Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

dokumen-dokumen yang mirip
X a, TINJAUAN PUSTAKA

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB III ESTIMASI MODEL PROBIT TERURUT

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB II LANDASAN TEORI

MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB II TINJAUAN PUSTAKA

Uji Statistika yangb digunakan dikaitan dengan jenis data

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

UKURAN GEJALA PUSAT DAN UKURAN LETAK

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III UKURAN PEMUSATAN DATA

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB III ISI. x 2. 2πσ

Statistika ITS Surabaya

S2 MP Oleh ; N. Setyaningsih

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner.

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

Regresi Linier Sederhana Definisi Pengaruh

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

II. TINJAUAN PUSTAKA 2.1. Penyakit Jantung Koroner

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

8. MENGANALISIS HASIL EVALUASI

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

BAB 2 LANDASAN TEORI

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

REGRESI LINIER SEDERHANA

BAB III PERSAMAAN PANAS DIMENSI SATU

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

BAB 5 HASIL DAN PEMBAHASAN

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

SOLUSI TUGAS I HIMPUNAN

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB 2 LANDASAN TEORI

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

UKURAN GEJALA PUSAT (UGP)

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE

POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

*Corresponding Author:

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

2.2.3 Ukuran Dispersi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

Transkripsi:

D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog Seuluh Noember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa e-mal: smaza@gmal.com; zakaryah77@gmal.com Abstrak Petgya egembaga soft skll mahasswa telah tertuag dalam eratura akademk ITS yag megharuska mahasswa memeuh la SKEM sebaga syarat lulus d ITS. Utuk tulah ITS mula tahu 008 memberlakuka Satua Kegata Ekstrakurkuler Kemahassawaa (SKEM) bag mahasswa sebaga salah satu syarat kelulusa (yudsum). Peratura SKEM datur melalu Peratura ITS o 3/KM/008 yag kemuda derbaru dega Peratura ITS o 0594/I/KM/00 []. Peelta bertujua utuk megetahu faktor faktor yag memegaruh redkat kelulusa SKEM d ITS. Pada eelta dguaka metode regres logstk ordal utuk memodelka. Deroleh hasl bahwa yag beregaruh terhada SKEM adalah fakultas,, kegata orgasas da restas. Kata Kuc SKEM, Regres Logstk Ordal, Soft Skll. II. TINJAUAN PUSTAKA A. Regres Logstk Metode regres meruaka aalss data yag dguaka utuk mecar hubuga atara varabel reso (y) dega satu atau lebh varabel redktor (x) [3]. Tujua dar metode adalah memeroleh model yag bak da sederhaa yag meggambarka varabel reso dega sekumula varabel redktor. Regres logstk meruaka suatu aalss regres yag dguaka utuk meggambarka hubuga atara varabel reso yag bersfat dkotomus (berskala omal atau ordal dega dua kategor) atau olkotomus (berskala omal atau ordal dega lebh dar dua kategor) dega sekumula varabel redktor bersfat kotu atau kategork [4]. I. PENDAHULUAN Meurut [3], ersamaa regres logstk yag dguaka dar betuk taksra fugs eluag ( x) E (Y x) dyataka dalam ersamaa. V ISI ITS yatu Mejad ergurua tgg dega reutas terasoal dalam lmu egetahua, tekolog, da se, terutama yag meujag dustr da kelauta yag berwawasa lgkuga megadug maka sarat aka muata soft skll. Petgya egembaga soft skll mahasswa telah tertuag dalam eratura akademk ITS yag megharuska mahasswa memeuh la SKEM sebaga syarat lulus d ITS. SKEM telah dberlakuka sejak tahu 008. Dalam kehdua eddka d ITS, egkata mutu da restas akademk meruaka sorota utama yatu dega megembagka hard skll da soft skll, dalam hal hard skll daat dlhat ada restas mahasswa yag dtujukka oleh deks restas (IP) sedagka soft skll dtujukka dega la SKEM. D ss la bayak keyataa yag kta juma d dalam masyarakat ada saat, seorag sarjaa bayak yag mejad mejad egaggura, semetara tu orag yag bereddka redah justru daat mecaa sukses dalam hduya karea berbekal soft sklls yag kuat. Keyataa sesua dega hasl eelta terhada 50 orag tersukses d Amerka [] yag meujukka bahwa yag alg meetuka kesuksesa mereka bukalah keteramla teks (hard sklls), melaka kualtas dr yag termasuk dalam katagor keteramla luak (softsklls). Oleh karea tu, mejad etg bahwa restas belajar dtelt tdak haya dalam bdag hard skll saja amu kemamua soft skll juga jauh lebh etg.. ( x) e 0 x x x e 0 x x x () Kemuda dlakuka trasformas logt utuk meyederhaaka ersamaa dalam betuk logt sebaga berkut. ( x) g ( x) l 0 x x x ( x) () B. Regres Logstk Ordal Regres logstk ordal meruaka salah satu aalss regres yag dguaka utuk megaalsa hubuga atara varabel reso dega varabel redktor, dmaa varabel reso bersfat olkotomus dega skala ordal. Peluag kumulatf P(Y r x ) ddefska sebaga berkut. ex 0 r k xk P (Y r x ) π(x) ex 0 r k xk dmaa x x, x,..., x (3) meruaka la egamata ke- ( =,,, ) dar seta varabel varabel redktor [4]. Pedugaa arameter regres dlakuka dega cara me-

D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) gurakaya megguaka trasformas P(Y r x ). LogtP (Y r x ) l P (Y r x ) logt P (Y r x ) dar (4) dega =,,,. Sehgga ddaatka fugs llkelhood mejad (0) L β y l x y l x y l x Persamaa 5 ddaatka dega mesubstuska ersamaa 3 da ersamaa 4. ex β 0 r β k xk ex β0 r k β k xk LogtP (Y r x ) l ex β0 r β k xk ex β 0 r β k xk k Maksmum l-lkelhood daat deroleh dega cara medferesalka L(β) terhada β da meyamaka dega ol aka deroleh ersamaa. Peyelesaa turua ertama dar fugs l-lkelhood tdak ler, sehgga dguaka metode umerk yatu teras Newto-Rahso utuk medaatka estmas arameterya [4]. q dega la βk utuk seta k =,,, ada seta model regres logstk ordal adalah sama. Jka terdaat tga kategor reso dmaa r = 0,, maka eluag kumulatf dar reso ke-r seert ada ersamaa 6 da 7. (6) ex β0 β k xk P(Y x ) ex β0 β k xk dmaa, ex β0 β k xk P(Y x ) ex β0 βk xk 0 β (t ) β (t) (H (t) ) q (t) (5) LogtP (Y r x ) β 0 r β k xk 0 (7) Berdasarka kedua eluag kumulatf ada ersamaa 6 da 7, ddaatka eluag utuk masg-masg kategor reso sebaga berkut. (t ) L(β) 0 L(β) L(β) 0 T () T L(β) L(β) L(β) 0 0 0 0 L(β) L(β) L(β) Η (t ) 0 0 0 0 L(β) L(β) L (β) 0 0 () dega bayakya teras t = 0,,, Iteras Newto-Rahso aka berhet aabla (t ) (t ). D. Peguja Parameter Model yag telah deroleh erlu duj sgfkas ada koefse β terhada varabel reso, yatu dega uj seretak da uj arsal.. Uj Seretak Peguja dlakuka utuk memerksa kemakaa koefse β terhada varabel reso secara bersama-sama dega megguaka statstk uj. Hotess : H0 : β= β= = β=0 H : alg sedkt ada satu βk 0 ; k =,,, Statstk uj yag dguaka adalah statstk uj G atau Lkelhood Rato Test. ex β0 βk xk P(Yr ) ( x) ex β0 βk xk 0 0 G l y0 y y 0 x x x ex β0 βk xk ex β0 βk xk P(Yr ) ( x) ex β0 βk xk ex β0 βk xk (3) dmaa, (8) 0 y 0, C. Estmas Parameter Estmas arameter model regres logstk ordal megguaka Maxmum Lkelhood Estmator (MLE). Metode MLE memberka la estmas β dega memaksmumka fugs lkelhood. Jka meruaka samel dar suatu oulas maka betuk umum dar fugs lkelhood utuk samel sama dega deede observas sesua ersamaa 9. l β 0 x 0 x x (9) y y y y, y, 0 Daerah eolaka H0 adalah jka G (,df ) dega derajat bebas v. atau -value < α. Statstk uj G megkut dstrbus Ch-square dega derajat bebas [3].. Uj Parsal Peguja dlakuka utuk memerksa kemakaa koefse β secara arsal dega megguaka statstk uj. H0 : βk = 0 H : βk 0 ; k =,,,

D-3 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Tabel resktor eelta Statstk uj yag dguaka adalah statstk uj Wald. W ˆk SE ˆ k IPK Prestas Kegata Orgasas Notas x_ x_ x_3 x_4 x_5 x_ x_ x3_ x3_ x3_3 x3_4 x3_5 x3_6 x3_7 x3_8 x4 x5 x6 Pelatha x7 Daerah eolaka H0 adalah W Z atau W, v atau -value < α. dega derajat bebas v[3]. E. Uj Kesesuaa Model Peguja dlakuka utuk megetahu kesesuaa suatu model. Statstk uj yag dguaka adalah statstk uj earso, dega hotess sebaga berkut. Jes Kelam Jalur Masuk H0 : model sesua H : model tdak sesua Statstk uj sebaga berkut. ˆ j D y j l y j ˆ j y l j y j ˆ j ˆ j x meruaka eluag observas ke- ada ke-j. Daerah eolaka H0 adalah jka D (df ), derajat bebas ada uj adalah J (k+) dmaa J adalah jumlah kovarat da k adalah jumlah varabel redktor. Semak besar la devace atau semak kecl la -value megdkaska bahwa terdaat kemugka model tdak sesua dega data. F. Iterretas Model Iterretas model meruaka betuk medfska ut erubaha varabel reso yag dsebabka oleh varabel redktor serta meetuka hubuga fugsoal atara varabel reso da varabel redktor. Agar memudahka dalam megterretaska model dguaka la odds rato [3]. Iterretas dar terse adalah la eluag ketka semua varabel x = 0, erhtuga berdasarka π. III. METODOLOGI PENELITIAN 3. Sumber Data Data yag dguaka dalam eelta kal meruaka data sekuder dar Bada Akademk ITS tetag IPK sedagka data SKEM lulusa mahasswa rogram S ITS agkata 00, 009 da 008 bereasal dar LPTSI ITS sebayak 563 data. 3. Peelta a. Reso reso yag dguaka dalam eelta adalah Satua kredt ekstrakulkuler lulusa mahasswa ITS. Berkut daat dlhat ada tabel Tabel resos eelta Predkat SKEM b. Notas y_ y_ y_3 Keteraga FMIPA FTI FTSP FTK FTIF Lak-lak Peremua PMDK Reguler PMDK Prestas PKM kemtraa PKM Madr Bdk Ms Uggula Madr S Kerjasama UM Desa Keteraga Cuku Bak Sagat Bak Predktor redktor yag dguaka dalam eelta bsa dlhat dalam tabel 3.3 Defs Oerasoal Kose defs beberaa varabel yag dguaka dalam eelta daat djelaska sebaga berkut.. Predkat Kelulusa SKEM meruaka redkat yag dberka keada lulusa yag terdr dar emat tgkata yatu cuku, cuku bak, bak da sagat bak.namu dalam eelta yag kategor dguaka adalah sebayak 3 kategor yatu cuku, bak da sagat bak. Jad ada eggabuga atara kategor cuku bak da bak mejad satu kategor yatu kategor bak. a. Cuku yatu lulusa dega la SKEM <500 b. Bak yatu lulusa dega la SKEM 500500 c. Sagat Bak lulusa dega la SKEM >500. adalah baga dar ergurua tgg yag memelajar bdag lmu tertetu. Dalam hal fakultas d ITS terdr dar FMIPA, FTI, FTSP, FTK da FTIF 3. Jalur masuk adalah jes-jes seleks masuk calo mahasswa baru. Terdr dar 8 atara la sebaga berkut. PMDK reguler, PMDK restas, PKM kemtraa, PKM madr, SBMPTN/SNMPTN, Uggula Madr, S kerjasama da UM desa. 4. IPK meruaka deks restas komulatf. Terdaat 3 redkat yag dberka keada lulusa yag terdr dar dega uja, sagat memuaska da memuaska. 5. Prestas meruaka suatu ecaaa, dalam hal restas yag dguaka adalah frekues memeagka suatu evet bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. 6. Kegata Orgasas meruaka kegata yag dadaka oleh suatu orgasas utuk mecaa tujua dar orgasas tersebut bak tu khusus aggotaya sedr mauu masyarakat umum sekalu. Dalam eelta yag dguaka

D-4 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) 7. 8. 9. adalah frekues megkut kegata orgasas bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. Pelatha egembaga dr meruaka suatu kegata utuk meembuh kembagka otes dr. Dalam hal yag dguaka adalah frekues megkut elatha bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. Forum komukas lmah adalah suatu kegata yag membcaraka formas atau su-su lmah. Dalam hal yag dguaka adalah frekues megukut forum lmah bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. Dalam aalss deskrtf eelt megkodg o restas, kegta orgasas, elatha egembaga dr da forum komukas lmah mejad 3 yatu tdak erah, erah da serg. a. Tdak erah meruaka ejabara dar kegata yag dkut sebayak 0 atau tdak erah megkut kegata. b. Perah meruaka ejabara dar kegata yag dkut sebayak -3 kegata. c. Serg meruaka ejabara dar kegata yag dkut sebayak lebh dar 3. 3.4 Lagkah Peelta Taha aalss data dalam eelta adalah sebaga berkut:. Melakuka aalss deskrtf terhada restas lulusa mahasswa. Utuk megetahu faktor-faktor yag memegaruh redkat kelulusa SKEM mahasswa S ITS Surabaya dega megguka regres logstk ordal. Lagkah-lagkahya sebaga berkut. a. Melakuka uj Multkolertas b. Melakuka uj arsal atara varabel redktor dega varabel reso. c. Melakuka uj seretak atara varabel redktor dega varabel reso berdasarka varabel yag sgfka ada uj arsal. d. Melakuka uj sgfkas arameter dar seta model regres logstk ordal secara seretak utuk megetahu varabel-varabel redktor yag beregaruh sgfka terhada varabel reso. e. Membuat da megterretaska model regres logstk ordal yag varabelya sgfka ada uj seretak. f. Melakuka eguja kesesuaa model dega megguaka statstk uj earso. g. Meghtug da megterretaska keteata klasfkas model. IV. ANALISIS DAN PEMBAHASAN Pada embahasa aka dlakuka aalss regres logstk ordal dega megguka varabel reso redkat kelulusa SKEM (sagat bak, bak, cuku bak da cuku) da beberaa varabel redktor. Data yag dguaka sebayak 563 mahasswa. 4. Karakterstk Lulusa Mahasswa ITS Surabaya Karakterstk mahasswa ITS daat dketahu melalu statstka deskrtf sebaga berkut. Aalls dguaka utuk meemuka gambara secara sederhaa terhada data atau lulusa mahasswa ITS dar berbaga ss. Pada Gambar 4. ITS memlk lulusa dega redkat kelulusa SKEM sagat bak yag cuku bayak yatu sebayak 34,4% hal berart sebaga besar lulusa mahasswa ITS agkata 008-00 memuya kemamua soft skll yag tgg. 3.66% 34.4% CUKUP BAIK 33.0% SANGAT BAIK Gambar Persetase Predkat SKEM ITS agkata 008-00 4. Faktor yag Memegaruh Predkat SKEM Lulusa Mahasswa S Taha selajutya yatu melakuka emodela regres logstk ordal. Bayakya redktor yag dguaka sebayak 8 varabel da varabel reso dega 4 kategor yatu cuku, cuku bak, bak da sagat bak. Tujua dar emodela adalah utuk megetahu faktorfaktor yag memegaruh restas belajar mahasswa S ITS Surabaya. 4.. Peguja Ideedes Tabel 3. Uj Ideedes Pearso Ch-Square P-value 48,994 Keutusa Keteraga 0,000 Deede Deede Jes Kelam 5,70 0,046 Jalur Masuk 34,659 0,04 Deede IPK 3,847 0,497 Gagal Ideede Pelatha 9,98 0,38 Deede Prestas 0,04 0,33 Deede 0,03 Deede Forum Ilmah 0,907 Dketahu bahwa haya ada 7 varabel yag sgfka. I berart ada hubuga atara varabel redktor terhada varabel reso. Hal dtujukka oleh la Pvalue yag kurag dar α = 5% atau la htug lebh besar dar (, ; ). 4.. Peguja Secara Parsal Lagkah ertama dalam regres logstk ordal adalah meregreska seluruh varabel yag redktor yag dduga beregaruh terhada restas mahasswa, hgga memeroleh model yag memlk varabel sgfka. H0 : β = β = = β8 = 0 H : Mmal ada satu βk 0, k =,,, 8. Hasl eguja arsal daat dlhat ada Tabel 4.0. Tabel 4. Uj Parsal Kategor Estmas Kostata () -0.79 Wald 3.564 P-value

JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) (X) Pelatha (X5) FMIPA FTI FTSP FTK Kostata () Lak-lak Kostata () Uggula Madr PKM Kemtraa PKM Madr PMDK Prestas PMDK Reguler S Kerjasama SBMPTN Kostata () Prestas (X6) Kostata () Forum Ilmah (X7) Kegata Orgasas (X8) Kostata () Jes Kelam (X) Jalur Masuk (X3) Kostata () 0.59-0.079 0.34-0.75-7 -0.685 0.69 0.07-0.405 0.974-0.083 0.4 0.38 0.347 0.389 0.96 0,355-0.68 0.695 0.0-0.690 0.688 0.037-0.699 0.677 0,00-0.577 0.806 0.04 74.664,005.3 0.707 5 303.687 309.695.064 7.85 45.057 0.075 0.709 4.435 4.043 5.897.67 5.7 47.430 56.763.675 465.440 463.4 5.59 395.70 37.90.45 30.79 43.0 33.30 0.36 0.8 0.94 0.5 5 0.784 0.4 0.035 0.044 0.05 0.3 0.07 0.96 0.09 0.33 *) Sgfka utuk α = 5% Berdasarka Tabel daat dketahu bahwa terdaat beberaa varabel yag sgfka terhada varable reso yatu fakultas, jalur masuk, kegata orgasas da restas. Terdaat 4 varabel redktor yag tdak sgfka yatu jes kelam, IPK, elatha da forum lmah. Iterretas varabel yag tdak sgfka adalah varabel tersebut tdak ada hubuga dalam meetuka redkat kelulusa mahasswa. Peguja arsal memeroleh la odds rato utuk lulusa mahasswa dega Tekolog Sl da erecaaa sebesar ex(-0,75) = 0.760 yag berart bahwa Tekk Sl memlk resko medaat la SKEM dega redkat sagat bak dbadg medaat la SKEM cuku atau bak sebesar 0.760 kal lebh kecl dbadgka dega Tekolog Iformas (FTIF). Utuk mahasswa dega jes kelam lak-lak memlk odds rato sebesar ex(0,07) =.074 yag meujukka bahwa lulusa yag berjes kelam lak-lak memlk memlk resko medaat la SKEM dega redkat sagat bak dbadg medaat la SKEM cuku atau bak sebesar.074 kal lebh besar dbadgka dea lulusa dega jes kelam eremua. Jalur masuk melalu uggula madr memuya odds rato sebesar ex(-0,083) = 0.9 yag meujukka bahwa jalur masuk melalu rogram uggula madr memuya memlk resko medaat la SKEM dega redkat sagat bak dbadg medaat la SKEM cuku atau bak sebesar 0.9 kal lebh kecl dbadgka dega jalur masuk melalu rogram UM desa. D-5 4..3 Peguja Secara Seretak Pada eguja seretak, varabel yag dmasuka adalah varabel-varabel yag telah sgfka ada uj arsal sebelumya, daat dlhat ada tabel 5. Predkat SKEM (y) (X) Jalur Masuk (X3) Prestas (X6) KegOrg (X8) Tabel 5. Uj Seretak Varbel Sgfka Wald Kategor Estmas Kostata () -.699 5,346 0.73 7.98 FMIPA -0.73 4.440 FTI 0.048 0.5 FTSP -0.340 4.896 FTK -0.04 0.08 Uggula -0.3.095 Madr PKM Kemtraa -0.40 0.64 PKM Madr 0.07 0.94 PMDK Prestas PMDK Reguler -0.00 0.0 S Kerjasama -0.065 0.00 SBMPTN 0.037 0.054 0.08 3,0 0.04 3.585 P-value 0.035 0.67 0.894 0.95 0.43 0.659 0.995 0.9 0.75 0.86 0.078 *) Sgfka utuk α = 5% Berdasarka Tabel 3 daat dketahu varabel yag beregaruh secara sgfka terhada redkat SKEM adalah varabel-varabel yag memlk la _value kurag dar alfa yatu sebesar 0,05 karea meruaka batas kesalaha yag dtoleras, sehgga dutuska tolak H0. Terdaat 3 varabel yag sgfka yatu fakultas, restas, da kegata orgasas. Setelah megetahu varabel-varabel yag beregaruh lagkah selajutya adalah membetuk fugs logt yagdguaka utuk meghtug eluag model logt. g ( x ), 699 0,73 x() 0, 0480 x( ) 0,34 x( 3) 0, 04 x( 4 ) 0,08 x 6 0,04 x 8 g ( x ) 0, 73 0,73 x() 0,0480 x( ) 0,34 x( 3) 0,04 x( 4 ) 0, 08 x 6 0, 04 x 8 Setelah megetahu fus logt, daat dlakuka erhtuga eluag utuk medaatka eluag berdasarka varabel yag dkehedak. Nla eluag daat dlhat ada tabel 6. Tabel 6. Peluag Fugs Model Peluag cuku bak sagat 0,57 0,50 0,33 0,38 0,505 0,357 0,6 0,54 0,34 0,43 0,50 0,347 0,43 0,509 0,348 0,38 0,505 0,357 0,8 0,533 0,85 Nla odds rato utuk varabel fakultas dega kategor FMIPA memuya la sebesar 0.84 yag artya, lulusa Matematka da Ilmu Pegetahua Alam memlk resko medaat redkat SKEM sagat bak dbadgka medaat redkat SKEM cuku, cuku bak atau bak 0.84 kal lebh kecl dbadgka lulusa Tekolog Iformas. Sedagka ada FTSP memuya la odds rato sebesar 0.7 yag artya,

JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) lulusa Tekk Sl da Perecaaa memlk resko medaat redkat SKEM sagat bak dbadgka medaat redkat SKEM cuku, cuku bak atau bak 0.7 kal lebh kecl dbadgka lulusa Tekolog Iformas. Nla odds rato utuk varabel jalur masuk dega kategor rogram uggula madr memuya la sebesar 0.75 yag artya, lulusa rogram uggula madr memlk resko medaat redkat SKEM sagat bak dbadgka medaat redkat SKEM cuku, cuku bak atau bak 0.75 kal lebh kecl dbadgka UM Desa. Peguja secara seretak juga dlakuka utuk megetahu aakah model telah sgfka berdasarka faktor-faktor yag beregaruh terhada redkat SKEM lulusa mahasswa ITS agkata 008-00. D-6 Berdasarka tabel 9 ddaatka hasl bahwa Keteata klasfkas model deroleh sebesar 63,35%. V. KESIMPULAN DAN SARAN A. Kesmula Pada aalss da embahasa data terhada faktorfaktor yag memegaruh skem lulusa mahasswa S ITS Surabaya, maka deroleh hasl sebaga berkut.. Karakterstk mahasswa ITS meujukka bahwa redkat kelulusa yag alg bayak adalah sagat bak. Utuk lulusa yag berjes kelam ra, FMIPA, FTK, IPK sagat memuaska redkat SKEM cederug megkat dar redkat SKEM cuku hgga redkat SKEM sagat bak. Begtu juga lulusa yag tdak Tabel 7 erah megkut elatha, lulusa yag tdak Uj Lkelhood Rato berrestas da lulusa yag serg megkut orgasas Model - Log Lkelhood Ch-Square df Sg. redkat SKEM cederug megkat juga. Itercet Oly 486.068 Fal 4786.655 75.43 3. Secara eguja seretak, faktor yag beregaruh adalah fakultas, restas da kegata orgasas. Berdasarka tabel 7 daat dketahu bahwa eguja secara Keteata klasfkas dar model seratak yag seretak, deroleh keutusa tolak H0 yag artya bahwa ddaatka sebesar 63,35%, yag berart sudah cukub koefse la β sgfka terhada model regres logstk bak. ordal. B. Sara Ada beberaa sara yag daat dberka euls 4.3 Uj Kesesuaa Model setelah eelta dlakuka utuk eelta selajutya Peguja bertujua utuk megetahu aakah sebaga berkut. ersamaa model yag telah dbetuk sesua. Statstk uj yag dguaka adalah uj earso dega hotess. Utuk eelta selajutya sebakya erlu dkaj sebaga berkut. lag tetag varabel la yag belum tercatum dalam H0 : Model sesua (tdak ada erbedaa yag yata atara eelta msalka lama stud. hasl observas dega kemugka hasl redks. Perluya sosalsas keada mahasswa megea model) kewajba utuk mecatumka semua la SKEM H : Model tdak sesua (ada erbedaa yag yata atara yag era drah selama kulah. hasl observas dega kemugka hasl redks model) DAFTAR PUSTAKA []. Ao.,.d. Peratura Isttus Tekolog Seuluh Tabel 8. Uj Kesesuaa Model Noember omor : 0594/I/KM/00 tetag edoma elaksaaa SKEM ada tahu 00. Ch-Square df Sg. Pearso 560.34 436 0,084 []. Illah, Salah., 008, Pegembaga Soft Sklls D Pergurua Tgg. Jakarta : Drektorat Jederal Dar tabel 8 daat dsmulka bahwa model sesua Peddka Tgg. atau tdak ada erbedaa yag yata atara hasl observas [3] Hosmer, D.W. & Lemeshow, S., 000. Aled Logstc dega kemugka hasl redks model karea la Regresso. New York: Joh Wley & Sos, Ic. _value lebh besar dar alfa yatu 0,084 lebh besar [4] Agrest, A., 990. Categorcal Data Aalyss. New dbadgka dega 0,05 sehgga ddaatka keutusa York: Joh Wley & Sos, Ic.. 4.4 Keteata Klasfkas Model Lagkah selajutya yatu meghtug la keteata klasfkas atara la sebearya dega la redks yag deroleh dar model yag telah dbetuk. Observas 3 Total Tabel 9. Keteata Klasfkas Predks Total 3 857 63 93 833 730 75 053 858 7 85 5 9 99 3 309 563 Keteata Klasfkas 63,35%