

DAFTAR GAMBAR

ix

DAFTAR LAMPIRAN

ix

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

1

METODOLOGI

2

Data

2

Metode

2

HASIL DAN PEMBAHASAN
Eksplorasi Data

6
6

Pengembangan Model Struktural dan Model Pengukuran

10

Identifikasi Model

11

Asumsi Model Persamaan Struktural

11

Pendugaan Parameter Model Persamaan Struktural

12

Modifikasi Model Persamaan Struktural

13

Interpretasi Model Persamaan Struktural

15

SIMPULAN

17

DAFTAR PUSTAKA

17

LAMPIRAN

18

RIWAYAT HIDUP

54

DAFTAR TABEL
1 Ukuran kelayakan model persamaan struktural tahap awal
2 Ukuran kelayakan model persamaan struktural setelah modifikasi tahap
pertama
3 Ukuran kelayakan model persamaan struktural setelah modifikasi tahap
kedua
4 Reliabilitas konstruk dan variance extracted
5 Koefisien jalur antar peubah laten
6 Pengaruh langsung dan tidak langsung antar peubah laten

13
13
14
15
15
16

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11

Diagram alir analisis model persamaan struktural
Jumlah SMA berdasarkan provinsi dan status sekolah
Jarak mahalanobis dari masing-masing observasi
Jarak mahalanobis dari masing-masing observasi setelah pencilan
dikeluarkan
Jumlah SMA berdasarkan provinsi dan status sekolah setelah pencilan
dikeluarkan
Perbandingan nilai rata-rata indikator pada data tanpa pencilan dan data
pencilan
Perbandingan rata-rata nilai pertanyaan untuk masing-masing
komponen sekolah pada data pencilan dan tanpa pencilan
Nilai rata-rata setiap peubah indikator pada SKL setelah pencilan
dikeluarkan
Model teori keterkaitan SNP
Diagram jalur model keterkaitan SNP
Plot kuantil-kuantil dari data yang digunakan

2
7
7
8
8
9
9
10
10
11
12

DAFTAR LAMPIRAN
1 Daftar peubah laten dan peubah indikator yang digunakan beserta daftar
pertanyaan yang membangun peubah indikator
2 Persamaan model struktural dan persamaan model pengukuran
3 Korelasi antar peubah indikator dalam satu laten yang sama
4 Nilai koefisien bobot faktor terstandarisasi pada tahap awal dan setelah
modifikasi (tahap pertama dan tahap kedua)
5 Pengaruh tidak langsung antar peubah laten

18
50
51
52
53

PENDAHULUAN
Latar Belakang
Pendidikan merupakan aspek penting yang memiliki peranan sangat
strategis dalam pembangunan nasional. Pendidikan juga bisa dijadikan salah satu
indikator kemajuan bangsa, sehingga kualitas dari pendidikan sangat penting
untuk diperhatikan. Menurut UU No. 20 tahun 2003 tentang Sistem Pendidikan
Nasional yang dijabarkan diantaranya dalam Peraturan Pemerintah No. 19 tahun
2005, telah dibentuk delapan Standar Nasional Pendidikan (SNP) yang diharapkan
mampu mengangkat kualitas pendidikan di Indonesia. Delapan SNP tersebut
kemudian dijadikan salah satu alat untuk mengkaji peningkatan kualitas sekolah
secara komprehensif yang kemudian dikenal dengan Evaluasi Diri Sekolah (EDS).
Peningkatan kualitas dari suatu sekolah bisa dilihat melalui standar kompetensi
lulusannya (SKL). Berdasarkan teori yang ada, SKL ini dipengaruhi oleh ketujuh
standar lainnya yaitu standar isi (ISI), proses (PRS), penilaian (NIL), pengelolaan
(PNG), pendidik dan tenaga kependidikan (PTK), sarana dan prasarana, serta
pembiayaan (Kemendiknas dan Kemenag 2010). Standar sarana dan prasarana
serta pembiayaan tidak digunakan pada penelitian ini, sehingga standar yang
digunakan ada enam standar. Standar-standar tersebut merupakan peubah-peubah
yang tidak dapat diukur secara langsung sehingga disebut peubah laten, peubah
laten ini diukur melalui peubah indikator. Hubungan antar peubah laten serta
hubungan antara peubah laten dan peubah indikatornya dapat dianalisis dengan
model persamaan struktural.
Menurut Badan Akreditasi Nasional Sekolah/Madrasah (BAN S/M) tahun
2012 untuk tingkat Sekolah Menengah Atas (SMA) terdapat empat provinsi
dengan potret pendidikan yang cukup memprihatinkan dengan sangat sedikitnya
proporsi SMA yang mendapatkan akreditasi A dan cukup tingginya proporsi SMA
yang tidak terakreditasi. Provinsi-provinsi itu antara lain Maluku dengan proporsi
SMA berakreditasi A sebesar 6.52% dan tidak terakreditasi 18.48%, Sulawesi
Barat dengan proporsi SMA berakreditasi A sebesar 6.17% dan tidak terakreditasi
20.99%, Sulawesi Tengah dengan proporsi SMA berakreditasi A sebesar 8.23%
dan tidak terakreditasi 6.96%, serta Sulawesi Tenggara dengan proporsi SMA
berakreditasi A sebesar 13.65% dan tidak terakreditasi 16.12% (www.bansm.or.id). Oleh karena itu, melalui hasil analisis dengan model persamaan
struktural diharapkan dapat dilakukan evaluasi untuk meningkatkan kualitas
pendidikan di keempat provinsi tersebut pada masa yang akan datang.

Tujuan Penelitian
Tujuan dari penelitian ini adalah memperoleh model persamaan struktural
terbaik yang dapat menjelaskan hubungan antar peubah laten serta hubungan
antara peubah laten dan peubah indikator di Provinsi Maluku, Sulawesi Barat,
Sulawesi Tengah, dan Sulawesi Tenggara.

2

METODOLOGI
Data
Data yang digunakan pada penelitian ini adalah data sekunder hasil survei
EDS tahun 2013 yang dilakukan oleh Badan Pengembangan Sumber Daya
Manusia Pendidikan dan Kebudayaan Penjaminan Mutu Pendidikan (BPSDMPKPMP) Kementrian Pendidikan dan Kebudayaan untuk tingkat SMA (tidak
termasuk Sekolah Menengah Kejuruan dan Madrasah) di Provinsi Maluku,
Sulawesi Barat, Sulawesi Tengah, dan Sulawesi Tenggara. Data yang digunakan
ada sebanyak 546 SMA. Survei dilakukan dengan metode kuesioner di setiap
sekolah yang melibatkan tiga komponen sekolah sebagai responden yaitu satu
orang kepala sekolah, minimal 10 guru, dan minimal 30 siswa. Total pertanyaan
ada sebanyak 113 pertanyaan yang terdiri dari 36 pertanyaan yang ditujukan untuk
kepala sekolah, 51 pertanyaan yang ditujukan untuk guru, 25 pertanyaan yang
ditujukan untuk siswa, dan satu pertanyaan yang ditujukan baik untuk guru
maupun untuk kepala sekolah. Pertanyaan-pertanyaan tersebut kemudian
membentuk 32 peubah indikator yang menjelaskan enam peubah latennya masingmasing. Penjelasan dari masing-masing peubah indikator dan pertanyaanpertanyaan yang membangun peubah indikator terdapat pada Lampiran 1. Data
dianalisis menggunakan paket OpenMx yang terdapat pada perangkat lunak R
2.15.3.

Metode
Metode yang dilakukan pada penelitian ini dapat dilihat melalui diagram alir
pada Gambar 1.

Gambar 1 Diagram alir analisis model persamaan struktural

3
Tahapan analisis yang dilakukan adalah sebagai berikut :
1.

Melakukan analisis statistika deskriptif dari data SNP SMA di Provinsi
Maluku, Sulawesi Barat, Sulawesi Tengah, dan Sulawesi Tenggara.

2.

Melakukan pengembangan model struktural berdasarkan teori.

3.

Melakukan konstruksi diagram jalur dari model teori.
Model persamaan struktural terdiri dari dua macam model, yaitu model
struktural dan model pengukuran. Model struktural menjelaskan hubungan
antar peubah laten dan model pengukuran menjelaskan hubungan antara
peubah laten dan peubah indikator (Kusnendi 2008). Peubah laten terdiri
dari dua macam yaitu peubah laten endogen dan peubah laten eksogen.
Peubah laten endogen merupakan peubah laten yang minimal dipengaruhi
oleh satu atau lebih peubah laten lainnya, namun peubah laten ini tetap
bisa mempengaruhi peubah laten lainnya. Sedangkan peubah laten
eksogen merupakan peubah laten yang hanya bisa mempengaruhi peubah
laten lainnya (Hair et al. 2009).

4.

Melakukan konversi diagram jalur ke persamaan model struktural dan
persamaan model pengukuran.
Persamaan model struktural (Bollen 1989) :
dengan adalah vektor peubah laten endogen berukuran m x 1, adalah
vektor peubah laten eksogen berukuran n x 1, B adalah matriks koefisien
peubah laten endogen terhadap peubah laten endogen berukuran m x m,
adalah matriks koefisien peubah laten eksogen terhadap peubah laten
endogen berukuran m x n, adalah vektor sisaan acak dari hubungan
antara peubah laten endogen dan peubah laten eksogen atau peubah laten
endogen berukuran m x 1, serta m adalah jumlah peubah laten endogen dan
n adalah jumlah peubah laten eksogen.
Persamaan model pengukuran (Bollen 1989) :

dengan y adalah vektor peubah indikator peubah laten endogen berukuran
p x 1, x adalah vektor peubah indikator peubah laten eksogen berukuran q
x 1, y adalah matriks koefisien y terhadap endogen berukuran p x m, x
adalah matriks koefisien x terhadap eksogen berukuran q x n, ε adalah
vektor sisaan pengukuran dari y berukuran p x 1, adalah vektor sisaan
pengukuran dari x berukuran q x 1, serta p adalah banyaknya peubah
indikator bagi peubah laten endogen dan q adalah banyaknya peubah
indikator bagi peubah laten eksogen.
5.

Melakukan identifikasi model.
Identifikasi model dilakukan untuk menentukan terdapat atau tidaknya
solusi bagi parameter yang akan diduga. Cara untuk menentukannya
melalui t-rule yaitu sebagai berikut :
t<

4
dengan t adalah jumlah parameter yang diduga, p adalah jumlah peubah
indikator dari peubah laten endogen, dan q adalah jumlah peubah indikator
dari peubah laten eksogen. Nilai t ini haruslah lebih kecil dari jumlah
elemen unik dari matriks input (Bollen 1989).
6.

Melakukan pemeriksaan asumsi model persamaan struktural.
a. Ukuran contoh
Ukuran contoh yang disarankan agar dapat dilakukan analisis dengan
model persamaan struktural ada sebanyak 5-10 kali banyaknya peubah
indikator (Mattjik dan Sumertajaya 2011).
b. Data menyebar normal ganda
Pengujian kenormalan ganda dari suatu data dapat dilakukan dengan uji
Mardia. Hipotesis yang diuji adalah :
H0 : Data menyebar normal ganda
H1 : Data tidak menyebar normal ganda
Kriteria yang disarankan adalah nilai-p dari uji Mardia lebih dari taraf
nyata yang digunakan yaitu sebesar 0.10.
c. Tidak ada pencilan
Pendeteksian pencilan dapat dilakukan dengan menghitung jarak
mahalanobis dari masing-masing observasi. Jarak mahalanobis (d2)
dapat dituliskan sebagai berikut :
dengan z merupakan vektor nilai setiap peubah indikator untuk masingmasing observasi, merupakan vektor nilai rata-rata setiap peubah
indikator, dan S merupakan matriks peragam dari data contoh. Nilai
jarak mahalanobis observasi yang lebih dari nilai khi-kuadrat pada taraf
nyata 0.10 menunjukkan bahwa observasi tersebut dikategorikan
kedalam pencilan. Pencilan disarankan untuk dikeluarkan dari dalam
data karena dapat menimbulkan bias pada analisis selanjutnya
(Kusnendi 2008).
d. Tidak ada multikolinearitas
Multikolinearitas dalam model persamaan struktural terjadi ketika ada
korelasi yang kuat antar peubah laten eksogen. Deteksi
multikolinearitas ini bisa melalui perhitungan determinan dari matriks
peragam data.

7.

Menentukan matriks input.
Matriks input yang biasa digunakan ada dua macam, yaitu matriks korelasi
dan matriks peragam. Matriks korelasi biasa digunakan ketika skala dari
peubah yang digunakan berbeda, sedangkan matriks peragam biasa
digunakan ketika skala dari peubah sama (Hair et al. 2009).

8.

Melakukan pendugaan parameter.
Pendugaan parameter dilakukan dengan metode penduga kemungkinan
maksimum. Metode ini memaksimumkan fungsi kemungkinan bagi model
persamaan struktural yaitu :
|
|

5
Metode ini secara iteratif akan meminimumkan fungsi
yaitu
sebagai berikut (Bollen 1989) :
|
|
| |
dengan  merupakan matriks peragam dari populasi, ( ) merupakan
matriks peragam dari model yang juga penduga dari , dan S merupakan
matriks peragam dari data contoh.
9.

Melakukan evaluasi kelayakan model.
a. Statistik Khi-Kuadrat
Statistik khi-kuadrat digunakan untuk menguji hipotesis :
H0 :
H1 :
Nilai statistik khi-kuadrat yang sangat kecil atau nilai-p > 0.10
menyatakan bahwa matriks peragam dari model telah cocok dengan
matriks peragam dari populasi. Nilai statistik khi-kuadrat ini akan
semakin besar dengan membesarnya ukuran contoh, sehingga untuk
ukuran contoh yang cukup besar kriteria ini tidak terlalu diharapkan
untuk dipenuhi (Hair et al. 2009).
b. Root Mean Square Error of Approximation (RMSEA)
Nilai RMSEA ini menunjukkan seberapa baik
merepresentasikan populasi (Hair et al. 2009).

model

dapat

√

dengan 2 adalah nilai khi-kuadrat dari model dan N adalah ukuran
contoh yang digunakan. Nilai RMSEA ≤ 0.10 menunjukkan bahwa
model mendekati pemenuhan model terbaik (Kline 2011).
c. Comparative Fit Index (CFI)
Nilai CFI merupakan ukuran kelayakan model yang bersifat komparatif
dengan model dasar atau dikenal dengan baseline model (Kusnendi
2008).

dengan
adalah nilai khi-kuadrat dari model yang dihipotesiskan dan
adalah nilai khi-kuadrat dari model dasar. Nilai CFI yang disarankan
untuk model terbaik adalah CFI ≥ 0.90 (Kline 2011).
d. Tucker Lewis Index (TLI)
Nilai TLI merupakan ukuran kelayakan model yang juga
membandingkan sebuah model yang diuji dengan model dasar (Mattjik
dan Sumertajaya 2011).

6
Nilai TLI yang disarankan untuk model terbaik adalah TLI ≥ 0.90
(Schumacker dan Lomax 2010).
e. Reliabilitas konstruk (RK)
RK menggambarkan kemampuan peubah indikator secara bersamasama mengukur peubah laten.
∑
∑

∑

dengan ij adalah nilai koefisien bobot faktor terstandarisasi ke-i pada
peubah laten ke-j dan eij adalah kesalahan pengukuran peubah indikator
ke-i pada peubah laten ke-j. Nilai RK yang disarankan adalah lebih
besar dari 0.70 (Kusnendi 2008).
f. Variance Extracted (VE)
VE merupakan ukuran yang juga menggambarkan kemampuan
indikator secara bersama-sama mengukur peubah latennya.
∑

dengan k adalah banyaknya peubah indikator pada peubah laten ke-j.
Nilai VE yang disarankan adalah lebih dari 0.50 (Kusnendi 2008).
10. Modifikasi model
Modifikasi model dilakukan ketika kriteria kelayakan model belum
terpenuhi. Caranya adalah dengan membuang peubah indikator yang tidak
valid dan dengan melihat nilai korelasi antar peubah indikator dalam
peubah laten yang sama. Validitas peubah indikator yang dilakukan
dengan menguji hipotesis sebagai berikut:
H0 : ij = 0 (peubah indikator tidak valid)
H1 : ij ≠ 0 (peubah indikator valid)
Peubah indikator dikatakan valid jika nilai statistik t-hitung lebih dari nilai
t pada taraf nyata 0.10 (Hair et al. 2009). Sementara untuk nilai korelasi,
peubah indikator yang memiliki nilai korelasi yang rendah terhadap
peubah indikator lainnya dalam satu peubah laten yang sama menandakan
peubah indikator tersebut kurang baik dalam mengukur peubah latennya
secara bersama-sama.
11. Interpretasi model.
Interpretasi model dilakukan terhadap koefisien jalur serta pengaruh
langsung dan tidak langsung yang terdapat dalam model.

HASIL DAN PEMBAHASAN
Eksplorasi Data
Data yang digunakan terdiri dari 546 SMA dari total 1011 SMA yang
tersebar di empat provinsi yaitu Maluku, Sulawesi Barat, Sulawesi Tengah, dan

7
Sulawesi Tenggara. Jumlah SMA di Provinsi Sulawesi Barat masih sangat sedikit
jika dibandingkan dengan ketiga provinsi lainnya yaitu hanya sebanyak 44 SMA
(Gambar 2). Selain itu, jumlah SMA swasta di Provinsi Maluku jauh lebih
mendominasi dibanding jumlah SMA negerinya. Hal yang berbeda terlihat dari
tiga provinsi lainnya dengan jumlah SMA negeri yang lebih mendominasi
dibanding jumlah SMA swastanya. Namun secara keseluruhan jumlah SMA
negeri dan swasta di keempat provinsi cenderung berimbang yaitu sebesar 52%
SMA negeri dan 48% SMA swasta.
161
129
98
27 17
Sulawesi
Barat

49

Sulawesi
Tengah

34

Sulawesi
Tenggara

Negeri

31

Maluku

Swasta

Gambar 2 Jumlah SMA berdasarkan provinsi dan status sekolah
Berdasarkan kurva nilai jarak mahalanobis dari setiap SMA yang telah
diurutkan (Gambar 3), dapat dilihat bahwa data yang digunakan masih
mengandung banyak pencilan yaitu ada sebanyak 116 SMA atau sekitar 20% dari
total SMA. Nilai jarak mahalanobis dari SMA yang melebihi nilai khi-kuadrat
pada taraf nyata 0.10 dengan derajat bebas 32 dapat dikategorikan sebagai
pencilan. Oleh karena itu, SMA tersebut kemudian dikeluarkan dari data sehingga
total SMA menjadi sebanyak 430 SMA.
200
150
100
50
1
24
47
70
93
116
139
162
185
208
231
254
277
300
323
346
369
392
415
438
461
484
507
530

0
Observasi ke-

Jarak Mahalanobis

Khi-Kuadrat

Gambar 3 Jarak mahalanobis dari masing-masing observasi
Setelah pencilan dikeluarkan dari data, terlihat pada Gambar 4 bahwa data
yang digunakan sudah jauh lebih baik dengan jumlah pencilan yang sudah
berkurang menjadi sebanyak 16 SMA atau hanya sekitar 3% saja dari total SMA.
Karena pencilan tersebut bukan merupakan pencilan yang ekstrem, maka pencilan
tersebut tidak dikeluarkan dari data (Kusnendi 2008).

8
60
50
40
30
20
10
1
20
39
58
77
96
115
134
153
172
191
210
229
248
267
286
305
324
343
362
381
400
419

0
Observasi ke-

Jarak Mahalanobis

Khi-Kuadrat

Gambar 4 Jarak mahalanobis dari masing-masing observasi setelah pencilan
dikeluarkan
Penurunan yang cukup drastis terjadi untuk jumlah SMA di Provinsi
Maluku yang awalnya berjumlah 192 SMA menjadi 76 SMA (Gambar 7).
Artinya seluruh SMA yang terdeteksi sebagai pencilan yaitu berjumlah 116 SMA
berasal dari Provinsi Maluku. Mayoritas SMA yang merupakan data pencilan
merupakan SMA berstatus swasta yaitu sebanyak 112 SMA dan sisanya empat
SMA berstatus negeri.
129
98

49
24 20
Sulawesi
Barat

49

27

Maluku
Negeri

Sulawesi
Tengah

34

Sulawesi
Tenggara

Swasta

Gambar 5 Jumlah SMA berdasarkan provinsi dan status sekolah setelah
pencilan dikeluarkan
Banyaknya SMA yang dikategorikan pencilan dan semuanya berasal dari
Provinsi Maluku menunjukkan bahwa provinsi tersebut memiliki penyimpangan
yang cukup besar terhadap provinsi lainnya. Nilai rata-rata dari peubah indikator
pada data pencilan memiliki nilai yang relatif lebih rendah dibanding rata-rata
peubah indikator pada data tanpa pencilan (Gambar 6). Nilai yang cukup berbeda
jauh terlihat dari prestasi siswa atau lulusan (Y1) dengan nilai rata-rata sebesar
2.56 pada data pencilan dan nilai rata-rata sebesar 3.64 pada data tanpa pencilan.
Selain itu, aspek transparansi dan akuntabilitas dalam penilaian (Y22),
profesionalitas pendidik (Y24), kepemilikan sekolah terhadap dokumen
perencanaan yang berkualitas (X2), serta evaluasi pelaksanaan perencanaan
sekolah (X4) juga memiliki nilai yang lebih rendah pada data pencilan
dibandingkan dengan data tanpa pencilan.

9
8
7
6
5
4
3
2
1
0

Y1
Y2
Y3
Y4
Y5
Y6
Y7
Y8
Y9
Y10
Y11
Y12
Y13
Y14
Y15
Y16
Y17
Y18
Y19
Y20
Y21
Y22
Y23
Y24
Y25
X1
X2
X3
X4
X5
X6
X7

9

SKL

ISI

PRS

Tanpa pencilan

NIL

PTK

PNG

Pencilan

Gambar 6 Perbandingan nilai rata-rata indikator pada data pencilan dan tanpa
pencilan
8
6
4
2
0
Siswa

Guru
Tanpa pencilan

Kepala sekolah
Pencilan

Gambar 7 Perbandingan rata-rata nilai pertanyaan untuk masing-masing
komponen sekolah pada data pencilan dan tanpa pencilan
Jika dilihat dari nilai rata-rata pertanyaan yang ditujukan untuk kepala
sekolah (Gambar 7), data pencilan memiliki nilai rata-rata yang lebih rendah
dibanding data tanpa pencilan. Sementara untuk nilai rata-rata dari pertanyaan
yang ditujukan untuk guru dan siswa relatif berimbang baik untuk data pencilan
maupun data tanpa pencilan. Nilai rata-rata yang rendah pada pertanyaan untuk
kepala sekolah sejalan dengan rendahnya nilai rata-rata peubah indikator Y1, Y22,
Y24, X2, dan X4. Peubah-peubah indikator tersebut memang didominasi oleh
pertanyaan-pertanyaan yang ditujukan untuk kepala sekolah. Perbedaan yang
cukup jauh dari nilai pada peubah-peubah tersebut bisa disebabkan karena adanya
dugaan kecurangan yang dilakukan oleh operator di Provinsi Maluku yang
menyebabkan data tidak menggambarkan keadaan yang sebenarnya, sehingga hal
ini sangat berpotensi menjadikan data di Provinsi Maluku tersebut sebagai
pencilan.
Peubah indikator Y1 memiliki nilai rata-rata yang rendah di keempat
provinsi yang artinya prestasi siswa atau lulusan di keempat provinsi masih cukup
rendah (Gambar 8). Peubah prestasi ini juga memiliki nilai yang beragam jika
dilihat berdasarkan provinsinya. Provinsi Sulawesi Tengah memiliki nilai rata-rata
Y1 tertinggi dan Provinsi Maluku memiliki nilai rata-rata Y1 terendah. Peubah
indikator Y2 sampai Y6 memiliki nilai rata-rata yang cenderung merata di setiap

10
provinsi. Peubah indikator Y2 mengukur kemampuan lulusan menghayati karakter
(jujur, disipin, bertanggung jawab). Peubah indikator Y3 mengukur kemampuan
lulusan berpikir logis. Peubah indikator Y4 dan Y5 masing-masing mengukur
kemampuan lulusan berkomunikasi efektif dan kemampuan lulusan untuk
menalar. Sedangkan peubah indikator Y6 mengukur pengetahuan prosedural dan
metakognitif dari lulusan.
7
6
5
4
3
2
1
0
Y1
Maluku

Y2
Sulawesi Barat

Y3

Y4
Sulawesi Tengah

Y5

Y6

Sulawesi Tenggara

Gambar 8 Nilai rata-rata peubah indikator pada SKL di setiap provinsi setelah
pencilan dikeluarkan
Pengembangan Model Struktural dan Model Pengukuran
Berdasarkan teori pendidikan yang ada, SKL dipengaruhi oleh kelima
standar lainnya (Gambar 9). SKL dipengaruhi secara langsung oleh ISI, PRS, dan
NIL, sementara PTK dan PNG mempengaruhi SKL secara tidak langsung. Model
teori ini kemudian dikembangkan kedalam diagram jalur yang ditunjukkan pada
Gambar 10. SKL dibangun oleh enam peubah indikator, ISI dibangun oleh empat
peubah indikator, PRS dibangun oleh delapan peubah indikator, NIL dibangun
oleh lima peubah indikator, PTK dibangun oleh dua peubah indikator, dan PNG
dibangun oleh tujuh peubah indikator. Konversi diagram jalur kedalam persamaan
model struktural dan model pengukuran dapat dilihat pada Lampiran 2.

Gambar 9 Model teori keterkaitan SNP

11

Gambar 10 Diagram jalur model keterkaitan SNP
Identifikasi Model
Model yang teridentifikasi artinya memiliki solusi bagi dugaan parameter
model. Model dikatakan dapat diidentifikasi jika jumlah parameter yang diduga
kurang dari atau sama dengan jumlah seluruh parameter yang ada dalam model.
Jumlah parameter yang akan diduga terdiri dari koefisien jalur, koefisien bobot
faktor terstandarisasi, dan kesalahan pengukuran dari masing-masing peubah
indikator. Model persamaan struktural pada penelitian ini memiliki sembilan
koefisien jalur, 32 koefisien bobot faktor yang terstandarisasi, dan 32 kesalahan
pengukuran dari masing-masing peubah indikator, sehingga jumlah parameter
yang akan diduga sebanyak 73 parameter. Jumlah seluruh parameter yang terdapat
dalam model adalah (p+q)(p+q+1)/2 yaitu sebanyak 528 parameter. Karena
umlah parameter yang akan diduga dari model kurang dari jumlah seluruh
parameter yang terdapat dalam model, maka model dapat diidentifikasi.
Asumsi Model Persamaan Struktural
Ukuran Contoh
Jumlah peubah indikator yang digunakan adalah 32 indikator sehingga
ukuran contoh minimal yang digunakan adalah 5-10 kali jumlah indikator yaitu
sebesar 160-320. Jumlah SMA yang digunakan pada analisis adalah 430 SMA
sehingga asumsi ukuran contoh sudah terpenuhi.
Data Menyebar Normal Ganda
Sesuai dengan hasil uji normal ganda dengan menggunakan uji Mardia,
diperoleh nilai-p sebesar 0.00 yang menunjukkan bahwa data tidak menyebar
normal ganda pada taraf nyata 0.10. Namun dengan semakin besarnya ukuran
contoh yang digunakan maka penduga parameter model persamaan struktural
akan konsisten dan semakin konvergen ke nilai parameter yang sebenarnya
(Bollen 1989). Menurut Aunuddin (1989), penyimpangan dari asumsi pola

12
sebaran normal tidak selalu memberikan dampak yang besar terhadap hasil
analisis, terkadang dampaknya kecil sehingga dapat diabaikan. Dampak yang
diakibatkan dari pelanggaran asumsi sebaran normal bergantung pada besarnya
penyimpangan terhadap pola sebaran normal itu sendiri. Besarnya penyimpangan
terhadap sebaran normal dapat dilihat secara eksploratif melalui plot kuantilkuantil (Gambar 11). Plot tersebut menunjukkan bahwa data tidak terlalu
menyimpang dari sebaran normal sehingga data dapat dihampiri dengan sebaran
normal.

Gambar 11 Plot kuantil-kuantil dari data yang digunakan
Tidak Ada Pencilan
Pencilan dideteksi melalui jarak mahalanobis masing-masing SMA yang
telah dibahas pada subbab sebelumnya, sehingga asumsi tidak adanya pencilan
dalam data telah terpenuhi.
Tidak Ada Multikolinearitas
Peubah laten eksogen yang digunakan pada penelitian ini hanya satu yaitu
PNG, sehingga sudah dipastikan tidak terjadi multikolinearitas dalam data.

Pendugaan Parameter Model Persamaan Struktural
Pendugaan parameter model diawali dengan penentuan matriks input yang
digunakan. Model persamaan struktural pada penelitian ini menggunakan matriks
peragam karena skala pengukuran dan satuan dari masing-masing peubah
indikator yang digunakan sama. Metode pendugaan yang digunakan adalah
metode penduga kemungkinan maksimum. Metode ini merupakan metode yang
paling banyak digunakan dan cocok untuk ukuran contoh yang besar. Selain itu,
metode ini merupakan metode yang menjadi default pada paket OpenMx.
Pendugaan parameter pada tahap awal dilakukan dengan melibatkan seluruh
peubah indikator. Ukuran-ukuran kelayakan model seperti nilai-p khi-kuadrat,

13
RMSEA, CFI, dan TLI menunjukkan nilai yang belum memenuhi kriteria
kelayakan model (Tabel 1). Model yang diperoleh pada tahap awal ini masih
kurang baik sehingga perlu dilakukan modifikasi model guna memperbaiki kinerja
model.
Tabel 1 Ukuran kelayakan model persamaan struktural tahap awal
Kriteria kelayakan model Nilai yang disarankan Nilai hasil uji
nilai-p khi kuadrat
≥ 0.10
0.00
RMSEA
≤ 0.10
0.15
CFI
≥ 0.90
0.74
TLI
≥ 0.90
0.72

Modifikasi Model Persamaan Struktural
Tahap pertama dalam modifikasi model adalah mengeluarkan peubah
indikator yang tidak valid. Nilai statistik t-hitung peubah indikator yang kurang
dari nilai t pada taraf nyata 0.10 dikeluarkan dari model. Peubah indikator yang
pertama dikeluarkan dari model adalah peubah Y25 yaitu keteladanan pendidik.
Peubah ini memiliki nilai statistik t-hitung terkecil dibanding peubah indikator
lainnya yaitu sebesar 0.78 yang artinya peubah ini tidak valid atau dengan kata
lain keteladanan pendidik ternyata tidak dapat mengukur kualitas tenaga pendidik
yang ada di sekolah. Modifikasi tahap pertama masih belum menghasilkan model
yang terbaik karena masih belum memenuhi kriteria kelayakan model (Tabel 2).
Oleh karena itu, modifikasi model dilanjutkan ke tahap kedua.
Tabel 2 Ukuran kelayakan model persamaan struktural setelah
modifikasi tahap pertama
Kriteria kelayakan model Nilai yang disarankan Nilai hasil uji
nilai-p khi kuadrat
≥ 0.10
0.00
RMSEA
≤ 0.10
0.14
CFI
≥ 0.90
0.78
TLI
≥ 0.90
0.76
Modifikasi tahap kedua dilakukan dengan membuang peubah indikator yang
memiliki korelasi relatif kecil dengan peubah indikator lainnya dalam peubah
laten yang sama. Korelasi yang relatif kecil antar peubah indikator
mengindikasikan bahwa peubah indikator tersebut kurang baik dalam mengukur
peubah latennya secara bersamaan. Berdasarkan analisis korelasi antar peubah
indikator yang dilakukan pada masing-masing peubah laten, diperoleh Y7,Y14, Y15,
Y16, Y17, Y18, dan Y21 adalah peubah indikator yang dikeluarkan dari model.
Peubah indikator Y14 sampai Y18 merupakan peubah indikator yang membangun
PRS. Kelima peubah indikator ini dikeluarkan dari model dengan melihat
korelasinya yang relatif kecil dibanding peubah indikator lainnya dalam PRS.
Kemampuan siswa dalam berkomunikasi secara efektif (Y14) memiliki korelasi
yang relatif kecil dengan kesesuaian rancangan pelaksanaan pembelajaran (Y11),

14
pengembangan kreatifitas siswa (Y15), kemandirian siswa dalam belajar (Y16), dan
suasana akademik yang mendukung pembelajaran (Y18). Sedangkan
pengembangan kreatifitas siswa itu sendiri memiliki korelasi yang relatif kecil
dengan pengembangan karakter dalam proses belajar mengajar (Y13), kemampuan
berkomunikasi efektif (Y14), interaksi antara guru dan siswa dalam proses
pembelajaran (Y17), dan suasana akademik yang mendukung pembelajaran (Y18).
Keempat peubah indikator tersebut juga memiliki korelasi yang relatif kecil
dengan kemandirian siswa dalam belajar (Y16). Sementara itu, interaksi antara
guru dan siswa dalam proses belajar mengajar (Y17) memiliki korelasi yang relatif
kecil dengan kesesuaian rancangan pelaksanaan pembelajaran (Y11),
pengembangan kreatifitas siswa (Y15), kemandirian siswa dalam belajar (Y16), dan
suasana akademik yang mendukung pembelajaran (Y18). Peubah indikator terakhir
di PRS adalah suasana akademik di sekolah (Y18) ternyata berkorelasi relatif kecil
dengan semua peubah indikator lainnya di PRS. Peubah-peubah indikator tersebut
kemudian dikeluarkan dari model dengan tujuan memperoleh model yang lebih
baik. Selain kelima peubah indikator dari PRS yang dikeluarkan dari model,
peubah indikator Y7 yang berasal dari ISI dan peubah indikator Y21 yang berasal
dari NIL pun dikeluarkan dari model. Peubah indikator Y7 yang berkaitan dengan
kurikulum yang logis dan sistematis memiliki korelasi terendah dengan peubah
indikator lainnya dalam ISI, sehingga Y7 ini dikeluarkan dari model. Peubah
indikator pada NIL yang memiliki korelasi relatif rendah satu sama lain adalah
Y21 dan Y22. Ketika peubah Y22 dikeluarkan dari model ternyata membuat kinerja
model tidak lebih baik dibandingkan jika dibandingkan dengan dikeluarkannya
Y21, sehingga kesesuaian penilaian dengan kompetensi siswa (Y21) lebih
dipertimbangkan untuk dikeluarkan dari model. Nilai korelasi dari peubah
indikator yang dibuang secara lengkap dapat dilihat pada Lampiran 3.
Tabel 3 Ukuran kelayakan model persamaan struktural setelah
modifikasi tahap kedua
Kriteria kelayakan model Nilai yang disarankan Nilai hasil uji
nilai-p khi kuadrat
≥ 0.10
0.00
RMSEA
≤ 0.10
0.10
CFI
≥ 0.90
0.91
TLI
≥ 0.90
0.90
Hasil ukuran kelayakan model dari modifikasi tahap kedua sudah memenuhi
kriteria yang disarankan untuk nilai RMSEA, CFI, dan TLI (Tabel 3). Sedangkan
nilai-p khi-kuadrat masih belum memenuhi kriteria yang disarankan. Hal ini
terjadi karena statistik khi-kuadrat sangat sensitif terhadap ukuran contoh yang
digunakan. Semakin besar ukuran contoh yang digunakan, maka nilai-p dari khikuadrat akan semakin kecil. Modifikasi tahap kedua juga sudah menghasilkan
semua peubah indicator yang valid dalam mengukur peubah latennya pada taraf
nyata 0.10, sehingga model hasil modifikasi tahap kedua merupakan model akhir
yang akan digunakan. Nilai koefisien bobot faktor terstandarisasi beserta statistik
t-hitung dari masing-masing peubah indikator terdapat pada Lampiran 4.
Dilihat dari nilai reliabilitas konstruk dan variance extracted, semua peubah
laten sudah memiliki nilai yang memenuhi kriteria kelayakan model yaitu

15
reliabilitas konstruk lebih dari 0.70 dan variance extracted lebih dari 0.50 (Tabel
4). Hal ini menunjukkan bahwa secara bersama-sama, setiap peubah indikator
yang terdapat dalam model pengukuran telah reliabel dalam mengukur peubah
latennya masing-masing.
Tabel 4 Reliabilitas konstruk dan variance extracted
Peubah Laten Reliabilitas Konstruk Variance Extracted Keterangan
SKL
0.93
0.70
Reliabel
ISI
0.97
0.91
Reliabel
PRS
0.96
0.89
Reliabel
NIL
0.86
0.61
Reliabel
PTK
0.71
0.71
Reliabel
PNG
0.89
0.51
Reliabel
Interpretasi Model Persamaan Struktural
Semua hubungan yang terdapat dalam model memiliki hubungan yang
signifikan dan positif (Tabel 5). Hubungan antara peubah laten ISI dan SKL
menunjukkan bahwa semakin sesuainya materi pembelajaran dengan kurikulum
yang digunakan, maka akan meningkatkan kualitas kompetensi siswa dan lulusan
dari sekolah tersebut. Hal yang sama terjadi pada hubungan-hubungan lain yang
ada dalam model. Koefisien jalur juga menunjukkan kekuatan hubungan antar
peubah laten yang terdapat dalam model. Terdapat beberapa hubungan antar
peubah laten yang memiliki koefisien jalur kecil yaitu PRS ke SKL, NIL ke SKL,
PRS ke NIL, dan PTK ke PRS yang artinya keempat hubungan tersebut memiliki
kekuatan hubungan yang relatif rendah. Akan tetapi, statistik t-hitung
menunjukkan bahwa keempat hubungan tersebut tetap signifikan pada taraf nyata
0.10. Proses belajar mengajar yang menggambarkan laten PRS dan proses
penilaian yang menggambarkan laten NIL selalu muncul di keempat hubungan
dengan koefisien jalur terendah. Masih banyaknya sekolah yang belum
menerapkan sistem penilaian autentik pada kurikulum yang baru bisa
menyebabkan koefisien jalur dari NIL terhadap SKL menjadi kecil bahkan bisa
menjadi tidak signifikan. Sementara itu, banyaknya peubah indikator dalam PRS
yang dibuang pada tahap modifikasi bisa membuat koefisien jalurnya terhadap
SKL menjadi kecil.
Tabel 5 Koefisien jalur antar peubah laten
Hubungan antar peubah laten Koefisien jalur Statistik t-hitung
ISI ke SKL
0.58
6.86
PRS ke SKL
0.18
2.13
NIL ke SKL
0.12
2.15
PRS ke NIL
0.09
2.35
ISI ke PRS
0.86
9.18
PTK ke ISI
0.70
4.44
PTK ke PRS
0.10
2.87
PTK ke NIL
0.92
2.17
PNG ke PTK
0.97
4.68

16
Berdasarkan koefisien jalur yang telah dibahas sebelumnya, dapat
diidentifikasi pengaruh langsung, tidak langsung, dan pengaruh total antar peubah
laten yang terdapat dalam model (Tabel 6). Peubah laten yang memberikan
pengaruh paling besar terhadap SKL adalah ISI. Materi ajar yang sesuai dengan
kurikulum memberikan pengaruh langsung sebesar 33.64% dan pengaruh tidak
langsung sebesar 2.41% terhadap peningkatan kompetensi siswa dan lulusan
sekolah di keempat provinsi. Sedangkan proses belajar mengajar yang diterapkan
di sekolah (PRS) dan sistem penilaian yang dilakukan oleh sekolah (NIL) justru
memiliki pengaruh total yang kecil terhadap peningkatan kompetensi siswa atau
lulusan yaitu masing-masing sebesar 3.25% dan 1.44%. Hal yang berbeda terlihat
dari pengaruh PTK dan PNG yang hubungannya secara tidak langsung terhadap
SKL ternyata memberikan pengaruh lebih besar. Kualitas dan kompetensi
pendidik (PTK) mempengaruhi 18.91% peningkatan kompetensi siswa atau
lulusan sekolah. Sedangkan perencanaan dan pengelolaan program sekolah (PNG)
mempengaruhi 17.79% peningkatan kompetensi siswa atau lulusan sekolah di
keempat provinsi.
Tabel 6 Pengaruh langsung dan tidak langsung antar peubah laten
Hubungan antar
Pengaruh
Pengaruh tidak Pengaruh
peubah laten
langsung (%)
langsung (%) total (%)
ISI ke SKL
33.64
2.41
36.05
PRS ke SKL
3.24
0.01
3.25
NIL ke SKL
1.44
1.44
PTK ke SKL
18.91
18.91
PNG ke SKL
17.79
17.79
PRS ke NIL
0.81
0.81
ISI ke NIL
0.60
0.60
PTK ke NIL
84.64
0.30
84.94
PNG ke NIL
79.64
79.64
ISI ke PRS
73.96
73.96
PTK ke PRS
1.00
36.24
37.24
PNG ke PRS
0.94
0.94
PTK ke ISI
49.00
49.00
PNG ke ISI
46.10
46.10
PNG ke PTK
94.09
94.09
Pengaruh antar peubah laten lainnya dalam model yang sangat besar terlihat
dari hubungan antar PNG ke PTK. Secara langsung, baik buruknya kualitas dan
kompetensi pendidik dipengaruhi pengelolaan dan perencanaan program sekolah
sebesar 94.09%. Selain itu, pengelolaan dan perencanaan program sekolah (PNG)
ini pun mempengaruhi sistem penilaian (NIL) sebesar 79.64% serta
mempengaruhi kesesuaian materi ajar dengan kurikulum (ISI) sebesar 46.10%.
Kualitas dan kompetensi pendidik (PTK) mempengaruhi tinggi rendahnya
penilaian (NIL) sebesar 84.94% dan pengaruhnya terhadap proses belajar
mengajar yang diterapkan sekolah (PRS) adalah sebesar 37.24%. Materi ajar yang
sesuai dengan kurikulum (ISI) bisa mempengaruhi proses belajar mengajar (PRS)
sebesar 73.96%. Pengaruh-pengaruh total yang kecil didapat pada hubungan
antara PNG dan PRS, ISI dan NIL, serta PRS dan NIL. Pengelolaan dan

17
perencanaan program sekolah (PNG) hanya memberikan pengaruh sebesar 0.94%
terhadap keberlangsungan proses belajar mengajar (PRS). Selain itu, proses
belajar mengajar (PRS) yang sudah baik ternyata hanya berpengaruh sebesar
0.81% terhadap penilaian (NIL), sedangkan materi ajar yang sudah sesuai dengan
kurikulum (ISI) hanya berpengaruh sebesar 0.60% terhadap penilaian (NIL).
Penjabaran lengkap dari pengaruh tidak langsung antar peubah laten yang terdapat
dalam model dapat dilihat pada Lampiran 5.

SIMPULAN
Model persamaan struktural terbaik diperoleh dengan mengeluarkan peubah
indikator Y7, Y14,Y15, Y16, Y17, Y18, Y21, dan Y25 dari model. Peubah-peubah ini
dikeluarkan dari model karena peubah tidak signifikan pada taraf nyata 0.10 dan
ada peubah-peubah indikator dengan korelasi yang relatif kecil dalam peubah
laten yang sama sehingga membuat kinerja model menjadi lebih buruk. Peubah
laten ISI memberikan pengaruh total terbesar ke SKL di keempat provinsi, yang
artinya tinggi rendahnya kompetensi siswa dan lulusan dari sekolah di keempat
provinsi dipengaruhi cukup besar oleh kesesuaian materi ajar yang digunakan
sekolah dengan kurikulum yang ditetapkan. Sedangkan peubah laten yang
memberikan pengaruh total paling kecil terhadap SKL adalah peubah laten NIL,
yang artinya proses penilaian yang dilakukan oleh sekolah di keempat provinsi
ternyata tidak berpengaruh besar terhadap kompetensi siswa dan lulusannya.
Pengaruh total yang terbesar terdapat pada hubungan antara pengelolaan dan
perencanaan program sekolah terhadap kualitas dan kompetensi pendidik.
Sedangkan penilaian yang dilakukan oleh sekolah di keempat provinsi
dipengaruhi sangat kecil oleh kesesuaian materi ajar dengan kurikulum yang telah
ditetapkan.

DAFTAR PUSTAKA
Aunuddin. 1989. Analisis Data. Bogor (ID) : PAU Ilmu Hayat IPB.
Bollen KA. 1989. Structural Equations With Latent Variables. New York (US) :
John Wiley and Sons, Inc.
Hair JF, Anderson RF, Tatham RL, Black WC. 2009. Multivariate Data Analysis
7th ed. New Jersey (US) : Prentice Hall, Inc.
[Kemendiknas dan Kemenag] Kementrian Pendidikan Nasional dan Kementrian
Agama. 2010. Sistem Penjaminan Mutu Pendidikan : Panduan Teknis
Evaluasi Diri Sekolah (EDS). Jakarta (ID) : [penerbit tidak diketahui].
Kline RX. 2011. Principles and Practice of Structural Equation Modelling 3rd ed.
New York (US) : The Guilford Press.
Kusnendi. 2008. Model-Model Persamaan Struktural : Satu dan Multigrup
Contoh dengan LISREL. Bandung (ID) : Alfabeta.
Mattjik AA, Sumertajaya IM. 2011. Sidik Peubah Ganda dengan Menggunakan
SAS. Bogor (ID) : IPB Press.
Schumacker RE, Lomax RG. 2010. A Beginner’s Guide to Structural Equation
Modelling 3th ed. New York (US) : Rotledge.

18
Lampiran 1 Daftar peubah laten dan peubah indikator yang digunakan beserta
daftar pertanyaan yang membangun peubah indikator
A. Standar Kompetensi Lulusan
No Responden
Pertanyaan
Skor
Prestasi siswa/lulusan (Y1)
Jumlah penghargaan yang diraih Minimal memiliki
Kepala
sekolah pada tingkat kabupaten/kota 1
penghargaan
1
Sekolah
pada satu tahun terakhir
maka skor = 1
Jumlah penghargaan yang diraih Minimal memiliki
Kepala
sekolah pada tingkat provinsi pada satu 1
penghargaan
2
Sekolah
tahun terakhir
maka skor = 1
Jumlah penghargaan yang diraih Minimal memiliki
Kepala
3
sekolah pada tingkat nasional pada satu 1
penghargaan
Sekolah
tahun terakhir
maka skor = 1
Jumlah penghargaan yang diraih Minimal memiliki
Kepala
4
sekolah pada tingkat internasional pada 1
penghargaan
Sekolah
satu tahun terakhir
maka skor = 1
Lulusan menghayati dan
mengamalkan karakter jujur
disiplin, bertanggung jawab (Y2)
Permasalahan sikap dan perilaku Minimal 1 pilihan
5
Guru
yang diisi maka
peserta didik yang masih ditemukan :
skor = 1
□ Mencontek saat ujian
□ Tidak mengerjakan tugas yang
diberikan
□ Menyalin tugas dari pekerjaan
temannya
□ Bolos tanpa alasan yang jelas dan
dapat diterima
□ Malas belajar
□ Terlibat tawuran
□ Terlibat narkoba
□ Sering telat masuk sekolah
□ Tidak menghormati guru dan orang
lain
Sikap dan perilaku yang dapat Minimal 1 pilihan
6
Guru
dibanggakan dari mayoritas peserta yang diisi maka
didik di sekolah Bapak/Ibu adalah:
skor = 1
□ Giat belajar dan rajin membaca
□ Membantu teman/orang lain dan
hormat pada guru
□ Disiplin dan mematuhi tatatertib
sekolah
□ Melaksanakan ajaran agama yang
dianutnya
□ Sportif dalam bertindak
□ Berani mengakui kesalahan

19
Lampiran 1 Daftar peubah laten dan peubah indikator yang digunakan beserta
daftar pertanyaan yang membangun peubah indikator (lanjutan)
No Responden
Pertanyaan
Skor
Lulusan menghayati dan mengamalkan
karakter jujur disiplin, bertanggung
jawab (Y2)
Sikap
dan
perilaku
jujur,
santun, Minimal
1
bertanggungjawab dapat diamati dalam pilihan yang
7
Guru
perilaku siswa serta dapat dibuktikan dengan diisi
maka
dokumen penilaian adalah
skor = 1
□ Mengamalkan perilaku tersebut di
sekolah
□ Mengamalkan perilaku tersebut di
rumah
□ Menghayati dan mengamalkan perilaku
tersebut ketika siswa berinteraksi
dengan semua orang
Lulusan mampu berpikir logis dan
sistematis (Y3)
Pengetahuan peserta didik di sekolah Minimal
1
8
Guru
Bapak/Ibu dapat ditunjukkan melalui :
pilihan yang
□ Mampu menjelaskan kembali sebuah diisi
maka
informasi yang dipelajari
skor = 1
□ Mampu menyelesaikan permasalahan
yang mirip dengan masalah yang telah
dipelajari
□ Mampu menyelesaikan permasalahan
secara kreatif
□ Mampu mengidentifikasi variabel yang
terkait dengan suatu permasalahan
□ Mampu menganalisis dan mengajukan
penyelesaian yang tepat
□ Mampu mengusulkan alternatif untuk
menyelesaikan sebuah permasalahan
Lulusan mampu berkomunikasi efektif
dan santun (Y4)
Kemampuan peserta didik dalam ber- Minimal
1
9
Guru
komunikasi adalah sebagai berikut :
pilihan yang
maka
□ Mampu membaca cepat dan membuat diisi
skor = 1
rangkuman dari informasi tertulis
□ Mampu
menyampaikan
ide
dan
pendapat dengan mudah dipahami
□ Menyimak informasi dan mampu
menyampaikan kembali
□ Mampu melakukan telaah secara kritis
kritis terhadap teks atau buku
□ Membuat karya tulis dengan deskripsi
yang berkesinambungan

20
Lampiran 1 Daftar peubah laten dan peubah indikator yang digunakan beserta
daftar pertanyaan yang membangun peubah indikator (lanjutan)
No Responden
Pertanyaan
Skor
Lulusan memiliki kemampuan menalar,
produktif, dan kreatif (Y5)
Kemampuan peserta didik di sekolah pada Minimal 1
umumnya dalam mengamati, mencoba, pilihan yang
mengolah, dan menyajikan, menalar, mencipta diisi maka
10
Guru
pemikiran dan tindakan produktif serta kreatif, skor = 1
serta dapat dibuktikan bukti penilaiannya
adalah
□ Melakukan
pengamatan
berdasarkan
rancangan yang jelas
□ Melakukan
percobaan/ekplorasi
dan
mencatat data secara teliti
□ Menganalisis hasil percobaan/ekplorasi
□ Menyajikan hasil percobaan/ekplorasi
secara memuaskan
□ Membuat dan menyajikan hasil karya
yang kreatif
□ Melakukan percobaan atau ekplorasi
dengan prosedur yang lebih efektif dan
efisien
□ Menerapkan prosedur yang telah dikuasai
untuk menyelesaikan permasalahan lain
Kemampuan peserta didik dalam menghasilkan Jika memilih
11
Guru
karya dapat dikelompokkan sebagai :
(c)
maka
skor = 1,
a. Hasil meniru karya orang lain
lainnya skor
b. Hasil modifikasi karya orang lain
c. Hasil kreasi sendiri sesuai dengan fasilitas = 0
yang tersedia
Lulusan memiliki pengetahuan prosedural
dan metakognitif (Y6)
Kemampuan peserta didik di sekolah dalam Minimal 1
menalar dan mencipta pemikiran dan tindakan pilihan yang
12
Guru
produktif serta kreatif, yang dapat dibuktikan diisi maka
dengan penilaian Bapak/Ibu adalah:
skor = 1
□ Menyampaikan
ide
kreatif
untuk
menyelesaikan suatu masalah kontekstual
□ Menganalisis
dan
menggabungkan
beberapa
pemikiran/ide
untuk
menghasilkan gagasan baru
□ Mengevaluasi ide orang lain dan
menghasilkan pemikiran/ide baru yang
kreatif
□ Menghasilkan karya kreatif yang memiliki
nilai seni atau manfaat

21
Lampiran 1 Daftar peubah laten dan peubah indikator yang digunakan beserta
daftar pertanyaan yang membangun peubah indikator (lanjutan)
B. Standar Isi
No Responden
Pertanyaan
Skor
Kurikulum yang logis dan sistematis (Y7)
Rancangan metode pembelajaran
dalam Minimal
1
13
Guru
kurikulum sekolah mendukung pem