PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011

Makalah dalam prosiding ini telah dipresentasikan pada Seminar Nasional Statistika Universitas Diponegoro tanggal 21Mei 2011 di Gedung Prof. Soedharto, SH Tembalang Semarang

Tim Penyunting Makalah: Prof. Drs. Mustafid, M.Eng, Ph.D Dra. Dwi Ispriyanti, M.Si Erman Deni, SE, MM Drs. Sudargo, M.Si

Tim Editor: Dra. Tatik Widiharih, M.Si Dra. Suparti, M.Si Drs. Tarno, M.Si Drs. Rukun Santoso, M.Si Drs. Sudarno, M.Si

Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Diponegoro 2011

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: 978-979-097-142-4

KATA PENGANTAR Puji syukur kami panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat dan karuniaNya sehingga Seminar Nasional Statistika Universitas Diponegoro 2011 dengan tema: Peran dan Implementasi Statistika dalam Analisis Finansial dan Pengambilan Keputusan Bisnis dapat terselenggara dengan lancar pada hari Sabtu, 21 Mei 2011 di Gedung Prof. Soedarto, SH Kampus Universitas Diponegoro Tembalang Semarang Jawa Tengah. Seminar ini merupakan kegiatan dalam rangkaian memperingati sewindu berdirinya Program Studi Statistika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam dengan tujuan memperkenalkan Progam Studi Statistika FMIPA UNDIP, sebagai ajang pertemuan para peneliti dan pemerhati perkembangan statistika serta mengetahui perkembangan ilmunya pada saat ini. Pada kegiatan ini diharapkan dapat menyumbangkan penemuan-penemuan baru baik kajian secara teori maupun terapannya, khususnya tentang Analisis Finansial dan Pengambilan Keputusan Bisnis yang berguna bagi masyarakat. Oleh karena itu pada kesempatan ini kami mengundang para narasumber yang kompeten, yaitu:  Bapak Prof. Drs. H. Nur Iriawan, MI.Kom, Ph.D (Guru Besar Statistika ITS)  Bapak Edi Masrianto, M.Si (Group Head Global Market BRI) Para narasumber ini diharapkan dapat memberikan pencerahan sesuai dengan tema seminar. Seminar ini dihadiri kurang lebih 200 peserta, yang terdiri dari para dosen, peneliti, praktisi dan mahasiswa dari berbagai daerah di penjuru Indonesia. Dalam seminar nasional statistika ini terpilih 73 makalah yang dibuat 4 kelompok yaitu Statistika (25 makalah), Statistika Komputasi (14 makalah), Statistika Ekonomi (18 makalah), Matematika dan Pendidikan Matematika (16 makalah), juga tambahan 2 makalah utama dari Pembicara Utama. Terselenggaranya seminar nasional berkat kerjasama dan bantuan dari berbagai pihak. Oleh karena itu pada kesempatan ini kami menyampaikan terima kasih kepada: 1. 2. 3. 4.

Rektor Universitas Diponegoro Dekan FMIPA UNDIP Ketua Jurusan Matematika FMIPA UNDIP Ketua Program Studi Statistika FMIPA UNDIP

iii


5. 6. 7. 8.

Pembicara Utama Penyunting dan Editor Artikel Panitia Sewindu Statistika Peserta Seminar Nasional Akhir kata semoga prosiding seminar ini dapat bermanfaat dan dapat memenuhi

harapan dari peserta seperti yang diharapkan panitia. Tiada gading yang tak retak, seandainya ada kesalahan atau kekurangan dari pelaksanaannnya, kami mohon maaf yang sebesar-besarnya. Terima kasih atas partisipasinya dan selamat berseminar, semoga sukses.

Semarang, 21 Mei 2011 Panitia

iv


DAFTAR ISI Halaman Halaman Judul

i

Kata Pengantar

iii

Daftar Isi

v

Makalah Utama 1.

Pemodelan Mixture of Mixture Dalam Pemilihan Portofolio

001

Nur Iriawan

2.

Model Statistika sebagai Alat Analisis Finansial

017

Edi Masrianto

A. A-01

STATISTIKA Analisis Produk dan Assesor dari Data Penyortiran Menggunakan

025

Hybrid Distatis Irlandia Ginanjar

A-02

Estimasi Parameter Bootstrap pada Proses AR(1)

038

Bambang Suprihatin

A-03

Perbedaan Pandangan Skala Likert sebagai Skala Ordinal atau

051

Skala Interval Suliyanto

v


A-04

untuk

061

Interval Konfidensi Spline Kuadrat dengan Pendekatan Pivotal

072

Perbandingan

Kinerja

Diagram

Kontrol

Multivariat

Variabilitas Berdasarkan Matriks Kovariansi Matriks Korelasi Dwi Yuli Rakhmawati, Muhammad Mashuri

A-05

Quantity Rowan Daflix Syaranamual dan I Nyoman Budiantara

A-06

Penentuan Model Regresi Spline Terbaik

092

Agustini Tripena

A-07

Pemodelan Ketahanan Pangan Rumah Tangga di Indonesia dengan

103

Pendekatan Seemingly Unrelated Regression Tahun 2007 Muh.Samad Rumalean dan Setiawan

A-08

Pemodelan Tingkat Kerawanan Demam Berdarah Dengue dengan

114

Pendekatan Geographically Weighted Ordinal Logistic Regression Marisa Rifada dan Purhadi

A-09

Analisis Regresi Poisson untuk Menduga Hubungan Kelimpahan

127

Makrobenthos dengan Parameter Perairan (Studi Kasus di Sungai Banjir Kanal Barat Semarang) Dwi Haryo Ismunarti, Ria Azizah TN dan Rochdi Wasono

A-10

Pemilihan Peragam Spasial Menggunakan Model Linear Campuran

141

Mohammad Masjkur

A-11

Pengelompokan

Zat

Gizi

Makanan

Menggunakan

Analisis

151

Diskriminan H.A. Parhusip dan Jantini T. Natangku

vi


A-12

Structural Equation Model (SEM) dengan Model Struktural

162

Regresi Spasial Tisti Ilda Prihandini dan Sony Sunaryo

A-13

Pendugaan Data Tidak Lengkap Curah Hujan di Kabupaten

171

Indramayu dengan Kriging dan Rata-rata Bergerak (Moving Average) (Berdasarkan Data Tahun 1980-2000) Dewi Retno Sari Saputro, Ahmad Ansori Mattjik, Rizadi Boer, Aji Hamim Wigena, Anik Djuraidah

A-14

Uji Hipotesis dalam Regresi Nonparametrik Spline

184

Stefanus Notan Tupen dan I Nyoman Budiantara

A-15

Pengelompokan Pasien Penyakit Demam Berdarah Dengue (DBD)

200

Menggunakan Latent Class Cluster Analysis Anna Chadidjah, Dadan Darmawan M. dan Yusep Suparman

A-16

Model Regresi Data Tahan Hidup Tersensor Tipe III Berdistribusi

219

Eksponensial Winda Faati Kartika dan Triastuti Wuryandari

A-17

Varian X-11 dari Metode Dekomposisi Census II pada Peramalan

232

Dewi Wulandari, Yuciana Wilandari dan Budi Warsito

A-18

Metode Autoregressive Fuzzy Time Series untuk Peramalan

244

Abd Rozak dan Irhamah

A-19

Pemodelan Runtun Waktu Finansial dengan Volatilitas Type

261

GARCH Menggunakan Wavelet Tarno dan Suparti

vii


A-20

Pemodelan Regresi untuk Rancangan Percobaan Dua Faktor

274

Dwi Ispriyanti

A-21

Sistem Antrian dengan Prioritas Pelayanan

291

Durratun Ni’amah dan Sugito

A-22

Optimalisasi Produk dengan Menggunakan Metode Perancangan

304

Toleransi Taguchi Patricia Wahyu dan Triastuti Wuryandari

A-23

Regresi Kuantil (Studi Kasus Pada Data Suhu Harian)

317

Rita Rahmawati, Widiarti dan Pepi Novianti

A-24

Analisis Geographically Weighted Regression (GWR) dengan

325

Pembobot Kernel Gaussian untuk Data Kemiskinan Rita Rahmawati dan Anik Djuraidah

A-25

Optimal Design untuk Regresi Linear dan Kuadratik

332

Tatik Widiharih

B. B-01

STATISTIKA KOMPUTASI Aplikasi Pendekatan Probabilistik dalam Analisis Kestabilan

341

Lereng Tunggal Menggunakan Metode Kesetimbangan Batas Masagus Ahmad Azizi, Suseno Kramadibrata, Irwandy Arif, Ridho K. Wattimena

B-02

Pengoptimalan Software S-Plus dalam Analisa Regresi Guna

360

Estimasi Model Regresi untuk Data dengan Kesalahan Pengukuran Hartatik

viii


B-03

Regresi

383

Pengaruh Persepsi Kualitas Layanan Kesehatan terhadap Kepuasan

401

Pengaruh

Kesalahan

Pengukuran

pada

Model

Nonparametrik dengan Menggunakan Konsep Bayesian Hartatik

B-04

Pasien Rawat Inap di RSUD Dr. Soeselo Kabupaten Tegal A. Nina Rosana Chytrasari dan Trijaka Kartana

B-05

Mixed Geographically Weighted Regression pada Pemodelan

413

Persentase Rumah Tangga Miskin di Kabupaten Mojokerto Tahun 2008 Hasbi Yasin dan Purhadi

B-06

Uji Signifikansi Regresi Non Parametrik pada Model Rancangan

429

Acak Atikah Lailawati dan Suparti

B-07

Estimasi Proporsi Siswa SMP di Kota Semarang yang Berbuat

441

Curang pada Saat Pelaksanaan UN Tahun 2011 Menggunakan Model Respon Acak (MORESA) Moch. Abdul Mukid dan Nedia Guswina

B-08

Analisis Konjoin Full-Profile untuk Mengetahui Feature Telepon

452

Selular yang Ideal Dipasarkan di Kecamatan Banyumanik Semarang Ayu Anastasia Adhi dan Diah Safitri

B-09

Beberapa Metode Optimasi pada Model Wavelet Neural Network

462

pada Data Time Series Budi Warsito

ix


B-10

Penentuan Kebijakan Kredit Perumahan di Lembaga Keuangan

476

Menggunakan Decision Tree Learning Nurdin Bahtiar

B-11

Kajian Fungsi nls( ) dan fSRR( ) terhadap Model Michaelis-Menten

488

pada Regresi Non Linier Sudarno

B-12

Pemulusan Sebaran Data Menggunakan Penaksir Nadaraya-Watson

497

dan Linier Lokal untuk Kernel Normal Sudarno

B-13

Perbandingan Discrete Wavelet Transform dan Undecimated

508

Wavelet Transform pada Reduksi Gangguan Data Rukun Santoso

Pemodelan Kurva Imbal Hasil dan Komputasinya dengan Paket B-14

514

Software RcmdrPlugin.Econometrics Dedi Rosadi

C. C-01

STATISTIKA EKONOMI Pengaruh Sikap, Norma Subjektif,

Kontrol Perilaku yang

524

Dipersepsikan dan Sunset Policy terhadap Kepatuhan Wajib Pajak dengan Niat sebagai Variabel Intervening Widi Dwi Ernawati dan Bambang Purnomosidhi

C-02

Valuasi Harga Obligasi dengan Suku Bunga Stokastik

552

Yunita Wulan Sari, Dedi Rosadi dan Rifan Kurnia

x


C-03

Analisis Model Risiko Investasi Saham Syariah menggunakan Value

at

Risk

(VaR)

dengan

pendekatan

560

Generalized

Autoregressive Conditional Heteroskedastic (GARCH) Mohammad Farhan Qudratullah

C-04

Keputusan Investasi Bisnis

dalam

Kondisi

Ketidakpastian:

573

Implementasi Model Hurwicz Criterion pada kasus Perusahaan PT Proni Makasar Muhammad Yunus Amar

C-05

Efisiensi Belanja Publik Pendidikan: Pendekatan Stochastic

582

Frontier Analysis Erwin Saraswati

C-06

Model Ekonometrik untuk Analisis Kepuasan Nasabah PT BPR

595

Kartasura Saribumi Cabang Masaran di Sragen Kim Budiwinarto dan Juni Trisnowati

C-07

Pengaruh Keanekaragaman Produk dan Harga Jual terhadap

606

Kemampulabaan Pengusaha Tas di Ciampea Kabupaten Bogor Ikaputera Waspada

C-08

Penerapan “Analisa Keputusan Dalam Risiko” dalam Pengambilan

629

Keputusan Investasi Saham Jangka Pendek untuk Mendapatkan Capital Gain atau Kerugian yang Optimum Leopoldus

Ricky

Sasongko,

Lilik

Linawati

dan

Bambang

Susanto

C-09

Pemodelan Harga Aset

dengan JUMP (Suatu Pendekatan

637

Berdasarkan Informasi) Mutijah, Suryo Guritno dan Gunardi

xi


C-10

Meninjau Kembali Bentuk Yiel Curve: Pengaruh Votalitas Suku

647

Bunga Muslim, Dedi Rosadi, Gunardi dan Abdurrahman

C-11

Pendekatan Small Area Estimation untuk Menduga Pengeluaran

655

Perkapita Rumah Tangga Tiap Desa dengan Empirical Best Linear Unbiased Prediction (Studi Kasus: Kabupaten Jember Provinsi Jawa Timur) Dariani Matualage, Asep Saefuddin dan Aji Hamim Wigena

C-12

Analisis Swing Consumer pada Permintaan Pertamax Pasca

669

Penurunan Harga BBM Non Subsidi dengan Model Intervensi Divo D. Silalahi dan Tarno

C-13

Pendekatan Laten Variabel dalam Penanganan Atenuasi: Sebuah

681

Model Harga Hedonis Rumah di Daerah Perkotaan Indonesia Yusep Suparman

C-14

Mengukur Risiko Disability Normal Cost Memepertimbangkan

690

Forein Exchange Rate Gatot Riwi Setyanto

C-15

Penderita

698

Estimasi Risiko Kerugian Asuransi Melalui Generalized Pareto

710

Menentukan

Buffer

Stock

Obat

pada

Yayasan

Penyalahgunaan Obat Terlarang Bernik Maskun

C-16

Distribution Lienda Noviyanti

xii


C-17

Penentuan Catastrophe Loss Index Sebagai Pengukur Risiko

718

Aktuaria Achmad Zanbar Soleh

C-18

Credit Spreads Obligasi Korporasi dengan Model Merton

726

Di Asih I Maruddani, Dedi Rosadi dan Gunardi

D. D-01

MATEMATIKA DAN PENDIDIKAN MATEMATIKA Penerapan Pendekatan Pembelajaran Matematika Realistik untuk

738

Meningkatkan Kualitas Proses dan Prestasi Belajar Siswa di Sekolah Dasar Triyono

D-02

Pengujian Hipotesis tentang Parameter Populasi Berdistribusi

754

Eksponensial dengan Metode Bayesian Objektif Adi Setiawan

D-03

Pengukuran Kualitas Pengajaran Dosen Berdasarkan Kuesioner

763

Mahasiswa dengan Menggunakan Hotelling Adi Setiawan dan Hanna Arini Parhusip

D-04

Metode Delta: Suatu Tinjauan Ulang

770

Bambang Susanto

D-05

Estimasi Parameter Copula Archimedean dan Aplikasinya pada

779

Klimatologi Irwan Syahrir

xiii


D-06

Pengaruh Lama Studi dan Besarnya Kontribusi Nilai Mata Kuliah

792

TPB terhadap IPK Lulusan Nuri Wahyuningsih dan Laksmi Prita Wardhani

D-07

Hubungan Kecerdasan Matematika dengan Kecerdasan Bahasa dan

808

Kecerdasan Seni Muhammad Aminudin

D-08

Implementasi Model Pembelajaran Role Playing Didasari Analisis

820

SWOT pada Materi Peluang Kelas XI Ibnu Sina

D-09

Sistem Pengenalan Wajah pada Subruang Orthogonal dengan

837

Menggunakan Fisherfaces Terdekomposisi QR Purbandini

D-10

Profil Konsentrasi Ozon Vertikal dari Hasil Observasi Tahun 2010

853

SPD LAPAN Watukosek Lalu Husnan Wijaya

D-11

Matahari

864

Perancangan Operasional Amplifier (Op-Amp) Sistem Proporsional

872

Perancangan

Otomasi

Sliding

Roof

Teleskop

Menggunakan Sensor Kelembaban RSII-80 Visala Lalu Husnan Wijaya

D-12

untuk Penyelesaian Rangkaian Elektronik yang Memiliki Sifat Persamaan Matematika Toni Subiakto dan Lalu Husnan Wijaya

D-13

Aplikasi Model Dinamik pada Penularan Epidemik HIV/AIDS

882

Sutimin dan Imamudin

xiv


D-14

Kestabilan Model Dinamik Fermentasi Alkohol secara Kontinu

894

Widowati, Nurhayati dan Lailatusysyarifah

D-15

Aplikasi Transformasi Laplce Pada Persamaan Transport dan

906

Distribusi Amoniak Ipung Setiawan dan Widowati

D-16

Efektifitas Pembelajaran Kooperatif Tipe Jigsaw Berbasis Media

921

Presentasi terhadap Hasil Belajar Mata Kuliah Statistika di STAIN Pekalongan Nalim

xv


PENGUKURAN KUALITAS PENGAJARAN DOSEN BERDASARKAN KUESIONER MAHASISWA DENGAN MENGGUNAKAN Hotelling Adi Setiawan1, Hanna Arini Parhusip2 1,2)

Program Studi Matematika, Fakultas Sains dan Matematika

Universitas Kristen Satya Wacana, Jl. Diponegoro 52-60 Salatiga 50711

Abstrak Pengukuran kualitas pengajaran dapat dilakukan dengan kuesioner yang diisi oleh mahasiswa yang mengambil mata kuliah tersebut. Biasanya analisis data yang digunakan dalam kuesioner hanya menggunakan statistik yang sederhana. Dalam makalah ini diusulkan untuk menggunakan statistik Hotelling yang dapat mengukur kualitas pengajaran dengan lebih baik dibandingkan dengan hanya menggunakan rata-rata aritmatika atau statistik sederhana yang lain. Data real digunakan untuk memberikan gambaran bagaimana statistik Hotelling digunakan dalam analisis data.

Kata Kunci : Pengukuran kualitas pengajaran, Hotelling, Koefisien korelasi

8. Pendahuluan Pengukuran kualitas pengajaran dapat dilakukan dengan kuesioner yang mengukur kepuasan mahasiswa oleh pengajaran dosen dan hal ini masih hangat diteliti (e.g Barone & Franco, 2010; Ahmed et al., 2010). Pengukuran pengajaran dosen dilakukan dengan kuesioner yang diisi oleh mahasiswa yang mengambil mata kuliah – mata kuliah yang disajikan program studi.

Statistik yang biasa digunakan dalam

analisis data kuesioner sangatlah sederhana seperti menggunakan rata-rata aritmatika (e.g, Ahmed et al., 2010). Masalah yang akan diteliti dalam makalah ini adalah bagaimana mengukur kualitas pengajaran dosen berdasarkan data kuesioner mahasiswa. Penelitian ini dilakukan agar dapat diusulkan metode pengukuran kualitas pengajaran dosen sebagai salah satu komponen dari pengukuran performance dosen.

9. Dasar Teori Hasil penilaian seorang mahasiswa terhadap pelaksanaan PBM untuk mata kuliah ke-l dapat dipandang sebagai data multivariat

763


xli  ( xl1i , xl 2 i , ......, xlpi )

dengan xlki

(1)

= 0, 1, 2 atau 3 untuk k = 1, 2, …, p dan i = 1,2, …, n. Angka 0, 1, 2

atau 3 merupakan skala kualitas yang mempunyai arti berturut-turut buruk, kurang, cukup, baik. Dalam hal ini p menunjukkan banyaknya item dalam kuesioner yang digunakan untuk pengukuran kualitas pengajaran, n menunjukkan banyaknya mahasiswa yang mengisi kuesioner dan m menunjukkan banyaknya dosen. Berdasarkan skala tersebut, mahasiswa memberikan evaluasi terhadap kualitas pengajaran tiap dosen. Daftar pertanyaan yang diajukan ditunjukkan pada Lampiran. Ukuran kualitas pengajaran untuk setiap mata kuliah atau dosen dapat ditentukan dengan rumus Hotelling :





T

H i  n xi  x S 1 ( xi  x)

(2)

dengan x  ( x1 , x2 , ......, x p )T merupakan vektor rataan aritmatika penilaian kuesioner untuk suatu mata kuliah atau seorang dosen dan x  ( x1 , x2 , ....., x p )T merupakan vektor rataan aritmatika penilaian kuesioner untuk seluruh dosen dengan xk 

1 m  n l 1

n

x

(3)

lki

i 1

untuk m menyatakan banyak dosen yang dinilai (Johnson & Wickhern, 2007 dan Tabanick & Fidell, 2007). Matriks kovariansi S untuk tiap item dalam koesioner dapat dihitung dengan rumus :  S11 S12 S S22 21 S   .... ....  Sp,1 Sp,2

... S1, p  ... S2, p   .... ...   .... Sp, p 

dengan S jk 

1 m  m n l 1

n

( x

lji

 x j )( xlki  xk ) ,

(4)

i 1

untuk j, k = 1, 2, ...., p. Penilaian untuk setiap dosen dalam satu semester dapat juga dilakukan berdasarkan penilaian untuk setiap mata kuliah.

764


Untuk memberikan gambaran tentang penggunaan rumus tersebut dalam skala yang kecil maka berikut ini diberikan contoh data yang terdiri dari 2 mata kuliah yang masing-masing diajarkan oleh dosen yang berbeda.

Tabel 1. Contoh Data 2 Mata Kuliah (15 Mahasiswa Untuk MK 1 Dan 7 Mahasiswa Pada MK2) MK1

MK2

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

1

2

3

4

5

6

7

2

2

2

2

2

2

3

2

3

3

3

3

3

3

3

3

3

2

3

2

3

3

2

2

2

2

2

3

3

3

3

3

3

3

3

3

3

2

2

2

3

3

3

3

2

2

2

2

2

3

3

3

3

3

3

3

3

3

3

2

2

3

2

3

2

2

Kualitas pengajaran dosen dianggap baik jika penilaian untuk setiap

item

kuesioner mempunyai rata-rata (mean) yang besar dan simpangan baku (standard deviation) yang kecil, untuk itu penilaian tersebut perlu distandardisasi dengan menggunakan formula : zlji 

xlji  x j

dengan x j 

(5)

sj

1 m  n l 1

n

 xlji dan s j  i 1

1 m n  ( xlji  x j ) 2 untuk j = 1, 2, ...., p. Dalam n  1 l 1 i 1

hal ini digunakan p = 3, m = 2, n1 = 15, n2 = 7 sehingga diperoleh

x  ( 0 , 0, 0 )T , x1  (  0.1144, 0.0615, 0.2378 )T , x2  ( 0.2452,  0.1319,  0.5096 )T ,

 1.0000 0.5241 0.1688    S   0.5241 1.0000 0.6383  .  0.1688 0.6383 1.0000    Hal itu berarti bahwa x1 adalah rata-rata penilaian untuk 3 item kuesioner MK1 dan x2 adalah rata-rata penilaian untuk 3 item kuesioner MK2. Dengan menggunakan persamaan (2) diperoleh H = 1.2382 untuk MK1 dan H = -2.6533 untuk MK 2. Tanda

765


positif berarti bahwa kualitas pengajaran untuk MK1 lebih tinggi dari kualitas pengajaran rata-rata untuk MK1 dan MK2 dan sebaliknya tanda negatif berarti bahwa kualitas pengajaran untuk MK1 lebih rendah dari kualitas pengajaran rata-rata untuk MK1 dan MK2. 10. Analisis dan Pembahasan Data penilaian kuesioner untuk 15 mata kuliah (yang terdiri dari 203 lembar kuesioner mahasiswa ) dijadikan satu dan kemudian dihitung rata-rata dan simpangan baku untuk setiap item kuesioner. Selanjutnya dilakukan transformasi untuk setiap item dan setiap penilaian mahasiswa dengan formula pada persamaan (5) dan kemudian hasil tranformasi digunakan untuk menghitung ukuran kualitas Hotelling H dengan persamaan (2). Hal itu berarti adalah x1 rata-rata item penilaian kuesioner mahasiswa untuk mata kuliah MK1 dan x adalah rata-rata item penilaian kuesioner mahasiswa untuk semua mata kuliah serta S adalah matriks kovariansi berorde 16  16 yaitu banyaknya item yang digunakan dalam kuesioner. Matriks S diperoleh dari persamaan (4) untuk 203 lembar kuesioner. Matriks kovariansi S tersebut menunjukan variansi dan kovariansi dari setiap item dan antar item-item dalam kuesioner. Hasil dari perhitungan tersebut dinyatakan pada Tabel 2 kolom ke-3.

Terlihat bahwa MK 6 mempunyai

kualitas pengajaran yang paling tinggi dibandingkan dengan yang lain sedangkan MK 10 mempunyai kualitas pengajaran yang paling rendah. Ukuran kualitas tersebut mempunyai rata-rata 3.1713 dan simpangan baku 28.8165. Tanda positif berarti bahwa kualitas pengajaran untuk mata kuliah tersebut lebih tinggi dari kualitas pengajaran ratarata untuk seluruh mata kuliah dan sebaliknya tanda negatif berarti bahwa kualitas pengajaran untuk mata kuliah tersebut lebih rendah dari kualitas pengajaran rata-rata untuk seluruh mata kuliah. Sebagai perbandingan, pada Tabel 2 juga ditampilkan statistik sederhana yang biasa digunakan yaitu rata-rata aritmatika (kolom 4) dan rasio antara rata-rata aritmatika dan standard deviasi yaitu x / s (kolom 5). Berdasarkan Tabel 2, terdapat korelasi positif dan signifikan antara nilai x dan ukuran kualitas H yaitu sebesar 0,893 dan terdapat korelasi positif dan signifikan antara nilai x / s dan ukuran kualitas H yaitu sebesar 0,725. Hal itu berarti bahwa nilai mata kuliah yang mempunyai rata-rata yang tinggi

766


atau perbandingan antara rata-rata dan simpangan baku yang tinggi akan cenderung mempunyai ukuran kualitas yang tinggi juga.

Tabel 2. Ukuran Kualitas Pengajaran Untuk Setiap Mata Kuliah Dalam Satu Semester No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Nama Mata Kuliah MK 1 MK 2 MK 3 MK 4 MK 5 MK 6 MK 7 MK 8 MK 9 MK 10 MK 11 MK 12 MK 13 MK 14 MK 15 Gabungan

N 15 7 6 19 6 39 21 12 4 20 11 10 15 13 5 203

x 2.6708 2.4911 2.1667 2.4375 2.1979 2.4776 2.4375 2.4948 2.6563 1.9781 2.2045 1.8438 2.6708 2.4087 2.0125 2.3747

x/s 4.8328 4.7923 3.3672 4.0675 3.3359 4.0804 3.7349 4.9768 5.5487 2.7030 3.2477 3.0769 4.8328 4.1342 3.4432 3.6360

Ukuran Kualitas H 19.4495 20.3139 -30.0135 35.7627 -24.9858 37.6443 25.3194 14.4217 19.8217 -39.5035 -19.1643 -28.8573 19.4495 33.4614 -35.5497

Ukuran Kualitas H Dengan Target 2 19.4495 20.3139 30.0135 35.7627 24.9858 37.6443 25.3194 14.4217 19.8217 -39.5035 19.1643 -28.8573 19.4495 33.4614 -35.5497

Apabila diinginkan untuk membuat target bahwa rata-rata untuk setiap item mata kuliah mahasiswa memberikan penilaian dalam kuesioner

minimal 2 maka

penilaian untuk setiap mahasiswa ditransformasikan dengan formula : zlji 

xlji  2 sj

dan perhitungan Hotelling digunakan formula yang sama setelah dilakukan transformasi. Ukuran kualitas Hotelling bernilai negatif jika rata-rata seluruh item kuesioner kurang dari 2 dan sebaliknya jika rata-rata seluruh item kuesioner lebih dari 2 maka ukuran kualitas Hotelling bernilai positif. Hasil dari perhitungan tersebut dinyatakan pada Tabel 2 kolom ke-4. Terlihat bahwa besaran ukuran kualitas Hotelling tidak berubah dengan adanya tranformasi tersebut dan terdapat 3 mata kuliah yang tidak memenuhi target yaitu MK 10, MK 12 dan MK 15. Hasil yang sama juga diperoleh jika digunakan transformasi

767


zlji 

xlji  1.8 sj

dan target minimal rata-rata seluruh item 1.8. Apabila digunakan target bahwa rata-rata penilaian untuk setiap item minimal lebih dari 1.5 maka semua mata kuliah yang berada di atas target rata-rata seluruh item kuesioner lebih dari 1.5. Di samping itu dengan menggunakan batas target 2.5 maka hanya terdapat tiga mata kuliah yang melebih target tersebut.

4. Kesimpulan Dalam makalah ini telah dijelaskan pengukuran kualitas pengajaran dosen atau mata kuliah dengan menggunakan statistik Hotelling. Penelitian ini dapat dilanjutkan dengan penggunaan statistik lain untuk pengukuran kualitas pengajaran dosen.

Daftar Pustaka Ahmed, I, M. M. Nawaz, Z. Ahmad, Zafar Ahmad, M. Z, Shaukat, A. Usman, Wasimul-Rehman, N. Ahmed, Does service quality affect student’s performance? Evidence from institutes of higher learing, African Journal of Bussiness Management Vol. 4 (12) Barone, S dan E. L. Franco, TESF Methodology for Statistics Education Improvement, Journal of Statistics Education, Vol. 18 (3) Johnson ,R.A., and Wichern, D.W. 2007. Applied Multivariate Statistical Analysis, 6th ed., Prentice Hall, New York. Tabachnick, B. G. dan L. S. Fidell, 2007, Using Multivariate Statistics 5th edition, Pearson Education, Boston.

768


Lampiran

Berikut ini daftar pertanyaan yang digunakan untuk mahasiswa dalam mengevaluasi kegiatan suatu matakuliah No. Pertanyaan 1 Kejelasan tentang rencana perkuliahan selama satu semester 2 Kejelasan tentang sistem penugasan dan evaluasi 3 Sistematika penyampaian kuliah 4 Usaha dosen ybs dalam memotivasi mahasiswa 5 Kejelasan mengenai materi perkuliahan yang diberikan dosen ybs 6 Suasana menyenangkan yang diciptakan dosen selama perkuliahan 7 Kejelasan dalam menjawab pertanyaan mahasiswa mengenai materi kuliah 8 Daya tarik yang dibangkitkan dosen terhadap mata kuliah ini 9 Kejelasan mengenai tujuan dari setiap tugas yang diberikan 10 Cara dosen ybs merangsang pemikiran kritis mahasiswa 11 Usaha dosen ybs membantu mahasiswa memahami materi perkuliahan 12 Dosen memberikan kesempatan untuk bimbingan di luar jam kuliah 13 Efektifitas penggunaan waktu kuliah dalam setiap pertemuan 14 Relevansi tugas-tugas yang diberikan terhadap bahan kuliah 15 Mutu koreksi/umpan balik dosen atas tugas dan tes kepada mahasiswa 16 Secara keseluruhan kualitas pembelajaran dosen ybs adalah

769

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO

Recommend Documents