PENGELOMPOKAN SEKOLAH MENENGAH PERTAMA BERDASARKAN RATA-RATA NILAI UJIAN AKHIR NASIONAL DI KOTA BINJAI DENGAN ANALISIS HIERRARKHI CLUSTERING.

(1)

Oleh:

Juni Minarti Pakpahan NIM 082244510006 Program Studi Matematika

SKRIPSI

Diajukan Untuk Memenuhi Syarat Memperoleh Gelar Sarjana Sain

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI MEDAN

(2)

(3)

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan karunia-Nya sehingga skripsi ini dapat diselesaikan dengan baik. Skripsi ini berjudul “Pengelompokan Sekolah Menengah Pertama Berdasarkan Rata-rata Nilai Ujian Akhir Nasional Di Kota Binjai Dengan Analisis Hierrarkhi Clustering.” Skripsi ini disusun untuk memenuhi salah satu syarat memperoleh gelar Sarjana Sains di Universitas Negeri Medan.

Dalam kesempatan ini, penulis menyampaikan ucapan terima kasih kepada berbagai pihak yang telah membantu menyelesaikan skripsi ini, mulai dari pengajuan proposal penelitian, sampai kepada penyusunan skripsi antara lain kepada: Bapak Prof. Dr. Ibnu Hajar, M.Si., selaku Rektor Universitas Negeri Medan, Bapak Prof. Drs. Motlan, M.Sc, Ph.D., selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam, Bapak Drs. Syafari, M.Pd., selaku Ketua Jurusan Matematika, Bapak Drs. Yasifati Hia, M.Si., selaku Sekretaris Jurusan Matematika, Ibu Dra. Nerli Khairani, M.Si., selaku Ketua Program Studi Matematika dan Pembimbing Skripsi yang telah banyak membimbing penulis dalam menyelesaikan skripsi ini, Bapak Drs. H.Banjarnahor, M.Pd., selaku pembimbing akedemik, Bapak Mulyono, S.Si, M.Si., Bapak Drs. J. Ambarita, M.Pd., dan Bapak Dr. Edy Surya, M.Si., selaku dosen penguji yang telah banyak memberikan saran dalam penyusunan skripsi ini. Ucapan terima kasih juga disampaikan kepada Bapak Drs. H. Dwi Anang Wibowo, M.Pd., selaku kepala Dinas Pendidikan dan Pengajaran Kota Binjai serta staf-staf pegawai di kantor Dinas Pendidikan dan Pengajaran Kota Binjai yang telah memberikan izin untuk mengadakan penelitian. Dan juga seluruh staf pengajar Jurusan Matematika FMIPA yang telah memberikan bimbingan kepada penulis semenjak mengikuti perkuliahan. Secara khusus kepada Ayahanda Barmen Pakpahan dan Ibunda tercinta Pittauli Tampubolon serta seluruh keluarga untuk segala doa, kasih sayang, motivasi, dan jerih payah saya sampaikan banyak terima kasih. Kepada

(4)

teman-teman terkasih Tika E Purba, S.Si., Ernawati D Pane, S.Si., Kristina A Silalahi, S.Si, Ketty Krisna dan Natalenta Tarigan yang selalu memberi motivasi kepada penulis dan juga saya ucapkan terima kasih kepada teman-temanku seperjuangan Non-Dik’08 yang tidak dapat saya sebutkan satu persatu yang selama ini selalu memberikan dukungan, semangat, dan doa. Serta semua pihak yang turut membantu penyelesaian skripsi ini yang tidak dapat disebutkan satu per satu.

Semoga skripsi ini bermanfaat dan menambah wawasan bagi kita semua. Akhir kata, penulis mengucapkan terima kasih.

Medan, Agustus 2013 Penulis

Juni Minarti Pakpahan NIM. 082244510006

(5)

PENGELOMPOKAN SEKOLAH MENENGAH PERTAMA BERDASARKAN RATA - RATA NILAI UJIAN AKHIR

NASIONAL DI KOTA BINJAI DENGAN ANALISIS HIERRARKHI CLUSTERING

Juni Minarti Pakpahan (082244510006) ABSTRAK

Pendidikan bertujuan untuk mengembangkan potensi anak agar memiliki kecerdasan, dan berakhlak mulia, serta memiliki keterampilan yang diperlukan sebagai anggota masyarakat dan warga negara. Untuk melihat tingkat pencapaian tujuan pendidikan dan kualitas pendidikan tersebut diperlukan suatu bentuk evaluasi. Ujian Akhir Nasional merupakan salah satu alat evaluasi yang dikeluarkan pemerintah untuk melakukan evaluasi pada pendidikan yang telah ditempuh siswa sekolah. Perolehan nilai ujian akhir nasional di setiap sekolah yang relatif berbeda dapat dijadikan acuan oleh pemerintah dalam rangka peningkatkan dan pemerataan kualitas pendidikan. Oleh karena itu diperlukan suatu analisis untuk mengukur kualitas pendidikan yang bertujuan mengelompokkan sekolah menengah pertama berdasarkan perolehan nilai ujian akhir nasional dengan metode yang digunakan adalah analisis hierrarkhi clustering. Dari hasil analisis didapatkan tiga cluster yang terbentuk dimana cluster pertama berisi 25 sekolah menengah pertama yang mempunyai nilai rata-rata UAN sebesar 7,93 digolongkan sebagai sekolah menengah pertama dengan perolehan nilai UAN yang sedang. Cluster kedua berisi 19 sekolah menengah pertama yang mempunyai nilai rata-rata UAN sebesar 8,67 dan digolongkan sebagai sekolah menengah pertama dengan perolehan nilai UAN yang tinggi dan memiliki kualitas pendidikan yang baik. Cluster ketiga berisi 6 sekolah menengah pertama yang mempunyai nilai rata-rata UAN sebesar 7,05 dan digolongkan sebagai sekolah menengah pertama dengan perolehan nilai UAN yang rendah dan memiliki kualitas pendidikan yang tidak baik.

(6)

DAFTAR ISI

Halaman

Lembar Pengesahan i

Riwayat Hidup ii

Abstrak iii

Kata Pengantar iv

Daftar Isi vi

Daftar Gambar viii

Daftar Tabel viiii

Daftar Lampiran ix

BAB I PENDAHULUAN

1.1Latar Belakang Masalah 1

1.2Rumusan Masalah 6

1.3Batasan Masalah 6

1.4Tujuan Penelitian 6

1.5Manfaat Penelitian 7

BAB II TINJAUAN PUSTAKA

2.1 Analisis Multivariat 8

2.1.1. Karakteristik Analisis Multivariat 8 2.1.2. Klasifikasi Teknik-teknik Analisis Multivariat 8

2.2 Analisis Cluster 9

2.2.1. Pengertian Analisis Cluster 9

2.2.2. Tujuan Analisis Cluster 11

2.3 Fungsi Analisis Cluster 13

2.4 Proses Analisis Cluster 14

2.4.1. Merumuskan Masalah 14

2.4.2. Mengukur Kesamaan antar Objek 14

2.4.3. Memilih Prosedur Cluster 16

2.4.4. Menentukan Jumlah Cluster 21

2.4.5. Menginterpretasikan Cluster yang Terbentuk 22 2.5 Aplikasi Komputer (Program SPSS) 22 BAB III METODE PENELITIAN

3.1Tempat dan Waktu Penelitian 27

3.2Jenis Penelitian 27

3.3Prosedur Penelitian 27

BAB IV PEMBAHASAN

4.1 Pengumpulan Data 30

4.2 Pengolahan Data 32

(7)

4.2.2 Mengukur Jarak Antara Dua Objek 32

4.2.3 Prosedur Cluster 34

4.2.4 Menentukan Jumlah Cluster 39

4.2.5 Menginterpretasikan Cluster 41

4.3 Indikator Pendidikan 43

4.4 Perbandingan Hasil Dengan Penelitian Lain 45 BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan 46

5.2 Saran 46

(8)

viii

DAFTAR TABEL

Halaman Tabel 4.1 Data Nilai Ujian Akhir Nasional Tahun Ajaran 30

2011-1012 Pada masing-masing SMP/MTs di Kota Binjai

Tabel 4.2 Hasil Pengelompokan SMP/MTs di Kota Binjai 40 dengan metode Single Linkage

Tabel 4.3 Perbandingan Rata-rata Nilai Ujian Akhir Nasional 41

Tabel 4.4 Cluster Yang Terbentuk 42

(9)

DAFTAR GAMBAR

Halaman

Gambar 2.1 Diagram Venn 12

Gambar 2.2 Ilustrasi Pengukuran Jarak 15

Gambar 2.3 Contoh Pengukuran Jarak 15

Gambar 2.4 Ilustrasi Algoritma Hierrarkhi Clustering 16

Gambar 2.5 Dendogram 17

Gambar 2.6 Ilustrasi Single Linkage 18 Gambar 2.7 Ilustrasi Complete Linkage 18 Gambar 2.8 Ilustrasi Average Linkage 19 Gambar 2.9 Ilustrasi Centroid Linkage 19 Gambar 2.10 Kotak dialog Hierarchical Cluster Analysis 23 Gambar 2.11 Kotak dialog Variable 23 Gambar 2.12 Kotak dialog Label Cases by 24 Gambar 2.13 Kotak dialog Statistics 24

Gambar 2.14 Kotak dialog Plots 25

(10)

DAFTAR LAMPIRAN

Lampiran 1. Data Nilai Ujian Akhir Nasional Tahun Ajaran 2011-1012 pada

masing-masing SMP/MTs di Kota Binjai

Lampiran 2. Data Komponen Indikator Pendidikan pada masing-masing SMP/MTs di Kota Binjai

Lampiran 3. Proximity Matrix

Lampiran 4. Agglomeration Schedule Lampiran 5. Cluster Membership

(11)

BAB I PENDAHULUAN

1.1.Latar Belakang Masalah

Dalam Undang-undang RI Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional, Pasal 1 ayat (1) disebutkan bahwa “Pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran agar peserta didik secara aktif mengembangkan potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia, serta keterampilan yang diperlukan dirinya, masyarakat, bangsa dan negara”. Dan pada Pasal 3 dijelaskan bahwa dalam pelaksanaannya pendidikan harus sesuai dengan tujuan pendidikan nasional yaitu: mengembangkan kemampuan dan membentuk watak serta peradaban bangsa yang bermartabat dalam rangka mencerdaskan kehidupan bangsa, mengembangkan potensi peserta didik agar menjadi manusia yang beriman dan bertakwa kepada Tuhan Yang Maha Esa, berakhlak mulia, sehat, berilmu, cakap, kreatif, mandiri, dan menjadi warga negara yang demokratis serta bertanggung jawab.

Seperti diketahui di eraglobalisasi pendidikan merupakan salah satu kebutuhan sehingga tidak dapat dipisahkan dari kehidupan sehari-hari. Pada saat ini permasalahan yang dihadapi bangsa ini dalam peningkatan mutu pendidikan adalah rendahnya mutu pendidikan di berbagai jenjang pendidikan, baik pendidikan formal maupun informal. Dapat dilihat ataupun dibuktikan pada data Indeks Pembangunan Pendidikan Untuk Semua atau Education For All (EFA) di Indonesia menurun tiap tahunnya. Tahun 2011 Indonesia berada diperingkat 69 dari 127 negara dan merosot dibandingkan tahun 2010 yang berada pada posisi 65. Indeks yang dikeluarkan pada tahun 2011 oleh United Nations Educational, Scientific and Cultural Organization (UNESCO) ini lebih rendah dibandingkan Brunei Darussalam yang berada pada posisi 34, serta terpaut empat peringkat dari Malaysia pada posisi 65 (Setiawan, 2012).

(12)

Mutu pendidikan nasional dan pengajaran perlu dipantau terus-menerus dalam setiap tahap dan langkah kegiatan pendidikan. Pantauan itu ditujukan sebagai upaya pengendalian mutu pendidikan dan lebih jauh sebagai penjaminan mutu pendidikan. Upaya inilah yang dimaksud dalam UU No. 20 tahun 2003 dan Kepmendiknas No. 153/U/2003 dan dikenal dengan Ujian Akhir Nasional (UAN/UN). Ujian Akhir Nasional merupakan fungsi pengendalian mutu pendidikan (educational quality control) dan fungsi penjaminan mutu pendidikan (educational quality assurance). Berdasarkan Permendiknas No. 34/2007 hasil Ujian Akhir Nasional (UAN/UN) digunakan sebagai salah satu pertimbangan untuk:

1. Pemetaan mutu satuan dan/atau program pendidikan, 2. Seleksi masuk jenjang pendidikan berikutnya,

3. Penentuan kelulusan peserta didik dari program dan/atau satuan pendidikan, 4. Pembinaan dan pemberian bantuan kepada satuan pendidikan dalam upaya

peningkatan mutu pendidikan.

Dan pada Ujian Akhir Nasional (UAN/UN) tahun 2008, mata pelajaran yang diujikan untuk jenjang SMP/MTs adalah Bahasa Indonesia, Bahasa Inggris, Matematika dan Ilmu Pengetahuan Alam (Sjafrudin, 2010).

Mutu sekolah merupakan hasil yang dicapai oleh kinerja sekolah. Dalam bidang akademik, mutu sekolah dikaitkan dengan hasil pencapaian prestasi siswa di dalam Ujian Akhir Nasional (UAN) (Sujita, 2009). Perolehan nilai ujian akhir nasional di setiap sekolah yang relatif berbeda dapat dijadikan acuan oleh pemerintah dalam rangka peningkatkan dan pemerataan kualitas pendidikan di Indonesia pada umumnya dan khususnya di kota Binjai. Oleh karena itu, pemerintah pusat maupun pemerintah daerah juga harus memperhatikan perolehan nilai UAN yang diperoleh setiap sekolah. Ujian akhir nasional memang tidak dapat dijadikan satu-satunya tolak ukur kualitas pendidikan di sekolah akan tetapi ujian akhir nasional merupakan indikator pertama dan paling terlihat di masyarakat untuk mengukur kualitas pendidikan.

Salah satu cara yang dapat digunakan untuk mengukur kualitas pendidikan adalah dengan mengelompokkan perolehan nilai UAN yang diperoleh

(13)

setiap sekolah. Hasil pengelompokan diharapkan dapat digunakan untuk mengevaluasi kinerja sebelumnya, merencanakan dan menargetkan peningkatan mutu sekolah serta membuat peringkat sekolah. Dalam mengevaluasi kinerja sekolah diperlukan informasi tentang keunggulan dan kekurangan terhadap berbagai peubah yang mempengaruhi mutu sekolah, berdasarkan hasil yang dicapai pada tahun sebelumnya dari masing-masing sekolah. Hal ini berkaitan dengan penyusunan rencana dan target peningkatan mutu sekolah pada tahun berikutnya. Oleh karena itu diperlukan suatu analisis untuk memperoleh hasil yang lebih terinci dalam pengelompokan sekolah sehingga informasi yang diperoleh merupakan gambaran mutu sekolah berdasarkan hasil UAN dan peubah-peubah yang mempengaruhinya.

Salah satu metode yang cukup populer untuk menjawab permasalahan ini adalah analisis cluster. Menurut Hair J.F., dkk (2006), cluster analysis adalah sebuah nama untuk kelompok dalam teknik multivariate yang intinya bertujuan untuk mengelompokkan objek berdasarkan karakteristik yang dimiliki objek tersebut. Hasil dari pengelompokkan objek harus dapat menunjukkan homogenitas internal yang tinggi (dalam cluster) dan heterogenitas eksternal yang tinggi juga (antara cluster).

Chen, dkk (2008) melakukan penelitian untuk melihat bagaimana analisis cluster diterapkan untuk menemukan strategi dan kombinasi jumlah maksimum lomba yang dapat membantu atlit renang dalam mencapai prestasi terbaik pada masing-masing jarak lomba. Moore, dkk (2010) juga melakukan penelitian untuk mengidentifikasi sakit asma phenotypes dengan menggunakan analisis cluster. Atau kita mungkin tertarik untuk mengelompokkan individu berdasar pada persamaan mereka terhadap sikap sosial, kepribadian, golongan darah, penyakit yang di derita, atau kebutuhan konsumen. Tumbuhan atau binatang, keseluruhan jenisnya yang sudah dikenal, bisa jadi pengelompokannya didasarkan pada berbagai analisis, fisiologis, atau karakteristik lingkungan. Dengan cara yang sama, perlombaan, agama, kultur, bijih-bijihan, fosil, atau artefak arkeologi bisa dilakukan pengelompokan yang didasarkan pada persamaan masing-masing.

(14)

Singkatnya, apapun objeknya analisis cluster dapat diberlakukan (Kachigan, 1986).

Menurut Armawati (2008), analisis cluster memiliki beberapa keunggulan, yaitu:

1. Dapat mengelompokan data observasi dalam jumlah besar dan variabel yang relatif banyak. Data yang direduksi dengan kelompok akan mudah dianalisis. 2. Dapat dipakai dalam skala data ordinal, interval dan rasio

Dan kelemahan dari analisis cluster, adalah:

1. Pengelompokan bersifat subyektifitas peneliti karena hanya melihat dari gambar dendrogram

2. Untuk data yang terlalu heterogen antara objek penelitian yang satu dengan yang lain akan sulit bagi peneliti untuk menentukan jumlah kelompok yang dibentuk.

3. Metode-metode dipakai memberikan perbedaan yang signifikan, sehingga dalam perhitungan biasanya masing-masing metode dibandingkan.

4. Semakin besar observasi, biasanya tingkat kesalahan pengelompokan akan semakin besar.

Secara umum terdapat dua metode pengelompokan data yaitu metode pengelompokan hierrarkhi dan non hierrarkhi. Analisis cluster dengan metode hierrarkhi adalah analisis yang mana melakukan pengelompokkan data dengan cara mengukur jarak pada setiap objek. Kemudian membentuk sebuah dendogram. Dari dendogram ini akan dapat dilihat obyek mana saja yang berdekatan. Dari dendogram tersebut dapat pula digunakan untuk menentukan kelas yang akan dibentuk. Sedangkan analisis cluster dengan menggunakan metode non hierrarkhi adalah metode pengelompokkan dengan menentukan banyak kelas terlebih dahulu. Setelah menentukan berapa kelas yang ingin dibentuk, baru dilakukan analisis dengan menggunakan metode K- means atau dengan mengelompokkan objek berdasarkan rata-rata, dan mengelompokkan dahulu objek mana yang paling dekat dengan rata-rata yang terbentuk (Attha, 2011).

(15)

Perbedaan hasil pengelompokan antar kedua metode adalah pada penentuan jumlah cluster. Pada metode hierrarkhi, penentuan atau pemilihan jumlah cluster dilakukan dengan proses clustering dengan kata lain jumlah cluster tidak dapat diketahui sebelumnya, yang hasilnya diserahkan sepenuhnya pada peneliti dengan mengedepankan subyektifitas sesuai dengan tujuan penelitian. Hal ini mengakibatkan cluster yang terbentuk bisa saja sejumlah 4, 5, 3 atau 2 terkait subyektifitas peneliti. Sedangkan pada metode non hierrarkhi, penentuan atau pemilihan jumlah cluster sudah harus ditentukan di awal sebelum proses clustering berjalan, sehingga hasil akhirnyapun akan terbentuk jumlah cluster yang sama (Wijaya, 2010).

Penentuan metode mana yang akan dipakai tergantung kepada peneliti dan konteks penelitian dengan tidak mengabaikan substansi, teori dan konsep yang berlaku. Keduanya memiliki kelebihan sendiri-sendiri. Keuntungan metode hierrarkhi adalah cepat dalam proses pengolahan sehingga menghemat waktu, namun kelemahan metode ini tidak mungkin layak ketika kumpulan data besar digunakan karena tingginya jumlah perhitungan jarak yang diperlukan dalam setiap langkah satu penggabungan responden (Everitt, 1993). Metode non hierrarkhi memiliki keuntungan lebih daripada metode hierrarkhi yaitu mempunyai kemampuan mengelompokkan data dalam jumlah yang cukup besar dengan waktu komputasi yang relatif cepat dan efisien (Noor dan Hariadi, 2009). Sedangakan kelemahan dari metode ini ialah bahwa banyaknya cluster harus disebutkan/ditentukan sebelumnya dan hasil pengclusteran bergantung pada bagaimana pusat (centers) dipilih (Supranto, 2004).

Dari uraian tersebut maka dilakukan penelitian dengan mengelompokkan seluruh sekolah menengah pertama yang ada di Kota Binjai berdasarkan perolehan nilai ujian akhir nasional pada tahun ajaran 2011/2012. Berdasarkan wawancara yang dilakukan peneliti pada tanggal 10 Januari 2013 dengan Drs. H. Dwi Anang Wibowo, M.Pd didapat informasi bahwa jumlah sekolah menengah pertama yang ada di kota Binjai ada sebanyak 39 buah Sekolah Menengah Pertama dan 11 buah Madrasah Tsanawiyah setingkat SMP. Analisis yang digunakan adalah analisis hierrarkhi clustering. Adapun alasan digunakannya

(16)

analisis ini karena memiliki keunggulan yaitu cepat dalam proses pengelompokkannya sehingga dapat menghemat waktu penelitian, selain itu karena data yang akan dianalisis berukuran relatif kecil maka lebih baik menggunakan analisis ini untuk proses pengelompokkannya mengingat kelemahan dari metode ini yang tidak baik jika diterapkan untuk menganalisis sampel dengan ukuran besar. Diharapkan penggunaan analisis hierrarkhi clustering ini mampu mengklasifikasikan tiap-tiap sekolah menengah pertama dengan baik, sehingga diperoleh suatu kesimpulan yang dapat dijadikan salah satu rujukan dalam program peningkatan kualitas pendidikan.

Berdasarkan hal diatas, maka penulis tertarik untuk meneliti dan mengangkat judul penelitian yaitu “Pengelompokan Sekolah Menengah Pertama Berdasarkan Rata - Rata Nilai Ujian Akhir Nasional Di Kota Binjai Dengan Analisis Hierrarkhi Clustering”.

1.2.Rumusan Masalah

Bagaimana bentuk pengelompokan Sekolah Menengah Pertama di kota Binjai dengan menggunakan analisis hierrarkhi clustering?

1.3.Batasan Masalah

Agar pembahasan masalah dalam tulisan ini tidak menyimpang, maka diperlukan beberapa batasan masalah yaitu sebagai berikut:

1. Data yang digunakan adalah data nilai Ujian Akhir Nasional (UAN) tahun pelajaran 2011/2012 pada Sekolah Menengah Pertama di kota Binjai.

2. Analisis yang digunakan di dalam menyelesaikan permasalahan ini adalah analisis hierrarkhi clustering.

1.4.Tujuan Penelitian

Adapun tujuan penelitian adalah untuk mengelompokkan sekolah menengah pertama di kota Binjai berdasarkan perolehan nilai ujian akhir nasional pada tahun ajaran 2011/2012.

(17)

1.5.Manfaat Penelitian

Adapun manfaat penelitian adalah sebagai berikut:

1. Bagi Dinas Pendidikan & Pengajaran kota Binjai, hasil penelitian ini memberikan informasi mengenai sekolah menengah pertama mana saja yang harus lebih diberi pembinaan oleh pemerintah kota Binjai.

2. Bagi peneliti, memperoleh pengetahuan mengenai proses penyelesaian masalah pengelompokan sekolah menengah pertama di kota Binjai dengan menggunakan analisis hierrarkhi clustering.

3. Sebagai bahan masukan bagi pembaca atau pemakai informasi tentang penggunaan analisis hierrarkhi clustering.

4. Hasil penelitian ini dapat memberikan kontribusi terhadap ilmu pengetahuan khususnya pada kajian matematika terapan yaitu mengenai analisis hierrarkhi clustering

(18)

46 BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari hasil penelitian dan pengolahan data yang telah dilakukan, maka diambil kesimpulan bahwa dengan menggunakan analisis hierrarkhi clustering, 50 sekolah menengah pertama di kota Binjai dikelompokkan menjadi tiga cluster, yaitu: cluster pertama adalah kelompok sekolah menengah pertama dengan perolehan rata-rata nilai ujian akhir nasional yang sedang terdiri dari 25 sekolah menengah pertama, cluster kedua adalah kelompok sekolah menengah pertama dengan perolehan rata-rata nilai ujian akhir nasional yang tinggi terdiri dari 19 sekolah menengah pertama, dan cluster ketiga adalah kelompok sekolah menengah pertama dengan perolehan rata-rata nilai ujian akhir nasional yang rendah terdiri dari 6 sekolah menengah pertama.

5.2. Saran

Setelah mengetahui tingkat kualitas pendidikan pada sekolah menengah pertama di kota Binjai, diharapkan bagi Pemerintah Daerah lebih memfokuskan perbaikan pada masalah atau kendala utama yang dihadapi masing-masing sekolah, terutama yang berada pada cluster dua dan cluster tiga, agar sekolah-sekolah tersebut juga menghasilkan siswa-siswi yang berprestasi seperti halnya sekolah lainnya. Dan untuk sekolah yang berada pada kelompok tinggi agar bisa mempertahankan apa yang sudah ada saat ini.

(19)

DAFTAR PUSTAKA

Attha, L., (2011), Analisis Cluster Untuk Mengidentifikasikan Pemerataan IPM Jawa Timur Tahun 2008., Skripsi, Fakultas Sains dan Teknologi, Universitas Negeri Maulana Malik Ibrahim, Malang.

Agusta, Y., (2007), K-Means – Penerapan, Permasalahan dan Metode Terkait, Jurnal Sistem dan Informatika 3: 47-60.

Armawati., (2008). http://armawati.wordpress.com/2008/02/18/analisis-cluster/ (diakses tanggal 20 Januari 2013).

Budhi, G.S., Rahardjo, A.I., Taufik, H.; Hierarchical Clustering Untuk Aplikasi Automated Text Integration. Seminar Nasional Aplikasi Teknologi Informasi 2008.

Chen, I., Chen, M.Y., Jin, C., dan Yan, H., (2008), Large-scale Cluster Analysis of Elite Male and Female Swimmers’Race Patterns, International Journal of Sports Science and Engineering 02: 123-128.

Dewan Perwakilan Rakyat Indonesia dan Presiden Republik Indonesia, (2003), Undang-Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional, Dewan Perwakilan Rakyat Indonesia: Jakarta.

Everit, B.S., (1993), Cluster Analysis, Third Edition, Halsted Press an Imprint of John Wiley and Sons Inc, New York.

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Medan. (2010), Pedoman Penulisan Proposal dan Penulisan Skripsi Mahasiswa Program Studi Sains, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Medan, Medan.

Finch, H., (2005), Comparison of Distance Measures in Cluster Analysis with Dichotomous Data, Journal of Data Science 3: 85-100.

Hair J.F., Black W.C., Babin B.J., Anderson R.E., dan Tatham R.L., (2006), Multivariate Data Analysis, Sixth Edition, Pearson Education, Inc and Dorling Kindersley, India.

Johnson, R. A., dan Wichern, D. W., (2007), Applied Multivariate Statistical Analysis, Sixth Edition, Pearson Education, Inc, New Jersey.

Kachigan, S.K., (1986), Statistical Analysis, Radius Press, New York.

(20)

Moore, C.W., Meyers, D.A., dan Wenzel, S.E., (2010), Identification of Asthma Phenotypes Using Cluster Analysis in the Severe Asthma Research Program, Journal of Respiratory and Critical Care Medicine 181: 315-323.

Narimawati, U., (2008), Teknik-teknik Analisis Multivariat untuk Riset Ekonomi, Graha Ilmu, Yogyakarta.

Noor, M.H., dan Hariadi, M.; Image Cluster Berdasarkan Warna Untuk Identifikasi Kematangan Buah Tomat Dengan Metode Valley Tracing, Seminar Nasional Informatika 2009.

Santoso, S., (2002), Buku Latihan SPSS Statistik Multivariat, PT Elex Media Komputindo, Jakarta.

Saparita, R., dan Komara, R., (1997), Analisis Gerombol Untuk Mengklasifikasi Objek Penelitian, Buletin IPT III: 20-23.

Setiawan, R., (2012), Masalah Pendidikan Di Indonesia Dan Solusinya. http://positivego.blogspot.com/2012/11/masalah-pendidikan-di-indonesia.html (diakses tanggal 28 Desember 2012).

Sitanggang, A.ST., (2010), Analisis Cluster Untuk Mengklasifikasikan Mesin Produksi Pada Pabrik Kayu PT. HERPANTA MAS ABADI Dalam Kebutuhan Penggantian Mesin., Skripsi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Medan, Medan.

Sjafrudin, A., (2010), Analisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008. http://izaskia.files.wordpress.com/2010/04/analisis-hasil-ujian-nasional-madrasah-tsanawiyah.pdf _{(diakses tanggal 15 Desember 2012).}

Sujita, (2009), Analisis Biplot Untuk Memetakan Mutu Sekolah Yang Sesuai Dengan Nilai Ujian Nasional., Tesis, Sekolah Pascasarjana, Institut Pertanian Bogor, Bogor.

Suliyanto, (2005), Analisis Data Dalam Aplikasi Pemasaran, Ghalia Indonesia, Bogor.

Supranto, J, (2004), Analisis Multivariat, Arti dan Interpretasi, Rineka Cipta, Jakarta.

Widyastuti, N.; Metode Clustering Data Biner, Seminar Nasional Aplikasi Sains

dan Teknologi 2008 – IST AKPRIND Yogyakarta.

Wijaya, A., (2010), Analisis Pengelompokan Desa Tertinggal di Kabupaten Kutai Timur Dengan Pendekatan Metode K-Means dan Centroid Linkage (Minkowski Distance Measure), Makalah.