Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS

Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS Oleh

Nama NRP

: Eva Wahyu Hariyati : 1308 030 003

Dosen Pembimbing : Dra. Lucia Aridinanti, MT

Karakter FTI dan FMIPA yang berbeda

Orientasi tiap jurusan yang berbeda. Misalnya, FTI berorientasi pada penerapan teknologi, sedangkan FMIPA pada Basic Science atau ilmu dasar

IPD (Indeks Pengajaran Dosen) dan NRMK (nilai rata-rata mata kuliah ) dari tiap Jurusan berbeda.

Bagaimana proses pembelajaran antar jurusan di FTI berdasarkan IPD ?

Bagaimana proses pembelajaran antar jurusan di FMIPA berdasarkan IPD ? Bagaimana proses pembelajaran di FTI dan FMIPA berdasarkan IPD ?

  

Membandingkan proses pembelajaran antar jurusan berdasarkan IPD di FTI Membandingkan proses pembelajaran antar jurusan berdasarkan IPD di FMIPA Membandingkan proses pembelajaran berdasarkan IPD di FTI dan FMIPA

Penelitian ini diharapkan dapat memberikan informasi pada masing-masing jurusan di FTI dan FMIPA untuk dapat memperbaiki, mempertahankan, dan meningkatkan pelayanan pendidikan proses belajar mengajar khususnya metode pembelajaran dosen.

1. Jurusan yang akan diidentifikasi dari kedua fakultas hanya pada jurusan S1 Reguler yaitu untuk menyamakan program studi atau menghomogenkan data. a.FTI yaitu pada Teknik Industri, Teknik Mesin, Teknik Kimia, Teknik Fisika dan Teknik Elektro b.FMIPA yaitu pada jurusan Kimia, Statistika, Fisika, Matematika dan Biologi 2. Variabel yang diukur adalah IPD 3. Periode yang diamati pada semester gasal dan genap pada tahun ajaran 2009/2010

ANOVA Source of variance Treatment Blocks Error Total

Sum of Square SSTreatment SS-Blocks SSE SST

Degrees of freedom a-1 b-1 (a-1)(b-1) N-1

Mean square MStreatment MSBlocks MSE

F0 F0

Hipotesis :

H0 : µ1 = µ2 = µ3 H1 : µi ≠ µj, minimal ada satu i yang berbeda.

Daerah kritis: Jika Fhitung > Ftabel atau P-value < α maka keputusan Tolak H0 Statistik Uji :

F

0

MS MS

Treatment Error

Identik Hipotesis dari pengujian ini sebagai berikut : H0 :

2 1

2

2

...

k

2

H1 : minimal terdapat satu Statistik Uji :

FHitung

2

i

2

, i=1,2,...,k

KudratTotal Re gresi

KuadratTotalRe sidual

Apabila nilai F Hitung > Fα(k,n-k-1) dimana n adalah jumlah pengamatan dan k adalah jumlah parameter regresi maka tolak H0. Sehingga diperoleh kesimpulan bahwa residual mempunyai varians yang tidak homogen.

Independen Pengujian statistik untuk asumsi ini dapat dilakukan dengan plot ACF dan uji Durbin Watson dengan hipotesa sebagai berikut : H0 : Tidak ada korelasi antar residual H1: Ada korelasi antar residual Statistik Uji : n

d Hitung

t 2

( et n t 1

et 1 ) 2 et

2

Daerah kritis dapat dicari dengan megambil dl sebagai batas bawah dan du sebagai batas atas dengan tingkat signifikansi α/2. Adapun kriteria pengujian Durbin Watson yaitu: Kriteria Pengujian Durbin Watson H0 Keputusan Daerah Pengujian 1. Tidak terjadi Otokorelasi (+) Tolak H0 0 < d < dl dl d du 2. Tidak terjadi Otokorelasi (-) Tolak H0 4-dl < d < 4 4 du d 4 dl 3. Tidak terjadi Otokorelasi (+) Gagal tolak Du < d < 4-du atau (-) H0

Residual Berdistribusi Normal Hipotesa dari pengujian ini adalah sebagai berikut: H0 : F(x) = F0(x) untuk semua nilai x H1 : F(x) ≠ F0(x) paing sedikit untuk satu nilai x Statistik uji :

Dn

Sup S n ( x)

F0 ( x)

dimana : Sn merupakan suatu fungsi peluang kumulatif data sampel F0(x) merupakan suatu fungsi distribusi kumulatif normal Dn merupakan supremum semua x dari nilai mutlak beda S n(x) dan F0(x) Apabila nilai |D| > D tabel Kolmogorof Smirnov, maka tolak H0. Sehingga dapat diputuskan bahwa residual berdistribusi normal.

Sumber Data : Hasil nilai rata-rata Indeks Pengajaran Dosen (IPD) yang sudah tersertifikasi dan Indeks Pengajaran Dosen (IPD) Guru Besar (Profesor) jurusan di FTI dan FMIPA ITS selama semester Ganjil 2009-2010 dan semester Ganjil 2010-2011.

Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini adalah data nilai Indeks Pengajaran Dosen (IPD) yang sudah tersertifikasi dan Indeks Pengajaran Dosen (IPD Guru Besar (Profesor). Data yang diperoleh dari hasil pengamatan di P3AI ITS.

Dalam mencapai tujuan penelitian yang diinginkan, diperlukan langkah analisis yang tepat. Adapun langkah-langkah analisis yang digunakan adalah : 1.Membandingkan IPD di FTI dan FMIPA dengan metode Two Way ANOVA 2.Melakukan pengujian IIDN terhadap residual

Analisis Data dan Pembahasan Tabel 4.1 Statistika Deskriptif IPD Nilai IPD

Fakultas

FMIPA

FTI

Jurusan

Semester Semester Gasal Genap

Biologi

3.25

3.29

Fisika

2.8

3.3

Kimia

2.86

2.94

Matematika

2.91

3.16

Statistika

2.98

3.23

Teknik Elektro

2.89

3.18

Teknik Fisika

3

3.25

Teknik Industri

3.2

3.44

Teknik Kimia

2.98

3.39

Teknik Mesin

3.06

3.29

2.993

3.247

Rata-rata Semester

Rata – Rata Fakultas

3.072

3.168

Perbandingan IPD di FMIPA dan FTI Semester Gasal Tahun Ajaran 2009/2010 Tabel 4.2 Two Way ANOVA untuk IPD Semester Gasal dan Genap Sumber Keragaman

Db

JK

RJK

Fhitung

P_value

Semester (1)

1

0.32258

0.32258

16.84

0.001

Fakultas (2)

1

0.04608

0.04608

2.41

0.14

Interaksi

1

0.0045

0.0045

0.23

0.634

Error

16

0.30644

0.019152

Total

19

0.6796

Pengujian Efek Semester Jika µi rata-rata IPD pada semester ke-i , maka untuk mengetahui telah terjadi pergeseran proses pada semester gasal dan genap pada tahun ajaran 2009/2010 dilakukan pengujian hipotesis sebagai berikut: H0: µ1 = µ2 H1: µ1 ≠ µ2 Statistik uji:

Fhitung = RJK 1 RJK E

0.32258 0,019152

16,84

Pengujian Efek Fakultas Pengujian jika βj menyatakan efek perbedaan fakultas terhadap IPD, maka dengan menggunakan hipotesis: H0: β1 = β2 = 0 H1: β1 ≠ β2 Statistik uji: Fhitung = MS 2 0.04608 MS E

0.019152

2,41

Jika µiβj menyatakan efek interaksi antara semester dan fakultas terhadap nilai IPD, maka dengan menggunakan hipotesis: H0 : (µβ)ij = 0 H1 : paling tidak ada satu (µβ)ij ≠ 0 Statistik uji : Fhitung = RJK12 RJK E

0.0045 0.019152

0,23

3,4 3,3 3,2 3,1 3 2,9 2,8

2,7 FMIPA

FTI

Gambar 4.1 Plot Interaksi Antara Semester dan Fakultas Terhadap IPD

Berdasarkan hasil analisis varians yang dilakukan berdasarkan data IPD, telah diketahui bahwa interaksi antara semester dan fakultas tidak berpengaruh terhadap nilai IPD. Untuk lebih jelasnya dapat dilihat pada Gambar 4.1

Pengujian Asumsi Uji Asumsi Identik Pemeriksaan asumsi varians identik dilakukan dengan tujuan untuk mengetahui penyebaran residualnya identik (homogen). Pemeriksaan asumsi ini dapat dilakukan dengan uji Glejser dengan hipotesis sebagai berikut: H0: Varians residual data identik H1: Varians residual data tidak identik Taraf Signifikan : α = 0.05 Statistik Uji :

FHitung

KudratTotal Re gresi KuadratTotal Re sidual

Daerah Penolakan: Tolak H0 jika FHitung < F(α, k, n-k-1)

Uji Glejser Tabel 4.3 Analysis of Variance antar Jurusan Semester Gasal Sumber Keragaman

Db

JK

RJK

Fhitung

P_value

1

0.04230

0.04230

3.29

0.071

Error

298

3.83621

0.01287

Total

299

3.87851

Regresi

Berdasarkan hasil tabel 4.3 menunjukkan bahwa nilai P-value (0.071) lebih besar dari α (0.05), maka keputusannya gagal tolak H0 sehingga disimpulkan bahwa residual telah memenuhi asumsi identik.

Tabel 4.4 Analysis of Variance antar Jurusan Semester Genap

Sumber Keragaman

Db

JK

RJK

Fhitung

P_value

1

0.019400

0.019400

2.66

0.104

Error

298

2.170716

0.007284

Total

299

2.190116

Regresi

Berdasarkan hasil tabel 4.4 menunjukkan bahwa nilai P-value (0.104) lebih besar dari α (0.05), maka keputusannya gagal tolak H0 sehingga disimpulkan bahwa residual telah memenuhi asumsi identik.

Tabel 4.5 Analysis of Variance antar Jurusan Semester Gasal/Genap Sumber

Keragaman

Db

JK

RJK

Fhitung

P_value

1

0.00007

0.00007

0.01

0.934

Error

598

6.52505

0.01091

Total

599

6.52513

Regresi

Berdasarkan hasil tabel 4.5 menunjukkan bahwa nilai P-value (0.934) lebih besar dari α (0.05), maka keputusannya gagal tolak H0 sehingga disimpulkan bahwa residual telah memenuhi asumsi identik.

Asumsi Independensi Untuk Menguji asumsi independen dengan menggunakan plot ACF dari residualnya. Adapun hipotesis pada uji Independensi adalah sebagai berikut: H0: tidak ada autokorelasi pada residual H1: ada autokorelasi pada residual Autocorrelation Function for RESI

(with 5% significance limits for the autocorrelations) 1.0 0.8

Autocorrelation

0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1

2

3 Lag

4

Gambar 4.2 Plot ACF Residual

5

Uji Durbin-Watson 1. Semester Gasal dhit = 0,218514 dL = 1,59 dU = 1,63 4 - dU = 4 – 1,63 = 2,37 2. Semester Genap dhit = 0,308668 dL = 1,59 dU = 1,63 4 – dU = 4 – 1,63 = 2,37 3. Semester Gasal/Genap

dhit = 0,256197 dL = 1,59 dU = 1,63 4 - dU = 4- 1,63 = 2,37

Asumsi Kenormalan Residual Pemeriksaan residual berdistribusi normal dilakukan untuk melihat apakah residual memenuhi asumsi berdistribusi normal. Dalam pemeriksaan suatu kenormalan residual data dapat dilakukan dengan menggunakan uji Kolmogorov-Smirnov dengan pengujian hipotesis sebagai berikut: H0: Residual data berdistribusi normal H1: Residual data tidak berdistribusi normal Taraf signifikansi: α = 0,05 Statistik uji: D = sup F ( x) F ( x) n

0

Daerah Penolakan: Tolak H0 jika D > Dα atau P_value < α Gambar 4.3 Uji Kenormalan Residual Data IPD Probability Plot of RESI Normal

99

Mean StDev N KS P-Value

95 90

Percent

80 70 60 50 40 30 20 10 5

1

-0.3

-0.2

-0.1

0.0 RESI

0.1

0.2

0.3

-8.88178E-17 0.1270 20 0.113 >0.150

Perbandingan IPD Antar Jurusan di FMIPA dan FTI Perbandingan IPD Antar Jurusan pada Semester Gasal Tabel 4.6 Analysis of Variance antar Jurusan Semester Gasal Sumber Keragaman

Db

JK

RJK

Fhitung

Treatment (Jurusan)

9

9.2987

1.0332

57.42

Error

290

5.2179

0.018

Total

299

14.5166

Pengujian jika τi menyatakan efek perbedaan jurusan terhadap IPD pada semester gasal, maka dengan menggunakan hipotesis: H0: τ1 = τ2 = τ3 = …= τ10 = 0 H1: paling tidak ada satu τi ≠ 0 Statistik uji: Fhitung =

RJK treatment RJK Error

1,0332 0,018

57,42

Untuk mengetahui jurusan mana yang berbeda, maka dapat diketahui dari hasil uji perbandingan berganda dengan menggunakan metode Tukey’s. Uji perbandingan berganda Tukey’s menunjukkan selisih setiap pasang rata-rata perlakuan. Adapun pengujian hipotesisnya adalah sebagai berikut: H0 : µi = µj H1 : µi ≠ µj Statistik uji : Yi Y j Daerah Penolakan : Tolak H0 jika Yi Dengan Tα = q

(a, f )

Tα = 4,39

MSE n

0,018 10

0,186

Y j > Tα

Perbandingan IPD Antar Jurusan pada Semester Genap Tabel 4.8 Analysis of Variance antar Jurusan Semester Genap Sumber

Keragaman

Db

JK

RJK

Fhitung

Treatment (Jurusan)

9

9.2987

1.0332

57.42

Error

290

5.2179

0.018

Total

299

14.5166

Pengujian jika τi menyatakan efek perbedaan jurusan terhadap IPD pada semester genap, maka dengan menggunakan hipotesis: H0: τ1 = τ2 = τ3 = …= τ10 = 0 H1: paling tidak ada satu τi ≠ 0 Statistik uji: Fhitung = RJK treatment 1,0332

RJK Error

0,018

57,42

Untuk mengetahui jurusan mana yang berbeda, maka dapat diketahui dari hasil uji perbandingan berganda dengan menggunakan metode Tukey’s. Uji perbandingan berganda Tukey’s menunjukkan selisih setiap pasang rata-rata perlakuan. Adapun pengujian hipotesisnya adalah sebagai berikut: H0 : µi = µj H1 : µi ≠ µj Statistik uji : Yi Y j Daerah Penolakan : Tolak H0 jika Yi Dengan Tα = q

(a, f )

Tα = 4,39

MSE n

0,018 10

0,186

Y j > Tα

KESIMPULAN DAN SARAN Kesimpulan Kesimpulan yang didapatkan berdasarkan analisis yang telah dilakukan adalah: 1. Proses pembelajaran dosen di FTI tidak berbeda dengan proses pembelajaran dosen di FMIPA, meskipun IPD FTI (3.30) lebih tinggi daripada IPD FMIPA (3.01), tetapi secara statistik pada tingkat signifikansi 5% tidak ada perbedaan yang signifikan antara FMIPA dan FTI dari tahun ke tahun meningkat secara signifikan. 2. Hasil análisis kemampuan proses berdasarkan IPD pada semester Gasal dan Genap tahun ajaran 2009-2010 di FTI dan FMIPA tidak kapabel. Saran Saran yang timbul dari hasil kesimpulan penelitian ini adalah mencari atau menelusuri penyebab terjadinya kemampuan proses yang tidak baik, perlu dilakukan perbandingan IPD antar jurusan semester Gasal dan Genap sehingga diperoleh akar permasalahannya.