KAJIAN PERFORMA PROGRAM STUDI MAGISTER SEKOLAH PASCASARJANA IPB
INDAH PERMATASARI
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009
RINGKASAN INDAH PERMATASARI. Kajian Performa Program Studi Magister Sekolah Pascasarjana IPB. Dibimbing oleh HARI WIJAYANTO dan AJI HAMIM WIGENA . Performa suatu program studi dapat diukur dari beberapa indikator, antara lain persentase mahasiswa yang lulus dan keluar, IPK akhir dan masa studi. Penelitian ini secara garis besar ingin mengkaji performa setiap program studi Magister SPs-IPB berdasarkan ketiga indikator tersebut serta menelusuri faktor-faktor yang mempengaruhinya dari segi karakteristik dan latar belakang pendidikan mahasiswa. Pengelompokkan program studi dengan analisis gerombol k-rataan dilakukan berdasarkan peubah persentase mahasiswa yang lulus tepat waktu (masa studi ≤ 3 tahun), persentase mahasiswa yang keluar, rataan IPK akhir dan rataan masa studi untuk jumlah gerombol yang diinginkan sebanyak 3 gerombol. Program studi yang mempunyai performa baik ditunjukkan oleh kelompok pertama AIR, ENT, FIT, IKL, IPK, KMP, KMV, PTK, SPD, SVT, TEP, TKL dan TPP, yang cukup baik oleh kelompok kedua AGK, AGR, ARL, BIK, BIO, BRP, BTK, DAS, ENK, ESK, GMK, IPN, KIM, MIT, PPN, PRM, PSL, PWD, SPL, TIP dan TNH, dan yang kurang baik oleh kelompok ketiga STK dan EPN. Kelompok program studi ini digunakan sebagai peubah penjelas dalam model. Pemodelan dilakukan terhadap respon keberhasilan studi dan IPK akhir dengan regresi logistik biner dan respon masa studi dengan regresi cox. Hasil pemodelan menunjukkan bahwa keberhasilan studi dengan kategori lulus dan keluar dipengaruhi oleh peubah jenis kelamin, sumber biaya, usia dan kelompok program studi yang dipilih, sedangkan IPK akhir yang terbagi atas kategori IPK < 3.50 dan IPK ≥ 3.50 dipengaruhi oleh peubah IPK asal, status perguruan tinggi asal dan kelompok program studi. Peubah masa studi mahasiswa yang lulus dalam 36 bulan dipengaruhi oleh peubah jenis kelamin, sumber biaya, kelompok program studi yang dipilih dan IPK asal. Kecenderungan mahasiswa untuk lulus dengan IPK akhir di atas 3.50 dan masa studi kurang dari 36 bulan akan lebih tinggi jika berjenis kelamin perempuan, mendapat beasiswa, berusia kurang dari 35 tahun, mempunyai IPK asal yang diatas 3.25, berasal dari perguruan tinggi BHMN dan memilih program studi pada kelompok pertama. Khusus program studi kelompok ketiga yaitu STK dan EPN, syarat untuk berhasil lulus dengan IPK akhir diatas 3.5 dan masa studi kurang dari 36 bulan membutuhkan spesifikasi input yang lebih baik. Kata Kunci : Pascasarjana, analisis gerombol k-rataan, regresi logistik, regresi cox
KAJIAN PERFORMA PROGRAM STUDI MAGISTER SEKOLAH PASCASARJANA IPB
INDAH PERMATASARI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009
Judul Skripsi : Kajian Performa Program Studi Magister Sekolah Pascasarjana IPB Nama : Indah Permatasari NRP : G14052001
Menyetujui, Pembimbing I,
Pembimbing II,
Dr. Ir. Hari Wijayanto, MS NIP. 196504211990021001
Dr. Ir. Aji Hamim Wigena, M.Sc NIP.195209281977011001
Mengetahui, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Drh. Hasim, DEA NIP. 196103281986011002
Tanggal Lulus :
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 10 Februari 1988. Penulis merupakan anak sulung dari empat bersaudara, anak dari pasangan Jemi Bahari dan Yunaningsih. Penulis menyelesaikan pendidikan sekolah dasar pada tahun 1999 di SD Bani Saleh 2 Bekasi, kemudian melanjutkan ke pendidikan menengah pertama di SMP Negeri 2 Bekasi dan lulus pada tahun 2002. Selanjutnya penulis lulus dari SMA Negeri 6 Bekasi pada tahun 2005 dan pada tahun yang sama di terima di Institut Pertanian Bogor melalui jalur SPMB. Pada tahun 2006 penulis diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Selama kuliah di IPB, penulis aktif dalam beberapa organisasi kemahasiswaan IPB di tingkat departemen dan fakultas. Pada tahun pertama di Departemen Statistika penulis aktif pada organisasi Decision Centre Gamma Sigma Beta. Pada tahun 2008/2009 penulis aktif di BEM FMIPA sebagai Ketua Departemen Infokom dan di Gamma Sigma Beta sebagai ketua badan otonom. Selain kegiatan kampus, penulis juga aktif sebagai pengajar les privat, asisten dosen dan bekerja sama dengan beberapa dosen Ilmu Ekonomi dan Statistika. Pada awal tahun 2009 penulis melakukan kegiatan praktek lapang di PT. Ganesha Cipta Informatika.
KATA PENGANTAR Maha suci Allah SWT yang telah menciptakan segala sesuatu dengan kadarnya, memberikan banyak kenikmatan dan keagungan kepada kita semua. Puji dan Syukur penulis panjatkan kepada Allah SWT atas segala karunia dan nikmat-Nya sehingga penulis dapat mendapatkan banyak kemudahan dalam menyelesaikan karya ilmiah ini. Sholawat serta salam semoga tetap kita haturkan kepada Nabi Muhammad SAW baik dalam keadaan lapang maupun sempit. Terima kasih penulis ucapkan kepada Bapak Dr. Ir. Hari Wijayanto, MS dan Bapak Dr. Ir. Aji Hamim Wigena, M.Sc selaku pembimbing yang telah banyak memberikan saran dan arahan kepada penulis, serta kepada semua pihak yang telah membantu penulis mulai dari proses awal hingga terselesaikanya karya ilmiah ini, antara lain: 1. Ibu Dr. Ir. Erfiani, MS atas kesediannya sebagai penguji luar komisi. 2. Pihak Sekolah Pascasarjana IPB (SPs-IPB) yang telah memberikan ijin penggunaan data. 3. Anton Kisworo atas bantuan dan motivasinya, Poppy, Ningsih, Melisa, Myu, Nadya, Dini, Fira, Fiya, Diki, Arie, Nur, Tanzil, Monic, Dewi, Trimi, Lani, Andi, Anton M, Ramdhon, Trizar, Ayes serta teman-teman 42, 43 dan 44 lainnya atas saran dan dukungannya. 4. Irma, Dilla, Rahma, Fitri, Ajeng, Galuh, Rahel, Eli, Mba Nda dan Mba Irma atas dukungan, saran dan bantuannya. 5. Seluruh Dosen dan staf dari Departemen Statistika atas ilmu pengetahuan, pengajaran dan bantuan yang telah diberikan kepada penulis. 6. Papa, Mama, Ita, Awan, Gugun dan Mama Wawa atas do’anya, kasih sayang, motivasi dan dukungan lahir dan batin selama ini serta seluruh keluarga besar di Jakarta. 7. Pak Hariyanto, Mba Mirna, Pak Adhi, Mas Reza, Mba May, Mas Rio dan Mas Ferdi atas dukungan dan pengetahuan yang sangat bermanfaat. 8. Semua pihak yang tidak dapat disebutkan satu persatu atas saran, masukan, dan kritikannya kepada penulis. Akhirnya tiada ucapan yang lebih pantas penulis sampaikan kecuali rasa syukur yang tak terhingga kepada Allah SWT, semoga karya tulis ini dapat bermanfaat bagi semua pihak yang membutuhkan. Bogor, Agustus 2009 Penulis
DAFTAR ISI Halaman DAFTAR TABEL..........................................................................................................................viii DAFTAR LAMPIRAN ..................................................................................................................viii PENDAHULUAN Latar Belakang....................................................................................................................... 1 Tujuan.................................................................................................................................... 1 TINJAUAN PUSTAKA Kriteria Penerimaan Mahasiswa Program Magister Pascasarjana IPB .................................. Istilah Kegiatan Pendidikan dalam Sekolah Pascasarjana IPB .............................................. Analisis Gerombol ................................................................................................................. Algoritma K-Rataan ...................................................................................................... Regresi Logistik Biner ........................................................................................................... Statistik Uji-G ............................................................................................................... Statistik Uji Wald .......................................................................................................... Interpretasi Koefisien .................................................................................................... Correct Classification Rate (CCR) ............................................................................... Analisis Daya Tahan (Survival Analysis) ............................................................................. Jenis-jenis Penyensoran................................................................................................. Fungsi Waktu Daya Tahan ............................................................................................ Regresi Cox ...........................................................................................................................
1 1 2 2 2 2 3 3 3 3 3 3 4
METODOLOGI Sumber Data .......................................................................................................................... 4 Metode Analisis ..................................................................................................................... 5 PEMBAHASAN Eksplorasi Data Mahasiswa per Program Studi..................................................................... Sebaran Mahasiswa Aktif per Program Studi................................................................ Sebaran Mahasiswa yang Keluar per Program Studi .................................................... Box Plot IPK akhir dan Masa Studi .............................................................................. Pengelompokkan Program Studi ........................................................................................... Eksplorasi Data Mahasiswa per Peubah ................................................................................ Pemodelan ............................................................................................................................. Model Keberhasilan Studi dengan Regresi Logistik Biner ........................................... Model IPK Akhir dengan Regresi Logistik Biner ......................................................... Model Masa Studi dengan Regresi Cox ........................................................................
5 5 6 7 7 7 8 9 10 11
KESIMPULAN DAN SARAN Kesimpulan ............................................................................................................................ 12 Saran ...................................................................................................................................... 12 DAFTAR PUSTAKA .................................................................................................................... 12
DAFTAR TABEL Halaman 1. Kelompok program studi berdasarkan persentase lulusan yang tepat waktu........................ 5 2. Kelompok program studi berdasarkan persentase lulusan dan mahasiswa yang keluar ..... 6 3. Daftar program studi per fakultas yang mempunyai performa IPK akhir dan masa studi kurang baik ............................................................................................................................... 7 4. Kelompok program studi hasil analisis gerombol k-rataan .................................................. 8 5. Rataan nilai peubah pada masing-masing gerombol ................................................................ 8 6. Jarak antar gerombol ................................................................................................................ 8 7. Koefisien regresi dan hasil uji wald pada model keberhasilan studi ........................................ 9 8. Rasio odd peubah penjelas pada model keberhasilan studi ...................................................... 9 9. Tabel klasifikasi hasil prediksi pada model keberhasilan studi ................................................ 10 10. Koefisien regresi dan hasil uji wald pada model IPK akhir...................................................... 10 11. Rasio odd peubah penjelas pada model IPK akhir.................................................................... 10 12. Tabel klasifikasi hasil prediksi pada model IPK akhir ............................................................. 10 13. Koefisien regresi dan uji wald pada model masa studi............................................................. 11 14. Rasio hazard peubah penjelas pada model masa studi ............................................................. 11
DAFTAR LAMPIRAN Halaman 1. Daftar program studi yang diteliti............................................................................................. 14 2. Sebaran mahasiswa aktif per tahun studi untuk setiap program studi ...................................... 15 3. Sebaran mahasiswa yang keluar per tahun studi untuk setiap program studi .......................... 20 4. Box plot IPK akhir dan masa studi setiap program studi dikelompokkan per fakultas ............ 21 5. Box plot IPK akhir setiap kategori peubah penjelas ................................................................. 30 6. Box plot masa studi setiap kategori peubah penjelas................................................................ 31 7. Persentase mahasiswa setiap kategori peubah penjelas berdasarkan keberhasilan studi .......... 33
1
PENDAHULUAN
TINJAUAN PUSTAKA
Latar Belakang Sekolah Pascasarjana Institut Pertanian Bogor (SPs-IPB) telah didirikan sejak 1975 sebagai sekolah pascasarjana pertama di Indonesia. Perkembangannya kian pesat, dari hanya tujuh program studi saat itu, kini sudah terdapat 65 program studi. Lulusannya sudah diakui mempunyai daya saing yang tinggi. Akan tetapi, perkembangan dunia pendidikan dan daya saing lulusan saat ini semakin meningkat. Agar reputasi SPs-IPB dapat terus dipertahankan, SPs-IPB tentu selalu melakukan upaya-upaya perbaikan untuk meningkatkan kualitas mahasiswanya. Demi mengetahui upaya-upaya apa saja yang paling sesuai diterapkan pada mahasiswanya, SPs-IPB perlu mengetahui performa masing-masing progam studi terhadap kualitas mahasiswa yang dihasilkan. Setiap program studi mempuyai karakteristik mahasiswa yang berbeda-beda, sehingga penanganannya pun tidak dapat diterapkan secara umum. Oleh karena itu, pengkajian terhadap performa program studi SPs-IPB menjadi sangat penting. Performa suatu program studi dapat diukur dari beberapa indikator, antara lain persentase mahasiswa yang lulus dan keluar, IPK akhir dan masa studi. Program studi yang banyak menghasilkan lulusan dengan IPK akhir yang tinggi, masa studi yang cepat dan mempunyai persentase mahasiswa yang keluar rendah dapat dinyatakan mempunyai performa baik. Penelitian ini secara garis besar mengkaji performa setiap program studi Magister SPsIPB berdasarkan indikator-indikator tersebut serta menelusuri faktor-faktor yang mempengaruhinya dari segi karakteristik dan latar belakang pendidikan mahasiswa. Hasil penelitian ini diharapkan dapat menjadi rujukan bagi pihak SPs-IPB dalam menetapkan kebijakan dan keputusan demi meningkatkan kualitas mahasiswa.
Kriteria Penerimaan Mahasiswa Program Magister Sekolah Pascasarjana IPB Penerimaan mahasiswa di Sekolah Pascasarjana IPB dilakukan berdasarkan penilaian transkrip akademik selama pendidikan sarjana. Proses seleksi dilakukan dalam tiga tahap, yakni : (1) Pleno I Tingkat IPB; (2) Evaluasi di Tingkat Program Studi; dan (3) Pleno II Tingkat IPB untuk mendapatkan keputusan dan pengesahan akhir. Syarat-syarat minimum untuk dapat dipertimbangkan sebagai mahasiswa dengan status biasa adalah memiliki salah satu gelar sarjana dari dalam atau luar negeri yang disahkan oleh pemerintah dan selama masa pendidikan sarjana memperoleh IPK ≥ 2.75 pada skala penilaian 0 - 4 atau IPK ≥ 6.25 pada skala 0 - 10, dari program studi yang terakreditasi (minimal B). Dengan pertimbangan tertentu, maka pelamar yang memiliki IPK kurang dari nilai yang ditentukan dapat diterima dengan status percobaan. Dasar pertimbangannya adalah memiliki kemampuan cemerlang selama bekerja di bidang pekerjaannya, memiliki karya ilmiah yang diterbitkan dalam jurnal ilmiah terakreditasi, serta ditunjang dengan proposal penelitian yang berkualitas. Mahasiswa yang diterima dengan status percobaan wajib mencapai perolehan IPK ≥ 3.00 pada akhir semester pertama dengan beban minimum 9 SKS. Apabila persyaratan nilai minimal tersebut tidak dipenuhi, maka mahasiswa dapat dikeluarkan (IPB, 2008).
Tujuan 1. Mengetahui performa program studi berdasarkan persentase mahasiswa yang lulus dan keluar, IPK akhir dan masa studi. 2. Mengkaji karakteristik mahasiswa yang mempengaruhi keberhasilan studi lulus atau keluar, IPK akhir dan masa studi 3. Mengetahui kriteria mahasiswa yang mampu lulus dengan IPK akhir tinggi dan masa studi normal.
Istilah Kegiatan Pendidikan dalam Sekolah Pascasarjan IPB Berikut adalah definisi dari beberapa istilah kegiatan pendidikan (IPB, 2008), di antaranya 1. Masa studi adalah jumlah hari sejak awal kegiatan akademik sampai mendapatkan Surat Keterangan Lulus (SKL). Masa studi yang wajar adalah 2 tahun. 2. Mahasiswa aktif adalah mahasiswa yang masih tercatat sebagai mahasiswa SPsIPB dengan telah memenuhi syarat administrasi serta melaksanakan seluruh kebijakan sebagai mahasiswa. 3. Mahasiswa drop out (DO) adalah mahasiswa yang keluar atau dikeluarkan dari IPB berdasarkan surat keterangan resmi dari SPs-IPB. Status DO terhitung sejak tanggal diterbitkanya surat keterangan tersebut.
2
4. Mahasiswa kadaluarsa pada program Magister adalah mahasiswa yang masa studinya sudah melebihi batas maksimum masa studi yaitu 4 tahun Analisis Gerombol Analisis gerombol digunakan untuk mengelompokkan objek-objek berdasarkan kesamaan karakteristiknya. Objek-objek tersebut akan diklasifikasikan ke dalam satu atau beberapa gerombol sehingga objekobjek yang berada dalam satu gerombol akan mempunyai kemiripan satu dengan yang lain. Homogenitas yang tinggi antar anggota dalam gerombol (within cluster) dan heterogenitas yang tinggi antar gerombol yang satu dengan yang lainnya (between cluster) merupakan dua hal yang harus dimiliki sebuah gerombol agar dapat dikatakan gerombol itu baik. Ada dua metode dalam penentuan gerombol, yaitu metode berhirarki dan metode tak berhirarki. Metode berhirarki mengelompokkan dua atau lebih objek yang mempunyai kesamaan paling dekat, kemudian proses diteruskan ke objek lain yang mempunyai kedekatan kedua. Metode tak berhirarki dimulai dengan menentukan terlebih dahulu jumlah gerombol yang diinginkan, sehingga sifat pengelompokannya tidaklah alamiah karena dikondisikan untuk jumlah kelompok tertentu. Metode ini sering disebut dengan analisis gerombol k-rataan. Analisis Gerombol K-Rataan Analisis gerombol k-rataan (K-means Cluster) bertujuan untuk mengelompokkan data sedemikian sehingga jarak tiap-tiap objek ke pusat kelompok dalam satu kelompok minimum (Johnson & Wichern, 1998). Perhitungan jarak peubah xk objek ke-i dengan objek ke-j menggunakan jarak Euclid, yaitu: d
xi ,x j =
p
k=1
(xki -xkj )2
1/2
Algoritma penggerombolan dengan analisis gerombol k-rataan adalah sebagai berikut: 1. Tentukan banyaknya gerombol, dan tentukan centroid di tiap gerombol. 2. Hitung jarak antara setiap objek dengan setiap centroid. 3. Hitung kembali rataan (centroid) untuk gerombol yang baru terbentuk. 4. Ulangi langkah 2 dan 3 sampai tidak ada lagi pemindahan objek antar gerombol.
Regresi Logistik Biner Regresi logistik merupakan suatu metode statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval. Regresi logistik biner adalah metode regresi logistik untuk peubah respon yang mempunyai dua kategori atau biner. Peubah respon Y yang berskala biner mengikuti sebaran Bernouli, dengan i menyatakan peluang kejadian ke-i bernilai sukses (Y=1), maka fungsi sebaran peluangnya: f(Y=yi )=πy (1-yi )1-y ,yi =0,1
sedangkan model regresi logistik secara umum adalah: exp (g(x)) π= 1 − exp (g(x)) dengan fungsi g(x) sebagai berikut: g(x)=ln
π(x) =β0 +β1 x1 +..+βp xp 1-π(x)
Apabila peubah penjelas bersifat kategorik maka diperlukan peubah boneka. Jika sebuah peubah skala nominal atau ordinal mempunyai k kemungkinan nilai, maka diperlukan k-1 peubah boneka (D). Sehingga model transformasi logitnya menjadi:
g(x)=β0 +β1 x1 +…+
kj u=1
βju Dju +βp xp
Pendekatan pendugaan pada model regresi logistik menggunakan metode kemungkinan maksimum. Statistik Uji G Statistik uji-G adalah uji rasio kemungkinan (likelihood ratio test) yang digunakan untuk menguji peranan p peubah penjelas di dalam model secara keseluruhan. Hipotesis dalam uji-G adalah: H0 : β1 =β2 =…=βp =0 H1 : ∃βi ≠0 (i = 1, 2, …, p)
L0 L1
G=-2 ln
L0 L1
= Likelihood tanpa peubah penjelas = Likelihood dengan peubah penjelas
3
Statistik G ini akan mengikuti sebaran 2 dengan derajat bebas p. Kaidah keputusan yang diambil yaitu jika G > 2(α) maka hipotesis nol ditolak (Hosmer & Lemeshow, 2000).
persentase kebenaran (kesesuaian) pengamatan dengan dugaannya.
Statistik Uji Wald Pengujian yang dilakukan secara parsial untuk setiap koefisien peubah menggunakan statistik uji wald. Hipotesis yang diuji adalah: H0 : i = 0 H1 : i 0 (i = 1, 2, ..., p) Statistik uji wald didefinisikan sebagai berikut: βi W= SE(βi )
Semakin besar nilai CCR yang dihasilkan maka tingkat akurasi model dalam memprediksi respon semakin tinggi.
dimana β merupakan penduga bagi β dan SE(βi ) merupakan penduga galat baku βi . Dengan asumsi H0 benar maka statistik uji wald akan mengikuti sebaran normal baku (Hosmer & Lemeshow, 2000).
Interpretasi Koefisien Dalam regresi logistik interpretasi koefisien menggunakan rasio odd. Apabila peubah penjelas dalam regresi logistik biner mempunyai kategori 1 dan 0, maka rasio odd adalah rasio dari odd pada x=1 terhadap odd x=0. π(1)/[1-π(1)] Rasio Odd= π(0)/[1-π(0)] Hubungan antara rasio odd dengan koefisien regresi adalah Rasio Odd=eβ1
Dalam interpretasi koefisien, peubah penjelas dengan kategori x = 1 memiliki kecenderungan untuk mempunyai respon sukses sebesar nilai rasio odd kali dibandingkan peubah dengan kategori x = 0 (Hosmer & Lemeshow, 2000). Correct Classification Rate (CCR) Dengan membuat batasan terhadap hasil prediksi peluang respon yang bernilai numerik maka akan didapat hasil prediksi respon yang bernilai kategorik. Pemilihan batasan nilai peluang tersebut dapat mempengaruhi tingkat akurasi model dalam memprediksi. Tingkat akurasi model dalam memprediksi berdasarkan nilai batasan yang ditentukan dapat dihitung dari nilai correct classification rate (CCR). CCR merupakan
CCR=
nilai
banyaknya dugaan benar x100% banyaknya pengamatan
Analisis Daya Tahan (Survival Analysis) Data daya tahan adalah istilah yang digunakan bagi data tentang jangka waktu yang diperlukan sampai terjadinya suatu kejadian. Analisis daya tahan merupakan suatu analisis yang memusatkan perhatian ada kejadian dalam selang waktu tertentu dari satu atau beberapa individu. Data daya tahan dapat mengalami penyensoran. Jenis-jenis Penyensoran Jenis-jenis penyensoran antara lain sensor kanan, sensor kiri dan sensor interval. Data tergolong ke dalam sensor kanan jika ada satu atau lebih individu yang hanya batas bawahnya saja yang diketahui sedangkan sensor kiri apabila kejadian yang diamati sudah terjadi pada individu sebelum individu tersebut masuk ke dalam penelitian. Sensor interval adalah kasus apabila data dikelompokkan ke dalam interval-interval waktu. Menurut Lee (1992) ada tiga jenis sensor kanan yaitu: 1. Sensor waktu, jika waktu penelitian ditetapkan dalam selang waktu tertentu, sehingga individu-individu yang tidak mengalami kejadian dalam selang waktu tersebut tidak dapat ditentukan waktu daya tahannya secara pasti. 2. Sensor statistik terurut, yaitu dalam suatu penelitian telah ditetapkan proporsi kejadian yang diamati, misal penelitian berjalan sampai 80% individu mengalami kejadian. 3. Sensor acak, biasanya dalam percobaan klinis dengan periode penelitian ditentukan sedangkan pasien datang pada waktu yang berbeda-beda sehingga ada pasien yang tidak teramati secara penuh. Fungsi Waktu Daya Tahan Fungsi-fungsi yang mencirikan sebaran waktu daya tahan (T) menurut Klein & Moeschberger (1977) antara lain : 1. Fungsi Massa Peluang (Probability Mass Function) Fungsi ini didefinisikan sebagai limit peluang seorang individu mengalami
4
kejadian, dengan peubah penjelas X dalam selang waktu (t,t+∆t) per unit ∆t. f(t,X)= lim
∆t→0
P(t≤T
f(t,X)=
d F(t) dt
Fungsi sebaran kumulatifnya adalah : F(t,X)=P(T ≤ t)=
t
0
(f t, X)dt
dimana F(t, X) adalah peluang individu mengalami kejadian pada waktu t. 2. Fungsi Daya Tahan (Survival Function) Peluang daya tahan didefinisikan sebagai peluang suatu pengamatan bertahan sampai waktu lebih besar atau sama dengan t. Peluang daya tahan atau fungsi ketahanan ini dinotasikan dengan S(t, X) didefinisikan sebagai berikut : S(t)=P (T> t|X)= 1- F(t, X)
3. Fungsi Hazard (Hazards Function) Fungsi hazard menyatakan laju kegagalan bersyarat dan digunakan untuk mengukur resiko sesaat. Fungsi ini didefinisikan sebagai berikut : h(t,X)=
f(t,X) f(t,X) = S(t,X) 1-F(t,X)
Fungsi hazard diinterpretasikan sebagai limit peluang individu dengan peubah bebas X mengalami kejadian dalam selang waktu (t,t+∆t) jika diketahui bahwa individu tersebut mengalami kejadian hingga waktu t (Lee, 1992). h(t)= lim
∆t→0
P(t≤T
t, X) ∆t
Regresi Cox Model regresi cox (hazard proporsional cox) merupakan analisis regresi untuk memodelkan waktu daya tahan terhadap suatu kejadian. Bentuk model regresi cox adalah h(t, X) = h (t)exp (X; β)
dimana h(t,X) adalah resiko gagal pada waktu t dengan peubah penjelas X. h0(t) adalah fungsi hazard baku pada keadaan X=0, tidak
tergantung dari peubah penjelas. β=(β1,β2,…,βp) adalah vektor koefisien regresi atau vektor parameter. Model linier untuk pengaruh peubah penjelas yaitu: h(t,X) log = h0 (t)
p k=1
βk Xk
Model cox sering disebut model hazard proporsional karena rasio tingkat hazard dari dua individu atau dua kategori peubah penjelas adalah: h(t,X 1 ) =exp h(t,X 2 )
p k=1
βk (X1k -X2k )
Rasio tersebut menunjukkan resiko relatif terjadinya kejadian pada individu pertama dibandingkan dengan individu kedua. Pengujian kontribusi peubah baik secara simultan dilakukan dengan uji-G dan secara parsial dilakukan dengan uji Wald. METODOLOGI Sumber Data Data yang digunakan dalam penelitian ini terdiri atas data mahasiswa program Magister angkatan 2001 sampai 2006 dari 36 program studi kelas reguler. Data ini diambil dari database akademik SPs-IPB pada Oktober 2008. Peubah yang didapat meliputi: Demografi Mahasiswa 1. Jenis Kelamin 1 = Laki-laki 2 = Perempuan 2. Status Perkawinan pada saat diterima 1 = Belum kawin 2 = Sudah kawin 3. Usia pada saat diterima Latar Belakang Pendidikan Mahasiswa 4. IPK asal 5. Sumber biaya pendidikan 1 = Beasiswa 2 = Sendiri 6. Status perguruan tinggi asal 1 = BHMN 2 = Negeri 3 = Swasta Indikator Keberhasilan Mahasiswa 7. Keberhasilan studi 1 = Lulus 2 = Keluar 8. IPK Akhir 9. Masa Studi
5
Peubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. Metode Analisis Tahapan-tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut: 1. Melakukan eksplorasi data mahasiswa pada setiap program studi meliputi pembuatan: a. Plot sebaran mahasiswa aktif per tahun studi. b. Diagram sebaran mahasiswa keluar per tahun studi. c. Box plot peubah IPK akhir dan masa studi. 2. Mengelompokkan program studi berdasarkan peubah : 1. Persentase mahasiswa yang lulus dengan masa studi ≤ 3 tahun 2. Persentase mahasiswa yang keluar 3. Rataan IPK akhir 4. Rataan masa studi. Kelompok program studi selanjutnya digunakan sebagai peubah penjelas dalam eksplorasi peubah dan pemodelan. 5. Melakukan eksplorasi pada peubah respon untuk setiap peubah penjelas. Peubah IPK akhir dan masa studi dengan box plot dan peubah keberhasilan studi dengan diagram batang. 6. Membuat model keberhasilan studi dengan regresi logistik biner. 7. Membuat model IPK akhir dengan regresi logistik biner. 8. Membuat model masa studi dengan regresi cox berdasarkan kejadian lulus dalam masa studi 36 bulan. PEMBAHASAN Data yang digunakan dalam penelitian ini mencakup mahasiswa yang sudah lulus, keluar, baik karena DO atau mengundurkan diri, dan masih aktif. Deskripsi dari 36 program studi yang diamati dapat dilihat pada Lampiran 1. Eksplorasi Data Mahasiswa per Program Studi Sebaran Mahasiswa Aktif per Tahun Studi Sebaran mahasiswa aktif per tahun studi dibentuk dengan membuat plot rata-rata persentase mahasiswa aktif pada setiap selang masa studi (t) dalam tahun, yaitu:
t0 = t = 0 t1 = 0 < t ≤ 1 tahun t2 = 1 < t ≤ 2 tahun t3 = 2 < t ≤ 3 tahun t4 = 3 < t ≤ 4 tahun t5 = 4 < t ≤ 5 tahun Data yang digunakan hanya data mahasiswa yang sudah lulus dan masih aktif angkatan 2001 sampai 2005. Angkatan 2006 tidak diikutsertakan karena masih didominasi oleh mahasiswa yang masih aktif. Masa studi yang normal bagi mahasiswa program Magister adalah 2 tahun. Apabila lebih dari 4 tahun sudah dikatakan mahasiswa kadaluarsa dan terancam dikeluarkan dari SPs-IPB. Sebaran mahasiswa aktif per tahun studi yang ideal adalah menurun tajam dari t2 ke t3 dan sudah mencapai 0% pada t4. Selisih persentase mahasiswa aktif t1 dengan t3 dapat menunjukkan persentase mahasiswa yang berhasil lulus tepat waktu, dalam hal ini adalah masa studi kurang dari 3 tahun. Oleh karena itu bentuk sebaran mahasiswa aktif per tahun studi dapat menjadi salah satu penilaian terhadap performa program studi. Sebaran mahasiswa aktif per tahun studi yang ideal dimiliki oleh program studi yang mempunyai persentase lulusan dalam masa studi 3 tahun terbesar. Perbandingan dengan bentuk ideal akan menunjukkan seberapa jauh sebaran mahasiswa aktif suatu program studi dari pola idealnya. Pada Lampiran 2 dapat dilihat sebaran mahasiswa aktif per tahun studi untuk setiap program studi, yang telah diurutkan berdasarkan persentase lulusan tepat waktu (masa studi ≤ 3tahun) dari yang terkecil dan dibandingkan dengan sebaran mahasiswa aktif program studi KMV. Pada Tabel 1 dapat dilihat kelompok program studi berdasarkan kategori persentase lulusan yang tepat waktu. Tabel 1
Kelompok program studi berdasarkan persentase lulusan yang tepat waktu Persentase Program Studi lulusan < 50 STK, EPN, TIP, ENK, BTK, TNH, DAS, ESK, IPN, BIK 50 - 60 MIT, ARL, AGR, PWD, BIO, TEP, IPK, BRP, PSL, PRM > 60 GMK, IKL, TKL, SVT, AIR, SPL, PTK, ENT, KIM, AGK, TPP, KMP, FIT, PPN, SPD, KMV
6
Program studi yang berada dalam satu kelompok memiliki kemiripan dalam bentuk sebaran mahasiswa aktif per tahun studi. Pada Gambar 1 dapat dilihat sebaran mahasiswa aktif pada program studi STK yang mempunyai persentase lulusan tepat waktu terkecil (22%) dan KMV yang mempunyai persentase lulusan tepat waktu terbesar (86%). 100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2 t3 t4 t5 STK KMV Gambar 1 Sebaran mahasiswa aktif program studi STK dan KMV Program studi KMV mempunyai pola sebaran mahasiswa aktif yang lebih ideal dibanding program studi lainnya, karena mempunyai persentase mahasiswa yang lulus dengan masa studi 3 tahun terbesar, pada tahun studi keempat hanya terdapat 4% mahasiswa aktif dan sudah mencapai 0% pada tahun kelima. Program studi STK cenderung menghasilkan lulusan dengan masa studi lebih lama dibandingkan lulusan program studi KMV, terlihat dari posisi sebaran yang jauh di sebelah kanan sebaran program studi KMV. Dengan menganggap program studi KMV sebagai program studi yang mempunyai sebaran mahasiswa aktif per tahun studi ideal, maka kelompok program studi yang mempunyai persentase mahasiswa yang lulus tepat waktu lebih besar dari program studi KMV dapat mempunyai indikasi performa yang kurang baik. Secara visual dapat dilihat dari sebaran mahasiswa aktif yang cenderung jauh di sebelah kanan pola sebaran mahasiswa aktif program studi KMV, seperti yang dimiliki oleh program studi yang mempunyai persentase mahasiswa lulus tepat waktu kurang dari 50%. Dengan demikian, peforma program studi yang lebih baik diperoleh program studi yang mempunyai pola sebaran mahasiswa aktif per tahun studi mendekati sebaran mahasiswa aktif program studi KMV, seperti yang ditunjukkan oleh sebagian besar program studi dalam kelompok persentase lulusan tepat waktu lebih besar dari 60%.
Sebaran Mahasiswa yang Keluar per Tahun Studi Performa program studi tidak dapat dilihat hanya dari besarnya lulusan yang dihasilkan per tahun studi, tetapi perlu dilihat pula dari besarnya mahasiswa yang keluar pada setiap tahun studinya. Oleh karena itu, dibentuk sebaran persentase mahasiswa yang keluar per tahun studi melalui diagram batang yang terlihat pada Lampiran 3. Program studi yang performanya baik harusnya memiliki persentase lulusan yang besar dan persentase mahasiswa yang keluar kecil. Program studi pada diagram tersebut sudah terurut berdasarkan persentase mahasiswa yang keluar pada setiap tahun studi mulai yang paling besar. Pada Tabel 2 dapat dilihat kelompok program studi berdasarkan persentase mahasiswa yang lulus tepat waktu dengan persentase mahasiswa yang keluar pada tahun pertama. Tabel 2
% Lulusan
Kelompok program studi berdasarkan persentase lulusan dan mahasiswa yang keluar % Mahasiswa keluar tahun pertama <5 TIP TNH ESK
5-7 IPN BIK
>7 STK ENK EPN BTK DAS
50 - 60 ARL BIO BRP
MIT TEP IPK PSL PRM
AGR PWD
< 50
> 60
GMK TKL AIR PTK ENT AGK TPP FIT AGK
KIM SPL IKL SVT KMV PPN SPD
Sebagian besar program studi yang mempunyai persentase lulusan rendah juga mempunyai persentase mahasiswa yang keluar tinggi dan sebaliknya. Berdasarkan kedua hasil eksplorasi ini indikasi performa program studi yang kurang baik ditunjukkan oleh program studi yang mempunyai persentase lulusan yang rendah dan persentase mahasiswa yang keluar tinggi, seperti program studi STK, ENK, EPN, BTK dan DAS.
7
Box plot IPK Akhir dan Masa Studi Box plot dapat digunakan untuk pemeriksaan bentuk atau pola sebaran data. Informasi yang didapat dari box plot adalah lokasi pemusatan data yaitu median, rataan, rentangan penyebaran data yang terlihat dari panjang kotak, dan kemiringan pola sebaran yang terlihat dari panjang kotak relatif terhadap median. Data yang digunakan adalah data mahasiswa angkatan 2001 sampai 2006 yang sudah lulus. Pada penelitian ini box plot digunakan untuk memeriksa sebaran data IPK akhir dan masa studi mahasiswa yang sudah lulus. Pada Lampiran 4 dapat dilihat box plot IPK akhir dan masa studi setiap program studi yang dikelompokkan berdasarkan fakultas. Fakultas digunakan sebagai dasar pengelompokkan karena setiap keputusan yang diambil oleh program studi tidak lepas dari kebijakan fakultas. Program studi yang memiliki box plot IPK akhir berada pada rentangan nilai yang lebih tinggi dengan nilai median di atas 3.50 dan box plot masa studi berada pada rentangan nilai yang lebih rendah dengan rentangan yang sempit disekitar nilai 24 sampai 36 bulan menunjukkan performa program studi yang baik, dan sebaliknya menunjukkan performa program studi yang kurang baik berdasarkan perolehan prestasi akademik mahasiswa. Pada Tabel 3 dapat dilihat program studi yang memiliki performa yang kurang baik dibanding program studi lainnya dalam satu fakultas berdasarkan rentangan nilai IPK akhir dan masa studi mahasiswanya, karena sebagian besar mahasiswanya mempunyai IPK akhir di bawah 3.5 dan masa studi yang tinggi hingga cenderung lebih dari 40 bulan. Tabel 3 Daftar program studi per fakultas yang mempunyai performa IPK akhir dan masa studi kurang baik Kode Fakultas
IPK
Masa Studi
A
TNH
ARL, TNH
B
ENK
ENK
C
SPL
F
TEP
TIP
G
STK
BIK, STK
H
EPN
EPN
I
GMK
GMK
P
PRM
Program studi PTK dan IPK tidak ditampilkan karena tidak ada pembanding program studi lainnya. Rentangan IPK akhir dan masa studi dari kedua program studi tersebut masih tergolong mempunyai performa yang baik. Program studi yang memiliki rentangan nilai IPK akhir rendah dan rentangan nilai masa studi tinggi ditunjukkan oleh TNH, ENK, STK, EPN dan GMK. Apabila ditelusuri dari hasil eksplorasi sebelumnya, beberapa program studi yang termasuk ke dalam daftar tersebut sudah disebut sebagai program studi yang mempunyai indikasi performa kurang baik berdasarkan nilai persentase mahasiswa yang lulus dalam masa studi 3 tahun yang rendah dan persentase mahasiswa yang keluar tinggi, antara lain STK, EPN dan ENK. Hal ini menunjukkan adanya keterkaitan antara hasil eksplorasi data mahasiswa per program studi yang dapat dijadikan dasar dalam pengelompokkan program studi berdasarkan performanya. Kelompok performa program studi tentunya dapat terdiri atas performa yang baik dan kurang baik. Akan tetapi, tidak menutup kemungkinan ada program studi yang belum dapat dikatakan keduanya atau berada dalam posisi antara baik dan kurang baik. Oleh karena itu, diperlukan suatu analisis yang dapat mengelompokkan program studi ke dalam kelompok performa program studi yang baik, kurang baik dan berada diantara keduanya. Pengelompokkan Program Studi Pengelompokkan program studi dapat dilakukan dengan analisis gerombol k-rataan dengan jumlah gerombol yang diinginkan sebanyak tiga, agar didapat kelompok program studi yang mempunyai performa baik, kurang baik dan pertengahan. Peubah yang digunakan adalah: 1. Persentase lulusan yang tepat waktu (masa studi ≤ 3 tahun) 2. Persentase mahasiswa yang keluar 3. Rataan IPK 4. Rataan Masa Studi Program studi yang mempunyai performa baik seharusnya mempunyai persentase lulusan yang tepat waktu tinggi, persentase mahasiswa yang keluar rendah, rataan IPK akhir tinggi, dan rataan masa studi rendah. Performa kurang baik dapat ditunjukkan oleh kriteria sebaliknya. Hasil pengelompokkan program studi berdasarkan keempat peubah tersebut dapat dilihat pada Tabel 4.
8
Tabel 4
Kelompok program studi hasil analisis gerombol k-rataan Gerombol Program Studi 1 AIR, ENT, FIT, IKL, IPK, KMP, KMV, PTK, SPD, SVT, TEP, TKL, TPP 2 AGK, AGR, ARL, BIK, BIO, BRP, BTK, DAS, ENK, ESK, GMK, IPN, KIM, MIT, PPN, PRM, PSL, PWD, SPL, TIP, TNH 3 STK, EPN
kelompok program studi yang mempunyai performa kurang baik. Karena gerombol 2 mempunyai jarak yang lebih dekat dengan gerombol 1 dibandingkan gerombol 3, maka gerombol 2 dapat dinyatakan sebagai kelompok program studi yang mempunyai performa cukup baik. Hasil pengelompokkan program studi ini selanjutnya digunakan sebagai peubah penjelas dalam pemodelan sehingga diketahui tingkat keberhasilan mahasiswa yang dapat diperoleh pada setiap kelompok program studi.
Rataan keempat peubah yang digunakan sebagai dasar pengelompokkan untuk setiap kelompok program studi dapat dilihat pada Tabel 5.
Eksplorasi Data Mahasiswa per Peubah Sebelum masuk ke dalam tahap pemodelan perlu dilakukan eksplorasi hubungan peubah penjelas dengan peubah respon untuk melihat indikasi awal pengaruh setiap peubah penjelas terhadap peubah respon. Eksplorasi yang dilakukan untuk peubah IPK akhir dan masa studi menggunakan box plot, sedangkan untuk peubah keberhasilan studi menggunakan diagram persentase mahasiswa pada setiap kategori keberhasilan studi yaitu lulus dan keluar. Hasil eksplorasi untuk peubah IPK akhir dapat dilihat pada Lampiran 5, peubah masa studi pada Lampiran 6 dan peubah keberhasilan studi pada Lampiran 7. Demi mempermudah interpretasi hasil eksplorasi ini maka nilai peubah numerik disekat menjadi peubah kategorik. Peubah IPK asal dikategorikan menjadi empat kategori yaitu: 1. IPK < 2.75 2. 2.75 ≤ IPK < 3.00 3. 3.00 ≤ IPK < 3.25 4. IPK ≥ 3.25 sedangkan peubah usia dikategorikan menjadi tiga kategori yaitu; 1. Usia ≤ 25 tahun 2. 25 < Usia ≤ 35 tahun 3. IPK > 3.25 Data yang dipakai dalam eksplorasi data mahasiswa per peubah dan pada pemodelan adalah data mahasiswa angkatan 2004 sampai 2006, karena hanya angkatan ini yang mempunyai nilai peubah status perguruan tinggi asal. Pengaruh peubah penjelas akan terlihat jelas jika selang penyebaran data pada masing-masing kategorinya berbeda. Perbandingan box plot antar kategori dalam satu peubah penjelas yang terlihat jelas perbedaannya pada peubah IPK akhir adalah peubah IPK asal, status perguruan tinggi asal dan kelompok program studi. Pada peubah masa studi yang perbedaanya paling jelas
Tabel 5
Rataan nilai peubah pada masingmasing gerombol
Rataan % Lulusan % Mahasiswa Masa Kel. tepat waktu Keluar IPK studi 1
67.87
7.65 3.65 32.10
2
52.96
8.20 3.55 36.06
3
26.44
27.02 3.43 43.12
Tujuan pengelompokkan program studi dengan analisis gerombol k-rataan dapat dinyatakan tercapai. Berdasarkan nilai rataan keempat peubah penciri performa program studi tersebut terlihat bahwa kelompok program studi yang memiliki kombinasi nilai terbaik adalah kelompok ke-1 dan yang kurang baik adalah kelompok ke-3. Rataan keempat peubah pada kelompok ke-2 berada diantara kelompok ke-1 dan kelompok ke-3. Nilai jarak antar pusat gerombol dapat dilihat pada Tabel 6. Tabel 6 Jarak antar gerombol. Gerombol
1
2
3
1
0.000
2.015
3.766
2
2.015
0.000
5.368
3
3.766
5.368
0.000
Jarak tersebut menunjukkan tingkat kemiripan antar gerombol. Jarak antara gerombol 1 dan 2 lebih dekat dibandingkan jarak gerombol 1dan 3 maupun 2 dan 3. Berdasarkan nilai rataan keempat peubah yang diperoleh masing-masing gerombol, gerombol 1 dapat dinyatakan sebagai kelompok program studi yang mempunyai performa baik dan gerombol 3 sebagai
9
hanya IPK asal dan kelompok program studi. Persentase mahasiswa untuk setiap kategori peubah penjelas terhadap keberhasilan studi yang tidak menunjukkan perbedaan yang besar hanya peubah status kawin, peubah lainnya cukup terlihat adanya perbedaan. Fenomena yang terlihat adalah perolehan nilai IPK akhir mahasiswa yang mempunyai IPK asal kategori ke-1 mempunyai rentangan nilai IPK akhir yang lebih tinggi dibanding kategori yang ke-3 dan mempunyai rentangan nilai masa studi yang lebih rendah dibanding kategori ke-3. Dengan demikian, mahasiswa dengan IPK asal di bawah 2.75 mampu mempunyai IPK akhir dan masa studi yang sama baiknya dengan yang mempunyai IPK asal di atas 3.00. Secara umum mahasiswa yang mempunyai IPK asal yang tinggi, berasal dari perguruan tinggi BHMN dan memilih program studi kelompok pertama cenderung lulus dengan IPK akhir yang tinggi dan masa studi yang normal. Faktor yang mempengaruhi kelulusan sendiri lebih didominasi oleh mahasiswa yang berjenis kelamin perempuan, mendapat beasiswa, berasal dari perguruan tinggi BHMN, mempunyai usia di bawah 25 tahun, IPK asal pada selang kategori 2.75 sampai 3.00 dan memilih program studi pada kelompok pertama. Pemodelan Peubah yang dijadikan indikator untuk mengetahui performa program studi adalah keberhasilan studi, IPK akhir dan masa studi. Pemodelan yang dilakukan pun mencakup ketiga peubah tersebut sehingga dapat diketahui pengaruh karakteristik mahasiswa terhadap kriteria performa program studi. Model Keberhasilan Studi dengan Regresi Logistik Biner Keberhasilan studi terdiri atas dua kategori yaitu lulus dan keluar. Model yang dibentuk dengan menyertakan seluruh peubah penjelas mempunyai nilai statistik-G sebesar 364.055 dengan nilai-p <0.001, sehingga dapat dinyatakan bahwa terdapat peubah penjelas yang berpengaruh nyata terhadap respon. Berdasarkan hasil uji wald pada Tabel 7 terlihat bahwa peubah penjelas yang berpengaruh nyata dengan taraf nyata 5% terhadap respon hanya peubah jenis kelamin, sumber biaya, usia dan kelompok program studi.
Tabel 7
Koefisien regresi dan hasil uji wald pada model keberhasilan studi Wald Nilai-p Peubah Intersep 1.3329 48.3605 <.0001 Jenis Kelamin 1 0.3996 8.3777 0.0038 Status Kawin 1 -0.1455 0.688 0.4068 Sumber Biaya 1 0.6472 17.0235 <.0001 Usia 1 0.6364 6.1468 0.0132 Usia 2 0.0113 0.0037 0.9516 IPK Asal 4 0.2482 1.0063 0.3158 IPK Asal 3 0.0256 0.0124 0.9112 IPK Asal 2 -0.3215 1.8973 0.1684 Status PT 1 0.2832 1.5238 0.2170 Status PT 2 -0.1125 0.350 0.5541 Kelompok PS1 0.7503 13.1625 0.0003 Kelompok PS 2 0.5616 8.1016 0.0044 Interpretasi untuk setiap kategori peubah penjelas dapat dilihat berdasarkan nilai rasio odd pada Tabel 8. Tabel 8
Rasio odd peubah penjelas pada model keberhasilan studi SK 95% Rasio Peubah odd Bawah Atas Jenis Kelamin 1 vs 2 2.224 1.294 3.821 Status Kawin 1 vs 2 0.747 0.376 1.487 Sumber Biaya 1 vs 2 3.649 1.973 6.748 Usia 1 vs 3 3.612 1.346 9.694 Usia 2 vs 3 1.933 0.882 4.234 IPK Asal 4 vs 1 1.222 0.492 3.036 IPK Asal 3 vs 1 0.978 0.413 2.314 IPK Asal 2 vs 1 0.691 0.297 1.611 Status PT 1 vs 3 1.575 0.685 3.619 Status PT 2 vs 3 1.060 0.522 2.153 Kelompok PS 1 vs 3 7.863 3.289 18.801 Kelompok PS 2 vs 3 6.511 2.794 15.171
Berdasarkan nilai rasio odd pada peubah yang berpengaruh nyata terhadap respon diketahui bahwa mahasiswa perempuan mempunyai kecenderungan lulus 2.224 kali dibandingkan mahasiswa laki-laki, sedangkan mahasiswa yang mendapat beasiswa mempunyai kecenderungan lulus 3.649 kali dibandingkan dengan yang biaya sendiri. Mahasiswa dengan usia dibawah 25 tahun mempunyai kecenderungan lulus 3.612 kali dan yang berusia antara 25 sampai 35 tahun memiliki kecenderungan lulus 1.933 kali, dibandingkan dengan yang berusia diatas 35 tahun. Mahasiswa pada kelompok program studi ke-1 memiliki kecenderungan lulus 7.863 kali dan pada kelompok program studi ke-2 memiliki kecenderungan lulus 6.511 kali, dibandingkan dengan mahasiswa pada kelompok program studi ke-3.
10
Secara umum, kecenderungan seorang mahasiswa lulus akan lebih besar jika berjenis kelamin perempuan, sudah menikah, memperoleh beasiswa, berusia kurang dari 35 tahun, memiliki IPK asal yang yang lebih besar dari 3.25, berasal dari perguruan tinggi BHMN dan memilih program studi pada kelompok ke-1. Tabel 9 Tabel klasifikasi hasil prediksi pada model keberhasilan studi Prediksi Aktual Total CCR 1 2 1 283 127 410 69.02% 2 24 54 78 69.23% Total 307 181 488 69.06% Pada Tabel 9 terlihat bahwa total nilai persentase klasifikasi benar (CCR) yang diperoleh dengan batasan nilai peluang 0.85 adalah 69.06%. Nilai tersebut menunjukkan bahwa tingkat akurasi model dalam memprediksi masih tergolong kurang baik atau belum memuaskan. Hal ini dapat disebabkan oleh kurangnya peubah yang dipakai untuk menjelaskan respon. Kelulusan dan prestasi mahasiswa sangat didukung oleh pemahaman dan pengalaman mahasiswa pada bidang program studi yang diambil, indikatornya dapat dilihat dari besarnya nilai mata kuliah S1 yang berhubungan dengan mata kuliah program studi yang dipilih pada S2, prestasi mahasiswa yang pernah diperoleh dan kesesuaian pekerjaan mahasiswa dengan program studi yang dipilih. Model IPK Akhir dengan Regresi Logistik Biner Respon model regresi logistik adalah kelas IPK akhir yaitu IPK < 3.50 dan IPK ≥ 3.50. Pengkelasan tersebut berdasarkan pertimbangan syarat untuk melanjutkan ke program doktor dengan status biasa, yaitu memperoleh IPK S2 di atas 3.50. Model regresi yang dihasilkan dengan menyertakan seluruh peubah penjelas menghasilkan statistik-G sebesar 358.184 dengan nilai-p <0.001 atau kurang dari taraf nyata 5%, sehingga dapat dinyatakan bahwa paling tidak ada satu peubah penjelas yang berpengaruh terhadap respon. Berdasarkan hasil uji wald dengan taraf nyata 5% yang terlihat pada Tabel 10, diketahui hanya tiga peubah penjelas yang berpengaruh nyata terhadap respon, yaitu IPK asal, status perguruan tinggi asal dan kelompok program studi.
Tabel 10 Koefisien regresi dan hasil uji wald pada model IPK akhir Wald Nilai-p Peubah Intersep 0.8656 12.7665 0.0004 Jenis Kelamin 1 -0.1424 1.1288 0.2880 Status Kawin 1 -0.0182 0.0106 0.9180 Sumber Biaya 1 -0.0769 0.252 0.6157 Usia 1 0.0124 0.002 0.9646 Usia 2 0.1032 0.3014 0.5830 IPK Asal 4 0.8429 10.6902 0.0011 IPK Asal 3 -0.3487 2.6851 0.1013 IPK Asal 2 -0.5063 4.2899 0.0383 Status PT 1 1.6208 26.0772 <.0001 Status PT 2 -0.5420 6.8162 0.009 Kelompok PS 1 1.0063 17.0831 <.0001 Kelompok PS 2 0.3570 2.4818 0.1152 Kecenderungan seorang mahasiswa dengan suatu kategori peubah memperoleh IPK akhir diatas 3.50 dibandingkan dengan yang memiliki kategori lainnya dapat diketahui melalui nilai rasio odd, yang terlihat pada Tabel 11. Tabel 11 Rasio odd peubah penjelas pada model IPK akhir SK 95% Rasio Peubah odd Bawah Atas Jenis Kelamin 1 vs 2 0.752 0.445 1.272 Status Kawin 1 vs 2 0.964 0.482 1.930 Sumber Biaya 1 vs 2 0.857 0.470 1.563 Usia 1 vs 3 1.136 0.391 3.307 Usia 2 vs 3 1.245 0.555 2.791 IPK Asal 4 vs 1 2.295 0.849 6.204 IPK Asal 3 vs 1 0.697 0.285 1.704 IPK Asal 2 vs 1 0.595 0.236 1.503 Status PT 1 vs 3 14.872 5.274 41.936 Status PT 2 vs 3 1.710 0.901 3.246 Kelompok PS 1 vs 3 10.694 3.375 33.883 Kelompok PS 2 vs 3 5.587 1.836 17.003 Seperti terlihat dari hasil eksplorasi ternyata hasil pemodelan IPK akhir juga memperlihatkan bahwa mahasiswa dengan IPK asal di bawah 2.75 mempunyai kecenderungan peluang IPK akhir di atas 3.50 lebih tinggi dibanding IPK asal antara 2.75 sampai 3.25. Secara umum, nilai rasio odd menunjukkan bahwa peluang mahasiswa mempunyai IPK akhir di atas 3.50 akan lebih besar jika mahasiswa berjenis kelamin lakilaki, sudah menikah, biaya sendiri, mempunyai usia kurang dari 35 tahun, memiliki IPK asal diatas 3.25, berasal dari perguruan tinggi BHMN dan memilih program studi yang termasuk dalam kelompok ke-1.
11
Tabel 12 Tabel klasifikasi hasil prediksi pada model IPK akhir Prediksi Aktual Total CCR 1 2 1 69 26 95 72.63% 2 83 218 301 72.43% Total 152 244 396 72.47% Pada Tabel 12 terlihat bahwa model IPK akhir dengan batasan nilai peluang sebesar 0.72 mempunyai persentase klasifikasi benar (CCR) sebesar 72.4%. Nilai ini dapat dinyatakan cukup baik walaupun masih belum memuaskan. Model Masa Studi dengan Regresi Cox Kejadian yang diperhatikan dalam model ini adalah masa studi mahasiswa yang lulus dalam 36 bulan. Jenis sensor yang digunakan adalah sensor kanan jenis sensor waktu. Data yang dipakai adalah data mahasiswa yang sudah lulus, keluar dan masih aktif. Kelebihan dari regresi cox adalah dapat menggunakan data dengan kejadian yang sudah terjadi maupun yang belum terjadi. Hanya saja untuk pengamatan yang wakti kejadiannya belum diketahui diberikan status tersensor. Masa studi mahasiswa aktif yang diikutkan dalam model dihitung sampai waktu pengambilan data. Statistik uji yang dipakai dalam model ini sama dengan yang dipakai dalam regresi logistik biner. Statistik uji-G yang dihasilkan sebesar 4372.958 dengan nilai-p 0.000 sehingga dapat dinyatakan bahwa terdapat peubah penjelas yang berpengaruh nyata terhadap respon. Berdasarkan hasil uji parsialnya yang terlihat pada Tabel 13 diketahui bahwa peubah yang berpengaruh nyata adalah jenis kelamin, sumber biaya, kelompok program studi yang dipilih dan IPK asal. Tabel 13 Koefisien regresi dan uji wald pada model masa studi Wald Nilai-P Peubah Jenis Kelamin 1 0.334 8.855 0.003 Status Kawin 1 0.078 0.299 0.584 0.001 Sumber Biaya 1 0.411 11.256 0.212 Status PT 1 -0.225 1.558 0.631 Status PT 2 0.077 0.231 0.000 Kelompok PS 1 1.333 17.827 0.001 Kelompok PS 2 1.048 11.095 0.002 IPK Asal 4 0.575 9.187 0.000 IPK Asal 3 0.571 12.506 0.077 IPK Asal 2 0.289 3.133 0.579 Usia 1 -0.119 0.307 0.245 Usia 2 -0.201 1.354
Interpretasi untuk setiap kategori peubah penjelas pada model regresi cox menggunakan nilai rasio hazard yang dapat dilihat pada Tabel 14. Rasio tersebut menunjukkan resiko relatif seorang mahasiswa dengan karakteristik tertentu lulus dengan masa studi ≤ 36 bulan dibandingkan mahasiswa dengan karakteristik lainnya. Dengan kata lain, interpretasi dari rasio hazard sama dengan interpretasi rasio odd. Tabel 14 Rasio hazard peubah penjelas pada model masa studi SK 95% Rasio Peubah Hazard Bawah Atas Jenis Kelamin 1 vs 2 1.396 1.121 1.74 Status Kawin 1 vs 2 1.081 0.818 1.427 Sumber Biaya 1 vs 2 1.508 1.186 1.917 Usia 1 vs 3 0.887 0.582 1.354 Usia 2 vs 3 0.818 0.582 1.148 IPK Asal 4 vs 1 1.777 1.225 2.577 IPK Asal 3 vs 1 1.769 1.29 2.427 IPK Asal 2 vs 1 1.335 0.969 1.837 Status PT 1 vs 3 0.799 0.561 1.137 Status PT 2 vs 3 1.080 0.788 1.481 Kelompok PS 1 vs 3 3.794 2.043 7.045 Kelompok PS 2 vs 3 2.852 1.539 5.283 Secara umum, nilai rasio hazard menunjukkan bahwa peluang seorang mahasiswa lulus dalam masa studi 36 bulan akan lebih tinggi jika berjenis kelamin perempuan, belum menikah, memperoleh beasiswa, berumur lebih dari 35 tahun, mempunyai IPK asal di atas 3.25, berasal dari perguruan tinggi negeri dan memilih program studi dalam kelompok ke-1. Berdasarkan interpretasi setiap kategori peubah dari ketiga model yang dibentuk diketahui bahwa kecenderungan mahasiswa untuk lulus dengan IPK akhir diatas 3.50 dan masa studi kurang dari 36 bulan lebih besar pada mahasiswa yang berjenis kelamin perempuan, sudah menikah, mendapat beasiswa, berusia kurang dari 35 tahun, mempunyai IPK asal diatas 3.25, berasal dari perguruan tinggi BHMN dan memilih program studi pada kelompok ke-1. Sebaliknya, kecenderungan mahasiswa untuk lulus dengan IPK akhir diatas 3.50 dan masa studi kurang dari 36 bulan lebih kecil pada mahasiswa yang berjenis kelamin laki-laki, sudah menikah, biaya sendiri, berusia diatas 35 tahun, mempunyai IPK asal antara 2.75 sampai 3.00, berasal dari perguruan tinggi swasta dan memilih program studi pada kelompok ke-3, yaitu STK dan EPN.
12
KESIMPULAN DAN SARAN
DAFTAR PUSTAKA
Kesimpulan
Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression. Second Edition. New York: John Wiley & Sons. [IPB] Institut Pertanian Bogor. 2008. Katalog Sekolah Pascasarjana IPB Tahun Akademik 2008/2009. Bogor: IPB. [IPB] Institut Pertanian Bogor. 2009. Pascasarjana dalam Angka 2008/2009. Bogor: IPB. Johnson RA, Wichern DW. 1998. Applied multivariate statistical analysis. Fourth London: Prentice-Hall edition. International. Klein JP, Moeschberger ML. 1997. Survival Analysis: Techniques for Censor and Truncated Data. New York: SpringerVerlag. Larose DT. 2005. Discovering Knowledge in Data : An Introduction to Data Mining. New Jersey: John Wiley & Sons. Lee ET. 1992. Statistical Methods for Survival Data Analysis, Second edition. Canada: John Wiley & Sons.
Hasil eksplorasi terhadap persentase lulusan yang tepat waktu, persentase mahasiswa yang keluar, perolehan IPK akhir dan masa studi mahasiswa dapat menunjukkan performa setiap program studi. Program studi yang mempunyai performa baik ditunjukkan oleh AIR, ENT, FIT, IKL, IPK, KMP, KMV, PTK, SPD, SVT, TEP, TKL dan TPP, yang cukup baik oleh AGK, AGR, ARL, BIK, BIO, BRP, BTK, DAS, ENK, ESK, GMK, IPN, KIM, MIT, PPN, PRM, PSL, PWD, SPL, TIP dan TNH, dan yang kurang baik oleh STK dan EPN. Kriteria penerimaan mahasiswa SPs-IPB berdasarkan IPK asal untuk selang di bawah 2.75 dengan pertimbangan tertentu masih dapat digunakan, karena mahasiswa yang mempunyai IPK asal di bawah 2.75 dapat mempunyai prestasi yang sama baiknya dengan yang mempunyai IPK asal di atas 3.00. Secara umum kecenderungan mahasiswa untuk lulus, mempunyai IPK akhir di atas 3.50 dan masa studi kurang dari 36 bulan akan lebih tinggi jika berjenis kelamin perempuan, mendapat beasiswa, berusia kurang dari 35 tahun, mempunyai IPK asal yang diatas 3.25, berasal dari perguruan tinggi BHMN dan memilih program studi yang mempunyai performa baik. Penentuan kriteria penerimaan mahasiswa harus lebih ketat pada program studi STK dan EPN, karena pada kedua program studi ini mutu lulusan yang sama dapat dicapai pada mahasiswa dengan input yang lebih baik. Saran Penelitian selanjutnya diharapkan mengkaji lebih dalam hal-hal yang dapat membedakan performa program studi, terutama dari sisi kinerja manajemen program studi. Sedangkan untuk pemodelan diharapkan menambahkan peubah penjelas, seperti nilai-nilai mata kuliah S1 yang berhubungan dengan program studi yang dipilih, prestasi yang diperoleh selama kuliah di S1 dan kesesuaian pekerjaan dengan program studi yang dipilih.
13
LAMPIRAN
14
Lampiran 1. Daftar program studi yang diteliti Fakultas Fakultas Pertanian
Fakultas Kedokteran Hewan
Fakultas Perikanan dan Ilmu Kelautan
Kode A
B
C
No 1
Program Studi Ilmu Pengolahan Daerah Aliran Sungai
Kode DAS
2
Ilmu Tanah
TNH
3
Agoronomi
AGR
4
Entomologi
ENT
5
Fitopatologi
FIT
6
Arsitektur Lanskap
ARL
1
Sains Veteriner
SVT
2
Entomologi Kesehatan
ENK
3
Kesehatan masyarakat Veteriner
KMV
4
Biologi Reproduksi
BRP
1
Ilmu Perairan
AIR
2
Pengelolaan Sumberdaya Pesisir dan Lautan
SPL
3
Teknologi Kelautan
TKL
4
Ilmu Kelautan
IKL
Fakultas Peternakan
D
1
Ilmu Produksi dan Teknologi Peternakan
PTK
Fakultas Kehutanan
E
1
Ilmu Pengetahuan Kehutanan
IPK
Fakultas Teknologi Pertanian
F
1
Ilmu keteknikan Pertanian
TEP
2
Ilmu Pangan
IPN
3
Teknologi Pascapanen
TPP
4
Teknologi Industri Pertanian
TIP
1
MIT
2
Information Technology for Natural Resource Management Statistika
3
Biologi
BIO
4
Agroklimatologi
AGK
5
Kimia
KIM
6
Biokimia
BIK
1
PWD
2
Ilmu Perencanaan Pembangunan Wilayah dan Pedesaan Ilmu Ekonomi Pertanian
3
Ekonomi Sumberdaya Kelautan Tropika
ESK
1
3
Ilmu Gizi Masyarakat Dan Sumberdaya Keluarga Komunikasi Pembangunan Pertanian dan Pedesaan Penyuluhan Pembangunan
4
Sosiologi Pedesaan
SPD
1
Bioteknologi
BTK
2
Primatologi
PRM
3
Pengelolaan Sumberdaya Alam dan Lingkungan
PSL
Fakultas Matematika dan Ilmu Pengetahuan Alam
Fakultas Ekonomi dan Manajemen
Fakultas Ekologi Manusia
G
H
I
2
Program Multidisiplin
P
STK
EPN
GMK KMP PPN
15
Lampiran 2. Sebaran mahasiswa aktif per tahun studi untuk setiap program studi 200 0 Program Studi Program Studi KMV t0 t2 t4 Statistika (STK) Angkatan 2001-2005 Persentase lulusan tepat waktu= 26.33% 100 90 80 70 60 50 40 30 20 10 0
Bioteknologi (BTK) Angkatan 2001-2005 Persentase lulusan tepat waktu= 39.69% 100 90 80 70 60 50 40 30 20 10 0
t0
t1
t2
t3
t4
t5
Ekonomi Pertanian (EPN) Angkatan 2001-2005 Persentase lulusan tepat waktu= 26.56%
t0
t1
t2
t3
t4
t5
Ilmu Tanah (TNH) Angkatan 2001,2002,2004 Persentase lulusan tepat waktu= 40%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Teknologi Industri Pertanian (TIP) Angkatan 2001-2005 Persentase lulusan tepat waktu= 34.96%
t0
t1
t2
t3
t4
t5
Ilmu Pengolahan Daerah Aliran Sungai (DAS) Angkatan 2001-2005 Persentase lulusan tepat waktu= 40.67%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Entomologi Kesehatan (ENK) Angkatan 2001,2002,2004 Persentase lulusan tepat waktu= 37.77%
t0
t1
t2
t3
t4
t5
Ekonomi Sumberdaya kelautan Tropika (ESK) Angkatan 2002-2005 Persentase lulusan tepat waktu= 44.82%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
t0
t1
t2
t3
t4
t5
16
Lampiran 2. Lanjutan Ilmu Pangan (IPN) Angkatan 2001-2005 Persentase lulusan tepat waktu= 48.69%
Agronomi (AGR) Angkatan 2001-2005 Persentase lulusan tepat waktu= 51.69%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
t0
t1
t2
t3
t4
t5
Ilmu Perencanaan Wilayah dan Pedesaan (PWD) Angkatan 2001-2005 Persentase lulusan tepat waktu= 52.67%
Biokimia (BIK) Angkatan 2001-2004 Persentase lulusan tepat waktu= 48.75% 100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Information Technology for natural Resource Management (MIT) Angkatan 2001-2005 Persentase lulusan tepat waktu= 50.92% 100 90 80 70 60 50 40 30 20 10 0
t0
t1
t2
t3
t4
t5
Biologi (BIO) Angkatan 2001-2005 Persentase lulusan tepat waktu= 53.19% 100 90 80 70 60 50 40 30 20 10 0
t0
t1
t2
t3
t4
t5
Arsitektur Lanskap (ARL) Angkatan 2001-2005 Persentase lulusan tepat waktu= 51.46%
t0
t1
t2
t3
t4
t5
Ilmu Keteknikan Pertanian (TEP) Angkatan 2001-2005 Persentase lulusan tepat waktu= 53.44%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
t0
t1
t2
t3
t4
t5
17
Lampiran 2. Lanjutan Ilmu Pengetahuan Kehutanan ( IPK) Angkatan 2001-2005 Persentase lulusan tepat waktu= 54.4%
Ilmu Gizi Masyarakat dan Sumberdaya Keluarga (GMK) Angkatan 2001-2005 Persentase lulusan tepat waktu= 60.44%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Biologi Reproduksi (BRP) Angkatan 2001-2005 Persentase lulusan tepat waktu= 55.33%
t0
t1
t2
t3
t4
t5
Ilmu Kelautan (IKL) Angkatan 2001-2005 Persentase lulusan tepat waktu= 61.74%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Pengelolaan Sumberdaya Alam dan Lingkungan (PSL) Angkatan 2001-2005 Persentase lulusan tepat waktu= 57.32%
t0
t1
t2
t3
t4
t5
Teknologi Kelautan (TKL) Angkatan 2001-2005 Persentase lulusan tepat waktu= 62.04%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Primatologi (PRM) Angkatan 2002,2003,2005 Persentase lulusan tepat waktu= 60%
t0
t1
t2
t3
t4
Sains Veteriner (SVT) Angkatan 2001-2005 Persentase lulusan tepat waktu= 62.43%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
t0
t1
t2
t3
t4
t5
18
Lampiran 2. Lanjutan Ilmu Perairan (AIR) Angkatan 2001-2005 Persentase lulusan tepat waktu= 64.13%
Kimia (KIM) Angkatan 2002-2005 Persentase lulusan tepat waktu= 67.50%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Pengelolaan SUmberdaya Pesisir dan Lautan (SPL) Angkatan 2001-2005 Persentase lulusan tepat waktu= 64.82% 100 90 80 70 60 50 40 30 20 10 0
t0
t1
t2
t3
t4
t5
Agroklimatologi (AGK) Angkatan 2001-2004 Persentase lulusan tepat waktu= 70.42% 100 90 80 70 60 50 40 30 20 10 0
t0
t1
t2
t3
t4
t5
Ilmu Produksi dan Teknologi Peternakan (PTK) Angkatan 2001-2005 Persentase lulusan tepat waktu= 65.03%
t0
t1
t2
t3
t4
t5
Teknologi Pascapanen (TPP) Angkatan 2001-2005 Persentase lulusan tepat waktu= 71.80%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Entomologi (ENT) Angkatan 2001-2005 Persentase lulusan tepat waktu= 66%
t0
t1
t2
t3
t4
t5
Komunikasi Pembangunan Pertanian dan Pedesaan (KMP) Angkatan 2001-2005 Persentase lulusan tepat waktu= 72.09%
100 90 80 70 60 50 40 30 20 10 0
100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
t0
t1
t2
t3
t4
t5
19
Lampiran 2. Lanjutan Fitopatologi (FIT) Angkatan 2001-2003 Persentase lulusan tepat waktu= 80.56% 100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Penyuluhan Pembangunan (PPN) Angkatan 2001-2005 Persentase lulusan tepat waktu= 81.05% 100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
Sosiologi Pedesaan (SPD) Angkatan 2001-2005 Persentase lulusan tepat waktu= 82.64% 100 90 80 70 60 50 40 30 20 10 0 t0
t1
t2
t3
t4
t5
20
Lampiran 3. Sebaran mahasiswa yang keluar per tahun studi untuk setiap program studi 1
2
3
4
5+ 5
22
STK 11
EPN SPD
10
ENK
10
BTK
9
SVT
9
4 3 3
DAS
8
0
IPN
7
1 2 0
KMP
7
2 0 2 4
7
KIM
7
3
TEP
6
20
KMV
6
0
SPL
6
1 10 2
0 0 3
IKL
6
3 0
PSL
6
11 2 1
PRM
6
IPK
5
PPN
5
4
GMK
3
BIO
3
2 11 2 10 101 1 2 0 0
2
ARL
4 5
20
2 2 10 5
ENT
2 0
PTK
2 1 1 1 1
TKL
2 101
AIR
2 01
TPP
2 2
ESK 0 3 FIT 0
0
6
5
TNH
0
3 02 1
BIK
TIP
10
01 10
PWD
4
4
202
0 2 0
8
MIT
2
1 1
0
9
AGR
1
2
3
0
20
3 0
BRP 0 AGK 0 0
5
10
15
20
25
30
35
21
Lampiran 4. Box plot IPK akhir dan masa studi setiap program studi dikelompokkan per fakultas Fakultas Pertanian Box Plot IPK Akhir
Box Plot Masa Studi
22
Lampiran 4. Lanjutan Fakultas Kedokteran Hewan Box Plot IPK Akhir
Box Plot Masa Studi
23
Lampiran 4. Lanjutan Fakultas Perikanan Box Plot IPK Akhir
Box Plot Masa Studi
24
Lampiran 4. Lanjutan Fakultas Peternakan Box Plot IPK Akhir
Box Plot Masa Studi
Fakultas Kehutanan Box Plot IPK Akhir
Box Plot Masa Studi
25
Lampiran 4. Lanjutan Fakultas Teknologi Pertanian Box Plot IPK Akhir
Box Plot Masa Studi
26
Lampiran 4. Lanjutan Fakultas Matematika dan Ilmu Pengetahuan Alam Box Plot IPK Akhir
Box Plot Masa Studi
27
Lampiran 4. Lanjutan Fakultas Ekonomi dan Manajemen Box Plot IPK Akhir
Box Plot Masa Studi
28
Lampiran 4. Lanjutan Fakultas Ekologi Manusia Box Plot IPK Akhir
Box Plot Masa Studi
29
Lampiran 4. Lanjutan Program Multidisiplin Box Plot IPK Akhir
Box Plot Masa Studi
30
Lampiran 5. Box plot IPK akhir setiap kategori peubah penjelas
31
Lampiran 5. Lanjutan
Lampiran 6. Box plot masa studi setiap kategori peubah penjelas
32
Lampiran 6. Lanjutan
33
Lampiran 7. Persentase mahasiswa setiap kategori peubah penjelas berdasarkan keberhasilan studi Lulus Jenis Kelamin
44.15
Laki-laki
62.82
55.85
Perempuan
37.18
Keluar 62… 37… 44… 55…
Status Kawin
Sudah Kawin
39.76
39.74
Belum Kawin
60.24
60.26
Sumber Biaya
Status Perguruan Tinggi Asal
15.12
Swasta 48.78
Sendiri
73.08 55.85
Negeri 51.22
Beasiswa
26.92
13.66
23.08 47.44
39.27
29.49
Kelompok Program Studi
3 2 1
4 3 2
1
4.39
21.79 50.73 44.88
21.79
IPK Asal
47.07
2
56.41
29.02
BHMN
Usia
3
21.79
46.15 32.05
1
19.02 31.22 35.12 14.63
29.49 28.21 25.64 16.67
