ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP NILAI AKHIR MAHASISWA

ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP NILAI AKHIR MAHASISWA Tantri Windarti STMIK STIKOM Surabaya Jl. Raya Kedung Baruk 98 Surabaya Email : tantri@stikom.edu ABSTRAK Meningkatkan prestasi belajar mahasiswa merupakan salah satu tugas tujuan pembelajaran di institusi pendidikan. Tujuan pembelajaran tersebut dianggap berhasil dengan melihat sejauh mana prestasi belajar yang dicapai mahasiswa melalui hasil nilai akhir mahasiswa. Penelitian ini bertujuan untuk mengetahui dan menganalisis pengaruh proses pengajaran terhadap nilai akhir mahasiswa mata kuliah statistika jurusan S1 Sistem Informasi semester 2 TA.2011/2012, yang berlangsung pada 13 Pebruari 2012 sampai dengan 2 Juni 2012. Variabel proses pengajaran tersebut terdiri dari dari : (1) Dosen memberikan arah dan tujuan matakuliah kepada mahasiswa, (2) Dosen menyampaikan materi kuliah dengan jelas dan sistematis, (3) Dosen mampu menjadi teladan bagi kedisiplinan mahasiswa, (4) Dosen bersikap terbuka dalam merespon setiap pertanyaan mahasiswa, (5) Dosen mampu memotivasi untuk lebih mendalami materi kuliah, (6) Dosen banyak memberikan contoh - contoh yang membantu pemahaman terhadap materi kuliah, dan (7) Dosen selalu memberikan feedback terhadap evaluasi (latihan, tugas, quiz) yang telah diberikan. Analisis data pada penelitian ini menggunakan analisis regresi linear berganda, dengan uji simultan (uji F) dan uji parsial (uji T) yang bertujuan untuk mengetahui pengaruh variabel independen terhadap variabel dependen pada tingkat kepercayaan 95% atau α = 0,05. Hasil analisis menunjukkan bahwa semua proses pengajaran yang ada pada penelitian ini secara simultan mempunyai pengaruh yang siginifikan terhadap nilai akhir mahasiswa dengan tingkat signifikansi sebesar 0,014. Hasil uji T (secara parsial) yaitu variabel (1), (2), (5) dan (6) berpengaruhi signifikan terhadap nilai akhir mahasiswa, sedangkan variabel (3 ), (4) dan (7) tidak berpengaruh signifikan terhadap nilai akhir mahasiswa. Kata kunci : proses pengajaran, nilai akhir mahasiswa, analisis regresi linear berganda PENDAHULUAN Pendidikan merupakan salah satu instrumen yang dapat ditempuh untuk meningkatkan kualitas Sumber Daya Manusia (SDM). Tanpa ada dukungan SDM yang berkualitas, bangsa Indonesia tidak akan mampu bersaing secara kompetitif dalam menghadapi era globalisasi di masa yang akan datang. Upaya meningkatkan prestasi belajar mahasiswa merupakan salah satu tugas dan tanggung jawab seorang dosen. Dalam pembelajaran di kelas telah banyak cara yang dilakukan dosen yang sampai saat ini belum mendapatkan hasil yang memuaskan. Prestasi belajar merupakan suatu hasil dari proses pembelajaran dimana banyak faktor yang saling mempengaruhi, diantaranya dari peranan dosen dan partisipasi mahasiswa dalam proses pembelajaran. Tujuan pembelajaran dianggap berhasil dengan melihat sejauh mana prestasi belajar yang dicapai mahasiswa melalui hasil nilai akhir mahasiswa. A-15-1

Penelitian ini bertujuan untuk mengetahui dan menganalisis pengaruh proses pengajaran terhadap nilai akhir mahasiswa mata kuliah statistika. Faktor-faktor proses pengajaran yang diperkirakan dapat mempengaruhi nilai akhir mahasiswa adalah : (1) Dosen memberikan arah dan tujuan matakuliah kepada mahasiswa, (2) Dosen menyampaikan materi kuliah dengan jelas dan sistematis, (3) Dosen mampu menjadi teladan bagi kedisiplinan mahasiswa, (4) Dosen bersikap terbuka dalam merespon setiap pertanyaan mahasiswa, (5) Dosen mampu memotivasi untuk lebih mendalami materi kuliah, (6) Dosen banyak memberikan contoh - contoh yang membantu pemahaman terhadap materi kuliah, dan (7) Dosen selalu memberikan feedback terhadap evaluasi (latihan, tugas, quiz) yang telah diberikan. Analisis yang digunakan pada penelitian ini adalah analisis regresi linear berganda. METODE PENELITIAN Pengumpulan Data Penelitian ini menggunakan data primer. Subjek penelitiannya adalah mahasiswa jurusan S1 Sistem informasi semester 2 yang mengambil matakuliah statistika di TA.2011/2012. Penelitian berlangsung selama 1 semester ( 13 Pebruari 2012-2 Juni 2012 ) dengan jumlah responden 46 mahasiswa. Teknik pengumpulan data dilakukan dengan cara observasi dan pengisian kuesioner oleh mahasiswa. Model yang digunakan Analisis regresi linear berganda merupakan pengembangan dari analisis regresi linear sederhana. Kegunaan analisis ini yaitu untuk meramalkan nilai variabel dependen /tak bebas ( Y ) apabila variabel independen/bebasnya ( X ) lebih dari satu. Analisis regresi linear berganda adalah alat untuk meramalkan nilai pengaruh dua variabel independen atau lebih terhadap satu variabel dependen (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan kausal antara dua atau lebih variabel bebas X1, X2,., Xk terhadap suatu variabel tak bebas Y). Hubungan linear lebih dari dua variabel bila dinyatakan dalam bentuk persamaan matematis adalah sebagi berikut : Y ˆ b b X b X... b X 0 1 1 2 2 k k dimana : Ŷ = variabel dependen X1, X2,., Xk = variabel independen b0,b1, b2,., bk = koefisien regresi Pada penelitian ini, variabel dependennya adalah: Y : nilai akhir mahasiswa. Sedangkan variabel independennya adalah proses pengajaran, yaitu: X1 : Dosen memberikan arah dan tujuan matakuliah kepada mahasiswa X2 : Dosen menyampaikan materi kuliah dengan jelas dan sistematis X3 : Dosen mampu menjadi teladan bagi kedisiplinan mahasiswa X4 : Dosen bersikap terbuka dalam merespon setiap pertanyaan mahasiswa X5 : Dosen mampu memotivasi untuk lebih mendalami materi kuliah X6 : Dosen banyak memberikan contoh-contoh yang membantu pemahaman terhadap materi kuliah X7 : Dosen selalu memberikan feedback terhadap evaluasi (latihan, tugas, quiz) yang telah diberikan. A-15-2

Pengolahan Data Pengolahan data pada penelitian ini menggunakan software Minitab dan SPSS, sehingga analisis terhadap hasil penelitian didasarkan pada hasil keluaran software yang telah digunakan. HASIL DAN PEMBAHASAN ANALISIS REGRESI Hasil pengolahan data analisis regresi dengan metode Enter yang menggunakan software SPSS dapat dilihat pada tabel di bawah ini. Sehingga diperoleh model awal analisis regresi linear berganda sebagai berikut : Y = 39,7 + 13,5 X1-19,4 X2-5,54 X3 + 0,93 X4-6,76 X5 + 17,9 X6 + 7,35 X7 Pengujian Asumsi Residual Sebelum melakukan analisis dan interpretasi lebih lanjut terhadap model regresi yang dihasilkannya, ada baiknya dilakukan uji asumsi. Dalam hal ini ada 3 macam sumsi regresi, antara lain : 1. Berasumsi Independen 2. Berasumsi Identik 3. Berasumsi Distribusi Normal Residual plot hubungan antara nilai akhir mahasiswa mata kuliah statistika dengan proses pengajaran dosen dapat dilihat pada gambar di bawah ini. Residual Model Diagnostics A-15-3

Penjelasan : a). Normal Probability Plot Untuk mengetahui residual menunjukkan normal atau tidak, maka dengan menganalisa hasil Pvalue dari grafik normal probability plot. Untuk asumsi ini dilakukan pengujian dengan hipotesa : Ho : εi berdistribusi normal H1 : εi tidak berdistribusi normal Pada gambar Normal Probability Plot di atas dapat diketahui bahwa nilai Pvalue sebesar 0,143. Dari hipotesis di atas dikatakan jika nilai Pvalue-nya kurang dari nilai maka tolak Ho, sebaliknya apabila Pvalue-nya lebih dari nilai maka gagal tolak Ho. Karena nilai Pvalue (0,143) > (0,05) maka dapat disimpulkan bahwa model ini gagal tolak Ho dan residual memenuhi asumsi berdistribusi normal. b). Histogram Pada gambar histogram didapatkan bahwa nilai residual dengan frekuensi terbesar adalah 0. Dari gambar tersebut dinyatakan bahwa histogram tersebut hampir menyerupai grafik distribusi normal. c). Versus Fits Pada gambar versus fits terlihat bahwa titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y dan cenderung homogen. Sehingga dapat dikatakan bahwa data tersebut memiliki residual identik. d). Versus Order Untuk mengetahui residual menunjukkan independen atau tidak, yaitu dengan menggunakan Durbin Watson test. A-15-4

Untuk asumsi ini dilakukan pengujian dengan hipotesa : Ho : s = 0 H1 : s 0 Hasil adalah sebagai berikut : Menurut Draper and Smith, 1992 jika nilai d < dl maka Ho ditolak dengan taraf 2 α. Sehingga, pada kasus ini gagal menolak Ho jadi asumsi residual independen terpenuhi. Hal tersebut juga dibuktikan dengan gambar versus order di atas, terlihat bahwa data tersebut grafiknya tidak berpola atau tidak memiliki pola tertentu, hal ini dapat dilihat bahwa titik-titik pada grafik cenderung bersifat inflasi atau naik-turun, sehingga grafik tersebut dapat dikatakan bersifat independen. Pengujian Model Regresi Karena asumsi residual telah terpenuhi, maka pengujian model regresi layak dilakukan. Pengujian Simultan Pengujian model regresi secara simultan dengan hipotesa : Ho : 1 = 2 =.= 7 = 0 H1 : Minimal ada 1 yang tidak sama dengan 0 Hasil pengohan data adalah sebagai berikut : karena Pvalue (0,014) <, maka Ho ditolak, jadi dapat dikatakan bahwa koefisien regresi ( ) signifikan. Dari pengolahan data, didapat koefisien determinasi adalah 35,4%. Hal ini dapat diartikan bahwa sebesar 35,4% variansi dari nilai akhir mahasiswa dapat dijelaskan oleh variansi dari ketujuh variabel independen. Pengujian Parsial Karena pada uji simultan, diketahui bahwa koefisien regresi ( ) signifikan, maka selanjutnya akan diselidiki koefisien regresi mana yang signifikan pada model dan mana yang tidak dengan statistik Uji T dan = 0,05 melalui hipotesa : Ho : i = 0 H1 : i 0 A-15-5

Hasil adalah sebagai berikut : Tidak semua koefisien regresi signifikan dalam model. Hanya ada 2 variabel yang signifikan, yaitu X2 (Dosen menyampaikan materi kuliah dengan jelas dan sistematis) dan X6 (Dosen banyak memberikan contoh-contoh yang membantu pemahaman terhadap materi kuliah). Namun demikian, tidak selayaknya langsung menghilangkan variabel-variabel yang tidak signifikan dari model regresi ini. Oleh karenanya, dicoba untuk memasukkan satu per satu variabel dan mengamati variabel-variabel mana yang cenderung signifikan pada respon. PENGUJIAN MODEL REGRESI KEDUA Setelah diadakan pengujian parsial pada model regresi pertama ternyata variabel X4 mempunyai Pvalue yang terbesar yaitu 0,872, sehingga variabel X4 (Dosen bersikap terbuka dalam merespon setiap pertanyaan mahasiswa) harus dihilangkan. Kemudian dilakukan pengolahan data analisis regresi lagi dan hasil yang diperoleh sebagai berikut : Model regresi yang baru Y = 41,0 + 13,5 X1-19,6 X2-5,51 X3-6,65 X5 + 18,4 X6 + 7,32 X7 Pengujian Model Regresi Pengujian Simultan Hasil pengolahan data didapatkan Pvalue = 0,007. Jadi dapat dikatakan bahwa koefisien regresi signifikan. A-15-6

Pengujian Parsial Hasil pengohan data adalah sebagai berikut : Dari tabel di atas terlihat bahwa ada 2 variabel yang signifikan, yaitu X2 (Dosen menyampaikan materi kuliah dengan jelas dan sistematis ) dan X 6 (Dosen banyak memberikan contoh-contoh yang membantu pemahaman terhadap materi kuliah). PENGUJIAN MODEL REGRESI KETIGA Hasil analisis model regresi kedua secara parsial tampak terlihat bahwa ada 4 variabel yang tidak signifikan, tetapi hanya variabel X3 (Dosen mampu menjadi teladan bagi kedisiplinan mahasiswa) yang dihapus terlebih dulu karena mempunyai Pvalue paling besar yaitu sebesar 0,290. Setelah dilakukan pengolahan data analisis regresi lagi dan hasil yang diperoleh sebagai berikut : Model regresi yang baru Y = 30.2 + 16.3 X1-18.2 X2-9.44 X5 + 18.3 X6 + 3.92 X7 Pengujian Model Regresi Pengujian Simultan Hasil pengolahan data didapatkan Pvalue = 0,005. Jadi dapat dikatakan bahwa koefisien regresi signifikan. Pengujian Parsial Hasil pengohan data adalah sebagai berikut : A-15-7

Dari tabel di atas terlihat bahwa hanya variabel X7 (Dosen selalu memberikan feedback terhadap evaluasi (latihan, tugas, quiz) yang telah diberikan) yang tidak signifikan. Sehingga variabel X7 akan dihilangkan untuk mendapat model regresi yang baru. PENGUJIAN MODEL REGRESI KEEMPAT Setelah variabel X7 dihapus, maka dilakukan pengolahan data analisis regresi lagi dan hasil yang diperoleh sebagai berikut : Model regresi yang baru Y = 36.0 + 16.7 X1-16.9 X2-8.96 X5 + 18.3 X6 Pengujian Model Regresi Pengujian Simultan Hasil pengolahan data didapatkan sebagai berikut : Nilai Pvalue pada tabel di atas sebesar 0,002. Jadi dapat dikatakan bahwa koefisien regresi signifikan. Pengujian Parsial Hasil pengohan data adalah sebagai berikut : A-15-8

KESIMPULAN Dari tabel di atas terlihat nilai Pvalue pada keempat variabel tersebut kurang dari α, maka dapat dikatakan bahwa keempat variabel proses pengajaran berpengaruhi signifikan terhadap nilai akhir mahasiswa. Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan, maka dapat diambil kesimpulan sebagai berikut : 1. Hasil pengujian secara simultan diperoleh bahwa semua proses pengajaran yang ada pada penelitian ini mempunyai pengaruh yang siginifikan terhadap nilai akhir mahasiswa S1 Sistem Informasi semester 2 yang mengambil matakuliah statistika di TA.2011/2012, dengan tingkat signifikansi sebesar 0,014. 2. Pengujian secara parsial, ada 4 variabel proses pengajaran yang signifikan terhadap nilai akhir mahasiswa S1 Sistem Informasi yang mengambil matakuliah statistika yaitu : Dosen memberikan arah dan tujuan matakuliah kepada mahasiswa (X 1), Dosen menyampaikan materi kuliah dengan jelas dan sistematis (X 2), Dosen mampu memotivasi untuk lebih mendalami materi kuliah (X 5), dan Dosen banyak memberikan contoh-contoh yang membantu pemahaman terhadap materi kuliah (X6). 3. Persamaan regresi dengan memasukkan ketujuh variabel proses pengajaran tersebut menghasilkan koefisien determinasi sebesar 35,4% yang berarti bahwa sebesar 35,4% variansi dari nilai akhir mahasiswa dapat dijelaskan oleh variansi dari ketujuh variabel proses pengajaran dan sisanya 64,6% dijelaskan oleh faktor lain yang tidak diikutkan dalam penelitian ini. Agar penelitian ini mempunyai nilai koefisien determinasi lebih besar, maka perlu menambah data atau menambah faktor-faktor luar selain variabel proses pengajaran yaitu faktor dari diri mahasiswa, misalnya membagi waktu, kecerdasan intelektual (IQ) dan lain sebagainya. DAFTAR PUSTAKA Algifari, 2000, Analisis Regresi : Teori Kasus, dan Solusi, Edisi 2, Penerbit BPFE, Yogyakarta. Boediono & Wayan Koster, 2001, Teori Dan Aplikasi Statistika Dan Probabilitas, PT. Remaja Rosdakarya, Bandung. Drapper and Smith, 1992, Analisis Regresi Terapan, PT. Gramedia Pustaka Utama, Jakarta. Mason, Robert D. & Douglas A. Lind, 1996, Teknik Statistika untuk Bisnis & Ekonomi, Edisi Kesembilan, jilid 1 & 2, Jakarta: Penerbit Erlangga. Nur Irawan & Septin Puji Astusi, Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14, Penerbit ANDI, Yogyakarta. Santoso, Singgih, 2002, Buku Latihan SPP Statistik Parametrik, PT. Elex Media Komputindo Kelompok Gramedia, Jakarta. Walpole, Ronald E., Myers, Raymond H, 2003, Ilmu Peluang dan Statistik untuk Insinyur & Ilmuwan, Edisi 6. Bandung: Penerbit ITB. A-15-9