Perpustakaan
DESKRIPSI DATA LENGKAP
JudulPemodelan Faktor-Faktor Yang Memengaruhi Siswa Putus Sekolah Tingkat SMA Di Indonesia Menggunakan Geographically Weighted Generalized Poisson Regression
Nama: NUR AZIZAH
Tahun: 2025
Abstrak
Pada tahun 2022, angka putus sekolah tingkat SMA di Indonesia menjadi yang tertinggi dibanding tingkat pendidikan lainnya. Penelitian ini akan memodelkan jumlah siswa putus sekolah menggunakan Geographically Weighted Generalized Poisson Regression (GWGPR) dengan tiga fungsi pembobot: adaptive Gaussian, adaptive bisquare, dan adaptive tricube kernel. GWGPR diterapkan karena data jumlah siswa putus sekolah mengalami overdispersion dan bergantung pada lokasi, sehingga model yang dihasilkan berbeda di setiap provinsi. Hasil analisis menunjukkan bahwa fungsi pembobot adaptive tricube kernel menghasilkan model terbaik dengan AIC terkecil. Contohnya, pada Provinsi Sulawesi Tengah, model GWGPR yang terbentuk adalah ? ?_26=exp(10,648-0,942X_2+0,455X_3-3,647X_4+1,180X_5 ?+? 0,949X_7 ), ? ?=0,056. Variabel yang berpengaruh adalah persentase penduduk usia 10-17 tahun yang bekerja, persentase penduduk usia 0-17 tahun yang terlantar, rata-rata lama sekolah, persentase penduduk usia 7-17 tahun yang memperoleh PIP dan persentase anak yang tidak tinggal bersama orang tua.

Sign In to Perpus

Don't have an account? Sign Up