Claim Missing Document
Check
Articles

Found 26 Documents
Search

PETA MUTU SATUAN PENDIDIKAN DI INDONESIA (Studi Pilotting Project akreditasi 2020) H Karwono; Budi Susetyo
Jurnal Penelitian Kebijakan Pendidikan Vol. 14 No. 1 (2021)
Publisher : usat Standar dan Kebijakan Pendidikan, BSKAP, Kemendikbudristek

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24832/jpkp.v14i1.434

Abstract

The 2020 school accreditation instrument (IASP2020) has changed the paradigm from accreditation as simply fulfilling administrative requirements to performance-based evaluation. IASP2020 focuses on measuring the quality of graduates, the learning process, quality of teachers, and school management. This research aims to examine the roadmap of education quality by type, level and area, and performance quality based on the accreditation components in IASP 2020 and the challenges to attain higher education quality. The data analyzed were the results of the piloting accreditation conducted by Board of National Accreditation for Schools/Madrasas (BAN-S/M) in 2020 on 4817 schools and madrasas. Sample selection was done through quota sampling. The results concluded that the majority of schools were accredited B. Senior High Schools (SMA) had better accreditation rating compared to other levels. In contrast, Elementary Schools/Madrasas (SD/MI) had the fewest A accreditation rating. Quality between provinces vary widely. DKI had the highest percentage of A rating while the lowest is NTT. The teacher quality component had the lowest score compared to the other three components. The factors causing the low quality at SD/MI were the students' low ability to communicate effectively, think critically in problem-solving and the lack of teachers’ initiative to carry out sustainable professional development. The low quality of SMK was due to the lack of graduates who were able to obtain competency certificates from the Professional Certification Institute, the poor management of the production unit/business center/techno park, and the lack of teachers who apply the results of training in the learning process. Instrumen Akreditasi Satuan Pendidikan tahun 2020 (IASP2020) mengubah paradigma penilaian akreditasi dari berbasis pemenuhan administratif menjadi berbasis kinerja. IASP2020 fokus mengukur komponen mutu lulusan, proses pembelajaran, mutu guru, dan manajemen sekolah. Tujuan dari penelitian ini adalah mengkaji peta mutu pendidikan berdasarkan jenis, jenjang dan wilayah serta kinerja komponen mutu dan faktor kendala pencapaian mutu berdasarkan hasil IASP2020. Data yang dianalisis berasal dari hasil piloting yang dilakukan oleh BAN-S/M tahun 2020 terhadap 4817 sekolah dan madrasah. Sekolah sampel pada piloting ini dipilih melalui sampling kuota, yang terwakili di seluruh provinsi, jenjang, dan jenis satuan pendidikan. Hasil analisis menyimpulkan bahwa mayoritas sekolah/ madrasah terakreditasi B. SMA memiliki peringkat akreditasi lebih baik dibandingkan dengan jenjang lainnya, sebaliknya SD/MI memiliki jumlah peringkat akreditasi A terkecil. Mutu antar provinsi sangat bervariasi. Provinsi DKI memiliki jumlah peringkat A terbanyak sedangkan terendah adalah NTT. Komponen mutu guru memiliki skor paling rendah dibandingkan tiga komponen lainnya. Faktor penyebab rendahnya mutu jenjang SD/MI adalah masih rendahnya kemampuan siswa dalam berkomunikasi secara efektif, berpikir kritis dalam pemecahan masalah, dan inisiatif guru melakukan pengembangan profesi berkelanjutan. Rendahnya mutu SMK terletak pada kurangnya lulusan yang memperoleh sertifikat kompetensi dari Lembaga Sertifikat Profesi, pengelolaan unit produksi/business center/technopark belum baik, dan rendahnya guru yang menerapkan hasil pelatihan dalam proses pembelajaran.
Metode AMMI pada Model Campuran . Suwardi; Ahmad Ansori Mattjik; Budi Susetyo
FORUM STATISTIKA DAN KOMPUTASI Vol. 6 No. 1 (2001)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Metode AMMI (Additive Main Effects and Multiplicative Interaction) adalah suatu metode analisis yang menggabungkan pengaruh utama aditif pada analisis ragam dengan penguraian bilinear pengaruh interaksi ganda. Dalam berbagai penelitian agronomi metode ini mampu menjelaskan lebih efektif pengaruh dan pola struktur interaksi antara genotip dengan lingkungan. Metode AMMI dapat diterapkan pada model campuran jika pengaruh acak pada faktor interaksi dipandang sebagai pengaruh tetap. Sebagai ilustrasi penerapan, penelitian ini menggunakan data produksi padi gogo (ton per hektar) dari hasil percobaan multi lingkungan.
METODE KLASIFIKASI BERSTRUKTUR POHON DENGAN ALGORITMA CRUISE, QUEST, DAN CHAID Yasmin Erika Faridhan; Budi Susetyo; Alamudi Aam
FORUM STATISTIKA DAN KOMPUTASI Vol. 11 No. 1 (2006)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (486.293 KB)

Abstract

Metode klasifikasi berstruktur pohon mulai banyak digunakan di berbagai bidang terutama karena hasilnya yang mudah diinterpretasikan. Tulisan ini mengangkat CRUISE sebagai metode pohon klasifikasi yang relatif baru, serta membandingkannya dengan dua metode serupa yang telah dikenal sebelumnya, yaitu CHAID dan QUEST. Data jamur tingkat tinggi (mushroom) genus Agaricus dan Lepiota digunakan untuk penerapan empat metode (CRUISE 1D, CRUISE 2D, QUEST, dan CHAID). Analisis keempat metode tersebut menunjukkan bahwa peubah-peubah yang palingberkaitan dengan klasifikasi jamur yang ‘dapat dimakan’ atau ‘beracun’ adalah aroma dan warna sporanya. Untuk kasus ini, tampaknya CRUISE merupakan metode yang paling baik, dengan salah klasifikasi 0.0000 dan menghasilkan pohonterkecil. Berdasarkan metode ini, jamur yang dapat dimakan adalah jamur beraroma almond, adas, atau tidak beraroma, memiliki warna spora selain hijau, serta tidak ditemui secara bergerombol. Identifikasi jamur demikian cukup mendapat dukungan dari segi mikologi. QUEST dan CHAID masing-masing menghasilkan salah klasifikasi 0.0014 dan 0.0028. Dari segi kecepatan proses, CRUISE 1D adalah yang tercepat. QUEST sedikit lebih lambat daripada CRUISE 1D untuk data berukuran besar dan peubah kategorik yang banyak, sedangkan CRUISE 2D memerlukan waktu pemrosesan (CPU time) paling lama. Dengan salah klasifikasi yang relatif kecil dan pohon yang pendek, CRUISE dapat menjadi alternatif yang baik bagi metode klasifikasi lainnya.
EBLUP METHOD OF TIME SERIES AND CROSS-SECTION DATA FOR ESTIMATING EDUCATION INDEX IN DISTRICT PURWAKARTA Febriyani Eka Supriatin; Budi Susetyo; Kusman Sadik
FORUM STATISTIKA DAN KOMPUTASI Vol. 20 No. 2 (2015)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (579.402 KB)

Abstract

Since decentralisation was implemented in Indonesia, more detailed information about the condition of an area becomes very necessary to know as an evaluation of development that the government has done. the success development of a region can be seen through the Human Development Index (HDI). HDI consists of three basic dimensions, knowledge as one of that three basic measured by the index of education. This index is measured by the Adult Literacy Rate and Mean Years of Schooling. Education is one of the important factors in improving human development. The enhancement of education index results in increasing the HDI of an area. Purwakarta has a vision that is made as a district that excels in education in West Java, but until now Purwakarta’s education index is still below the West Java province. One step that can be done is to seek information on the education index each district in Purwakarta, with the aim to provide the right policy in each region. Direct estimation of the components forming the HDI for districts is not feasible because these estimates will generate a great value of variance, This is due to the size of the sample used is too small. This study proposes a statistical method by performing the estimation using small area estimation. These estimates using information from surrounding areas that can improve the effectiveness of the sample size and the lower the standard error. Some surveys are conducted regularly every year, in conducting indirect estimation in the survey such as this, efficiency of estimating education index for district level can be improved by including the random effect of the area as well as the random effect of time (Sadik and Notodipuro, 2006). So in this study will be used Empirical Best Linear Unbiased Prediction (EBLUP) by combining the time series and cross-section data for estimating the education index at the level of districts in Purwakarta. The direct estimation of education index produce a larger variance than our methode, it shown by comparing mean square error (MSE) of direct method and indirect method, direct method have the largest MSE.Key words : Indirect Estimation, Small Area Estimator, EBLUP, Time Series and Cross-Section, HDI, Education Index.
SMALL AREA ESTIMATION OF LITERACY RATES ON SUB-DISTRICT LEVEL IN DISTRICT OF DONGGALA WITH HIERARCHICAL BAYES METHOD Rifki Hamdani; Budi Susetyo; _ Indahwati
FORUM STATISTIKA DAN KOMPUTASI Vol. 20 No. 2 (2015)
Publisher : FORUM STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (438.627 KB)

Abstract

Literacy Rate (LR) is defined as percentage of population aged over 15 with ability to read and write. LR, as one of people welfare indicators, is a measurement of educational development. The indicator, as a measurement of government performance on education, can be measured if all variables related is available. Statistics Indonesia (BPS) each year calculated LR based on National Socio-Economic Survey (SUSENAS) with estimation available only on provincial level and district level. Along with establishment of autonomous regional policy, where regional government had greater power to manage its own region, availability of LR on lower levels to monitor educational development is necessary. Due to sampling design of SUSENAS, accommodated only estimation on district level, will give high variance if used to estimate on lower sub-district level, although still unbiased. Modelling LR was done with Logit-Normal approach, because LR data followed Binomial Distribution. Good estimators from inadequate sample size can be obtained with method of Small Area Estimation (SAE). Hierarchical Bayes (HB) method is one of SAE methods which are proven to give good estimate on binomial distributed data as LR. Estimation on sub-district level in District of Donggala with HB method gave better result compared to the direct estimation with lower Mean Square Error (MSE).Key words : Small Area Estimation, Literacy Rate, Hierarchical Bayes, Logit-Normal Model
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KRITERIA LANJUT USIA TELANTAR DENGAN MENGGUNAKAN ANALISIS GEROMBOL Dewi Jasmina; Budi Susetyo; M Nur Aidi
Sosio Informa Vol 1 No 1 (2015): Sosio Informa
Publisher : Politeknik Kesejahteraan Sosial

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33007/inf.v1i1.89

Abstract

Lanjut usia telantar berdasarkan Peraturan Menteri Sosial Republik Indonesia Nomor 08 Tahun 2012 adalahseseorang yang berusia 60 tahun atau lebih, karena faktor-faktor tertentu tidak dapat memenuhi kebutuhandasarnya yaitu sandang, pangan, dan papan, juga telantar secara psikis dan sosial. Lanjut usia telantarmerupakan salah satu jenis Penyandang Masalah Kesejahteraan Sosial yang perlu mendapat perhatiankhusus baik dari pemerintah maupun masyarakat. Penanganan terhadap lanjut usia telantar memerlukandata dan informasi yang dapat memberikan gambaran mengenai kondisi lanjut usia telantardi Indonesia.Dengan adanya data dan informasi tentang lanjut usia telantar diharapkan dapat menunjang keberhasilanpelaksanaan program dan kebijakan terhadap penanganan lansia telantar. Oleh karena itu,tujuan dari tulisanini adalah mengelompokkan provinsi di Indonesia berdasarkan kriteria lanjut usia telantar,sehingga dapatdiperoleh gambaran tentang karakteristik lanjut usia telantar yang ada di setiap provinsi di Indonesia.Metode yang digunakan untuk mengelompokkan provinsi di Indonesia adalah analisis gerombol denganmenggunakan data sekunder. Hasil analisis gerombol menunjukkan bahwa provinsi di Indonesia terbagike dalam 4 kelompok dengan karakteristik lanjut usia telantar yang berbeda-beda pada masing-masingkelompok.Kata kunci: analisis gerombol, lanjut usia telantar
METODE POHON REGRESI PIECEWISE LINEAR DENGAN MENGGUNAKAN ALGORITMA GUIDE Izzati Rahmi H.G.; Budi Susetyo; Indahwati Indahwati
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 3, No 1 (2003)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v3i1.533

Abstract

Pohon regresi merupakan metode alternatif yang dapat digunakan untuk melihat hubungan antara peubah responkontinu dengan peubah-peubah penjelas. Metode pohon regresi menghasilkan dugaan piecewise constant atau piecewise lineardari model regresi. Penggunaan metode pohon regresi piecewice linear memberikan beberapa keunggulan dibandingkan metodepohon regresi piecewice constant. Metode pohon regresi picewice linear melibatkan peubah penjelas dalam model sehinggamampu mereduksi sisaan yang dihasilkan model picewise constant. Dengan demikian metode pohon regresi piecewice linearcenderung menghasilkan pohon regresi yang lebih pendek.Tulisan ini melihat penggunaan algoritma GUIDE dalam pohon regresi untuk model piecewice linear. Data yang digunakanterdiri dari data simulasi dengan mengambil satu peubah penjelas kontinu dan data sekunder dari internet dengan peubah responharga mobil dengan peubah-peubah penjelas berupa atribut-atribut mobil yang terdiri dari 10 peubah kategorik dan 13 peubahnumerik.Metode GUIDE menghasilkan kelompok-kelompok pengamatan yang memiliki model regresi yang lebih baik dibandingkandengan model regresi dengan melibatkan semua data. Disamping itu GUIDE mampu mejelaskan hubungan antara peubah respondan peubah penjelas yang bersifat kuadratik dengan menggunakan model regresi linier dengan terlebih dahulu membentukkelompok-kelompok pengamatan berdasarkan peubah penjelas yang digunakan.
Penentuan Gugus Kombinasi Taraf-taraf Faktor Optimal pada Percobaan Respon Ganda Berkorelasi Aceng Komarudin Mutaqin; Aunuddin Aunuddin; Budi Susetyo
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 5, No 1 (2005)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v5i1.911

Abstract

Makalah ini membahas metode penentuan gugus kombinasi taraf-taraf faktor optimal padapercobaan respon ganda berkorelasi. Kombinasi taraf-taraf faktor optimalnya diperoleh denganmenggunakan kriteria yang memaksimumkan proporsi sesuai. Gugus kombinasi taraf-taraf faktoroptimalnya diperoleh melalui pendugaan selang proporsi sesuai untuk setiap kombinasi taraf-taraffaktor dalam daerah percobaan dengan menggunakan metode persentil bootstrap parametrik.Sebagai bahan untuk mengilustrasikan metode tersebut adalah data penelitian hasil percobaanpembuatan briket batubara yang dilakukan di Lab. Batubara Puslitbang TekMIRA Bandung, JawaBarat.
PENDEKATAN EXTREME VALUE THEORY (EVT) UNTUK PENENTUAN UKURAN RESIKO (NILAI VAR) Zainal A Koemadji; Budi Susetyo; Bambang Juanda
STATISTIKA: Forum Teori dan Aplikasi Statistika Vol 4, No 2 (2004)
Publisher : Program Studi Statistika Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jstat.v4i2.907

Abstract

Extreme ValueTheory (EVT) adalah suatu metode untuk menentukan nilai VAR (Value at Risk) dengan mencobamenentukan sebaran dari nilai-nilai atau kejadian-kejadian ekstrim. Metode EVT terdiri atas dua metode yangmenggunakan sebaran yang berbeda, yaitu metode Generalized Extreme Value Theory (GEVD) dan Generalized ParetoDistribution (GPD). Nilai VAR sendiri adalah nilai harapan rugi maksimum (maximum expected loss) dari nilai aset atausaham pada suatu periode tertentu dan pada tingkat kepercayaan tertentu. Hasil penelitian dengan menggunakan dataperdagangan saham pada Bursa Efek Jakarta (BEJ) menunjukkan bahwa metode GEVD dapat menduga nilai VAR denganlebih baik dibanding metode GPD.
Historical Fire Detection of Tropical Forest from NDVI Time-series Data: Case Study on Jambi, Indonesia Dyah R. Panuju; Bambang H. Trisasongko; Budi Susetyo; Mahmud A. Raimadoya; Brian G. Lees
Journal of Mathematical and Fundamental Sciences Vol. 42 No. 1 (2010)
Publisher : Institute for Research and Community Services (LPPM) ITB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/itbj.sci.2010.42.1.5

Abstract

In addition to forest encroachment, forest fire is a serious problem in Indonesia. Attempts at managing its widespread and frequent occurrence has led to intensive use of remote sensing data. Coarse resolution images have been employed to derive hot spots as an indicator of forest fire. However, most efforts to verify the hot spot data and to verify fire accidents have been restricted to the use of medium or high resolution data. At present, it is difficult to verify solely upon those data due to severe cloud cover and low revisit time. In this paper, we present a method to validate forest fire using NDVI time series data. With the freely available NDVI data from SPOT VEGETATION, we successfully detected changes in time series data which were associated with fire accidents.