i
EKSPLORASI KINERJA DOSEN TERSERTIFIKASI DALAM MELAKSANAKAN TRIDHARMA PERGURUAN TINGGI DI INDONESIA
RIZKY NURKHAERANI
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
ii
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Eksplorasi Kinerja Dosen Tersertifikasi dalam Melaksanakan Tridharma Perguruan Tinggi di Indonesia 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, September 2013 Rizky Nurkhaerani NIM G14090074
ii
ABSTRAK RIZKY NURKHAERANI. Eksplorasi Kinerja Dosen Tersertifikasi dalam Melakasnakan Tridharma Perguruan Tinggi di Indonesia. Dibimbing oleh HARI WIJAYANTO dan DAHRUL SYAH. Penelitian ini bertujuan memberikan gambaran umum mengenai karakteristik dan capaian kinerja dosen tersertifikasi, menentukan faktor-faktor yang mempengaruhi kinerja dosen tersertifikasi, mengklasifikasikan dosen tersertifikasi berdasarkan faktor-faktor tersebut, serta membandingkan kinerja guru besar dengan dosen non guru besar. Analisis deskriptif digunakan untuk melihat gambaran umum mengenai karakteristik dan capaian kinerja dosen tersertifikasi sedangkan metode CART digunakan untuk menentukan faktor yang berpengaruh serta mengklasifikasikan. Sebesar 79% dosen tersertifikasi di Indonesia telah melaksanakan kewajibannya. Rataan kredit total capaian dosen per tahun adalah sebesar 31.86 sks sedangkan rataan untuk masing-masing bidang sebesar 16.32 sks untuk pendidikan, 8.83 sks untuk penelitian, serta 6.72 sks untuk pengabdian masyarakat. Secara umum, faktor-faktor yang bepengaruh adalah faktor-faktor dari individu dosen sendiri, yaitu bidang ilmu, latar belakang pendidikan, jabatan fungsional, serta usia. Kata kunci: analisis deskriptif, classification and regression tree (CART), kinerja dosen, Tridharma Perguruan Tinggi
ABSTRACT RIZKY NURKHAERANI. Exploration of performance certified lecturer in implementing Tridharma Perguruan Tinggi in Indonesia. Supervised by HARI WIJAYANTO and DAHRUL SYAH. The aim of this research was to provide a general overview of the characteristics and achievements of performance certified lecturer, determine the factors that affect the performance of certified lecturer, classify certified lecturer based on these factors, and compare the professor and lecturer nonprofessor‟s performance. Descriptive analysis is used to see a general overview of the characteristics and achievements of certified lecturer performance while the CART method is used to determine factors that affect the performance of certified lecturer and classify of them. Amounting to 79% of certified lecturers in Indonesia has been implementing its obligations. Mean total credits achievements of lecturer per year amounted to 31.86 while the average for each area of 16.32 credits for education, 8.83 credits for research, as well as 6.72 credits for community service. In general, the factors that affect are the factors of individual lecturers themselves, namely the field of science, educational background, functional, and age. Keywords: descriptive analysis, classification and regression tree (CART), certified lecturer performance, Tridharma Perguruan Tinggi
iii
EKSPLORASI KINERJA DOSEN TERSERTIFIKASI DALAM MELAKSANAKAN TRIDHARMA PERGURUAN TINGGI DI INDONESIA
RIZKY NURKHAERANI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
iv
v Judul Skripsi : Eksplorasi Kinerja Dosen Tersertifikasi dalam Melaksanakan Tridharma Perguruan Tinggi di Indonesia Nama : Rizky Nurkhaerani NIM : G14090074
Disetujui oleh
Dr Ir Hari Wijayanto, MSi Pembimbing I
Dr Ir Dahrul Syah, MScAgr Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MSi Ketua Departemen Statistika
Tanggal Lulus:
vi
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan April 2013 ini ialah eksplorasi data, dengan judul Eksplorasi Kinerja Dosen Tersertifikasi dalam Melaksanakan Tridharma Perguruan Tinggi di Indonesia. Terima kasih penulis ucapkan kepada Bapak Dr Ir Hari Wijayanto MSi dan Bapak Dr Ir Dahrul Syah MScAgr selaku pembimbing, Dr Ir Erfiani MSi selaku dosen penguji yang telah banyak memberi saran, seluruh dosen serta pihak Tata Usaha Departemen Statistika IPB yang telah sangat membantu. Tak lupa terima kasih juga penulis ucapkan kepada Direktorat Keuangan Institut Pertanian Bogor yang berkenan membantu dalam hal penyediaan data. Ungkapan terima kasih sebesar-besarnya penulis sampaikan kepada Bapak, Mamah, Ami, Eep, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Terima kasih juga penulis ucapkan kepada sahabat dan teman-teman Statistika dan CSS MoRa 46 seperjuangan, sahabat-sahabat FH, serta teman terdekat yang senantiasa memberi semangat, perhatian, dan bantuan dalam penyusunan karya ilmiah ini. Semoga karya ilmiah ini bermanfaat.
Bogor, September 2013 Rizky Nurkhaerani
vii
DAFTAR ISI DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
ix
PENDAHULUAN
11
Latar Belakang
11
Tujuan Penelitian
12
METODOLOGI
12
Metode Pengumpulan Data
12
Metode Analisis Data
13
HASIL DAN PEMBAHASAN
18
Analisis Deskriptif
18
Analisis Pohon Regresi
25
SIMPULAN DAN SARAN
37
Simpulan
37
Saran
38
DAFTAR PUSTAKA
39
LAMPIRAN
30
RIWAYAT HIDUP
39
viii
DAFTAR TABEL 1 Ringkasan statistik pencapaian angka kredit 2 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon bidang pendidikan 3 Tingkat kepentingan peubah penjelas pada pohon bidang pendidikan 4 Klasifikasi dosen berdasarkan capaian angka kredit pendidikan 5 Persentase kredit mengajar berdasarkan jenjang pendidikan 6 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon bidang penelitian 7 Tingkat kepentingan peubah penjelas pada pohon bidang penelitian 8 Klasifikasi dosen berdasarkan capaian angka kredit penelitian 9 Persentase publikasi jurnal 10 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon bidang pengabdian 11 Tingkat kepentingan peubah penjelas pada pohon bidang pengabdian 12 Klasifikasi dosen berdasarkan capaian angka kredit bidang pengabdian 13 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon total 14 Tingkat kepentingan peubah penjelas pada pohon total 15 Klasifikasi dosen berdasarkan capaian angka kredit total 16 Perbandingan kompensasi bagi guru besar dan non guru besar 17 Korelasi pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian
14 15 15 17 18 19 19 20 21 22 22 23 24 24 25 26 26
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Proses pemilahan pada CART Persentase jumlah dosen berdasarkan usia Rataan capaian angka kredit berdasarkan kategori usia Persentase jumlah dosen berdasarkan jenis kelamin Rataan capaian angka kredit berdasarkan jenis kelamin Persentase jumlah dosen berdasarkan status perguruan tinggi Rataan capaian angka kredit berdasarkan status perguruan tinggi Persentase jumlah dosen berdasarkan lokasi perguruan tinggi Rataan capaian angka kredit berdasarkan lokasi perguruan tinggi Persentase dosen berdasarkan bidang ilmu Rataan capaian dosen berdasarkan bidang ilmu Persentase dosen berdasarkan jabatan fungsional Rataan capaian dosen berdasarkan jabatan fungsional Persentase jumlah dosen berdasarkan jenjang pendidikan terakhir Rataan capaian angka kredit berdasarkan jenjang pendidikan terakhir
5 8 8 9 9 9 10 10 10 11 11 12 12 12 13
ix 16 Persentase jumlah dosen berdasarkan asal negara mendapat pendidikan doktor (S3) 17 Rataan capaian angka kredit berdasarkan asal negara mendapat pendidikan doktor (S3) 18 Persentase jumlah dosen berdasarkan kategori pencapaian angka kredit total 19 Pohon regresi bidang pendidikan 20 Persentase publikasi jurnal berdasarkan asal PT pendidikan S3
13 13 14 16 21
DAFTAR LAMPIRAN 1 2 3 4 5 6 7 8 9 10 11
Tabel peubah yang diamati dan masing-masing kategorinya Diagram kotak garis capaian angka kredit Pohon regresi bidang penelitian Pohon regresi bidang pengabdian masyarakat Pohon regresi total capaian angka kredit Tabel gaji pokok pegawai negeri sipil Korelasi Pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian bagi non guru besar Korelasi Pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian bagi guru besar Korelasi Pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian bagi asisten ahli Korelasi Pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian bagi lektor Korelasi Pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian bagi lektor kepala
30 31 33 34 35 36 bidang 37 bidang 37 bidang 37 bidang 38 bidang 38
x
PENDAHULUAN Latar Belakang Pendidikan merupakan salah satu faktor penting yang dibutuhkan manusia untuk mendapatkan kualitas hidup yang lebih baik. Pendidikan di Indonesia terus berkembang baik dalam kurikulum maupun sarana dan prasarana. Pendidikan dapat ditempuh melalui lembaga pendidikan formal dan informal. Salah satu lembaga pendidikan formal adalah perguruan tinggi. Perguruan tinggi sebagai salah satu pondasi pendidikan di suatu negara memiliki tugas dan tanggung jawab dalam membentuk pemimpin-pemimpin bangsa di masa depan yang memiliki intelektualitas tinggi serta budi pekerti yang luhur. Pencapaian tugas tersebut tidak lepas dari peran serta dan kontribusi sumber daya pendidik serta sarana pendidikan yang juga harus berkualitas. Dosen merupakan salah satu komponen penting dalam sistem pendidikan di perguruan tinggi. Menurut PP No. 37 Tahun 2009 Pasal 1, dosen adalah pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan ilmu pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian masyarakat. Ketiga bidang tersebut dikenal dengan sebutan Tridharma Perguruan Tinggi, yaitu tiga tugas suci yang diusung oleh perguruan tinggi. Sebagai salah satu pilar perguruan tinggi, dosen memiliki kewajiban untuk ikut melaksanakan tridharma tersebut. Pengajaran di kelas, asistensi, pembimbing, dan penguji tugas akhir mahasiswa, serta pembuatan dan perbaikan bahan ajar merupakan beberapa tugas dosen dalam bidang pendidikan. Tugas dalam bidang penelitian berupa pelaksanaan penelitian dan publikasi baik nasional maupun internasional sedangkan untuk bidang pengabdian masyarakat meliputi kegiatan-kegiatan yang memberikan nilai tambah bagi masyarakat. Kualitas pendidikan di perguruan tinggi salah satunya dapat dilihat dari kualitas kinerja dosen dalam melaksanakan tugas-tugasnya. Kinerja dosen sangat beragam. Keragaman kinerja dosen dapat dipengaruhi oleh beberapa faktor, baik faktor internal dari dalam diri maupun faktor eksternal. Menurut Siagian (2007), penilaian prestasi kerja atau evaluasi kerja merupakan hal yang penting untuk dilakukan, baik untuk kepentingan pegawai maupun organisasi. Bagi pegawai, penilaian kerja berguna bagi perkembangan karirnya sedangkan bagi organisasi hasil penilaian tersebut memiliki arti dan peran yang penting dalam pengambilan keputusan. Oleh karena itu, informasi mengenai kinerja dan karakteristik dosen sangat diperlukan sebagai bahan evaluasi untuk meningkatkan proses serta hasil dari pendidikan. Menurut Murti (2013), kinerja seorang pegawai akan meningkat sejalan dengan tingginya tingkat kepuasan yang berasal dari terpenuhinya kebutuhan, keinginan, dan harapannya. Sama halnya dengan dosen. Selain gaji pokok yang diberikan tiap bulan, pemerintah juga memberikan tunjangan profesi. Pemberian tunjangan tersebut diharapkan dapat memacu dosen untuk lebih produktif dalam melaksanakan kewajiban-kewajibannya, baik dalam pendidikan, penelitian, maupun pengabdian masyarakat.
212 Jika dilihat berdasarkan penerimaan kompensasi, dosen dibagi menjadi dua, yaitu guru besar dan non guru besar. Perbedaan di antara keduanya adalah tunjangan kehormatan yang hanya diterima oleh guru besar. Selain gaji pokok dan tunjangan profesi, guru besar juga mendapatkan tunjangan kehormatan. Tunjangan kehormatan tersebut diberikan oleh pemerintah dengan mempertimbangkan tugas-tugas khusus yang dibebankan kepada guru besar, yaitu menulis buku, karya ilmiah, serta menyebarluaskan gagasannya untuk mencerahkan masyarakat. Menurut PP No. 41 Tahun 2009 Bab IV Pasal 14 dan 15, tunjangan profesi bagi dosen diberikan sebesar satu kali gaji pokok pegawai negeri sipil sedangkan tunjangan kehormatan sebesar dua kali gaji pokok. Adanya perbedaan tersebut menyebabkan kinerja guru besar menjadi perhatian. Implementasi kewajiban guru besar setelah adanya pemberian tunjangan kehormatan dipertanyakan. Penelitian ini menggunakan analisis CART (classification and regression tree) untuk melihat faktor-faktor yang berpengaruh terhadap pencapaian tugas dosen serta membuat klasifikasi dosen berdasarkan faktor-faktor tersebut. Kondisi data yang berukuran besar dan kompleks, yaitu bertipe campuran numerik dan kategorik, sulit untuk memenuhi asumsi yang merupakan syarat pada penggunaan analisis regresi. Metode CART merupakan metode nonparametrik yang tidak membutuhkan pemenuhan asumsi dan dapat menangani data berukuran besar serta kompleks (Breiman 1993). Peubah respon dari penelitian ini merupakan data numerik sehingga prosedur CART yang digunakan adalah prosedur pohon regresi. Tujuan Penelitian
1. 2. 3.
4.
Tujuan dari penelitian ini adalah : Memberikan gambaran umum mengenai performa kinerja dosen tersertifikasi di Indonesia dalam melaksanakan Tridharma Perguruan Tinggi. Menentukan faktor-faktor yang berpengaruh terhadap kinerja dosen tersertifikasi dalam melaksanakan Tridharma Perguruan Tinggi. Mengklasifikasikan dosen tersertifikasi berdasarkan faktor-faktor yang berpengaruh terhadap kinerjanya dalam melaksanakan Tridharma Perguruan Tinggi. Membandingkan capaian kinerja guru besar dengan dosen non guru besar (studi kasus di Institut Pertanian Bogor).
METODOLOGI Metode Pengumpulan Data Data yang digunakan dalam penelitian ini merupakan data primer hasil dari Evaluasi Kinerja Dosen Penerima Tunjangan Profesi pada tahun 2012 sebanyak 45377 data dosen. Evaluasi kinerja dosen penerima tunjangan profesi tahun 2012 merupakan program evaluasi yang diselenggarankan oleh Direktorat Pendidikan Tinggi dan dilaksanakan dalam bentuk pengisian kuisioner online. Populasi dari evaluasi tersebut adalah dosen yang telah tersertifikasi dan telah mendapatkan
13 3 tunjangan profesi. Seluruh dosen penerima tunjangan profesi di Indonesia diwajibkan untuk mengisi kuisioner online tersebut. Pengisian program evaluasi ini dilaksanakan pada bulan Juni 2012 sampai dengan Oktober 2012. Peubah respon yang digunakan dalam penelitian ini adalah rataan pencapaian angka kredit dosen per tahun dalam melaksanakan tugas-tugasnya, baik dalam bidang pendidikan, penelitian, pengabdian masyarakat, serta total kredit keseluruhan. Peubah-peubah penjelas yang digunakan di dalam penelitian ini, yaitu status perguruan tinggi, lokasi perguruan tinggi, bidang ilmu, jenis kelamin, usia, latar belakang pendidikan terakhir, dan jabatan fungsional (Lampiran 1). Penelitian ini menggunakan data dosen dengan skala nasional untuk mencapai tujuan pertama sampai ketiga sedangkan untuk tujuan keempat yang digunakan hanya data dosen Institut Pertanian Bogor (IPB). Data gaji dan tunjangan dosen IPB yang dibutuhkan untuk mencapai tujuan tersebut diperoleh dari Direktorat Keuangan IPB. Data tersebut digunakan untuk membandingkan kinerja dari guru besar dan non guru besar dengan melihat hubungan antara gaji dengan angka pencapaian angka kredit. Dosen IPB yang melakukan pengisian kuisioner evaluasi sebanyak 833 orang dari 905 dosen IPB yang telah mendapatkan tunjangan profesi. Metode Analisis Data Persiapan Data Tahap persiapan data merupakan tahap yang penting sebelum melakukan analisis data. Sering kali data yang diperoleh masih terdapat kolom yang tidak terisi atau terisi tetapi tidak sesuai dengan format yang diinginkan. Data seperti itu akan menyulitkan pada saat dianalisis, seperti yang terjadi pada data yang digunakan dalam penelitian ini. Adapun langkah-langkah persiapan data yang dilakukan pada penelitian ini adalah sebagai berikut: 1. Mengatasi kolom yang tidak terisi. Jika kolom yang tidak terisi tersebut dapat diduga dari kolom lain, maka akan diisi dengan nilai dugaan tersebut. Namun, jika tidak dapat diduga dengan kolom lain, maka data dosen tersebut tidak digunakan. 2. Mengatasi isian yang tidak sesuai format. Data yang digunakan dalam penelitian ini adalah data hasil pengisian online sehingga banyak isian yang diisi dengan isian yang tidak sesuai. Data tersebut diubah menjadi isian yang sesuai ketentuan sehingga dapat memudahkan dalam tahap analisis. Sebagai contoh, peubah “Jurnal Internasional 2009” harus diisi dengan banyaknya jurnal internasional yang telah dipublikasikan pada tahun 2009. Jika tidak melakukan publikasi, maka kolom tersebut diisi dengan tanda (-). Akan tetapi, banyak ditemukan isian yang tidak sesuai aturan tersebut sehingga harus diubah terlebih dahulu. 3. Mengkategorikan peubah. - Peubah status dan lokasi perguruan tinggi dikategorikan berdasarkan nama perguruan tinggi. Kategori yang digunakan untuk status perguruan tinggi adalah perguruan tinggi negeri (PTN) dan perguruan tinggi swasta (PTS) sedangkan kategori lokasi perguruan tinggi adalah berlokasi di Jawa dan di luar Jawa.
14 4 -
4. 5. 6. 7.
Peubah latar belakang pendidikan dikategorikan berdasarkan peubah jurusan pendidikan S1, S2, dan S3. Jika jurusan S1, S2, dan S3 terisi, maka latar belakang pendidikannya adalah S3. Jika S1 dan S2 terisi tetapi S3 tidak terisi, artinya latar belakang pendidikan terakhirnya S2 sedangkan latar belakang pendidikan terakhir S1 jika hanya jurusan S1 saja yang terisi. - Isian peubah bidang ilmu sangat beragam, baik dalam bentuk kode bidang ilmu maupun nama bidang ilmu. Peubah bidang ilmu dikategorikan berdasarkan rumpun ilmu untuk memudahkan dalam tahap analisis. Adapun rumpun ilmu menurut direktorat pendidikan tinggi (2013), yaitu MIPA, ilmu tanaman (TAN), ilmu hewan (HWN), kedokteran (KED), kesehatan (KES), teknik (TEK), pendidikan (PND), ekonomi (EKO), sosial dan humaniora (SOS), bahasa (BHS), agama dan filsafat (AF), seni desain dan media (SDM), serta bidang ilmu lainnya (LYN). - Peubah usia dikategorikan menjadi muda, madya, dan tua. Tahap dewasa dibedakan menjadi tiga bagian, yaitu dewasa awal, dewasa tengah, dan dewasa akhir. Dewasa awal untuk usia 20-40 tahun, dewasa tengah untuk 40-60 tahun, sedangkan dewasa akhir untuk usia di atas 60 tahun. Pengkategorian ini hanya dilakukan untuk analisis deskriptif saja sedangkan pada analisis CART peubah usia tetap berskala numerik. Keterangan mengenai data status dan lokasi perguruan tinggi serta rumpun ilmu diperoleh dari situs Direktorat Pendidikan Tinggi (DIKTI). Memboboti tiap pelaksanaan tugas dengan bobot sks sesuai ketentuan beban kerja dosen. Membuat rataan pencapaian angka kredit per tahun untuk masingmasing dosen. Menghapus data pencapaian angka kredit di atas 60 sks, baik untuk bidang pendidikan, penelitian, pengabdian maupun total kredit. Mengkategorikan pencapaian angka kredit total berdasarkan kewajiban pencapaian tugas dosen. Menurut Peraturan Pemerintah Nomor 37 Tahun 2009 Bab III Pasal 8, salah satu syarat dalam penerimaan tunjangan profesi adalah melaksanakan Tridharma Perguruan Tinggi dengan beban kerja paling sedikit sepadan dengan 12 sks dan paling banyak 16 sks pada setiap semester. Penelitian ini menggunakan data rataan per tahun sehingga selang capaian angka kreditnya pun digandakan menjadi 24 sampai dengan 32 sks per tahun. Kategori „kurang‟ untuk pencapaian angka kredit kurang dari 24 sks, „cukup‟ untuk 24-32 sks, dan „lebih‟ untuk kredit lebih dari 32 sks.
Analisis Deskriptif Analisis deskriptif digunakan untuk mendapatkan gambaran umum mengenai karakteristik serta capaian kinerja dosen. Analisis deskriptif yang dilakukan pada penelitian ini, yaitu : 1. Membuat diagram lingkaran persentase jumlah dosen berdasarkan tiap kategori peubah penjelas.
155 2. Membuat diagram batang untuk menunjukkan rataan capaian angka kredit berdasarkan tiap kategori peubah penjelas. 3. Membuat diagram kotak garis untuk menunjukkan capaian angka kredit pendidikan, penelitian, pengabdian, dan total. Analisis CART (Classification and Regression Tree) CART merupakan metode statistika nonparametrik yang dikembangkan untuk mengklasifikasikan data dengan peubah respon kategorik maupun numerik. Tujuan metode ini adalah melihat hubungan antara peubah respon dengan peubah penjelas melalui pengelompokkan berdasarkan peubah penjelas yang digunakan. Penggunaan metode CART pada penelitian ini adalah untuk menentukan faktorfaktor yang berpengaruh terhadap kinerja dosen serta mengklasifikasikan dosen berdasarkan faktor-faktor tersebut. Analisis dilakukan pada empat bidang yang merupakan peubah respon dalam penelitian ini, yaitu capaian angka kredit bidang pendidikan, penelitian, pengabdian masyarakat, serta capaian total kredit. CART mengelompokkan peubah respon berdasarkan peubah-peubah penjelasnya ke dalam dua kelompok (biner). Proses pengelompokkan tersebut dilakukan secara berulang-ulang sehingga membentuk struktur pohon biner, seperti pada Gambar 1. Prosedur analisis CART terbagi menjadi dua, yaitu prosedur pohon klasifikasi dan pohon regresi. Jika peubah respon merupakan data kategorik, maka prosedur pohon klasifikasi yang digunakan sedangkan jika peubah respon merupakan data numerik, prosedur pohon regresi yang digunakan (Breiman et al.1993). Peubah respon yang digunakan dalam penelitian ini adalah capaian angka kredit yang berupa data kontinu sehingga prosedur analisis yang diterapkan adalah prosedur pohon regresi.
Gambar 1 Proses pemilahan pada CART Breiman (1993) dalam bukunya menyatakan bahwa pembentukan pohon regresi terdiri dari tiga bagian penting, yaitu pemilahan simpul, penentuan simpul terminal, dan penentuan nilai dugaan respon pada setiap simpul terminal. 1. Pemilahan simpul Setiap proses pemilahan, pemilah hanya bergantung pada satu peubah penjelas. Jika peubah penjelas tersebut merupakan peubah numerik, maka proses pemilahannya dilakukan dengan xj≤ c dan xj>c, untuk cϵR dan c adalah nilai tengah antara dua nilai amatan peubah tersebut yang berurutan dan berbeda. Namun, jika peubah penjelas tersebut merupakan peubah kategorik, maka proses pemilahan akan dilakukan pada setiap kemungkinan terbentuknya dua anak gugus yang saling lepas. Adapun proses pemilahan terdiri dari langkah-langkah berikut:
16 6 1.a
1.b
Menentukan semua kemungkinan pemilah (s) untuk tiap peubah penjelas. Jika peubah penjelas merupakan peubah numerik dengan m merupakan banyaknya nilai pada peubah xj yang berbeda, maka terdapat m - 1 kemungkinan pemilah. Jika peubah merupakan peubah kategorik berskala ordinal dengan k kategori, maka terdapat k - 1 kemungkinan pemilah. Jika peubah berskala nominal dengan k kategori, maka terdapat 2k – 1 - 1. Hitung kehomogenan simpul dengan jumlah kuadrat dari simpangan amatan terhadap rataannya. Jumlah kuadrat sisaan pada simpul t dinyatakan dalam persamaan : R(t) =
1.c
𝑥 𝑛 𝜖𝑡 (𝑦𝑛
− 𝑦 𝑡 )2
dengan 𝑦𝑛 adalah nilai respon pada simpul t dan 𝑦 𝑡 adalah rataan respon pada simpul t. Menghitung nilai kebaikan pemilah. Nilai kebaikan pemilah untuk tiap pemilah s pada simpul t yang membagi t menjadi 𝑡𝐿 dan 𝑡𝑅 dihitung menggunakan fungsi pemilah sebegai berikut : ∆𝑅 𝑠, 𝑡 = R(t) - R(𝑡𝐿 ) - R(𝑡𝑅 )
1.d
dengan R( 𝑡𝐿 ) dan R( 𝑡𝑅 ) masing-masing adalah jumlah kuadrat sisaan pada simpul kiri dan simpul kanan. Menentukan pemilah terbaik. Pemilah terbaik adalah pemilah yang memiliki nilai kebaikan pemilah paling besar. ∆𝑅 𝑠 ∗ , 𝑡 = 𝑚𝑎𝑥𝑠∈𝑆 ∆𝑅 𝑠, 𝑡
Pemilihan pemilah dilakukan dengan langkah yang sama untuk setiap simpul. 2. Penentuan simpul terminal Simpul terminal merupakan simpul penghentian karena tidak terjadi proses pemilahan respon lagi pada simpul tersebut. Suatu simpul dijadikan simpul terminal jika tidak terdapat lagi penurunan keheterogenan yang berarti (kondisi simpul sudah homogen) atau nilai amatan pada simpul terlalu sedikit sehingga tidak efektif untuk dipilah kembali. Menurut Beriman et. all (1993), ukuran minimal objek pada simpul yang biasa digunakan adalah lima amatan. Akan tetapi, ukuran minimal objek tersebut dapat ditentukan menurut kebijakan peneliti. Biasanya ukuran minimum objek yang digunakan adalah 10% dari ukuran data learning (Timofeev 2004). Jumlah minimum amatan pada simpul yang digunakan dalam penelitian ini ditentukan oleh peneliti, yaitu 1000 amatan untuk simpul induk dan 500 untuk simpul anak. Hal ini mempertimbangkan ukuran data yang besar. Jika jumlah minimum amatannya kecil, pohon yang akan terbentuk akan sangat besar. Sebelum memutuskan untuk menggunakan nilai jumlah minimal amatan tersebut, percobaan dilakukan beberapa kali dengan nilai jumlah amatan minimum yang berbeda-beda. Semakin kecil nilai minimum
17 7 amatannya, maka pohon yang dihasilkan semakin besar dan kompeks tetapi peubah-peubah penjelas yang muncul relatif sama. 3. Penentuan nilai dugaan respon Nilai dugaan respon pada masing-masing simpul adalah rataan dan standar deviasi dari respon. Seringkali pohon yang telah terbentuk memiliki ukuran yang besar dan kompleks. Breiman (1993) menyatakan bahwa salah satu solusi dari permasalahan tersebut, yaitu dengan melakukan pruning atau pemangkasan. Proses pemangkasan akan menghasilkan sederet pohon dengan ukuran berbeda-beda. Pemilihan pohon hasil pemangkasan yang dilakukan pada penelitian ini yaitu dengan penduga uji contoh. Penduga uji contoh diperoleh dengan membagi data menjadi dua bagian, yaitu learning sampel L1 dan test sample L2. Data learning untuk membangun pohon dan data testing untuk menguji hasil dugaan pohon yang telah terbentuk. Pada penelitian ini, data learning yang digunakan sebanyak 75% sedangkan data testing sebanyak 25% dari data. Persamaan penduga uji yang digunakan adalah sebagai berikut : 1 𝑅 𝑡𝑠 𝐺 = [𝑦𝑖 − 𝑦 𝑥𝑖 ]2 𝑛2 (𝑥 𝑖 ,𝑦 𝑖 )𝜖𝐿2
dengan n2 adalah banyaknya L2 dan 𝑦𝑘 𝑥𝑖 adalah nilai dugaan respon dari amatan ke-i pada simpul ke-k. Pohon terbaik adalah pohon Gk0 yang memiliki 𝑅 𝑡𝑠 (𝐺) minimum. Uji Korelasi antara Besaran Gaji dengan Capaian angka kredit Hubungan antara gaji dengan pencapaian kredit bidang pendidikan dan penelitian dilihat dengan menggunakan korelasi Pearson. Hubungan gaji dengan angka kredit ini hanya menggunakan data dosen Institut Pertanian Bogor. Adapun persamaan korelasi yang digunakan adalah sebagai berikut : 𝑥 𝑦 𝑥𝑦 − 𝑛 𝑟= ( 𝑥)2 ( 𝑦 )2 𝑥2 − 𝑛 ( 𝑦2 − 𝑛 ) Nilai r berkisar dari -1 sampai dengan 1. Jika bernilai positif artinya kedua hal yang diujikan memiliki hubungan yang positif, sedangkan bila bernilai negatif maka keduanya berhubungan negatif. Kekuatan hubungan dapat dilihat dari nilai mutlak |r|. Semakin mendekati nilai 0 hubungannya semakin lemah dan semakin mendekati 1 hubungannya semakin kuat. Objek yang ingin dibandingkan nilai korelasinya, yaitu : 1. Semua dosen IPB yang telah tersertifikasi dan telah mengisi kuisioner evaluasi online. 2. Guru besar IPB yang telah mengisi kuisioner evaluasi online. 3. Dosen IPB non guru besar yang telah tersertifikasi dan telah mengisi kuisioner evaluasi. 4. Dosen IPB non guru besar yang telah tersertifikasi dipecah berdasarkan jabatan fungsionalnya, yaitu asisten ahli, lektor, dan lektor kepala.
188
HASIL DAN PEMBAHASAN Analisis Deskriptif Karakteristik dan Capaian angka kreditDosen Usia dosen di Indonesia berkisar antara 27 sampai dengan 72 tahun dengan rata-rata usia adalah 50 tahun. Terlihat pada Gambar 2 bahwa sebagian besar usia dosen terletak pada selang antara 46 -55 tahun yang termasuk dalam usia produktif. Hal ini merupakan potensi tingginya produktifitas dosen dalam melaksanakan tugas-tugasnya. Berdasarkan kategori usia, rataan capaian angka kredit tertinggi dimiliki oleh dosen dengan kategori usia muda walaupun perbedaannya tidak jauh (Gambar 3). Dosen kategori usia tua memiliki rataan capaian tertinggi untuk bidang pendidikan sedangkan untuk penelitian dosen muda lebih unggul. Capaian angka kredit pada bidang pengabdian masyarakat relatif sama untuk semua kategori usia.
Rataan Angka Kredit (sks)
Gambar 2 Persentase jumlah dosen berdasarkan usia 40,0 35,0 30,0 25,0 20,0 15,0 10,0 5,0 0,0
PENGABDIAN PENELITIAN PENDIDIKAN
Muda
Madya
Tua
Gambar 3 Rataan capaian angka kredit berdasarkan kategori usia Berdasarkan jenis kelamin, sebagian besar dosen adalah laki-laki dengan persentase sebesar 64% sedangkan perempuan sebesar 36% (Gambar 4). Dosen laki-laki memiliki rataan capaian angka kredit lebih tinggi dibandingkan dengan dosen perempuan dalam bidang pendidikan dan pengabdian masyarakat sedangkan untuk bidang penelitian rataan capaian angka kredit dosen perempuan lebih tinggi. Akan tetapi, selisih capaian angka kredit tersebut sangat kecil (Gambar 5).
19 9 36% Laki-laki 64%
Perempuan
Rataan Angka Kredit (sks)
Gambar 4 Persentase jumlah dosen berdasarkan jenis kelamin 35 30 25 20 15 10 5 0
PENGABDIAN PENELITIAN PENDIDIKAN
Laki-laki
Perempuan
Gambar 5 Rataan capaian angka kredit berdasarkan jenis kelamin Gambar 6 menunjukkan bahwa perguruan tinggi negeri memiliki sumber daya pendidik yang lebih besar dibandingkan perguruan tinggi swasta. Sebesar 70 persen dosen di Indonesia bertugas di perguruan tinggi negeri. Padahal jika dilihat dari jumlah perguruan tinggi di Indonesia, jumlah perguruan tinggi swasta jauh lebih banyak dibandingkan dengan jumlah perguruan tinggi negeri dengan jumlah masing-masing sebesar 86 dan 1143 perguruan tinggi (DIKTI 2012). Secara keseluruhan, perguruan tinggi negeri memiliki rataan capaian angka kredit yang lebih tinggi (Gambar 7). Namun, untuk bidang pendidikan dan pengabdian masyarakat rataan keduanya relatif sama. 30% Perguruan Tinggi Negeri 70%
Perguruan Tinggi Swasta
Gambar 6 Persentase jumlah dosen berdasarkan status perguruan tinggi
Rataan Angka Kredit (sks)
20 10 35 30 25 20
PENGABDIAN
15
PENELITIAN
10
PENDIDIKAN
5 0 Perguruan Tinggi Perguruan Tinggi Negeri Swasta
Gambar 7 Rataan capaian angka kredit berdasarkan status perguruan tinggi Lokasi perguruan tinggi dibedakan menjadi dua, yaitu perguruan tinggi di Jawa dan luar Jawa. Pembangunan dan aktivitas yang tinggi di Pulau Jawa melatarbelakangi alasan untuk pengkategorian tesebut. Selain itu, Pulau Jawa juga merupakan pusat pendidikan dengan banyaknya jumlah perguruan tinggi yang sering menjadi tujuan lokasi masyarakat di luar Jawa untuk menempuh pendidikan tinggi. Hal tersebut didukung dengan besarnya jumlah dosen yang bertugas di pulau Jawa. Gambar 8 menunjukkan bahwa lebih dari setengah jumlah dosen di Indonesia bertugas di perguruan tinggi yang berlokasi di pulau Jawa. Capaian angka kredit dosen di Pulau Jawa pun lebih tinggi dalam semua bidang dibandingkan dengan dosen di luar Pulau Jawa walaupun selisih pada tiap-tiap bidang tidak besar (Gambar 9).
42% 58%
Jawa Luar Jawa
Rataan Angka Kredit (sks)
Gambar 8 Persentase jumlah dosen berdasarkan lokasi perguruan tinggi 35 30 25 20 15 10 5 0
PENGABDIAN PENELITIAN PENDIDIKAN
Jawa
Luar Jawa
Gambar 9 Rataan capaian angka kredit berdasarkan lokasi perguruan tinggi
21 11 Berdasarkan rumpun bidang ilmu, bidang teknik, pendidikan, dan ekonomi memiliki jumlah dosen terbesar dengan persentase masing-masing sebesar 18, 17 dan 15 persen. Bidang sosial, ilmu tanaman, dan MIPA menyusul dengan 13, 10, dan 9 persen. Di urutan bawah, terdapat mipa dan kedokteran sebesar 4 persen, bidang kesehatan dan bahasa dengan 3 persen, seni desain dan media sebesar 2 persen, dan agama dan filsafat serta bidang lainnya di posisi terbawah dengan persentase sebesar 1 persen (Gambar 10). Bidang ilmu pendidikan memiliki nilai rataan kredit yang paling tinggi dalam hal pelaksanaan pendidikan. Ilmu hewan, MIPA, ilmu tanaman, kedokteran, dan kesehatan merupakan bidang-bidang yang memiliki rataan kredit penelitian yang tinggi sedangkan bidang seni desain dan media menempati posisi pencapaian angka kredit penelitian yang paling rendah. Sementara itu, rataan kredit untuk bidang pengabdian masyarakat hampir sama nilainya untuk semua bidang ilmu, seperti yang terlihat pada Gambar 11.
4%
4%
3%2%1%1%
3%
18%
9%
17%
10% 13%
15%
TEK PND EKO SOS TAN MIPA HWN KED KES BHS SDM AF LYN
Rataan Angka Kredit
Gambar 10 Persentase dosen berdasarkan bidang ilmu 20 18 16 14 12 10 8 6 4 2 0
AF BHS EKO HWN KED KES MIPA PND SDM SOS TAN TEK LYN
Pendidikan
Penelitian
Pengabdian
Gambar 11 Rataan capaian dosen berdasarkan bidang ilmu Jabatan fungsional terbagi kepada empat, yaitu asisten ahli, lektor, lektor kepala, dan guru besar. Persentase jumlah dosen berdasarkan jabatan didominasi oleh lektor dan lektor kepala (Gambar 12). Jika dilihat berdasarkan jabatan fungsional, rataan capaian tertinggi dimiliki oleh guru besar sedangkan yang
22 12 lainnya memiliki capaian angka kredit yang relatif sama (Gambar 13). Hal ini dikarenakan seorang guru besar memiliki tugas khusus yang tidak diwajibkan pada dosen lain. 6% 3% Asisten Ahli
41% 50%
Lektor Lektor Kepala Guru besar
Rataan Angka Kredit (sks)
Gambar 12 Persentase dosen berdasarkan jabatan fungsional 50 40 30
PENGABDIAN
20
PENELITIAN
10
PENDIDIKAN
0 Asisten Ahli
Lektor
Lektor Kepala
Guru besar
Gambar 13 Rataan capaian dosen berdasarkan jabatan fungsional Terlihat pada Gambar 14 sebagian besar dosen berpendidikan terakhir S2 (66,53%) dan sisanya S1 (0,26%) dan S3 (33.21%). Menurut Sumarsono (2003), semakin tinggi nilai aset yang dimiliki, dalam hal ini pendidikan, maka akan semakin tinggi pula kemampuan seseorang untuk bekerja. Tingginya tingkat pendidikan dosen sangat membedakan rataan pencapaian ketiga bidang tugas. Gambar 15 menunjukkan kenaikkan yang nyata pada tiap tingkatan pendidikan. Capaian angka kredit dosen yang berpendidikan S3 memiliki nilai yang paling tinggi pada ketiga bidang, terutama bidang penelitian. 0.26% S1
33.21%
S2
67.53%
S3
Gambar 14 Persentase jumlah dosen berdasarkan jenjang pendidikan terakhir
Rataan AngkaKredit (sks)
23 13 40 30 PENGABDIAN
20
PENELITIAN 10
PENDIDIKAN
0 S1
S2
S3
Gambar 15 Rataan capaian angka kredit berdasarkan jenjang pendidikan terakhir Negara tempat menempuh pendidikan pun beragam. Gambar 16 memperlihatkan bahwa lebih dari setengah dosen menempuh pendidikan S3 di dalam negeri dan sisanya di luar negeri, yaitu Jepang (9%), negara-negara di Asia lainnya (3%), Eropa (9%), Australia (5%), Amerika (3%), dan lainnya (17%). Jepang di bedakan dari Asia karena jumlah dosen yang menempuh pendidikan di sana memang lebih besar dibandingkan dengan Asia sendiri. Terlihat pada Gambar 17 capaian angka kredit Jepang untuk bidang penelitian pun sangat tinggi dibanding dengan yang lainnya tetapi untuk pendidikan dan pengabdian masyarakat masih di bawah atau setara dengan yang lainnya. Sementara itu, lulusan dalam negeri unggul dalam capaian angka kredit di bidang pendidikan walaupun hanya berbeda sedikit dari yang lainnya sedangkan untuk bidang penelitian lulusan dalam negeri berada di bawah yang lainnya. 17%
Dalam Negeri Eropa
3% 5%
Jepang
55%
5%
Asia
6%
Amerika Luar Negeri Lainnya
9% Gambar 16
Persentase jumlah dosen berdasarkan asal negara mendapat pendidikan doktor (S3)
Rataan Angka Kredit
20
Dalam Negeri Jepang
15
Amerika
10
Asia 5
Australia
0
Eropa PENDIDIKAN
Gambar 17
Australia
PENELITIAN PENGABDIAN
Luar Negeri Lainnya
Rataan capaian angka kredit berdasarkan asal negara mendapat pendidikan doktor (S3)
24 14 Telah dijelaskan pada bagian metode penelitian bahwa capaian angka kredit baik total, pendidikan, penelitian maupun pengabdian yang digunakan dalam penelitian ini maksimum 60 sks. Berdasarkan digaram kotak garis (Lampiran 2), capaian angka kredit total berkisar antara 2 – 60 sks dengan rata-rata sebesar 31.86 sks. Bidang pendidikan memiliki rata-rata sebesar 16.32, bidang penelitian sebesar 8.83, sedangkan untuk bidang pengabdian masyarakat sebesar 6.72 sks. Capaian angka kredit untuk masing-masing bidang tersebut berada pada selang 051.5 untuk pendidikan 0-45 untuk penelitian, dan 0-15 untuk pengabdian masyarakat. Berdasarkan nilai koefisien keragaman pada Tabel 1, terlihat bahwa keragaman masing-masing pencapaian angka kredit tersebut sangat besar, terutama untuk bidang penelitian. Beragamnya capaian angka kredit dosen terlihat dari masih banyaknya pencilan terutama pada bidang pendidikan dan penelitian walaupun sudah dibatasi pada nilai 60. Tabel 1 Ringkasan statistik pencapaian angka kredit N Min Max Mean SD Variance CV (%) PENDIDIKAN
33299
.0 51.5 16.316 5.8718
34.478 35.99%
PENELITIAN
33299
.0 45.0
8.823 6.7883
46.081 76.94%
PENGABDIAN 33299
.0 15.0
6.726 2.7705
7.676 41.19%
1.3 60.0 31.861 9.8880
97.772 31.04%
TOTAL
33299
Dosen memiliki kewajiban beban kredit minimal 12-16 sks per semester. Kewajiban ini berupa pelaksanaan tugas-tugas dalam bidang pendidikan, penelitian, pengabdian, maupun kegiatan penunjang. Penelitian ini menggunakan data rataan per tahun sehingga selangnya digandakan menjadi 24-32 sks per tahun. Kategori capaian tugas dibentuk berdasarkan selang tersebut. Kategori “kurang” menunjukkan capaian angka kredit yang kurang dari 24 sks, kategori “cukup” untuk capaian di dalam selang 24-32 sks, sedangkan kategori “lebih” untuk capaian angka kredit melebihi 32 sks. Jika dilihat dari kategori-kategori tersebut, sebagian besar dosen telah melaksanakan tugasnya bahkan 44 persen dosen melebihi batas kewajiban pencapaian angka kredit. Namun, sebanyak 21 persen jumlah dosen masih belum memenuhi kewajibannya (Gambar 18).
44%
21% KURANG CUKUP
35%
Gambar 18
LEBIH
Persentase jumlah dosen berdasarkan kategori pencapaian angka kredit total
25 15 Analisis Pohon Regresi Pohon Regresi Bidang Pendidikan Analisis pohon regresi menghasilkan pohon bidang pendidikan yang terdiri dari 29 simpul dengan 15 simpul terminal. Ukuran pohon tersebut sangat besar dan kompleks sehingga dilakukan pemangkasan (prunning). Pemangkasan dilakukan hingga diperoleh pohon yang jauh lebih sederhana tetapi dengan nilai keragaman dalam pohon yang tidak jauh berbeda. Nilai keragaman pohon dugaan dilihat di Tabel 2 pada kolom estimate. Tabel 2 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon bidang pendidikan Jumlah Jumlah Simpul Std. Resiko Keragaman Maksimum Estimate Simpul Terminal Error Tanpa pemangkasan (prunning)
29
15
29.232 0.606
1
17
9
29.973 0.668
2
13
7
31.691 0.692
3
11
6
30.516 0.647
Pohon akhir yang dipilih adalah pohon hasil pemangkasan dengan nilai resiko keragaman maksimum sama dengan 3. Pohon akhir initerdiri dari 11 simpul dengan 6 simpul terminal. Jumlah simpul pada pohon ini jauh lebih sedikit dibandingkan dengan pohon lainnya tetapi memiliki nilai keragaman dalam simpul yang tidak jauh berbeda. Nilai keragaman dapat berubah-ubah karena data learning dan testing yang digunakan diambil secara acak. Akan tetapi, perubahan nilai keragaman tersebut tidak besar. Berdasarkan pohon regresi hasil pemangkasan, terdapat 3 peubah penciri yang berpengaruh terhadap pencapaian angka kredit pendidikan, yaitu bidang ilmu, jabatan, dan latar belakang pendidikan. Hal tersebut didukung dengan nilai kepentingan tiap peubah yang dapat dilihat pada Tabel 3. Terlihat bahwa ketiga peubah tersebut memiliki nilai kepentingan yang tinggi. Tabel 3 Tingkat kepentingan peubah penjelas pada pohon bidang pendidikan Independent Variable
Importance
Normalized Importance
BIDANG
1.941
100.0%
JABATAN
1.619
83.4%
LBPENDIDIKAN
1.395
71.9%
USIA
.210
10.8%
STATUSPT
.108
5.6%
Gambar 19 menunjukkan bahwa peubah pertama yang menjadi pemilah adalah bidang ilmu. Bidang ilmu juga memiliki nilai kepentingan yang paling besar. Kedua hal tersebut dapat menunjukkan bahwa bidang ilmu merupakan peubah yang paling berpengaruh terhadap capaian angka kredit di bidang
26 16 pendidikan. Ilmu tanaman, ilmu hewan, teknik, kedokteran, dan MIPA berada pada simpul kiri sedangkan ekonomi, bahasa, agama dan filsafat, pendidikan, sosial, kesehatan, dan seni desain dan media berada pada simpul kanan. Simpul kanan yang tergolong dalam ilmu sosial memiliki nilai dugaan rataan kredit yang lebih tinggi, yaitu sebesar 17,35 sedangkan dugaan rataan pada simpul kiri yang tergolong dalam ilmu eksak sebesar 14,78. Hal tersebut dipengaruhi oleh jumlah peserta ajar pada bidang ilmu sosial cenderung lebih banyak dibandingkan dengan ilmu eksak. Dengan demikian, jam mengajar yang dibutuhkan oleh bidang ilmu sosial akan lebih banyak sehingga angka kredit pendidikan bagi dosen-dosen sosial pun menjadi lebih besar.
Gambar 19 Pohon regresi bidang pendidikan Peubah kedua yang berpengaruh adalah jabatan fungsional. Asisten ahli, lektor, dan lektor kepala terletak dalam satu simpul terpisah dengan guru besar. Dosen dengan jabatan sebagai guru besar memiliki nilai rataan kredit yang lebih
27 17 tinggi dibanding yang lain sehingga terletak pada simpul yang berbeda. Jika dilihat berdasarkan bidang ilmu, guru besar dengan bidang ilmu pada simpul kanan (ekonomi, bahasa, agama dan filsafat, pendidikan, sosial, kesehatan, dan seni desain dan media) juga memiliki nilai rataan yang lebih tinggi dari bidang ilmu pada simpul kiri. Peubah berikutnya yang berpengaruh adalah latar belakang pendidikan. Dosen berpendidikan S3 cenderung memiliki rataan kredit pendidikan yang lebih tinggi dibandingkan dengan dosen berpendidikan S1 dan S2. Berdasarkan pohon yang terbentuk, terdapat enam kelas hasil klasifikasi dosen dengan masing-masing karakteristik dosen yang dijabarkan pada Tabel 4. Tabel 4 Klasifikasi dosen berdasarkan capaian angka kredit pendidikan Dugaan Kelas Simpul N Peubah Penciri Rataan Kredit 1 5 255 23,505 Memiliki jabatan sebagai guru besar serta bidang ilmu yang termasuk kedalam bidang ekonomi, bahasa, agama dan filsafat, pendidikan, sosial, kesehatan, atau seni desain dan media. 2 9 1181 18,218 Memiliki latar belakang pendidikan S3, jabatan sebagai asisten ahli, lektor, atau lektor kepala, serta bidang ilmu yang termasuk ke dalam bidang ekonomi, bahasa, sosial, kesehatan, atau seni desain dan media. 3 3 277 17,451 Memiliki jabatan sebagai guru besar serta bidang ilmu yang termasuk ke dalam bidang ilmu tanaman, ilmu hewan, teknik, kedokteran, atau MIPA. 4 12 665 16,529 Memiliki latar belakang pendidikan S1/S2, jabatan sebagai asisten ahli, lektor, atau lektor kepala, serta bidang ilmu yang termasuk ke dalam bidang ekonomi, bahasa, sosial, kesehatan, atau seni desain dan media. 5 8 2339 15,147 Memiliki jabatan sebagai asisten ahli, lektor, atau lektor kepala serta bidang ilmu yang termasuk ke dalam bidang teknik, MIPA, atau kedokteran. 6 7 1117 13,346 Memiliki jabatan sebagai asisten ahli, lektor, atau lektor kepala serta bidang ilmu yang termasuk ke dalam ilmu tanaman atau hewan.
28 18 Jika angka kredit tersebut diuraikan berdasarkan jenjang pendidikan peserta didik, maka akan diperoleh persentase kredit mengajar di D3, S1, S2, dan S3 untuk masing-masing kelas (Tabel 5). Secara umum, persentase nilai kredit terbesar berasal dari kredit mengajar S1. Kelas 1 dan kelas 3 memiliki persentase mengajar S2 dan S3 yang lebih besar dari yang lain. Kedua kelas ini pun memiliki proposi mengajar di D3 yang sangat kecil. Sebaran capaian angka kredit mengajar tersebut telah memenuhi harapan kualifikasi akademik dosen. Menurut UU No. 14 Tahun 2005 Pasal 46, dosen yang mengajar program diploma dan program sarjana wajib memiliki kualifikasi akademik minimum lulusan program magister (S2) sedangkan untuk program pascasarjana minimum lulusan program doktor (S3). Kelas 1 dan kelas 3 yang merupakan kelas dari guru besar diharapkan memiliki persentase mengajar di S2 dan S3 yang lebih besar dari yang lain serta persentase yang kecil di D3. Persentase mengajar D3 yang besar bagi seorang guru besar merupakan suatu pemborosan sumber daya karena dari segi kualifikasi akademik seorang asisten ahli pun sudah dapat mengajar di D3. Tabel 5 Persentase kredit mengajar berdasarkan jenjang pendidikan Persentase Kredit Mengajar (%) Kelas D3 S1 S2 S3 Kelas 1 2,70 61,08 28,17 8,05 Kelas 2 7,64 76,10 14,21 2,04 Kelas 3 4,09 58,25 27,76 9,90 Kelas 4 10,21 80,31 8,41 1,06 Kelas 5 14,85 70,17 13,22 1,76 Kelas 6 8,16 78,57 10,29 2,98 Nilai R-square yang diperoleh dari pohon yang dihasilkan sebesar 0.1065. Hal ini menunjukkan bahwa keragaman data yang dapat dijelaskan oleh pohon ini hanya sebesar 10.65% sedangkan sisanya dijelaskan oleh peubah lain yang tidak digunakan dalam penelitian ini. Nilai tersebut menunjukkan bahwa kemampuan model (pohon) yang terbentuk dalam menjelaskan data kinerja dosen ini kurang baik. Hal tersebut terjadi karena kinerja dosen sangat beragam. Kinerja seseorang tidak dapat dikontrol seperti dalam suatu perancangan percobaan. Sangat banyak faktor-faktor baik dari luar atau pun dari dalam diri seseorang yang ikut mempengaruhi kinerjanya. Selain itu, pengambilan data dilakukan melalui pengisian online yang tidak dapat dipastikan kejujuran dan kebenaran dari isian. Adanya kesalahan pemasukkan data sangat mungkin terjadi. Pohon Regresi Bidang Penelitian Pohon regresi awal yang dihasilkan tanpa pemangkasan terdiri dari 39 simpul dengan 20 simpul terminal. Pohon ini sangat besar dan kompleks sehingga dilakukan pemangkasan. Pohon hasil pemangkasan terdiri dari 9 simpul dan 5 simpul terminal. Nilai keragaman pohon akhir ini pun tidak berbeda jauh dengan pohon awal yang masih kompleks, seperti yang terlihat pada Tabel 6.
29 19 Tabel 6 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon bidang penelitian Jumlah Jumlah Simpul Std. Resiko Keragaman Maksimum Estimate Simpul Terminal Error Tanpa pemangkasan (prunning)
39
20
38.161 0.848
1
19
10
37.951 0.853
2
13
7
38.541 0.872
3
9
5
39.157 0.871
Peubah-peubah yang berpengaruh terhadap capaian angka kredit bidang penelitian tidak jauh berbeda dengan bidang pendidikan. Terdapat 3 peubah penciri yang berpengaruh, yaitu latar belakang pendidikan, bidang ilmu, dan usia. Tabel 7 menunjukkan bahwa ketiga peubah tersebut merupakan peubah yang memiliki nilai kepentingan yang cukup tinggi dibanding peubah yang lain. Tabel 7 Tingkat kepentingan peubah penjelas pada pohon bidang penelitian Independent Variable
Importance
Normalized Importance
LBPENDIDIKAN
4.320
100.0%
BIDANG
2.498
57.8%
USIA
2.076
48.0%
JABATAN
0.978
22.6%
STATUSPT
0.121
2.8%
JK
0.017
0.4%
Berdasarkan pohon regresi hasil pemangkasan, latar belakang pendidikan merupakan peubah yang pertama menjadi pemilah artinya latar belakang pendidikan adalah peubah penciri yang paling berpengaruh pada capaian angka kredit bidang penelitian (Lampiran 3). Dugaan rataan kredit penelitian bagi dosen berpendidikan S3 sebesar 11,983 sedangkan rataan pada simpul S1 dan S2 sebesar 7,346. Dosen dengan latar belakang S3 akan cenderung memiliki kredit penelitian yang lebih tinggi dibandingkan dengan dosen berpendidikan S1 dan S2. Hal tersebut sejalan dengan hasil analisis deskriptif yang menunjukkan bahwa semakin tinggi latar pendidikan seorang dosen maka capaian angka kreditnya pun semakin tinggi, terutama untuk bidang penelitian. Pendidikan yang lebih tinggi akan menambah ketrampilan, pengetahuan, serta kemandirian yang merupakan modal dasar yang dibutuhkan dalam melaksanakan pekerjaan (Sumarsono 2003). Peubah berikutnya yang berpengaruh adalah bidang ilmu. Dosen dengan bidang ilmu tanaman, ilmu hewan, teknik, kedokteran, kesehatan, atau MIPA cenderung memiliki capaian angka kredit penelitian yang lebih tinggi dibandingkan bidang ilmu lainnya. Bidang-bidang tersebut memiliki capaian angka kredit yang cenderung rendah di bidang pendidikan. Hal ini berbanding terbalik dengan ilmu-ilmu lainnya yang memiliki capaian lebih rendah di bidang penelitian tetapi tinggi di bidang pendidikan. Jika dilihat berdasarkan usia, dosen
30 20 yang berusia lebih muda (usia ≤ 43 tahun) memiliki kecenderungan capaian angka kredit penelitian yang lebih tinggi. Adapun klasifikasi dosen menurut capaian angka kredit penelitian dapat dilihat pada Tabel 8. Nilai R-square dari pohon bidang penelitian ini sebesar 0.174 artinya hanya 17.4% keragaman dari data dapat dijelaskan oleh pohon ini. Tabel 8 Klasifikasi dosen berdasarkan capaian angka kredit penelitian Dugaan Kelas Simpul N Peubah Penciri Rataan Kredit 1 3 1510 14,171 Memiliki latar belakang pendidikan S3 sertabidang ilmu yang termasuk ke dalam bidang ilmu tanaman, ilmu hewan, teknik, kedokteran, kesehatan, atau MIPA. 2 5 1391 9,612 Memiliki latar belakang pendidikan S1/S2 serta usia kurang dari sama dengan 43 tahun. 3 4 1319 9,479 Memiliki latar belakang pendidikan S3 serta bidang ilmu yang termasuk ke dalam bidang ekonomi, bahasa, agama dan filsafat, pendidikan, sosial atau seni desain dan media. 4 7 1084 8,194 Memiliki latar belakang pendidikan S1/S2, usia lebih dari 43 tahun, serta bidang ilmu yang termasuk ke dalam ilmu tanaman, ilmu hewan, kedokteran, kesehatan, atau MIPA. 5 8 3105 6,035 Memiliki latar belakang pendidikan S1/S2, usia lebih dari 43 tahun, serta bidang ilmu yang termasuk ke dalam bidang ekonomi, bahasa, agama dan filsafat, pendidikan, sosial atau seni desain dan media. Selain memiliki nilai yang lebih tinggi, dosen dengan karakteristik pada kelas 1 juga memiliki kredit publikasi internasional yang lebih tinggi dari yang lain. Terlihat pada Tabel 9 bahwa persentase kredit untuk publikasi jurnal bagi dosen pada kelas 1 relatif seimbang untuk jurnal nasional tidak terakreditasi (NT), jurnal terakreditasi (NA), serta jurnal internasional (I). Pada kelas lainnya, capaian angka kredit penelitian didominasi oleh publikasi jurnal nasional tidak terakreditasi sedangkan untuk jurnal lainnya memiliki persentase yang relatif kecil, terutama untuk jurnal internasional. Berdasarkan penjabaran tersebut, dapat dikatakan bahwa dosen dengan latar pendidikan S3 untuk bidang ilmu tanaman, hewan, MIPA, teknik, kedokteran dan kesehatan cenderung aktif melakukan publikasi jurnal, baik jurnal nasional maupun internasional.
31 21 Tabel 9 Persentase publikasi jurnal Persentase Publikasi Jurnal (%) Kelas NT NA I Kelas 1 38,14 30,05 31,81 Kelas 2 56,16 24,13 19,71 Kelas 3 61,36 24,76 13,88 Kelas 4 59,92 21,98 18,09 Kelas 5 71,57 19,88 8,55 Seperti yang telah dijelaskan pada hasil analisis deskriptif, dosen yang menempuh pendidikan S3 di Jepang memiliki capaian angka kredit penelitian yang jauh lebih tinggi dibanding yang lain. Persentase publikasi jurnal berdasarkan asal menempuh pendidikan S3 dapat dilihat pada Gambar 12. Terlihat bahwa dosen lulusan S3 Jepang merupakan penyumbang kredit publikasi jurnal terbesar, terutama untuk jurnal internasional. Hal tersebut menunjukkan bahwa dosen lulusan S3 Jepang konsistenan dalam hal penulisan jurnal. 70,00
Persentase (%)
60,00 50,00 40,00 30,00 20,00 10,00 0,00 Dalam Negeri
Amerika
Nasional Tidak Terakreditasi
Gambar 20
Asia
Jepang Australia
Nasional Terakreditasi
Eropa
Lainnya
Internasional
Persentase publikasi jurnal berdasarkan asal PT menempuh pendidikan S3
Pohon Regresi Bidang Pengabdian Masyarakat Berbeda dengan kedua bidang sebelumnya, pohon regresi awal untuk bidang pengabdian masyarakat tidak terlalu besar. Pohon awal ini terdiri dari 15 simpul dan 8 simpul terminal. Jika dilakukan pemangkasan, maka akan dihasilkan pohon dengan 9 simpul dan 5 simpul terminal (Tabel 10). Pemangkasan cukup dilakukan satu tahap karena jika dipangkas kembali akan menghasilkan ukuran pohon yang terlalu kecil sehingga informasi yang didapat terlalu sedikit.
32 22 Tabel 10 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon bidang pengabdian Jumlah Jumlah Simpul Std. Resiko Keragaman Maksimum Estimate Simpul Terminal Error Tanpa pemangkasan (prunning) 1
13
8
7.512 0.101
9
5
7.595 0.104
Berdasarkan pohon hasil pemangkasan (Lampiran 4), terdapat 3 peubah penciri yang berpengaruh, yaitu bidang ilmu, jabatan fungsional, serta usia. Hal ini juga dapat dilihat berdasarkan tingkat kepentingan pada Tabel 11. Peubah bidang ilmu merupakan peubah yang paling berpengaruh terhadap capaian angka kredit pengabdian. Simpul kiri terdiri dari bidang ekonomi, teknik, ilmu tanaman, ilmu hewan, kedokteran, kesehatan, sosial, serta agama dan filsafat sedangkan bahasa, MIPA, pendidikan, dan seni desain dan media terdapat pada simpul kanan. Dugaan rataan kredit pengabdian untuk simpul kiri lebih besar dari simpul kanan sehingga dapat diartikan bahwa pelaksanaan pengabdian cenderung lebih tinggi bagi dosen dengan bidang ilmu ekonomi, teknik, ilmu tanaman, ilmu hewan, kedokteran, kesehatan, sosial, serta agama dan filsafat. Tabel 11 Tingkat kepentingan peubah penjelas pada pohon bidang pengabdian Independent Variable Importance Normalized Importance BIDANG 0.074 100.0% JABATAN 0.055 74.0% USIA 0.053 71.6% LBPENDIDIKAN 0.004 4.8% Peubah berikutnya yang berpengaruh adalah jabatan fungsional dan usia. Jabatan fungsional juga merupakan peubah penciri yang berpengaruh dalam bidang pendidikan maupun penelitian. Nilai rataan capaian angka kredit dari guru besar lebih tinggi dan jelas berbeda dari yang lainnya untuk ketiga bidang tersebut, seperti yang telah dijelaskan pada hasil analisis deskriptif. Hal ini dikarenakan seorang guru besar memang memiliki kewajiban khusus serta tanggung jawab yang lebih besar dibanding yang lain. Usia juga berpengaruh terhadap pelaksanaan pengabdian. Dosen dengan usia yang lebih muda memiliki capaian angka kredit yang lebih tinggi, seperti pada bidang penelitian. Kemampuan dan kesehatan fisik dapat menjadi alasan dari keadaan ini. Dosen yang berusia lebih muda memiliki fisik yang lebih kuat dan produktif. Nilai R-square yang dihasilkan sangat kecil, yaitu sebesar 2.1%. Pemangkasan tidak berpengaruh besar terhadap penurunan nilai R-square karena perbedaannya hanya sedikit. Berdasarkan peubah-peubah tersebut, terdapat lima kelas klasifikasi dosen. Penjelasan mengenai kelas-kelas tersebut dapat dilihat pada Tabel 12.
33 23 Tabel 12 Klasifikasi dosen berdasarkan capaian angka kredit bidang pengabdian Dugaan Kelas Simpul N Peubah Penciri Rataan Kredit 1 3 386 7,821 Memiliki jabatan sebagai guru besar dan bidang ilmu yang termasuk ke dalam bidangekonomi, teknik, ilmu tanaman, ilmu hewan, kedokteran, kesehatan, agama dan filsafat, atau bidang sosial. 2 7 5100 6,831 Berusia kurang dari sama dengan 61 tahun, memiliki jabatan sebagai asisten ahli, lektor, atau lektor kepala dan bidang ilmu yang termasuk ke dalam bidang ekonomi, teknik, ilmu tanaman, ilmu hewan, kedokteran, kesehatan, agama dan filsafat, atau sosial. 3 5 1848 6,495 Berusia kurang dari sama dengan 54 tahun serta bidang ilmu yang termasuk ke dalam bidang bahasa, MIPA, pendidikan, atau seni desain dan media. 4 8 3105 6,035 Berusia lebih dari 61 tahun, memiliki jabatan sebagai asisten ahli, lektor, atau lektor kepala dan bidang ilmu yang termasuk ke dalam bidang ekonomi, teknik, ilmu tanaman, ilmu hewan, kedokteran, kesehatan, agama dan filsafat, atau sosial. 5 6 725 5,956 Berusia lebih dari 54 tahun serta bidang ilmu yang termasuk ke dalam bidang bahasa, MIPA, pendidikan, atau seni desain dan media. Pohon Regresi Total Pohon terakhir yang dibuat adalah pohon untuk total capaian angka kredit. Pohon awal yang terbentuk berukuran besar, yaitu 37 simpul dan 19 simpul terminal. pemangkasan dilakukan hingga pohon cukup sederhana, yaitu 9 simpul dan 5 simpul terminal (Tabel 13). Seperti halnya pohon bidang pendidikan, penelitian, dan pengabdian, pohon hasil pemangkasan untuk capaian angka kredit total juga memiliki nilai kesalahan relatif dan keragaman dalam simpul yang tidak berbeda jauh dari pohon awal yang kompleks.
34 24 Tabel 13 Perbandingan nilai keragaman dalam simpul berdasarkan pemangkasan pada pohon total Jumlah Jumlah Simpul Std. Resiko Keragaman Maksimum Estimate Simpul Terminal Error Tanpa pemangkasan (prunning)
37
19
79.650
1.323
1
21
11
82.061
1.369
2
15
8
83.758
1.397
3
9
5
83.882
1.388
Terdapat 3 peubah penciri yang berpengaruh terhadap capaian total kredit, yaitu latar belakang pendidikan, jabatan fungsional, serta usia. Peubah penciri yang paling berpengaruh adalah latar belakang pendidikan. Seperti yang telah dijelaskan dalam analisis deskriptif, dosen dengan S3 memiliki capaian angka kredit yang jelas berbeda dengan dosen S1 maupun S2. Begitu pula dengan jabatan fungsional. Capaian angka kredit guru besar jelas terlihat berada di atas yang lainnya. Usia juga berpengaruh terhadap capaian total. Seperti yang telah dijelaskan sebelumnya, pengaruh usia dapat disebabkan oleh kekuatan dan kesehatan fisik dosen sehingga mempengaruhi kinerjanya dalam melaksanakan tugas-tugasnya. Akan tetapi, jika dilihat berdasarkan tingkat kepentingan peubah pada Tabel 14 peubah usia memiliki nilai kepentingan yang kecil. Tabel 14 Tingkat kepentingan peubah penjelas pada pohon total Independent Variable LBPENDIDIKAN
Importance
Normalized Importance
10.715
100.0%
JABATAN
6.974
65.1%
USIA
2.084
19.5%
BIDANG
0.047
0.4%
Tidak berbeda dengan pohon bidang lainnya, pohon capaian total pun memiliki nilai R-square yang kecil, yaitu sebesar 0.1456. Hanya 14.56% keragaman data yang dapat dijelaskan oleh pohon total sedangkan sisanya dijelaskan oleh faktor lain yang tidak terdapat pada pohon. Adapun klasifikasi yang dihasilkan oleh pohon regresi untuk capaian total terlihat pada Tabel 15.
25 35 Tabel 15 Klasifikasi dosen berdasarkan capaian angka kredit total Dugaan Kelas Simpul N Peubah Penciri Rataan Kredit 1 3 516 40,936 Memiliki jabatan sebagai guru besar dan sudah pasti memiliki latar belakang pendidikan S3. 2 7 1288 36,238 Berusia kurang dari sama dengan 50 tahun, memiliki jabatan sebagai asisten ahli, lektor, atau lektor kepala serta latar belakang pendidikan S3. 3 8 921 34,317 Berusia lebih dari 50 tahun, memiliki jabatan sebagai asisten ahli, lektor, atau lektor kepala serta latar belakang pendidikan S3. 4 5 1769 31,846 Berusia kurang dari sama dengan 45 tahun serta memiliki latar belakang pendidikan S1 atau S2. 5 6 3798 28,645 Berusia lebih dari 45 tahun serta memiliki latar belakang pendidikan S1 atau S2. Berdasarkan keempat pohon regresi yang terbentuk, peubah-peubah yang berpengaruh terhadap capaian kinerja dosen adalah peubah yang melekat pada diri dosen, seperti latar belakang pendidikan, jabatan, bidang ilmu, serta usia. Sementara itu, peubah status dan lokasi perguruan tinggi tidak berpengaruh. Hal ini sejalan dengan hasil penelitian Pramudyo (2010) yang menyatakan bahwa lingkungan tempat kerja tidak berpengaruh terhadap kinerja dosen negeri yang dipekerjakan pada kopertis Yogyakarta. Kinerja Guru Besar dan Non Guru Besar Berdasarkan pohon-pohon regresi yang terbentuk, jabatan fungsional merupakan salah satu peubah yang berpengaruh terhadap capaian angka kredit dosen dalam melaksanakan Tridharma Perguruan Tinggi. Guru besar selalu terdapat pada simpul yang terpisah dari jabatan yang lain artinya capaian angka kredit guru besar berbeda dengan dosen dengan jabatan lainnya. Hasil analisis deskriptif pun menunjukkan bahwa capaian angka kredit guru besar jauh lebih tinggi dari yang lain. Telah dijelaskan pula sebelumnya bahwa seorang guru besar memiliki kompensasi yang lebih besar dari dosen non guru besar. Seorang dosen mendapat gaji pokok dan tunjangan profesi yang setara dengan satu kali gaji pokok. Sementara itu, selain mendapatkan gaji dan tunjangan profesi, seorang dosen dengan jabatan sebagai guru besar juga mendapatkan tunjangan kehormatan yang setara dengan dua kali gaji pokok. Secara umum, dapat dikatakan bahwa pemberian tunjangan kehormatan berdampak positif terhadap kinerja guru besar. Perbandingan antara unggulnya kinerja yang dilihat dari angka kredit dengan besarnya kompensasi yang diperoleh perlu diketahui sebagai bahan evaluasi. Besar tunjangan yang diterima dosen tergantung pada gaji pokok dosen tersebut. Gaji pokok yang diterima pun berbeda-beda sesuai dengan golongan dan
36 26 lama masa kerja dosen (Lampiran 5). Misalkan, dosen yang termasuk pada golongan IV c dengan masa kerja selama 14 bulan akan menerima gaji pokok sebesar 3483000 rupiah. Perbedaan besarnya kompensasi yang diterima oleh guru besar dan non guru besar pada kategori tersebutdapat dilihat pada Tabel 16. Terlihat bahwa total kompensasi yang diperoleh dosen yang memiliki jabatan sebagai guru besar dua kali lipat dibandingkan yang diperoleh oleh dosen non guru besar. Tabel 16 Perbandingan kompensasi bagi guru besar dan non guru besar Guru Besar
Gaji Pokok TunjanganProfesi Tunjangan Kehormatan Total
Ket
Besaran
√ √ √
1 × gaji 1 × gaji 2 × gaji
Nilai (rupiah) 3483000 3483000 6966000 13932000
Ket √ √ -
Non Guru Besar Nilai Besaran (rupiah) 3483000 1 × gaji 3483000 1 × gaji 6966000
Perbandingan kinerja guru besar dan non guru besar juga dilihat dari hubungan gaji (gaji pokok dan tunjangan) dengan capaian angka kredit. Penelitian mengenai hubungan gaji dosen dan pencapaian angka kredit dilakukan dengan menggunakan data gaji dosen Institut Pertanian Bogor. Hasil dari korelasi Pearson menunjukkan bahwa pendapatan dan pencapaian angka kredit berkorelasi positif. Seorang guru besar yang memiliki gaji lebih tinggi relatif memiliki angka capaian angka kredit yang lebih tinggi pula. Akan tetapi, hubungan keduanya lemah, baik bidang pendidikan, penelitian, maupun gabungan keduanya. Lemahnya hubungan dapat dilihat dari kecilnya nilai korelasi yang dihasilkan (Tabel 17). Lemahnya hubungan antara pendapatan dengan pencapaian angka kredit tersebut dikarenakan beragamnya pencapaian angka kredit pada besar pendapatan yang sama, walaupun terdapat hubungan positif antara keduanya. Tabel 17 Korelasi pearson antara gaji dengan pencapaian angka kredit pendidikan dan penelitian Gaji Tunjangan GajiTunjangan
Pendidikan
Penelitian
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Pendidikan 1
778 .184** .000 778 .287** .000 778
Penelitian **
.184 .000 778 1
778 .123** .001 778
.287** .000 778 .123** .001 778 1 778
Hal menarik timbul ketika guru besar dan non guru besar dipisahkan. Jika dicari hubungan antara gaji dengan angka kredit, tidak semua memiliki hubungan bahkan berkorelasi negatif. Pada kelompok non guru besar, bidang pendidikan tidak memiliki korelasi dengan gaji sedangkan untuk penelitian memiliki korelasi
37 27 yang negatif (Lampiran 7). Sementara pada kelompok guru besar, hanya bidang penelitian yang memiliki hubungan dengan gaji dan memiliki nilai negatif (Lampiran 8). Akan tetapi, korelasi-korelasi tersebut pun memiliki nilai yang kecil sehingga hubungannya pun lemah. Hubungan lemah tersebut juga dikarenakan beragamnya capaian angka kredit pada besarnya gaji yang sama. Adanya perbedaan hubungan tersebut disebabkan oleh adanya perbedaan capaian angka kredit bagi guru besar dan non guru besar. Namun, angka kredit pada masing-masing kelompok beragam untuk besaran gaji yang sama. Dengan demikian, dapat dikatakan bahwa belum tentu dosen dengan gaji yang lebih tinggi memiliki capaian angka kredit yang lebih tinggi atau lebih rendah. Hal ini dikarenakan banyaknya faktor-faktor lain yang turut mempengaruhi seorang dosen dalam melaksanakan kewajiban-kewajibannya. Jika kelompok non guru besar dirinci untuk masing-masing jabatan, yaitu asisten ahli, lektor, dan lektor kepala, hasil korelasi antara gaji dan capaian angka kreditnya tetap bernilai negatif dan hubungannya pun lemah (Lampiran 9-11). Munculnya korelasi negatif dapat disebabkan oleh adanya pengaruh usia karena besar gaji pokok didasarkan pada golongan pegawai negeri sipil dan lama masa kerja. Pada kelompok guru besar, nilai korelasi yang negatif dapat dipengaruhi oleh berkurangya motivasi. Guru besar merupakan tingkatan tertinggi dalam jabatan fungsional seorang dosen sehingga tidak adanya posisi yang memacu dosen untuk mencapai kinerja yang lebih tinggi. Hal tersebut juga dapat terjadi pada non guru besar. Ketika seorang dosen sudah merasa nyaman dan cukup atas apa yang diterima, maka jabatan maupun besaran gaji yang lebih besar pun tidak menjadi motivasi untuk meningkatkan kinerjanya.
SIMPULAN DAN SARAN Simpulan Sebagian besar dosen di Indonesia telah melaksanakan kewajibannya dalam melaksanakan Tridharma Perguruan Tinggi. Dosen dengan latar belakang pendidikan S3 memiliki capaian angka kredit yang lebih tinggi dari yang lain. Begitu pula dengan dosen yang memiliki jabatan sebagai guru besar. Dosen muda juga cenderung memiliki capaian angka kredit yang lebih tinggi. Secara umum, faktor-faktor yang berpengaruh terhadap capaian kinerja dosen adalah faktor internal atau faktor yang melekat pada diri dosen, yaitu bidang ilmu, latar belakang pendidikan, jabatan, serta usia. Faktor perguruan tinggi tempat bertugas tidak berpengaruh, baik dalam hal status perguruan tinggi maupun lokasi perguruan tinggi. Capaian angka kredit antara peguruan tinggi negeri dan swasta maupun perguruan tinggi di Jawa dan luar Jawa memang tidak jauh berbeda. Peubah yang paling berpengaruh terhadap bidang pendidikan adalah bidang ilmu kemudian jabatan fungsional dan latar belakang pendidikan. Berdasarkan pohon yang terbentuk, terdapat 5 klasifikasi dosen. Kelas yang memiliki dugaan rataan kredit tertinggi di bidang pendidikan, yaitu dosen dengan jabatan sebagai guru besar serta bidang ilmu yang termasuk kedalam bidang ekonomi, bahasa, agama dan filsafat, pendidikan, sosial, atau seni desain dan media. Sementara itu,
38 28 karakteristik kelas yang memiliki dugaan rataan kredit pendidikan paling rendah adalah dosen dengan jabatan sebagai asisten ahli, lektor, atau lektor kepala serta berlatar belakang bidang ilmu tanaman atau ilmu hewan. Pada bidang penelitian, terdapat tiga peubah yang berpengaruh yaitu latar belakang pendidikan, bidang ilmu, dan usia. Berdasarkan ketiga peubah tersebut, dosen terbagi menjadi 5 kelas. Dosen dengan latar belakang pendidikan S3 serta bidang ilmu tanaman, ilmu hewan, teknik, kedokteran, kesehatan, atau MIPA merupakan kelas yang memiliki dugaan kredit penelitian yang tertinggi. Bidang ilmu juga merupakan peubah yang paling berpengaruh dalam hal capaian angka kredit pengabdian. Selain itu, jabatan dan usia juga ikut mempengaruhi. Terdapat 5 kelas hasil klasifikasi dosen. Dugaan capaian dari kelima kelas tersebut tidak terlalu berbeda jauh. Namun, kelas yang memiliki kecenderungan capaian yang tinggi dalam bidang pengabdian masyarakat yaitu dosen dengan jabatan sebagai guru besar dan bidang ilmu yang termasuk ke dalam bidang ekonomi, teknik, ilmu tanaman, ilmu hewan, kedokteran, kesehatan, agama dan filsafat, atau bidang sosial. Capaian total kredit juga dipengaruhi oleh peubah latar belakang pendidikan, jabatan, serta usia. Terdapat 5 kelas yang terbentuk dari hasil analisis pohon regresi total kredit. Kelas dosen dengan latar belakang pendidikan S3 serta jabatan sebagai guru besar cenderung memiliki capaian total yang jauh di atas kelas-kelas yang lainnya. Hasil dari analisis pohon regresi sejalan dengan gambaran umum yang didapat melalui analisis deskriptif. Akan tetapi, nilai keragaman data yang dapat dijelaskan oleh keempat pohon tersebut kecil. Hal ini disebabkan oleh keragaman yang sangat besar di dalam nilai pencapaian angka kredit. Hubungan antara gaji dan capaian angka kredit memiliki nilai positif untuk dosen secara keseluruhan sedangkan jika dipisahkan berdasarkan jabatan fungsional hubungannya menjadi negatif. Akan tetapi, hubungan tersebut lemah serta ada pula yang tak berhubungan. Saran Peubah yang berkaitan dengan perguruan tinggi tempat bertugas, yaitu status dan lokasi perguruan tinggi tidak berpengaruh pada penelitian ini. Penelitian selanjutnya dapat meneliti pengaruh perguruan tinggi dari sisi lain, seperti dengan menggunakan peubah akreditasi, jumlah peserta didik, atau pun popularitas perguruan tinggi. Dapat pula menambahkan peubah internal lain, seperti lama bertugas, tanggungan keluarga, dan lain sebagainya. Penelitian selanjutnya akan lebih baik jika dilengkapi dengan data historis capaian angka kredit untuk masing-masing dosen beserta keterangan mengenai jabatan yang dia miliki pada tiap tahunnya. Dengan demikian, naik turunnya kinerja dari masing-masing dosen dapat terlihat. Program evaluasi berikutnya disarankan untuk lebih memperketat sistem pengisian kuisioner. Pembuatan kuisioner online ini sebaiknya dilengkapi dengan sistem filtrasi sehingga hasil isian akan sesuai harapan dan tidak akan terdapat isian-isian yang melenceng sehingga informasi dapat terserap seluruhnya.
39 29
DAFTAR PUSTAKA Breiman, L., J. H. Friedman, R. A. Olshen & C.J. Stone. 1993. Classification and Regression Tree. New York(US): Chapman and Hall. [DEPDIKNAS, DIKTI] Departemen Pendidikan Nasional, Direktorat Jenderal Pendidikan Tinggi. 2010. Pedoman beban Kerja Dosen dan Evaluasi Pelaksanaan Tridharma Perguruan Tinggi. Jakarta (ID): DEPDIKNAS. Hartanti A, Zain I, Ulama BSS. Analisis CART (Classification and Regression Tree) pada Faktor-Faktor yang Mempengaruhi Kepala Rumah Tangga di Jawa Timur Melakukan Urbanisasi. Jurnal Sains dan Seni ITS. 1(1): D-100 – D-105. Kardiana A. 2006. Metode Klasifikasi Berstruktur Pohon Biner (Studi Kasus pada Prakiraan Hujan Bulanan di Bogor). Di dalam: Aunuddin, Wigena AJ, Wijayanto H, editor. Seminar Nasional Aplikasi teknologi Informasi; 2006 Juni 17; Yogyakarta, Indonesia. Program Pasca Sarjana, Institut Pertanian Bogor. Bogor(ID). hlm G-21 – G-25. Komalasari, Wieta B. 2007. Metode Pohon Regresi untuk Eksploratori Data dengan Peubah yang Banyak dan Kompleks. Informatika Pertanian. 16(1): 696 – 971. Murti H, Srimulyani VA. 2013. Pengaruh Motivasi Terhadapa Kinerja Pegawai dengan Variabel Pemediasi Kepuasan Kerja pada PDAM Kota Madiun. Jurnal Riset Manajemen dan Akuntansi. 1(1): 10-11. Pramudyo, Anung. 2010. Analisis Faktor-Faktor yang Mempengaruhi Kinerja Dosen Negeri Dipekerjakan Pada Kopertis Wilayah V Yogyakarta. JBTI. 1(1): 9 - 10. Siagian SP. 2007. Manajemen Sumber Daya Manusia. Jakarta (ID) : Bumi Aksara. Sumarsono, Sony. 2003. Ekonomi Sumber Daya Manusia & Ketenagakerjaan. Jember (ID) : Graha Ilmu. Timofeev, Roman. 2004. Classification and Regression Tree (CART) Theory and Applications [Tesis]. Berlin (DE): Humboldt University.
40 30 Lampiran 1 Tabel peubah yang diamati dan masing-masing kategorinya No 1 2
Peubah
Jenis Peubah Numerik
-
Numerik
-
Numerik
-
Numerik
-
Kategorik
1=PTN; 2=PTS 1=Jawa; 2=Luar Jawa 1=Teknik; 2=Pendidikan; 3=Ekonomi; 4=Sosial; 5=Ilmu tanaman; 6=MIPA; 7=Ilmu hewan; 8=Kedokteran; 9=Kesehatan; 10=Bahasa; 11=Seni, desain, dan media; 12=Agama dan filsafat 13=Lainnya 1=Laki-laki; 2=Perempuan 1=S1; 2=S2; 3=S3; 1=Asisten Ahli; 2=Lektor; 3=Lektor Kepala 4=Guru Besar
5
Y1 (Capaian angka kredit Total) Y2 (Capaian angka kredit Pendidikan) Y3 (Capaian angka kredit Penelitian) Y4 (Capaian angka kredit Pengabdian Masyarakat) X1 (Status Perguruan Tinggi)
6
X2 (Lokasi perguruan Tinggi)
Kategorik
7
X4 (Bidang Ilmu)
Kategorik
8 9
X5 (Usia) X6 (Jenis Kelamin
Numerik Kategorik
10
X7 (Latar Belakang Pendidikan)
Kategorik
11
X8 (Jabatan Fungsional)
Kategorik
3 4
Kategori
41 31 Lampiran 2 Diagram kotak garis capaian angka kredit Total Capaian Boxplot of TOTAL 60
50
TOTAL
40
30
20
10
0
Bidang Pendidikan Boxplot of PENDIDIKAN 50
PENDIDIKAN
40
30
20
10
0
32 42 Boxplot of PENELITIAN Bidang Penelitian 50
PENELITIAN
40
30
20
10
0
Bidang Pengabdian Boxplot of PENGABDIAN 16 14
PENGABDIAN
12 10 8 6 4 2 0
43 31 Lampiran 3 Pohon regresi bidang penelitian
44 34 Lampiran 4 Pohon regresi bidang pengabdian masyarakat
45 35 Lampiran 5 Pohon regresi total capaian angka kredit
46 36
47 37 Lampiran 7 Korelasi Pearson antara gaji dengan pencapaian angka kredit bidang pendidikan dan penelitian bagi non guru besar Gaji Gaji
Pendidikan
Penelitian
Pearson Correlation Sig. (1-tailed) N Pearson Correlation Sig. (1-tailed) N Pearson Correlation Sig. (1-tailed) N
Pendidikan 1
.022 .295 617 1
617 .022 .295 617 -.150** .000 617
617 .107** .004 617
Penelitian -.150** .000 617 .107** .004 617 1 617
Lampiran 8 Korelasi Pearson antara gaji dengan pencapaian angka kredit bidang pendidikan dan penelitian bagi guru besar Gaji Gaji
Pendidikan
Penelitian
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Pendidikan 1
.098 .249 140 1
140 .098 .249 140 -.286** .001 140
140 .079 .352 140
Penelitian -.286** .001 140 .079 .352 140 1 140
Lampiran 9 Korelasi Pearson antara gaji dengan pencapaian angka kredit bidang pendidikan dan penelitian bagi asisten ahli Pendidikan Pendidikan
Penelitian
Gaji
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Penelitian 1
36 -.071 .683 36 .243 .153 36
-.071 .683 36 1 36 -.234 .169 36
Gaji .243 .153 36 -.234 .169 36 1 36
48 38 Lampiran 10 Korelasi Pearson antara gaji dengan pencapaian angka kredit bidang pendidikan dan penelitian bagi lektor Gaji Gaji
Pendidikan
Penelitian
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Pendidikan 1
.039 .529 261 1
261 .039 .529 261 -.263** .000 261
261 .038 .536 261
Penelitian -.263** .000 261 .038 .536 261 1 261
**. Correlation is significant at the 0.01 level (2-tailed).
Lampiran 11 Korelasi Pearson antara gaji dengan pencapaian angka kredit bidang pendidikan dan penelitian bagi lektor kepala Gaji Gaji
Pendidikan
Penelitian
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Pendidikan 1
320 -.103 .065 320 -.219** .000 320
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
-.103 .065 320 1 320 .136* .015 320
Penelitian -.219** .000 320 .136* .015 320 1 320
49 39
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 18 September 1991 dari Bapak Fauzi Nurwahid dan Ibu Riza Riana. Penulis merupakan anak pertama dari tiga bersaudara. Penulis menyelesaikan pendidikan akademik di SDN Johar Baru 01 Pagi, MTs. Persatuan Islam No.69 Matraman, MA. Persatuan Islam No.69 Matraman, dan diterima di IPB melalui jalur BUD (Beasiswa Utusan Daerah) Departemen Agama tahun 2009 pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama masa perkuliahan, penulis aktif mengikuti berbagai kegiatan diberbagai organisasi intra kampus. Kegiatan tersebut diantanya adalah Sekretaris Biro Kesekretariatan Himpunan Profesi Gamma Sigma Beta dan Anggota Divisi Kominfo CSS IPB. Penulis juga pernah menjadi asisten praktikum mata kuliah Metode Statistika (2011) dan Rancangan Percobaan (2012). Penulis juga pernah melaksanakan Praktik Lapang di PT. Grup Riset Potensial pada divisi Research Eksekutif (RE), Jakarta (2013). Penulis juga merupakan peserta Program Kreativitas Mahasiswa pada tahun 2013 dan didanai. Tugas akhir penulis dalam menyelesaikan pendidikan tinggi di Institut Pertanian Bogor untuk mendapatkan gelar Sarjana Statistika berjudul Eksplorasi Kinerja Dosen Tersertifikasi dalam Melaksanakan Tridharma Perguruan Tinggi di Indonesia.
