Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penambahan fasilitas pendiclikan menunjukkan upaya peningkatan kualitas proses clan hasil pendidikan. Suatu sistem pendidikan disebut bermutu dad segi proses jika proses belajar-mengajar berlangsung secara efektif, clan peserta didik mengalami proses pembelajaran yang bermakna clan ditunjang oleh sumber daya (manusia, clana, sarana, clan prasarana) yang memadai. Sementara Ru peserta diclik tersebar di lokas! yang sangat beragam mulai dari daerah terpencil sampai kota metropolitan. Kondisi geografis yang sedemikian luas clan terpencar, clan tingkat perkembangan pembangunan yang beragam, mengakibatkan masih rendahnya efisiensi dalam pengelolaan pendidikan. Masalah dalarn penelitian in! adalah : Bagaimana hubungan faktor jarak dengan kelengkapan fasilitas Sekolah Dasar di Kabupaten Tasikmalaya ? Kelengkapan fasilitas Sekolah Dasar yang dimaksud dalarn penelitian ini adalah rata-rata banyaknya sekolah, guru, ruang kelas, clan mudd sekolah dasar di setiap desa, yang clihitung berclasarkan rasio guru terha6p ruang kelas (RGk), rasio guru terhadap sekolah (RGs), rasio kelas terhadap sekolah (RKs) clan rasio murid terhadap kelas (RIVIk). Wilayah penelitian adalah desa - desa yang terclapat di Kabupaten Tasikmalaya Propinsi Jawa Barat (ticlak termasuk Kota Administratif Tasikmalaya). Wilayah penelitian dibagi menjacli 3 wilayah jarak dengan ketentuan yaitu : Wilayah I dengan jarak < 20 Krn dad pusat kota, Wilayah 11 : dengan jarak antara 20-40 Km clad pusat kota, clan Wilayah III : dengan jarak > 40 Krn dad pusat kota. Hasilnya adalah peta wilayah penelitian berclasarkan jarak dad pusat kota. Dad hasil penelitian di ketahui : Semakin dekat ke pusat kota, persentase banyaknya desa yang memiliki variabel-variabel kelengkapan fasilitas SID tinggi semakin bertambah kecuali rasio murid terhadap kelas (RMk), sedangkan persentase banyaknya desa yang memiliki variabel-variabel kelengkapan fasilitas SD renclah semakin berkurang. Semakin dekat ke pusat kota, persentase banyaknya desa yang memiliki tingkat kelengkapan fasilitas SD baik semakin bertambah, clan yang buruk semakin berkurang.

Abstrak :
Untuk memaksimalkan proses kegiatan pembelajaran dibutuhkan fasilitas pendidikan yang memadai. Namun, masalah pendidikan masih ditemukan, dimana salah satu akar permasalahannya adalah kurangnya fasilitas pendidikan. Pada jenjang Sekolah Menengah Pertama (SMP), jumlah SMP yang relatif banyak merupakan salah satu penghambat dalam penyaluran dan pemerataan dana APBN. Selain itu salah satu parameter untuk mengukur mutu pendidikan adalah nilai Ujian Nasional (UN). Sebagai Ibu Kota, DKI Jakarta adalah provinsi yang merupakan pusat pendidikan di Indonesia dan Jawa Barat merupakan provinsi dengan jumlah penduduk terbanyak di Indonesia yang berbatasan langsung dengan DKI Jakarta. Maka, analisis hubungan fasilitas sekolah dengan nilai UN pada DKI Jakarta dan Jawa Barat dapat diharapkan dapat menjadi salah satu alternatif bagi pemerintah untuk melihat keadaan SMP pada kedua provinsi terebut dan dalam menyalurkan dana APBN secara cepat dan tepat dengan melihat fasilitas apa saja yang memiliki hubungan dengan hasil belajar siswa. Banyaknya observasi yang digunakan adalah 987 SMP di Provinsi DKI Jakarta dan 4766 SMP di Provinsi Jawa Barat dengan 9 variabel kategorik fasilitas pendidikan dan sebuah variabel numerik yaitu nilai ujian nasional. Adapun metode yang digunakan untuk mengelompokkan adalah Robust Clustering Using Link (ROCK) yang diyakini mempunyai tingkat akurasi yang baik dan mampu menangani data kategorik dalam jumlah yang besar. Serta untuk mengetahui hubungan antara fasilitas dengan hasil ujian nasional akan di tentukan menggunakan Analisis Regresi. Didapat bahwa fasilitas SMP di DKI Jakarta sudah cukup merata dan cukup baik sehingga tidak terbentuk cluster dengan profil berbeda, sedangkan di Jawa Barat terbentuk 5 cluster dengan karakteristik masing masing. Terdapat indikasi hubungan yang kuat pada fasilitas laboratorium, rasio murid per guru, status, dan daya listrik dengan nilai ujian nasional di DKI Jakarta. Sedangkan untuk Provinsi Jawa Barat, hampir setiap cluster memiliki hubungan yang berbeda terhadap nilai ujian nasional. Namun, pada setiap cluster, fasisilitas daya listrik merupakan fasilitas yang memiliki hubungan signifikan dengan hasil ujian nasional siswa. ......To maximize the process of learning activities, adequate educational facilities are needed. However, there are still some problem, where one of the root causes is the lack of educational facilities. At the junior high school level, the relatively large number of junior high school is one of the obstacles in the distribution of APBN funds. In addition, one of the parameters that can be used to measure the quality of education is the value of the National Examination (UN). As the capital city, DKI Jakarta is a province that is the centre of education in Indonesia and West Java is the province with the largest population in Indonesia which is directly adjacent to DKI Jakarta. Thus, the analysis of the relationship between school facilities and the UN scores in DKI Jakarta and West Java is expected to be an alternative for the government to see the state of SMP in the two provinces and to distribute the APBN funds immediately and properly by looking at what facilities have a relationship with student learning outcomes. The number of observations used was 987 junior high schools in DKI Jakarta Province and 4766 junior high schools in West Java Province with 9 categorical variables for educational facilities and a numeric variable, which is the national exam scores. The method used for clustering is Robust Clustering Using Link (ROCK) which is believed to have a good level of accuracy and able to handle large amounts of categorical data. Also, to confirm the relationship between facilities and the results of the national exam will be determined by using Regression Analysis. It was found that the junior high school's facilities in DKI Jakarta were quite evenly distributed and good enough so that there were not forming any cluster with different profile, while in West Java there were 5 clusters with their respective characteristics. There are indications of a strong relationship with laboratory, student-teacher ratio, status, and electrical power to national exam scores in DKI Jakarta. Whereas for West Java Province, almost every clusters have a different relationship to the national exam scores. However, in each cluster, the utility of electrical power has a significant relationship with student's national exam results.

Abstrak :
ABSTRAK Dalam mendukung pendidikan di Indonesia, pemerintah telah memberikan perhatian dengan cara mengalokasikan Anggaran Pendapatan dan Belanja Negara (APBN). Namun, masalah pendidikan pada jenjang Sekolah Menengah Atas (SMA) masih ditemukan, dimana salah satu akar permasalahannya adalah kurangnya fasilitas pendidikan. Jumlah SMA yang relatif banyak merupakan salah satu penghambat dalam penyaluran dana APBN tersebut. Dengan demikian, analisis pengelompokan SMA berdasarkan fasilitas pendidikan di Indonesia diharapkan dapat menjadi salah satu alternatif bagi pemerintah dalam memprioritaskan penyaluran dana APBN secara cepat dan tepat. Banyaknya observasi yang digunakan adalah 13.486 SMA dengan 9 variabel kategorik fasilitas pendidikan yang tercatat di website Kementerian Pendidikan dan Kebudayaan pada bulan Agustus tahun 2019. Adapun metode yang digunakan adalah Robust Clustering Using Link (ROCK) yang diyakini mempunyai tingkat akurasi yang baik dan mampu menangani data kategorik dalam jumlah yang besar. Untuk mendapatkan profil kelompok yang lebih jelas, metode ROCK dimodifikasi dengan melakukan Nested Clustering. Hasil dari penelitian ini menunjukkan bahwa terbentuk 14 kelompok SMA yang memiliki karakteristik masing-masing. Diperoleh kelompok 3 merupakan kelompok yang relatif baik dan kelompok 1a merupakan kelompok yang relatif kurang baik. Secara umum, SMA di Indonesia membentuk kelompok yang memiliki kebutuhan fasilitas pendidikan yang berbeda dan memerlukan perhatian dari pemerintah.

---

ABSTRACT The government has given attention to support education in Indonesia by allocating the state budget (APBN). However, the problem of education at the senior high school level is still found, which one of the root problems is the lack of educational facilities. The large number of senior high schools in Indonesia becomes one of the barriers to distributing APBN funds. Thus, the analysis of the grouping of senior high schools based on educational facilities in Indonesia is expected to be an alternative for the government in prioritizing the distribution of APBN funds quickly and accurately. The number of observations is 13,486 with nine categorical variables recorded on a website of the Ministry of Education and Culture in August 2019. The method used is Robust Clustering Using Link (ROCK), which is believed has good accuracy and good to handle many categorical data. To get clearer profile of cluster, ROCK method modified with do Nested Clustering. The results of this study indicate that 14 clusters were formed and have their profiles. Cluster 3 is relatively good cluster while cluster 1a is relatively poor cluster. In general, high schools in Indonesia consist of groups that have different educational facility needs and require attention from the government.