IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI KETEPATAN WAKTU KELULUSAN MAHASISWA PROGRAM SARJANA IPB NITA NURGENITA
|
|
- Suhendra Atmadjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI KETEPATAN WAKTU KELULUSAN MAHASISWA PROGRAM SARJANA IPB NITA NURGENITA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
2
3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Faktor- Faktor yang Memengaruhi Ketepatan Waktu Kelulusan Mahasiswa Program Sarjana IPB adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juni 2015 Nita Nurgenita NIM G
4 ABSTRAK NITA NURGENITA. Identifikasi Faktor Faktor yang Memengaruhi Ketepatan Waktu Kelulusan Mahasiswa Program Sarjana IPB. Dibimbing oleh AAM ALAMUDI dan ANIK DJURAIDAH. Persentase lulus tepat waktu setiap perguruan tinggi umumnya lebih kecil dibandingkan dengan persentase lulus tidak tepat waktu. Penelitian sebelumnya menyatakan persentase kelulusan tepat waktu di IPB hanya sebesar 30.94% sedangkan 69.06% lainnya tidak lulus tepat waktu. Ketidaktepatan waktu kelulusan tersebut dapat disebabkan oleh beberapa faktor yang dapat diidentifikasi oleh suatu analisis statistika. Salah satu analisis yang dapat digunakan yaitu analisis regresi logistik biner dengan peubah respon lulus tepat waktu dan lulus tidak tepat waktu. Hasil analisis regresi logistik biner tersebut mengindikasikan bahwa asal fakultas wisudawan, IPK TPB, jenis kelamin wisudawan, beasiswa, jalur masuk dan minor memengaruhi ketepatan waktu kelulusan. Faktor yang paling memengaruhi ketepatan waktu kelulusan adalah fakultas, hasil tersebut sejalan dengan penelitian sebelumnya. Fakultas yang memiliki odds untuk lulus tepat waktu tertinggi yaitu FEM dengan rasio odds sebesar 8.99 yang artinya odds lulus tepat waktu FEM 8.99 kali dibandingkan FAPERTA. Kata kunci: analisis regresi logistik biner, faktor-faktor kelulusan, lulus tepat waktu ABSTRACT NITA NURGENITA. Identification of Affecting Timeliness Graduation Factors in IPB Undergraduate Students. Supervised by AAM ALAMUDI and ANIK DJURAIDAH. The percentage of on-time graduation in time every college is usually smaller than the late one. Previous research states the percentage of on-time graduation in IPB amounted to only 69.06% and 30.94% while others do not graduate on time. Inaccuracy time graduation can be caused by several factors that can be identified by a statistical analysis. Statistical approach that can be used is a binary logistic regression analysis with the response variable graduate on time and did not pass in time. Results of binary logistic regression analysis indicated that the origin of the faculty graduates, GPA TPB, gender graduates, scholarship, driveway and minor effect timeliness of graduation. The factors that most affects the timeliness of graduation is the faculty, the result is in line with previous studies. Faculty who have the odds to graduate on time high of FEM with an odds ratio of 8.99, which means the odds to graduate on time FEM 8.99 times compared FAPERTA. Keywords: binary logistic regression analysis, graduate on-time, graduation factors
5 IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI KETEPATAN WAKTU KELULUSAN MAHASISWA PROGRAM SARJANA IPB NITA NURGENITA Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
6
7
8 PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta ala atas segala karunia-nya sehingga karya ilmiah ini yang berjudul Identifikasi Faktor- Faktor yang Memengaruhi Ketepatan Waktu Kelulusan Program Sarjana IPB dapat diselesaikan. Salawat serta salam Penulis panjatkan kepada Nabi Muhammad SAW yang telah membawa petunjuk untuk para umatnya. Terima kasih penulis ucapkan kepada Bapak Ir Aam Alamudi MSi dan Ibu Dr Ir Anik Djuraidah MS selaku pembimbing atas kesabaran, pengarahan, saran, dan masukan untuk karya ilmiah ini dan juga saya ucapkan terima kasih kepada Bapak Dr. Farit M. Afendi MSi selaku penguji luar atas saran dan masukan untuk karya ilmiah ini, serta staff tata usaha statistika yang telah membantu penulis dalam menyelesaikan karya ilmiah ini. Di samping itu, penghargaan penulis sampaikan kepada staff Dit-Ap, yang telah membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan kepada Mama, Bapak dan seluruh keluarga, atas segala doa dan kasih sayangnya, serta tak lupa kepada Fahmi, Murih, Winda, Latifah, Yuniar dan keluarga statistika 48 atas motivasi dan dukungannya. Semoga karya ilmiah ini bermanfaat dan dapat memberikan kontribusi dalam menambah kekayaan keilmuan statistika. Bogor, Juni 2015 Nita Nurgenita
9 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 2 METODE 2 Sumber Data 2 Prosedur Analisis Data 2 HASIL DAN PEMBAHASAN 5 Gambaran Umum Data 5 Model Regresi Logistik Biner 7 Faktor yang Berpengaruh 8 SIMPULAN 10 DAFTAR PUSTAKA 11 LAMPIRAN 12 RIWAYAT HIDUP 15
10 DAFTAR TABEL 1 Ketepatan klasifikasi 4 2 Persentase ketepatan klasifikasi 8 DAFTAR GAMBAR 1 Persentase lulus tepat waktu wisudawan TA 2013/2014 berdasarkan: (a) asal fakultas wisudawan, (b) asal daerah wisudawan, (c) jalur masuk wisudawan, (d) status beasiswa, (e) status minor wisudawan dan (f) jenis kelamin wisudawan. 6 2 Diagram kotak garis wisudawan TA 2013/2014 IPK TPB berdasarkan ketepatan waktu kelulusan 7 3 Rasio odds berdasarkan faktor yang berpengaruh 10 DAFTAR LAMPIRAN 1 Peubah yang digunakan dan kategorinya 12 2 Hasil prosedur seleksi langkah maju 13 3 Hasil pengujian parameter dan rasio odds 14
11 PENDAHULUAN Latar Belakang Lulus tepat waktu merupakan salah satu indikator kualitas lulusan dalam menyelesaikan studinya selain indeks prestasi kumulatif (IPK) dan predikat yang disandang ketika kelulusan. Kurikulum perguruan tinggi (PT) sudah dibuat sedemikian rupa sehingga seorang mahasiswa dapat menyelesaikan pendidikan 7-8 semester (Kunaefi et al. 2008). IPB (2010) menerangkan bahwa kurikulum setiap fakultas di Institut Pertanian Bogor (IPB) rencana penyelenggaraannya dilaksanakan selama 8 semester. Berdasarkan uraian tersebut seorang mahasiswa yang menyelesaikan studi dalam kurun waktu 7-8 semester dikatakan mahasiswa tersebut tepat waktu dalam menyelesaikan studinya, sebaliknya mahasiswa yang menyelesaikan studinya lebih dari 8 semester dikatakan lulus tidak tepat waktu dalam menyelesaikan studinya. Pada praktiknya jarang dijumpai mahasiswa yang dapat menyelesaikan studinya dalam waktu 7-8 semester. Hal itu menunjukkan bahwa masih banyak mahasiswa yang tidak dapat menyelesaikan studinya sesuai dengan kurun waktu 7-8 semester. IPB merupakan salah satu perguruan tinggi negeri (PTN) terbaik yang memiliki visi menghasilkan lulusan yang terbaik. Pada faktanya PTN terbaik juga memiliki lulusan yang tidak dapat menyelesaikan studinya tepat waktu. Pertiwi (2013) menyatakan bahwa sebanyak 30.94% mahasiswa IPB lulusan tahun merupakan mahasiswa yang dapat menyelesaikan studinya tepat waktu, sedangkan 69.06% lainnya tidak dapat menyelesaikan studinya tepat waktu. Berdasarkan hal tersebut terlihat bahwa persentase ketepatan waku kelulusan di IPB lebih kecil dibandingkan dengan persentase mahasiswa yang tidak tepat waktu. Ketidaktepatan waktu kelulusan dapat disebabkan oleh beberapa faktor. Faktor-faktor yang diduga dapat memengaruhi waktu kelulusan seorang mahasiswa yaitu indeks prestasi kumulatif (IPK) Tingkat Persiapan Bersama (TPB) dan asal fakultas. Penentuan faktor-faktor yang memengaruhi ketepatan waktu kelulusan mahasiswa dapat didekati dengan analisis statistika. Salah satu pendekatan analisis statistika yang pernah digunakan dalam penelitian sebelumnya yaitu Chi-Squared Automatic Interaction Detection (CHAID) yang dilakukan oleh Pertiwi (2013). Faktor-faktor yang diteliti dalam penelitian Pertiwi yaitu fakultas, minor, IPK, jenis kelamin, asal daerah, asal sekolah, jalur masuk dan beasiswa. Hasil penelitian tersebut memberikan hasil bahwa fakultas adalah faktor yang paling memengaruhi ketepatan waktu kelulusan, namun penelitian menggunakan CHAID ini tidak dapat melihat besarnya pengaruh masing-masing faktor yang digunakan terhadap ketepatan waktu kelulusan. Sehingga, analisis statistika lain yang dapat digunakan adalah analisis regresi logistik biner. Agresti (2007) menyatakan bahwa analisis regresi logistik biner adalah suatu analisis statistika yang memiliki peubah respon bersifat kualitatif dengan kategori dikotomik yang menyatakan kejadian sukses atau gagal.
12 2 Tujuan Penelitian Tujuan penelitian ini adalah mengidentifikasi faktor-faktor yang memengaruhi ketepatan waktu kelulusan mahasiswa program Sarjana IPB. METODE Sumber Data Data yang digunakan pada penelitian ini adalah data 6 tahap wisuda IPB tahun ajaran 2013/2014. Data tersebut diperoleh dari Direktorat Administrasi dan Pendidikan (Dit-Ap) IPB. Penelitian ini menggunakan satu peubah respon yaitu ketepatan waktu lulus dan 7 peubah penjelas yaitu jenis kelamin, IPK TPB, pengambilan minor, beasiswa, jalur masuk, asal daerah dan asal fakultas yang dapat dilihat pada Lampiran 1. Pengelompokan peubah respon dilihat berdasarkan waktu surat keterangan lulus (SKL) dikeluarkan dan peubah penjelas yang digunakan sama dengan penelitian Pertiwi kecuali peubah asal sekolah yang tidak digunakan dalam penelitian ini. Jumlah wisudawan yang diteliti dalam penelitian ini sebanyak 3242 wisudawan. Prosedur Analisis Data Tahapan yang dilakukan dalam penelitian ini adalah: 1. Melakukan analisis regresi logistik biner, menurut Hosmer dan Lemeshow (2000) model regresi logistik berganda yaitu: π log [ 1 π ] = g(x) = β 0 + β 1 x 1 + β 2 x β p x p dengan: p = banyaknya peubah penjelas. π = nilai peluang sukses. i = 1,2,,p. β i = koefisien parameter ke-i. x i = peubah penjelas ke-i. Sehingga untuk model regresi logistiknya dapat juga dituliskan: π(x) = exp(g(x)) 1 + exp(g(x)) dengan π(x) adalah peluang bersyarat Y jika X telah diketahui (P(Y = 1 x)). Prosedur yang digunakan untuk pemilihan peubah penjelas dalam analisis regresi logistik yaitu seleksi langkah maju. Christensen (1990) menyatakan prosedur seleksi langkah maju yaitu dengan memasukkan peubah satu per satu, peubah yang memberikan nilai-p paling signifikan adalah peubah yang masuk
13 pertama ke dalam model. Langkah-langkah dalam melakukan analisis regresi logistik: i. Menduga parameter regresi logistik Metode yang digunakan dalam pendugaan parameter regresi logistik biner adalah metode kemungkinan maksimum, karena respon yang diteliti menyebar binomial maka fungsi kepadatan peluangnya untuk n=1 yaitu: ii. P(Y i = 1) = ( n 1 ) π(x j) y i[1 π(x j )] 1 y i fungsi kemungkinan maksimum dengan asumsi antar amatan saling bebas yaitu: n l(β) = π(x i ) y i [1 π(xi )] 1 y i i=1 dengan: i = 1,2,3,,n. n = jumlah pengamatan. y i = nilai respon pada pengamatan ke-i. π(x i ) = nilai peluang pada pengamatan ke-i. Pengujian parameter regresi logistik Pengujian parameter regresi dilakukan menggunakan uji rasio kemungkinan dan uji Wald. a. Uji rasio kemungkinan Uji rasio kemungkinan adalah uji secara simultan untuk mengetahui peubah penjelas secara bersama-sama memengaruhi ketepatan waktu kelulusan atau tidak. Langkah langkah pengujian: 1. Menentukan hipotesis H0 : β 0 = β 1 = = β p = 0 H1 : min ada satu β j 0, dengan j = 1,2,, p 2. Menghitung statistik uji Agresti (2007) menyatakan statistik uji untuk pengujian rasio kemungkinan adalah sebagai berikut: kemungkinan tanpa peubah penjelas G = 2 ln ( kemungkinan dengan peubah penjelas ) Nilai G yang dihasilkan harus menghasilkan nilai yang positif (Agresti 2007). 3. Menentukan kriteria pengujian Hipotesis nol akan ditolak jika nilai G > χ 2 (α,p), dengan α (5%) atau nilai-p kurang dari α. b. Uji Wald Uji Wald adalah uji secara parsial untuk mengetahui pengaruh masingmasing peubah penjelas terhadap ketepatan waktu kelulusan. Langkahlangkah pengujian: 1. Menentukan hipotesis H0 : β j = 0, dengan j = 1,2,, p. H1 : β j 0, dengan j = 1,2,, p. 3
14 4 iii. iv. 2. Menghitung statistik uji Statistik uji yang digunakan dalam uji Wald menurut Agresti (2009) yaitu: β j W = [ se(β j) ] dengan: β j = nilai dugaan parameter ke-j. se(β j) = standar error β j 3. Menentukan kriteria pengujian Hipotesisi nol akan ditolak jika nilai W > χ 2 (α,1), dengan α (5%) atau nilai-p kurang dari α. Melakukan pengujian antara data observasi dengan model. Menurut Ghozali (2009), pengujian antara data observasi dengan model dapat menggunakan uji Hosmer-Lemeshow. Hipotesis untuk pengujian ini yaitu: H0 : Tidak ada perbedaan antara nilai observasi dengan model H1 : Terdapat perbedaan antara nilai observasi dengan model Menurut Hosmer dan Lemeshow (2000) statistik uji yang digunakan yaitu: dengan: g C = (O i N i π i) 2 N i π i(1 π i) i=1 Ni : Total frekuensi pengamatan kelompok ke-i. Oi : Frekuensi pengamatan kelompok ke-i. π i : Rata-rata taksiran peluang ke-i. Hipotesis nol ditolak jika nilai C lebih besar dari χ 2 (α,g-2) dengan g adalah banyaknya kelompok atau nilai-p kurang dari α. Hosmer dan Lemeshow (2000) menyatakan bahwa nilai C didasarkan pada pengelompokkan jenis persentil dan umumnya kelompok yang terbentuk sebanyak 10 kelompok. Pengujian ini mengharapkan hipotesis nol yang tidak ditolak sehingga tidak terdapat perbedaan antara nilai observasi dengan model. Membuat tabel ketepatan klasifikasi Menurut Hosmer dan Lemeshow (2000) ukuran suatu kebaikan model dapat dilihat melalui tabel ketepatan klasifikasi. Tabel ketepatan klasifikasi diperoleh dengan menentukan titik potong (c) dan dibandingkan dengan π (x). Nilai dugaan Y = 1 jika π (x) bernilai lebih besar atau sama dengan c, sebaliknya nilai dugaan Y = 0 jika π (x) bernilai kurang dari c. Besar nilai c yang digunakan dalam penelitian ini adalah nilai peluang optimal untuk sebaran binomial yaitu 0.5. Tabel 1 Ketepatan klasifikasi 2 Amatan Dugaan 1 0 Total Ketepatan 1 a b n 1. a/n 1. 0 c d n 0. d/n 0. Total n.1 n.0 n (a + d)/n
15 2. Melakukan interpretasi koefisien Interpretasi koefisien dilihat berdasarkan rasio odds. Agresti (2007) mendefinisikan nilai rasio odds sebagai berikut: θ = π i/(1 π i ) π j /(1 π j ) dengan: π i : peluang sukses ke-i π j : peluang sukses ke-j. Nilai θ yang memiliki nilai lebih besar dari 1 menunjukkan odds sukses pada baris i lebih besar daripada baris j, hal ini menunjukkan bahwa π i > π j. Sebaliknya, nilai θ yang lebih kecil dari 1 menunjukkan odds sukses pada baris i lebih kecil daripada baris j, hal ini menunjukkan bahwa π i < π j. 5 HASIL DAN PEMBAHASAN Gambaran Umum Data Persentase lulus tepat waktu wisudawan IPB TA 2013/2014 sebesar 38.19% dan persentase lulus tidak tepat waktu sebesar 61.81%. Besarnya persentase lulus tepat waktu meningkat 7.25% dibandingkan persentase penelitian Pertiwi (2013). Gambar 1(a) menunjukkan jumlah wisudawan yang menyelesaikan studi tepat waktu terbanyak pada TA 2013/2014 berasal dari fakultas ekonomi dan manajemen (FEM) dengan persentase sebesar 67.12% dari total wisudawan FEM, sedangkan jumlah wisudawan yang lulus tepat waktu paling sedikit berasal dari fakultas kehutanan (FAHUTAN) dengan persentase sebesar 13.03% dari total wisudawan FAHUTAN. Berdasarkan asal daerah wisudawan, wisudawan yang berasal dari Jabodetabek dan luar Jabodetabek yang lulus tepat waktu masing-masing sebesar 39.66% dari total wisudawan yang berasal dari Jabodetabek dan 37.02% dari total wisudawan yang berasal dari luar Jabodetabek terlihat pada (Gambar 1(b)). Gambar 1(c) menunjukkan persentase wisudawan yang lulus tepat waktu terbesar berasal dari mahasiswa yang diterima melalui jalur BUD/Beasiswa/Kemitraan sebesar 47.87% dari total wisudawan yang diterima melalui jalur BUD/Beasiswa/Kemitraan, persentase tersebut tidak jauh berbeda dengan persentase wisudawan yang lulus tepat waktu yang diterima di IPB melalui jalur UTM sebesar 45.65% dari total wisudawan yang diterima melalui jalur UTM dan persentase wisudawan yang lulus tepat waktu terkecil berasal dari wisudawan yang diterima melalui jalur SPMB/UMPTN/SNMPTN sebesar 25.87% dari total wisudawan yang diterima melalui jalur ini. Berdasarkan Gambar 1(d) wisudawan yang mendapatkan beasiswa selama menempuh studi di IPB memiliki persentase lebih besar lulus tepat waktu daripada yang tidak menerima beasiswa selama menempuh studi di IPB yaitu sebesar 46.08% dari total wisudawan yang menerima beasiswa selama menempuh studi di IPB. Wisudawan IPB yang berstatus memiliki minor, persentase untuk lulus tepat waktunya tidak jauh berbeda yaitu sebesar 51.24% untuk wisudawan yang lulus tepat waktu dan 49.76% lainnya tidak lulus tepat waktu. Perbedaan yang besar
16 6 terlihat pada wisudawan yang tidak memiliki minor, wisudawan yang tidak memiliki minor persentase untuk lulusnya hanya sebesar 35.18% dan 64.92% lainnya tidak lulus tepat waktu. Wisudawan berjenis kelamin perempuan memilliki persentase lulus tepat waktu lebih besar dibandingkan wisudawan berjenis kelamin laki-laki. Gambar 1(f) menunjukkan persentase wisudawan lulus tepat waktu berjenis kelamin perempuan sebesar 45.60% dari total wisudawan berjenis kelamin perempuan. Persentase wisudawan yang lulus tepat waktu berjenis kelamin laki-laki hanya sebesar 26.94% dari total wisudawan berjenis kelamin laki-laki. FEMA 52.44% FEM 67.12% FMIPA 38.81% FATETA 31.92% (a) (b) Asal Daerah Fakultas FAHUTAN FAPET FPIK FKH FAPERTA Jabodetabek Luar Jabodetabek 13.03% 19.33% 43.58% 35.94% 34.38% 39.66% 37.02% BUD/Beasiswa/Kemitraan 47.87% (c) (d) (e) (f) Jenis Kelamin Minor Beasiswa Jalur Masuk UTM SPMB/UMPTN/SNMPTN USMI Menerima Tidak menerima Ada minor Tidak ada minor Laki-laki Perempuan 45.65% 25.87% 39.66% 46.08% 29.40% 51.24% 35.18% 26.94% 45.60% Tepat waktu Gambar 1 Persentase lulus tepat waktu wisudawan TA 2013/2014 berdasarkan: (a) asal fakultas wisudawan, (b) asal daerah wisudawan, (c) jalur masuk wisudawan, (d) status beasiswa, (e) status minor wisudawan dan (f) jenis kelamin wisudawan.
17 Karakteristik wisudawan lainnya dilihat berdasarkan IPK TPB. Gambar 2 menunjukkan diagram kotak garis IPK TPB untuk wisudawan yang tidak tepat waktu terlihat lebih beragam dibandingkan dengan wisudawan yang lulus tepat waktu. Bentuk sebaran untuk wisudawan yang tidak tepat waktu menjulur ke kiri dan menunjukkan sebagian besar IPK TPB wisudawan yang tidak tepat waktu rendah atau dibawah IPK TPB rata-rata (2.72). Selain itu, terlihat bahwa terdapat wisudawan yang memiliki IPK TPB 4.00 namun tidak lulus tepat waktu. Diagram kotak garis wisudawan yang lulus tidak tepat waktu dan lulus tepat waktu memiliki pencilan bawah dengan jumlah yang berbeda, terdapat 5 pencilan bawah untuk diagram kotak garis tidak tepat waktu dan satu pencilan untuk diagram kotak garis tepat waktu. 7 Gambar 2 Diagram kotak garis wisudawan TA 2013/2014 IPK TPB berdasarkan ketepatan waktu kelulusan Model Regresi Logistik Biner Berdasarkan hasil prosedur seleksi langkah maju pada Lampiran 2, diperoleh 6 faktor yang masuk ke dalam model yaitu fakultas, IPK TPB, jenis kelamin, beasiswa, jalur masuk dan minor. Faktor daerah asal tidak masuk ke dalam model hal ini dapat disebabkan oleh persentase kelulusan untuk masing-masing kategori tidak jauh berbeda dan tidak signifikan. Model regresi logistik biner yang terbentuk berdasarkan Lampiran 3 adalah sebagai berikut: g(x) = X1(1) +1.11X 1(2) +1.38X 1(3) -0.3X 1(4) +0.80X 1(5) +0.96X 1(6) +2.20X 1(7) +1.58X 1(8) +0.63X X 4(1) +0.45X 4(2) +0.37X 4(3) +0.53X 5(1) +0.29X 6(1) -0.64X 7(1) Model yang diperoleh diatas diuji menggunakan uji rasio kemungkinan dan uji Wald. Berdasarkan hasil uji rasio kemungkinan, model tersebut menghasilkan
18 8 nilai G sebesar dan nilai-p sebesar 0.00 yang lebih kecil dari taraf nyata (5%) sehingga peubah penjelas pada model memengaruhi ketepatan waktu kelulusan secara simultan. Sedangkan uji Wald pada lampiran 3 menunjukkan bahwa peubah penjelas pada model yang berpengaruh terhadap ketepatan waktu kelulusan yaitu fakultas, IPK TPB, jenis kelamin, beasiswa, jalur masuk dan minor dengan masing-masing nilai-p kurang dari taraf nyata (5%). Hasil uji Hosmer-Lemeshow pada model tersebut menghasilkan nilai C sebesar 7.85 dan nilai-p sebesar Nilai-p tersebut menunjukkan bahwa hipotesis nol tidak ditolak karena nilai-p lebih dari taraf nyata (5%) sehingga model tersebut sesuai dengan data observasi atau tidak terdapat perbedaan antara nilai observasi dengan model. Tabel 2 menunjukkan persentase ketepatan model tersebut yaitu sebesar 70.80% atau sebanyak 2295 amatan tepat diklasifikasikan dan 947 amatan lainnya tidak tepat diklasifikasikan. Tabel 2 Persentase ketepatan klasifikasi Amatan Dugaan Tidak tepat waktu Tepat waktu Persentase ketepatan (%) Tidak tepat waktu Tepat waktu Persentase total Faktor yang Berpengaruh Faktor utama yang memengaruhi ketepatan waktu kelulusan yaitu asal fakultas wisudawan, hasil tersebut sesuai dengan penelitian Pertiwi (2013). Berdasarkan penelitian tersebut, karakteristik wisudawan yang lulus tidak tepat waktu adalah wisudawan yang berasal dari fakultas pertanian (FAPERTA) dan fakultas kehutanan (FAHUTAN) namun persentase lulus tepat waktu FAPERTA lebih kecil dibandingkan FAHUTAN sehingga FAPERTA dijadikan kategori referensi dalam faktor fakultas. Odds untuk lulus tepat waktu setiap fakultas lebih besar dibandingkan FAPERTA kecuali odds untuk FAHUTAN yang memiliki rasio odds sebesar 0.74, namun hasil uji Wald pada FAHUTAN menunjukkan bahwa rasio odds pada FAHUTAN tidak berbeda dengan FAPERTA dengan nilai-p sebesar Hal ini dapat disebabkan persentase lulus tepat waktu untuk FAHUTAN dan FAPERTA tidak berbeda jauh yaitu dibawah 20% dan karakteristik mahasiswanya yang sebagian besar menggunakan data primer dalam penelitiannya sehingga waktu penyusunan tugas akhir lebih lama dibandingkan fakultas lainnya. Rasio odds tertinggi yaitu rasio odds fakultas ekonomi dan manajemen (FEM) sebesar 8.99 yang artinya odds untuk lulus tepat waktu FEM 8.99 kali dibandingkan dengan FAPERTA. Hal tersebut dapat disebabkan oleh sebagian besar mahasiswa FEM menggunakan data sekunder dalam penelitiannya sehingga waktu untuk menyelesaikan tugas akhir akan lebih cepat dibandingkan fakultas lainnya khususnya FAPERTA yang dijadikan referensi dalam kategori ini. Urutan rasio odds tertinggi kedua sampai dengan rasio odds terendah kedua yaitu fakultas
19 ekologi manusia (FEMA) sebesar 4.83, fakultas peternakan (FAPET) sebesar 3.96, fakultas perikanan dan ilmu kelautan (FPIK) sebesar 3.03, fakultas kedokteran hewan (FKH) sebesar 2.78, fakultas matematika dan ilmu pengetahun alam (FMIPA) sebesar 2.61, dan yang terakhir yaitu fakultas teknologi pertanian (FATETA) sebesar Faktor kedua yang berpengaruh terhadap ketepatan waktu kelulusan adalah IPK TPB dengan rasio odds sebesar 1.87 yang artinya semakin tinggi IPK TPB wisudawan maka odds lulus tepat waktunya lebih besar dibandingkan dengan wisudawan yang memiliki IPK TPB rendah. Berdasarkan buku panduan sarjana IPB mahasiswa yang memiliki IPK TPB rendah akan mendapatkan sanksi pembatasan jumlah maksimal satuan kredit semester (sks) yang diambil pada semester 3 yang berakibat pada jumlah mata kuliah yang diambil mahasiswa yang bersangkutan sehingga mahasiswa yang dibatasi sks nya akan membutuhkan waktu yang lebih lama untuk memenuhi sks minimum untuk kelulusan. Jenis kelamin wisudawan merupakan faktor ketiga yang berpengaruh terhadap ketepatan waktu kelulusan dengan rasio odds sebesar 0.53, kategori referensi dalam faktor ini adalah perempuan sehingga nilai rasio odds tersebut dapat diartikan odds lulus tepat waktu untuk laki-laki adalah 0.53 kali dibandingkan perempuan atau dapat juga diartikan odds lulus tepat waktu perempuan lebih besar dibandingkan laki-laki. Hal ini dapat disebabkan oleh pemilihan fakultas yang sebagian besar laki-laki berada pada fakultas kehutanan dan perempuan berada pada fakultas ekonomi dan manajemen. Beasiswa merupakan faktor keempat yang berpengaruh terhadap ketepatan waktu kelulusan, rasio odds faktor beasiswa yaitu sebesar 1.71 yang artinya odds lulus tepat waktu untuk wisudawan yang mendapatkan beasiswa ketika menempuh pendidikan di IPB adalah 1.71 kali dibandingkan dengan wisudawan yang tidak mendapatkan beasiswa. Hal tersebut dapat disebabkan oleh mahasiswa yang mendapatkan beasiswa umumnya memiliki perjanjian dengan pihak pemberi beasiswa mengenai lama studinya sehingga mahasiswa yang bersangkutan memiliki tanggung jawab untuk menyelesaikan studinya sebelum masa beasiswanya berakhir. Fakor kelima yang berpengaruh terhadap ketepatan waktu kelulusan yaitu jalur masuk wisudawan, kategori referensi dalam faktor ini adalah jalur masuk USMI karena jalur ini memiliki persentase terbesar penerimaan mahasiswa baru. Rasio odds tertinggi yaitu jalur masuk ujian talenta mandiri (UTM) yaitu sebesar 1.57 yang artinya odds lulus tepat waktu mahasiswa yang berasal dari jalur UTM 1.57 kali dibandingkan dengan mahasiswa yang berasal dari jalur USMI. Setelah diteliti lebih lanjut jumlah wisudawan perempuan dengan jalur masuk UTM dua kali lipat dibandingkan jumlah wisudawan laki-laki dan telah diketahui sebelumnya bahwa odds lulus tepat waktu untuk perempuan lebih besar diabndingkan laki-laki. Rasio odds tertinggi kedua yaitu jalur masuk BUD/Beasiswa/Kemitraan dengan odd rasio sebesar 1.44 dan rasio odds terendah yaitu jalur masuk SPMB/UMPTN/SNMPTN dengan rasio odds sebesar Faktor terakhir yang berpengaruh terhadap ketepatan waktu kelulusan adalah minor dengan rasio odds sebesar 1.33 yang artinya odds lulus tepat waktu wisudawan yang memiliki minor 1.33 kali dibandingkan dengan wisudawan yang tidak memiliki minor. Hal tersebut dapat disebabkan oleh sebagian besar departemen di IPB jumlah sks mata kuliah wajibnya kurang 15 sks untuk memenuhi minimal jumlah sks untuk kelulusan, sehingga mahasiswa dapat mengambil minor atau mata kuliah penunjang (SC). Mahasiswa yang mengambil minor umumnya 9
20 10 sudah dijamin untuk mendapatkan mata kuliah minor setiap semesternya, namun berbeda dengan mahasiswa SC yang harus berlomba-lomba dengan mahasiswa SC lainnya untuk mendapatkan mata kuliah sehingga tidak jarang mahasiswa yang statusnya SC tidak mendapatkan mata kuliah tambahan sehingga waktu studinya akan lebih lama dibandingkan dengan mahasiswa berstatus minor. Gambar 3 Rasio odds berdasarkan faktor yang berpengaruh SIMPULAN Faktor-faktor yang berpengaruh terhadap ketepatan waktu kelulusan mahasiswa IPB TA 2013/2014 yaitu fakultas, IPK TPB, jenis kelamin, beasiswa, jalur masuk, dan minor. Mahasiswa FEM memiliki odds lulus tepat waktu tertinggi dibandingkan fakultas lainnya dengan rasio odds sebesar 8.99 dan mahasiswa yang memiliki IPK TPB tinggi odds lulus tepat waktunya juga tinggi. Rasio odds untuk mahasiswa berjenis kelamin laki-laki untuk lulus tepat waktu sebesar 0.53 dan rasio odds untuk mahasiswa yang menerima beasiswa untuk lulus tepat waktu sebesar Jalur masuk yang memiliki rasio odds tertinggi yaitu jalur masuk UTM dan rasio odds terendah yaitu jalur masuk SPMB/UMPTN/SNMPTN. Mahasiswa yang memiliki minor memiliki odds lebih besar untuk lulus tepat waktu dibandingkan mahasiswa yang tidak memiliki minor.
21 11 DAFTAR PUSTAKA Agresti A An Introduction to Categorical Data Analysis 2 nd ed. New Jersey (US): John Wiley and Sons, Inc. Christensen R Log-linear Models and Logistic Regression. New York (US): Springer, Inc. Ghozali I Analisis Multivariate Lanjutan dengan program SPSS. Semarang (ID): Badan Penerbit Universitas Diponegoro. Hosmer DW, Lemeshow S Applied Logistic Regression. New York (US): John Wiley and Sons, Inc. [IPB] Institut Pertanian Bogor Panduan Program Pendidikan Sarjana edisi Tahun Bogor(ID): IPB Pr. Kunaefi TD, Sailah I, Dewajani S, Endrotomo, Mursid SP, Harsono, Djajanto L, Pamudji A, Sarjadi Buku Panduan Pengembangan Kurikulum Berbasis Kompetensi Pendidikan Tinggi. Jakarta (ID): Direktorat Akademik Direktorat Jenderal Pendidikan Tinggi. Pertiwi RA Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa [skripsi]. Bogor (ID): Institut Pertanian Bogor.
22 12 Lampiran 1 Peubah yang digunakan dan kategorinya Peubah Definisi Kategori Y Ketepatan waktu kelulusan 0 = Tidak tepat waktu 1 = Tepat waktu X1 Fakultas 0 = FAPERTA 1 = FKH 2 = FPIK 3 = FAPET 4 = FAHUTAN 5 = FATETA 6 = FMIPA 7 = FEM 8 = FEMA X2 IPK TPB Kontinu X3 Asal daerah 0 = Jabodetabek 1 = Luar Jabodetabek X4 Jalur masuk 0 = USMI 1 = SPMB/UMPTN/SNMPTN 2 = UTM 3 = BUD/Beasiswa/Kemitraan X5 Beasiswa 0 = Tidak menerima 1 = Menerima X6 Minor 0 = Tidak ada minor 1 = Ada minor X7 Jenis kelamin 0 = Perempuan 1 = Laki-laki
23 13 Lampiran 2 Hasil prosedur seleksi langkah maju Langkah Peubah Langkah Peubah Langkah Peubah Nilaip Nilaip Nilaip 1 X X7(1) X7(1) 0.00 X1(1) 0.00 X X X1(2) 0.00 X6(1) 0.00 X6(1) 0.01 X1(3) 0.00 X X5(1) 0.00 X1(4) 0.02 X1(1) 0.00 X X1(5) 0.00 X1(2) 0.00 X4(1) 0.00 X1(6) 0.00 X1(3) 0.00 X4(2) 0.00 X1(7) 0.00 X1(4) 0.13 X4(3) 0.03 X1(8) 0.00 X1(5) 0.00 X Konstanta 0.00 X1(6) 0.00 X1(1) X X1(7) 0.00 X1(2) 0.00 X X1(8) 0.00 X1(3) 0.00 X1(1) 0.00 Konstanta 0.00 X1(4) 0.15 X1(2) X7(1) 0.00 X1(5) 0.00 X1(3) 0.00 X X1(6) 0.00 X1(4) 0.06 X6(1) 0.00 X1(7) 0.00 X1(5) 0.00 X X1(8) 0.00 X1(6) 0.00 X4(1) 0.00 Konstanta 0.00 X1(7) 0.00 X4(2) 0.01 X1(8) 0.00 X4(3) 0.02 Konstanta 0.00 X X7(1) 0.00 X1(1) 0.00 X X1(2) 0.00 X X1(3) 0.00 X1(1) 0.00 X1(4) 0.11 X1(2) 0.00 X1(5) 0.00 X1(3) 0.00 X1(6) 0.00 X1(4) 0.12 X1(7) 0.00 X1(5) 0.00 X1(8) 0.00 X1(6) 0.00 Konstanta 0.00 X1(7) 0.00 X1(8) 0.00 Konstanta 0.00
24 14 Lampiran 3 Hasil pengujian parameter dan rasio odds Peubah B Wald db Nilai-p Rasio odds X X1(1) X1(2) X1(3) X1(4) X1(5) X1(6) X1(7) X1(8) X X X4(1) X4(2) X4(3) X5(1) X6(1) X7(1) Konstanta
25 15 RIWAYAT HIDUP Penulis lahir pada hari Jumat tanggal 8 Oktober 1993 di Karawang Jawa Barat sebagai anak kedua dari lima bersaudara dari pasangan Edi Junaedi dan N. Hodijah. Pendidikan yang ditempuh penulis yaitu pada tahun penulis menempuh pendidikan Taman Kanak-Kanak Al-Quran (TKQ) Al-Hidayah, penulis melanjutkan pendidikan di SDN Pucung V dan lulus pada tahun Pendidikan menengah pertama penulis ditempuh di SMPN 2 Cikampek dan lulus pada tahun 2008 kemudian penulis melanjutkan pendidikan SMA di SMAN 1 Cikampek hingga tahun 2011 dan pada tahun yang sama penulis di terima sebagai mahasiswa Departemen Statistika IPB melalui jalur SNMPTN Undangan. Selama menempuh perkuliahan di IPB penulis aktif di Himpunan Profesi Gamma Sigma Beta sebagai Bendahara Kestari periode dan sebagai Sekretaris Human Resources Department periode Selain itu, penulis juga aktif dalam kegiatan kepanitiaan seperti Farewel Party Asrama, PORSTAT 2012, Statistika Ria 2013, IPB Business Festival 2013, Kompetisi Statistika Junior Penulis melaksanakan praktik lapang di Departemen Statisika pada bulan Juni sampai dengan bulan Agustus Penulis juga pernah mengikuti perlombaan analisis data di ITS pada tahun 2013 dan 2014 sebagai semifinalis.
ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA
Xplore, 2013, Vol. 2(1):e10(1-5) c 2013 Departemen Statistika FMIPA IPB ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA Rindy Anggun Pertiwi, Indahwati, Farit
Lebih terperinciANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI
ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA
PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciANALISIS KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA FEM DAN FAPERTA MENGGUNAKAN METODE CHART
Xplore, 2013, Vol. 2(1):e3(1-8) c 2013 Departemen Statistika FMIPA IPB ANALISIS KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA FEM DAN FAPERTA MENGGUNAKAN METODE CHART Fira Nurahmah Al Amin,Indahwati,Yenni
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
Lebih terperinciE-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:
PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciPENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN
PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU
Lebih terperinciPengaruh brand image IM3terhadap keputusan pembelian simcard Gambar 7. Kerangka pemikiran
22 III. METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Perusahaan memiliki strategi tertentu untuk memenangkan persaingan dalam pasar yang mereka hadapi. Perusahaan yang ketat dalam pasar operator seluler
Lebih terperinciKLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)
KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Disusun Oleh : SRI MAYA SARI DAMANIK 24010210120002 JURUSAN STATISTIKA
Lebih terperinciPROSIDING ISBN :
APLIKASI METODE CHAID DALAM MENGANALISIS KETERKAITAN FAKTOR RISIKO LAMA PENYELESAIAN SKRIPSI MAHASISWA (Studi Kasus di Jurusan Matematika FMIPA Universitas Sriwijaya) Dian Cahyawati S., Susi Yohana, Putera
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN MAHASISWA PUTUS KULIAH DI IPB ANGKATAN 2008 MENGGUNAKAN ANALISIS SURVIVAL
Xplore, 2013, Vol. 2(1):e1(1-6) c 2013 Departemen Statistika FMIPA IPB IDENTIFIKASI FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN MAHASISWA PUTUS KULIAH DI IPB ANGKATAN 2008 MENGGUNAKAN ANALISIS SURVIVAL Fadjrian
Lebih terperinci(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo
PERBANDINGAN REGRESI MODEL LOGISTIK BINER DENGAN REGRESI MODEL PROBIT TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI SIKAP SISWA SMP PADA MATA PELAJARAN MATEMATIKA (Studi Kasus Siswa SMP Kelas VIII di SMPN 1
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi
Lebih terperinciHASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur
Software yang digunakan dalam penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi 15.0. HASIL DAN PEMBAHASAN Gambaran Umum Karakteristik Debitur Banyaknya debitur kredit konsumtif
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciREGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI
REGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciMETODE PENELITIAN. Keterangan : n = jumlah mahasiswa yang diambil N = jumlah populasi mahasiswa program sarjana e = batas kesalahan pengambilan contoh
21 METODE PENELITIAN Desain, Lokasi, dan Waktu Penelitian Desain penelitian ini adalah cross sectional study, yaitu penelitian yang dilakukan pada satu waktu atau periode tertentu. Lokasi penelitian dilakukan
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciIDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD
IDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciSKRIPSI. Disusun oleh LANDONG PANAHATAN HUTAHAEAN
MODEL REGRESI COX PROPORTIONAL HAZARDS PADA DATA LAMA STUDI MAHASISWA (Studi Kasus Di Fakultas Sains dan Matematika Universitas Diponegoro Semarang Mahasiswa Angkatan 2009) SKRIPSI Disusun oleh LANDONG
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010
ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciDEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN
PENERAPAN ANALISIS REGRESI LOGISTIK TERHADAP TINGKAT KEPUASAN MASYARAKAT DALAM PELAYANAN PEMBUATAN KARTU KELUARGA (STUDI KASUS: DI KECAMATAN MEDAN BELAWAN) SKRIPSI CHAIRUNNISA 120823008 DEPARTEMEN MATEMATIKA
Lebih terperinciANALISIS CART KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA DI FEM DAN FAPERTA FIRA NURAHMAH AL AMIN
ANALISIS CART KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA DI FEM DAN FAPERTA FIRA NURAHMAH AL AMIN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden
disusun ke dalam bentuk kartu stimuli, diantara tiap kartu berisi kombinasi dari taraftaraf atribut yang berbeda dengan kartu-kartu lainnya (Lampiran 4). 3. Pengumpulan data melalui penyebaran kuesioner.
Lebih terperinciANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO
ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 RINGKASAN TJIPTO AJI SUDARSO. Analisis
Lebih terperinciPemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya
Jurnal Penelitian Sains Volume 16 Nomor 2(A) April 2013 Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Dian Cahyawati
Lebih terperinciMODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON
MODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006 Untuk Mama dan Andri Aku tahu
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 405-416 Online di: http://ejournal-s1undipacid/indexphp/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI REGRESI LOGISTIK MULTINOMIAL
KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL SKRIPSI Oleh : Ahmad Reza Aditya 24010210130055 JURUSAN STASTISTIKA
Lebih terperinciPENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI
PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 RINGKASAN ALIFTA DIAH AYU RETNANI.
Lebih terperinciANALISIS PERMINTAAN DAN PENAWARAN DOMESTIK DAGING SAPI INDONESIA SKRIPSI ADITYA HADIWIJOYO
ANALISIS PERMINTAAN DAN PENAWARAN DOMESTIK DAGING SAPI INDONESIA SKRIPSI ADITYA HADIWIJOYO PROGRAM STUDI SOSIAL EKONOMI PETERNAKAN FAKULTAS PETERNAKAN INSTITUT PERTANIAN BOGOR 2009 RINGKASAN ADITYA HADIWIJOYO.
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciANALISIS DISKRIMINAN LOGISTIK UNTUK KLASIFIKASI SEKOLAH STANDAR INTERNASIONAL BERDASARKAN STATUS AFILIASI
Xplore, 2013, Vol. 2(1):e4(1-7) c 2013 Departemen Statistika FMIPA IPB ANALISIS DISKRIMINAN LOGISTIK UNTUK KLASIFIKASI SEKOLAH STANDAR INTERNASIONAL BERDASARKAN STATUS AFILIASI Syella Sumampouw, Muhammad
Lebih terperinciKLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) SKRIPSI Disusun oleh : RIZAL YUNIANTO GHOFAR 240102101410029
Lebih terperinciSKRIPSI. Disusun oleh : OKA AFRANDA
ANALISIS REGRESI KEGAGALAN PROPORSIONAL DARI COX PADA DATA WAKTU TUNGGU SARJANA DENGAN SENSOR TIPE I (Studi Kasus di Fakultas Sains dan Matematika Universitas Diponegoro) SKRIPSI Disusun oleh : OKA AFRANDA
Lebih terperinciANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR
ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR ASTRI ATTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciPENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005
1 PENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005 2 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul
Lebih terperinci4 HASIL DAN PEMBAHASAN
9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB 2005-2010 Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun 2005-2010 menurun tetapi
Lebih terperinciANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH
ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciOleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya ABSTRAK
(M.3) ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG BERKAITAN DENGAN RISIKO ANAK PUTUS SEKOLAH PENDIDIKAN DASAR (Kasus : Wilayah Kabupaten Ogan Ilir Provinsi Sumatera Selatan) Oleh: Dian Cahyawati S. Jurusan Matematika
Lebih terperinciForum Statistika dan Komputasi, Oktober 2010 p : ISSN :
, Oktober 2010 p : 23-31 ISSN : 0853-8115 Vol 15 No.2 APLIKASI REGRESI LOGISTIK ORDINAL MULTILEVEL UNTUK PEMODELAN DAN KLASIFIKASI HURUF MUTU MATA KULIAH METODE STATISTIKA (The Application of Multilevel
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 3. Skala pengukuran tingkat penggunaan
3 Tabel 3. Skala pengukuran tingkat penggunaan Nilai Skala Tingkat Penggunaan 1 Sama sekali tidak menggunakan 2 Jarang menggunakan 3 Agak sering menggunakan 4 Sering menggunakan 5 Sangat sering menggunakan
Lebih terperinciMODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH
JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciE-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 40-45 ISSN: 2303-1751 ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN METODE GOMPIT (Studi Kasus: Mahasiswa Fakultas
Lebih terperinciIII. METODE PENELITIAN
22 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Meningkatnya kesadaran dan pengetahuan masyarakat akan pentingnya teknologi berdampak pada peningkatan penggunaan alat komunikasi. Masyarakat cenderung
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciPERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS
PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperincipendekatan regresi logistik biner Oleh :Wida Suliasih ( )
Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian
Lebih terperinciANALISIS FAKTOR RESIKO PENYAKIT RADANG PARU-PARU DENGAN METODE REGRESI LOGISTIK
ANALISIS FAKTOR RESIKO PENYAKIT RADANG PARU-PARU DENGAN METODE REGRESI LOGISTIK SKRIPSI SEVENTINA SIAHAAN 110823042 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciKLASIFIKASI DAN KAJIAN PERFORMA NASABAH USAHA EKONOMI DESA SIMPAN PINJAM (UED-SP) DESA PISANG BEREBUS ABRAR SETIAWAN
KLASIFIKASI DAN KAJIAN PERFORMA NASABAH USAHA EKONOMI DESA SIMPAN PINJAM (UED-SP) DESA PISANG BEREBUS ABRAR SETIAWAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
1 SidangTugas Akhir Javelline Putri B. Purba (1310030080) Dosen Pembimbing : Dr.Dra.Ismaini Zain, Msi ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP SIKAP DAN PERILAKU MEMBELI BUKU BAJAKAN PADA MAHASISWA IPB PUSPA WIDYA UTAMI
ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP SIKAP DAN PERILAKU MEMBELI BUKU BAJAKAN PADA MAHASISWA IPB PUSPA WIDYA UTAMI DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA INSTITUT PERTANIAN
Lebih terperinciANALISIS JALUR TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MAHASISWA STATISTIKA UNDIP
ANALISIS JALUR TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MAHASISWA STATISTIKA UNDIP SKRIPSI Oleh : MALIK HAKAM 24010210120005 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA
ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMODEL LOG-LINEAR FAKTOR-FAKTOR YANG MEMPENGARUHI HIPERTENSI (STUDI KASUS: RSUD ABDOE RAHEM SITUBONDO)
MODEL LOG-LINEAR FAKTOR-FAKTOR YANG MEMPENGARUHI HIPERTENSI (STUDI KASUS: RSUD ABDOE RAHEM SITUBONDO) IMAMUDDIN KAMIL 1, MADE SUSILAWATI 2, I PUTU EKA NILA KENCANA 3 1,2,3, Jurusan Matematika, Fakultas
Lebih terperinciIDENTIFIKASI LAMA STUDI BERDASARKAN KARAKTERISTIK MAHASISWA MENGGUNAKAN ALGORITMA C4.5
IDENTIFIKASI LAMA STUDI BERDASARKAN KARAKTERISTIK MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (Studi Kasus Lulusan Fakultas Sains dan Matematika Universitas Diponegoro Tahun 2013/2014) asa M arga ro) C ng Semara
Lebih terperinciKAJIAN KEBERHASILAN STUDI MAHASISWA PROGRAM DOKTOR MANAJEMEN BISNIS SEKOLAH PASCASARJANA IPB FAHMY ANDRIYAN NUGRAHA
KAJIAN KEBERHASILAN STUDI MAHASISWA PROGRAM DOKTOR MANAJEMEN BISNIS SEKOLAH PASCASARJANA IPB FAHMY ANDRIYAN NUGRAHA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciKLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO
Lebih terperinciANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI
ANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR
63 PENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR KARTIKA WANDINI PROGRAM STUDI GIZI MASYARAKAT DAN SUMBERDAYA
Lebih terperinciANALISIS HUBUNGAN ANTARA LAMA STUDI, JALUR MASUK DAN INDEKS PRESTASI KUMULATIF (IPK) MENGGUNAKAN MODEL LOG LINIER
ANALISIS HUBUNGAN ANTARA LAMA STUDI, JALUR MASUK DAN INDEKS PRESTASI KUMULATIF (IPK) MENGGUNAKAN MODEL LOG LINIER (Studi Kasus: Lulusan Mahasiswa FSM UNDIP Periode Wisuda Tahun 2012/2013) SKRIPSI Oleh
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI REALISASI KREDIT USAHA RAKYAT (KUR) STUDI KASUS USAHA AGRIBISNIS DI BRI UNIT TONGKOL, JAKARTA
FAKTOR-FAKTOR YANG MEMPENGARUHI REALISASI KREDIT USAHA RAKYAT (KUR) STUDI KASUS USAHA AGRIBISNIS DI BRI UNIT TONGKOL, JAKARTA SKRIPSI EKO HIDAYANTO H34076058 DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI DAN
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciIII. METODOLOGI PENELITIAN
22 III. METODOLOGI PENELITIAN 2.5. Data Penelitian Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari bagian Akademis POLBAN serta data pendukung yang merupakan data primer (persepsi)
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciIDENTIFIKASI MULTIKOLINEAR PADA MODEL REGRESI LOGISTIK ORDINAL UNTUK STATUS GIZI ANAK DI KELURAHAN KARANGKITRI, BEKASI TIMUR
IDENTIFIKASI MULTIKOLINEAR PADA MODEL REGRESI LOGISTIK ORDINAL UNTUK STATUS GIZI ANAK DI KELURAHAN KARANGKITRI, BEKASI TIMUR Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science,
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciKARAKTERISASI ALAT PENANGKAP IKAN DEMERSAL DI PERAIRAN PANTAI UTARA JAWA BARAT FIFIANA ALAM SARI SKRIPSI
KARAKTERISASI ALAT PENANGKAP IKAN DEMERSAL DI PERAIRAN PANTAI UTARA JAWA BARAT FIFIANA ALAM SARI SKRIPSI DEPARTEMEN PEMANFAATAN SUMBERDAYA PERIKANAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN
Lebih terperinciPERBANDINGAN METODE INTERPOLASI ABRIDGED LIFE TABLE
PERBANDINGANN METODE INTERPOLASI ABRIDGED LIFE TABLE DAN APLIKASINYA PADA DATAA KEMATIAN INDONESIA VANI RIALITA SUPONO SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS
Lebih terperinciAnalisis Regresi Logistik Ordinal Terhadap Faktor-Faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 Universitas Negeri Makassar
Muhammad Nusrang, Rizal Bakri, Ansari saleh Ahmar, Asfar / Analisis Regresi Logistik Ordinal 655 Analisis Regresi Logistik Ordinal Terhadap Faktor-Faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa
Lebih terperinciBAB II TINJAUAN PUSTAKA. Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, )
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Pendidikan Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, 1889-1959) menjelaskan tentang pengertian pendidikan yaitu: Pendidikan umumnya berarti daya upaya
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciponsel, purposive sampling, regresi logistik politomus
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Perkembangan arus globalisasi yang semakin cepat membuat konsumen akan semakin terbuka dalam menerima segala informasi. Dalam proses memperoleh informasi
Lebih terperinciSTRATEGI PENGEMBANGAN DAYA SAING PRODUK UNGGULAN DAERAH INDUSTRI KECIL MENENGAH KABUPATEN BANYUMAS MUHAMMAD UNGGUL ABDUL FATTAH
i STRATEGI PENGEMBANGAN DAYA SAING PRODUK UNGGULAN DAERAH INDUSTRI KECIL MENENGAH KABUPATEN BANYUMAS MUHAMMAD UNGGUL ABDUL FATTAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 iii PERNYATAAN
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciANALISIS IPK MAHASISWA PENERIMA BEASISWA BIDIK MISI IPB DENGAN PENDEKATAN METODE CHAID FERRY ANTONI MS
ANALISIS IPK MAHASISWA PENERIMA BEASISWA BIDIK MISI IPB DENGAN PENDEKATAN METODE CHAID FERRY ANTONI MS DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012
Lebih terperinciImplementasi Metode Penalized Maximum Likelihood Estimation Pada Model Regresi Logistik Biner
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 215 Implementasi Metode Penalized Maximum Likelihood Estimation Pada Model Regresi Logistik Biner (Implemetation of Penalized
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELULUSAN BERDASARKAN JALUR MASUK MAHASISWA DENGAN MODEL REGRESI LOGISTIK BINER BIVARIAT
FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELULUSAN BERDASARKAN JALUR MASUK MAHASISWA DENGAN MODEL REGRESI LOGISTIK BINER BIVARIAT (Studi Kasus Mahasiswa FSM Universitas Diponegoro) SKRIPSI Oleh : SAFITRI
Lebih terperinciBAB III METODE PENELITIAN. Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian
36 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian yang bersifat deskriptif kuantitatif. Penelitian yang bersifat deskriptif bertujuan
Lebih terperinciHubungan Indeks Prestasi Kumulatif (IPK) dengan Nilai Ujian Akhir Nasional (UAN): Studi Kasus di FMIPA Unsyiah
Statistika, Vol. 15 No. 1, 17 23 Mei 2015 Hubungan Indeks Prestasi Kumulatif (IPK) dengan Nilai Ujian Akhir Nasional (UAN): Studi Kasus di FMIPA Unsyiah Ridha Ferdhiana, 1,2, Ira Julita 1, Asep rusyana
Lebih terperinciPEMODELAN VARIABEL-VARIABEL PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI TELUR ATAU SUSU DI KABUPATEN MAGELANG MENGGUNAKAN REGRESI TOBIT
PEMODELAN VARIABEL-VARIABEL PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI TELUR ATAU SUSU DI KABUPATEN MAGELANG MENGGUNAKAN REGRESI TOBIT SKRIPSI Disusun Oleh : VILIYAN INDAKA ARDHI 24010211140090 JURUSAN STATISTIKA
Lebih terperinciSaintia Matematika ISSN: Vol. 02, No. 04 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 04 (2014), pp. 313 321. SUATU KAJIAN TENTANG PELAYANAN KESEHATAN DI PUSKESMAS PEMBANTU JATI UTOMO BINJAI Nida Elhaq, Pasukat Sembiring, Djakaria Sebayang
Lebih terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciMODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP
MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA Puji Subekti Mahasiswa Program Magister Matematika Universitas Brawijaya Malang Telp : 8564963425; Email
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinci