ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA"

Transkripsi

1 1 SidangTugas Akhir Javelline Putri B. Purba ( ) Dosen Pembimbing : Dr.Dra.Ismaini Zain, Msi ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

2 2 mentransformasikan, mengembangkan, serta menyebarluaskan ilmu pengetahuan, teknologi, serta seni melalui pendidikan, penelitian, dan pengabdian kepada masyarakat (UU No. 14 tahun 2005). Pengajar Pembimbing mendorong potensi penasehat akademik Membantu mengambil keputusan

3 3 Membantu menyusun rencana dan beban study Memberi peluang kepada mahasiswa untukmembicarakan masalah yang dialami Sikap dan kebiasaan belajar yang baik Ilyas (2008) masih ada dosen pembimbing akademik atau dosen wali yang belum menjalankan peran dan fungsinya secara ideal persepsi mahasiswa terhadap peran dosen wali

4 4 Penelitian Sebelumnya Mudjijo (1987) menganalisis karakteristik dosen menurut persepsi mahasiswa dan dihubungkan ketergantungannya dengan kepuasan dalam menerima layanan bimbingan Mulyadi (2004) Peran dan Fungsi Penasehat Akademik pada penelitiannya Mulyadi hanya mendiskripsikan peran dan fungsi penasehat akademik tanpa memodelkan Heriati (2007) menganalisis faktor-faktor apa saja yang mempengaruhi kinerja dosen dalam menghasilkan prestasi hasil belajar mahasiswa menggunakan statistika deskriptif

5 5 Rumusan Masalah Tujuan Bagaimana karakteristik persepsi mahasiswa terhadap peran dosen wali? Mendeskripsikan karakteristik mahasiswa terhadap peran dosen wali Bagaimana pemodelan persepsi mahasiswa mengenai peran dosen wali? Memodelkan persepsi mahasiswa mengenai peran dosen wali peran dosen wali

6 6 Manfaat Peneliti Mengaplikasikan Ilmu Statistika yang didapat selama menjalani pendidikan di Institut Teknologi Sepuluh Nopember (ITS) ke dalam dunia kerja ITS Mengetahui seberapa besar peran dosen wali pada kegiatan akademik mahasiswa Responden S-1 Angkatan Tahun 2009,2010,2011

7 7 Peran Dosen Pencipta Evaluator Konselor Pemandu Teladan Penemu Innovator Fasilitator Organisator Pengabdi dan Melayani Masyarakat

8 8 TINJAUAN PUSTAKA Definisi Dosen Wali

9 TINJAUAN PUSTAKA Definisi Peran Friedman (1992) serangkaian perilaku yang diharapkan pada seseorang sesuai dengan posisi sosial yang diberikan baik secara formal maupun secara informal. Horton dan Hunt. (1993). Perilaku yang diharapkan dari seseorang yang memiliki status. Seseorang mungkin tidak memandang suatu peran dengan cara yang sama sebagaimana orang lain memandangnya. Sifat kepribadian seseorang mempengaruhi bagaimana orang itu merasakan peran tersebut 9 Ahmadi (1982) mendefinisikan peran sebagai suatu kompleks pengharapan manusia terhadap bagaimana cara individu harus bersikap dan berbuat dalam situasi tertentu berdasarkan status dan fungsi sosialnya.

10 10 TINJAUAN PUSTAKA Definisi Peran Peran dan Fungsi Dosen Wali

11 11 TINJAUAN PUSTAKA Regresi Logistik Mencari hubungan variabel respon yang bersifat dichotomus (berskala nominal atau ordinal dengan dua kategori) atau polychotomus (mempunyai skala nominal atau ordinal dengan dua lebih kategori) dengan satu atau lebih variabel prediktor. Variabel prediktor bersifat kontinu atau kategorik. (Agresti, 1990)

12 12 TINJAUAN PUSTAKA Regresi Logistik Ordinal Menggambarkan antara variabel respon dengan sekumpulan variabel prediktor, dimana variabel respon bersifat ordinal, dan terdiri dari tiga kategorik atau lebih. Model yang dipakai pada regresi logistik ordinal ini adalah model logit. Pada model logit ini sifat ordinal dari respon dituangkan dalam peluang kumulatif sehingga cumulative logit models merupakan model yang didapat dengan membandingkan peluang kumulatif yaitu peluang kurang dari atau sama dengan kategori respon ke-j pada p variabel prediktor. (Hosmer dan Lemeshow, 2000).

13 13 TINJAUAN PUSTAKA Transformasi logistik menjadi model regresi logistik (logit) ordinal atau logit kumulatif : Bentuk model regresi logistik dengan p variabel prediktor

14 14 TINJAUAN PUSTAKA Jika terdapat 3 kategori respon j= 1, 2, 3 maka peluang masing-masing kategori respon sebagai berikut

15 15 TINJAUAN PUSTAKA Estimasi Parameter Banyaknya metode yang dapat digunakan untuk menaksir β salah satunya adalah Maksimum Likelihood Estimation (MLE). Metode ini tidak memerlukan batasan-batasan pada karakteristik variabel prediktor. Dengan menetapkan asumsi distribusi binomial dan obyek pengamatan yang saling bebas. Fungsi likelihood pada metode MLE merupakan fungsi linier maka diperlukan iterasi untuk memperoleh taksiran parameternya dengan metode Newton Raphson, yaitu dengan cara menentukan nilai awal dari (0). Model yang telah diperoleh akan dilakukan pengujian statistik. Untuk menentukan variabel-variabel prediktor yang digunakan untuk membangun model tersebut memiliki hubungan nyata dengan variabel respon. Untuk menguji kemaknaan koefisien β yang diperoleh dilakukan uji parsial dan uji serentak..

16 16 TINJAUAN PUSTAKA Setelah hasil estimasi parameter diperoleh maka kemudian dilakukan pengujian keberartian pada koefisien terhadap variabel respon yaitu dengan membandingkan parameter hasil maksimum likelihood dugaan dengan standart eror parameter tersebut. (Hosmer dan Lemeshow, 2000). Uji Parsial

17 17 TINJAUAN PUSTAKA Uji Serentak

18 19 TINJAUAN PUSTAKA Kesesuaian Model Untuk mengetahui apakah model dengan variabel dependen merupakan model yang sesuai. Pada uji ini statistik uji yang digunakan adalah deviance, dengan hipotesis sebagai berikut. Daereh kritis : Tolak Ho, p-value < α dan derajat bebas J- (p+1)

19 20 TINJAUAN PUSTAKA Ketepatan Klasifikasi Menurut Johnson and Winchern (1992) evaluasi prosedur klasifikasi adalah suatu evaluasi yang melihat peluang kesalahan klasifikasi yang dilakukan oleh suatu fungsi klasifikasi. Ukuran yang dipakai adalah apparent error rate (APER). Nilai APER menyatakan nilai proporsi sampel yang salah diklasifikasikan oleh fungsi kliasifikasi. Hasil Observasi Taksiran y 1 y 2 y 3 y 1 n 11 n 12 n 13 y 2 n 21 n 22 n 23 y 3 n 31 n 32 n 33

20 21 METODOLOGI PENELITIAN Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan DATA PRIMER SURVEY Mahasiswa ITS angkatan 2009, 2010, dan 2011 dengan total lima fakultas, yaitu FMIPA, FTI, FTSP, FTK dan FTIF. DATA SEKUNDER data jumlah mahasiswa.

21 22 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan SRS

22 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan 23 Fakultas FMIPA FTI FTSP FTK Jurusan Angkatan Fisika Matematika Statistika Kimia Biologi Teknik Mesin Teknik Elektro Teknik Kimia Teknik Fisika Teknik Industri T. Material dan Metalurgi Teknik Sipil Arsitektur Teknik Lingkungan Desain Produk Industri Teknik Geomatika Perencanaan Wilayah dan Kota Teknik Perkapalan T. Sistem Perkapalan Teknik Kelautan Total

23 24 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan VARIABEL RESPON PERSEPSI Dimensi penyusunan FRS Dimensi perkembangan mahasiswa Dimensi peran, tugas, dan fungsi dosen wali Dimensi penyelesaian masalah Skala Likert

24 25 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Dimensi Penyusunan FRS Dosen wali membantu menyusun program studi Dosen wali membantu menetapkan beban studi Dosen wali membantu memberikan gambaran konsekuensi beban studi mahasiswa Dosen wali mengkoreksi FRS sebelum memberikan persetujuan Dosen wali membantu memberikan gambaran peluang tentang beban studi mahasiswa

25 26 Sumber Data Identifikasi Variabel Dimensi Perkembangan Mahasiswa Langkah Analisis Jadwal Pelaksanaan Dosen wali memantau perkembangan prestasi mahasiswa setiap semester Dosen wali mengevaluasi nilai mahasiswa yang kurang Dosen wali memperhatikan faktor-faktor yang mempengaruhi perkembangan prestasi mahasiswa Dosen wali memberikan nasehat untuk meningkatkan prestasi belajar Dosen wali mendorong mahasiswa untuk mendapatkan nilai IP yang lebih baik

26 27 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Dimensi Peran Tugas, dan Fungsi Dosen Wali Dosen wali mempunyai kemampuan berkomunikasi saat perwalian Dosen wali memberikan waktu untuk konsultasi dalam hal akademik Dosen wali memberikan waktu untuk konsultasi dalam hal non akademik Dosen wali memberikan motivasi untuk belajar Dosen wali membantu mengembangkan sikap belajar yang baik Dosen wali membina mahasiswa mengembangkan kepribadiannya Dosen wali menunjukan jalan pengembangan minat mahasiswa Dosen wali mengarahakan mahasiswa memanfaatkan waktu luang dengan baik

27 28 Sumber Data Identifikasi Variabel Dimensi Penyelesaian Masalah Langkah Analisis Jadwal Pelaksanaan Dosen wali bersedia mendengarkan yang dihadapi mahasiswa Dosen wali mengerti penyebab masalah yang dihadapi Dosen wali memberikan alternatif untuk menyelesaikan masalah Dosen wali percaya pada kemampuan mahasiswa untuk menyelesaikan masalah Dosen wali mendukung mahasiswa dalam menyelesaikan masalah

28 29 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Rendah Sedang Tinggi Variabel Respon Y= 1, peran dosen rendah Y=2, peran dosen sedang Y=3, peran dosen tinggi

29 30 Sumber Data Variabel Demografi Mahasiswa Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Variabel Kategorik Skala Pengukuran Jenis Kelamin (X1) 1 = Laki-laki Nominal 2 = Perempuan IPK (X2) 1 = 2,75 Nominal 2= 2,76-3,55 3= 3,56 Daerah Asal (X3) 1= Lainnya 2= Luar Surabaya, Jatim 3= Surabaya Nominal Tempat Tinggal (X4) 1= Kost Nominal 2= Rumah Sendiri Fakultas (X5) 1= FMIPA 2= FTI 3= FTSP 4= FTIF 5 = FTK Nominal

30 31 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Variabel Demografi Mahasiswa Variabel Kategorik Skala Pengukuran Keterlibatan Ormawa (X6) 1= Tidak Aktif 2= Cukup Aktif 3= Aktif 4= Sangat aktif Nominal Jalur Masuk (X7) 1= Lainnya Nominal 2= Kemitraan/Mandiri 3= SNMPTN Tulis 4 = PMDK Prestasi/SNMPTN Undangan/Bidikmisi Beasiswa (X8) 1 =Tidak 2= Ya Nominal

31 32 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Variabel Demografi Dosen Wali Jenis Kelamin Dosen Wali (X9) 1 = Laki-Laki 2 = Perempuan Pendidikan Dosen Wali (X10) 1 = S2 2 = S3 3 = Profesor Nominal Nominal

32 33 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Variabel Proses perwalian Variabel Kategorik Skala Pengukuran Frekuensi Pertemuan (X11) 1 = 2 Nominal 2 = 3 Titip Perwalian (X12) 1= Tidak tahu Nominal 2 = Tahu/ Benar menjawab Perwalian tidak konvensional (X13) 1= Tidak tahu Nominal 2 = Tahu/ Benar menjawab Konsultasi Kesulitan Perkuliahan (X14) 1= Tidak tahu 2 = Tahu/ Benar menjawab Nominal

33 34 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Variabel Pengetahuan Responden Variabel Kategorik Skala Pengukuran Paham Jadwal FRS (X15) 1 = 2 2 = 3 Paham Perubahan FRS (X13) Paham Jadwal Drop Mata Kuliah (X14) 1= Tidak tahu 2 = Tahu/ Benar menjawab 1= Tidak tahu 2 = Tahu/ Benar menjawab Nominal Nominal Nominal

34 Sumber Data Identifikasi Variabel Langkah Analisis Jadwal Pelaksanaan Uji Validitas Uji Reliabilitas statistika deskriptif Pengujian Parameter Parsial Pengujian Parameter Serentak Menginterpretasikan model terbaik dengan nilai odds ratio Menguji Goodness of Fit dari model terbaik 35 Membuat tabel klasifikasi

35 36 Uji Validitas Uji Reliabilitas α = 10% Dimensi Dimensi Peran, Tugas, dan Fungsi Dimensi Penyelesaian Dosen Wali Masalah Dimensi Perkembangan Mahasiswa Dimensi Penyelesaian Masalah P1 Item 0,777 0,000 Valid Korelasi P-value Keterangan P2 Pertanyaan 0,805 0,000 Valid P1 P3 0,801 0,809 0,000 Valid P2 P4 0,789 0,872 0,000 Valid P3 P5 0,770 0,865 0,000 Valid P4 P6 0,845 0,858 0,000 Valid P5 P7 0,854 0,844 0,000 Valid P1 P8 0,830 0,819 0,000 Valid P2 P1 0,843 0,882 0,000 Valid P3 P2 0,850 0,905 0,000 Valid P4 P3 0,876 0,919 0,000 Valid P5 P4 0,833 0,864 0,000 Valid P5 0,895 0,000 Valid

36 37 Uji Validitas Uji Reliabilitas No. Variabel Penelitian CronbachAlpha Keterangan 1 Dimensi Penyelesaian Masalah 0,809 Reliabel 2 Dimensi PerkembangaN Mahasiswa 0,816 Sangat Reliabel 3 Daya Dimensi Peran, Tugas, dan Fungsi Dosen 0,793 Reliabel Wali 4 Dimensi Penyelesaian Masalah 0,825 Sangat Reliabel

37 38 IPK Ormawa 16% 6% 200 2,75 2,76-3,50 3, Sangat Aktif Aktif Cukup Aktif Tidak Aktif 78% 0 Daerah Asal Tempat Tinggal 27% 25% Lainnya 29% kost 48% Luar Surabaya, Jatim Surabaya 71% rumah sendiri

38 39 Jalur Masuk Beasiswa PMDK Prestasi/SNMPTN Undangan/Bidik Misi SNMPTN Tulis 37% Ya 63% Tidak Kemitraan/Mandiri Lainnya Pendidikan Dosen Wali Frekuensi Pertemuan % 83% 2 > S2 S3 professor 0

39 40 Proses Perwalian Pengetahuan Proses Perwalian Titip Perwalian tidak konfensional Pernah Tidak Pernah minggu FRS perubahan FRS drop kuliah benar Salah/Tidak tahu Konsultasi Nilai Dosen Wali 49% selain dosen 51% wali 64% 36% 7 >7 dosen wali

40 41 Persentase Persepsi Mahasiswa Tentang Dosen Wali 60% 56,32% 50% 40% 38,95% 40,79% 49,21% 51,58% 39,74% 50% 30% 40,26% RENDAH CUKUP 20% TINGGI 10% 4,74% 10% 8,68% 9,74% 0% D1 D2 D3 D4

41 42 Persentase Persepsi Mahasiswa Tentang Dosen Wali 60% 50% 50,8% 44,4% 54,0% 51,1% 43,6% 55,8% 53,7% 40% 38,1% 37,2% 37,0% 30% 20% 10% 4,8% 7,9% 5,3% 7,0% 9,3% 0% FMIPA FTI FTSP FTK FTIF rendah cukup tinggi

42 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Parsial Uji Serentak Parsial Demografi Mahasiswa 43 Variabel Kategori Estimasi Wald P_value Odds Ratio Konstanta (1) -2, ,917 0,00 Konstanta (2) 0,397 6,102 0,01 1,16 Laki-laki (1) 0,150 0,545 0,46 Jenis Kelamin (X 1 ) IPK (X 2 ) Asal Daerah (X 3 ) Tempat Tinggal (X 4 ) Fakultas (X 5 ) Konstanta (1) Konstanta (2) 2,75 (1) 2,76-3,55 (2) Konstanta (1) Konstanta (2) Lainnya(1) Luar SBY, jatim (2) Konstanta (1) Konstanta (2) Kost (1) Konstanta (1) Konstanta (2) FMIPA (1) FTI (2) FTSP(3) FTIF(4) -2,395 0,537 0,792 0,235-2,375 0,556 0,278 0,371-2,624 0,297-0,015-3,123-0,181-0,374-0,667-0,415-0,736 64,481 4,635 2,601 0,750 87,087 8,082 0,997 2, ,918 2,527 0,005 76,310 0,358 0,926 3,660 1,310 3,339 0,00 0,03 0,10 0,39 0,00 0,004 0,32 0,12 0,00 0,11 0,95 0,00 0,55 0,34 v 0,06 0,25 0,07 v 2,21 1,27 1,32 1,45 0,99 0,69 0,51 0,66 0,48

43 44 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Parsial Variabel Kategori Estimasi Wald P_value Odds Ratio Konstanta (1) -2,988 73,759 0,00 Konstanta (2) -0,054 0,034 0,86 0,51 Tidak Aktif (1) -0,673 2,881 0,09 0,66 Cukup Aktif (2) -0,416 1,502 0,22 0,72 Aktif (3) -0,325 0,957 0,33 Keterlibatan Ormawa (X 6 ) Jalur Masuk (X 7 ) Beasiswa (X 8 ) Konstanta (1) Konstanta (2) Lainnya (1) Kemitraan (2) SNMPTN Tulis (3) Konstanta (1) Konstanta (2) Tidak (1) -2,754 0,168-0,161-0,106-0,204-2,537 0,387 0,210 82,126 0,469 0,127 0,119 0, ,991 8,825 1,032 0,000 0,493 0,721 0,730 0,471 0,000 0,003 0,310 0,85 0,899 0,82 1,23

44 45 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Parsial Uji Parsial Karakteristik Dosen Wali Variabel Kategori Estimasi Wald P_value Odds Ratio Konstanta (1) -2,729 61,552 0,00 Konstanta (2) 0,199 0,445 0,51 0,799 S2 (1) -0,225 0,479 0,49 1,07 S3 (2) 0,069 0,039 0,84 Pendidikan Dosen Wali (X 9 ) Jenis Kelamin Dosen Wali (X 10 ) Konstanta (1) Konstanta (2) Laki-laki (1) -2,824 0,102-0, ,946 0,271 1,552 0,00 0,60 0,21 0,75

45 46 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Parsial Uji Parsial Proses Perwalian Variabel Kategori Estimasi Wald P_value Odds Ratio Konstanta (1) -3, ,529 0,00 Konstanta (2) -0,596 5,445 0,02 0,34 2 (1) -1,093 15,294 0,00 Frekuensi Pertemuan (X 11 ) Titip Perwalian (X 12 ) Perwalian tidak konfensional (X 13 ) Konsultasi Kesulitan Perkuliahan (X 14 ) Konstanta (1) Konstanta (2) Tidak (1) Konstanta (1) Konstanta (2) Tidak (1) Konstanta (1) Konstanta (2) Selain Dosen Wali (1) -2,230 0,708 0,484-1,947 1,049 0,903-2,682 0,239-0,139 60,924 8,595 3,412 51,810 19,108 12, ,385 2,747 0,483 0,00 0,003 0,07 0,00 0,00 0,001 0,00 0,097 0,49 1,62 2,47 0,87

46 47 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Parsial Uji Parsial Pengetahuan Responden Variabel Kategori Estimasi Wald P_value Odds Ratio Paham jadwal FRS (X 15 ) Konstanta (1) Konstanta (2) Tidak (1) -2,659 0,260-0, ,480 1,822 0,085 0,00 0,18 0,77 0,94 Paham Perubahan FRS (X 16 ) Konstanta (1) Konstanta (2) Tidak (1) Paham Jadwal Drop Mata Kuliah (X 17 ) Konstanta (1) Konstanta (2) Tidak (1) -2,383 0,553 0,378-2,326 0,617 0,458 98,785 9,970 3,193 92,713 11,626 4,532 0,00 0,002 0,07 0,00 0,00 0,03 1,46 1,58

47 48 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Parsial Uji Parsial Pengetahuan Responden Variabel Kategori Estimasi Wald P_value Odds Ratio Paham jadwal FRS (X 15 ) Konstanta (1) Konstanta (2) Tidak (1) -2,659 0,260-0, ,480 1,822 0,085 0,000 0,177 0,770 0,94 Paham Perubahan FRS (X 16 ) Konstanta (1) Konstanta (2) Tidak (1) Paham Jadwal Drop Mata Kuliah (X 17 ) Konstanta (1) Konstanta (2) Tidak (1) -2,383 0,553 0,378-2,326 0,617 0,458 98,785 9,970 3,193 92,713 11,626 4,532 0,000 0,002 0,074 0,000 0,001 0,033 1,46 1,58

48 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. 49 Serentak Variabel Kategori Estimasi Wald P_value Odds Ratio Peran dosen wali Konstanta (1) Konstanta (2) -2,982 0,173 21,324 0,076 0,00 0,78 IPK (X 2 ) 2,75 (1) 2,76-3,55 (2) 0,787 0,180 2,328 0,400 0,13 0,53 2,197 1,197 Fakultas (X 5 ) FMIPA (1) FTI (2) FTSP (3) FTIF (4) -0,511-0,532-0,308-0,462 1,472 2,028 0,281 1,196 0,225 0,15 0,596 0,27 0,5999 0,59 0,735 0,63 Keterlibatan Ormawa (X 6 ) Sangat Aktif (1) Aktif(2) Cukup Aktif(3) -0,590-0,397-0,227 2,005 1,219 0,425 0,16 0,27 0,52 0,554 0,672 0,797 Frekuensi Perwalian (X 11 ) 2 (1) -1,155 15,296 0,00 0,315 Titip Perwalian (X 12 ) Tidak (1) 0,210 0,505 0, Perwalian tidak konfensional Tidak (1) 0,803 7,875 0,01 2,232 (X 13 ) Paham Perubahan FRS (X 16 ) Tidak (1) 0,224 0,957 0,328 1,251 Paham Jadwal Drop Mata Kuliah (X 17 ) Tidak (1) 0,494 4,267 0,039 1,639

49 50 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Serentak Model -2 Log Likelihood Chi-Square db P_value Final 480,110 43, ,00 Koefisien yang didapatkan signifikan terhadap model regresi logistik ordinal

50 51 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Model

51 52 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Peluang Variabel Peluang X2 X5 X6 X11 X12 X13 X16 X17 RENDAH CUKUP TINGGI ,062 0,545 0, ,036 0,429 0, ,173 0,658 0, ,113 0,636 0, ,093 0,613 0, ,044 0,474 0, ,012 0,203 0, ,019 0,291 0, ,023 0,336 0, ,051 0,505 0,444

52 53 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Peluang Variabel Peluang X2 X5 X6 X11 X12 X13 X16 X17 RENDAH CUKUP TINGGI ,157 0,657 0, ,095 0,616 0, ,372 0,561 0, ,266 0,629 0, ,224 0,647 0, ,115 0,638 0, ,032 0,405 0, ,051 0,508 0, ,064 0,551 0, ,132 0,649 0,220

53 54 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Peluang Variabel Peluang X2 X5 X6 X11 X12 X13 X16 X17 RENDAH CUKUP TINGGI ,089 0,607 0, ,052 0,511 0, ,237 0,642 0, ,159 0,657 0, ,132 0,649 0, ,064 0,551 0, ,017 0,272 0, ,028 0,372 0, ,034 0,420 0, ,074 0,577 0,350

54 55 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Peluang Variabel Peluang X2 X5 X6 X11 X12 X13 X16 X17 RENDAH CUKUP TINGGI ,110 0,633 0, ,065 0,555 0, ,282 0,620 0, ,193 0,656 0, ,161 0,657 0, ,079 0,589 0, ,021 0,318 0, ,035 0,422 0, ,043 0,470 0, ,091 0,610 0,299

55 56 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Kesesuaian Model Chi-Square db P_value Deviance 394, ,912 Model sesuai atau tidak ada perbedaan yang nyata antara hasil observasi dengan kemungkinan hasil prediksi model

56 57 Pemodelan Persepsi Mahasiswa Tentang Peran Dosen Wali Dengan Faktor-Faktor yang Mempengaruhinya. Ketepatan Klasifikasi Prediksi Observasi Peran Peran Peran Respon Tinggi Sedang Rendah Total Peran Tinggi Peran Sedang Peran Rendah Total Ketepatan Klasifikasi 57,89%

57 58 KESIMPULAN Mahasiswa yang memiliki IPK tinggi yaitu sebesar 78 % dan mahasiswa yang sangat aktif dalam kegiatan ormawa sebanyak 45 responden. Mahasiswa yang berasal dari luar Surabaya sebesar 73 % sehingga mahasiswa yang memilih untuk tinggal di kost-kostan sebesar 71%. Untuk mahasiswa yang masuk ke ITS melalui jalur SNMPTN tulis sebanyak 185 mahasiswa dan 63% mahasiswa mengaku pernah mendapatkan beasiswa selama masa perkuliahan. Terdapat 43 dosen wali dengan pendidikan professor dan hanya 17% responden yang bertemu dosen wali lebih dari 3 kali dalam satu semester. Selain itu hanya ada 69 dan 76 responden yang mengaku pernah menitipkan perwalian dan melakukan perwalian tidak konvensional. Dari 380 responden yang mengetahui jadawal FRS, perubahan FRS, dan batas mengedrop kuliah masing-masing hanya sebanyak 104, 131, dan 124. Mahasiswa yang mengkonsultasikan kesulitan dalam proses perkuliahan ke dosen wali sebanyak 49% dan 64% sudah menilai dosen walinya lebih dari 7. Dari setiap dimensi, responden sudah menilai peran dosen tinggi, namun peran dosen tertinggi terletak pada dimensi penyusunan FRS, dan peran dosen terendah terletak pada dimensi perkembangan mahasiswa. Dari kelima fakultas, hanya mahasiswa dari Fakultas Teknik Perkapalan yang cenderung menilai peran dosen wali sudah tinggi.

58 59 KESIMPULAN Analisis regresi logistik ordinal menunjukan secara serentak variabel yang berpengaruh signifikan terhadap persepsi responden terhadap peran dosen wali yaitu IPK, Fakultas, keterlibatan ormawa, frekuensi pertemuan dengan dosen wali, paham perubahan FRS dan jadwal minggu terkahir batas drop mata kuliah, pernah menitipkan perwalian serta pernah melakukan perwalian tidak konvensional dengan model logit yang didapatkan sebagai berikut:

59 60 SARAN 1. Lebih sederhana dalam pembuatan kuisioner. 2. Untuk pembuatan variabel prediktor lebih diperhatikan dan ditambah lagi. 3. Secara berskala melakukan evaluasi terhadap kinerja dosen wali.

60 61 Agresti, A.(2007). An Introduction to Categorial Data Analysissecond Edition. New Jersey : John Wiley & Sons, Inc. Ahmadi, Abu. (1982). Psikologi Sosial. Surabaya: Penerbit PT. Bina Ilmu, hlm. 50. Budi, TP. (2006). SPSS 13.0 Terapan Riset Statistik. Yogyakarta : Andi Offset Friedman, M.M. (1992). Family Nursing. Theory & Practice. Jakarta: EGC. Heriati. (2007). Faktor-Faktor Mendasar yang Mempengaruhi Kinerja Dosen Dalam Menghasilkan Prestasi Belajar Mahasiswa. Disertasi. Bandung :Program Administrasi Pendidikan. Horton, Paul B., dan Chester L. Hunt. (1993). Sosiologi, Jilid 1 Edisi Keenam, (Alih Bahasa: Aminuddin Ram, Tita Sobari). Jakarta: Penerbit Erlangga, hlm Hosmer, D. W., dan Lemeshow. (2000). Applied Logistic Regression, John Wiley and Sons, USA

61 . Ilyas. Peran Ideal Dosen Pembimbing Akademik Dan Prestasi Belajar Mahasiswa. Jurnal Pendidikan dan Budaya, (Bandung : EDUCARE, 2004). Johnson, R. A. and Winchern, D. W., (1992). Applied Multivariate Statistical Analysis. Prentice Hall. New Jersey. Mudjijo. (1987). Karakteristik Dosen Menurut Persepsi Mahasiswa dan Dihubungkan Ketergantungannya Dengan Kepuasan Dalam Menerima Layanan Pembimbingan. Tesis. Bandung : Program Studi Bimbingan dan Penyuluhan. Mulyadi. (2004). Penelitian Peran dan Fungsi Penasehat Akademik yang diambil dari Peran dan Fungsi Penasehat Akademik diakses pada hari Sabtu, 16 Januari WIB Peraturan Akademik. (2009). Peraturan Akademik Institut Teknologi Sepuluh Nopember Simamora, B. (2001). Remarketing for Business Recovery. Jakarta : PT. Gramedia Pustaka Utama. Suwandi, I. (1997). Peranan dan Fungsi Penasehat Akademik, Makalah Pelatihan Dosen Penasehat Akademik IKIP Malang. UURI Nomor 14 Tahun Guru dan Dosen Yamin, Sofyan dan Heri Kurniawan. (2009). SPSS Complete: Teknik Analisis Statistik Terlengkap Dengan Software SPSS Seri 1. Jakarta: Salemba Infotek 62

62 63 TERIMA KASIH

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK

ANALISIS 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 terperinci

ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA

ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA TUGAS AKHIR ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA Any Masruroh 1308 030 065 Dosen Pembimbing Ir. Arie Kismanto, M.Sc PENDAHULUAN Latar Belakang Permasalahan

Lebih terperinci

Dosen Pembimbing Dra. Madu Ratna, M.Si. Alfiana Prisnawati Co Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si

Dosen Pembimbing Dra. Madu Ratna, M.Si. Alfiana Prisnawati Co Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si Dosen Pembimbing Dra. Madu Ratna, M.Si Alfiana Prisnawati 1310030047 Co Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si 1 Latar belakang Rumusan Masalah Sejauh mana persepsi mahasiswa terhadap pelaksanaan

Lebih terperinci

LOGO. 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 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 terperinci

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL

PEMODELAN 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 terperinci

ANALISIS 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 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 terperinci

Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014

Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah 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

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI

Lebih terperinci

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si

SEMINAR 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 terperinci

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017

Generalized 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 terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN 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 terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

ANALISIS 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 terperinci

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum

Jurnal 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 terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya SEMINAR TUGAS AKHIR POLA HUBUNGAN ANTARA STATUS GIZI BALITA DAN FAKTOR- FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KESEJAHTERAAN KELUARGA PADA KELUARGA NELAYAN DI SURABAYA TIMUR Oleh : Rindyanita Rizky K.

Lebih terperinci

ponsel, purposive sampling, regresi logistik politomus

ponsel, 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 terperinci

MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK

MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK Mohammad Farhan Qudratullah Program Studi Matematika Fakultas Sains dan Teknologi Universitas

Lebih terperinci

(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo

(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 terperinci

EKO ERTANTO PEMBIMBING

EKO 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 terperinci

Saintia Matematika ISSN: Vol. 02, No. 04 (2014), pp

Saintia 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 terperinci

pendekatan regresi logistik biner Oleh :Wida Suliasih ( )

pendekatan 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

Kegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran

Kegiatan 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 terperinci

ANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR

ANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR Senin, 4 Maret 203 Ruang Sidang Gedung H ANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR Disusun Oleh: MIRNA RAMADHANI (30030074) DOSEN PEMBIMBING Dra. Destri Susilaningrum,

Lebih terperinci

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA

BINARY 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 terperinci

Dosen Pembimbing : Dr. Purhadi, M.Sc

Dosen 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 terperinci

Universitas Negeri Malang

Universitas Negeri Malang IMPLEMENTASI REGRESI LOGISTIK ORDINAL PADA FAKTOR- FAKTOR YANG MEMPENGARUHI PERMINTAAN ASURANSI JIWA (Studi Kasus di AJB Bumiputera 1912 Cabang Malang Dieng) Universitas Negeri Malang E-mail: rramadhayanti@gmail.com

Lebih terperinci

PENGARUH PENGETAHUAN PERPAJAKAN TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI. (Studi pada Wajib Pajak Orang Pribadi di Kota Gorontalo)

PENGARUH PENGETAHUAN PERPAJAKAN TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI. (Studi pada Wajib Pajak Orang Pribadi di Kota Gorontalo) 1 PENGARUH PENGETAHUAN PERPAJAKAN TERHADAP KEPATUHAN WAJIB PAJAK ORANG PRIBADI (Studi pada Wajib Pajak Orang Pribadi di Kota Gorontalo) PENDAHULUAN Self assessment system mengharuskan wajib pajak untuk

Lebih terperinci

BAB III METODE PENELITIAN. menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan

BAB III METODE PENELITIAN. menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan 14 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Pola hidup masyarakat yang menyadari pentingnya kesehatan menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan citarasa yang enak,

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK Oleh: Agista Dyah Prabawati (1308 100 026) Dosen Pembimbing: Dra. Destri Susilaningrum,

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA

Lebih terperinci

KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL

KETEPATAN 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 terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini

Lebih terperinci

Hary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.

Hary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M. KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,

Lebih terperinci

Sem 5-4. Garis Besar Rencana Pembelajaran (GBRP)

Sem 5-4. Garis Besar Rencana Pembelajaran (GBRP) Sem -. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah : Analisis Data Kategorik Kode MK/SKS : 309H203/3SKS Semester : Awal/ (Tahun III) Mata Kuliah Prasyarat : Metode Statistika, Komputasi Statistika

Lebih terperinci

METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT ABSTRAK

METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT ABSTRAK METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT (Studi Kasus PT. XYZ) Muhamad Iqbal Mawardi Departemen Statistika, Universitas

Lebih terperinci

Faktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik

Faktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) D-305 Faktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik Fatkhiyatur Rizki,

Lebih terperinci

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA

PENERAPAN 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 terperinci

ANALISIS 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 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 terperinci

Polres Tapanuli Selatan merupakan bagian dari Kepolisian Republik Indonesia yang melayani di bidang pemeliharan dan keamanan, ketertiban

Polres Tapanuli Selatan merupakan bagian dari Kepolisian Republik Indonesia yang melayani di bidang pemeliharan dan keamanan, ketertiban Saintia Matematika Vol. 1, No. 5 (2013), pp. 435 444. ANALISA TINGKAT KEPUASAN MASYARAKAT TERHADAP PROSES PELAYANAN PEMBUATAN SIM (SURAT IZIN MENGEMUDI) DI SATLANTAS POLRES TAPANULI SELATAN Lisna Astria,

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 205, Halaman 44-45 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian KEEPAAN KLASIFIKASI INGKA KEPARAHAN KORBAN KECELAKAAN LALU LINAS MENGGUNAKAN

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Jenis penelitian pada penelitian ini adalah penelitian asosiatif/hubungan. Penelitian asosiatif merupakan penelitian yang bertujuan untuk mengetahui

Lebih terperinci

ANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA)

ANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA) ANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA) Gerry Budiman Program Manajemen Bisnis, Program Studi

Lebih terperinci

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN Penelitian ini menggunakan regresi logistik untuk mengetahui faktorfaktor yang mempengaruhi

Lebih terperinci

METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI

METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN

Lebih terperinci

Analisis Kepuasan Pasien Terhadap Kualitas Pelayanan Puskesmas Keputih

Analisis Kepuasan Pasien Terhadap Kualitas Pelayanan Puskesmas Keputih Analisis Kepuasan Pasien Terhadap Kualitas Pelayanan Puskesmas Keputih Ferdi Budi Utama 1308.030.040 Dosen Pembimbing Ir. Sri Pingit Wulandari, MS Pendahuluan Latar Belakang Kesehatan Puskesmas Rumusan

Lebih terperinci

MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH

MODEL 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 terperinci

Faktor-Faktor yang Mempengaruhi Keparahan Korban Kecelakaan Lalu Lintas di Kota Surabaya dengan Pendekatan Bagging Regresi Logistik Ordinal

Faktor-Faktor yang Mempengaruhi Keparahan Korban Kecelakaan Lalu Lintas di Kota Surabaya dengan Pendekatan Bagging Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-928X D-253 Faktor-Faktor yang Mempengaruhi Keparahan Korban Kecelakaan Lalu Lintas di Kota Surabaya dengan Pendekatan Bagging Regresi Logistik

Lebih terperinci

BAB 4 METODE PENELITIAN. Penelitian ini menggunakan pendekatan Cross Sectional yaitu hanya

BAB 4 METODE PENELITIAN. Penelitian ini menggunakan pendekatan Cross Sectional yaitu hanya BAB 4 METODE PENELITIAN 4.1 Jenis Penelitian Penelitian ini menggunakan pendekatan Cross Sectional yaitu hanya meneliti pada waktu tertentu. Data-data yang diteliti dan diolah merupakan data temuan di

Lebih terperinci

Oleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D

Oleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Analisis Pola Hubungan Besarnya Kerugian Negara Akibat Korupsi Dengan Demografi Koruptor di Jawa Timur Oleh : Amilia Firda Rahmana (1311 105 008) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Seminar

Lebih terperinci

III. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu :

III. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu : III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Salah satu yang mempengaruhi kualitas penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Dalam

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian

BAB 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 terperinci

Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank

Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Fajri Zufa Alumni Program Studi Statistika, FMIPA, Universitas Bengkulu e-mail

Lebih terperinci

IDENTIFIKASI 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 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 terperinci

Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network

Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network 1 Wijdani Anindya Hadi (1) dan Dr. Suhartono, S.Si. M.Sc (2) Statistika, FMIPA,

Lebih terperinci

Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal

Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab

BAB III METODE PENELITIAN. Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab rumusan masalah yang telah diuraikan sebelumnya dengan berdasarkan tingkat eksplanasinya 54.

Lebih terperinci

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengklasifikasian merupakan salah satu metode statistika untuk mengelompok atau menglasifikasi suatu data yang disusun secara sistematis. Masalah klasifikasi sering

Lebih terperinci

Pemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan

Pemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan D181 Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan Rizfanni Cahya Putri dan Vita Ratnasari Jurusan Statistika, Fakultas

Lebih terperinci

BAB III METODOLOGI PENELITIAN DAN DATA

BAB III METODOLOGI PENELITIAN DAN DATA 47 BAB III METODOLOGI PENELITIAN DAN DATA 3.1 Metodologi Penelitian Sesuai dengan bentuk data dan tujuan yang ingin dicapai dalam penelitian ini, yaitu untuk mengetahui bagaimana pengaruh office channeling

Lebih terperinci

ANALISIS STATISTIK TERHADAP PELANGGAN INTERNET DI WILAYAH SURABAYA TIMUR DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER

ANALISIS STATISTIK TERHADAP PELANGGAN INTERNET DI WILAYAH SURABAYA TIMUR DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER ANALISIS STATISTIK TERHADAP PELANGGAN INTERNET DI WILAYAH SURABAYA TIMUR DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER SEMINAR HASIL TUGAS AKHIR Oleh: DENI DWI WIJAYANTO (1309 100 079) Dosen Pembimbing: Dra.

Lebih terperinci

ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH

ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,

Lebih terperinci

BAB III METODE PENELITIAN. aktif regular jurusan akuntansi S1.

BAB III METODE PENELITIAN. aktif regular jurusan akuntansi S1. BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan mulai dari 6 Februari 2017 hingga 10 Febriari 2017 di Universitas Mercu Buana dan Universitas Indonesia. Data yang digunakan

Lebih terperinci

IMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si.

IMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si. S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner

Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit

Lebih terperinci

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER (R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak

Lebih terperinci

ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP

ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan pengujian hipotesis (hypothesis testing) yang

BAB III METODE PENELITIAN. Penelitian ini merupakan pengujian hipotesis (hypothesis testing) yang BAB III METODE PENELITIAN 3.1. Ruang Lingkup Penelitian Penelitian ini merupakan pengujian hipotesis (hypothesis testing) yang menjelaskan sifat dari hubungan tertentu, memahami perbedaan antara kelompok

Lebih terperinci

Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi. Oleh : Firda Velayati

Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi. Oleh : Firda Velayati Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi Oleh : Firda Velayati 307 00 05 PENDAHULUAN LATAR BELAKANG Ekonomi masyarakat Pesisir Pendapatan nelayan dinaikkan Penelitian

Lebih terperinci

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN

di 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 terperinci

Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya

Pemodelan 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 terperinci

FAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER

FAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER FAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER RIZKA ARIFANJUNI NRP 1309 030 027 Dosen Pembimbing Dr. Bambang Widjanarko O., M.Si.

Lebih terperinci

BAB III METODE PENELITIAN. mengunjungi kantor redaksi malangonline.com, Perumahan Pondok Mulia B124,

BAB III METODE PENELITIAN. mengunjungi kantor redaksi malangonline.com, Perumahan Pondok Mulia B124, BAB III METODE PENELITIAN 1.1 Lokasi Penelitian Lokasi penelitian ini yaitu pada masyarakat di Kota Malang yang umumnya pernah mencari informasi dari situs berita. Selain itu peneliti juga mengunjungi

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN Bab IV Hasil Penelitian dan Pembahasan 54 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Uji Validitas Untuk mengetahui tingkat validitas dari setiap pernyataan dalam kuisioner, digunakan rumus korelasi product

Lebih terperinci

HUBUNGAN ANTARA JUMLAH KEHADIRAN MAHASISWA DENGAN NILAI AKHIR SEMESTER GANJIL 2009/2010 MATA KULIAH STATISTIKA MENGGUNAKAN KORELASI RANK SPEARMAN

HUBUNGAN ANTARA JUMLAH KEHADIRAN MAHASISWA DENGAN NILAI AKHIR SEMESTER GANJIL 2009/2010 MATA KULIAH STATISTIKA MENGGUNAKAN KORELASI RANK SPEARMAN Prosiding SaPP00 Edisi Eksakta ISS: 089-358 HUBUGA ATARA JUMLAH KEHADIRA MAHASISWA DEGA ILAI AKHIR SEMESTER GAJIL 009/00 MATA KULIAH STATISTIKA MEGGUAKA KORELASI RAK SPEARMA Lisnur Wachidah Email: lisnur_w@yahoo.co.id

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Radang paru paru adalah sebuah penyakit pada paru paru dimana pulmonary alveolus yang bertanggung jawab menyerap oksigen dari atmosfer meradang dan terisi cairan. Berdasarkan

Lebih terperinci

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3 ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN A. Analisis Statistik Tingkat Literasi Keuangan di Kabupaten Mempawah Kalimantan Barat 1. Uji Validitas a. Tingkat Literasi Keuangan Data mengenai tingkat literasi keuangan memiliki

Lebih terperinci

HASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden

HASIL 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 terperinci

Analisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi

Analisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor

Lebih terperinci

Volume I No. 1, Februari 2016 ISSN

Volume I No. 1, Februari 2016 ISSN Volume I No., Februari 26 ISSN 252-3764 PERBANDINGAN ANALISIS DISKRIMINAN LINEAR, REGRESI LOGISTIK BINER DAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) (STUDI KASUS PADA PENGKLASIFIKASIAN KETEPATAN WAKTU

Lebih terperinci

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1

Lebih terperinci

KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI REGRESI LOGISTIK MULTINOMIAL

KETEPATAN 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 terperinci

Kata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati

Kata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari

Lebih terperinci

MODEL 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. 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan kemajuan ilmu pengetahuan dan teknologi mendorong masyarakat untuk semakin memperlihatkan derajat kesehatan demi peningkatan kualitas hidup yang lebih

Lebih terperinci

IV. METODE PENELITIAN

IV. 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 terperinci

EARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK

EARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK EARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK Diah Arianti, 1) dan Nur Iriawan 2) 1) Information Management Technology,

Lebih terperinci

IMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG

IMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG IMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG Wardatuz Zakiyah, Hendro Permadi, dan Swasono Rahardjo Universitas Negeri Malang E-mail : zakiyah_musta

Lebih terperinci

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

MODEL 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 terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL

ANALISIS 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 terperinci

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Universitas Mercubuana S1 yang beralamat di jalan Meruya

BAB III METODOLOGI PENELITIAN. Universitas Mercubuana S1 yang beralamat di jalan Meruya BAB III METODOLOGI PENELITIAN A. Gambaran Umum Objek Penelitian Objek Penelitian yang dipilih adalah persepsi Mahasiswa dari Universitas Mercubuana S1 yang beralamat di jalan Meruya Selatan,Kembangan,Jakarta

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Sakit At-Turrots Al-Islamy, PKU Muhammadiyah Gamping, Puskesmas

BAB III METODOLOGI PENELITIAN. Sakit At-Turrots Al-Islamy, PKU Muhammadiyah Gamping, Puskesmas BAB III METODOLOGI PENELITIAN A. Objek Penelitian Objek yang dilakukan pada penelitian ini adalah peserta BPJS kelas II yang berada di Kabupaten Sleman. B. Lokasi Penelitian Penelitian ini dilakukan di

Lebih terperinci

ANALISIS REGRESI LOGISTIK ORDINAL PADA PRESTASI BELAJAR LULUSAN MAHASISWA S1 ITS SURABAYA BERBASIS SKEM

ANALISIS REGRESI LOGISTIK ORDINAL PADA PRESTASI BELAJAR LULUSAN MAHASISWA S1 ITS SURABAYA BERBASIS SKEM TUGAS AKHIR SS141501 ANALISIS REGRESI LOGISTIK ORDINAL PADA PRESTASI BELAJAR LULUSAN MAHASISWA S1 ITS SURABAYA BERBASIS SKEM ZAKARIYAH NRP 1310 100 702 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si JURUSAN

Lebih terperinci

Pemodelan Regresi Logistik Biner dan Ordinal Pada Proses Seleksi Mahasiswa Baru Program D3KPLN PENS Abstract Keywords I.

Pemodelan Regresi Logistik Biner dan Ordinal Pada Proses Seleksi Mahasiswa Baru Program D3KPLN PENS Abstract Keywords I. Jurnal Artikel Teknologi ini telah dipresentasikan Informasi-Aiti dalam Innovative Vol.15 no and 1 Creative tahun 2018, Information hal.56-66 Technology Conference (ICITech) dengan tema E-Transaction and

Lebih terperinci