PROSIDING ISBN :

dokumen-dokumen yang mirip
Oleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya ABSTRAK

BAB V PEMBAHASAN. Data dikumpulkan dari 239 alumni Prodi Statistika FMIPA UII, sebagai

Implementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW

Faktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah)

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016

Analisis Korespondensi untuk Mengetahui Hubungan Lama Studi dengan IPK dan Lama Skripsi Alumni Matematika FMIPA UNSRI Angkatan

ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB II LANDASAN TEORI

ANALISIS IPK MAHASISWA PENERIMA BEASISWA BIDIK MISI IPB DENGAN PENDEKATAN METODE CHAID FERRY ANTONI MS

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA

BAB 1 PENDAHULUAN. ini mengalami spesialisasi dan melembaga dengan pendidikan formal yang senantiasa

Klasifikasi Variabel Penentu Kelulusan Mahasiswa FMIPA Unpatti Menggunakan Metode CHAID

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

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

Pemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir

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

ANALISIS KEPUASAN PESERTA KURSUS KOMPUTER MENGGUNAKAN METODE CHAID BERBASIS KOMPUTER

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

Perbandingan Tingkat Kemudahan Tiga Metode Konjoin pada Preferensi Mahasiswa terhadap Kualitas Dosen STIS

TINJAUAN PUSTAKA Perilaku Pemilih Partai Politik

PEMETAAN MASALAH PUTUS SEKOLAH PENDIDIKAN DASAR MASYARAKAT MISKIN ANTAR KECAMATAN SEBAGAI UPAYA PEMERATAAN AKSES PENDIDIKAN DI KABUPATEN OGAN ILIR

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

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti

Hubungan Indeks Prestasi Kumulatif (IPK) dengan Nilai Ujian Akhir Nasional (UAN): Studi Kasus di FMIPA Unsyiah

Amalia Maharani, Dewi Retno Sari Saputro, dan Bowo Winarno Program Studi Matematika FMIPA UNS

Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)

METODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT

POHON KLASIFIKASI DAN POHON REGRESI KEBERHASILAN MAHASISWA PASCASARJANA PROGRAM STUDI STATISTIKA IPB

E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:

BAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.

PENGARUH PERAN DOSEN PEMBIMBING TERHADAP KUALITAS TUGAS AKHIR (Studi Kasus : Mahasiswa Fmipa Unsyiah)

Metode Statistika STK211/ 3(2-3) Pertemuan I

BAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma

ANALISIS WAKTU KELULUSAN MAHASISWA DENGAN METODE CHAID (STUDI KASUS: FMIPA UNIVERSITAS UDAYANA)

PREDICTION-CFA PADA CFA REGIONAL

Rata-rata Nilai. 2 saudara 25%

Judul : PERPINDAHAN MAHASISWA

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

UJI CHI SQUARE. (Uji data kategorik)

PENYAJIAN DATA DUA VARIABEL ATAU LEBIH. Disiapkan untuk Materi Perkuliahan Statistik Sosial Program Sarjana Departemen Ilmu Administrasi

PERBANDINGAN BERGANDA SESUDAH UJI KRUSKAL-WALLIS

ANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI

ANALISIS DAYA TAHAN MAHASISWA DALAM MELANJUTKAN STUDI DENGAN CHI-SQUARED AUTOMATATIC INTERACTION DETECTION

BAB 2 TINJAUAN TEORITIS. yang mengenai parameter-parameter populasi yang merupakan induk

HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas

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

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

KLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART

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

PRESTASI BELAJAR MAHASISWA PROGRAM STATISTIKA TERAPAN FMIPA-UT YANG BERASAL DARI SMA IPA/A1/A2 DENGAN SLTA LAINNYA. Oleh: Drs.

KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)

BAB III METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION

BAB II TINJAUAN PUSTAKA. Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, )

Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah

ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI

FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PRESTASI AKADEMIK MAHASISWA TPB IPB DENGAN METODE CHAID YUNIAH

Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama

3 HASIL DAN PEMBAHASAN

MAKALAH UJI PERLUASAN MEDIAN

IDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya

ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010

ANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG

MODEL LOG-LINEAR FAKTOR-FAKTOR YANG MEMPENGARUHI HIPERTENSI (STUDI KASUS: RSUD ABDOE RAHEM SITUBONDO)

APLIKASI MANN-WHITNEY UNTUK MENENTUKAN ADA TIDAKNYA PERBEDAAN INDEKS PRESTASI MAHASISWA YANG BERASAL DARI KOTA MEDAN DENGAN LUAR KOTA MEDAN

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS

BAB III LANDASAN TEORI

Model Probit Untuk Ordinal Response

PENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN MATEMATIKA UNIVERSITAS ANDALAS)

SEGMENTASI NASABAH DALAM PENGEMBALIAN KREDIT DENGAN METODE CHAID HANIF AKBAR

S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

Analisis Data Kategorikal

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI KETEPATAN WAKTU KELULUSAN MAHASISWA PROGRAM SARJANA IPB NITA NURGENITA

Metode Statistika STK211/ 3(2-3) Pertemuan I

BAB 4 Hasil Penelitian dan Interpretasi

Uji Z atau t Uji Z Chi- square

Ika Purnamasari 1, Fidia Deny Tisna Amijaya 2, Memi Nor Hayati 3 FMIPA Universitas Mulawarman 1,2,3

Statistika Dasar. Hansiswany Kamarga

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)

Prana Ugiana Gio 1 ABSTRAK

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si

Jurnal Matematika UNAND Vol. 5 No. 4 Hal ISSN : c Jurusan Matematika FMIPA UNAND

2-RP. Penguasaan Pengetahuan. Kemampuan. kerja. Kemampuan. Manajerial. Sikap dan Tata Nilai 5-PBS 1-CP 2-RP 3-RE

Sri Indra Maiyanti, Endro Setyo Cahyono, Weni Winata. Universitas Sriwijaya

PEMBUATAN BAGAN KENDALI MULTIVARIAT T 2 -HOTELLING UNTUK PROSES PERKULIAHAN Studi Kasus : IPK dan Lama Studi Lulusan Matematika Universitas Andalas

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

Transkripsi:

APLIKASI METODE CHAID DALAM MENGANALISIS KETERKAITAN FAKTOR RISIKO LAMA PENYELESAIAN SKRIPSI MAHASISWA (Studi Kasus di Jurusan Matematika FMIPA Universitas Sriwijaya) Dian Cahyawati S., Susi Yohana, Putera B.J. Bangun Jurusan Matematika FMIPA Universitas Sriwijaya dcahyawati97@gmail.com Abstrak Beragamnya kondisi akademis mahasiswa mengakibatkan perbedaan waktu yang diperlukan untuk menyelesaikan skripsi. Ada mahasiswa yang dapat menyelesaikan skripsi tepat enam bulan sesuai dengan target akademik universitas, tetapi ada juga yang kurang atau lebih dari enam bulan. Tujuan penelitian ini adalah menganalisis signifikansi keterkaitan hubungan faktor-faktor yang berisiko terhadap lama penyelesaian skripsi. Faktor-faktor yang diamati adalah Topik Penelitian, Jenis Penelitian, Jenis Data, IPK, Bidang Keahlian Dosen Pembimbing Pertama, Jenis Kelamin Mahasiswa dan Jenis Kelamin Dosen Pembimbing. Dilakukan penelitian terhadap sampel jenuh skripsi mahasiswa dan karakteristik akademiknya. Metode analisis statistika yang digunakan adalah Chi-Square Automatic Interaction Detection (CHAID). Hasil penelitian menunjukkan variabel yang signifikan dan paling erat kaitannya dengan Lama Penyelesaian Skripsi adalah Jenis Kelamin Dosen Pembimbing. Variabel berikutnya adalah IPK, Bidang Keahlian Dosen Pembimbing, dan Topik Penelitian. Dosen Pembimbing Laki-Laki dan Perempuan memiliki Odds Ratio sebesar 2,3; artinya mahasiswa yang dibimbing oleh Dosen Laki-Laki, cenderung lebih besar peluangnya 2,3 kali lipat dapat menyelesaikan skripsi kurang dari 6 bulan, daripada mahasiswa yang dibimbing oleh Dosen Perempuan. Namun demikian, mahasiswa yang dibimbing oleh Dosen Perempuan, memiliki faktor risiko lainnya yang berkaitan, yaitu IPK. Mahasiswa dengan IPK minimal 2,76 berpeluang 3 kali lebih besar dapat menyelesaikan skripsi kurang dari 6 bulan, dibandingkan mahasiswa dengan IPK kurang dari 2,76; yang masih dipengaruhi oleh Bidang Keahlian Dosen Pembimbing dan Topik Penelitian. Kata kunci: Skripsi, Lama Penyelesaian Skripsi, Metode CHAID, Odds Ratio S - 8 A. PENDAHULUAN Skripsi adalah tulisan ilmiah yang harus dibuat oleh mahasiswa sebagai bentuk kegiatan akademik akhir program, dan merupakan salah satu syarat untuk memperoleh gelar akademik pada masing-masing program studi. Tulisan ilmiah dalam skripsi dibuat sebagai hasil dari laporan pelaksanaan kegiatan penelitian atau dari pelaksanaan praktek lapangan. Pelaksanaan penelitian atau praktek lapangan dilakukan oleh setiap mahasiswa dengan bimbingan dosen pembimbing yang ditetapkan oleh pimpinan fakultas berdasarkan usulan program studi (Unsri, 2012). Skripsi dibebankan kepada setiap mahasiswa dengan persyaratan yang diatur dan ditetapkan dalam kurikulum program studi dan sesuai dengan aturan akademik universitas. Normalnya, lama waktu penyelesaian skripsi adalah satu semester (enam bulan). Beragamnya kondisi akademis mahasiswa mengakibatkan perbedaan waktu yang diperlukan untuk menyelesaikan skripsi. Berdasarkan data wisudawan (Jurusan Matematika, 2012) untuk setiap periode pelaksanaan wisuda, menunjukkan variasi lama waktu penyelesaian skripsi mahasiswa. Untuk periode wisuda ke-94 (Maret 2010), rata-rata lama waktu penyelesaian skripsi mahasiswa adalah 4,80 bulan; periode wisuda ke-96 (September 2010) menunjukkan rata-rata lama waktu Makalah dipresentasikan dalam Seminar Nasional Matematika dan Pendidikan Matematika dengan tema Penguatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang Lebih Baik" pada tanggal 9 November 2013 di Jurusan Pendidikan Matematika FMIPA UNY

penyelesaian skripsi mahasiswa adalah 7,26 bulan; untuk periode wisuda ke-97, ke-102, dan ke-103, berturut turut adalah 4,89 bulan; 4,10 bulan; dan 6,12 bulan. Ada mahasiswa yang dapat menyelesaikan skripsi tepat enam bulan sesuai dengan target akademik universitas, tetapi ada juga yang kurang atau lebih dari enam bulan. Perbedaan lama penyelesaian skripsi dapat dipengaruhi oleh berbagai faktor, baik faktor internal atau pun eksternal mahasiswa. Faktor-faktor itu antara lain prestasi akademik yang diukur dengan Indeks Prestasi Kumulatif (IPK), Jenis Kelamin Mahasiswa, Topik/Bidang Penelitian yang dikaji, Jenis Data yang digunakan dalam penelitian, atau dapat juga diduga bahwa Jenis Kelamin Pembimbing berisiko terhadap lamanya penyelesaian skripsi. Berdasarkan uraian di atas, tujuan penelitian ini adalah menganalisis signifikansi keterkaitan hubungan faktor-faktor yang berisiko terhadap lama penyelesaian skripsi. Teknik analisis data yang digunakan adalah salah satu analisis statistika yaitu Metode Chi Square Automatic Interaction Detection (CHAID). Hasil penelitian diharapkan dapat dijadikan perhatian untuk mencegah keterlambatan penyelesaian skripsi, atau dapat dijadikan bahan pertimbangan untuk mempercepat penyelesaian skripsi mahasiswa. Sehingga secara tidak langsung dapat berdampak pada percepatan masa studi mahasiswa. B. METODE PENELITIAN 1. Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif dengan studi korelasional terhadap faktor-faktor yang risiko lama penyelesaian skripsi mahasiswa. Data yang digunakan yaitu rekap data skripsi yang ada di Ruang Baca Jurusan Matematika dan data lulusan mahasiswa yang telah mengikuti wisuda mulai periode ke-84 (September 2010) sampai periode 107 (Mei 2013), yang berjumlah 274 wisudawan. 2. Variabel Penelitian Variabel terikat (dependent variable) dalam penelitian ini adalah Lama Penyelesaian Skripsi. Lama penyelesaian skripsi dihitung sejak mahasiswa menerima surat penunjukkan pembimbing dari jurusan hingga selesai melaksanakan sidang sarjana dan dinyatakan lulus melalui Surat Keputusan Yudisium (FMIPA, 2012). Lama Penyelesaian Skripsi dikategorikan menjadi tiga, yaitu Kurang dari 6 Bulan (Y = Cepat), Tepat 6 Bulan (Y = Tepat), dan Lebih dari 6 Bulan (Y = Lambat). Variabel-variabel bebas (dependent variable) yang diamati dituliskan pada Tabel 1. Tabel 1. Variabel Bebas yang Diamati No Nama Variabel (Notasi) Tipe Kategori 1 Indeks Prestasi Kumulatif (IPK) Ordinal 1: 3,51-4,00 (Dengan Pujian) 2: 2,76-3,50 (Sangat Memuaskan) 3: 2,00-2,75 (Memuaskan) Jenis Kelamin Mahasiswa 1: Laki-laki 2 (JKM) 2: Perempuan Topik Skripsi 1: Matematika Murni 3 (TOPIK) 2: Statistika Bidang Keahlian Dosen Pembimbing Utama 3: Aktuaria 4 (BKDos) 4: Optimasi Yogyakarta, 9 November 2013 MS - 48

5: Komputasi 5 Jenis Data yang Digunakan (JD) 1: TidakMenggunakan Data 2: Data Primer 3: Data Sekunder 6 Jenis Penelitian (JP) 1: Studi Literatur/Teoritis 2: Survey/Aplikasi 7 Jenis Kelamin Dosen Pembimbing Utama (JKP1) 1: Laki-laki 2: Perempuan 3. Pengolahan dan Analisis Data Pengolahan data dilakukan secara statistik deskripsi dan dilanjutkan dengan inferensi menggunakan Algoritma Metode Chi-Square Automatic Interaction Detection (CHAID). Berikut adalah tahap pengolahan dan analisis data yang dilakukan. a. Mendeskripsikan data karakteristik lama penyelesaian skripsi mahasiswa b. Menerapkan Algoritma CHAID, Huba (2001), Kass (1982). Nilai Chi-Square untuk tabel kontingensi ukuran r-baris dan c-kolom, dihitung dari (Siegel, 1988) dan Agresti (2002): χ = (O E ) E, dengan E ij = R i+c +j n χ = χ ; db = (r 1)(c 1) c. Menggambarkan dendogram Lama Penyelesaian Skripsi hasil Algoritma CHAID, contoh aplikasi Metode CHAID dapat dilihat pada Cahyawati (2007, 2010). d. Menginterpretasikan dendogram Lama Penyelesaian Skripsi, yaitu : 1) Menentukan urutan keeratan setiap variabel bebas terhadap Lama Penyelesaian Skripsi, berdasarkan p value variabel bebas terhadap variabel terikat. 2) Menghitung nilai Odds Ratio setiap variabel bebas. Odds Rasio Agresti (2002) adalah ω = dengan Ω = adalah perbandingan peluang (atau frekuensi) kejadian kategori pertama dengan kategori lainnya pada baris ke-i. Contoh aplikasi Odds Ratio dapat dilihat pada Cahyawati (2007, 2010). C. HASIL DAN PEMBAHASAN 1. Deskripsi Data Data yang dianalisis ada sebanyak 274 mahasiswa lulusan Jurusan Matematika FMIPA, lengkap dengan karakteristik akademik dan skripsinya. Deskripsi data dari 274 lulusan dengan karakteristik akademik dan skripsinya, ditampilkan pada Tabel 2. Berdasarkan Tabel 2, terlihat bahwa persentase tertinggi Lama Penyelesaian Skripsi ada pada kategori Cepat (49,64%). Untuk kategori ini, Topik Skripsi terbanyak adalah Statistika, dengan Jenis Penelitian adalah Survey, dan Data yang digunakan adalah Sekunder. Lulusan yang menyelesaikan skripsi dengan kategori Lambat, ada sebanyak 21,53%. Yogyakarta, 9 November 2013 MS - 49

Untuk mendapatkan signifikansi keterkaitan antar variabel, diterapkan Algoritma Metode CHAID. 2. Aplikasi Metode CHAID terhadap Data Lama Penyelesaian Skripsi Mahasiswa Proses analisis Metode CHAID dilakukan dengan memecah dan mengelompokkan data secara iteratif, dimulai dari variabel bebas yang mempunyai hubungan paling kuat dengan variabel terikat yang ditunjukan oleh besarnya p value berdasarkan Uji Chi-Square. Analisis CHAID juga melakukan penggabungan kategori-kategori variabel bebas yang tidak memiliki hubungan dengan variabel terikat menjadi satu kategori, sehingga hasil penggabungan itu menjadi kategori yang signifikan berkaitan dengan variabel terikat. Melalui metode ini, dihasilkan variabel-variabel bebas yang signifikan berkaitan dengan variabel terikat mulai dari yang paling tinggi keeratannya hingga yang paling rendah (Huba, 2001), yang digambarkan pada dendogram. Dendogram hasil Metode CHAID untuk data Lama Penyelesaian Skripsi digambarkan pada Gambar 1. Dendogram menunjukkan bahwa dari tujuh variabel bebas yang diamati, ada empat variabel yang signifikan berkaitan dengan Lama Penyelesaian Skripsi. Keempat variabel itu, mulai dari yang paling erat kaitannya sampai yang paling lemah, adalah (1) Jenis Kelamin Dosen Pembimbing Utama, (2) IPK Mahasiswa, (3) Bidang Keahlian Dosen Pembimbing Utama, dan (4) Topik Skripsi Mahasiswa. Terlihat pada Gambar 1, variabel-variabel itu telah dikategorikan ulang. Dendogram Gambar 1, dapat dijelaskan sebagai berikut. 1) Variabel pertama yang paling erat kaitannya dengan Lama Penyelesaian Skripsi adalah Jenis Kelamin Dosen Pembimbing Utama. Berdasarkan variabel ini, perbandingan nilai kejadian mahasiswa yang menyelesaikan skripsi pada waktu yang Cepat dan Lambat, ditentukan dengan nilai Odds Ratio yang diperoleh yaitu 2,34. Artinya, mahasiswa yang dibimbing oleh Dosen Laki-Laki, cenderung lebih besar peluangnya 2,3 kali lipat dapat menyelesaikan skripsi kurang dari 6 bulan, daripada mahasiswa yang dibimbing oleh Dosen Perempuan. Namun demikian, mahasiswa yang dibimbing oleh Dosen Perempuan, memiliki faktor risiko lainnya yang berkaitan, yaitu IPK, Bidang Keahlian Dosen, dan Topik Skripsi. 2) Variabel kedua yang erat kaitannya dengan Lama Penyelesaian Skripsi adalah IPK Mahasiswa. Variabel IPK Mahasiswa memiliki keeratan dengan Lama Penyelesaian Skripsi melalui Variabel Dosen Pembimbing Perempuan. Odds Ratio mahasiswa dengan IPK minimal 2,76 adalah 3, artinya mahasiswa ini memiliki peluang 3 kali lebih besar untuk dapat menyelesaikan skripsi dalam jangka waktu kurang dari 6 bulan (Cepat) dibandingkan dengan mahasiswa yang memiliki IPK kurang dari 2,76 yang masih dipengaruhi oleh Bidang Keahlian Dosen Pembimbing Utama dan Topik Skripsi. Tabel 2. Deskripsi Singkat Karakteristik Sampel Lulusan dan Skripsinya No Variabel & Notasi Kategori Cepat (<6 bulan) Lama Penyelesaian Skripsi Tepat (6 bulan) Lambat (>6 bulan) Total Jml % Jml % Jml % Jml % Jumlah Sampel 136 49,64 79 28,83 59 21,53 274 100 1 IPK 1. 3,51-4,00 11 4,01 4 1,47 1 0,36 16 5,84 2. 2,76-3,50 110 40,15 70 25,64 46 16,79 226 82,58 Yogyakarta, 9 November 2013 MS - 50

3. 2,00-2,75 15 5,47 5 1,83 12 4,38 32 11,68 2 Jenis Kelamin Mahasiswa (JKM) 1. laki-laki 34 12,41 19 6,96 20 7,30 73 26,67 2. Perempuan 102 37,23 60 21,98 39 14,23 201 73,44 1.Matematika Murni 20 7,30 17 6,23 8 2,92 45 16,45 3 Topik Skripsi (TOPIK) 2. Statistika 65 23,72 32 11,72 25 9,12 122 44,56 3. Aktuaria 16 5,84 19 6,96 14 5,11 49 17,91 4. Optimasi 32 11,68 9 3,30 12 4,38 53 19,36 4 5 6 Jenis Data Skripsi (JD) Jenis Penelitian (JP) Jenis Kelamin Pembimbing (JKP1) 5. Komputasi 3 1,09 2 0,73 0 0,00 5 1,82 1. Tidak Pakai Data 34 12,41 24 8,79 15 5,47 73 26,67 2. Primer 39 14,23 26 9,52 20 7,30 85 31,05 3. Sekunder 63 22,99 29 10,62 24 8,76 116 42,37 1. Literatur 34 12,41 25 9,16 16 5,84 75 27,41 2. Survey 102 37,23 54 19,78 43 15,69 199 72,70 1. laki-laki 44 16,06 26 9,52 10 3,65 80 29,23 2. Perempuan 92 33,58 53 19,41 49 17,88 194 70,87 1.Matematika Murni 54 19,71 27 9,89 17 6,20 98 35,80 7 Bidang Keahlian Dosen Pembimbing (BKDos) 2. Statistika 43 15,69 27 9,89 20 7,30 90 32,88 3. Aktuaria 30 10,95 21 7,69 17 6,20 68 24,84 4. Optimasi 7 2,55 2 0,73 5 1,82 14 5,10 5. Komputasi 2 0,73 2 0,73 0 0,00 4 1,46 3) Variabel ketiga yang signifikan berkaitan dengan Lama Penyelesaian Skripsi adalah Bidang Keahlian Dosen Pembimbing Utama. Bidang Keahlian Dosen yang signifikan hanya ada tiga dikategori, yaitu Matematika Murni, Statistika, dan Aktuaria. 4) Variabel terakhir yang paling lemah kaitannya dengan Lama Penyelesaian Skripsi adalah Topik Skripsi. Hasil analisis menunjukkan bahwa untuk mahasiswa dengan topik penelitian bidang Matematika atau Optimasi, meskipun dibimbing oleh Dosen Yogyakarta, 9 November 2013 MS - 51

Pembimbing yang sesuai keahliannya, namun dengan IPK yang kurang dari 2,76; mahasiswa itu cenderung menyelesaikan skripsi lebih dari 6 bulan (Lambat). D. SIMPULAN DAN SARAN Simpulan 1) Variabel yang signifikan memiliki ketrekaitan dengan Lama Penyelesaian Skripsi, mulai yang paling erat hubungannya adalah Jenis Kelamin Dosen Pembimbing Utama. Selanjutnya adalah IPK, Bidang Keahlian Dosen Pembimbing Utama, dan Topik Skripsi. 2) Kategori Bidang Keahlian Dosen Pembimbing Utama yang signifikan berkaitan dengan Lama Penyelesaian Skripsi adalah Matematika Murni, Statistika, dan Aktuaria, sedangkan Topik Skripsi yang signifikan adalah Matematika Murni, Optimasi, dan Statistika. Saran Hasil analisis menunjukkan bahwa untuk mahasiswa dengan topik penelitian bidang Matematika atau Optimasi, meskipun dibimbing oleh Dosen Pembimbing yang sesuai keahliannya, namun dengan IPK yang kurang dari 2,76; mahasiswa itu cenderung menyelesaikan skripsi lebih dari 6 bulan. Mahasiswa ini berisiko menyelesaikan skripsi lebih lama. Berdasarkan hal itu, perlu diperhatikan mahasiswa yang memiliki IPK kurang dari 2,76 agar lebih dibimbing dan dimotivasi dalam penyusunan skripsinya, terlebih apabila mahasiswa itu memilih topik skripsi bidang Matematika Murni atau Optimasi. Diharapkan dengan bimbingan dan motivasi yang lebih besar, mahasiswa itu tidak mengalami keterlambatan penyelesaian skripsi. E. DAFTAR PUSTAKA Unsri, 2012, Buku Pedoman Akademik dan Kemahasiswaan Tahun 2011/2012, Universitas Sriwijaya, Palembang. Jurusan Matematika, 2012, Panduan Kurikulum Tahun Akademik 2012/2013, FMIPA, Universitas Sriwijaya, Indralaya. Cahyawati, D., 2010, Analisis Hubungan Faktor-Faktor yang Berkaitan dengan Risiko Anak Putus Sekolah Pendidikan Dasar (Kasus Wilayah Kabupaten Ogan Ilir Provinsi Sumatera Selatan), Prosiding Seminar Nasional Statistika 2010, Jurusan Statistika FMIPA, Universitas Padjadjaran, Bandung. Cahyawati, D., 2007, Karakteristik Anak Putus Sekolah Pendidikan Dasar (Kasus: Analisis Data Susenas Tahun 2000 Provinsi Sumatera Selatan), Jurnal Penelitian Sains, Fakultas MIPA Universitas Sriwijaya, Palembang. Agresti, A., 2002, Categorical Data Analysis, John Wiley & Son, New York Huba, G.J, 2001, CHAID, http://www.themeasurment.com/definitions/ CHAID.htm, diakses Tahun 2003. SAS Institute, Inc, 1990, SAS/STAT User s Guide, Version 6, 4 th edition, Volume 2, Cary NC:SAS Institute, Inc. Yogyakarta, 9 November 2013 MS - 52

Siegel, S. 1988. Nonparametrik Statistics For the Behavioral Sciences. New York: McGraw-Hill,Inc. Kass, G.V, 1982, Automatic Interaction Detection (AID) Techniques, Encyclopedia of Statistical Sciences Vol 1. Ed. Kots, Z. & Johnson, N.L. John Wiley & Son, New York. Yogyakarta, 9 November 2013 MS - 53

SPL : LAMASKRIPSI VAL : 1 2 3 COU : 136 79 59 % : 49.628.8 21.5 PVA : 0.0651 0.0761 SPL : JKP1 (1) COU : 44 26 10 % :55 32.5 12.5 PVA : 0.4608 0.6415 SPL : JKP1 (2) COU : 92 53 49 % : 47.427.3 25.3 PVA : 0.0084 0.1558 SPL : IPK (1,2) COU : 85 52 39 % : 48.329.5 22.2 PVA : 0.1266 0.1729 SPL : IPK (3) COU : 7 1 10 % : 38.95.6 55.6 PVA : 0.0822 0.3980 SPL : BKDos (1) COU : 3 0 8 % : 27.30 72.7 PVA : 0.0320 0.1991 SPL : BKDos (2) COU : 1 1 1 % : 33.333.3 33.3 PVA : 0.2231 0.2231 SPL : BKDos (3) COU : 3 0 1 % : 75.00.0 25.0 PVA : 0.1353 0.1353 SPL : TOPIK (1,4) COU : 1 0 8 % : 11.10.0 88.9 PVA : 0.2357 0.2357 SPL : TOPIK (2) COU : 2 0 0 % : 100 0.0 0.0 PVA Gambar 1. Dendogram Lama Penyelesaia Skripsi Mahasiswa Jurusan Matematika FMIPA Universitas Sriwijaya Yogyakarta, 9 November 2013 54