Peubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas.

Transkripsi

1 5 diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. Metode Analisis Tahapan-tahapan dilakukan dalam penelitian ini adalah sebagai berikut:. Melakukan eksplorasi data mahasiswa pada setiap program studi meliputi pembuatan: a. Plot sebaran mahasiswa aktif per tahun studi. b. Diagram sebaran mahasiswa keluar per tahun studi. c. Box plot peubah IPK akhir dan masa studi.. Mengelompokkan program studi berdasarkan peubah :. Persentase mahasiswa lulus dengan masa studi 3 tahun. Persentase mahasiswa keluar 3. Rataan IPK akhir 4. Rataan masa studi. Kelompok program studi selanjutnya digunakan sebagai peubah penjelas dalam eksplorasi peubah dan pemodelan. 5. Melakukan eksplorasi pada peubah respon untuk setiap peubah penjelas. IPK akhir dan masa studi dengan box plot dan peubah keberhasilan studi dengan diagram batang. 6. Membuat model keberhasilan studi dengan regresi logistik biner. 7. Membuat model IPK akhir dengan regresi logistik biner. 8. Membuat model masa studi dengan regresi cox berdasarkan kejadian lulus dalam masa studi 36 bulan. PEMBAHASAN Data digunakan dalam penelitian ini mencakup mahasiswa sudah lulus, keluar, baik karena DO atau mengundurkan diri, dan masih aktif. Deskripsi dari 36 program studi diamati dapat dilihat pada Lampiran. Eksplorasi Data Mahasiswa per Program Studi Sebaran Mahasiswa Aktif per Tahun Studi Sebaran mahasiswa aktif per tahun studi dibentuk dengan membuat plot rata-rata persentase mahasiswa aktif pada setiap selang masa studi (t) dalam tahun, yaitu: t0 = t = 0 t = 0 < t tahun t = < t tahun t3 = < t 3 tahun t4 = 3 < t 4 tahun t5 = 4 < t 5 tahun Data digunakan hanya data mahasiswa sudah lulus dan masih aktif angkatan 00 sampai 005. Angkatan 006 tidak diikutsertakan karena masih didominasi oleh mahasiswa masih aktif. Masa studi normal bagi mahasiswa program Magister adalah tahun. Apabila lebih dari 4 tahun sudah dikatakan mahasiswa kadaluarsa dan terancam dikeluarkan dari SPs-IPB. Sebaran mahasiswa aktif per tahun studi ideal adalah menurun tajam dari t ke t3 dan sudah mencapai 0% pada t4. Selisih persentase mahasiswa aktif t dengan t3 dapat menunjukkan persentase mahasiswa berhasil lulus tepat waktu, dalam hal ini adalah masa studi kurang dari 3 tahun. Oleh karena itu bentuk sebaran mahasiswa aktif per tahun studi dapat menjadi salah satu penilaian terhadap performa program studi. Sebaran mahasiswa aktif per tahun studi ideal dimiliki oleh program studi mempunyai persentase lulusan dalam masa studi 3 tahun terbesar. Perbandingan dengan bentuk ideal akan menunjukkan seberapa jauh sebaran mahasiswa aktif suatu program studi dari pola idealnya. Pada Lampiran dapat dilihat sebaran mahasiswa aktif per tahun studi untuk setiap program studi, telah diurutkan berdasarkan persentase lulusan tepat waktu (masa studi 3tahun) dari terkecil dan dibandingkan dengan sebaran mahasiswa aktif program studi KMV. Pada Tabel dapat dilihat kelompok program studi berdasarkan kategori persentase lulusan tepat waktu. Tabel Kelompok program studi berdasarkan persentase lulusan tepat waktu Persentase Program Studi lulusan < 50 STK, EPN, TIP, ENK, BTK, TNH, DAS, ESK, IPN, BIK MIT, ARL, AGR, PWD, BIO, TEP, IPK, BRP, PSL, PRM > 60 GMK, IKL, TKL, SVT, AIR, SPL, PTK, ENT, KIM, AGK, TPP, KMP, FIT, PPN, SPD, KMV

2 6 Program studi berada dalam satu kelompok memiliki kemiripan dalam bentuk sebaran mahasiswa aktif per tahun studi. Pada Gambar dapat dilihat sebaran mahasiswa aktif pada program studi STK mempunyai persentase lulusan tepat waktu terkecil (%) dan KMV mempunyai persentase lulusan tepat waktu terbesar (86%) t0 t t t3 t4 t5 STK KMV Gambar Sebaran mahasiswa aktif program studi STK dan KMV Program studi KMV mempunyai pola sebaran mahasiswa aktif lebih ideal dibanding program studi lainnya, karena mempunyai persentase mahasiswa lulus dengan masa studi 3 tahun terbesar, pada tahun studi keempat hanya terdapat 4% mahasiswa aktif dan sudah mencapai 0% pada tahun kelima. Program studi STK cenderung menghasilkan lulusan dengan masa studi lebih lama dibandingkan lulusan program studi KMV, terlihat dari posisi sebaran jauh di sebelah kanan sebaran program studi KMV. Dengan menganggap program studi KMV sebagai program studi mempunyai sebaran mahasiswa aktif per tahun studi ideal, maka kelompok program studi mempunyai persentase mahasiswa lulus tepat waktu lebih besar dari program studi KMV dapat mempunyai indikasi performa kurang baik. Secara visual dapat dilihat dari sebaran mahasiswa aktif cenderung jauh di sebelah kanan pola sebaran mahasiswa aktif program studi KMV, seperti dimiliki oleh program studi mempunyai persentase mahasiswa lulus tepat waktu kurang dari 50%. Dengan demikian, peforma program studi lebih baik diperoleh program studi mempunyai pola sebaran mahasiswa aktif per tahun studi mendekati sebaran mahasiswa aktif program studi KMV, seperti ditunjukkan oleh sebagian besar program studi dalam kelompok persentase lulusan tepat waktu lebih besar dari 60%. Sebaran Mahasiswa Keluar per Tahun Studi Performa program studi tidak dapat dilihat hanya dari besarnya lulusan dihasilkan per tahun studi, tetapi perlu dilihat pula dari besarnya mahasiswa keluar pada setiap tahun studinya. Oleh karena itu, dibentuk sebaran persentase mahasiswa keluar per tahun studi melalui diagram batang terlihat pada Lampiran 3. Program studi performanya baik harusnya memiliki persentase lulusan besar dan persentase mahasiswa keluar kecil. Program studi pada diagram tersebut sudah terurut berdasarkan persentase mahasiswa keluar pada setiap tahun studi mulai paling besar. Pada Tabel dapat dilihat kelompok program studi berdasarkan persentase mahasiswa lulus tepat waktu dengan persentase mahasiswa keluar pada tahun pertama. Tabel Kelompok program studi berdasarkan persentase lulusan dan mahasiswa keluar % % Mahasiswa keluar tahun pertama Lulusan < > 7 < 50 TIP TNH ESK ARL BIO BRP > 60 GMK TKL AIR PTK ENT AGK TPP FIT AGK IPN BIK MIT TEP IPK PSL PRM KIM SPL KMV PPN STK ENK EPN BTK DAS AGR PWD IKL SVT SPD Sebagian besar program studi mempunyai persentase lulusan rendah juga mempunyai persentase mahasiswa keluar tinggi dan sebaliknya. Berdasarkan kedua hasil eksplorasi ini indikasi performa program studi kurang baik ditunjukkan oleh program studi mempunyai persentase lulusan rendah dan persentase mahasiswa keluar tinggi, seperti program studi STK, ENK, EPN, BTK dan DAS.

3 7 Box plot IPK Akhir dan Masa Studi Box plot dapat digunakan untuk pemeriksaan bentuk atau pola sebaran data. Informasi didapat dari box plot adalah lokasi pemusatan data yaitu median, rataan, rentangan penyebaran data terlihat dari panjang kotak, dan kemiringan pola sebaran terlihat dari panjang kotak relatif terhadap median. Data digunakan adalah data mahasiswa angkatan 00 sampai 006 sudah lulus. Pada penelitian ini box plot digunakan untuk memeriksa sebaran data IPK akhir dan masa studi mahasiswa sudah lulus. Pada Lampiran 4 dapat dilihat box plot IPK akhir dan masa studi setiap program studi dikelompokkan berdasarkan fakultas. Fakultas digunakan sebagai dasar pengelompokkan karena setiap keputusan diambil oleh program studi tidak lepas dari kebijakan fakultas. Program studi memiliki box plot IPK akhir berada pada rentangan nilai lebih tinggi dengan nilai median di atas 3.50 dan box plot masa studi berada pada rentangan nilai lebih rendah dengan rentangan sempit disekitar nilai 4 sampai 36 bulan menunjukkan performa program studi baik, dan sebaliknya menunjukkan performa program studi kurang baik berdasarkan perolehan prestasi akademik mahasiswa. Pada Tabel 3 dapat dilihat program studi memiliki performa kurang baik dibanding program studi lainnya dalam satu fakultas berdasarkan rentangan nilai IPK akhir dan masa studi mahasiswanya, karena sebagian besar mahasiswanya mempunyai IPK akhir di bawah 3.5 dan masa studi tinggi hingga cenderung lebih dari 40 bulan. Tabel 3 Daftar program studi per fakultas mempunyai performa IPK akhir dan masa studi kurang baik Kode Fakultas IPK Masa Studi A TNH ARL, TNH B ENK ENK C SPL F TEP TIP G STK BIK, STK H EPN EPN I GMK GMK P PRM Program studi PTK dan IPK tidak ditampilkan karena tidak ada pembanding program studi lainnya. Rentangan IPK akhir dan masa studi dari kedua program studi tersebut masih tergolong mempunyai performa baik. Program studi memiliki rentangan nilai IPK akhir rendah dan rentangan nilai masa studi tinggi ditunjukkan oleh TNH, ENK, STK, EPN dan GMK. Apabila ditelusuri dari hasil eksplorasi sebelumnya, beberapa program studi termasuk ke dalam daftar tersebut sudah disebut sebagai program studi mempunyai indikasi performa kurang baik berdasarkan nilai persentase mahasiswa lulus dalam masa studi 3 tahun rendah dan persentase mahasiswa keluar tinggi, antara lain STK, EPN dan ENK. Hal ini menunjukkan adanya keterkaitan antara hasil eksplorasi data mahasiswa per program studi dapat dijadikan dasar dalam pengelompokkan program studi berdasarkan performanya. Kelompok performa program studi tentunya dapat terdiri atas performa baik dan kurang baik. Akan tetapi, tidak menutup kemungkinan ada program studi belum dapat dikatakan keduanya atau berada dalam posisi antara baik dan kurang baik. Oleh karena itu, diperlukan suatu analisis dapat mengelompokkan program studi ke dalam kelompok performa program studi baik, kurang baik dan berada diantara keduanya. Pengelompokkan Program Studi Pengelompokkan program studi dapat dilakukan dengan analisis gerombol k-rataan dengan jumlah gerombol diinginkan sebanyak tiga, agar didapat kelompok program studi mempunyai performa baik, kurang baik dan pertengahan. digunakan adalah:. Persentase lulusan tepat waktu (masa studi 3 tahun). Persentase mahasiswa keluar 3. Rataan IPK 4. Rataan Masa Studi Program studi mempunyai performa baik seharusnya mempunyai persentase lulusan tepat waktu tinggi, persentase mahasiswa keluar rendah, rataan IPK akhir tinggi, dan rataan masa studi rendah. Performa kurang baik dapat ditunjukkan oleh kriteria sebaliknya. Hasil pengelompokkan program studi berdasarkan keempat peubah tersebut dapat dilihat pada Tabel 4.

4 8 Tabel 4 Kelompok program studi hasil analisis gerombol k-rataan Gerombol Program Studi AIR, ENT, FIT, IKL, IPK, KMP, KMV, PTK, SPD, SVT, TEP, TKL, TPP AGK, AGR, ARL, BIK, BIO, BRP, BTK, DAS, ENK, ESK, GMK, IPN, KIM, MIT, PPN, PRM, PSL, PWD, SPL, TIP, TNH 3 STK, EPN Rataan keempat peubah digunakan sebagai dasar pengelompokkan untuk setiap kelompok program studi dapat dilihat pada Tabel 5. Tabel 5 Rataan nilai peubah pada masingmasing gerombol Rataan Kel. % Lulusan tepat waktu % Mahasiswa Keluar IPK Masa studi Tujuan pengelompokkan program studi dengan analisis gerombol k-rataan dapat dinyatakan tercapai. Berdasarkan nilai rataan keempat peubah penciri performa program studi tersebut terlihat bahwa kelompok program studi memiliki kombinasi nilai terbaik adalah kelompok ke- dan kurang baik adalah kelompok ke-3. Rataan keempat peubah pada kelompok ke- berada diantara kelompok ke- dan kelompok ke-3. Nilai jarak antar pusat gerombol dapat dilihat pada Tabel 6. Tabel 6 Jarak antar gerombol. Gerombol Jarak tersebut menunjukkan tingkat kemiripan antar gerombol. Jarak antara gerombol dan lebih dekat dibandingkan jarak gerombol dan 3 maupun dan 3. Berdasarkan nilai rataan keempat peubah diperoleh masing-masing gerombol, gerombol dapat dinyatakan sebagai kelompok program studi mempunyai performa baik dan gerombol 3 sebagai kelompok program studi mempunyai performa kurang baik. Karena gerombol mempunyai jarak lebih dekat dengan gerombol dibandingkan gerombol 3, maka gerombol dapat dinyatakan sebagai kelompok program studi mempunyai performa cukup baik. Hasil pengelompokkan program studi ini selanjutnya digunakan sebagai peubah penjelas dalam pemodelan sehingga diketahui tingkat keberhasilan mahasiswa dapat diperoleh pada setiap kelompok program studi. Eksplorasi Data Mahasiswa per Sebelum masuk ke dalam tahap pemodelan perlu dilakukan eksplorasi hubungan peubah penjelas dengan peubah respon untuk melihat indikasi awal pengaruh setiap peubah penjelas terhadap peubah respon. Eksplorasi dilakukan untuk peubah IPK akhir dan masa studi menggunakan box plot, sedangkan untuk peubah keberhasilan studi menggunakan diagram persentase mahasiswa pada setiap kategori keberhasilan studi yaitu lulus dan keluar. Hasil eksplorasi untuk peubah IPK akhir dapat dilihat pada Lampiran 5, peubah masa studi pada Lampiran 6 dan peubah keberhasilan studi pada Lampiran 7. Demi mempermudah interpretasi hasil eksplorasi ini maka nilai peubah numerik disekat menjadi peubah kategorik. IPK asal dikategorikan menjadi empat kategori yaitu:. IPK < IPK < IPK < IPK 3.5 sedangkan peubah usia dikategorikan menjadi tiga kategori yaitu;. Usia 5 tahun. 5 < Usia 35 tahun 3. IPK > 3.5 Data dipakai dalam eksplorasi data mahasiswa per peubah dan pada pemodelan adalah data mahasiswa angkatan 004 sampai 006, karena hanya angkatan ini mempunyai nilai peubah status perguruan tinggi asal. Pengaruh peubah penjelas akan terlihat jelas jika selang penyebaran data pada masing-masing kategorinya berbeda. Perbandingan box plot antar kategori dalam satu peubah penjelas terlihat jelas perbedaannya pada peubah IPK akhir adalah peubah IPK asal, status perguruan tinggi asal dan kelompok program studi. Pada peubah masa studi perbedaanya paling jelas

5 9 hanya IPK asal dan kelompok program studi. Persentase mahasiswa untuk setiap kategori peubah penjelas terhadap keberhasilan studi tidak menunjukkan perbedaan besar hanya peubah status kawin, peubah lainnya cukup terlihat adanya perbedaan. Fenomena terlihat adalah perolehan nilai IPK akhir mahasiswa mempunyai IPK asal kategori ke- mempunyai rentangan nilai IPK akhir lebih tinggi dibanding kategori ke-3 dan mempunyai rentangan nilai masa studi lebih rendah dibanding kategori ke-3. Dengan demikian, mahasiswa dengan IPK asal di bawah.75 mampu mempunyai IPK akhir dan masa studi sama baiknya dengan mempunyai IPK asal di atas Secara umum mahasiswa mempunyai IPK asal tinggi, berasal dari perguruan tinggi BHMN dan memilih program studi kelompok pertama cenderung lulus dengan IPK akhir tinggi dan masa studi normal. Faktor mempengaruhi kelulusan sendiri lebih didominasi oleh mahasiswa berjenis kelamin perempuan, mendapat beasiswa, berasal dari perguruan tinggi BHMN, mempunyai usia di bawah 5 tahun, IPK asal pada selang kategori.75 sampai 3.00 dan memilih program studi pada kelompok pertama. Pemodelan dijadikan indikator untuk mengetahui performa program studi adalah keberhasilan studi, IPK akhir dan masa studi. Pemodelan dilakukan pun mencakup ketiga peubah tersebut sehingga dapat diketahui pengaruh karakteristik mahasiswa terhadap kriteria performa program studi. Model Keberhasilan Studi dengan Regresi Logistik Biner Keberhasilan studi terdiri atas dua kategori yaitu lulus dan keluar. Model dibentuk dengan menyertakan seluruh peubah penjelas mempunyai nilai statistik-g sebesar dengan nilai-p <0.00, sehingga dapat dinyatakan bahwa terdapat peubah penjelas berpengaruh nyata terhadap respon. Berdasarkan hasil uji wald pada Tabel 7 terlihat bahwa peubah penjelas berpengaruh nyata dengan taraf nyata 5% terhadap respon hanya peubah jenis kelamin, sumber biaya, usia dan kelompok program studi. Tabel 7 Koefisien regresi dan hasil uji wald pada model keberhasilan studi Wald Nilai-p Intersep <.000 Jenis Kelamin Status Kawin Sumber Biaya <.000 Usia Usia IPK Asal IPK Asal IPK Asal Status PT Status PT Kelompok PS Kelompok PS Interpretasi untuk setiap kategori peubah penjelas dapat dilihat berdasarkan nilai rasio odd pada Tabel 8. Tabel 8 Rasio odd peubah penjelas pada model keberhasilan studi SK 95% Rasio odd Bawah Atas Jenis Kelamin vs Status Kawin vs Sumber Biaya vs Usia vs Usia vs IPK Asal 4 vs IPK Asal 3 vs IPK Asal vs Status PT vs Status PT vs Kelompok PS vs Kelompok PS vs Berdasarkan nilai rasio odd pada peubah berpengaruh nyata terhadap respon diketahui bahwa mahasiswa perempuan mempunyai kecenderungan lulus.4 kali dibandingkan mahasiswa laki-laki, sedangkan mahasiswa mendapat beasiswa mempunyai kecenderungan lulus kali dibandingkan dengan biaya sendiri. Mahasiswa dengan usia dibawah 5 tahun mempunyai kecenderungan lulus 3.6 kali dan berusia antara 5 sampai 35 tahun memiliki kecenderungan lulus.933 kali, dibandingkan dengan berusia diatas 35 tahun. Mahasiswa pada kelompok program studi ke- memiliki kecenderungan lulus kali dan pada kelompok program studi ke- memiliki kecenderungan lulus 6.5 kali, dibandingkan dengan mahasiswa pada kelompok program studi ke-3.

6 0 Secara umum, kecenderungan seorang mahasiswa lulus akan lebih besar jika berjenis kelamin perempuan, sudah menikah, memperoleh beasiswa, berusia kurang dari 35 tahun, memiliki IPK asal lebih besar dari 3.5, berasal dari perguruan tinggi BHMN dan memilih program studi pada kelompok ke-. Tabel 9 Tabel klasifikasi hasil prediksi pada model keberhasilan studi Prediksi Aktual Total CCR % % Total % Pada Tabel 9 terlihat bahwa total nilai persentase klasifikasi benar (CCR) diperoleh dengan batasan nilai peluang 0.85 adalah 69.06%. Nilai tersebut menunjukkan bahwa tingkat akurasi model dalam memprediksi masih tergolong kurang baik atau belum memuaskan. Hal ini dapat disebabkan oleh kurangnya peubah dipakai untuk menjelaskan respon. Kelulusan dan prestasi mahasiswa sangat didukung oleh pemahaman dan pengalaman mahasiswa pada bidang program studi diambil, indikatornya dapat dilihat dari besarnya nilai mata kuliah S berhubungan dengan mata kuliah program studi dipilih pada S, prestasi mahasiswa pernah diperoleh dan kesesuaian pekerjaan mahasiswa dengan program studi dipilih. Model IPK Akhir dengan Regresi Logistik Biner Respon model regresi logistik adalah kelas IPK akhir yaitu IPK < 3.50 dan IPK Pengkelasan tersebut berdasarkan pertimbangan syarat untuk melanjutkan ke program doktor dengan status biasa, yaitu memperoleh IPK S di atas Model regresi dihasilkan dengan menyertakan seluruh peubah penjelas menghasilkan statistik-g sebesar dengan nilai-p <0.00 atau kurang dari taraf nyata 5%, sehingga dapat dinyatakan bahwa paling tidak ada satu peubah penjelas berpengaruh terhadap respon. Berdasarkan hasil uji wald dengan taraf nyata 5% terlihat pada Tabel 0, diketahui hanya tiga peubah penjelas berpengaruh nyata terhadap respon, yaitu IPK asal, status perguruan tinggi asal dan kelompok program studi. Tabel 0 Koefisien regresi dan hasil uji wald pada model IPK akhir Wald Nilai-p Intersep Jenis Kelamin Status Kawin Sumber Biaya Usia Usia IPK Asal IPK Asal IPK Asal Status PT <.000 Status PT Kelompok PS <.000 Kelompok PS Kecenderungan seorang mahasiswa dengan suatu kategori peubah memperoleh IPK akhir diatas 3.50 dibandingkan dengan memiliki kategori lainnya dapat diketahui melalui nilai rasio odd, terlihat pada Tabel. Tabel Rasio odd peubah penjelas pada model IPK akhir SK 95% Rasio odd Bawah Atas Jenis Kelamin vs Status Kawin vs Sumber Biaya vs Usia vs Usia vs IPK Asal 4 vs IPK Asal 3 vs IPK Asal vs Status PT vs Status PT vs Kelompok PS vs Kelompok PS vs Seperti terlihat dari hasil eksplorasi ternyata hasil pemodelan IPK akhir juga memperlihatkan bahwa mahasiswa dengan IPK asal di bawah.75 mempunyai kecenderungan peluang IPK akhir di atas 3.50 lebih tinggi dibanding IPK asal antara.75 sampai 3.5. Secara umum, nilai rasio odd menunjukkan bahwa peluang mahasiswa mempunyai IPK akhir di atas 3.50 akan lebih besar jika mahasiswa berjenis kelamin lakilaki, sudah menikah, biaya sendiri, mempunyai usia kurang dari 35 tahun, memiliki IPK asal diatas 3.5, berasal dari perguruan tinggi BHMN dan memilih program studi termasuk dalam kelompok ke-.

7 Tabel Tabel klasifikasi hasil prediksi pada model IPK akhir Prediksi Aktual Total CCR % % Total % Pada Tabel terlihat bahwa model IPK akhir dengan batasan nilai peluang sebesar 0.7 mempunyai persentase klasifikasi benar (CCR) sebesar 7.4%. Nilai ini dapat dinyatakan cukup baik walaupun masih belum memuaskan. Model Masa Studi dengan Regresi Cox Kejadian diperhatikan dalam model ini adalah masa studi mahasiswa lulus dalam 36 bulan. Jenis sensor digunakan adalah sensor kanan jenis sensor waktu. Data dipakai adalah data mahasiswa sudah lulus, keluar dan masih aktif. Kelebihan dari regresi cox adalah dapat menggunakan data dengan kejadian sudah terjadi maupun belum terjadi. Hanya saja untuk pengamatan wakti kejadiannya belum diketahui diberikan status tersensor. Masa studi mahasiswa aktif diikutkan dalam model dihitung sampai waktu pengambilan data. Statistik uji dipakai dalam model ini sama dengan dipakai dalam regresi logistik biner. Statistik uji-g dihasilkan sebesar dengan nilai-p sehingga dapat dinyatakan bahwa terdapat peubah penjelas berpengaruh nyata terhadap respon. Berdasarkan hasil uji parsialnya terlihat pada Tabel 3 diketahui bahwa peubah berpengaruh nyata adalah jenis kelamin, sumber biaya, kelompok program studi dipilih dan IPK asal. Tabel 3 Koefisien regresi dan uji wald pada model masa studi Wald Nilai-P Jenis Kelamin Status Kawin Sumber Biaya Status PT Status PT Kelompok PS Kelompok PS IPK Asal IPK Asal IPK Asal Usia Usia Interpretasi untuk setiap kategori peubah penjelas pada model regresi cox menggunakan nilai rasio hazard dapat dilihat pada Tabel 4. Rasio tersebut menunjukkan resiko relatif seorang mahasiswa dengan karakteristik tertentu lulus dengan masa studi 36 bulan dibandingkan mahasiswa dengan karakteristik lainnya. Dengan kata lain, interpretasi dari rasio hazard sama dengan interpretasi rasio odd. Tabel 4 Rasio hazard peubah penjelas pada model masa studi SK 95% Rasio Hazard Bawah Atas Jenis Kelamin vs Status Kawin vs Sumber Biaya vs Usia vs Usia vs IPK Asal 4 vs IPK Asal 3 vs IPK Asal vs Status PT vs Status PT vs Kelompok PS vs Kelompok PS vs Secara umum, nilai rasio hazard menunjukkan bahwa peluang seorang mahasiswa lulus dalam masa studi 36 bulan akan lebih tinggi jika berjenis kelamin perempuan, belum menikah, memperoleh beasiswa, berumur lebih dari 35 tahun, mempunyai IPK asal di atas 3.5, berasal dari perguruan tinggi negeri dan memilih program studi dalam kelompok ke-. Berdasarkan interpretasi setiap kategori peubah dari ketiga model dibentuk diketahui bahwa kecenderungan mahasiswa untuk lulus dengan IPK akhir diatas 3.50 dan masa studi kurang dari 36 bulan lebih besar pada mahasiswa berjenis kelamin perempuan, sudah menikah, mendapat beasiswa, berusia kurang dari 35 tahun, mempunyai IPK asal diatas 3.5, berasal dari perguruan tinggi BHMN dan memilih program studi pada kelompok ke-. Sebaliknya, kecenderungan mahasiswa untuk lulus dengan IPK akhir diatas 3.50 dan masa studi kurang dari 36 bulan lebih kecil pada mahasiswa berjenis kelamin laki-laki, sudah menikah, biaya sendiri, berusia diatas 35 tahun, mempunyai IPK asal antara.75 sampai 3.00, berasal dari perguruan tinggi swasta dan memilih program studi pada kelompok ke-3, yaitu STK dan EPN.