Article Sidebar

Download
pdf
Statistic
Read Counter : 678 Download : 953

Downloads

Download data is not yet available.

Main Article Content

Abstract

Abstrak: Penelitian ini bertujuan menganalisis kemampuan literasi membaca siswa di Indonesia serta mengidentifikasi variabel penting yang memengaruhi kemampuan tersebut. Penelitian ini menggunakan pendekatan pendekatan Multivariate Adaptive Regression Spline (MARS). Data yang digunakan adalah survei PISA Indonesia tahun 2022 dengan melibatkan 16 variabel prediktor dan 1 variabel respon.  Hasil penelitian menunjukkan rata-rata kemampuan literasi membaca siswa Indonesia adalah 375,296, yang menempatkan Indonesia pada level 1c  atau peringkat rendah. Dari 16 variabel prediktor, variabel indeks dukungan keluarga memiliki pengaruh terbesar terhadap skor literasi membaca PISA 2022 di Indonesia. Peningkatan indeks dukungan keluarga secara langsung dapat meningkatkan skor literasi membaca sebesar 33,921 pada setiap siswa di Indonesia. Selain itu, terdapat 4 variabel penting lainnya yang berinteraksi dengan indeks dukungan keluarga dalam memengaruhi skor literasi membaca yaitu status ekonomi, sosial, dan budaya keluarga,dukungan keluarga terhadap pembelajaran mandiri, ketersediaan sumber daya TIK, dan serta rasa ingin tahu. Kesimpulan dari penelitian ini adalah kemampuan literasi membaca siswa di Indonesia masih tergolong rendah dan variabel dukungan keluarga terbukti memiliki pengaruh paling besar terhadap skor literasi membaca disamping variabel lainnya.  Oleh karena itu, diperlukan upaya untuk meningkatkan kemampuan literasi membaca siswa melalui berbagai intervensi kebijakan yang mempertimbangkan dukungan keluarga sebagai faktor utama.

Keywords

kemampuan literasi membaca dukungan keluarga PISA pendekatan MARS siswa Indonesia

Article Details

How to Cite
Amelia, D., Suliyanto, Lu’lu’a, N., Arafah, N. Q. B., Diaprina, S. R., & Maromy, T. C. (2024). Variabel yang Memengaruhi Kemampuan Literasi Membaca Siswa Indonesia : Analisis Berdasarkan Pendekatan MARS . Jurnal Pendidikan Dan Kebudayaan, 9(2), 205 - 217. https://doi.org/10.24832/jpnk.v9i2.4966

References

  1. Anisa, A. R., Ipungkarti, A. A., & Saffanah, K. N. (2021). Pengaruh kurangnya literasi serta kemampuan dalam berpikir kritis yang masih rendah dalam pendidikan di Indonesia. Conference Series Journal, 01(01), 1–12.
  2. Arguedo, A., Cabiladas, R., Minoza, J., Nidoy, C. P., & Moneva, J. (2023). Reading comprehension factors and performance of efl secondary students in thai education landscapes: a Multi-Regression Analysis. JEE (Journal of English Education9(2), 1–21. doi.org/10.30606/jee.v9i2.2050
  3. Bappenas. (2023). Pendidikan Berkualitas: Menjamin Kualitas Pendidikan yang Inklusif dan Merata serta Meningkatkan Kesempatan Belajar Sepanjang Hayat untuk Semua. https://sdgs.bappenas.go.id/17-goals/goal-4/ation), 9(2), 1–21. doi.org/10.30606/jee.v9i2.2050
  4. Bezek Güre, Ö., Şevgin, H., & Kayri, M. (2023). Reviewing the factors affecting PISA reading skills by using random forest and MARS methods. International Journal of Contemporary Educational Research, 10(1), 181–196. doi.org/10.33200/ijcer.1192590
  5. çanga, D., yavuz, E., & efe, E. (2021). Prediction of egg weight using MARS data mining Algorithm through R. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 24(1), 242–251. doi.orgCapotosto, L., Kim, J. S., Burkhauser, M. A., Park, S. O., Mulimbi, B., Donaldson, M., & Kingston, H. C. (2017). Family support of third-grade reading skills, motivation, and habits. AERA Open, 3(3). doi.org/10.1177/2332858417714457/10.18016/ksutarimdoga.vi.716880
  6. Depren, S. K. (2020). Determination of the factors affecting students’ science achievement level in turkey and singapore: An application of quantile regression mixture model. Journal of Baltic Science Education, 19(2), 247–260. doi.org/10.33225/jbse/20.19.247
  7. Febriana, I., Ameliya, A., Napitu, C. A. S., Purba, M. A., & Piliang, Y. K. A. (2024). Analisis pengaruh literasi membaca terhadap kemampuan matematika di tinjau dari data PISA 2022. Kebumian dan Angkasa, 2(4), 230–235. doi.org/10.62383/algoritma.v2i4.122
  8. Ferdiansyah, M. F., Xaverius, F., & Sadewo, S. (2020). Faktor faktor sosial yang mempengaruhi tingkat literasi baca tulis siswa MTs Salafiyah Kerek. Jurnal UNESA, 1(1), 1–28.
  9. Firdausih, A., Utami, C. B., & Fitri, I. (2024). Special edition from national seminar on family, child, and consumer issue: Building a quality family to create a golden Indonesia, 2024, 75-85 75 Adolescent Reading Literacy in View of Family Support and Reading Duration in Middle School Students. 75–85
  10. Fitraloka, E., Suminta, R. R., & Hamidah, D. (2022). Pengaruh dukungan keluarga terhadap minat baca siswa kelas IX MTs Nurul Islam Kota Kediri. Happiness, Journal of Psychology and Islamic Science, 6(2), 137–146. doi.org/10.30762/happiness.v6i2.490
  11. Hijjayati, Z., Makki, M., & Oktaviyanti, I. (2022). Analisis faktor penyebab rendahnya kemampuan literasi baca-tulis siswa kelas 3 di SDN Sapit. Jurnal Ilmiah Profesi Pendidikan, 7(3b), 1435–1443. doi.org/10.29303/jipp.v7i3b.774
  12. Iman, B. N. (2022). Budaya literasi dalam dunia pendidikan. Conference of Elementary Studies, 23–41. http://journal.um-surabaya.ac.id/index.php/Pro/article/view/14908
  13. Indahri, Y. (2021). Asesmen nasional sebagai pilihan evaluasi sistem pendidikan nasional. Aspirasi: Jurnal Masalah-Masalah Sosial, 12(2), 195–215. doi.org/10.46807/aspirasi.v12i2.2364
  14. Inten, D. N. (2017). Peran keluarga dalam menanamkan literasi dini pada anak. Golden Age: Jurnal Pendidikan Anak Usia Dini, 1(1), 23–32. doi.org/10.29313/ga.v1i1.2689
  15. Kemdikbudristek. (2023). Pisa 2022 dan pemulihan pembelajaran di Indonesia. https://balaibahasariau.kemdikbud.go.id/wp-content/uploads/2023/12/LAPORAN-PISA-KEMENDIKBUDRISTEK.pdf
  16. Lembang, F. K., Patty, H. W. M., & Maitimu, F. (2019). Analisis kemiskinan di Kabupaten Maluku Tenggara Barat menggunakan pendekatan multivariate adaptive regression spline (Mars). Media Statistika, 12(2), 188. doi.org/10.14710/medstat.12.2.188-199
  17. Minitab, L. (2019). Introducing MARS: Multivariate adaptive regression splines. Minitab, LLC.
  18. Nakarmi, S.S. (2024).Multi-collinearity in reserach and wayforward.Kaladarpan 4(1), 85–91. doi.org/OECD. (2023). PISA 2022 Results (Volume I): The state of learning and equity in education, PISA. OECD Publishing. doi.org/10.1787/53f23881-en10.3126/kaladarpan.v4i1.62837
  19. Oktora, S. I. (2016). Analisis multivariate adaptive regression splines (MARS) pada prediksi ketertinggalan kabupaten tahun 2014. Jurnal Aplikasi Statistika & Komputasi Statistik, 7(2), 115–128 tahun 2014. Jurnal Aplikasi Statistika & Komputasi Statistik, 7(2), 115–128
  20. Ratri, S. Y. (2015). Student factor influencing Indonesian student reading literacy based on PIRLS data 2011. Journal of Education, 8(1), 24–32
  21. Rohimah, S. (2021). Reading difficulties and factors affecting reading difficulties of students of grade 1 elementary school. LADU: Journal of Languages and Education, 1(5), 189–195. doi.org/10.56724/ladu.v1i5.85
  22. Ulla, N., Sahiruddin, & Khasanah, I. (2020). Sosial budaya yang berpengaruh terhadap minat membaca mahasiswa Unmer Malang. Diglossia, 11(2), 41–54.
  23. Wibowo, A., & Ridha, M. R. (2020). Comparison of logistic regression model and MARS using multicollinearity data simulation. JTAM: Jurnal Teori Dan Aplikasi Matematika, 4(1), 39-48. doi.org/10.31764/jtam.v4i1.1801
  24. Wuryani, W., & Nugraha, V. (2021). Pendidikan keluarga dalam penguatan literasi dasar pada anak. Semantik, 10(1), 101–110. doi.org/10.22460/semantik.v10i1.p101-110
  25. Yasmirullah, S. D. P., Otok, B. W., Purnomo, J. D. T., & Prastyo, D. D. (2021). Parameter estimation of multivariate adaptive regression spline (MARS) with stepwise approach to multi drug-resistant tuberculosis (MDR-TB) modeling in Lamongan Regency. Journal of Physics: Conference Series, 1752(1), 0–9. doi.org/10.1088/1742-6596/1752/1/012017
  26. Yulia, D., & Duryati. (2020). Hubungan dukungan sosial orang tua dengan minat membaca siswa di SD (Sekolah Dasar) Kota Bukittinggi. Jurnal Riset Psikologi, 2020(2), 1–11
  27. Zhang, W., & Goh, A. T. C. (2016). Multivariate adaptive regression splines and neural network models for prediction of pile drivability. Geoscience Frontiers, 7(1), 45–52. doi.org/10.1016/j.gsf.2014.10.003
  28. Zhou, W., Wang, T., Shi, J., Peng, B., Zhao, R., & Yu, Y. (2018). Remotely sensed clear-sky surface longwave downward radiation by using multivariate adaptive regression splines method. International Geoscience and Remote Sensing Symposium (IGARSS), 2018-July, 5571–5574. doi.org/10.1109/IGARSS.2018.8519297