PENGELOMPOKAN KABUPATEN/KOTA UNTUK MENGANALISIS KEBUTUHAN GURU SMA/SMK NEGERI DI PROVINSI MALUKU MENGUNAKAN METODE ANALISIS BIPLOT

Keywords: Analisis Biplot, Guru SMA/SMK, Pengelompokkan, Provinsi Maluku

Abstract

Pemerataan kebutuhan guru di setiap sekolah menjadi hal penting dalam menunjang pendidikan. Data BPS Provinsi Maluku menunjukkan bahwa pada tahun 2022 masih ada sekolah yang kekurangan tenaga guru. Hal  ini tentunya berdampak  pada  masih ada guru yang  mengajar  tidak  sesuai  dengan  latar  belakang  pendidikan. Solusi yang dapat dijadikan acuan adalah melalui pengelompokan kabupaten/kota sebagai acuan dalam analisis kebutuhan guru. Tujuan dari penelitian ini adalah menerapkan metode analisis Biplot untuk mengelompokkan kabupaten/kota yang ada di Provinsi Maluku berdasarkan data rasio jumlah guru terhadap jumlah sekolah dan rasio jumlah siswa terhadap jumlah guru SMA/SMK Negeri. Dari hasil penelitian diperoleh 3 kluster yaitu Kluster I terdiri dari Kota Ambon, Kluster II terdiri dari Kabupaten Maluku Tenggara, Kabupaten Kepulauan Aru, Kabupaten Seram Bagian Barat, Kabupaten Maluku Tengah, Kota Tual, Kabupaten Buru, dan Kepulauan Tanimbar, dan Kluster III terdiri dari  Kabupaten Maluku Barat Daya, Kabupaten Seram Bagian Timur, dan Kabupaten Buru Selatan. Hasil analisis menunjukkan bahwa perlu adanya penambahan tenaga guru pada SMA/SMK negeri di kabupaten yang ada pada Kluster III guna memenuhi kebutuhan minimal jumlah guru.

Downloads

Download data is not yet available.

References

Agresti, Alan( 2007), An Introduction to Categorical Data Analysis, Canada: John Wiley and Sons. h.80-81

Agresti, Alan. Categorical Data Analysis (Canada: John Wiley and Sons, 2002). h.116.

Birahi, M., Wattimena, A. Z., Lewaherilla, N., & Latupeirissa, S. J. (2022). Analisis Pengaruh Model Pembelajaran Contextual Teaching and Learning (Ctl) Terhadap Hasil Belajar Siswa dengan Menggunakan Uji Mann Whitney dan Wald Wolfowits. Parameter: Jurnal Matematika, Statistika dan Terapannya, 1(1), 59-68.

Damah. (2011), “Mengatasi Overdispersi Pada Model Regresi Poisson dengan Generalized Poisson Regression I”, (Jurnal Eksponensial, Vol. 2 No. 2 November 2011). H.5

Gunawan, Imam,(2017) Pengantar Statistika Inferensial, Rajawali Pers. ). h.102-103, Jakarta.

Haumahu, G., & Matdoan, M. Y. (2022). Algoritma K-Medoids Clustering Untuk Mengelompokkan Tingkat Kemiskinan Pada Kabupaten dan Kota di Kepulauan Maluku dan Papua. VARIANCE: Journal of Statistics and Its Applications, 4(2), 81-88.

Ismail, Noriszura dan Jemain, Abdul Aziz (2007), Handling Overdispersion with Negative Binomial and Generalized Poisson Regression Models Casualty Actuarial Society Forum, Winter. hal.106.

Juniardi, Lucky Chyntia & Salamah, Mutiah (2003), Analisis Faktor-Faktor yang Mempengaruhi Jumlah Kasus Kusta di Jawa Timur pada Tahun dengan Geographically Weighted Negative Binomial regression (GWNBR) (Jurnal Sains dan Seni ITS Vol.4 No.1. 2015). h.1

Lopies, C., Matdoan, M. Y., Loklomin, S. B., & Wattimena, A. Z. (2023). Analisis dan Klasifikasi Tingkat Kebahagiaan Masyarakat Berdasarkan Propinsi di Indonesia dengan Pendekatan Statistik. PARAMETER: Jurnal Matematika, Statistika Dan Terapannya, 2(01), 157-169.

Ma’sum. Suparti dan Ispriyanti (2011), “Analisis Angka Kematian Ibu Menggunakan Model Regresi Binomial Regresi ( Studi Kasus: Angka Kematian Ibu di Provinsi Jawa Timur Tahun 2011)”.(Semarang: Universitas Diponegoro, Prosiding Seminar Nasional Statistika. ISBN: 978-602-14387-0-1)

Noriszura Ismail dan Abdul Aziz Jemain (2007), Handling Overdispersion with Negative Binomial and Generalized Poisson Regression Models (Casualty Actuarial Society Forum, Winter), hal.106.

Pradawati. Dkk.Penerapan Regresi Binomial Negatif untuk Mengatasi Overdispersi Pada Regresi Poisson(Jurnal Matematika Vol.2 No.2. 2013). h.7

Ronald E Walpole & Raymond H Myers.Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuan (Bandung: ITB. 1995). h.149-150.

Shovalina, Mei Rizka. Modeling and Mapping Leprosy Prevalance Disielse Patients In The District/ City Of East Java With Mixed Geographically Weighted Regression Approach. (Surabaya: Institut Teknologi Sepuluh November. 2016)

Wahyuni, Widya. Penaksir Parameter Model Regresi Binomial Negatif pada Kasus Overdispersi (Depok: Universitas Indonesia, 2011), hal.25-29

Walpole, Ronald E & Myers, Raymond H.Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuan (Bandung: ITB. 1995). h.149-150

Published
2023-11-04