Pemodelan Mixed Effects Random Forest untuk Mengidentifikasi Faktor Penting terhadap Skor Matematika pada Survei AKSI

Abstract

Sumber Daya Manusia (SDM) yang berkualitas merupakan suatu modal pembangunan yang dihasilkan melalui proses pendidikan. Perbaikan mutu pendidikan adalah salah satu upaya untuk mencapai tujuan pembangunan negara. Mutu pendidikan merupakan tingkat kesesuaian antara penyelenggaraan pendidikan dan Standar Nasional Pendidikan (SNP). Salah satu komponen SNP yang sering menjadi perhatian para peneliti terkait bidang pendidikan adalah standar kompetensi lulusan. Pusat Asesmen dan Pembelajaran (Pusmenjar) mengembangkan sistem penilaian nasional yang disebut Asesemen Kompetensi Siswa Indonesia (AKSI) untuk mengukur pencapaian kompetensi lulusan selain Ujian Nasional (UN). Pusemenjar melaporkan hasil AKSI tahun 2019 menunjukkan literasi/kemampuan matematika siswa yang masih rendah.

Faktor-faktor yang mempengaruhi skor siswa bukan hanya disebabkan oleh individu siswa, tetapi juga dapat dipengaruhi oleh mutu sekolah. Hal ini mengindikasikan terdapatnya struktur data berjenjang yaitu siswa tersarang di sekolah. Pada struktur berjenjang ini, siswa yang berasal dari sekolah yang sama tidak sepenuhnya saling bebas. Hal ini mengindikasikan asumsi kebebasan antar observasi yang dibutuhkan pada uji statistik tidak terpenuhi, sehingga pemodelan multilevel perlu diterapkan. Mixed effects random forest (MERF) merupakan salah satu metode pemodelan multilevel yang memberikan hasil akurasi yang tinggi. MERF merupakan pengembangan dari metode random forest yang digunakan untuk data berjenjang, sehingga pada penelitian ini bertujuan untuk menerapkan metode MERF dalam mengidentifikasi faktor-faktor yang berpengaruh terhadap skor AKSI siswa pada bidang matematika.

Gugus data pada penelitian ini terlebih dahulu dibagi menjadi data latih dan data uji dengan perbandingan 85:15. Selanjutnya, model MERF dibangun menggunakan data latih dengan melakukan pendugaan komponen tetap (fixed part) dan pengaruh komponen acak pada model. Pendugaan nilai peubah respon pada data uji kemudian dilakukan menggunakan model MERF yang telah dibangun. Model kemudian dievaluasi dengan menghitung nilai root mean square error prediction (RMSEP). Terakhir, tingkat kepentingan peubah penjelas (feature importances) dihitung untuk mengidentifikasi pengaruh peubah penjelas terhadap skor AKSI siswa pada bidang matematika.

Hasil penelitian menunjukkan frekuensi siswa dalam mempertimbangkan penggunaan uang sebelum membeli barang memberikan pengaruh paling besar terhadap skor matematika di antara peubah lainnya. Tingkat pendidikan ibu dan pengelolaan keuangan berturut-tururt memberikan pengaruh terbesar kedua dan ketiga terhadap skor matematika siswa, sedangkan jenis kelamin, tingkat pendidikan ayah, dan tingkat kepemilikan alat keuangan merupakan tiga peubah dengan pengaruh terendah terhadap skor matematika siswa.

Quality Human Resources are a form of the nation-building capital that generated through the education process. The quality of education enhancement is one of the attempts to achieve the country's development goals. The quality of education is the conformity between the implementation of education and the National Education Standards (SNP/Standar Nasional Pendidikan). One of the SNP components that often get attention of researchers related to the education is the Graduate Competency Standards (SKL/Standar Kompetensi Lulusan). The Center for Assessment and Learning (Pusmenjar/Pusat Asesmen dan Pembelajaran) in Indonesia developed a national assessment system called the Indonesian Student Competency Assessment (AKSI/Asesesmen Kompetensi Siswa Indonesia) to measure the competence of graduates other than the National Exam (UN/Ujian Nasional). Pusmenjar reported that AKSI in 2019 showed that students' mathematical literacy skills were still low. The factors that affect student scores are not only caused by individual students but can also be influenced by the quality of the school. It indicates that the data has hierarchical structure which is students nested in schools. In this hierarchical structure, students who came from the same school were not completely independent of each other. It indicates that the independent observations assumption is not fulfilled, so that multilevel modeling needs to be applied. Mixed effects random forest (MERF) is a multilevel modeling method that provides high accuracy results. MERF is a development of the random forest method but used for hierarchical/clustered data. Thus, this study aims to apply the MERF method to identify the factors that influence the mathematics scores. The data set in this study was divided into two sets, train (85% of the original data set) and test set (15% of the original data set). Furthermore, the MERF model was built using training data by estimating fixed component (fixed part) and the random part effects on the model. Then, estimation of the value of the response variable on the test data was carried out using the MERF model that has been built. The Model then evaluated by calculating the root mean square error prediction (RMSEP). Finally, the importance of the predictor variables (feature importance) was calculated to identify the influence of the predictor variables on the mathematics scores on the AKSI Survey. The results showed that the frequency of students considering the use of money before buying goods had the greatest effect on math scores among other variables. Mother's education level and financial management respectively gave the second and third biggest influence on students 'math scores, while gender, father's education level, and level of financial instrument ownership were the three variables with the lowest influence on students' math scores.