BAB 1 PENDAHULUAN 1.1
Latar Belakang Pendidikan merupakan hal yang sangat penting dalam kehidupan. Pendidikan merupakan dasar untuk melakukan banyak hal. Tanpa memiliki pendidikan yang baik, orang akan mengalami kesulitan dalam melakukan kegiatan mereka. Sekarang sudah banyak yang peduli dengan pendidikan diperoleh. Hal ini dapat dilihat dari semakin banyaknya orang yang mengambil pendidikan strata satu. Keberhasilan orang dalam pendidikannya biasa diukur dari nilai yang diperoleh atau bisa disebut dengan indek prestasi kumulatif (IPK). Ada batasan atau standard nilai yang ditentukan oleh masing–masing universitas dalam mengukur kemampuan mahasiswa. Tidak sedikit mahasiswa yang memiliki IPK rendah. Tinggi rendahnya IPK yang mahasiswa dapatkan secara umum dapat dipengaruhi oleh beberapa faktor. Faktor-faktor tersebut antara lain faktor latar belakang mahasiswa, faktor ekonomi keluarga, faktor aktivitas akademik dan ekstrakulikuler, faktor fasilitas penunjang akademik, dan faktor lingkungan tempat tinggal. Faktor latar belakang mahasiswa meliputi usia dan nilai UN SLTA. Faktor akademis keluarga meliputi biaya hidup dan pendapatan orang tua/ wali perbulan. Faktor aktivitas akademik dan ekstrakulikuler meliputi alokasi waktu belajar, waktu aktifitas ekstrakurikuler, jumlah buku pegangan yang dimiliki, jumlah SKS
2
yang telah dilalui, jumlah mata kuliah yang telah ditempuh, rata-rata SKS persemester, dan jumlah semester aktif yang telah dilalui. Faktor penunjang akademik meliputi frekuensi kedatangan ke perpustakaan. Faktor lingkungan tempat tinggal meliputi jarak tempat tinggal ke kampus dan lama perjalanan dari lokasi tempat tinggal ke kampus. Analisis regresi adalah salah satu metode dalam statistika untuk mengetahui bentuk hubungan antara 2 variabel atau lebih. Analisis model regresi dinyatakan baik jika memenuhi asumsi-asumsi klasik antara lain yaitu tidak ada autokorelasi, tidak ada heteroskedastisitas, dan tidak ada multikolinier. Saat menentukan model regresi populasi ada kemungkinan beberapa atau semua variabel bebas (variabel X) membentuk hubungan antara satu sama lain, kejadian ini dapat sebut juga sebagai multikolinier (Ryan,1997). Ada beberapa metode untuk mengatasi multikolinier, diantaranya Principal Component Analysis (PCA), Partial Least Squares (PLS), dan regresi ridge. PCA pernah digunakan untuk memodelkan hubungan konsumsi terhadap pendapatan upah, pendapatan non upah dan non pertanian serta pendapatan pertanian (Soemartini, 2008). PLS pernah digunakan untuk memodelkan data gingerol (Ohyver, 2010). Regresi ridge pernah digunakan untuk memodelkan hubungan barang import terhadap bahan yang dipesan, persedian barang, dan barang yang dikonsumsi (Pradipta, 2009). Metode yang akan digunakan dalam penelitian ini adalah regresi ridge. Metode ini merupakan metode dengan penduga regresi yang bias. Walaupun
3
memiliki penduga yang bias, penduga ini memiliki variansi minimum (Ryan,1977). Regresi ridge akan digunakan untuk memodelkan hubungan antara IPK mahasiswa dengan usia, nilai UN, uang saku, lama waktu belajar di dalam kelas, lama waktu untuk extrakurikuler, banyak textbook yang dimiliki, jumlah SKS yang telah dilalui, jumlah mata kuliah, rata-rata SKS, semester yang telah di lalui, kunjungan ke perpustakaan, lama perjalanan dari tempat tinggal ke kamus dan jarak dari tempat tinggal ke kamus. Untuk selanjutnya data mengenai faktorfaktor tersebut akan dinamakan data IPK (Irnawati,2003). 1.2
Perumusan Masalah Multikolinier adalah salah satu faktor yang menyebabkan persamaan regresi linier ganda menjadi tidak akurat dan tidak tepat. Multikolinier juga membuat penggunaan metode kuadrat terkecil menjadi terganggu dalam mengestimasi koefisien regresi. Jika multikolinier yang terjadi hampir sempurna, metode kuadrat terkecil tetap dapat digunakan namun galat yang dihasilkan akan menjadi besar dan variansi serta kovariansi parameter tidak terhingga. Oleh karena itu, dalam penelitian ini akan dibahas tentang: 1.
Bagaimana model regresi ganda pada data IPK yang mengandung multikolinier?
2.
Bagaimana model regresi ridge pada data IPK yang mengandung multikolinier?
4
1.3
Ruang Lingkup Agar penelitian tidak meluas dan menyimpang dari pembahasan maka perlu diberikan suatu pembatasan masalah. Pembatasan masalahnya sebagai berikut: •
Menganggap bahwa asumsi regresi klasik lainnya tetap terpenuhi.
•
Objek pada penelitian ini adalah mahasiswa School of Computer Science BINUS University semester 3,5,7,dan 9.
•
Menggunakan bahasa pemprograman C# dan dibantu dengan bahasa R dalam pembuatan program.
1.4
Tujuan dan Manfaat Tujuan dari penelitian ini adalah sebagai berikut. 1.
Mengembangkan aplikasi untuk membentuk model regresi ganda untuk data IPK yang mengandung multikolinier.
2.
Mengembangkan aplikasi untuk membentuk model regresi ridge pada data IPK yang mengandung multikolinier.
3.
Mengetahui manakah dari kedua model persamaan tersebut yang paling baik untuk menyelesaikan masalah multikolinier dalam data nilai IPK.
5
Manfaat dari penelitian ini adalah sebagai berikut. 1.
Salah satu solusi untuk mahasiswa dan dosen BINUS University untuk menyelesaikan masalah multikolinier.
2.
Memberikan informasi mengenai aplikasi regresi ridge pada data IPK.
3.
Program aplikasi yang dibuat dalam penelitian ini dapat digunakan oleh peneliti lain dengan catatan data memiliki jumlah varibel yang sama dengan penelitian ini.
