Identifikasi standar nasional pendidikan yang berpengaruh terhadap ujian nasional dengan metode pohon regresi

Abstract

Pencapaian nilai Standar Nasional Pendidikan untuk Sekolah Menengah Atas di Pulau Jawa pada tahun 2013 menunjukkan adanya keragaman. Perbedaan ketercapaian Standar Nasional Pendidikan ini dapat memengaruhi nilai Ujian Nasional (UN). Hal yang dapat dilakukan untuk memaksimalkan pencapaian nilai UN adalah dengan mengklasifikasikan rata-rata nilai UN berdasarkan faktor-faktor yang berpengaruh terhadap nilai UN. Metode pohon regresi merupakan salah satu metode yang dapat digunakan untuk klasifikasi data dengan peubah respon berupa data numerik. Evaluasi kestabilan pohon optimum dilakukan dengan melakukan pengambilan contoh acak sebanyak tiga kali tanpa pengulangan. Pohon yang dihasilkan dari pengulangan tersebut berbeda-beda, hal ini menunjukkan ketidakstabilan. Penentuan peubah yang stabil dilakukan dengan random forest. Hasil dari random forest menunjukkan peubah yang stabil, diantaranya provinsi, Standar Sarana dan Prasarana, dan Standar Kompetensi Lulusan. Ketiga peubah tersebut merupakan peubah yang berkontribusi besar terhadap nilai UN. D.K.I Jakarta dan Jawa Timur perlu memperhatikan Standar Kompetensi Lulusan, sedangkan Banten, D.I Yogyakarta, Jawa Barat, dan Jawa Tengah perlu memperhatikan Standar Sarana dan Prasarana untuk mendapatkan nilai UN yang lebih baik.

Achievement of The National Education Standard for high schools in Java Island in 2013 showed variation. The difference in the achievement of The National Education Standard can affect the student’s score in The National Exam (UN). A solution for maximizing UN is classifiying the student’s score of UN based on the factors that are associated with UN. Regression tree analysis method is one of the classification method which can be used for numerical response variable. Evaluation of stability of the optimum tree is done by resampling three times with no replacements. The trees obtained from the procedure showed differences which indicates instability. Therefore this method should be continued with random forest method to see which variables are stable. The stable explanatory variables based on random forest are provinces, Infrastructure Standards, and Competency Standards. These three variables are the variables that highly contribute to UN. D.K.I Jakarta and East Java should concern to improve Competency Standards, while Banten, D.I Yogyakarta, West Java and Centre Java should concern toimprove Infrastructure Standards to a the better score of UN. Keywords:regression trees, random forest, national standards of education