ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI

Transkripsi

1 ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa 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, Agustus 2013 Rindy Anggun Pertiwi NIM G

4 ABSTRAK RINDY ANGGUN PERTIWI. Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa. Dibimbing oleh INDAHWATI dan FARIT MOCHAMAD AFENDI. Institut Pertanian Bogor (IPB) program sarjana merupakan salah satu perguruan tinggi negeri terbaik di Indonesia yang menghasilkan lulusan-lulusan terbaik pula. Data lulusan mahasiswa IPB tahun yang lulus tepat waktu sebesar 30.94%. Terlihat masih banyak mahasiswa IPB yang lulus tidak tepat waktu. Penelitian ini bertujuan untuk melihat karakteristik yang mempengaruhi ketepatan waktu lulus mahasiswa IPB dan FMIPA IPB dengan menggunakan metode CHAID (Chi-squared Automatic Interaction Detection). Analisis CHAID yang menggolongkan mahasiswa IPB lulus tepat waktu dengan peluang klasifikasi tertinggi yaitu berasal dari FEM, memiliki IPK lebih dari 3.39 dan mengambil minor selama berkuliah di IPB, sedangkan peluang klasifikasi terendah yaitu berasal dari FAPERTA-FAHUTAN, memiliki IPK kurang dari atau sama dengan 2.87 dan berasal dari jabodetabek. Analisis CHAID pada mahasiswa FMIPA IPB tidak bisa menggolongkan mahasiswa lulus tepat waktu. Nilai ketepatan klasifikasi pada penelitian ini sebesar 74.6% untuk mahasiswa IPB dan 80% untuk mahasiswa FMIPA IPB. Kata kunci : analisis CHAID, ketepatan waktu lulus, nilai ketepatan klasifikasi ABSTRACT RINDY ANGGUN PERTIWI. CHAID Analysis to Identify Accuracy of Graduation Based on Student Characteristics. Advised by INDAHWATI and FARIT MOCHAMAD AFENDI. Bogor Agricultural University (IPB) Under-graduated program is one of the best university in Indonesia which also produces the best graduates. From the data of IPB graduated students in it shows that the percentage of student who graduates on time is 30.94%. It indicates that there are still many students who do not graduate on time. This study aims to look at the characteristics affecting accuracy of graduation on IPB students using CHAID (Chi-squared Automatic Interaction Detection) analysis. The analysis on IPB students CHAID able to classifies students ontime with the highest classification probability the characteristics derived from FEM, have a GPA of more than 3.39 and taking a minor during college at IPB, while the lowest classification probability that clasifies IPB students who graduate on time have the characteristics derived from FAPERTA- FAHUTAN, with GPA of less than or equal to 2.87 and from jabodetabek. The analysis on IPB FMIPA CHAID unable to classifies students on time. More over the classification accuracy value for IPB students is 74.6% and for IPB FMIPA students is 80%. Keyword : CHAID analysis, accuracy of graduation, classification accuracy value

5 ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI 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 2013

6

7 Judul Skripsi: Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Nama : Rindy Anggun Pertiwi NIM : G Disetujui oleh Dr Ir Indahwati, MSi Pembimbing I Dr Farit Mochamad Afendi, MSi Pembimbing II Tanggal Lulus: 10 SEP i.e 13

8 Judul Skripsi : Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Nama : Rindy Anggun Pertiwi NIM : G Disetujui oleh Dr Ir Indahwati, MSi Pembimbing I Dr Farit Mochamad Afendi, MSi Pembimbing II Diketahui oleh Dr Ir Hari Wijayanto, MS Ketua Departemen Tanggal Lulus:

9 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala limpahan karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Sholawat serta salam semoga selalu tercurah kepada pemimpin umat nabi Muhammad SAW beserta keluarga, sahabat, dan umatnya. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan April 2013 sampai September 2013 ini ialah ketepatan waktu kelulusan, dengan judul Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa. Terima kasih penulis ucapkan kepada Ibu Dr Ir Indahwati, MSi dan Bapak Dr Farit Mochamad Afendi, MSi selaku pembimbing, serta Bapak Suratman dan seluruh pihak Dit-Ap IPB yang telah banyak membantu. Seluruh dosen Departemen Statistika FMIPA IPB atas ilmu dan nasihat yang bermanfaat dan seluruh staf Departemen Statistika (Bu Markonah, Bu Tri, Pak Iyan, Mang Yus, Mang Iqbal, Pak Kumis, dll) yang telah membantu penulis selama belajar di IPB. Ungkapan terima kasih juga disampaikan kepada papa, mama, nenek, ayuk anggi, adek angga dan very pebryady atas segala do a, kasih sayang, pengorbanan, semangat dan dukungan yang telah diberikan kepada penulis. Linda, vita, achi, fira, habibah, ayu, aish dan teman-teman Statistika 46 atas persahabatan selama kurang lebih tiga tahun ini. Semoga karya ilmiah ini bermanfaat. Bogor, September 2013 Rindy Anggun Pertiwi

10 DAFTAR ISI DAFTAR TABEL viii DAFTAR GAMBAR viii DAFTAR LAMPIRAN viii PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Manfaat Penelitian 2 Ruang Lingkup Penelitian 2 METODOLOGI 2 Data 2 Metode Analisis 2 HASIL DAN PEMBAHASAN 4 Analisis mahasiswa IPB 4 Gambaran Umum Karakteristik Mahasiswa IPB 4 Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa 5 Analisis CHAID 6 Analisis mahasiswa FMIPA IPB 8 Gambaran Umum Karakteristik Mahasiswa FMIPA IPB 8 Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa 8 Analisis CHAID 9 SIMPULAN 10 DAFTAR PUSTAKA 11 LAMPIRAN 12 RIWAYAT HIDUP 20

11 DAFTAR TABEL 1 Tabel kontingensi antara klasifikasi dan observasi 4 2 Ringkasan peubah penjelas yang masuk dalam diagram pohon CHAID 6 3 Kesesuaian klasifikasi CHAID mahasiswa IPB 7 4 Kesesuaian klasifikasi CHAID mahasiswa FMIPA IPB 10 DAFTAR GAMBAR 1 Sebaran persentase mahasiswa IPB 5 2 Persentase ketepatan waktu lulus mahasiswa IPB berdasarkan karakteristik mahasiswa 5 3 Sebaran persentase mahasiswa FMIPA IPB 8 4 Persentase ketepatan waktu lulus mahasiswa IPB berdasarkan karakteristik mahasiswa 9 DAFTAR LAMPIRAN 1 Pengkategorian peubah 12 2 Diagram pohon CHAID mahasiswa IPB 13 3 Diagram pohon CHAID mahasiswa FMIPA IPB 16 4 Ringkasan analisis CHAID mahasiswa IPB 17 5 Ringkasan analisis CHAID mahasiswa FMIPA IPB 19

12 1 PENDAHULUAN Latar Belakang Lulus tepat waktu dari perguruan tinggi merupakan suatu kewajiban bagi setiap mahasiswa. Selain prestasi akademik yang tinggi, lulus tepat waktu juga menjadi salah satu indikator keberhasilan studi mahasiswa. Banyak faktor yang mempengaruhi ketepatan waktu lulus studi, salah satunya dipengaruhi oleh faktor belajar. Menurut Suryabrata (1986), faktor belajar terbagi menjadi dua, yaitu faktor yang berasal dari luar diri (eksternal) dan faktor yang berasal dari dalam diri (internal). Faktor eksternal terbagi menjadi dua, yaitu faktor sosial dan nonsosial. Faktor sosial meliputi keluarga, dosen, masyarakat dan teman-teman sedangkan faktor nonsosial meliputi keadaan tempat belajar seperti kosan, kampus, dan alatalat yang mendukung. Faktor internal terbagi menjadi dua, yaitu faktor fisiologi dan psikologi. Faktor fisiologi meliputi kesehatan jasmani dan rohani sedangkan faktor psikologi meliputi minat, bakat dan motivasi dari diri sendiri. Mahasiswa program sarjana dikatakan lulus tepat waktu apabila menyelesaikan pendidikan di perguruan tinggi selama empat tahun atau kurang. Lulus tidak tepat waktu akan merugikan negara, perguruan tinggi, keluarga dan terutama diri sendiri. Banyaknya mahasiswa yang lulus tidak tepat waktu akan menghambat pembangunan negara karena seharusnya setiap tahun ada mahasiswa yang terjun ke dunia kerja untuk membantu kemajuan negara. Semakin banyaknya mahasiswa yang lulus tidak tepat waktu, maka akan menambah jumlah mahasiswa di perguruan tinggi dan akan menambah beban negara. Institut Pertanian Bogor (IPB) program sarjana merupakan salah satu perguruan tinggi negeri terbaik di Indonesia yang menghasilkan lulusan-lulusan terbaik pula. Data lulusan mahasiswa IPB tahun yang lulus tepat waktu sebesar 30.94%. Terlihat masih banyak mahasiswa IPB yang lulus tidak tepat waktu. Salah satu metode statistika yang dapat melihat karakteristik mahasiswa yang lulus tepat waktu dan tidak tepat waktu yaitu dengan menggunakan metode CHAID (Chisquared Automatic Interaction Detection). Metode CHAID merupakan salah satu teknik nonparametrik yang dapat melakukan pemilihan peubah dari data berukuran besar dalam menentukan peubah-peubah yang paling berpengaruh. Metode CHAID akan menghasilkan diagram yang mirip dengan diagram pohon keputusan dan menggunakan uji Khi-kuadrat pada pengoperasiannya. Metode ini cocok digunakan pada data yang berukuran besar dan akan menghasilkan pohon nonbiner (Alamudi et al.1998). Tujuan Penelitian Tujuan dilakukannya penelitian ini adalah untuk mengklasifikasikan dan melihat intreraksi dari karakteristik mahasiswa IPB dan FMIPA IPB terhadap ketepatan waktu lulus dengan menggunakan metode CHAID.

13 2 Manfaat Penelitian Manfaat penelitian ini adalah membuat suatu model diagram pohon untuk memudahkan interpretasi dan dapat meringkas proses pengambilan keputusan yang kompleks menjadi lebih sederhana. Selain itu, dapat memprediksi ketepatan waktu lulus mahasiswa dengan melihat nilai peluang mahasiswa lulus tepat waktu. Ruang Lingkup Penelitian Ruang lingkup penelitian ini menggunakan data alumni mahasiswa IPB dari Direktorat Administrasi dan Pendidikan tahun Metode yang akan digunakan pada penelitian ini yaitu metode CHAID. METODOLOGI Data Data yang digunakan adalah data sekunder dari Direktorat Administrasi dan Pendidikan (Dit-Ap) IPB. Data tersebut terdiri dari 7024 alumni IPB tahun termasuk didalamnya 1317 alumni FMIPA IPB. Data wisuda periode 2010/2011 terdiri dari 5 tahap wisuda, periode 2011/2012 terdiri dari 5 tahap wisuda dan periode 2012/2013 terdiri dari 4 tahap wisuda. Data tersebut didapat dari mahasiswa yang akan mendaftarkan diri untuk mengikuti wisuda. Penelitian ini menggunakan data alumni secara reguler (mahasiswa yang masuk ke perguruan tinggi setelah lulus dari SMA). Data tersebut terdiri dari satu peubah respon (Y) yaitu ketepatan waktu lulus dan delapan peubah penjelas (X) yaitu fakultas/departemen, minor, IPK, jenis kelamin, asal daerah, asal sekolah, jalur masuk dan beasiswa yang dapat dilihat pada Lampiran 1. Peubah respon diukur berdasarkan SKL (Surat Keterangan Lulus). Peubah penjelas jalur masuk yang dipilih hanya tiga yaitu USMI, SNMPTN dan BUD karena jalur masuk yang lain memiliki jumlah yang sedikit. Peubah penjelas IPK merupakan IPK ketika mahasiswa mendaftar wisuda. Metode Analisis Langkah-langkah analisis yang dilakukan pada penelitian ini adalah sebagai berikut : 1. Eksplorasi data terhadap data awal, jika dari data yang diperoleh ada yang tidak lengkap maka diusahakan untuk melihat dari peubah lain yang berhubungan dengan peubah yang tidak lengkap. 2. Melakukan analisis deskriptif terhadap peubah penjelas dan peubah respon 3. Melakukan analisis dengan metode CHAID. Metode CHAID (Chi-square Automatic Interaction Detection) merupakan suatu metode statistika yang digunakan untuk memprediksi keanggotaan objek dalam kelas-kelas peubah tak bebas kategorik. Pohon klasifikasi dibentuk melalui penyekatan data secara

14 rekursif (Rokach dan Maimon 2008). Menurut Kass (1980), algoritma metode CHAID sebagai berikut : 3.1 Untuk setiap peubah penjelas, buat tabulasi silang kategori-kategori peubah penjelas dengan kategori peubah respon. 3.2 Cari pasangan kategori dari peubah penjelas dengan sub-tabel 2xd (d adalah banyaknya kategori peubah respon) yang mempunyai nilai χ 2 paling kecil. Kemudian bandingkan χ 2 2 yang dihasilkan dengan χ α yang telah ditentukan sebelumnya. Jika χ 2 < χ 2 α, gabung pasangan ini kedalam satu kategori baru. Nilai χ 2 didapat dengan rumus : r c χ 2 = [ (O ij E ij ) 2 ] E ij i=1 j=1 E ij = n i.n.j n keterangan : r : banyaknya baris c : banyaknya kolom i : kategori peubah penjelas ke-i j : kategori peubah respon ke-j 3.3 Untuk setiap kategori gabungan yang berisi tiga atau lebih kategori asal, cari pemisahan biner yang mempunyai nilai χ 2 paling besar. Jika χ 2 > χ 2 α, maka buatlah pemisahan baru dan kembali ke tahap Hitung nilai χ 2 * dari peubah pejelas yang telah digabung dengan peubah respon. Cari nilai χ 2 * terbesar dan kemudian bandingkan dengan χ 2 α *. Jika χ 2 * χ 2 α, maka bagi data menurut kategori tersebut. 3.5 Jika terjadi pemisahan pada tahap 4, maka kembali ke tahap 1 untuk setiap bagian data hasil pemisahan. 4. Apabila terjadi penggabungan pada peubah penjelas, maka dilakukan uji Bonfferoni sebagai pengali terhadap χ 2 α. Penggandaan Bonferroni ada tiga tipe yang dibedakan berdasarkan skala pengukuran peubahnya, yaitu : Jika peubah asal berskala nominal digunakan rumus pengganda Bonferroni tipe bebas, yaitu : b 1 B = ( 1) i i=0 (b i) r i! (b i)! keterangan : B : pengali Bonfferoni b : banyaknya kategori baru r : banyaknya kategori asal i : kategori baru ke-i Jika peubah asal berskala ordinal digunakan rumus pengganda Bonferroni tipe monotonik, yaitu : B = ( r 1 b 1 ) Jika peubah asal berskala ordinal, namun terdapat kategori yang belum dapat ditentukan urutannya dalam peubah tersebut digunakan rumus pengganda Bonferroni tipe mengambang (float), yaitu : 3

15 4 B = ( r 2 2 ) + r (r b 2 b 1 ) 5. Melakukan pemodelan diagram pohon untuk mempermudah interpretasi dan pengambilan kesimpulan. 6. Melihat nilai ketepatan klasifikasi dan kesalahan klasifikasi berdasarkan Tabel 1. Tabel 1 Tabel kontingensi antara klasifikasi dan observasi Klasifikasi (K) Observasi (O) Total Tepat waktu Tidak Tepat waktu Tepat waktu a b a + b Tidak Tepat waktu c d c + d Total a + c b + d a + b + c + d Menurut Hosmer dan Lemeshow (2000), ketepatan klasifikasi terdiri dari sensitivity dan specificity, sedangkan kesalahan klasifikasi terdiri dari salah positif dan salah negatif. Dari Tabel 1, nilai sensitivity dan specificity didefinisikan sebagai : a Sensitifity = Specificity = a+b c+d Ketepatan klasifikasi yaitu ketepatan klasifikasi dalam menduga kejadian secara tepat dapat diduga dengan rumus : a + d Correct Classification = a + b + c + d 100% Model statistika yang mempunyai nilai sensitivity dan specificity yang tinggi dapat dikatakan baik, namun kadangkala tetap masih ada kesalahan yaitu salah positif dan salah negatif. c Salah Positif = Salah Negatif = a+c b+d Kesalahan klasifikasi merupakan besarnya kesalahan keseluruhan kejadian yang dapat diperoleh dengan rumus : b + c Missclassification = 100% = 1 Correct Clasification a + b + c + d d b HASIL DAN PEMBAHASAN 1. Analisis Mahasiswa IPB 1.1. Gambaran Umum Karakteristik Mahasiswa IPB Gambar 1 merupakan data wisudawan tahun dan ternyata lulusan yang paling banyak berasal dari FMIPA dengan persentase sebesar 18.75%, sedangkan lulusan yang paling sedikit berasal dari FKH dengan persentase sebesar 4.68%. Hal tersebut dikarenakan FMIPA memiliki departemen paling banyak di IPB yaitu delapan departemen, sedangkan FKH hanya satu departemen. Mahasiswa IPB yang mengambil minor selama berkuliah hanya sedikit yaitu 31%. Hal ini dikarenakan kebanyakan mahasiswa membatalkan minor di tengah masa studi sehingga menjadi Supporting Course (SC). Mahasiswa IPB lebih banyak yang

16 berjenis kelamin perempuan dibanding laki-laki. Perbandingan mahasiswa yang berasal dari jabodetabek dan luar jabodetabek hampir sama % % 4.68% 11.28% 7.05% 10.39% 12.34% 14.09% 9.27% FAPERTA FKH FPIK FAPET FAHUTAN FATETA FMIPA FEM FEMA 69% 31% Ada minor Tidak ada minor 62% 38% Laki-laki Perempuan 56% 44% Jabodetabek Luar Jabodetabek 13% 87% Negeri Swasta 62% 38% Menerima beasiswa Tidak Menerima beasiswa 5% USMI 25% SNMPTN 70% BUD Gambar 1 Sebaran persentase mahasiswa IPB 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% FAPERTA FKH FPIK FAPET FAHUTAN FATETA FMIPA FEM FEMA Ada Tidak ada Laki-laki Perempuan Jabodetabek Luar jabodetabek Negeri Swasta BUD/Beasiswa SNMPTN USMI Menerima Tidak Menerima Fakultas Minor JK Daerah Sekolah Jalur masuk Beasiswa Tepat Waktu Tidak Tepat Waktu Gambar 2 Persentase ketepatan waktu lulus mahasiswa IPB berdasarkan karakteristik mahasiswa 1.2. Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Gambar 2 menunjukkan bahwa peubah yang memiliki keragaman yang besar hanya peubah fakultas sedangkan peubah yang lain memiliki keragaman yang kecil. Berdasarkan fakultas, mahasiswa FEM paling banyak lulus tepat waktu dengan persentase sebesar 65.45%, sedangkan mahasiswa dari FAPERTA dan FAHUTAN memiliki persentase yang sedikit yaitu 11.84% dan 12.74%. Berdasarkan minor, mahasiswa yang mengambil minor lebih banyak lulus tepat waktu. Berdasarkan jenis kelamin, mahasiswa yang berjenis kelamin perempuan lebih banyak lulus tepat waktu dibandingkan laki-laki dikarenakan biasanya perempuan labih rajin dan

17 6 tekun dalam belajar. Berdasarkan asal daerah, tidak terlalu berbeda ketepatan waktu lulus antara mahasiswa yang berasal dari jabodetabek dan mahasiswa yang berasal dari luar jabodetabek. Berdasarkan jalur masuk, mahasiswa yang masuk melalui jalur BUD paling banyak lulus tepat waktu dibandingkan jalur masuk yang lain. Hal ini dikarenakan BUD merupakan beasiswa daerah (PEMDA) sehingga mahasiswa diharuskan lulus dalam waktu maksimal empat tahun. Berdasarkan penerimaan beasiswa, mahasiswa yang menerima beasiswa lebih banyak lulus tepat waktu dibandingkan mahasiswa yang tidak menerima beasiswa. Hal ini dikarenakan banyak instansi beasiswa yang menuntut mahasiswa untuk lulus tepat waktu dan banyak pula instansi beasiswa yang memberikan beasiswa hanya sampai semester Analisis CHAID Diagram pohon analisis CHAID dapat dilihat pada Lampiran 2 dengan α=0.05 untuk penggabungan dan pemisahan. Pohon klasifikasi terhadap mahasiswa IPB memiliki 68 simpul yang terdiri dari 24 simpul dalam dan 41 simpul akhir. Metode penghentian pohon yang digunakan yaitu minimum amatan di simpul induk sebanyak 100 amatan dan di simpul anak sebanyak 50 amatan. Kedalaman pohon tidak dibatasi namun pada analisis untuk mahasiswa IPB terhenti pada kedalaman 4 (empat). Semua peubah penjelas masuk dalam diagram pohon CHAID dan peubah yang memiliki pengaruh paling kuat (simpul akar) dengan ketepatan waktu lulus yaitu fakultas. Pada kedalaman pohon kedua, peubah yang berpengaruh yaitu jenis kelamin pada FKH-FPIK dan IPK pada fakultas lainnya. Secara keseluruhan pada setiap fakultas menunjukkan bahwa IPK berbanding lurus dengan ketepatan waktu lulus. Semakin tinggi IPK maka semakin tinggi persentase mahasiswa yang lulus tepat waktu. Pada kedalaman pohon ketiga, peubah yang berpengaruh yaitu asal daerah, asal sekolah, fakultas, IPK, jenis kelamin, beasiswa, minor dan jalur masuk. Peubah yang berpengaruh nyata pada FAPERTA-FAHUTAN dan mempunyai IPK kurang atau sama dengan 2.87 yaitu asal daerah. Pada kedalaman pohon selanjutnya bisa dilihat pada Tabel 2. Tabel 2 Ringkasan peubah penjelas yang masuk dalam diagram pohon CHAID Kedalaman IPB 1 Fakultas 2 IPK dan jenis kelamin 3 Asal daerah, asal sekolah, fakultas, IPK, jenis kelamin, beasiswa, minor dan jalur masuk 4 Beasiswa, fakultas, minor, asal daerah dan jenis kelamin Analisis CHAID untuk mahasiswa IPB menghasilkan 41 klasifikasi. Klasifikasi yang menggolongkan mahasiswa lulus dengan tepat waktu dengan persentase diatas 50% yaitu simpul 57, 54, 56, 44, 67, 42, 55, 47 dan 62. Klasifikasi yang memiliki peluang paling besar diantaranya yaitu simpul 57 dengan persentase mahasiswa sebanyak 2.9% (n=206) dari total mahasiswa IPB secara keseluruhan, memiliki ciri-ciri berasal dari FEM, memiliki IPK lebih dari 3.39 dan mengambil

18 minor selama berkuliah di IPB. Apabila terdapat mahasiswa yang memiliki karakteristik seperti simpul 57, maka peluang mahasiswa tersebut lulus tepat waktu sebesar 82%. Simpul 54 memiliki ciri-ciri berasal dari FEM memiliki IPK antara dan tidak mengambil minor selama berkuliah di IPB. Apabila terdapat mahasiswa yang memiliki karakteristik seperti simpul 54 maka peluang mahasiswa tersebut lulus tepat waktu sebesar 73.1%. Keterangan lebih lanjut tentang simpul 56, 44, 67 dan seterusnya bisa dilihat pada Lampiran 4. Klasifikasi yang menggolongkan mahasiswa lulus dengan tidak tepat waktu yaitu simpul 64, 37, 45, 66, 43, 16, 61,..., 48, 30, 27, 49 dan 28 dengan persentase tepat waktu dibawah 50% (Lampiran 4). Klasifikasi yang memiliki peluang paling kecil diantaranya yaitu simpul 28 dengan persentase mahasiswa sebanyak 3.7% (n=261) dari total mahasiswa IPB secara keseluruhan. Simpul 28 memiliki ciri-ciri berasal dari FAPERTA-FAHUTAN, memiliki IPK kurang dari atau sama dengan 2.87 dan berasal dari luar jabodetabek. Apabila terdapat mahasiswa yang memiliki karakteristik seperti simpul 28, maka peluang mahasiswa tersebut lulus tepat waktu sebesar 3.4%. Simpul 49 memiliki ciri-ciri berasal dari FMIPA, memiliki IPK kurang dari atau sama dengan 2.76, dan berasal dari jabodetabek. Apabila terdapat mahasiswa yang memiliki karakteristik seperti simpul 49 maka peluang mahasiswa tersebut lulus tepat waktu sebesar 3.6%. Keterangan lebih lanjut tentang simpul 48, 30, 27 dan seterusnya bisa dilihat pada Lampiran 4. Berdasarkan Lampiran 4, terlihat bahwa mahasiswa yang banyak tergolong lulus tepat waktu yaitu mahasiswa FEM serta mempunyai IPK lebih dari 3 sedangkan mahasiswa yang banyak tergolong lulus tidak tepat waktu yaitu mahasiswa FMIPA dan FAPERTA-FAHUTAN serta mempunyai IPK kurang dari 3. Hal ini diduga karena mahasiswa FEM tidak melakukan penelitian di laboratorium untuk data skripsi dan kebanyakan menggunakan data sekunder, berbeda dengan FAPERTA-FAHUTAN dan beberapa departemen pada FMIPA yang kebanyakan mahasiswanya melakukan penelitian di laboratorium atau lapangan untuk data skripsi. Ketepatan klasifikasi mahasiswa IPB yang dihasilkan dengan metode CHAID yaitu 74.6%. Tabel 3 menunjukkan persentase untuk menduga lulus tidak tepat waktu secara benar (sensitivity) sebesar 34.2% dan untuk menduga lulus tepat secara benar (specificity) sebesar 92.7%. Model pada penelitian ini lebih bagus untuk menduga mahasiswa yang lulus tidak tepat waktu dibanding menduga mahasiswa yang lulus tepat waktu. Nilai kesalahan positif yaitu kesalahan ketika observasi mengatakan lulus tepat waktu, namun diprediksi lulus tidak tepat waktu dengan nilai sebesar 32.2%. Nilai kesalahan negatif yaitu kesalahan ketika observasi mengatakan lulus tidak tepat waktu, namun diprediksi lulus tepat waktu dengan nilai sebesar 24.12%. Tabel 3 Kesesuaian klasifikasi CHAID mahasiswa IPB Amatan Dugaan Total Ketepatan Tepat waktu Tidak tepat waktu (%) Tepat waktu Tidak tepat waktu Total Kesalahan (%)

19 8 2. Analisis Mahasiswa FMIPA IPB 2.1. Gambaran Umum Mahasiswa FMIPA IPB Gambar 3 merupakan sebaran data wisudawan FMIPA IPB dari tahun dan lulusan yang paling banyak di FMIPA berasal dari departemen Ilmu Komputer dan Biologi, sedangkan lulusan yang paling sedikit di FMIPA berasal dari departemen Fisika. Sebaran minor, jenis kelamin, asal daerah, asal sekolah, beasiswa dan jalur masuk hampir sama dengan mahasiswa IPB. Mahasiswa FMIPA yang mengambil minor hampir sama dengan mahasiswa yang tidak mengambil minor. Berdasarkan jenis kelamin, mahasiswa perempuan lebih banyak daripada laki-laki. Berdasarkan asal daerah, mahasiswa yang berasal dari jabodetabek hampir sama dengan mahasiswa yang berasal dari luar jabodetabek. Berdasarkan penerimaan beasiswa, mahasiswa FMIPA tidak terlalu banyak mahasiswa FMIPA yang menerima beasiswa. Mahasiswa FMIPA juga didominasi oleh mahasiswa yang berasal dari sekolah negeri dan berasal dari USMI % 17.84% 12.83% 9.87% 13.74% 10.17% 7.06% 11.77% Statistika GFM Biologi kimia matematika ilkom fisika biokim 56% 44% ada minor tidak ada minor 59% 41% laki-laki perempuan 47% 53% jabodetabek luar jabodetabek 13% 87% negeri swasta 62% 38% menerima beasiswa tidak menerima beasiswa 26% 5% USMI SNMPTN 69% BUD Gambar 3 Sebaran persentase mahasiswa FMIPA IPB 2.2. Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Gambar 4 menunjukkan analisis ketepatan waktu lulus mahasiswa FMIPA IPB berdasarkan departemen, yaitu Departemen Statistika 23.08%, GFM 23.85%, Biologi 12.27%, Kimia 15.47%, Matematika 23.13%, Ilmu Komputer 21.70%, Fisika 29.03% dan Biokimia 18.71%. Semua peubah memiliki keragaman yang kecil sehingga tidak ada peubah yang sangat membedakan ketepatan waktu lulus mahasiswa.

20 9 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Statistika GFM Biologi Kimia Matematika Ilkom Fisika Biokimia Ada Tidak ada Laki-laki Perempuan Jabodetabek Luar jabodetabek Negeri Swasta USMI SNMPTN BUD Menerima Tidak Menerima Departemen Minor JK Daerah Sekolah Jalur masuk Beasiswa Tepat Waktu Tidak Tepat Waktu Gambar 4 Persentase ketepatan waktu lulus mahasiswa FMIPA IPB berdasarkan karakteristik mahasiswa 2.3. Analisis CHAID Diagram pohon CHAID untuk mahasiswa FMIPA IPB dapat dilihat pada Lampiran 3. Peubah penjelas yang masuk dalam diagram pohon CHAID untuk mahasiswa FMIPA IPB terdiri dari tiga peubah yaitu peubah IPK, asal daerah dan minor. Analisis CHAID mahasiswa FMIPA IPB menghasilkan 10 simpul dengan 3 simpul dalam dan 6 simpul akhir. Metode penghentian pohon yang digunakan yaitu minimum amatan di simpul induk sebanyak 100 amatan dan di simpul anak sebanyak 50 amatan. Kedalaman pohon tidak dibatasi namun pada analisis untuk mahasiswa FMIPA IPB terhenti pada kedalaman 3 (tiga). Peubah yang memiliki pengaruh paling kuat (simpul akar) terhadap ketepatan waktu lulus yaitu IPK dan terlihat pula bahwa IPK berbanding lurus dengan persentase mahasiswa yang lulus tepat waktu. Semakin tinggi IPK maka semakin tinggi persentase mahasiswa yang lulus tepat waktu. Selanjutnya, IPK yang rendah (<= 2.77) dan IPK yang tinggi (> 3.09) mempunyai interaksi dengan asal daerah. Persentase mahasiswa yang mempunyai IPK rendah dan berasal dari luar jabodetabek lebih tinggi dibandingkan mahasiswa yang mempunyai IPK rendah dan berasal dari jabodetabek. Persentase mahasiswa yang mempunyai IPK tinggi juga sama, akan tetapi pada IPK tinggi mengalami peningkatan persentase mahasiswa yang lulus tepat waktu lebih curam pada asal daerah luar jabodetabek dibandingkan jabodetabek. Mahasiswa yang mempunyai IPK tinggi dan berasal dari luar jabodetabek juga mempunyai interaksi dengan minor. Analisis CHAID mahasiswa FMIPA IPB menghasilkan 6 klasifikasi namun tidak ada klasifikasi yang menggolongkan mahasiswa FMIPA IPB lulus dengan tepat waktu karena semua klasifikasi memiliki persentase tepat waktu dibawah 50%. Klasifikasi yang menggolongkan lulus dengan tidak tepat waktu yaitu klasifikasi 1, 2 dan 3. Klasifikasi yang memiliki peluang paling kecil diantaranya yaitu klasifikasi 2 dengan persentase mahasiswa FMIPA IPB sebesar 15.2% (n=200) dari total mahasiswa FMIPA IPB secara keseluruhan. Klasifikasi 2 memiliki ciri-ciri sebagai

21 10 berikut, memiliki IPK kurang dari atau sama dengan 2.77 dan berasal dari jabodetabek. Apabila terdapat mahasiswa yang memiliki karakteristik seperti klasifikasi 2, maka mahasiswa tersebut dapat lulus dengan tepat waktu sebesar 3.5%. Klasifikasi 1, 3 dan yang lainnya dapat dilihat pada Lampiran 5. Menurut Hosmer dan Lemeshow (2000), ketepatan klasifikasi mahasiswa FMIPA IPB yang dihasilkan dengan metode CHAID yaitu 80% yang dapat dilihat pada Tabel 4. Tabel 4 Kesesuaian klasifikasi CHAID mahasiswa FMIPA IPB Dugaan Total Ketepatan Amatan Tepat waktu Tidak tepat waktu (%) Tepat waktu Tidak tepat waktu Total Kesalahan (%) Tabel 4 menunjukkan persentase untuk menduga lulus tidak tepat waktu secara benar (sensitivity) sebesar 0% dan untuk menduga lulus tepat secara benar (specificity) sebesar 100%. Model pada penelitian ini lebih bagus untuk menduga mahasiswa yang lulus tidak tepat waktu dibanding menduga mahasiswa yang lulus tepat waktu. Nilai kesalahan positif yaitu kesalahan ketika observasi mengatakan lulus tepat waktu, namun diprediksi lulus tidak tepat waktu dengan nilai sebesar 0%. Nilai kesalahan negatif yaitu kesalahan ketika observasi mengatakan lulus tidak tepat waktu, namun diprediksi lulus tepat waktu dengan nilai sebesar 19.96%. SIMPULAN Semua peubah pada mahasiswa IPB masuk dalam diagram pohon dan peubah yang paling berpengaruh dengan ketepatan waktu lulus yaitu fakultas. Peluang klasifikasi tertinggi yang menggolongkan mahasiswa IPB lulus tepat waktu yaitu memiliki ciri-ciri berasal dari FEM, memiliki IPK lebih dari 3.39 dan mengambil minor selama berkuliah di IPB, sedangkan peluang klasifikasi terendah yang menggolongkan mahasiswa IPB lulus tepat waktu yaitu dengan ciri-ciri berasal dari FAPERTA-FAHUTAN, memiliki IPK kurang dari atau sama dengan 2.87 dan berasal dari jabodetabek. Nilai ketepatan klasifikasi mahasiswa IPB sebesar 74.6%. Peubah pada mahasiswa FMIPA IPB yang masuk dalam diagram pohon CHAID ada tiga, yaitu IPK, asal daerah dan minor. Peubah yang paling berpengaruh dengan ketepatan waktu lulus yaitu IPK. Tidak ada klasifikasi yang menggolongkan mahasiswa FMIPA IPB lulus tepat waktu sedangkan peluang klasifikasi terendah yang menggolongkan mahasiswa FMIPA IPB lulus tepat waktu yaitu dengan ciri-ciri memiliki IPK kurang dari atau sama dengan 2.77 dan berasal dari jabodetabek. Nilai ketepatan klasifikasi mahasiswa FMIPA IPB sebesar 80%. Model pada penelitian mahasiswa IPB dan FMIPA IPB lebih baik untuk menduga mahasiswa yang lulus tidak tepat waktu daripada mahasiswa yang lulus tepat waktu.

22 11 DAFTAR PUSTAKA Alamudi A, Wigena AH, Aunuddin Eksplorasi Struktur Data dengan Metode CHAID. Forum Statistika dan Komputasi [Internet]. [diunduh 2012 Desember 15]. 3(1) : Tersedia pada : Hosmer DW, Lemeshow S Applied Logistic Regression. Ed ke-2. New York [US] : John Wiley & Sons, Inc. Kass GV An Exploratory Technique for Investigating Large Quantities of Categorical Data. Applied Statistics [Internet]. [diunduh 2013 Mei 27]; 29(2) : Tersedia pada : Rokach L, Maimon O Data Mining with Decision Tree. USA : World Scientific. Suryabrata S Psikologi Pendidikan. Jakarta : PT Raja Grafindo Persada.

23 12 Lampiran 1 Pengkategorian peubah Peubah Definisi IPB FMIPA Y Ketepatan waktu lulus 0 : tidak tepat waktu 1 : tepat waktu 0 : tidak tepat waktu 1 : tepat waktu X1 Fakultas/ Departemen 0 : pertanian 1 : kedokteran hewan 2 : pertanian dan kelautan 3 : peternakan 4 : kehutanan 5 : teknologi pertanian 6 : MIPA 7 : ekonomi dan manajemen 8 : ekologi manusia 0 : statistika 1 : GFM 2 : biologi 3 : kimia 4 : matematika 5 : ilmu komputer 6 : fisika 7 : biokimia X2 Minor 0 : tidak ada minor 1 : ada minor 0 : tidak ada minor 1 : ada minor X3 IPK numerik numerik X4 Jenis kelamin 0 : perempuan 1 : laki-laki 0 : perempuan 1 : laki-laki X5 Asal daerah 0 : luar jabodetabek 1 : jabodetabek 0 : luar jabodetabek 1 : jabodetabek X6 Asal sekolah 0 : SMA swasta 1 : SMA negeri 0 : SMA swasta 1 : SMA negeri X7 Jalur masuk 0 : USMI 1 : SNMPTN 2 : BUD 0 : USMI 1 : SNMPTN 2 : BUD X8 Beasiswa 0 : tidak menerima beasiswa 1 : menerima beasiswa 0 : tidak menerima beasiswa 1 : menerima beasiswa

24 Lampiran 2 Diagram pohon CHAID mahasiswa IPB 13

25 14 Lampiran 2 Diagram pohon CHAID mahasiswa IPB

26 Lampiran 2 Diagram pohon CHAID mahasiswa IPB 15

27 16 Lampiran 3 Diagram pohon CHAID mahasiswa FMIPA IPB

28 Lampiran 4 Ringkasan analisis CHAID mahasiswa IPB Persentase (%) Banyak Klasi Karakteristik ketepatan Simpul Tepat Tidak tepat mahasiswa fikasi waktu lulus waktu waktu (n) 1 57 Ekonomi manajemen; IPK>3.39; ada minor 2 54 Ekonomi manajemen; <IPK<=3.39; tidak ada minor 3 56 Ekonomi manajemen; IPK>3.39; tidak ada minor 4 44 Peternakan-ekologi manusia; IPK>3.39; peternakan 5 67 Ekonomi manajemen; IPK<=3.08; USMI-BUD; perempuan 6 42 Peternakan-ekologi manusia; <IPK<=3.18; luar jabodetabek 7 55 Ekonomi manajemen; <IPK<=3.39; ada minor 8 47 Teknologi pertanian; IPK>3.39; menerima beasiswa 9 62 Peternakan-ekologi manusia; 2.76<IPK<=3.08; perempuan; tidak ada minor Matematika dan ilmu pengetahuan alam; IPK>3.18; tidak ada minor; luar jabodetabek Kedokteran hewan-perikanan dan kelautan; perempuan; IPK> Peternakan-ekologi manusia; IPK>3.39; ekologi manusia Ekonomi manajemen; IPK<=3.08; USMI-BUD; laki-laki Peternakan-ekologi manusia; 3.08<IPK<=3.18; jabodetabek Peternakan-ekologi manusia; 3.18<IPK<= Peternakan-ekologi manusia; 2.76<IPK<=3.08; laki-laki; ekologi manusia

29 18 Klasi fikasi Simpul Karakteristik ketepatan waktu lulus Teknologi pertanian; IPK>3.39; tidak menerima beasiswa Peternakan-ekologi manusia; 2.76<IPK<=3.08; perempuan; ada minor Kedokteran hewan-perikanan dan kelautan; perempuan; 2.59<IPK<= Teknologi pertanian; 2.76<IPK<= Matematika dan ilmu pengetahuan alam; IPK>3.18; tidak ada minor; jabodetabek Ekonomi manajemen; IPK<=3.08; SNMPTN Peternakan-ekologi manusia; IPK<=2.76; perempuan Kedokteran hewan-perikanan dan kelautan; laki-laki; kedokteran hewan Matematika dan ilmu pengetahuan alam; IPK>3.18; ada minor Pertanian-kehutanan; IPK>3.39; Peternakan-ekologi manusia; 2.76<IPK<=3.08; laki-laki; peternakan Kedokteran hewan-perikanan dan kelautan; laki-laki; perikanan dan kelautan; menerima beasiswa Pertanian-kehutanan; 3.08<IPK<=3.39; kehutanan Pertanian-kehutanan; 2.87<IPK<=3.08; swasta Matematika dan ilmu pengetahuan alam; 2.76<IPK<= Kedokteran hewan-perikanan dan kelautan; perempuan; IPK<=2.59 Persentase (%) Banyak Tepat waktu Tidak tepat waktu mahasiswa (n)

30 19 Klasi fikasi Simpul Karakteristik ketepatan waktu lulus Peternakan-ekologi manusia; IPK<=2.76; laki-laki Pertanian-kehutanan; 3.08<IPK<=3.39; pertanian Teknologi pertanian; IPK<= Kedokteran hewan-perikanan dan kelautan; laki-laki; perikanan dan kelautan; tidak menerima beasiswa Matematika dan ilmu pengetahuan alam; IPK<=2.76; luar jabodetabek Pertanian-kehutanan; 2.87<IPK<=3.08; negeri Pertanian-kehutanan; IPK<=2.87; luar jabodetabek Matematika dan ilmu pengetahuan alam; IPK<=2.76; jabodetabek Pertanian-kehutanan; IPK<=2.87; jabodetabek Persentase (%) Banyak Tepat waktu Tidak tepat waktu mahasiswa (n) Lampiran 5 Ringkasan analisis CHAID mahasiswa FMIPA IPB Persentase (%) Banyak Klasifi Karakteristik ketepatan Simpul Tepat Tidak tepat mahasiswa kasi waktu lulus waktu waktu (n) 1 9 IPK>3.09; luar jabodetabek; tidak ada minor 2 8 IPK>3.09; luar jabodetabek; ada minor 3 7 IPK>3.09; jabodetabek <IPK<= IPK <=2.77; luar jabodetabek 6 5 IPK <=2.77; jabodetabek

31 20 RIWAYAT HIDUP Penulis dilahirkan di Jambi pada tanggal 7 November 1992 dari pasangan Eddy Wijaya dan Rosmarita. Penulis merupakan anak kedua dari tiga bersaudara. Penulis telah berhasil menyelesaikan pendidikannya di Sekolah Dasar Negeri (SDN) 1 Jambi pada tahun Selanjutnya penulis menempuh jenjang pendidikan di Sekolah Menengah Pertama Negeri (SMPN) 1 Jambi dan lulus pada tahun Penulis menyelesaikan pendidikannya di Sekolah Menengah Atas (SMA) Titian Teras Jambi pada tahun Pada tahun yang sama, penulis diterima sebagai mahasiswa Departemen Statistika, Institut Pertanian Bogor (IPB) melalui Undangan Seleksi Masuk IPB (USMI). Selama jenjang perkuliahan, penulis pernah menjadi asisten dosen mata kuliah Metode Statistika untuk program sarjana Departemen Ilmu Tanah pada tahun perkuliahan Penulis pernah aktif dalam organisasi CENTURY sebagai Sekretaris kedua periode kepengurusan dan Sekretaris pertama periode kepengurusan Penulis pernah bekerja sebagai pengajar bidang studi Pengantar Matematika di Klinik Study Expert tahun 2010 dan bidang studi Matematika di PRIMAGAMA pada tahun Selain itu, penulis juga aktif dalam organisasi kemahasiswaan Gamma Sigma Beta sebagai staf Biro Kestari pada periode kepengurusan dan staf Human Research Development pada periode kepengurusan