IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MENGGUNAKAN REGRESI LOGISTIK BINER DAN MULTINOMIAL NUR FITRIANY

Transkripsi

1 IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MENGGUNAKAN REGRESI LOGISTIK BINER DAN MULTINOMIAL NUR FITRIANY DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dega ii saya meyataka bahwa skripsi yag berjudul Idetifikasi Faktor-Faktor yag Memegaruhi Ideks Prestasi Kumulatif (IPK) Megguaka Regresi Logistik Bier da Multiomial adalah bear karya saya dega araha dari komisi pembimbig, da belum diajuka dalam betuk apa pu kepada pergurua tiggi maa pu. Sumber iformasi yag berasal atau dikutip dari karya yag diterbitka maupu tidak diterbitka dari peulis lai telah disebutka dalam teks da dicatumka dalam Daftar Pustaka di bagia akhir skripsi ii. Dega ii saya melimpahka hak cipta dari karya tulis saya kepada Istitut Pertaia Bogor. Bogor, Agustus 2013 Nur Fitriay NIM G

4 ABSTRAK NUR FITRIANY. Idetifikasi Faktor-Faktor yag Memegaruhi Ideks Prestasi Kumulatif (IPK) Mahasiswa Departeme Matematika IPB Megguaka Regresi Logistik Bier da Multiomial. Dibimbig oleh HADI SUMARNO da RETNO BUDIARTI. Ideks Prestasi Kumulatif (IPK) merupaka tolok ukur prestasi akademik siswa pada pedidika pergurua tiggi. Peelitia ii bertujua utuk megidetifikasi faktor-faktor yag memegaruhi IPK mahasiswa Departeme Matematika IPB Agkata megguaka regresi logistik bier da multiomial. Berdasarka regresi logistik bier, faktor yag memegaruhi IPK yaitu lama belajar. Sedagka dega megguaka regresi logistik multiomial, faktor yag memegaruhi IPK yaitu status pekerjaa ibu, pegeluara uag per bula selai utuk biaya hidup da akademik, da tambaha jam belajar seperti bimbiga belajar. Hal ii meujukka bahwa pegelompoka mahasiswa berdasarka IPK megakibatka perbedaa dalam pegambila kesimpula. Kata kuci: ideks prestasi kumulatif (IPK), regresi logistik bier, regresi logistik multiomial. ABSTRACT NUR FITRIANY. Idetifyig Factors that Ifluece a Studet Grade Poit Average (GPA) of the Mathematics Departmet of IPB Usig Biary ad Multiomial Logistic Regressio. Supervised by HADI SUMARNO ad RETNO BUDIARTI. Grade Poit Average (GPA) is a measure of studet academic achievemet at a college educatio. The objective of this study is to idetify factors that ifluece a studet GPA of the Mathematics Departmet of IPB i geeratio usig biary ad multiomial logistic regressio. Based o biary logistic regressio, the factor of studet GPA is duratio of study. Meawhile based o multiomial logistic regressio, the factors of studet GPA are mother employmet status, expediture per moth i additio to the cost of livig ad academic, ad extra hours of study such as tutorig. This shows that studet classificatio based o their GPA determies the coclusio. Key words: biary regressio logistic, grade poit average (GPA), multiomial regressio logistic.

5 IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MENGGUNAKAN REGRESI LOGISTIK BINER DAN MULTINOMIAL NUR FITRIANY Skripsi sebagai salah satu syarat utuk memperoleh gelar Sarjaa Sais pada Departeme Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

6

7

8 Judul Skripsi : Idetifikasi Faktor-Faktor yag Memegaruhi Ideks Prestasi Kumulatif (IPK) Megguaka Regresi Logistik Bier da Multiomial Nama : Nur Fitriay NIM : G Disetujui oleh Dr Ir Hadi Sumaro, MS Pembimbig I Ir Reto Budiarti, MS Pembimbig II Diketahui oleh Dr Berlia Setiawaty, MS Ketua Departeme Taggal Lulus:

9 PRAKATA Puji da syukur peulis pajatka kehadirat Allah SWT atas segala karuia- Nya sehigga peulis dapat meyelesaika peelitia da peulisa karya ilmiah yag berjudul Idetifikasi Faktor-Faktor yag Memegaruhi Ideks Prestasi Kumulatif (IPK) Megguaka Regresi Logistik Bier da Multiomial. Terima kasih peulis ucapka kepada Bapak Dr Ir Hadi Sumaro, MS da Ibu Ir Reto Budiarti, MS selaku dose pembimbig yag dega sabar memberika araha, bimbiga, da motivasi dalam meyelesaika tugas akhir ii serta Ir N K K Ardaa, MSc selaku dose peguji yag telah bersedia memberika berbagai masuka da perbaika. Peulis megucapka terima kasih kepada Ibu Dr Ir Sri Nurdiati, MSc selaku dose pembimbig akademik yag seatiasa memberika motivasi da tutua selama studi di Departeme Matematika IPB. Peulis bayak megucapka terima kasih kepada Kemetria Agama RI atas Program Beasiswa Satri Berprestasi (PBSB) sehigga peulis bisa meyelesaika studiya higga selesai. Ugkapa terima kasih juga disampaika kepada Ibu da Ayah serta seluruh keluarga atas dukuga da doa-doa yag telah diberika. Terima kasih saya ucapka kepada Ustad Ece Hidayat, Ustad Abdurrahma, da Ustad Dudi Supiadi beserta para keluarga yag telah memberika asihat-asihat yag berharga dalam kehidupa. Tidak lupa saya ucapka terima kasih kepada tema-tema CSS MORA 46 serta reka-reka satri/at Al-Ihya Darmaga khususya Ii Puspita Sari da Elisa Nur Faizaty yag telah memberika dukuga dalam peyelesaia skripsi ii. Semoga karya ilmiah ii bermafaat. Bogor, Agustus 2013 Nur Fitriay

10 DAFTAR ISI DAFTAR TABEL x DAFTAR GAMBAR x DAFTAR LAMPIRAN x PENDAHULUAN 1 Latar Belakag 1 Tujua 1 METODE PENELITIAN 2 Pegumpula Data 2 Tahap Aalisis 3 MODEL 4 Uji Kebebasa Khi-Kuadrat 4 Geeralized Liear Model (GLM) 4 Regresi Logistik Bier 6 Regresi Logistik Multiomial 6 Pedugaa Parameter 7 Pegujia Parameter 9 Iterpretasi Koefisie 10 HASIL DAN PEMBAHASAN 11 Deskripsi Karakteristik Respode 11 Uji Kebebasa Khi-Kuadrat 12 Regresi Logistik Bier 12 Iterpretasi Koefisie 13 Regresi Logistik Multiomial 13 Iterpretasi Koefisie 14 SIMPULAN DAN SARAN 15 Simpula 15 Sara 15 RIWAYAT HIDUP 23

11 DAFTAR TABEL 1 Jumlah mahasiswa per Agkata 2 2 Jumlah ukura cotoh dega alokasi proporsioal 3 3 Karakteristik mahasiswa Departeme Matematika IPB 11 4 Pedugaa parameter, uji Wald, uji sigifikasi, da rasio odds pada kasus bier 13 5 Pedugaa parameter, uji Wald, uji sigifikasi, da rasio odds pada kasus multiomial 14 DAFTAR GAMBAR 1 Pearika cotoh acak berlapis 2 DAFTAR LAMPIRAN 1 Peubah-peubah pejelas da peubah boeka 17 2 Hasil uji kebebasa khi-kuadrat pada kasus bier 18 3 Hasil uji kebebasa khi-kuadrat pada kasus multiomial 19 4 Kuesioer peelitia 20

12 PENDAHULUAN Latar Belakag Ideks prestasi kumulatif (IPK) merupaka tolok ukur prestasi akademik siswa pada tigkat pedidika pergurua tiggi. Meurut Kuh et al. 2006, faktorfaktor yag memegaruhi keberhasila belajar siswa pergurua tiggi dapat dibagi mejadi dua tahap, yaitu pegalama praperkuliaha yag meliputi pedaftara, persiapa akademis termasuk di dalamya prestasi akademis pada tigkat pedidika sebelumya, kecerdasa da kesiapa kuliah, dukuga keluarga da reka, motivasi belajar, serta karakteristik demografi (misalya geder, ras da kodisi sosial ekoomi), da pegalama perkuliaha yag meliputi perilaku siswa, kodisi istitusi, da keterlibata siswa. Bada Akreditasi Nasioal Pergurua Tiggi (BAN PT) megelompokka IPK sebagai berikut: IPK 3.50, 2.75 IPK < 3.50, da 2 IPK < Peelitia sebelumya Gatii (2011) megguaka regresi logistik bier megelompokka IPK mahasiswa Farmasi Uiversitas Muhammadiyah Prof Dr Hamka mejadi dua, yaitu mahasiswa yag berhasil dega kriteria IPK > 2.75 da mahasiswa yag kurag berhasil dega kriteria IPK 2.75 dega kesimpula bahwa faktor-faktor yag memegaruhi IPK yaitu rataa ilai STTB da jeis kelami. Berbeda dari peelitia sebelumya, pada peelitia ii aka megidetifikasi faktor-faktor yag memegaruhi IPK megguaka regresi logistik bier da multiomial. Regresi logistik bier pada IPK mahasiswa dikelompokka mejadi dua, yaitu mahasiswa yag mempuyai IPK 2.76 (Cum Laude atau sagat memuaska) sebagai Y = 1, da mahasiswa yag mempuyai 2 IPK < 2.76 (memuaska) sebagai Y = 0. Sedagka regresi logistik multiomial pada IPK mahasiswa dikelompokka mejadi tiga, yaitu mahasiswa yag berpredikat Cum Laude dega kriteria IPK 3.51 sebagai Y = 2, mahasiswa yag berpredikat sagat memuaska dega kriteria 2.76 IPK < 3.51 sebagai Y = 1, da mahasiswa yag berpredikat memuaska dega kriteria 2 IPK < 2.76 sebagai Y = 0 dega asumsi ketetua-ketetua lai dalam meetuka predikat kelulusa diabaika (IPB 2009). Tujua Megidetifikasi faktor-faktor yag memegaruhi ideks prestasi kumulatif (IPK) mahasiswa Departeme Matematika IPB Agkata megguaka regresi logistik bier da multiomial.

13 2 METODE PENELITIAN Pegumpula Data Data yag diguaka dalam peelitia ii adalah data primer da data sekuder. Data primer diperoleh melalui kuesioer dapat dilihat pada Lampira 4 yag dilaksaaka pada taggal 18 Februari-1 Maret 2013 terhadap mahasiswa Departeme Matematika Agkata Data sekuder diperoleh dari Departeme Matematika bidag Pedidika berupa iformasi megeai ilai IPK semester 3. Adapu jumlah mahasiswa seluruh Agkata dapat dilihat pada Tabel 1. Tabel 1 Jumlah mahasiswa per Agkata Respode Jumlah laki-laki Jumlah perempua Total Agkata Agkata Agkata Total Metode pearika cotoh yag diguaka dalam peelitia ii adalah pearika cotoh acak berlapis. Pearika cotoh acak berlapis dalam peelitia ii yaitu kombiasi Agkata da jeis kelami dapat dilihat pada Gambar 1 karea diasumsika setiap Agkata da jeis kelami memiliki karakteristik yag berbeda-beda (heteroge). Selajutya dari setiap lapisa pada jeis kelami dari masig-masig Agkata ditarik cotoh secara acak. Mahasiswa Departeme Matematika IPB Agkata 2009 Laki-laki Perempua Agkata 2010 Laki-laki Perempua Agkata 2011 Laki-laki Perempua Gambar 1 Pearika cotoh acak berlapis Meurut Scheaffer et al. (1990), ukura cotoh optimum da ukura cotoh di setiap lapisa megikuti rumus sebagai berikut: Ukura cotoh optimum: N i 2 pi q i w = i ( N i p i q i ) + N 2 D. keteraga: : ukura cotohoptimum. N : jumlah mahasiswa Departeme Matematika Agkata N i : jumlah mahasiswa Agkata ke-i. : proporsi mahasiswa utuk Agkata ke-i. p i

14 3 q i : 1 p i. w i : proporsi masig-masig Agkata terhadap jumlah mahasiswa. i : 1 (Agkata 2009), 2 (Agkata 2010), 3 (Agkata 2011). D = B2, B adalah tigkat kesalaha pearika cotoh sebesar 10%. 4 = = = Ukura cotoh di setiap Agkata dega alokasi proporsioal: i = N i. N Keteraga: i : ukura cotoh pada Agkata ke-i. : ukura cotoh pada semua Agkata. = Ukura cotoh utuk jeis kelami pada masig-masig Agkata megguaka cara yag sama diperoleh hasil sebagai berikut (Tabel 2): Agkata 2009 Tabel 2 Jumlah ukura cotoh dega alokasi proporsioal Respode Jumlah cotoh Agkata Jumlah cotoh jeis kelami Perempua: 2009 = = pr = = Agkata 2010 Agkata = = = = Tahap Aalisis Laki-laki: lk = Perempua: pr = Laki-laki: lk = Perempua: pr = Lala Laki-laki: lk = = = = = = Tahapa dalam aalisis adalah sebagai berikut: 1. Pegumpula da etri data. 2. Melakuka pemiliha peubah pejelas yag dimasukka pada regresi logistik bier da multiomial dega megguaka uji kebebasa khi-kuadrat.

15 4 3. Megostruksi model regresi logistik bier da multiomial utuk megaalisis faktor-faktor yag memegaruhi IPK. 4. Melakuka iterpretasi hasil koefisie. MODEL Uji Kebebasa Khi-Kuadrat Sebelum diterapka model regresi logistik bier da multiomial pada data yag diperoleh, terlebih dahulu diselidiki peubah pejelas yag memiliki keerata hubuga dega peubah respos. Apabila diatara kedua peubah tersebut tidak memiliki keerata hubuga maka dikataka kedua peubah tersebut salig bebas (Daiel 1990). Hipotesis yag diguaka pada uji kebebasa khi-kuadrat adalah H 0 : peubah pejelas da peubah respos salig bebas H 1 : peubah pejelas da peubah respos tidak salig bebas Statisik uji kebebasa khi-kuadrat didefiisika sebagai berikut: 2 r c = [ (O ij E ij ) 2 j =1 E ij ] Keteraga: O ij : frekuesi pegamata baris ke-i, kolom ke-j E ij : frekuesi harapa baris ke-i, kolom ke-j Kriteria keputusa yag diambil adalah tolak H 0 jika ilai 2 > 2 α[(r-1)(c-1)] atau dapat juga dilihat dari ilai-p, jika ilai-p < α maka tolak H 0 dega α adalah tigkat sigifikasi yag dipilih. Geeralized Liear Model (GLM) Geeralized liear model (GLM) merupaka suatu model yag dapat diguaka utuk megaalisis hubuga atara peubah respos yag tidak haya kotiu tetapi juga diskrit dega satu atau beberapa peubah pejelas dega megguaka fugsi peghubug (lik fuctio) tertetu (McCullagh da Nelder 1983). Agresti (1996) mejelaska geeralized liear model terdiri atas tiga kompoe, yaitu: 1. Kompoe acak yaitu kompoe yag meyataka sebara peubah respos. Kompoe acak pada GLM adalah pegamatay = (Y 1, Y 2,, Y ) T dari sebara keluarga ekspoesial. Peubah Y memiliki fugsi kepekata peluag berbetuk: P Y ŋ = h y exp(ŋ T t y a(ŋ)). GLM memiliki sebara peubah respos yag merupaka aggota dari keluarga ekspoesial yag terdiri atas sebara ormal, Poisso, Beroulli, biomial, multiomial, ormal ivers, ekspoesial, da gamma. 2. Kompoe sistematik sebagai peduga yag meyataka fugsi liear dari peubah-peubah pejelas. Kompoe sistematik dari GLM

16 5 meghubugka vektor ŋ = (ŋ 1,, ŋ ) T dega suatu himpua peubah pejelas x melalui suatu model liear: ŋ= xβ, ŋ disebut lik fuctio. 3. Peghubug (lik) yag mejelaska hubuga fugsioal atara kompoe sistematik da ilai ekspektasi dari kompoe acak. Misalka π i = E Y i ; i = 1,2,,, maka π i dihubugka dega ŋ i = g(π i ). Fugsi tersebut meghubugka ilai-ilai dugaa pegamata dega peubahpeubah pejelas dega betuk sebagai berikut: g(π i )= β j x ij ; i = 1, 2,,. Regresi logistik merupaka aalisis regresi dega peubah respos berupa kategorik. Peubah respos yag terdiri atas dua kategori, misalya sukses da gagal dega amata da salig bebas aka mempuyai sebara biomial dega setiap amataya aka meyebar Beroulli. Peubah respos yag terdiri atas lebih dari dua kategori dega amata da salig bebas maka aka mempuyai sebara multiomial sehigga regresi logistik termasuk dalam GLM. Bukti: Apabila Y meyebar biomial maka utuk amata ke-i, Y i meyebar Beroulli dega sebara sebagai berikut: Keteraga: ŋ = l π 1 π P Y π) = π y 1 π 1 y ; y = 0,1. = exp l π y 1 π 1 y = exp y l π + 1 y l 1 π = exp y l π 1 π + l 1 π. ; t y = y; a ŋ = l 1 π ; h y = 1; ŋ disebut lik fuctio. Apabila Y meyebar multiomial maka utuk amata ke-i, Y i memiliki sebara sebagai berikut: P(Y π) = π 1 y 1 π 2 y 2 π k y k k = exp y i l π i k 1 k 1 = exp y i l π i + 1 y i l 1 k 1 π i Keteraga: k 1 π i = exp y i l k 1 + l 1 π i 1 π i k 1 ŋ = l π i ; t y = y; a ŋ = l 1 π π i ; h y = 1. I k 1.

17 6 Regresi Logistik Bier Meurut Hosmer da Lemeshow (1989), regresi logistik bier adalah suatu aalisis statistika yag medeskripsika hubuga atara peubah respos yag terdiri atas dua kategori dega satu atau lebih peubah pejelas berskala kategori atau iterval. Peluag Y = 1 diotasika dega π(x). Fugsi regresi logistik bier atara π(x) da x dega p peubah pejelas adalah π x = exp(β 0 + β 1 x β p x p ) 1 + exp(β 0 + β 1 x β p x p ). Model regresi di atas merupaka fugsi regresi yag berbetuk fugsi tidak liear, sehigga dega trasformasi logit maka fugsi tersebut mejadi fugsi liear. Betuk trasformasi diyataka dalam persamaa berikut: l π(x) 1 π(x) = β 0 + β 1 x β p x p. Bukti: l π(x) 1 π(x) = β 0 + β 1 x β p x p π(x) 1 π(x) = exp β 0 + β 1 x β p x p π x = 1 π(x) exp β 0 + β 1 x β p x p π x = exp β 0 + β 1 x β p x p π(x) exp β 0 + β 1 x β p x p π x + π x exp β 0 + β 1 x β p x p = exp β 0 + β 1 x β p x p π x 1 + exp β 0 + β 1 x β p x p = exp β 0 + β 1 x β p x p π x = exp(β 0 + β 1 x β p x p ) 1 + exp(β 0 + β 1 x β p x p ). Regresi Logistik Multiomial Regresi logistik multiomial adalah sebuah aalisis regresi utuk meyelesaika masalah yag peubah resposya mempuyai kategori lebih dari dua dega satu atau lebih peubah pejelas berskala kategori atau iterval. Suatu peubah respos dalam regresi logistik multiomial dega C kategori aka membetuk persamaa logit sebayak C-1 yag masig-masig persamaa aka membetuk regresi logistik bier yag membadigka suatu kelompok kategori terhadap kategori pembadig. Model regresi logistik multiomial pada peelitia ii terdiri atas tiga kategori Y (Y = 0, 1, 2), sehigga dibutuhka dua fugsi logit da dipilih kategori respos yag mejadi kategori pembadig yaitu Y = 0 maka ξ 0 x = 0.

18 7 Betuk umum model regresi logistik multiomial dega tiga kategori respos yaitu: exp g i (x) P Y = i x = π i x = h=1 exp g h (x) Betuk trasformasi logit diyataka dalam persamaa berikut: g 1 x = l π 1(x) π 0 (x) P(Y = 1 x) = l P(Y = 0 x) = β 10 + β 11 x 1 + β 12 x β 1p x p, g 2 x = l π 2(x) π 0 (x) P(Y = 2 x) = l P(Y = 0 x) = β 20 + β 21 x 1 + β 22 x + + β 2p x p. Selajutya membetuk peluag dega tiga kategori respos: P Y = 0 x = π 0 x = P Y = 1 x = π 1 x = P Y = 2 x = π 2 x = exp g 1 x + exp g 2 x, exp g 1 x 1 + exp g 1 x + exp g 2 x, exp g 2 x 1 + exp g 1 x + exp g 2 x. Pedugaa Parameter Pedugaa parameter β p pada model logit dilakuka dega metode peduga kemugkia maksimum. Fugsi likelihood utuk model peluag dari regresi logistik bier da multiomial utuk amata ke-i dalam amata yag salig bebas adalah sebagai berikut: Regresi Logistik Bier l β = = π(x) y i i =1 π(x) y i 1 π(x) 1 y i 1 π(x) 1 π(x) y i = exp(β 0 + β 1 x β p x p ) y i exp(β 0 + β 1 x β p x p ) L β = l l β

19 8 = l exp(β 0 + β 1 x β p x p ) y i exp(β 0 + β 1 x β p x p ) = y i l exp(β 0 + β 1 x β p x p ) + l 1 + exp(β 0 + β 1 x β p x p ) 1. Pedugaa utuk setiap parameter yag igi diketahui pada regresi logistik bier diperoleh dega mejadika turua pertama L(β) terhadap β p = 0, sehigga persamaa tersebut mejadi sebagai berikut: L β = y β i x pi exp(β 0 + β 1 x 1i + + β p x pi ) p 1 + exp(β 0 + β 1 x 1i + + β p x pi ) x pi. Pedugaa β p aka diperoleh berdasarka proses iterasi karea persamaa yag dihasilka tidak liear. Regresi Logistik Multiomial l β = π 0 (x) y 0iπ 1 (x) y 1iπ 2 (x) y 2i = exp g 1 x + exp g 2 x y 0i exp g1 x 1 + exp g 1 x + exp g 2 x y 1i exp g 2 x y 2i 1 + exp g 1 x + exp g 2 x = exp(g 1 x i y 1i i =1 exp(g 2 x i y 2i exp(g 1 x i + exp(g 2 x i ) y 0i +y 1i +y 2i L β = l l β = l exp g 1 x i y 1i = y 1i g 1 x i + y 2i g 2 x i exp g 2 x i y 2i exp(g 1 x i + exp(g 2 x i ) l 1 + exp g 1 x i + exp g 2 x i. y 0i +y 1i +y 2i Pedugaa utuk setiap parameter yag igi diketahui pada regresi logistik multiomial diperoleh dega mejadika turua pertama L(β) terhadap β jp = 0, dega j = 1, 2. Misalka: a = y 1i g 1 x i + y 2i g 2 x i ; b = l 1 + exp g 1 x i + exp g 2 x i

20 9 Turua pertama dari a: L(β) = y β 1i (x 0i + x 1i + + x pi ) jp L(β) = y β ji x pi jp Turua pertama dari b: L(β) β jp = 1 + exp g 1 x i + exp g 2 x i + y 2i (x 0i + x 1i + + x pi ) [e g 1 x i x 0i + x 1i + + x pi + Jadi, e g 2 x i x 0i + x 1i + + x pi ] = x pi L(β) = y β ji x pi jp exp g 1 x i + exp g 2 x i 1 + exp g 1 x i + exp g 2 x i x pi exp g 1 x i + exp g 2 x i 1 + exp g 1 x i + exp g 2 x i. Pedugaa β jp aka diperoleh berdasarka proses iterasi karea persamaa yag dihasilka tidak liear. Pegujia Parameter Pegujia terhadap parameter model dilakuka utuk megetahui pegaruh peubah pejelas dalam model. Pegaruh dari peubah pejelas dapat diketahui dega melakuka uji sigifikasi secara keseluruha megguaka statistik uji-g da secara parsial megguaka statistik uji Wald. Uji Sigifikasi Keseluruha(uji-G) Hipotesis yag diuji adalah H 0 : β 1 = β 2 =... = β p = 0 H 1 : miimal ada satu β i 0, i = 1, 2,..., p Statistik uji-g didefiisika sebagai berikut: G = -2 l L 0 L p. L 0 adalah fugsi kemugkia tapa peubah pejelas da L p merupaka fugsi kemugkia dega peubah pejelas. Atura keputusa adalah tolak H 0 jika G > χ 2 p(α) atau dapat dilihat dari ilai-p, jika ilai-p < α maka tolak H 0 dega α adalah tigkat sigifikasi yag dipilih.

21 10 Uji Sigifikasi Parsial ( uji Wald) Hipotesis yag diuji adalah H 0 : β k = 0(pegaruh peubah ke-k tidak sigifika) H 1 : β k 0, k = 1, 2,..., p(pegaruh peubah ke-k sigifika) Statistik uji Wald didefiisika sebagai berikut: W k = β k SE(β k ). β k merupaka peduga β k da SE(β k ) merupaka peduga galat baku dari β k. Statistik W k megikuti sebara ormal baku utuk ukura cotoh yag besar. Atura keputusa adalah tolak H 0 jika W k > Z α/2 atau dapat dilihat dari ilai-p, jika ilai-p < α maka tolak H 0 dega α adalah tigkat sigifikasi yag dipilih. Iterpretasi Koefisie Regresi Logistik Bier Iterpretasi koefisie utuk regresi logistik bier da multiomial megguaka rasio odds. Koefisie model logit, β mecermika perubaha ilai fugsi logit g(x) utuk perubaha satu uit peubah pejelas x, misalka x dikodeka 1 da 0, rasio odds didefiisika sebagai berikut: P Y = 1 x = 1 P Y = 0 x = 1 Ψ = P Y = 1 x = 0 P Y = 0 x = 0 = exp (α +β ) 1+ exp (α +β ) exp (α) 1+ exp (α +β ) 1 1+ exp (α +β ) 1 1+ exp (α +β ) = exp(α + β) exp(α) = exp(β). Iterpretasi dari rasio odds peubah pejelas x yag berskala omial da ordial yaitu kecederuga utuk Y = 1 pada x = 1 sebesar Ψ kali dibadigka pada x = 0. Regresi Logistik Multiomial Nilai rasio odds pada respos multiomial megguaka otasi umum yag diguaka dalam respos bier. Nilai rasio odds pada respos bier dalam regresi logistik multiomial dega tiga kategori respos aka terbetuk dua rasio odds. Pertama, membadigka peluag atara respos kategori 1 (Y = 1) dega respos kategori pembadig (Y = 0). Kedua, membadigka peluag atara respos kategori 2 (Y = 2) dega respos kategori pembadig (Y = 0). Rasio odds utuk Y = j terhadap Y = k yag dihitug pada dua ilai x (misal x = a da x = b) adalah sebagai berikut: Ψ j = P Y = j x = a P Y = k x = a P Y = j x = b P Y = k x = b = exp β j a b.

22 11 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Respode Tabel 3 memperlihatka deskripsi karakteristik dari mahasiswa Departeme Matematika IPB yag terdiri atas Agkata Profil jeis kelami respode sebagia besar perempua sebesar 63.8%, da sebayak 36.2% laiya adalah laki-laki. Persetase respode berdasarka asal daerah, yag berasal dari luar Jabodetabek sebayak 46.4% lebih sedikit dibadigka dari Jabodetabek yaitu 53.6%. Tabel 3 Karakteristik mahasiswa Departeme Matematika IPB No. Karakteristik Kategori Jumlah Persetase (%) 1 Jeis kelami 2 Asal daerah 3 Pedidika ayah 4 Pedidika ibu 5 Pekerjaa ayah 6 Status pekerjaa ibu Perempua Laki-laki Jabodetabek Luar Jabodetabek S SMA/SMK SMP SD S SMA/SMK SMP SD Terampil Tidak terampil Tidak bekerja Bekerja Profil respode berdasarka pedidika orag tua, mayoritas pedidika ayah adalah lulusa S-1 sebayak 60%, diikuti lulusa SMA/SMK sebayak 43.5% da 5.8% lulusa SMP serta 4.3% lulusa SD. Mayoritas pedidika ibu adalah lulusa SMA/SMK, diikuti lulusa S-1 sebayak 34.8% da 17.4% lulusa SMP serta 8.7% lulusa SD. Hasil ii dapat dikataka bahwa pedidika ayah lebih tiggi dibadigka dega pedidika ibu. Profil respode berdasarka pekerjaa orag tua, mayoritas ayah bekerja sebagai PNS/pesiua/wiraswasta/karyawa yaitu 82.6%, diikuti pekerjaa ayah sebagai petai/elaya/buruh sebayak 17.4%. Mayoritas ibu tidak bekerja atau dapat dikataka sebagai ibu rumah tagga sebayak 62.3%, diikuti ibu yag bekerja sebayak 37.7%. Setelah dilakuka eksplorasi awal, ukura cotoh yag diguaka sebayak 67 respode dari awalya 69 respode dikareaka ilai IPK dari dua respode tidak memeuhi kriteria pegelompoka IPK. Selai itu, pada peubah pejelas yag memiliki relatif cukup kecil dilakuka peggabuga kategori

23 12 agar hasil pegujiaya memeuhi persyarata uji kebebasa khi-kuadrat. Peubah pejelas da pegkategoriaya dapat dilihat pada Lampira 1. Uji Kebebasa Khi-Kuadrat Sebelum dilakuka aalisis regresi logistik bier, dilakuka pegujia pegaruh peubah pejelas terhadap peubah respos dega uji kebebasa khikuadrat. Uji ii dilakuka utuk megetahui keerata hubuga peubah pejelas dega peubah respos. Peubah pejelas dikataka mempuyai hubuga yag erat dega peubah respos atau dikataka berpegaruh yata jika ilai-p < Alasa megguaka α = 0.15 karea peelitia ii megguaka peubah sosial sehigga diguaka α lebih dari 0.05 disebabka data di lapaga sulit dikotrol, seperti yag dilakuka pada peelitia Hildayati (2002) yag meyataka bahwa peubah pejelas yag sigifika dega peubah respos dega kriteria ilai-p < α dega α = Peubah pejelas yag berpegaruh yata pada peubah respos bier yaitu pegeluara uag per bula selai utuk biaya hidup da akademik, lama belajar, miat belajar kelompok, tambaha jam belajar seperti bimbiga belajar, da lama perjalaa tempat tiggal-kampus. Sedagka peubah pejelas yag berpegaruh yata pada peubah respos multiomial yaitu pegeluara uag per bula selai utuk biaya hidup da akademik, status pekerjaa ibu, da tambaha jam belajar seperti bimbiga belajar. Pada peubah jeis kelami laki-laki haya terdapat satu respode pada kelompok IPK 3.51 sehigga aalisis khi-kuadrat tidak dapat dilakuka da pada respos bier peubah jeis kelami tidak berpegaruh yata sehigga pada aalisis regresi logistik multiomial peubah jeis kelami tidak diikut sertaka. Hasil aalisis selegkapya pada peubah respos bier da multiomial dapat dilihat pada Lampira 2 da Lampira 3. Regresi Logistik Bier Upaya utuk megetahui faktor-faktor yag berpegaruh terhadap IPK dega megguaka regresi logistik bier, IPK mahasiswa dikelompokka mejadi dua yaitu mahasiswa yag mempuyai IPK 2.76 (Cum Laude atau sagat memuaska) sebagai Y = 1, da mahasiswa yag mempuyai 2 IPK < 2.76 (memuaska) sebagai Y = 0 (pembadig). Peubah pejelas yag diguaka pada regresi logistik bier yaitu peubah yag berpegaruh terhadap peubah respos bier pada uji kebebasa khi-kuadrat. Hasil pedugaa model meghasilka Statistik uji-g sebesar dega ilai-p = Hal ii berarti bahwa pegujia parameter secara keseluruha meujukka setidakya ada satu peubah pejelas yag berpegaruh terhadap peubah respos pada taraf yata Sedagka pegujia parameter secara parsial megguaka uji Wald, pada regresi logistik bier meujukka ada satu peubah pejelas yag berpegaruh sigifika terhadap peubah respos pada taraf yata 0.15 yaitu lama belajar dapat dilihat pada Tabel 4.

24 13 Tabel 4 Pedugaa parameter, uji Wald, uji sigifikasi, da rasio odds Peubah pejelas β S.E. Wald Nilai-p Exp(β) x x * 3.23 x x x Kostata *Berpegaruh pada taraf yata = 0.15 Keteraga: x 12 : pegeluara uag per bula selai utuk biaya hidup da akademik. x 13 : lama belajar dalam sehari. x 16 : miat belajar kelompok. x 18 : tambaha jam belajar. x 19 : lama perjalaa tempat tiggal-kampus. Fugsi logit yag diperoleh dega megguaka uji Wald adalah g x = x x x x x 19. Iterpretasi Koefisie Tabel 4 meujukkka ilai rasio odds pada fugsi logit tersebut. Iterpretasi dari peubah pejelas lama belajar adalah kecederuga utuk memperoleh IPK 2.76 (Cum Laude atau sagat memuaska) pada mahasiswa yag lama belajarya lebih dari dua jam dalam sehari sebesar 3.23 kali dibadigka mahasiswa yag lama belajarya maksimal dua jam dalam sehari. Hasil ii meujukka lama belajar mempuyai pegaruh positif terhadap ilai IPK. Hal ii selaras dega peelitia Abdullah da Haifah (2001) yag meyataka bahwa terdapat hubuga yag erat atara kebiasaa membaca buku dega prestasi akademik. Hal ii terjadi karea semaki lama belajar, mahasiswa aka semaki bayak memahami da mempelajari suatu materi sehigga mereka terbiasa da terlatih dalam memecahka suatu soal. Regresi Logistik Multiomial Metode regresi logistik multiomial diguaka pada peelitia ii utuk megetahui lebih jauh perbedaa pegaruh atara pegelompoka IPK dega predikat Cum Laude atau sagat memuaska. Selajutya IPK mahasiswa dikelompokka mejadi tiga yaitu mahasiswa yag berpredikat Cum Laude dega kriteria IPK 3.51 sebagai Y = 2, mahasiswa yag berpredikat sagat memuaska dega kriteria 2.76 IPK < 3.51 sebagai Y = 1, da mahasiswa yag berpredikat memuaska dega kriteria 2 IPK < 2.76 sebagai Y = 0 (pembadig). Peubah pejelas yag diguaka pada regresi logistik multiomial yaitu peubah yag berpegaruh terhadap peubah respos multiomial pada uji kebebasa khi-kuadrat.

25 14 Hasil pedugaa model meghasilka Statistik-G sebesar dega ilai-p = Hal ii berarti bahwa pegujia parameter secara keseluruha meujukka setidakya ada satu peubah pejelas yag berpegaruh terhadap peubah respos pada taraf yata Sedagka pegujia parameter secara parsial megguaka uji Wald, pada regresi logistik multiomial meujukka ada tiga peubah pejelas yag berpegaruh sigifika terhadap peubah respos pada taraf yata 0.15, yaitu status pekerjaa ibu, pegeluara uag per bula selai utuk biaya hidup da akademik, da tambaha jam belajar dapat dilihat pada Tabel 5. Tabel 5 Hasil pedugaa parameter, ujisigifikasi, da rasio odds IPK Peubah pejelas β SE Wald Nilai-p Exp(β) 2.76 IPK < 3.51 x x x * 0.30 Kostata * IPK 3.51 x * 5.17 x * 0.20 x Kostata *Berpegaruh pada taraf yata = 0.15 Keteraga: x 9 : status pekerjaa ibu. x 12 : pegeluara uag per bula selai utuk biaya hidup da akademik. x 18 : tambaha jam belajar. Fugsi logit yag diperoleh dega megguaka uji Wald adalah g 1 x = x x x 18, g 2 x = x x x 18. Iterpretasi Koefisie Tabel 5 memperlihatka ilai rasio odds pada logit 1 (2.76 IPK< 3.51). Iterpretasi dari peubah pejelas lama belajar adalah kecederuga utuk memperoleh 2.76 IPK < 3.51 (sagat memuaska) pada mahasiswa yag memiliki tambaha jam belajar sebesar 0.30 kali dibadigka mahasiswa yag tidak memiliki tambaha jam belajar. Berdasarka hal ii, tambaha jam belajar tidak memberika respo positif terhadap IPK pada kategori sagat memuaska. Hal ii terjadi karea mahasiswa yag memperoleh IPK pada kelompok 2.76 IPK < 3.51 diduga dapat belajar secara madiri. Nilai rasio odds utuk logit 2 (IPK 3.51) dapat dilihat pada Tabel 5. Iterpretasi dari peubah status pekerjaa ibu adalah kecederuga utuk memperoleh IPK 3.51 (Cum Laude) pada mahasiswa yag memiliki ibu bekerja sebesar 5.17 kali dibadigka mahasiswa yag tidak memiliki ibu bekerja (ibu rumah tagga). Hasil ii meujukka ibu yag bekerja mempuyai pegaruh

26 15 positif terhadap ilai IPK. Hal ii dapat diartika ibu yag bekerja tidak perlu khawatir aka megakibatka perkembaga yag kurag baik bagi aak karea kuragya waktu utuk megawasi aak dikareaka perkembaga aak lebih dipegaruhi oleh kesehata emosioal keluarga, da cara medidik aak yag tepat. Aak yag meerima kasih sayag da perhatia yag cukup dari keluarga aka terlepas dari berbagai masalah, sekalipu sag ibu harus bekerja di luar rumah, ugkap dokter aak, Michelle Terry, MD dalam Setyati (2011). Iterpretasi utuk peubah pegeluara uag per bula selai utuk biaya hidup da akademik memiliki ilai rasio odds sebesar Hal ii meujukka kecederuga utuk memperoleh IPK 3.51 (Cum Laude) pada mahasiswa yag memiliki pegeluara uag per bula selai utuk biaya hidup da akademik Rp ,- sebesar 0.20 kali dibadigka mahasiswa yag pegeluara uag per bula selai utuk biaya hidup da akademik < Rp ,-. Hasil ii meujukka pegeluara uag per bula selai utuk biaya hidup da akademik tidak memberika respo positif terhadap IPK dega kategori Cum Laude. Hal ii berarti, semaki bayak pegeluara uag per bula selai utuk biaya hidup da akademik maka dapat meguragi kosetrasi mahasiswa dalam belajar. SIMPULAN DAN SARAN Simpula Hasil aalisis idetifikasi faktor-faktor yag dapat berpegaruh terhadap IPK mahasiswa Departeme Matematika IPB dega megguaka regresi logistik bier adalah lama belajar, sedagka hasil aalisis dega megguaka regresi logistik multiomial adalah status pekerjaa ibu, pegeluara uag per bula selai utuk biaya hidup da akademik, da tambaha jam belajar seperti bimbiga belajar pada taraf yata 15%. Hal ii meujukka bahwa perbedaa pegelompoka IPK megakibatka perbedaa dalam pearika kesimpula. Dega demikia perlu ladasa teoritis dalam meetuka pegelompoka peubah respos. Jika secara teoritis peubah respos cukup dikelompokka mejadi dua kategorik, maka diguaka aalisis regresi logistik bier. Sebalikya, jika secara teoritis peubah respos perlu dikelompokka mejadi lebih dari dua kategorik, maka sebaikya diguaka aalisis regresi logistik multiomial. Sara Pada peelitia ii tidak megguaka peubah pejelas latar belakag prestasi akademik (ilai UAN) karea keterbatasa dalam pegumpula data. Disaraka utuk peelitia selajutya meambahka peubah latar belakag prestasi akademik sebagai peubah pejelas.

27 16 DAFTAR PUSTAKA Abdullah S, Haifah Pegaruh perilaku prestasi belajar terhadap prestasi akademik mahasiswa akutasi. Media Riset Akutasi, Auditig da Iformasi.1(3): Agresti A A Itroductio to Categorical Data Aalysis. New York (US): Joh Wiley ad Sos. Daiel WW Applied Noparametric Statistics. Ed ke-2. Bosto (US): PWS-KENT Publishig Compay. Gatii SN Aalisis faktor-faktor keberhasila mahasiswa megguaka regresi logistik bier da metode CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) [Tesis]. Bogor (ID): Istitut Pertaia Bogor. Hildayati M Peelusura faktor-faktor yag memegaruhi prestasi akademik mahasiswa semester 1 Uiversitas Ibu Khaldu Bogor [Skripsi]. Bogor (ID): Istitut Pertaia Bogor. Hosmer DW, Lemeshow S Applied Logistic Regressio. New York (US): Joh Wiley ad Sos. [IPB] Istitut Pertaia Bogor Padua Program Pedidika Sarjaa Edisi Tahu Bogor (ID): IPB Pr. Kuh GD, Kizie J, Buckley JA, Bridges BK, Hayek JC What matters to studet success: a review of the literature. Di dalam: Kuh GD, Kizie J, Buckley JA, Bridges BK, Hayek JC. Natioal Symposium o Postsecodary Studet Success: Spearheadig a Dialog o Studet Success. Idia (IN): NPEC. hlm 17-48; [diuduh 2013 April 7]. Tersedia pada: gov/pec/pdf/kuh_team_report.pdf. McCullagh P, Nelder JA Geeralized Liear Model. NewYork (US): Chapmma ad Hall. Scheaffer RL, Medehall W, Ott L Elemetary Survey Samplig. Ed ke-4. Bosto (US): PWS-Ket Publishig Compay. Setyati CA Nov 3. Dampak positif ibu bekerja bagi aak [iteret]. Kompas [diuduh 2013 Mei 21]. Tersedia pada: /read/2011/11/03/

28 17 LAMPIRAN Lampira 1 Peubah-peubah pejelas da peubah boeka Peubah Pejelas Kategori D1 D2 Asal daerah x 1 Alasa memilih IPB x 2 Jalur masuk x 3 Jumlah saudara x 4 Pedidikaayah x 5 Pedidika ibu x 6 Sumber daa kuliah x 7 Pekerjaa ayah x 8 Status pekerjaa ibu x 9 Biaya hidup x 10 Biaya akademik x 11 Biaya laiya x 12 Lama belajar x 13 Sumber motivasi x 14 Keaktifa orgaisasi x 15 Miat belajar kelompok x 16 0: Jabodetabek 0 1: Luar Jabodetabek 1 0 : Biaya kuliah 0 1 : Sistem masuk 1 2 : Prestasi 0 0 : USMI 0 1 : No USMI 1 0: 2 0 1: > 2 1 0: SD-SMP 0 0 1: SMA 1 0 2: PT 0 1 0: SD-SMP 0 0 1: SMA : PT 0 1 0: Orag tua 0 1: Beasiswa 1 0: Terampil (PNS/Pesiua/ wiraswasta/karyawa) 0 1: Tidak terampil(petai/elaya/buruh) 1 0: Tidak bekerja 0 1: Bekerja 1 0: Rp : > Rp : < Rp : Rp : < Rp : Rp : 2 jam 0 1: >2 jam 1 0: Orag tua 0 1: Laiya 1 0: Ya 0 1: Tidak 1 0: Ya 0 1: Tidak Skala Pegukura Nomial Nomial Nomial Ordial Ordial Ordial Nomial Nomial Nomial Ordial Ordial Ordial Ordial Nomial Nomial Nomial

29 18 Peubah Pejelas Kategori D1 D2 Tekik belajar x 17 Jam tambaha belajar x 18 Lama perjalaa tempat tiggalkampus x 19 Jeis kelami x 20 0: Tapamusik 0 1: Dega musik 1 0: Tidak 1: Ya 0: 10 meit 0 1: > 10 meit 1 0: Perempua 0 1: Laki-laki Skala Pegukura Nomial Nomial Ordial Nomial Lampira 2 Hasil uji kebebasa khi-kuadrat pada kasus bier No Peubah pejelas Nilai-p 1 Asal daerah Alasa memilih IPB Jalur masuk IPB Jumlah saudara Pedidika ayah Pedidika ibu Sumber pedaaa kuliah Pekerjaa ayah Status pekerjaa ibu Biaya hidup Biaya akademik Biaya laiya 0.12* 13 Lama belajar 0.14* 14 Sumber motivasi belajar Keaktifa orgaisasi Miat belajar kelompok 0.10* 17 Tekik belajar Tambaha jam belajar 0.11* 19 Lama perjalaa tempat tiggal-kampus 0.09* 20 Jeis kelami 0.37 *Berpegaruh pada taraf yata = 0.15

30 Lampira 3 Hasil uji kebebasa khi-kuadrat pada kasus multiomial No Peubah pejelas Nilai-p 1 Asal daerah Alasa memilih IPB Jalur masuk IPB Jumlah saudara Pedidika ayah Pedidika ibu Sumber pedaaa kuliah Pekerjaa ayah Status pekerjaa ibu 0.09* 10 Biaya hidup Biaya akademik Biaya laiya 0.12* 13 Lama belajar Sumber motivasi belajar Keaktifa orgaisasi Miat belajar kelompok Tekik belajar Tambaha jam belajar 0.04* 19 Lama perjalaa tempat tiggal-kampus Jeis kelami 0.14* *Berpegaruh pada taraf yata=

31 20 Lampira 4 Kuesioer peelitia RAHASIA NO :... Kuesioer utuk megidetifikasi faktor-faktor yag memegaruhi IPK Mahasiswa Departeme Matematika IPB Assalamu alaikum wr.wb. Saya mahasiswa Departeme Matematika IPB sedag melakuka peelitia dalam ragka meyelesaika tugas akhir. Peelitia ii diharapka dapat megetahui faktor-faktor yag dapat memegaruhi ilai IPK mahasiswa Departeme Matematika. Saya meghargai kejujura da mejami kerahasiaa Ada dalam mejawab kuesioer ii. Petujuk : Berika tada silag (X) pada salah satu satu jawaba yag ANDA pilih Cotoh Pegisia Kuesioer: 1. Pegeluara perbula Ada: [1] <Rp [2] Rp Rp [3] >Rp A. Idetitas Respode 1. Nama : 2. Jurusa di SMA : [1] IPA [2] IPS 3. Asal Daerah : 4. Jeis kelami : [1] Laki-laki [2] Perempua 5. Agama : 6. N0 HP : B. Pegalama Praperkuliaha 1. Alasa memilih IPB? [1] Biaya kuliah [2] Fasilitas memadai [3] Sistem masuk [2] Prestasi [3] Kualitas lulusa [4] Laiya 2. Jalur masuk IPB? [1] USMI [2] SNMPTN [3] BUD [4] UTMI

32 21 3. Berapa jumlah saudara Ada (tidak termasuk respode)? [1] 0 [2] 1-2 [3] 3-4 [4] 5 atau lebih 4. Pedidika ayah : [1] Tamat SD/sederajat [2] Tamat SMP/sederajat [3] Tamat SMA/sederajat [4] Pergurua tiggi 5. Pedidika ibu : [1] Tamat SD/sederajat [2] Tamat SMP/sederajat [3] Tamat SMA/sederajat [4] Pergurua tiggi 6. Siapakah yag mejadi sumber daa dalam membiayai studi Ada? [1] Orag tua [2] Beasiswa 7. Pekerjaa ayah : [1] Wiraswasta/karyawa [2] PNS/ABRI/POLRI/BUMN/BUMD [3] Dokter/teaga medis [4] Petai/elaya/buruh [5] Pesiua [6] Tidak bekerja [7] Laiya, sebutka 8. Status Pekerjaa Ibu : [1] Tidak bekerja [2] Bekerja C. Pegalama perkuliaha 1. Pegeluara per bula : Pegeluara utuk biaya hidup : [1] < Rp [2] Rp Rp [3] > Rp Pegeluara utuk keperlua akademis : [1] <Rp [2] Rp Rp [3] > Rp Pegeluara utuk keperlua laiya : [1] <Rp [2] Rp Rp [3] > Rp Lama belajar per hari : [1] < 1 jam [2] 1-2 jam [3] > 2 jam

33 22 3. Meurut Ada faktor yag sagat memegaruhi motivasi belajar adalah? [1] saraa da prasaraa [2] Keluarga [3] Ligkuga [4] laiya. Sebutka 4. Apakah Ada aktif berorgaisasi selama di IPB? [1] Ya [2] Tidak 5. Apakah Ada meyeagi cara belajar dega belajar kelompok? [1] Ya [2] Tidak, alasa 6. Tekik belajar seperti apa yag Ada terapka? [1] Diirigi musik [2] Tapa diirigi musik 7. Apakah Ada megikuti jam tambaha belajar di luar jam kuliah? [1] Ya [2] Tidak Sebutka (seperti Les, kelompok belajar..laiya) 8. Berapa lama perjalaa dari tempat tiggal-kampus? [1] 1-5 meit [2] 6-10 meit [3] meit [4] lebih dari 30 meit

34 23 RIWAYAT HIDUP Peulis dilahirka di Kabupate Majalegka pada taggal 8 Mei Peulis adalah aak kedua dari pasaga Bapak Sobari da Ibu Ai Sumari. Tahu 2009, peulis lulus dari MAN Ciwarigi da pada tahu yag sama lulus seleksi masuk Istitut Pertaia Bogor (IPB) melalui Peerimaa Beasiswa Satri Berprestasi (PBSB) Kemetria Agama. Peulis diterima di Departeme Matematika, Fakultas Matematika da Ilmu Pegetahua Alam. Selama masa perkuliaha, peulis perah memegag amaah mejadi Bedahara Ikata Satri Mahasiswa Al-ihya (ISMA) periode Peulis juga memegag amaah sebagai pegajar di Madrasah Diiyyah Al-ihya Dramaga tahu Peulis aktif sebagai aggota CSS MORA IPB da kegiata kepaitia di ligkup kampus.peulis juga aktif di lembaga sosial masyarakat yaitu POSDAYA (Pos Pemberdayaa Keluarga) di bawah Bimbiga P2SDM IPB. Prestasi gemilag yag perah diraih diataraya medapatka juara 1 pada ajag Kompetisi Statistika Dasar 2012 tigkat IPB da juara 2 pada ajag sesi poster 2013 yag diadaka oleh Departeme Matematika.