Analisis Multilevel Univariat Dan Multivariat Pada Data PISA (Programme For International Student Assessment) Tahun 2018 Di Indonesia

Diaprina, Sistya Rosi (2022) Analisis Multilevel Univariat Dan Multivariat Pada Data PISA (Programme For International Student Assessment) Tahun 2018 Di Indonesia. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 06211950012004-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (5MB) | Request a copy

Abstract

Dalam bidang Pendidikan faktor penilaian merupakan faktor penting sebagai alat ukur dalam menentukan apakah tujuan pendidikan tercapai atau tidak. Sehingga dibutuhkan peran evaluasi yang efektif dan efisien yang dilakukan secara berkelanjutan guna mendapatkan gambaran secara utuh bagaimana prestasi dan proses belajar siswa. Salah satu penilaian secara global yang telah dilakukan secara berkala untuk mengukur sejauh mana prestasi siswa dan kesiapan dalam menghadapi tantangan masa depan adalah dengan survey PISA (Program for International Student Assessment) yang diselenggarakan oleh OECD (Organization for Economic Cooperation and Development). Data PISA terdiri dari data siswa yang tersarang di dalam sekolah yang mengakibatkan respon pengamatan yang terambil cenderung tidak bebas dan memiliki variasi antar sekolah yang tidak homogen. Apabila dilakukan pemodelan dengan cara analisis regresi biasa dapat mengakibatkan penyimpangan asumsi dan informasi berkaitan kelompok atau sekolah akan cenderung terabaikan. Sehingga dibutuhkan pemodelan secara multilevel untuk mengatasi hal tersebut. Pada penelitian ini menggunakan data PISA tahun 2018 di Indonesia yang terdiri dari 3 bidang uji yaitu Matematika, Membaca dan Sains. Pada kajian teori didapatkan estimasi model multilevel (univariat) dengan menggunakan metode maximum likelihood dengan hasil estimasi tak bias. Dari hasil estimasi tersebut didapatkan matriks varian kovarians. Selain itu, metode yang digunakan dalam penelitian ini ada dua yaitu regresi multilevel secara univariat (masing-masing bidang skor PISA) dan regresi multilevel secara secara multivariat (tiga bidang skor PISA secara simultan). Hasil yang didapatkan beradasarkan metode regresi multilevel baik secara univariat dan multivariat adalah faktor-faktor yang mempengaruhi prestasi belajar siswa pada tiga bidang (Membaca, Matematika, dan Sains) adalah ESCS (indeks status ekonomi, sosial, dan budaya), pengulangan, rata-rata ESCS di sekolah, dan tipe sekolah untuk tingkat signifikansi alpha 5%. Tidak semua kategori bahasa di rumah, status keimigrasian, dan kelas berpengaruh signifikan terhadap prestasi belajar siswa. Pada bidang sains semua kategori status keimigrasian berpengaruh signifikan. Pada bidang matematika dan sains, faktor jenis kelamin tidak berpengaruh signifikan.
======================================================================================================
In education, the assessment factor is an essential factor as a measuring tool in determining whether the educational goals are achieved or not. So that takes the role of an effective and efficient evaluation needs to be carried out sustainably to obtain overview information on student achievement and learning processes. One of the global assessments carried out regularly to measure the extent of student achievement and readiness to face future challenges is the PISA (Program for International Student Assessment) survey conducted by the OECD (Organization for Economic Cooperation and Development). PISA data consists of student data nested in schools, resulting in the observed responses being taken tending to be independent and have variations between schools that are not homogeneous. If modeling is done using ordinary regression analysis, it can lead to deviations in assumptions, and information related to groups or schools will tend to be neglected. So multilevel modeling is needed to overcome this. This study uses PISA 2018 data in Indonesia, consisting of 3 test areas: mathematics, reading, and Science. In the theoretical study, the estimation of a multilevel (univariate) model was obtained using the maximum likelihood method with unbiased estimation results. From the estimation results, the variance matrix of covariance is obtained. In addition, there are two methods used in this study, namely univariate multilevel regression (each field of PISA scores) and multilevel regression multivariate (three areas of PISA scores simultaneously). The results obtained based on the multilevel regression method, both univariate and multivariate are the factors that affect student achievement in three fields (Reading, Mathematics, and Science) are ESCS (index of economic, social and culture status), repetition, average ESCS in school, and school type for 5% alpha significance level. Not all categories of language at home, immigration status, and grade significantly affect student achievement. In science, all categories of immigration status have a significant effect. In mathematics and science, gender does not have a significant effect.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Multilevel Modeling, Multivariat, PISA Indonesia 2018, Student Achievement, Univariat, Multilevel Modeling, Multivariate, PISA Indonesia 2018, Student Achievement, Univariate
Subjects:	H Social Sciences > HA Statistics H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Sistya Rosi Diaprina
Date Deposited:	19 Feb 2022 11:00
Last Modified:	31 Oct 2022 02:48
URI:	http://repository.its.ac.id/id/eprint/94645

Actions (login required)

View Item