Implementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW

Technology Science and Engineering Journal, Vol 1 No 1 February 2017

E-ISSN: 2549-1601X

Implementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW Kresna Oktafianto Program Studi Matematika FMIPA Universitas Ronggolawe [email protected]

Abstrak Mahasiswa pada jenjang strata-1 atau sarjana dinyatakan lulus apabila telah menempuh seluruh beban belajar yang ditetapkan dan memiliki Indeks Prestasi Kumulatif (IPK) lebih besar atau sama dengan . Namun, untuk memasuki dunia kerja mahasiswa disyaratkan mempunyai IPK minimal . Dalam kenyataan dan fakta yang diperoleh menginformasikan bahwa tidak sedikit mahasiswa yang memperoleh IPK di bawah standar . Hal tersebut dikarenakan berbagai macam karakteristik profil mahasiwa yang mempengaruhi perbedaan capaian pembelajaran lulusan yang ditargetkan dengan IPK. Tujuan dari penelitian ini yaitu untuk mengimplementasikan metode CHAID (Chi-Squared Automatic Interaction Detection) pada klasifikasi IPK mahasiswa FMIPA tahun guna mengetahui karakteristik klasifikasi mahasiswa yang mempunyai nilai IPK di atas standar . Karakteristik profil mahasiswa yang digunakan yaitu jenis kelamin, asal daerah, usia, jalur masuk, prodi, dan masa studi. Berdasarkan hasil analisis CHAID didapatkan tiga node atau kelompok. Kelompok mahasiswa yang memiliki IPK di atas berjenis kelamin perempuan dan merupakan prodi biologi mempunyai tingkat keberhasilan sebesar

Kata Kunci : CHAID, IPK, klasifikasi, node, profil mahasiswa.

1. PENDAHULUAN Pendidikan Tinggi merupakan suatu pendidikan yang mencetak generasi kaum intelektual yang menghasilkan sejumlah output berupa sarjana, magister dan doktor. Pendidikan Tinggi yang setara dengan strata-1 atau sarjana pada umumnya mahasiswa dinyatakan lulus apabila telah menempuh seluruh beban belajar yang ditetapkan dan memiliki capaian pembelajaran lulusan yang ditargetkan oleh program studi dengan Indeks Prestasi Kumulatif (IPK) lebih besar atau sama dengan [1]. Dalam jangka waktu kurang lebih empat tahun yang telah ditempuh oleh mahasiswa ternyata tidak sedikit yang memperoleh nilai IPK di bawah standar permendikbud. Sedangkan standar yang harus dimiliki oleh mahasiswa untuk melamar pekerjaaan pada perusahaan atau industri terkait, harus memiliki nilai IPK minimal . Hal tersebut dikarenakan beberapa karakteristik profil mahasiswa yang berbagai latar belakang sehingga membuat perbedaan hasil capaian pembelajaran mahasiswa. Karakteristik profil mahasiswa yang digunakan sebagai penelitian ini yaitu jenis kelamin, asal daerah, usia, jalur masuk, prodi dan masa studi mahasiswa. Sebagai lembaga Pendidikan Tinggi menginginkan output atau keluaran mahasiswa yang telah menempuh studi memiliki hasil capaian pembelajaran IPK minimal , sehingga diperlukan analisa statistika yang berkaitan dengan permasalahan tersebut. Pada penelitian ini digunakan metode CHAID (Chi-Squared Automatic Interaction Detection) pada klasifikasi IPK mahasiswa FMIPA. Metode CHAID merupakan suatu teknik iteratif yang menguji satu-persatu variabel independen dalam klasifikasi dan disusun berdasarkan pada tingkat pengaruh statistik chi-square terhadap variabel dependen [2][3]. Sedangkan menurut [4] analisis CHAID dapat diringkas menjadi 3 elemen kunci, yaitu: 1. Uji signifikan chi-square, uji ini dilakukan untuk mengidentifikasi variabel independen yang paling signifikan dalam data, 2. Koreksi Bonferroni, 3. Sebuah algoritma yang digunakan untuk menggabungkan kategori-kategori variabel. Hasil penelitian diharapkan dapat dijadikan bahan pertimbangan menentukan strategi penyelesaian masalah pencapaian pembelajaran IPK mahasiswa dengan melakukan seleksi penerimaan mahasiswa baru

21

Technology Science and Engineering Journal, Vol 1 No 1 February 2017

E-ISSN: 2549-1601X

yang sesuai dengan harapan bahwa dalam menempuh strata-1 dapat menyelesaikan masa studi secara ideal dan mempunyai IPK sangat memuaskan. 2. METODE PENELITIAN 2.1 Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data profil mahasiswa Fakultas MIPA Universitas PGRI Ronggolawe Tuban tahun . Data tersebut kemudian dipergunakan sebagai variabel dalam melakukan analisis CHAID. Variabel dalam penelitian ini terdiri atas variabel dependen dan independen yaitu: a) Variabel Dependen Variabel dependen yang digunakan dalam penelitian ini adalah IPK yang dibedakan menjadi 4 kategori yaitu:  IPK  IPK  IPK  IPK b) Variabel Independen Variabel independen yang digunakan dalam penelitian ini adalah: 1. Jenis kelamin Untuk mengetahui karakteristik mahasiswa yang dominan, maka jenis kelamin dibedakan menjadi laki-laki dan perempuan. 2. Usia Usia mahasiswa dibedakan menjadi kategori:  Usia ( 21 tahun)  Usia (22 tahun)  Usia (23 tahun)  Usia (24 tahun)  Usia ( 25 tahun) 3. Asal daerah Asal daerah dikelompokkan menjadi:  Dalam kota Tuban  Di luar kota Tuban  Di luar kab. Tuban 4. Jalur Masuk Jalur masuk mahasiswa dibagi menjadi regular dan non-regular. 5. Program Studi Program studi pada Fakultas Matematika dan IPA mempunyai dua prodi yaitu Prodi Matematika dan Prodi Biologi. 6. Masa Studi Masa studi mahasiswa dibedakan menjadi dua kategori yaitu tepat waktu dan tidak tepat waktu.

22

Technology Science and Engineering Journal, Vol 1 No 1 February 2017

E-ISSN: 2549-1601X

2.2 Metode Analisis Data Langkah-langkah dalam melakukan analisis CHAID secara garis besar adalah sebagai berikut[5][6]: 1. Memasukkan semua data berdasarkan kategori yang telah ditentukan. 2. Menentukan skala data variabel nominal atau ordinal yang akan digunakan secara tepat dan benar. 3. Menentukan kategori target dari kategori-kategori variabel dependen. Kategori yang dipilih bisa salah satu atau semua kategori yang ada. 4. Nilai chi-square untuk tabel kontingensi ukuran r-baris dan c-kolom dihitung dari dengan

(1) (2) (3)

Selanjutnya menerapkan tiga langkah analisis CHAID yaitu langkah penggabungan, pemisahan dan pemberhentian. [7] 5. Menentukan klasifikasi IPK dengan intepretasi diagram pohon CHAID. 6. Menentukan target yang sesuai berdasarkan hasil klasifikasi IPK yang sudah terbentuk. 3. HASIL DAN PEMBAHASAN Klasifikasi decision tree yang dihasilkan oleh analisis CHAID dengan bantuan software SPSS 19.0 pada mahasiswa Fakultas Matematika dan IPA UNIROW ditunjukkan pada gambar 1.

Gambar 1. Diagram Pohon Analisis CHAID Diagram pohon hasil analisis CHAID pada gambar 1, menerangkan bahwa pada node teratas diketahui jumlah total mahasiswa yang dinyatakan lulus sejumlah mahasiswa, yang memiliki IPK di atas sejumlah mahasiswa ( %) dan yang memiliki IPK di bawah sebanyak orang mahasiswa ( ).

23

Technology Science and Engineering Journal, Vol 1 No 1 February 2017

E-ISSN: 2549-1601X

Hasil analisis CHAID menunjukkan terdapat dua variabel independen yang signifikan terhadap variabel dependennya yaitu variabel jenis kelamin dan program studi, sehingga variabel jenis kelamin dan prodi berfungsi memisahkan variabel IPK dan melakukan pembagian kelompok dengan variabel independennya. Hal tersebut dapat dilihat pada pohon klasifikasi yang mempunyai 2 kedalaman, dimana variabel jenis kelamin membagi variabel dependen IPK pada kedalaman ke-1 menjadi 2 node, yaitu node 1 perempuan dan node 2 laki-laki, kemudian variabel prodi membagi pada kedalaman ke-2 pada variabel jenis kelamin pada node 1 menjadi dua node 3 dan 4 yaitu node matematika dan biologi. Pada hasil diagram pohon tersebut tidak terjadi penggabungan kategori dikarenakan variabel independen yang signifikan terhadap variabel dependen memiliki dua kategori. Sehingga terdapat empat variabel independen yang tersisa dan tidak dianggap mempunyai hubungan dengan variabel dependennya yaitu jalur masuk, masa studi, usia dan asal daerah. Nilai -value dan uji chi-square dari masing-masing variabel independennya yang dianggap mempunyai hubungan dengan variabel dependenya yaitu ditunjukkan pada tabel 1 berikut: Tabel 1. Nilai -value dan Chi-Square variabel independen

Variabel Nilai -value Nilai Chi-Square Jenis Kelamin 0.009 6.867 Prodi 0.042 4.151 Nilai -value dalam tabel tersebut merupakan nilai -value yang telah dikoreksi oleh pengali Bonferroni. Berdasarkan nilai -value, dimana kedua nilai tersebut kurang dari yang artinya nilai value sehingga keputusan yang diambil dari uji chi-square adalah ditolak. Hal ini berarti bahwa terdapat hubungan antara kedua variabel independen dengan variabel dependen IPK. Hasil metode CHAID secara ringkas dapat dilihat pada tabel 2. Tabel 2. Hasil klasifikasi dari diagram pohon CHAID

Node 2 3 4

Keterangan Mahasiswa yang memiliki IPK berjenis kelamin laki-laki Mahasiswa yang memiliki IPK berjenis kelamin perempuan dan merupakan prodi matematika Mahasiswa yang memiliki IPK berjenis kelamin perempuan dan merupakan prodi biologi

Dari ketiga node yang telah terbentuk, dapat ditabulasi jumlah masing-masing mahasiswa yang memiliki IPK sebagai berikut: Tabel 3. Tabulasi jumlah mahasiswa yang memiliki IPK

Node

Jumlah mahasiswa dengan IPK

2 3 4 Untuk memilih target nilai IPK di atas dari kandidat terminal node maka dipilih nilai indeks yang lebih besar dari yang artinya bahwa node empat terpilih sebagai node mahasiswa yang memiliki IPK di atas yang merupakan mahasiswa perempuan pada prodi biologi mampu menghasilkan output .

24

Technology Science and Engineering Journal, Vol 1 No 1 February 2017

E-ISSN: 2549-1601X

Tabel 3. Bobot dari setiap node kategori IPK

Node 4 2 3

N 36 30 26

Node Bobot Respon Indeks Persen N Persen 39.1% 12 70.6% 33.3% 180.4% 32.6% 3 17.6% 10.0% 54.1% 28.3% 2 11.8% 7.7% 41.6%

Sedangkan untuk memilih target nilai IPK antara dari kandidat terminal node maka dipilih nilai indeks yang lebih besar dari juga yang artinya bahwa node tiga terpilih sebagai node mahasiswa yang memiliki IPK antara yang merupakan mahasiswa perempuan pada prodi matematika mampu menghasilkan output . Disamping itu mahasiswa perempuan pada prodi biologi juga mampu menghasilkan output sebesar dan begitu juga untuk mahasiswa laki-laki . Jadi untuk mendapatkan mahasiswa yang memperoleh IPK antara dipilih ketiga kelompok mahasiswa dikarenakan tingkat keberhasilan yang akan diperoleh berkisar Tabel 4. Bobot dari setiap node kategori IPK Node 3 2 4

N 26 30 36

Node Persen 28.3% 32.6% 39.1%

N 22 20 23

Bobot Persen 33.8% 30.8% 35.4%

Respon 84.6% 66.7% 63.9%

Indeks 119.8% 94.4% 90.4%

4. KESIMPULAN DAN SARAN 4.1 Kesimpulan Berdasarkan hasil analisis dan pembahasan yang telah dilakukan maka diperoleh kesimpulan sebagai berikut: 1. Pada klasifikasi Indeks Prestasi Kumulatif mahasiswa FMIPA UNIROW menggunakan analisis CHAID didapatkan tiga node yang berbeda, yaitu: a. Mahasiswa yang memiliki IPK berjenis kelamin laki-laki. b. Mahasiswa yang memiliki IPK berjenis kelamin perempuan dan merupakan prodi matematika. c. Mahasiswa yang memiliki IPK berjenis kelamin perempuan dan merupakan prodi biologi. 2. Untuk mendapatkan mahasiswa yang memperoleh IPK di atas maka dipilih mahasiswa perempuan dan merupakan prodi biologi dikarenakan tingkat keberhasilan yang akan diperoleh sebesar 3. Untuk mendapatkan mahasiswa yang memperoleh IPK diantara maka dipilih mahasiswa laki-laki, mahasiswa perempuan dari prodi matematika dan biologi dikarenakan tingkat keberhasilan yang akan diperoleh sebesar dan 4.2 Saran Saran yang diberikan untuk penelitian selanjutnya yaitu dapat menggunakan metode decision tree yang lain misalkan Exhaustive CHAID, QUEST, CRT, dan perlu dikaji terkait segi reliabilitas analisis CHAID.

25

Technology Science and Engineering Journal, Vol 1 No 1 February 2017

5. [1] [2] [3]

[4] [5]

[6] [7]

E-ISSN: 2549-1601X

DAFTAR PUSTAKA Permendikbud No. 49 tahun 2014 tentang Standar Nasional Pendidikan Tinggi. Gallagher, C.A., Monroe, H.M., Fish, J.L 2000. “An Iterative Approach to Classification Analysis”. Legoherel, P., Hsu, C.H.C., Dauce, B. 2014. Variety-seeking: Using the CHAID Segmentation Approach in Analyzing the International Traveler Market. Tourism Management 46(2015) 359366. Sharp, A., Romaniuk, J., Cierpicki, S. 2002. The Performance Of Segmentation Variables: A Comparative Study. Marketing Science Centre. University of South Australia. Adelaide. Kunto, Y. S., Hasana, S.N. 2006, Analisis CHAID sebagai Alat Bantu Statistika untuk Segmentasi Pasar (Studi Kasus pada Koperasi Syari’ah Al-Hidayah), Jurnal Manajemen Pemasaran,Vol 1, No.2, Oktober 2006:88-98. Faiza, N., Sumarjaya, I. W., Srinadi, I.G.A.M. 2015. Metode QUEST dan CHAID pada Klasifikasi Karakteristik Nasabah Kredit, E-Jurnal Matematika Vol. 4 (4), November 2015, pp. 163-168. Cahyawati, D., Yohana, S., Bangun, P.B.J. 2013. Aplikasi Metode CHAID dalam Menganalisis Keterkaitan Faktor Risiko Lama Penyelesaian Skripsi Mahasiswa (Studi Kasus di Jurusan Matematika FMIPA Universitas Sriwijaya). Seminar Nasional Matematika dan Pendidikan Matematika FMIPA UNY, Yogyakarta, 9 November 2013.

26