ANALISIS CHOICE-BASED CONJOINT UNTUK MENGETAHUI PREFERENSI MAHASISWA TERHADAP KONSEP SISTEM KEGIATAN BELAJAR MENGAJAR (Studi Kasus pada Mahasiswa Statistika S1 Departemen Statistika, IPB)
SEPTIAN PUTRI PALUPI
STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Choice-Based Conjoint untuk Mengetahui Preferensi Mahasiswa terhadap Konsep Sistem Kegiatan Belajar Mengajar (Studi Kasus pada Mahasiswa Statistika S1 Departemen Statistika, IPB) adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Desember 2016 Septian Putri Palupi NIM G14120027
ABSTRAK SEPTIAN PUTRI PALUPI. Analisis Choice-Based Conjoint untuk Mengetahui Preferensi Mahasiswa terhadap Konsep Sistem Kegiatan Belajar Mengajar (Studi Kasus pada Mahasiswa Statistika S1 Departemen Statistika, IPB). Dibimbing oleh UTAMI DYAH SYAFITRI dan FARIT MOCHAMAD AFENDI. Analisis konjoin merupakan analisis yang digunakan untuk mengetahui preferensi konsumen yang diukur melalui nilai kegunaan dan nilai kepentingan relatif dari atributatribut yang diteliti. Analisis Choice-Based Conjoint (CBC) merupakan analisis konjoin yang berdasarkan pilihan dan digunakan untuk mengetahui konsep produk atau jasa yang disukai konsumen. Penelitian ini fokus pada aplikasi CBC pada konsep sistem KBM Departemen Statistika, IPB. Kombinasi atribut dibangun menggunakan rancangan fraksional faktorial 25−2. Ada 5 atribut dengan masing-masing mempunyai 2 level, sehingga ada sejumlah 32 kombinasi lengkap. Kombinasi lengkap ini dibagi menjadi 4 blok dengan 8 konsep pada masing-masing blok. Penelitian ini menggunakan respon berbentuk biner (memilih dan tidak memilih) sehingga analisis data yang digunakan adalah analisis regresi logistik biner. Nilai kegunaan total (NKT) dihitung berdasarkan dugaan koefisien pada model regresi logistik. Konsep sistem KBM yang paling disukai yaitu penyampaian materi 2 arah, alat bantu perkuliahan tidak hanya papan tulis tapi juga LCD/proyektor, sumber materi melalui textbook, serta dalam proses perkuliahan terdapat evaluasi dan motivasi dengan sistem hadiah (reward). Kata kunci: choice-based conjoint, konjoin, sistem KBM
ABSTRACT SEPTIAN PUTRI PALUPI. Choice-Based Conjoint Analysis for Preferences of Teaching and Learning System Concept (Case Study on Undergraduate Students of Departement of Statistics, Bogor Agricultural University). Supervised by UTAMI DYAH SYAFITRI and FARIT MOCHAMAD AFENDI. Conjoint analysis is an analysis that used to determine the preferences of consumers as measured by the value of the utility and the relative importance of attributes studied. Choice-Based Conjoint Analysis (CBC) is a conjoint analysis based on a choice and used to determine the concept of products or services that consumers preferred. This research focused on application of CBC on teaching and learning activites system of Statistics Department, Bogor Agricultural University. The combination of attributes were built by 25−2 fractional factorial design. There were five attributes with 2 levels, thus there were 32 full combination. The full profile was divided by 4 blocks with 8 concepts of each blocks. As responses are biner (choose and not choose), a logistic regression is used to analyze the data. Furthermore, sum of the value of utility (NKT) was calculated based on estimation of regression coefficient of logistic regression model. The teaching and learning system concepts were preferred by Statistics students were interactive method, the tools for teaching were not only using whiteboard but also using LCD/projector, material resource from reference books, there were evaluation, and motivation by giving reward(s). Keywords : choice-based conjoint, conjoint, teaching and learning system
Analisis Choice-Based Conjoint untuk Mengetahui Preferensi Mahasiswa terhadap Konsep Sistem Kegiatan Belajar Mengajar (Studi Kasus pada Mahasiswa Statistika S1 Departemen Statistika, IPB)
SEPTIAN PUTRI PALUPI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Sholawat serta salam semoga selalu tercurah kepada pemimpin umat nabi Muhammad SAW beserta keluarga, sahabat, dan umatnya. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2016 sampai Oktober 2016 ini ialah analisis choice-based conjoint, dengan judul Analisis Choice-Based Conjoint untuk Mengetahui Preferensi Mahasiswa terhadap Konsep Sistem Kegiatan Belajar Mengajar (Studi Kasus pada Mahasiswa Statistika S1 Departemen Statistika, IPB). Terima kasih penulis ucapkan kepada : 1. Ibu Dr Utami Dyah Syafitri, MSi dan Dr Farit Mochamad Afendi, MSi selaku pembimbing yang telah banyak memberikan arahan dan masukan selama pembuatan karya ilmiah ini. 2. Seluruh staff pengajar Departemen Statistika IPB yang telah memberikan berbagai bekal ilmu sehingga penulis dapat menyelesaikan studi dan karya ilmiah ini. 3. Seluruh staff administrasi dan karyawan Departemen Statistika IPB yang telah banyak membantu kelancaran studi dan karya ilmiah ini. 4. Bapak, ibu, serta seluruh keluarga atas segala doa, kasih sayang, dan semangat yang telah diberikan. 5. Seluruh teman-teman Statistika 49, Statistika 50, dan Statistika 51. 6. Ika Rojiatus Sa’adah, Kak Putri Windiastuti, Dian Irma Ningtyas, Sri Wijayanti, dan seluruh teman-teman yang telah banyak membantu selama studi dan penyelesaian karya ilmiah ini. 7. Teman-teman RQ 2 IPB, KW37, Rumah Sindikat, dan Adkesmah Iridescent atas segala pengalaman berkesan, doa, dan dukungannya. Penulis menyadari bahwa karya ilmiah ini masih jauh dari sempurna sehingga penulis menerima kritik dan saran untuk penyempurnaan karya ilmiah ini. Semoga karya ilmiah ini bermanfaat.
Bogor, Oktober 2016 Septian Putri Palupi
DAFTAR ISI DAFTAR ISI .............................................................................................. vii DAFTAR TABEL ..................................................................................... viii DAFTAR GAMBAR ................................................................................ viii DAFTAR LAMPIRAN ............................................................................. viii PENDAHULUAN ........................................................................................ 1 Latar Belakang ........................................................................................... 1 Tujuan ........................................................................................................ 2 TINJAUAN PUSTAKA .............................................................................. 2 Penarikan Contoh Acak Berlapis ............................................................... 2 Penarikan Contoh Acak Sistematik ........................................................... 3 Rancangan CBC......................................................................................... 3 Analisis CBC ............................................................................................. 4 Regresi Logistik ......................................................................................... 4 Analisis Konjoin ........................................................................................ 5 METODOLOGI........................................................................................... 6 Data ............................................................................................................ 6 Metode ....................................................................................................... 6 HASIL DAN PEMBAHASAN .................................................................... 9 Profil Responden ....................................................................................... 9 Preferensi Responden .............................................................................. 10 SIMPULAN ................................................................................................ 14 DAFTAR PUSTAKA ................................................................................ 14 RIWAYAT HIDUP.................................................................................... 18
DAFTAR TABEL Tabel 1 Peubah-peubah yang digunakan dan nilai kontras masing-masing level di setiap atribut 7 Tabel 2 Pembagian pengambilan contoh acak dari setiap angkatan dan blok 8 Tabel 3 Nilai signifikansi masing-masing atribut dan blok 11 Tabel 4 Tingkat ketepatan klasifikasi 12 Tabel 5 Nilai kegunaan setiap level dan nilai kepentingan relatif setiap atribut 13
DAFTAR GAMBAR Gambar 1 Contoh segugus pilihan ............................................................. 4 Gambar 2 Profil responden ...................................................................... 10 Gambar 3 Profil responden ...................................................................... 10 Gambar 4 Profil responden berdasarkan .................................................. 10 Gambar 5 Jumlah responden yang memilih pada masing-masing level .. 11 Gambar 6 Kurva ROC dan nilai AUC ..................................................... 12
DAFTAR LAMPIRAN Lampiran 1 Rancangan kombinasi profil lengkap dalam 4 blok ............. 16 Lampiran 2 Tabulasi silang antara level masing-masing atribut dan respon ........................................................................................................... 17
1
PENDAHULUAN Latar Belakang Hair et al. (2009) mendefinisikan analisis konjoin sebagai teknik peubah ganda yang dikembangkan untuk memahami cara responden menghasilkan preferensi atas segala jenis objek (produk, jasa, atau ide). Penerapan yang paling langsung adalah dalam pengembangan produk atau jasa baru, yang memungkinkan untuk evaluasi produk kompleks sambil mempertahankan keputusan yang realistis untuk responden. Peneliti pasar mampu menilai pentingnya atribut serta level masing-masing atribut, sementara konsumen hanya mengevaluasi beberapa profil produk, yang merupakan kombinasi dari level-level atribut. Orme (2010) mengatakan bahwa pada konjoin tradisional, responden diminta untuk mengurutkan atau menilai kombinasi-kombinasi atribut dan level. Berbeda dengan konjoin tradisional yang hanya meranking ataupun mengurutkan, CBC meminta responden untuk memilih salah satu dari beberapa pilihan konsep produk atau jasa. Metode CBC mirip pada kehidupan nyata saat konsumen dihadapkan pada beberapa pilihan produk. Angraini (2006) melakukan penelitian yang fokus bagaimana menentukan rancangan yang optimum pada CBC pada penelitian sebelumnya. Sedangkan pada penelitian ini, peneliti berfokus pada analisis data CBC yang didapatkan melalui survei. Dalam rancangannya, penelitian ini menggunakan fraksional faktorial yang sanggup mengurangi banyaknya perbandingan yang harus dievaluasi responden dibandingkan dengan rancangan full-profile yang menampilkan kombinasi dari keseluruhan level dan atribut yang digunakan. Tujuan Departemen Statistika IPB adalah menghasilkan lulusan dalam bidang statistika yang berkualitas dan mampu bersaing baik pada taraf nasional maupun internasional, mampu menerjemahkan permasalahan dalam suatu bidang ilmu ke dalam bahasa Statistika, dan sebaliknya dapat menerjemahkan hasil analisis dan kesimpulan yang ditarik secara statistika ke dalam bahasa ilmu yang bersangkutan, memiliki landasan yang kuat untuk mengembangkan dan/atau mengikuti pendidikan lanjutan dalam bidang statistika atau bidang ilmu lain yang memerlukan penguasaan metode kuantitatif yang kuat, membangun iklim akademik yang kondusif bagi peningkatan mutu pendidikan & penelitian dalam bidang Statistika, serta membangun kerjasama dengan berbagai pihak dalam pengembangan Statistika & penerapannya di berbagai bidang (Statistika IPB 2016). Upaya untuk mencapai tujuan tersebut, salah satunya, adalah dengan menerapkan sistem kegiatan belajar mengajar (KBM) yang efektif bagi mahasiswa, sehingga mahasiswa dapat menerima materi kuliah yang disampaikan dosen secara jelas. Maka dari itu, konsep sistem KBM yang diterapkan di dalam kelas perkuliahan saat berpengaruh. Penerapan konsep sistem KBM yang tepat akan membuat KBM menjadi efektif. Fathurohman dan Sutikno (2011) menyatakan bahwa komponen-komponen belajar mengajar ada 7, yaitu tujuan, bahan pelajaran, kegiatan belajar mengajar, metode, alat, sumber pelajaran, dan evaluasi. Berdasarkan 5 dari 7 komponen tersebut akan digunakan sebagai penyusun atribut yang diterapkan dalam analisis CBC.
2
Tujuan Tujuan dari penelitian ini adalah : 1. Mengidentifikasi atribut-atribut yang memengaruhi efektifitas KBM 2. Menentukan konsep sistem KBM yang disukai mahasiswa Statistika IPB angkatan 49, 50, dan 51
TINJAUAN PUSTAKA Penarikan Contoh Acak Berlapis Scheaffer (1990) mengatakan bahwa sampel dari pengambilan contoh acak berlapis merupakan contoh yang diperoleh dengan cara membagi elemen populasi menjadi grup yang tidak saling tumpang tindih (nonoverlap) yang disebut lapisan, dan kemudian memilih contoh acak sederhana dari masing-masing lapisan. Prinsip penggunaan penarikan contoh acak berlapis bila dibandingkan dengan penarikan contoh acak sederhana adalah sebagai berikut: 1. Pengelompokkan ke dalam lapisan dapat menghasilkan batas kesalahan pendugaan yang lebih kecil dibandingkan penarikan contoh acak sederhana pada ukuran contoh yang sama. Hasil ini menghasilkan perhitungan yang benar jika elemen dalam lapisan bersifat homogen. 2. Biaya per observasi dalam survei dapat dikurangi dengan pelapisan elemen populasi ke dalam kelompok yang tepat. 3. Jika estimasi parameter populasi ingin dicari dalam setiap subkelompok, maka subkelompok tersebut harus merupakan lapisan yang dapat diidentifikasi. Langkah pertama dalam menggunakan pengambilan contoh acak berlapis adalah menentukan lapisan secara jelas, kemudian masing-masing unit pengambilan contoh dari populasi dimasukkan ke dalam lapisan yang paling mendekati. Setelah dibagi ke dalam lapisan, pilih sampel secara acak menggunakan teknik pengambilan sampel acak sederhana pada masing-masing lapisan. Sampel yang diambil dari lapisan haruslah independen (saling bebas). Pendekatan ukuran sampel yang dibutuhkan untuk menduga 𝑝 dengan batas kesalahan pendugaan B : ∑𝐿𝑖=1 𝑁𝑖 2 𝑝𝑖 𝑞𝑖 /𝑤𝑖 𝑛= 2 𝑁 𝐷 + ∑𝐿𝑖=1 𝑁𝑖 𝑝𝑖 𝑞𝑖 𝐷= dengan: 𝑛 𝐿 𝑁𝑖 𝑁 𝑤𝑖 𝑝𝑖 𝐵
𝐵2 4
= ukuran sampel total = jumlah lapisan = ukuran unit penarikan contoh pada lapisan ke-𝑖 = ukuran total populasi = alokasi fraksi lapisan ke-𝑖 = proporsi populasi lapisan ke-𝑖 = batas kesalahan pendugaan
3
Kemudian untuk menentukan ukuran sampel masing-masing lapisan, gunakan 𝑛𝑖 = 𝑛(𝑤𝑖 ) dengan: 𝑛𝑖 = ukuran sampel lapisan ke- 𝑖 Untuk pengambilan contoh dalam lapisan, dapat digunakan kembali metode penarikan contoh acak yang lain seperti penarikan contoh acak sistematik. Penarikan Contoh Acak Sistematik Scheaffer et al. (1990) mengatakan bahwa secara umum, penarikan contoh acak sistematik melibatkan pemilihan acak satu elemen dari 𝑘 elemen pertama dan kemudian memilih lagi setiap 𝑘 elemen selanjutnya. Prosedur ini lebih mudah digunakan dan dapat mengurangi kesalahan pewawancara. Pada penarikan contoh acak sistematik, beberapa metode dapat digunakan. Peneliti dapat menggunakan 1in-3, 1-in-5, atau secara umum, 1-in- 𝑘 contoh yang sistematik. Apabila ukuran populasi 𝑁 diketahui, kita dapat menentukan perkiraan ukuran contoh 𝑛 dan memilih 𝑘 untuk mencapai ukuran contoh yang diperlukan. Secara umum, 𝑘 harus lebih kecil atau sama dengan 𝑁/𝑛 (𝑘 = 𝑁/𝑛). Apabila ukuran populasi tidak diketahui, maka tidak dapat ditentukan 𝑘 secara akurat. Namun apabila nilai 𝑘 terlalu besar, ukuran contoh yang diperlukan tidak akan tercapai menggunakan 1-in- 𝑘 contoh sistematik. Rancangan CBC Orme (2010) mengatakan bahwa wawancara CBC kepada responden meniru proses pembelian produk yang sebenarnya. Responden diperlihatkan serangkaian profil produk lengkap dan diminta untuk menunjukkan konsep mana yang akan mereka beli. Seperti pada kenyataan, responden dapat menolak untuk membeli dalam wawancara CBC dengan memilih pilihan ‘tidak membeli’. Jika tujuan penelitian adalah untuk memprediksi pilihan produk atau jasa, akan terlihat alami jika menggunakan data dari hasil pilihan responden. Angraini (2006) menyatakan bahwa dalam rancangan CBC ini, responden diberikan segugus pilihan dari kombinasi atribut yang sudah dirancang sebelumnya seperti yang disajikan pada Gambar 1. Atribut merupakan faktor-faktor yang mempengaruhi seorang responden dalam menentukan pilihannya, dimana dalam setiap atribut tersebut terdiri dari beberapa taraf. Segugus pilihan terdiri dari beberapa task. Satu task biasanya terdiri dari dua sampai lima concept. Concept merupakan beberapa alternatif produk yang disajikan pada satu task. Kumpulan dari beberapa task disebut juga satu version. Pilihan yang diberikan oleh responden akan dianalisis dengan metode tertentu sehingga didapatkan concept yang disukai oleh responden.
4
Gambar 1 Contoh segugus pilihan Dasar sistem CBC memungkinkan peneliti mengukur sampai 15 tingkat/level untuk setiap satu atribut. Sedangkan untuk jumlah task, untuk penelitian CBC berbasis kertas, disarankan 8 sampai 15 task. Untuk merancang kombinasi atribut CBC, digunakan rancangan percobaan fraksional faktorial. Rancangan ini digunakan apabila jumlah atribut yang digunakan terlalu besar, sehingga menyulitkan responden untuk memilih, serta apabila peneliti tidak memiliki sumber daya yang cukup untuk menggunakan rancangan full profile yang menampilkan kombinasi dari keseluruhan level dan atribut yang digunakan. Raghavarao (2011) menyebutkan contoh penggunaan fraksional faktorial. Misalnya, dalam sebuah studi yang melibatkan tiga atribut pada dua level masing-masing, 23 percobaan penuh akan membutuhkan delapan profil. Jika peneliti memiliki sumber daya untuk mendapatkan tanggapan dari hanya empat profil, mereka dapat memilih untuk menjalankan setengah fraksi dari 23 rancangan penuh. Desain ini disebut 23−1 faktorial pecahan karena merupakan kecil setengah dari rancangan faktorial penuh 23 dan memiliki 23−1 = 4 profil. Analisis CBC Data hasil survei selanjtnya dianalisis menggunakan analisis CBC. Analisis CBC mulai populer di awal tahun 1990-an, dan akhir-akhir ini telah menjadi teknik konjoin yang paling banyak digunakan di dunia (Sawtooth Software 2008 dalam Orme 2010). Data CBC biasanya dianalisis menggunakan analisis counts, logit, dan Bayes estimasi hirarkis. Beberapa peneliti juga menggunakan Laten Class untuk mengembangkan segmen pasar. Metode counts menghitung proporsi untuk tiap level berdasarkan berapa kali level tersebut dipilih kemudian dibagi dengan berapa kali level tersebut terjadi. Sedangkan pada metode logit akan mengestimasi tidak hanya pada main effect tetapi juga interaction effect (Sawtooth 2008 dalam Herawati et al. 2012). Analisis logit ini akan menggunakan regresi logistik sebagai alat. Analisis ini menghasilkan nilai kegunaan untuk setiap level atribut. Level yang memiliki nilai kegunaan tinggi berdampak besar secara positif terhadap preferensi konsumen terhadap suatu produk atau jasa. Regresi Logistik Hosmer dan Lemeshow (2000) mengatakan bahwa regresi logistik adalah suatu prosedur untuk menjelaskan hubungan antara peubah penjelas 𝑌 yang berupa peubah
5
biner dan peubah bebas 𝑋. Peubah respon 𝑌 memiliki dua kemungkinan nilai, yaitu 𝑌 = 1 menyatakan bahwa respon memenuhi kriteria yang ditentukan dan 𝑌 = 0 tidak memenuhi kriteria. Peubah bebas yang bersifat kategorik memerlukan peubah boneka (dummy variable). Model umum regresi logistik yang dibentuk 𝐸(𝑌 = 1| 𝑥) sebagai 𝜋(𝑋) adalah exp{𝑔(𝑋)} 𝜋(𝑋) = 1 + exp{𝑔(𝑋)} 𝜋(𝑋) = 𝑃(𝑌 = 1|𝑋) Fungsi penghubung yang sesuai untuk model regresi logistik adalah fungsi logit. Transformasi logit sebagai fungsi dari 𝜋(𝑋) adalah : 𝜋(𝑋) log[𝜋(𝑋)] = 𝑔(𝑋) = ln [ ] 1 − 𝜋(𝑋) Dengan model logitnya adalah : 𝑘𝑗 −1
𝑔(𝑋) = 𝛽0 + 𝛽1 𝑋1 + ∑ 𝛽𝑗𝑢 𝐷𝑗𝑢 𝑢=1
Analisis regresi logistik dalam penelitian ini digunakan karena respon yang diukur memiliki dua kemungkinan nilai yaitu 𝑌 = 1 menyatakan konsep sistem KBM yang dipilih responden, dan 𝑌 = 0 untuk konsep sistem KBM yang tidak dipilih responden. Analisis regresi logistik digunakan untuk mendapatkan penduga parameter. Penduga parameter digunakan untuk menentukan total nilai kegunaan masing-masing konsep produk. Pada regresi logistik, akan dilakukan pula uji signifikan masing-masing atribut dan blok dengan langkah-langkah pengujian hipotesis menurut Walpole (2005) sebagai berikut: 1. Nyatakan hipotesis nol-nya 𝐻0 bahwa 𝜃 = 𝜃0 , dengan 𝜃 merupakan parameter populasi. 2. Pilih hipotesis alternatif 𝐻1 yang sesuai di antara 𝜃 < 𝜃0 , 𝜃 > 𝜃0 , atau 𝜃 ≠ 𝜃0 . 3. Tentukan taraf nyata α. 4. Pilih statistik uji yang sesuai dan kemudian tentukan wilayah kritiknya. 5. Hitung nilai statistik uji berdasarkan data contohnya. 6. Keputusan: tolak 𝐻0 bila nilai statistik uji tersebut jatuh dalam wilayah kritiknya, sedangkan bila nilai itu jatuh di luar wilayah kritiknya terimalah 𝐻0 . Analisis Konjoin Hair et al. (2009) menyebutkan bahwa analisis konjoin adalah sebuah teknik multivariat yang dikembangkan secara khusus untuk memahami cara responden mengembangkan preferensi atas segala jenis objek (produk, jasa, atau ide). Selain itu, konsumen dapat memberikan penilaian mereka atas preferensi dengan menilai objek yang dibentuk oleh kombinasi dari atribut. Orme (2010) mengatakan bahwa dalam sajian rancangannya, responden diminta untuk menilai kepentingan dari setiap atribut. Namun, konsumen tidak selalu bisa mendapatkan produk atau jasa yang terbaik dalam semua atribut di kehidupan nyata. Konsumen harus membuat pertimbangan yang sulit.
6
Supranto (2004) dalam Fitasari (2013) menyebutkan bahwa model dasar percobaan konjoin dapat dituliskan sebagai berikut: 𝑚
𝑘𝑗
𝑈(𝑋) = ∑ ∑ 𝑎𝑖𝑗 𝑥𝑖𝑗 𝑖=1 𝑗=1
dengan : 𝑈(𝑋) = nilai kegunaan total atau total kepuasan seluruh responden (NKT) 𝑎𝑖𝑗 = nilai kegunaan atribut ke-𝑖 level ke-𝑗 𝑥𝑖𝑗 = peubah boneka atribut ke-𝑖 level ke-𝑗 𝑚 = banyaknya atribut 𝑘𝑗 = level ke-𝑗 dari atribut ke-𝑖 Hasil dari percobaan konjoin adalah total kepuasan responden dari berbagai atribut yang terdapat dalam konsep. Orme (2010) mengatakan bahwa tingkat kepentingan dari tiap atribut didefinisikan sebagai selisih antara nilai kegunaan maksimum dan nilai kegunaan minimum, atau diformulasikan sebagai berikut : 𝐼𝑖 = {max(𝑎𝑖𝑗 ) − min(𝑎𝑖𝑗 )} dengan: 𝐼𝑖 = tingkat kepentingan atribut ke-i 𝑎𝑖𝑗 = nilai kegunaan atribut ke-i level ke-j, untuk setiap 𝑖 yang sama Merangkum dari Orme (2010), nilai kepentingan relatif suatu atribut terhadap atribut lainnya adalah sebagai berikut: 𝐼𝑖 𝑊𝑖 = 𝑚 ∑𝑖=1 𝐼𝑖 dengan: 𝑊𝑖 = tingkat kepentingan relatif 𝐼𝑖 = tingkat kepentingan atribut ke-i
METODOLOGI Data Data yang digunakan adalah data primer hasil survei. Responden merupakan mahasiswa Departemen Statistika IPB angkatan 49, 50, dan 51 dengan jumlah populasi sebanyak 236 orang. Survei CBC dilaksanakan kepada 150 orang mahasiswa yang dipilih secara acak menggunakan penarikan contoh acak berlapis. Metode 1.
Penelitian ini dilaksanakan dengan tahapan sebagai berikut : Penyusunan kuesioner Penelitian ini menggunakan 5 dari 7 atribut (Fathurohman dan Sutikno, 2011), yaitu atribut metode penyampaian materi, alat bantu, sumber materi, evaluasi, penyampaian motivasi. Masing-masing atribut memiliki 2 taraf (untuk selanjutnya disebut level). Level dari atribut metode penyampaian materi yaitu 1 arah dan 2 arah. Level dari atribut alat bantu yaitu LCD/proyektor dan papan tulis. Level dari atribut sumber materi yaitu slide
7
powerpoint dan buku referensi. Level dari atribut evaluasi yaitu ada dan tidak ada. Dan yang terakhir, level dari atribut penyampaian motivasi yaitu hadiah dan hukuman. Informasi mengenai level masing-masing atribut dapat dirangkum dalam Tabel 1. Konsep yang digunakan pada penelitian ini adalah 25−2 atau 8 konsep. Hal ini merupakan rancangan fraksional faktorial dengan definisi generator tertentu. Task (untuk selanjutnya menggunakan istilah blok) yang digunakan adalah sebanyak 4 blok sehingga keempat blok dengan 8 konsep pada masing-masing bloknya akan membentuk rancangan full profile. Tabel 1 Peubah-peubah yang digunakan dan nilai kontras masing-masing level di setiap atribut Peubah Simbol Jenis data Peubah boneka Kontras Peubah bebas (Atribut) Penyampaian A Kategorik materi 1 = 1 arah 1 0 = 2 arah -1 B Kategorik Alat bantu 1 = papan tulis 1 0 = LCD/proyektor dan papan tulis -1 Sumber C Kategorik materi 1 = slide powerpoint 1 0 = buku referensi -1 D Kategorik Evaluasi 1 = ada 1 0 = tidak ada -1 Penyampaian E Kategorik motivasi 1 = hadiah 1 0 = hukuman -1 Pebah tak bebas (Respon) Respon Kategorik 1 = Ya 0 = Tidak Untuk mendapatkan kombinasi atribut yang saling bebas, perancangan kombinasi atribut dilaksanakan menggunakan rancangan fraksional faktorial dengan langkah-langkah sebagai berikut : a. Menentukan nilai kontras masing-masing level. Setiap level dalam atribut diberi nilai kontras masing-masing +1 dan -1 seperti pada Tabel 1. Untuk memudahkan, digunakan simbol huruf A, B, C, D, dan E untuk label masing-masing atribut. b. Karena rancangan fraksional digunakan dalam setiap blok, maka untuk setiap blok, susun sebanyak 23 kombinasi lengkap dari 3 faktor (Faktor A, B, dan C). c. Untuk membangkitkan kolom atribut D dan E, pada blok 1, gunakan generator 𝐷 = 𝐴𝐵 dan 𝐸 = 𝐴𝐵𝐶. Pada blok 2, gunakan generator 𝐷 = −𝐴𝐵 dan 𝐸 = 𝐴𝐵𝐶. Pada blok 3, gunakan generator 𝐷 = −𝐴𝐵 dan 𝐸 = −𝐴𝐵𝐶. Pada blok 4, gunakan generator 𝐷 = 𝐴𝐵 dan 𝐸 = −𝐴𝐵𝐶.
8
2.
d. Buat 1 kolom yang berisi perkalian dari kontras dalam 1 konsep. Jika kolom tersebut dijumlahkan dalam 1 blok dan hasilnya 0, maka konsep dalam blok tersebut sudah saling bebas (Lampiran 1). Pengambilan contoh acak Populasi survei CBC adalah mahasiswa Departemen Statistika IPB angkatan 49, 50, dan 51 sejumlah 236 mahasiswa, dengan jumlah sampel yang diambil sesuai rumus adalah 141 orang mahasiswa. Namun, pada penelitian ini, digunakan allowance sebesar 10% sehingga jumlah contoh acak yang diambil diperbolehkan antara 141 sampai 155 contoh. Tabel 2 Pembagian pengambilan contoh acak dari setiap angkatan dan blok Angkatan 49 50 51 Total
3.
4.
Blok 1 12 12 11 35
Blok 2 12 14 12 38
Blok 3 14 12 12 38
Blok 4 15 12 12 39
Total 53 50 47 150
Metode yang digunakan dalam penarikan contoh adalah pengambilan contoh acak berlapis, dengan angkatan sebagai lapisan, kemudian dilanjutkan dengan pengambilan contoh acak sistematik dalam setiap lapisan. Dalam pelaksanaannya, penelitian ini menggunakan contoh acak sebanyak 150 contoh dengan pembagian setiap angkatan dan blok seperti pada Tabel 2. Manajemen data Manajemen data yag dilakukan yaitu: 1. Melakukan input data menggunakan software SPSS. Pada data dengan informasi yang kurang lengkap, dilakukan survei ulang kepada responden yang bersangkutan. 2. Mengubah level setiap atribut menjadi peubah boneka berupa angka 1 dan 0 pada masing-masing konsep. Pada atribut penyampaian materi, angka 1 menunjukkan level 1 arah dan angka 0 menunjukkan level 2 arah. Pada atribut alat bantu, angka 1 menunjukkan level papan tulis dan angka 0 menunjukkan level LCD/proyektor dan papan tulis. Pada atribut sumber materi, angka 1 menunjukkan level slide powerpoint dan angka 0 menunjukkan level buku referensi. Pada atribut evaluasi, angka 1 menunjukkan level ada evaluasi dan angka 0 menunjukkan level tidak ada evaluasi. Pada atribut penyampaian motivasi, angka 1 menunjukkan level hadiah dan angka 0 menunjukkan level hukuman (Tabel 1). 3. Mengubah respon yang dipilih responden menjadi peubah boneka berupa angka 1 dan 0. Angka 1 menunjukkan konsep tersebut dipilih responden, dan angka 0 menunjukkan bahwa konsep tersebut tidak dipilih (Tabel 1). Karena masing-masing responden mengevaluasi sebanyak 8 konsep, maka data yang diperoleh sebanyak 1200 data. Analisis data Tahapan analisis data yang dilakukan adalah sebagai berikut: 1. Melakukan analisis regresi menggunakan software SPSS dengan memasukkan atribut blok, penyampaian materi, alat bantu, sumber
9
5.
materi, evaluasi, dan penyampaian motivasi sebagai variabel bebas, dan pilihan responden sebagai variabel respon. 2. Menguji pengaruh parameter secara parsial menggunakan Uji Wald dengan ketentuan sebagai berikut: a. Hipotesis yang digunakan adalah : 𝐻0 : 𝛽𝑗 = 0 (atribut ke-𝑗 tidak mempunyai pengaruh yang signifikan terhadap respon) 𝐻1 : 𝛽𝑗 ≠ 0 (atribut ke-𝑗 tidak mempunyai pengaruh yang signifikan terhadap respon) Untuk 𝑗 = 1,2,3,4,5 b. Taraf nyata yang digunakan adalah 5%. c. Statistik uji yang digunakan sebagai berikut: 2 𝛽𝑗 𝑊=[ ] 𝑆𝐸(𝛽𝑗 ) dengan 𝛽𝑗 dugaan parameter atribut ke-𝑗 dan 𝑆𝐸(𝛽𝑗 ) simpangan baku dari dugaan parameter atribut ke-𝑗 (Agresti 2007). d. Kriteria penolakan adalah tolak 𝐻0 bila nilai-𝑝 < 𝛼 yang berarti atribut 𝑋𝑗 secara parsial memengaruhi variabel respon. 3. Menggunakan nilai dugaan parameter pada regresi logistik sebagai nilai kegunaan masing-masing level. 4. Menghitung nilai kepentingan relatif untuk masing-masing atribut. 5. Menentukan konsep sistem KBM yang disukai responden. Interpretasi Ketentuan dalam melakukan interpretasi hasil: 1. Atribut memiliki pengaruh yang nyata terhadap respon apabila memiliki nilai signifikansi kurang dari α yang digunakan. 2. Level yang memiliki kegunaan lebih tinggi adalah level yang lebih disukai responden. 3. Atribut yang memiliki nilai kepentingan relatif lebih tinggi adalah atribut yang lebih dipentingkan responden. 4. Konsep yang memiliki total nilai kegunaan tertinggi adalah konsep yang paling disukai responden. Nilai kegunaan setiap konsep merupakan jumlah nilai kegunaan masing-masing level.
HASIL DAN PEMBAHASAN Profil Responden Deskripsi data hasil survei yang telah dilakukan menunjukkan bahwa responden didominasi oleh perempuan, yaitu sebesar 70.67%, dan sisanya sebesar 29.33% merupakan responden laki-laki (Gambar 3). Menurut asal daerah, terdapat 41.33% responden berasal dari Jabodetabek, dan 58.67% responden berasal dari luar Jabodetabek (Gambar 2). Berdasar keikutsertaan dalam organisasi, responden yang sedang atau pernah mengikuti organisasi sebesar 90%, sedangkan sisanya, sebesar 10%, tidak pernah mengikuti organsisasi (Gambar 5).
10
Laki-laki 29,33% Luar Jabodetabek 58,67%
Perempuan 70,67%
Gambar 2 Profil responden berdasarkan jenis kelamin
Jabodetabek 41,33%
Gambar 3 Profil responden berdasarkan asal daerah Tidak 10%
Ya 90%
Gambar 4 Profil responden berdasarkan keikutsertaan dalam organisasi
Preferensi Responden Analisis Deskriptif Deskripsi data yang diperoleh menunjukkan jumlah responden yang memilih masing-masing level. Sejumlah 39 responden memilih level 1 arah dan 111 responden memilih level 2 arah pada atribut penyampaian materi. Sejumlah 27 responden memilih level papan tulis dan 123 responden memilih level LCD/ proyektor dan papan tulis pada atribut alat bantu. Sejumlah 74 responden memilih level slide powerpoint dan 76 responden memilih level buku referensi pada atribut sumber materi. Sejumlah 96 responden memilih level ada dan 54 responden memilih level tidak ada pada atribut evaluasi. Sejumlah 111 responden memilih level hadiah dan 39 responden memilih level hukuman pada atribut penyampaian motivasi. Diagram batang data tersebut dapat dilihat pada Gambar 5. Sedangkan tabulasi silang dari data tersebut dapat dilihat pada Lampiran 2.
SUMBER MATERI
111
EVALUASI
39 HADIAH
TIDAK ADA
ADA
LCD/PROYEKTOR DAN PAPAN TULIS
ALAT BANTU
HUKUMAN
76 BUKU REFERENSI
96 74 SLIDE POWERPOINT
54
PENYAMPAIAN MATERI
PAPAN TULIS
2 ARAH
27
39 1 ARAH
123
111
11
PENYAMPAIAN MOTIVASI
Gambar 5 Jumlah responden yang memilih pada masing-masing level Regresi Logistik Analisis regresi logistik menunjukkan bahwa atribut penyampaian materi, alat bantu, evaluasi, dan penyampaian motivasi berpengaruh nyata dalam pemilihan konsep sistem KBM dengan nilai-𝑝 sebesar 0.000 (kurang dari 0.05). Sedangkan atribut sumber materi memiliki nilai-𝑝 sebesar 0.908 (lebih dari 0.05) sehingga tidak berpengaruh nyata dalam pemilihan konsep sistem KBM (Tabel 3). Hasil ini sesuai dengan hasil analisis deskriptif. Pada hasil analisis secara deskriptif, jumlah responden yang memilih level slide powerpoint dan buku referensi hampir sama sehingga atribut sumber materi tidak signifikan. Selanjutnya, Blok 1, Blok 2, Blok 3, dan Blok 4 memiliki nilai-𝑝 berturut-turut sebesar 1.000, 0.647, 0.642, dan 0.939. Berdasarkan nilai-𝑝 yang didapatkan tersebut, maka tidak ada blok yang berpengaruh nyata. Tabel 3 Nilai signifikansi masing-masing atribut dan blok Atribut Penyampaian materi Alat bantu Sumber materi Evaluasi Penyampaian motivasi Blok 2 vs Blok 1 Blok 3 vs Blok 1 Blok 4 vs Blok 1 Nilai 𝛼 = 5%
Wald 41.730 65.006 0.013 16.125 41.224 0.199 0.205 0.000
SE Nilai-𝑝 0.212 0.000 0.234 0.000 0.192 0.909 0.201 0.000 0.209 0.000 0.280 0.655 0.280 0.651 0.284 1.000
Tabel 4 menunjukkan bahwa spesifisitas model adalah sebesar 96.7%. Hal ini berarti bahwa dari 1050 konsep sistem KBM yang tidak dipilih, terdapat 1015 konsep sistem KBM yang diklasifikasikan secara tepat. Nilai sensitivitas yang diperoleh adalah sebesar 26%. Hal ini berarti bahwa dari 150 konsep sistem KBM yang dipilih, terdapat 39 konsep sistem KBM yang diklasifikasikan secara tepat.
12
Tingkat ketepatan klasifikasi dari model tersebut adalah 87.8%. Berdasarkan tingkat ketepatan klasifikasi yang diperoleh, dapat dikatakan bahwa regresi logistik yang dibangun cukup baik. Tingkat ketepatan klasifikasi ini berhubungan dengan nilai spesifisitas dan sensitivitas. Spesifisitas adalah kemampuan model dalam memprediksi kejadian Y=0 (konsep tidak dipilih), sementara sensitifitas adalah kemampuan model dalam memprediksi Y=1 (konsep dipilih). Semakin besar tingkat ketepatan klasifikasi, sensitifitas, dan spesifisitas maka keakuratan model semakin tinggi. Tabel 4 Tingkat ketepatan klasifikasi Prediksi Jumlah Tidak dipilih Dipilih 1015 35 Tidak dipilih 1050 Aktual 111 39 Dipilih 150 Tingkat ketepatan (%) Titik potong : 0.500
% benar 96.7 26.0 87.8
Penelitian ini lebih fokus kepada peramalan peluang sebuah konsep sistem KBM akan dipilih responden atau tidak menggunakan model regresi logistik yang telah dibangun, bukan pada baik atau tidaknya model regresi logistik sehingga diperlukan ukuran kebaikan model yaitu kurva ROC (Receiver Operating Characteristic) dan nilai AUC (Area Under the Curve). Kurva ROC ini dibangun dari nilai sensitivitas dan 1-spesifisitas. Apabila kurva yang dihasilkan berada di atas garis referensi, maka tingkat ketepatan klasifikasi termasuk baik. Nilai AUC yang baik adalah yang berada di antara 0.5 sampai 1. Semakin besar nilai AUC, semakin tinggi tingkat ketepatan klasifikasinya.
Gambar 6 Kurva ROC dan nilai AUC Gambar 7 menunjukkan bahwa kurva ROC yang dihasilkan dari berbagai nilai titik potongnya. Dapat diketahui bahwa kurva ROC berada di atas garis
13
referensi. Nilai AUC yang dihasilkan yaitu 0.8137 sehingga berdasarkan nilai AUC tersebut, tingkat ketepatan klasifikasi dapat dikatakan sudah baik. Interpretasi Nilai Kegunaan Level dan Nilai Kepentingan Relatif Nilai kegunaan dari masing-masing level dapat diperoleh dari dugaan parameter pada hasil analisis regresi logistik. Tabel 5 menunjukkan bahwa level 1 arah pada atribut penyampaian materi memiliki nilai kegunaan sebesar -1.355. Sedangkan level 2 arah pada atribut penyampaian materi memiliki nilai kegunaan yang berkebalikan yaitu sebesar 1.355. Pada atribut alat bantu, level papan tulis memiliki nilai kegunaan sebesar -1.871 dan level LCD/proyektor dan papan tulis sebesar 1.871. Pada atribut sumber materi, level slide powerpoint memiliki nilai kegunaan sebesar -0.022 dan level buku referensi sebesar 0.022. Pada atribut evaluasi, level ada evaluasi memiliki nilai kegunaan sebesar 0.787 dan level tidak ada evaluasi sebesar -0.787. Pada atribut penyampaian motivasi, level hadiah memiliki nilai kegunaan sebesar 1.348 dan level hukuman sebesar -1.348. Jumlah nilai kegunaan dari masing-masing level yang nilainya lebih tinggi adalah sebesar 5.383, yaitu konsep 4 pada blok 4 dengan kombinasi penyampaian materi 2 arah, alat bantu berupa LCD/proyektor dan papan tulis, sumber materi dari buku referensi, ada evaluasi, dan penyampaian motivasi berupa hadiah. Tabel 5 Nilai kegunaan setiap level dan nilai kepentingan relatif setiap atribut Atribut dan Level Penyampaian materi 1 arah 2 arah Alat bantu Papan tulis LCD/proyektor dan papan tulis Sumber materi Slide powerpoint Buku referensi Evaluasi Ada Tidak ada Penyampaian motivasi Hadiah Hukuman Jumlah jarak nilai kegunaan
Nilai kegunaan -1.355 1.355
Jarak nilai kegunaan
Nilai kepentingan relatif
2.71
25.17%
3.742
34.76%
-0.022 0.022
0.044
0.41%
0.787 -0.787
1.574
14.62%
1.348 -1.348
2.696
25.04%
-1.871 1.871
10.766
Nilai kepentingan relatif setiap atribut dapat dirangkum dalam Tabel 5. Tabel tersebut menunjukkan bahwa responden menilai bahwa atribut alat bantu merupakan atribut yang paling penting dengan nilai kepentingan relatif sebesar 34.76% sehingga atribut alat bantu ini memiliki pengaruh yang paling besar dalam
14
menentukan preferensi mahasiswa Statistika S1 angkatan 49, 50, dan 51 terhadap konsep sistem KBM. Selanjutnya, atribut penyampaian materi dam penyampaian motivasi memiliki nilai kepentingan relatif masing-masing sebesar 25.17% dan 25.04%. Nilai kepentingan relatif kedua atribut ini hampir sama. Artinya kedua atribut ini memiliki pengaruh yang relatif sama dalam memilih konsep sistem KBM. Untuk atribut evaluasi dan sumber materi, masing-masing memiliki nilai kepentingan relatif sebesar 14.62% dan 0.41%. Kedua atribut ini kurang memiliki pengaruh dalam memilih konsep sistem KBM karena memiliki nilai kepentingan relatif yang relatif kecil. Atribut sumber materi memiliki nilai kepentingan relatif terkecil, ini berbanding lurus dengan hasil pada regresi logistik yang menyatakan bahwa sumber materi merupakan atribut yang tidak signifikan. SIMPULAN Hasil analisis, menunjukkan bahwa atribut sumber materi tidak berpengaruh dalam preferensi mahasiswa S1 Statistika angkatan 49, 50, dan 51 dalam memilih konsep sistem KBM. Sedangkan konsep sistem yang disukai adalah penyampaian materi 2 arah, alat bantu berupa LCD/proyektor dan papan tulis, sumber materi dari buku referensi, terdapat evaluasi, dan penyampaian motivasi berupa hadiah.
DAFTAR PUSTAKA Agresti A. 2007. An Introduction to Categorical Data Analysis Second Edition. Florida : John Wiley and Sons, Inc. Angraini Y. 2006. Penentuan rancangan optimum pada CBC (choice based conjoint) [tesis]. Bogor (ID): Institut Pertanian Bogor. Fathurohman P, Sutikno MS. 2011. Strategi Belajar Mengajar Melalui Penanaman Konsep Umum dan Konsep Islami. Bandung (ID) : Refika Aditama. Fitasari A. 2013. Penerapan metode choice based conjoint (CBC) pada studi kasus asrama mahasiswa TPB IPB [skripsi]. Bogor (ID): Institut Pertanian Bogor. Hair JR JF, Black WC, Babin BJ, Anderson RE. 2009. Multivariate Data Analysis Seventh Edition. New Jersey (US): Prentice Hall. Herawati Y, Nawangpalupi CB, Kongga S. 2012. Penenetuan kombinasi atribut gaming mouse dengan metode choice based conjoint [Internet]. [Waktu pertemuan tidak diketahui]; Surakarta, Indonesia. [penerbit tidak diketahui]. hlm. I-173 - I-181; diunduh 2016 Feb 9. Tersedia pada http://www.academia.edu/3834197/Penentuan_Kombinasi_Atribut_Gaming _Mouse_dengan_Metode_Choice_Based_Conjoint. Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression Second Edition. Canada (US) : John Wiley and Sons, Inc. Orme BK. 2010. Getting Started with Conjoint Analysis: Strategies for Product Design and Pricing Research Second Edition. Madison (US) : Research Publishers LLC. Raghavarao D, Wiley JB, Chitturi P. 2011. Choice-based Conjoint Analysis, Models and Design. Boca Raton (US) : CRC Press.
15
Scheaffer RL, Mendenhall W, Ott RL, Gerrow KG. 1990. Elementary Survey Sampling. Boston (US): PWS-KENT Publishing Company. Sawtooth Software SSI Web v8.4. 1998. SSI Web Help. Orem (US) : Sawtooth Software, Inc. Walpole RE. 1992. Pengantar Statistika Edisi ke-3. Sumantri B, penerjemah. Jakarta : PT Gramedia. [Statistika IPB] Departemen Statistika IPB. 2016. Profil Departemen Statistika IPB. Tersedia pada http://www.stat.ipb.ac.id/en/index.php?page=objectives.
16
Lampiran 1 Rancangan kombinasi profil lengkap dalam 4 blok Konsep
A
B
1 2 3 4 5 6 7 8 Jumlah
1 1 1 1 -1 -1 -1 -1 0
1 1 -1 -1 1 1 -1 -1 0
1 2 3 4 5 6 7 8 Jumlah
1 1 1 1 -1 -1 -1 -1 0
1 1 -1 -1 1 1 -1 -1 0
1 2 3 4 5 6 7 8 Jumlah
1 1 1 -1 -1 -1 -1 1 0
1 1 -1 -1 1 1 -1 -1 0
1 2 3 4 5 6 7 8 Jumlah
1 1 1 -1 -1 -1 -1 1 0
1 1 -1 -1 1 1 -1 -1 0
C Blok 1 1 -1 1 -1 1 -1 1 -1 0 Blok 2 1 -1 1 -1 1 -1 1 -1 0 Blok 3 1 -1 1 -1 1 -1 1 -1 0 Blok 4 1 -1 1 -1 1 -1 1 -1 0
D
E
M1
1 1 -1 -1 -1 -1 1 1 0
1 -1 -1 1 -1 1 1 -1 0
1 1 -1 -1 -1 -1 1 1 0
-1 -1 1 1 1 1 -1 -1 0
1 -1 -1 1 -1 1 1 -1 0
-1 -1 1 1 1 1 -1 -1 0
-1 -1 1 -1 1 1 -1 1 0
-1 1 1 1 1 -1 -1 -1 0
1 1 -1 1 -1 -1 1 -1 0
1 1 -1 1 -1 -1 1 -1 0
-1 1 1 1 1 -1 -1 -1 0
-1 -1 1 -1 1 1 -1 1 0
17
Lampiran 2 Tabulasi silang antara level masing-masing atribut dan respon dari responden Atribut Penyampaian materi Alat bantu Sumber materi Evaluasi Penyampaian motivasi
Level 1 arah 2 arah papan tulis LCD/proyektor dan papan tulis slide powerpoint buku referensi ada tidak ada hadiah hukuman
Frekuensi dipilih 39 111 27
Frekuensi tidak dipilih 561 489 573
123 74 76 96 54 111 39
477 526 524 504 546 489 561
18
RIWAYAT HIDUP Penulis dilahirkan di Ngawi pada tanggal 15 September 1994 dari pasangan Bapak Suprapto dan Ibu Ninik Kurniasih dan merupakan anak tunggal. Penulis merupakan lulusan dari SD Campurasri 1, SMP Negeri 2 Ngawi, dan SMA Negeri 2 Ngawi. Setelah menyelesaikan pendidikan di SMA Negeri 2 Ngawi pada tahun 2012, Penulis diterima di Departemen Statistika Institut Pertanian Bogor melalui jalur undangan Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN). Selama masa perkuliahan, penulis pernah aktif dalam organisasi Badan Eksekutif Mahasiswa TPB, FMIPA, dan Keluarga Mahasiswa IPB. Pada bulan Agustus-September 2015, Penulis melaksanakan praktik lapang di PT Pixel Research yang merupakan perusahaan research marketing di daerah Jakarta Selatan.
