PEMODELAN AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE

Abstract

Multivariate Adaptive Regression Spline (MARS) merupakan salah satu model regresi nonparametrik, MARS merupakan pengembangan dari pendekatan recursive partition regressio (RPR) yang dikombinasikan dengan metode Spline sehingga MARS mampu menghasilkan prediksi variabel respon yang akurat, serta menghasilkan model yang kontinu pada knot berdasarkan nilai generalized cross validation (GCV) terkecil. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang akan melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh. Pemilihan model MARS terbaik dilakukan dengan prosedur forward stepwise dan backward stepwise didasarkan pada nilai GCV. Penelitian ini menggunakan 8 variabel prediktor dan 2 variabel respon dengan menggunakan data akreditasi sekolah SMA/MA di Kalimantan Barat. Hasil dari penelitian ini, menunjukkan bahwa model MARS terbaik didapat dari hasil kombinasi fungsi basis (BF) = 32, maksimum interaksi (MI) = 3, dan minimum observasi (MO) = 10 dengan nilai sebesar GCV = 0,0468. Dari proses yang dilakukan terdapat 2 variabel prediktor yang memberikan pengaruh persentase paling besar terhadap model yaitu komponen standar sarana dan prasarana sebesar 100% dan komponen standar pendidik dan tenaga kependidikan 92,5%.

Kata Kunci: komponen akreditasi sekolah, MARS, GCV