Upload
others
View
14
Download
0
Embed Size (px)
Citation preview
iii
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI
KEBERHASILAN AKADEMIK MAHASISWA FSAINS
UNCP MENGGUNAKAN REGRESI LOGISTIK
MULTINOMIAL
ZULFA ELVINDA PUTRI
1603407020
FAKULTAS SAINS
UNIVERSITAS COKROAMINOTO PALOPO
2020
ii
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI
KEBERHASILAN AKADEMIK MAHASISWA FSAINS
UNCP MENGGUNAKAN REGRESI LOGISTIK
MULTINOMIAL
SKRIPSI
Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana
Sains pada Program Studi Matematika Fakultas Sains
Universitas Cokroaminoto Palopo
ZULFA ELVINDA PUTRI
1603407020
PROGRAM STUDI MATEMATIKA
FAKULTAS SAINS
UNIVERSITAS COKROAMINOTO PALOPO
2020
ii
PENGESAHAN SKRIPSI
Judul : Identifikasi Faktor-faktor yang Memengaruhi Keberhasilan
Akademik Mahasiswa FSAINS UNCP Menggunakan
Regresi Logistik Multinomial
Nama : Zulfa Elvinda Putri
NIM : 1603407020
Program Studi : Matematika
Tanggal ujian : 12 Agustus 2020
Menyetujui,
Pembimbing II Pembimbing I,
Marwan Sam, S.Si., M.Si. Dr. Muhammad Muzaini, S.Pd., M.Pd.
Mengesahkan,
Ketua Program Studi Matematika, Dekan Fakultas Sains,
Marwan Sam, S.Si., M.Si. Pauline Destinugrainy Kasi, S.Si., M.Sc.
Tanggal: Tanggal:
iii
UNIVERSITAS COKROAMINOTO PALOPO
LEMBAGA PENJAMINAN MUTU Jalan Latammacelling No. 19 Kota Palopo 91913 - Sulawesi Selatan
Telp. (0471) 22111 Fax. (0471) 32055. Website http://www.uncp.ac.id
SURAT PERNYATAAN
KEASLIAN NASKAH SKRIPSI
Saya yang bertanda tangan dibawah ini:
Nama : Zulfa Elvinda Putri
NIM : 1603407020
Program Studi : Matematika
Fakultas : Sains
menyatakan bahwa naskah Skripsi Saya dengan
Judul : Identifikasi Faktor-faktor yang Memengaruhi
Keberhasilan Akademik Mahasiswa FSAINS UNCP
Menggunakan Regresi Logistik Multinomial
adalah benar merupakan karya asli saya dibuat berdasarkan serangkaian gagasan,
rumusan, metode dan penelitian yang telah saya lakukan sendiri. Sumber
informasi dalam karya ini telah dituliskan sesuai dengan kaidah pengutipan yang
berlaku dan telah dicantumkan dalam daftar pustaka dan belum pernah
dipublikasikan.
Demikian pernyataan ini dibuat dengan sebaik-baiknya tanpa ada paksaan dari
pihak manapun dan apabila dikemudian hari ditemukan keterangan yang tidak
benar maka saya bertanggung jawab atas segala akibat yang ditimbulkan.
Palopo, 28 Juli 2020
Yang Membuat Pernyataan
Zulfa Elvinda Putri
NIM. 1603407020
iii
v
ABSTRAK
Zulfa Elvinda Putri. 2020. Identifikasi Faktor-faktor yang Memengaruhi
Keberhasilan Akademik Mahasiswa FSAINS UNCP Menggunakan Regresi
Logistik Multinomial (dibimbing oleh Marwan Sam, dan Muhammad Muzaini).
Penelitian ini bertujuan untuk mengetahui model regresi logistik
multinomial berdasarkan faktor-faktor yang signifikan memengaruhi keberhasilan
akademik mahasiswa FSAINS UNCP serta mengetahui seberapa besar tingkat
ketepatan klasifikasi dari model yang diperoleh. Jenis penelitian yang digunakan
adalah kuantitatif deskriptif dengan pendekatan Analisis Data Sekunder yang
diperoleh dari data mahasiswa FSAINS UNCP angkatan 2015 yang telah
yudisium sebanyak 108 sampel. Variabel dependen dalam penelitian yang
menjadi indikator keberhasilan akademik mahasiswa adalah IPK akhir dan
ketepatan waktu kelulusan, sedangkan variabel independen adalah jenis kelamin,
IPK akhir, penerima beasiswa, jalur masuk, program studi dan daerah asal. Hasil
penelitian ini menunjukkan faktor-faktor yang signifikan adalah jenis kelamin,
penerima beasiswa dan program studi. Model yang dihasilkan yaitu
)1(006,3)1(484,2)1(446,2164,2)( 1531 xxxxg , )1(025,4943,2)( 32 xxg ,
)1(775,1)1(208,2115,0)( 153 xxxg serta sesuai dan memiliki ketepatan
klasifikasi sebesar 68,5% sehingga model dapat digunakan.
Kata kunci: keberhasilan akademik mahasiswa, IPK, ketepatan waktu kelulusan,
uji independensi, regresi logistik multinomial
vi
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Tiada untaian kata yang lebih indah selain ucapan Alhamdulillah, segala
puji bagi Allah SWT yang merajai segala kehidupan. Semoga kita menjadi hamba
yang senantiasa dikasihi-Nya dan hidup dalam ridha-Nya. Shalawat serta salam
senantiasa tercurahkan kepada baginda Rasulullah SAW yang telah membawa
umat manusia dari zaman kebodohan menuju zaman yang penuh ilmu
pengetahuan, serta berkat perjuangan beliaulah sampai detik ini kita masih dapat
menikmati manisnya Iman dan Islam. Akhirnya dengan izin Allah SWT, penulis
dapat menyelesaikan penyusunan skripsi dengan baik. Skripsi ini berjudul
“Identifikasi Faktor-faktor yang Memengaruhi Keberhasilan Akademik
Mahasiswa FSAINS UNCP Menggunakan Regresi Logistik Multinomial” disusun
untuk memenuhi salah satu persyaratan untuk menyelesaikan Program S1
Matematika pada Fakultas Sains Universitas Cokroaminoto Palopo.
Penulis ingin mengucapkan terima kasih kepada orang tua tercinta,
Ayahanda Triyanto dan Ibunda Siti Solehatun yang telah mendidik, merawat serta
tak pernah letih memanjatkan doa kepada anak-anaknya untuk kebahagiaan serta
kesuksesan dunia dan akhirat, juga kepada saudara(i) penulis Era Fazira Amelia,
Rifan Rasya Aditya dan Abinaya Dian Alexi yang selalu memberi sumber
keceriaan untuk penulis. Dalam penyusunan skripsi ini, penulis mendapatkan
bantuan dan bimbingan dari berbagai pihak, sehingga hambatan dan kesulitan
dalam penyelesaian skripsi dapat diatasi. Tiada ungkapan yang pantas diberikan
selain rasa terima kasih yang sangat dalam kepada:
1. Bapak Prof. Drs. Hanafie Mahtika, M.S., selaku Rektor Universitas
Cokroaminoto Palopo yang telah memberikan kesempatan bagi penulis untuk
menyelesaikan studi di Universitas Cokroaminoto Palopo.
2. Ibu Pauline Destinugrainy Kasi, S.Si., M.Sc., selaku Dekan Fakultas Sains
Universitas Cokroaminoto Palopo.
3. Bapak Marwan Sam, S.Si., M.Si., selaku Ketua Program Studi Matematika
Fakultas Sains Universitas Cokroaminoto Palopo sekaligus pembimbing II
yang telah meluangkan waktu dengan sabar, keikhlasan dan ketulusan untuk
memberikan bimbingan, pengetahuan, nasihat dan saran yang sangat berguna
vii
demi kelancaran skripsi ini.
4. Bapak Dr. Muhammad Muzaini, S.Pd., M.Pd., selaku pembimbing I yang
telah memberikan waktu, bimbingan, arahan, ilmu pengetahuan, dan
masukannya kepada penulis sampai selesainya penulisan skripsi ini.
5. Ibu Ary Herlina Kurniati HM, S,Si., M.Pd., selaku Dosen Penasihat
Akademik yang memberikan arahan dan saran kepada penulis.
6. Ibu Yuliani, S.Si., M.Si., yang telah memberikan bimbingan, wawasan dan
ilmu pengetahuan yang begitu luar biasa kepada penulis.
7. Seluruh Dosen dan Staf Pengajar Universitas Cokroaminoto Palopo yang
telah memberikan bekal ilmu pengetahuan dan pengalaman kepada penulis.
8. Seluruh Staf Unit PMB, Direktorat Akademik dan Kemahasiswaan UNCP
yang telah membantu menerima permohonan kesediaan penelitian, sehingga
penulis dapat melakukan penelitian di kampus dengan baik dan lancar.
9. Keluarga besar terima kasih atas bantuan, doa, nasihat, dorongan moral
maupun materi, dan perhatiannya.
10. Teman seperjuangan khususnya Matematika FSAINS angkatan 2016, teman-
teman KKN, teman kost maupun teman di luar kampus yang telah
memberikan bantuan, semangat serta sebagai tempat berbagi suka dan duka.
11. Keluarga besar Himpunan Mahasiswa Matematika (HIMATIKA) Sains
Universitas Cokroaminoto Palopo dan kampus kuning tercinta.
Semua pihak terkait yang telah memberikan bantuan dan motivasi yang
tidak dapat penulis sebutkan untuk menyelesaikan skripsi ini. Semoga Allah SWT
senantiasa memberikan pahala atas bantuan yang telah diberikan dan
memperhitungkan amal baik kita. Dengan segala kerendahan hati, penulis
berharap skripsi ini dapat bermanfaat bagi pihak yang membutuhkan, dan dapat
dijadikan referensi bagi penelitian selanjutnya. Penulis menyadari bahwa
penulisan skripsi ini masih jauh dari kesempurnaan, sehingga penulis tak lupa
mengharapkan saran dan kritik atas skripsi ini.
Wassalamu’alaikum Wr. Wb.
Palopo, Juli 2020
Zulfa Elvinda Putri
viii
RIWAYAT HIDUP
Penulis bernama lengkap Zulfa Elvinda Putri atau
kesehariannya akrab disapa Zulfa. Lahir pada tanggal 20
Desember 1998 dari pasangan Triyanto dan Siti Solehatun
sebagai anak sulung dari empat bersaudara. Penulis
menempuh pendidikan di TK Tunas Siswa (2003-2004),
SDN 06 Kemiri Timur (2004-2006), SDN 001 Pelalawan
(2006-2010), MTs Darussalam Subah (2010-2013), dan SMAN 2 Towuti atau
sekarang menjadi SMAN 13 Luwu Timur (2013-2016). Setelah menempuh
pendidikan SMA, pada tahun 2016 penulis melanjutkan pendidikan di Universitas
Cokroaminoto Palopo pada Program Studi Matematika Fakultas Sains dan
terdaftar dengan NIM 1603407020. Kegiatan non akademik yang diikuti penulis
selama kuliah yaitu pengurus Himpunan Mahasiswa Matematika (HIMATIKA)
Sains periode 2018 sebagai bendahara umum, dan ikut berpartisipasi dalam
kepanitiaan beberapa acara. Penulis aktif sebagai penerima Beasiswa UNCP Sains
Scholarship (USS) dari Universitas Cokroaminoto Palopo selama kuliah. Selain
itu penulis mendapatkan kesempatan Praktek Kuliah Lapang di Badan Pusat
Statistik Kota Palopo pada bulan Februari-Maret tahun 2019. Penulis juga
mengikuti kegiatan Kuliah Kerja Nyata (KKN) pada tanggal 17 Juli - 21 Agustus
tahun 2019, ditempatkan di Desa Burau Pantai, Kecamatan Burau, Kabupaten
Luwu Timur, Sulawesi Selatan. Segala kritik, saran dan pertanyaan untuk penulis
dapat disampaikan melalui alamat email [email protected]. Terimakasih.
ix
DAFTAR ISI
Halaman
HALAMAN JUDUL ........................................................................................... i
HALAMAN PENGESAHAN ............................................................................. ii
SURAT PERNYATAAN KEASLIAN NASKAH SKRIPSI ........................... iii
HALAMAN KETERANGAN UJI SIMILARITY ............................................ iv
ABSTRAK .......................................................................................................... v
KATA PENGANTAR ...................................................................................... vi
RIWAYAT HIDUP ........................................................................................... viii
DAFTAR ISI ........................................................................................................ ix
DAFTAR TABEL ............................................................................................ xi
DAFTAR GAMBAR ....................................................................................... xii
DAFTAR ARTI LAMBANG DAN SINGKATAN ........................................ xiii
DAFTAR LAMPIRAN ...................................................................................... xiv
BAB I PENDAHULUAN
1.1 Latar Belakang ............................................................................... 1
1.2 Rumusan Masalah .......................................................................... 3
1.3 Tujuan Penelitian ........................................................................... 3
1.4 Manfaat Penelitian ......................................................................... 3
1.5 Batasan Penelitian .......................................................................... 4
BAB II TINJAUAN PUSTAKA
2.1 Kajian Teori ................................................................................... 5
2.2 Hasil Penelitian yang Relevan ....................................................... 15
2.3 Kerangka Pikir ............................................................................... 16
BAB III METODE PENELITIAN
3.1 Jenis dan Sumber Data Penelitian .................................................. 19
3.2 Lokasi dan Waktu Penelitian ......................................................... 19
3.3 Populasi dan Sampel Penelitian ..................................................... 20
3.4 Operasional Variabel Penelitian ..................................................... 20
3.5 Teknik Pengumpulan Data ............................................................. 21
3.6 Teknik Analisis Data ...................................................................... 22
x
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian .............................................................................. 25
4.2 Pembahasan .................................................................................... 31
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan .................................................................................... 35
5.2 Saran ............................................................................................... 35
DAFTAR PUSTAKA ......................................................................................... 36
LAMPIRAN ........................................................................................................ 39
xi
DAFTAR TABEL
Halaman
1. Kontingensi .................................................................................................. 7
2. Ketepatan Klasifikasi ................................................................................... 14
3. Operasional Variabel Penelitian ................................................................... 21
4. Hasil Uji Independensi ................................................................................. 27
5. Hasil Uji Serentak ........................................................................................ 28
6. Hasil Uji Estimasi Parameter ....................................................................... 29
7. Hasil Uji Kesesuaian Model ........................................................................ 29
8. Hasil Ketepatan Klasifikasi .......................................................................... 30
xii
DAFTAR GAMBAR
Halaman
1. Kerangka Pikir ............................................................................................. 18
2. Diagram Alur ............................................................................................... 24
3. Persentase Keberhasilan Akademik Mahasiswa FSAINS UNCP Angkatan
2015 ............................................................................................................. 25
xiii
DAFTAR ARTI LAMBANG DAN SINGKATAN
Lambang/Singkatan Arti dan keterangan
y Variabel dependen
x Variabel independen
df Degree of Freedom (derajat kebebasan)
Taraf signifikan
Parameter
)(x Peluang nilai variabel independen
)(xg j Fungsi logit regresi logistik multinomial
2 Nilai statistik uji Chi-Square
G Uji serentak/simultan
jW Uji parsial/individu
C Uji kesesuaian model
Nilai Odd Ratio
ije Nilai ekspektasi pada baris ke-i dan kolom ke-j
ijn Nilai observasi pada baris ke-i dan kolom ke-j
i Banyaknya baris
j Banyaknya kolom
.in Jumlah baris ke-i
jn. Jumlah kolom ke-j
..n Jumlah pengamatan
xiv
xiv
DAFTAR LAMPIRAN
Halaman
1. Data Mahasiswa FSAINS UNCP Angkatan 2015 yang Telah Yudisium ... 39
2. Cross Tabulation Variabel Dependen dengan Variabel Independen ........... 42
3. Hasil Uji Independensi Variabel Dependen dengan Variabel Independen .. 45
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Universitas Cokroaminoto Palopo merupakan salah satu Perguruan Tinggi
Swasta yang berkedudukan di Kota Palopo. Universitas Cokroaminoto Palopo
(UNCP) yang populer dengan nama Uncokro Palopo berdiri sejak 1 Maret 1976
(Suaedi, 2015). Perguruan Tinggi ini di bawah pembinaan Yayasan Perguruan
Tinggi Cokroaminoto Palopo. Universitas Cokroaminoto Palopo membina 14
program studi, diantaranya 13 program studi Sarjana dan 1 program studi
Magister. Fakultas Sains (FSAINS) merupakan salah satu fakultas dari 4 fakultas
yang ada di Universitas Cokroaminoto Palopo. Fakultas-fakultas yang lain
diantaranya yaitu Fakultas Pertanian (FAPERTA), Fakultas Keguruan dan Ilmu
Pendidikan (FKIP) dan Fakultas Teknik Komputer (FKOM). Program studi di
bawah naungan Fakultas Sains adalah Matematika, Fisika, Biologi, dan Kimia.
Dari keempat program studi tersebut semua memiliki jenjang strata satu (S1).
Menurut Saleh (2014) pada tingkat pendidikan tinggi, mahasiswa dituntut
untuk aktif dalam proses belajar mengajar melalui media yang ada, seperti
perpustakaan, jurnal, maupun internet. Hampir semua tugas yang diberikan di
pendidikan tinggi umumnya menuntut mahasiswa untuk mencari literatur dan
mengembangkan pola pikirnya sendiri guna penyelesaian tugas secara efektif.
Persyaratan akademik di pendidikan tinggi bukan sekedar mengikuti perkuliahan
saja, tetapi ada ketentuan-ketentuan lain seperti persentase kehadiran dalam
perkuliahan, penyelesaian tugas-tugas, dan ikut aktif dalam kegiatan akademik
lainnya (diskusi, presentasi, mengikuti ujian, kuis, praktek).
Indikator keberhasilan akademik mahasiswa di perguruan tinggi dapat
dilihat berdasarkan nilai Indeks Prestasi Kumulatif (IPK) berupa transkip nilai
yang dapat dijadikan sebagai satu alat untuk mengukur apakah mahasiswa
tersebut berprestasi atau tidak dan ketepatan waktu lulus. Kelulusan adalah hasil
akhir dari proses pembelajaran selama mengikuti perkuliahan di perguruan tinggi
(Sumartini dan Disman, 2018). Mahasiswa diharapkan lulus tepat waktu dengan
IPK yang tinggi. IPK akhir merupakan perolehan nilai dari seluruh mata kuliah.
Mahasiswa program sarjana dikatakan lulus tepat waktu apabila menyelesaikan
2
studinya dalam waktu yang telah ditentukan, yaitu selama kurang dari atau sama
dengan empat tahun dan dikatakan tidak lulus tepat waktu apabila menyelesaikan
studinya selama lebih dari empat tahun (Sumartini dan Disman, 2018). Akan
tetapi kenyataannya masih banyak mahasiswa yang tidak dapat menuntaskan
pendidikannya dalam waktu yang telah ditentukan tersebut.
Ketidaktepatan waktu lulus dan IPK dapat dipengaruhi oleh beberapa
faktor. Beberapa faktor yang dianggap memengaruhi ketepatan waktu lulus adalah
fakultas, Indeks Prestasi Kumulatif Tahun Pertama Bersama (IPK TPB), jenis
kelamin, beasiswa, dan jalur masuk (Nurgenita, 2015). Selain itu, waktu kelulusan
mahasiswa dipengaruhi juga oleh program studi, IPK, dan lama menyusun skripsi
(Suniantara dan Muhammad, 2017). Sedangkan menurut Tampil, Hanny, dan
Yohanis (2017) faktor-faktor yang memengaruhi IPK mahasiswa adalah program
studi dan tempat tinggal. Adapun faktor yang memengaruhi keberhasilan
akademik mahasiswa adalah asal daerah, nilai UN, dan jurusan sekolah menengah
(Kurnia, 2011).
Hal ini karena nilai IPK merupakan salah satu indikator keberhasilan
akademik mahasiswa selama melaksanakan perkuliahan, walaupun tidak mutlak,
namun diasumsikan bahwa mahasiswa yang memiliki IPK yang baik maka
memiliki kemampuan yang baik dalam akademik. Faktor-faktor yang
memengaruhi keberhasilan akademik mahasiswa merupakan salah satu hal yang
cukup penting untuk dikaji, untuk itu perlu di ungkap faktor-faktor apa saja yang
memengaruhi keberhasilan akademik mahasiswa. Sehingga dalam penelitian ini
akan dianalisis berbagai faktor yang memengaruhi keberhasilan akademik
mahasiswa tersebut.
Penelitian ini hanya akan menggunakan mahasiswa FSAINS UNCP
angkatan 2015 yang telah dinyatakan lulus dari seluruh proses akademik yang
telah dijalaninya (yudisium) sebagai sampel. Pemilihan mahasiswa Fakultas Sains
didasari oleh beberapa alasan, antara lain nilai akreditasi program studi adalah B,
rata-rata penerima beasiswa, selain itu daerah asal yang beraneka ragam. Dalam
penelitian ini akan dibentuk variabel dependen sebanyak empat kategori dan
berskala nominal. Sehingga salah satu metode statistik yang dapat digunakan
untuk menganalisis variabel dependen terkategori adalah regresi logistik yang
3
digunakan untuk mendeskripsikan hubungan beberapa variabel independen
dengan suatu variabel dependen (Kurnia, 2011). Variabel dependen dengan
menggunakan lebih dari dua kategori yang berskala nominal, maka metode regresi
yang dapat digunakan untuk menganalisis adalah metode regresi logistik
multinomial (Miranti, Rumlawang dan Kondolembang, 2019). Regresi logistik
multinomial merupakan regresi logistik yang digunakan saat variabel respon
mempunyai skala yang bersifat polichotomus atau multinomial yaitu berskala
nominal dengan lebih dari dua kategori (Hosmer dan Lemeshow, 2000).
1.2 Rumusan Masalah
Berdasarkan latar belakang, maka rumusan masalah penelitian ini yaitu
bagaimana menentukan model regresi logistik multinomial berdasarkan faktor-
faktor yang signifikan memengaruhi keberhasilan akademik mahasiswa FSAINS
UNCP serta seberapa besar tingkat ketepatan klasifikasi dari model yang
diperoleh?.
1.3 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk mengetahui model regresi
logistik multinomial berdasarkan faktor-faktor yang signifikan memengaruhi
keberhasilan akademik mahasiswa FSAINS UNCP serta mengetahui seberapa
besar tingkat ketepatan klasifikasi dari model yang diperoleh.
1.4 Manfaat Penelitian
Dengan dilakukannya penelitian ini, diharapkan dapat memberikan
manfaat sebagai berikut:
1. Manfaat teoritis
Penelitian ini diharapkan dapat dijadikan sebagai sumber referensi untuk
penelitian lebih lanjut mengenai faktor-faktor yang memengaruhi keberhasilan
akademik mahasiswa serta dapat menambah pemahaman dan wawasan dalam
dunia pendidikan di perguruan tinggi.
2. Manfaat praktis
a. Sebagai bahan masukan bagi mahasiswa dengan mengetahui faktor-faktor
yang memengaruhi keberhasilan akademik mahasiswa untuk meningkatkan
nilai Indeks Prestasi Kumulatif (IPK), dapat dipakai sebagai bahan
4
pertimbangan untuk meningkatkan keberhasilan belajar dan prestasi
akademik dengan menyelesaikan studinya selama kurang dari atau sama
dengan empat tahun.
b. Sebagai bahan kajian bagi Universitas Cokroaminoto Palopo, khususnya
Fakultas Sains dalam upaya meningkatkan keberhasilan akademik mahasiswa
di masa mendatang.
1.5 Batasan Penelitian
Batasan penelitian sangat diperlukan demi menjamin kebebasan dalam
mengambil kesimpulan yang diperoleh agar tidak terjadi penyimpangan dari
tujuan semula. Penelitian ini difokuskan pada data sekunder mahasiswa FSAINS
UNCP angkatan 2015 yang telah yudisium, diperoleh dari pihak Unit Penerimaan
Mahasiswa Baru (PMB), Direktorat Akademik dan Kemahasiswaan UNCP.
Variabel dependen terdiri dari ketepatan waktu kelulusan dan IPK akhir, metode
yang digunakan dibatasi yaitu menggunakan analisis regresi logistik multinomial
yang diterapkan dalam bidang pendidikan. Adapun variabel independen terdiri
dari jenis kelamin, penerima beasiswa, IPK, daerah asal, jalur masuk, dan
program studi.
5
BAB II
TINJAUAN PUSTAKA
2.1 Kajian Teori
1. Keberhasilan Akademik Mahasiswa
Mahasiswa adalah orang yang terdaftar sebagai murid di perguruan tinggi.
Keberhasilan akademik adalah sebuah kalimat yang terdiri dari dua kata, yaitu
keberhasilan dan akademik, dimana antara keberhasilan dan akademik
mempunyai arti yang berbeda. Menurut Helmet (2012), suatu pencapaian terhadap
keinginan yang telah kita niatkan untuk kita capai atau kemampuan untuk
melewati dan mengatasi dari satu kegagalan ke kegagalan berikutnya tanpa
kehilangan semangat disebut dengan keberhasilan. Untuk mahasiswa sendiri
makna keberhasilan yaitu pencapaian prestasi akademik yang diperolehnya,
prestasi yang dicapai oleh mahasiswa tentunya dari keberhasilan belajar yang
mereka terapkan dalam bidang akademik (Oetary, 2018).
Menurut Kamus Besar Bahasa Indonesia (KBBI) akademik artinya
“bersifat akademis, bersifat ilmiah, bersifat ilmu pengetahuan, bersifat teori tanpa
arti praktis yang langsung”. Berdasarkan hal ini, akademik adalah keadaan orang-
orang bisa menyampaikan dan menerima gagasan, pemikiran, ilmu pengetahuan,
dan sekaligus dapat mengujinya secara jujur, terbuka dan leluasa (Fajar, 2002:56).
Dapat dikatakan secara umum pengertian akademik berarti proses belajar
mengajar yang dilakukan di kelas atau dunia persekolahan maupun perkuliahan.
Kegiatan akademik meliputi tugas-tugas yang dinyatakan dalam program
pembelajaran, diskusi, observasi, dan pengerjaan tugas. Dalam satu kegiatan
akademik diperhitungkan tidak hanya kegiatan tatap muka yang terjadwal saja
tetapi juga kegiatan yang direncanakan (terstruktur) dan yang dilakukan secara
mandiri (Suwito, 2019:188). Semakin baik penguasaan akademik mahasiswa
maka prestasi yang diperolehpun akan baik pula (Saleh, 2014).
Secara umum keberhasilan akademik ialah hasil yang dicapai setelah
melakukan aktivitas yang membawa pada perubahan individu atau suatu hasil
yang dicapai setelah melakukan aktivitas belajar (Oetary, 2018). Keberhasikan
akademik dapat ditunjukkan dari kualitas pendidikan yang ada, dimana kualitas
pendidikan itu meliputi proses maupun kualitas lulusan (Maesaroh, 2013).
6
Adapun kualitas seorang mahasiswa dapat dilihat dari prestasi yang dicapai,
potensi yang dimiliki, dan motivasi yang tinggi yang dimilikinya (Saleh, 2014).
Menurut Baihaqi (2016), Universitas Cokroaminoto Palopo sebagai
penyelenggara pendidikan dan pengajaran sesuai peraturan akademik memberikan
predikat kelulusan program sarjana terdiri dari tiga tingkat yaitu memuaskan jika
IPK 2,76-3,00; sangat memuaskan jika IPK 3,01-3,50; dengan pujian jika IPK
3,51-4,00. Predikat lulusan dengan pujian ditentukan dengan memperhatikan
masa studi minimum +1 tahun untuk program sarjana.
2. Dunia Perkuliahan
Dalam konteks dunia perkuliahan, situasi-situasi sulit yang dialami oleh
mahasiswa salah satunya berasal dari tantangan akademik dalam perkuliahan yang
mereka ikuti, seperti tugas-tugas yang frekuensinya besar dan intensitas
kesulitannya semakin tinggi memberikan tekanan tertentu kepada mahasiswa
(Pasaribu, 2011). Hasil wawancara Saleh (2014) dengan beberapa mahasiswa di
lapangan didapatkan suatu pengalaman yang menarik, yaitu ada mahasiswa yang
tidak mempunyai catatan kuliah sendiri karena mahasiswa tersebut cukup puas
dengan belajar dari fotokopi catatan temannya, ada juga mahasiswa yang tidak
mempersiapkan diri terhadap materi kuliah yang akan diajarkan dosen, ada
sebagian mahasiswa yang tidak mengulang kembali materi kuliah yang diajarkan
oleh dosen, ada sebagian yang belajar bila menjelang ujian saja atau hanya bila
ada tugas dari dosen yang memerlukan pemahaman.
Berbagai fenomena muncul dalam dunia perkuliahan mengindikasikan
bagaimana kemampuan mahasiswa untuk bertahan menghadapi berbagai
hambatan yang dialami selama proses perkuliahan. Terdapat mahasiswa yang
tekun dan disiplin dalam mengerjakan hal-hal yang menjadi tugasnya sebagai
mahasiswa, terdapat juga mahasiwa yang tidak peduli berapapun pencapaian
prestasinya dan memilih untuk tidak mengikuti perkuliahan meskipun dia
terhitung sebagai mahasiswa aktif (Pasaribu, 2011). Menurut Bella dan Luluk
(2018) idealnya mahasiswa memiliki kehidupan yang seimbang antara aktivitas
akademik dan nonakademik, dengan begitu ketika lulus yang diperoleh bukan
hanya gelar melainkan juga peningkatan kualitas diri sehingga memiliki daya
saing ketika terjun ke dunia nyata.
7
3. Tabel Kontingensi
Tabel kontingensi atau yang sering disebut cross tabulation merupakan
suatu metode statistik yang menggambarkan dua atau lebih variabel secara
simultan dan hasilnya ditampilkan dalam bentuk tabel yang merefleksikan
distribusi bersama dua atau lebih variabel dengan jumlah kategori yang terbatas.
Metode cross tabulation digunakan untuk mengetahui hubungan antara dua atau
lebih variabel penelitian yang bukan hubungan sebab akibat. Semakin bertambah
jumlah variabel yang di tabulasikan maka semakin kompleks interpretasinya
(Agresti, 2002). Struktur tabel kontingensi adalah sebagai berikut:
Tabel 1. Kontingensi
A
B
Total
Total
Sumber: Agresti (2002)
4. Uji Independensi
Menurut Walpole (1995), uji independensi dilakukan untuk mengetahui
ada atau tidaknya hubungan antara variabel dependen dengan variabel
independen. Pada uji ini menggunakan Pearson Chi-Square untuk
membandingkan antara frekuensi pengamatan (observed frequency) yang tersaji
dalam tabel kontingensi dengan nilai-nilai yang memenuhi hipotesis nol mengenai
independensi (Gio & Elly, 2016:328). Adapun hipotesisnya sebagai berikut:
0H : Tidak ada hubungan antara variabel dependen dengan variabel independen
yang diamati
1H : Terdapat hubungan antara variabel dependen dengan variabel independen
yang diamati
Taraf signifikan : α = 0,05
Statistik uji Chi-Square :
I
i
J
j ij
ijij
e
en
1 1
2
2
ˆ
ˆ (1)
8
dimana
..
ˆ..
n
nne
ji
ij
Pengambilan kesimpulan yang dilakukan adalah tolak 0H jika
2
)1)(1(,
2
ji
atau nilai p-value < α.
Keterangan:
2 : Nilai statistik uji Chi-Square
ijn : nilai observasi pada baris ke-i dan kolom ke-j
ije : nilai ekspektasi pada baris ke-i dan kolom ke-j
i : banyaknya baris
j : banyaknya kolom
.in : jumlah baris ke-i
jn. : jumlah kolom ke-j
..n : jumlah pengamatan
5. Regresi Logistik
Menurut Hosmer dan Lemeshow (2000) regresi logistik adalah metode
analisis statistika yang mendeskripsikan hubungan antara variabel dependen yang
memiliki dua kategori atau lebih dengan satu atau lebih variabel independen
berskala kontinu atau kategori. Model regresi logistik terdiri dari regresi logistik
dengan variabel dependen biner, ordinal dan multinomial. Model regresi logistik
dengan salah satu metode yang dapat digunakan untuk mencari hubungan variabel
dependen yang bersifat dichotomus (berskala nominal atau ordinal dengan dua
kategori) atau polichotomus (berskala nominal atau ordinal dengan lebih dari dua
kategori) dengan satu atau lebih variabel independen atau bebas dan variabel
dependen atau respon bersifat kontinu atau kategori (Yudissanta dan Madu, 2012).
Adapun jenis skala dalam penelitian ini adalah sebagai berikut:
a. Skala Nominal
Skala nominal dapat dinyatakan sebagai ukuran yang tidak sebenarnya.
Skor untuk setiap satuan pengamatan atau individu hanya merupakan tanda atau
simbol yang menunjukkan kedalam kelompok atau kelas nama individu tersebut
9
dikelompokkan. Misalnya, jenis kelamin dengan kategori “1” untuk laki-laki dan
“0” untuk perempuan. Kategori 1 dan 0 hanya untuk membedakan antara
kelompok yang satu dengan yang lainnya. Urutan, selisih, jumlah dan operasi
hitung lainnya terhadap data skala nominal tidak mempunyai arti (Tiro, 2000).
b. Skala Ordinal
Menurut Tiro (2000), skala ordinal menunjukkan urutan (peringkat,
angkatan, atau rangking) yang berfungsi juga sebagai pengelompokkan. Misalnya,
tingkat pendidikan dengan kategori “0” untuk SD, “1” untuk SLTP, dan “2” untuk
SLTA. Skala ini memungkinkan peneliti untuk mengurutkan respondennya dari
tingkat paling rendah ke tingkat paling tinggi atau sebaliknya.
6. Regresi Logistik Multinomial
Regresi logistik multinomial termasuk ke dalam statistik non-parametrik
atau statistik bebas distribusi. Statistik non-parametrik merupakan teknik analisis
statistik yang modelnya tidak melibatkan parameter populasi, skala data yang
digunakan adalah nominal dan ordinal (Budiwanto, 2017). Regresi logistik
multinomial merupakan regresi logistik yang digunakan saat variabel dependen
mempunyai skala yang bersifat polichotomus atau multinomial yaitu berskala
nominal dengan lebih dari dua kategori (Hosmer dan Lemeshow, 2000).
Berdasarkan jumlah kategori dependen, regresi logistik dapat dibedakan menjadi
dua, yaitu regresi logistik biner dan regresi logistik multinomial. Regresi logistik
biner digunakan saat variabel dependennya terdiri dari dua kategori. Sedangkan
regresi logistik multinomial digunakan saat variabel dependennya lebih dari dua
kategori.
Model regresi logistik multinomial merupakan perluasan dari model regresi
logistik biner, misalkan variabel dependen terdiri atas tiga kategori maka variabel
dependen y dapat diberi kode 0, 1 atau 2, dimana y = 0 merupakan kategori acuan
atau pembanding. Pada model regresi logistik biner terdapat satu fungsi logit y = 1
terhadap y = 0, maka pada model regresi logistik multinomial tiga kategori
terdapat dua fungsi logit, yaitu fungsi logit y = 1 terhadap y = 0 dan fungsi logit y
= 2 terhadap y = 0. Suatu variabel dependen dalam regresi logistik multinomial
dengan r kategori akan membentuk persamaan logit sebanyak r-1 (Hosmer,
Lemeshow dan Sturdivant, 2013).
10
Variabel dependen keberhasilan akademik mahasiswa pada penelitian ini
akan dibentuk sebanyak empat kategori, yaitu IPK < 3,50 dan lulus tidak tepat
waktu (kategori 1), IPK < 3,50 dan lulus tepat waktu (kategori 2), IPK ≥ 3,50 dan
lulus tidak tepat waktu (kategori 3), serta IPK ≥ 3,50 dan lulus tepat waktu
(kategori 4). Model regresi logistik multinomial pada penelitian ini terdiri atas
empat kategori y (y = 1, 2, 3, 4), sehingga dibutuhkan tiga fungsi logit dan dipilih
kategori dependen yang menjadi kategori pembanding yaitu y = 4. Model regresi
logistik dengan variabel independen p adalah sebagai berikut (Yudissanta dan
Madu, 2012):
)...(
)...(
22110
22110
1)(
pp
pp
xxx
xxx
e
ex
(2)
Dengan mengunakan transformasi logit dari persamaan (2) maka model regresi
fungsi logit dengan variabel dependen terdiri dari empat kategori dapat
didefinisikan sebagai berikut (Yudissanta dan Madu, 2012):
pjpjjjj xxxxg ...)( 22110 (3)
dengan xg j : fungsi logit regresi logistik multinomial
: parameter fungsi regresi logistik multinomial
x : variabel independen fungsi regresi logistik multinomial
x : peluang nilai variabel independen x
Menurut Hosmer dan Lemeshow (2000) Cumulatif Logit Models
didapatkan dengan membandingkan peluang kumulatif yaitu peluang kurang dari
atau sama dengan kategori dependen ke-j dan p variabel independen yang
dinyatakan dalam vektor )( ii xjyPx dengan peluang lebih besar dari kategori
dependen ke-j, )( ii xjyPx , rumus cumulatif logit models sebagai berikut:
i
i
ixjyP
xjyPxjyP lnLogit (4)
Salah satu kelebihan cumulatif logit models adalah estimasi efek yang tidak
bervariasi antar pilihan dan jumlah kategori variabel dependennya (Agresti,
2002). Pada variabel dependen dengan empat kategori akan membentuk tiga
persamaan logit, dimana masing-masing persamaan ini membentuk regresi
11
logistik multinomial yang membandingkan suatu kelompok kategori terhadap
pembanding yaitu sebagai berikut (Hosmer dan Lemeshow, 2000):
pp xxxx
x
xyP
xyPxg
121211110
4
1
1
...ln
4
1ln
(5)
pp xxxx
x
xyP
xyPxg
222212120
4
2
2
...ln
4
2ln
(6)
pp xxxx
x
xyP
xyPxg
323213130
4
3
3
...ln
4
3ln
(7)
Berdasarkan kedua peluang kumulatif pada persamaan (5), (6) dan (7) didapatkan
peluang untuk masing-masing variabel dependen sebagai berikut:
xgxgxg
xgxxyP
321
11
expexpexp1
exp1
(8)
xgxgxg
xgxxyP
321
22
expexpexp1
exp2
(9)
xgxgxg
xgxxyP
321
33
expexpexp1
exp3
(10)
xgxgxg
xxyP321
4expexpexp1
14
(11)
Keterangan:
x1 : nilai probabilitas untuk kategori IPK < 3,50 dan lulus tidak tepat waktu
x2 : nilai probabilitas untuk kategori IPK < 3,50 dan lulus tepat waktu
12
x3 : nilai probabilitas untuk kategori IPK ≥ 3,50 dan lulus tidak tepat waktu
x4 : nilai probabilitas untuk kategori IPK ≥ 3,50 dan lulus tepat waktu
7. Pengujian Parameter
Pengujian terhadap parameter model dilakukan untuk mengetahui peran
variabel independen dalam model. Pengaruh dari variabel independen dapat
diketahui dengan melakukan uji signifikansi secara simultan dan secara parsial
(Hosmer dan Lemeshow, 2000). Parameter yang telah diperoleh perlu diuji
signifikansinya dengan melakukan pengujian statistik, pengujian yang dilakukan
adalah sebagai berikut:
a. Uji Signifikansi Simultan atau Uji Serentak (Uji G)
Menurut Hosmer, Lemeshow dan Sturdivant (2013) pengujian simultan
bertujuan untuk memeriksa peran seluruh variabel independen yang diajukan
terhadap model secara bersama sama yang dapat digunakan statistik uji-G atau
likelihood ratio test dengan hipotesis:
0H : 0...21 p artinya tidak ada pengaruh variabel independen
terhadap model
1H : minimal ada satu pkk , . . .2,1 ,0 artinya ada pengaruh variabel
independen terhadap model
Statistik uji-G mengikuti distribusi Chi-Square, sehingga untuk memperoleh
keputusan dilakukan perbandingan dengan 2
,df , kriteria keputusan adalah tolak
0H apabila nilai uji 2
,dfG dimana df merupakan singkatan dari degree of
freedom yang artinya derajat kebebasan = k atau dilihat dari nilai p-value, jika
nilai p-value < α maka tolak 0H dengan α adalah tingkat signifikansi yang dipilih
(Hosmer dan Lemeshow, 2000).
b. Uji Signifikansi Parsial atau Uji Individu
Uji signifikansi parsial dilakukan untuk mengetahui secara individu apakah
variabel independen berpengaruh signifikan atau tidak terhadap variabel
dependen. Uji ini dimaksudkan untuk melihat apakah suatu variabel independen
layak masuk dalam model dengan hipotesis uji Wald (Wj) sebagai berikut
(Agresti, 2002):
13
0H : 0k artinya tidak ada pengaruh antara variabel independen ke-k terhadap
variabel dependen
pkH k , . . . ,2,1,01 ada pengaruh antara variabel independen ke-k terhadap
variabel dependen
Rasio yang dihasilkan dari statistik uji dibawah hipotesis 0H , akan mengikuti
distribusi normal baku (Z). Kriteria keputusan adalah tolak0H apabila nilai uji
2/ZWj atau nilai p-value < α.
c. Uji Kesesuaian Model/Goodness of Fit )ˆ uji( C
Uji kesesuaian model digunakan untuk mengetahui apakah model dengan
variabel dependen merupakan model yang sesuai, maka perlu dilakukan suatu uji
kesesuaian model dengan hipotesis sebagai berikut (Yudissanta dan Madu, 2012):
0H : tidak terdapat perbedaan yang signifikan antara prediksi dengan observasi
(model sesuai)
1H : terdapat perbedaan yang signifikan antara antara prediksi dengan observasi
(model tidak sesuai)
Uji kesesuaian model dapat dilihat menggunakan nilai uji metode Deviance.
Deviance menunjukkan ukuran seberapa banyak variasi yang tidak dapat
dijelaskan oleh model regresi logistik, dan semakin tinggi nilainya maka semakin
akurat modelnya (Astuti & Yuliawati, 2018). Kriteria keputusan yang didasarkan
adalah tolak 0H jika nilai uji 2
,ˆ
dfC dengan )1( kpdf atau p-value < α
(Hosmer dan Lemeshow2000).
d. Uji Ketepatan Klasifikasi
Hosmer dan Lemeshow (2000) menjelaskan bahwa salah satu ukuran
kebaikan model adalah jika memiliki peluang salah klasifikasi yang minimal.
Ketepatan prediksi dari model dapat diketahui dengan menggunakan tabel
ketepatan klasifikasi (classification table). Tabel ketepatan klasifikasi merupakan
tabel frekuensi dua arah antara kelompok data aktual dan prediksi.
14
Tabel 2. Ketepatan Klasifikasi
Aktual Prediksi
Total Ketepatan 0 1
0 a b 1n a/
1n
1 c d 0n d/
0n
Total 1n 0n n (a+d)/n
Sumber: Hosmer dan Lemeshow (2000)
Hasil ketepatan klasifikasi yang mencapai lebih dari 50% yang berarti bahwa
fungsi logit regresi logistik multinomial dianggap sudah cukup tepat untuk
memodelkan variabel dependen (Miranti, Rumlawang dan Kondolembang, 2019).
e. Interpretasi Model
Interpretasi dalam regresi logistik menggunakan nilai Odds Ratio atau OR
yang menunjukkan perbandingan berapa kali lipat kenaikan atau penuruan angka
kejadian y = j terhadap y = 0 sebagai kategori pembanding jika nilai variabel
independen berubah sebesar nilai tertentu sebagaimana persamaan berikut
(Hosmer dan Lemeshow, 2000):
)exp(),( kabj baOR (12)
Jika nilai OR = 1 maka risiko yang dihasilkan pada ax sama dengan .bx Jika
OR<1 menunjukkan bahwa antar kedua variabel terdapat hubungan negatif dan
jika OR>1 menunjukkan bahwa antar kedua variabel terdapat hubungan positif.
Dalam model Odds Ratio menggambarkan perubahan (peningkatan atau
penurunan) kecenderungan setiap pertambahan satu unit variabel independen, jika
variabel independen bersifat kategorik (Hosmer, Lemeshow dan Sturdivant,
2013).
15
2.2 Hasil Penelitian yang Relevan
Penelitian ini mengenai identifikasi faktor-faktor yang memengaruhi
keberhasilan mahasiswa FSAINS UNCP angkatan 2015 menggunakan regresi
logistik multinomial. Berdasarkan eksplorasi peneliti, ditemukan beberapa tulisan
yang berkaitan dengan penelitian ini. Penelitian sebelumnya dilakukan oleh Lely
Kurnia (2011) membahas tentang “Analisis Faktor-faktor yang Memengaruhi
Keberhasilan Akademik Mahasiswa STAIN Batusangkar”, dalam penelitiannya
menggunakan data primer dan data sekunder mahasiswa baru fakultas tarbiyah
program studi matematika, fisika dan biologi angkatan 2008 sampai dengan 2010
STAIN Batusangkar. Variabel dependen yang diamati adalah nilai IPK
mahasiswa, sedangkan variabel independen diantaranya jenis kelamin, jalur
masuk, asal sekolah, status ekonomi, status tempat tinggal, jarak kampus ke
tempat tinggal, dan jurusan. Berdasarkan regresi logistik diperoleh bahwa faktor-
faktor yang memengaruhi tersebut adalah asal daerah, nilai UN, dan jurusan
sekolah menengah.
Penelitian juga dilakukan oleh Nurgenita (2015) mengenai “Identifikasi
Faktor–faktor yang Memengaruhi Ketepatan Waktu Kelulusan Mahasiswa
Program Sarjana IPB”. Penelitiannya dengan menggunakan analisis regresi
logistik biner menghasilkan bahwa faktor-faktor yang berpengaruh signifikan
terhadap ketepatan waktu kelulusan mahasiswa adalah fakultas, IPK TPB, jenis
kelamin, beasiswa, dan jalur masuk.
Penelitian yang dilakukan oleh Suniantara dan Muhammad (2017)
mengenai ”Klasifikasi Waktu Kelulusan Mahasiswa STIKOM Bali Menggunakan
CHAID Regression-Trees dan Regresi Logistik Biner”. Adapun variabel-variabel
yang digunakan yaitu variabel dependennya adalah status kelulusan mahasiswa
tepat waktu dan tidak tepat waktu, dan variabel independennya adalah jurusan
atau prodi, IPK, IPS semester 6, lama menyusun skripsi jenis kelamin, dan nilai
ujian masuk. Hasil klasifikasi dengan menggunakan metode CHAID Regression-
Trees dipengaruhi oleh lama menyusun skripsi, IPK, IP semester 6 dan program
studi. Sedangkan hasil mengunakan regresi logistik biner dipengaruhi oleh
program studi, IPK, dan lama menyusun skripsi.
16
Penelitian juga dilakukan oleh Tampil, Hanny, dan Yohanis (2017)
mengenai “Analisis Regresi Logistik untuk Menentukan Faktor-faktor yang
Memengaruhi Indeks Prestasi Kumulatif (IPK) Mahasiswa FMIPA Universitas
Sam Ratulangi Manado”. Variabel yang digunakan pada penelitian ini terdiri atas
variabel dependen yaitu Indeks Prestasi Kumulatif (IPK), serta variabel
independen yaitu jenis kelamin, jurusan, tempat tinggal, menerima beasiswa,
daerah asal, asal sekolah, pekerjaan orang tua, dan biaya hidup tiap bulan. Tujuan
dari penelitian ini adalah untuk mengetahui model regresi logistik biner dari IPK
mahasiswa program studi Matematika dan Kimia FMIPA Unsrat Manado serta
mengetahui faktor-faktor yang memengaruhi IPK tersebut. Faktor-faktor yang
memengaruhi IPK tersebut adalah program studi dan tempat tinggal.
2.3 Kerangka Pikir
Tujuan pendidikan pada dasarnya adalah mempersiapkan generasi agar
dapat menjalani kehidupan dan dapat memecahkan masalah-masalah yang akan
dihadapi, tujuan pendidikan dapat tercapai apabila ada usaha-usaha yang serius
dari pemerintah untuk meningkatkan mutu pendidikan nasional (Saleh, 2014).
Ketersediaan fasilitas pendidikan baik sarana maupun prasarana akan sangat
menunjang dalam meningkatkan mutu pendidikan. Keberadaan perguruan tinggi
mempunyai dampak positif untuk melakukan tugas-tugas perkembangan secara
pribadi sebagai relevansi dari penerus pembangunan.
Keberhasilan mahasiswa memasuki perguruan tinggi merupakan suatu
kebanggaan tersendiri, apalagi mereka yang telah berusaha keras, sebelum
melalukan tes jalur masuk ke perguruan tinggi tentu telah mempersiapkan diri
dengan sebaik-baiknya. Setiap mahasiswa ingin selalu mendapat prestasi belajar
yang baik. Karena prestasi belajar merupakan tolak ukur keberhasilan mahasiswa
dalam menempuh pendidikan di perguruan tinggi.
Keberhasilan mahasiswa dalam bidang akademik ditandai dengan prestasi
akademik yang dicapai, ditunjukkan melalui Indeks Prestasi Kumulatif (IPK) serta
ketepatan dalam menyelesaikan studi (Saleh, 2014). Berdasarkan penelitian
sebelumnya, banyak faktor yang memengaruhi keberhasilan akademik
mahasiswa, dan terdapat hubungan antara faktor-faktor tersebut. Terdapat enam
faktor yang memengaruhi keberhasilan akademik mahasiswa yaitu, variabel
17
independen (x) yang meliputi jenis kelamin, IPK, menerima beasiswa, jalur
masuk, program studi dan daerah asal berpengaruh secara signifikan terhadap
variabel dependen (y) yang meliputi IPK akhir dan ketepatan waktu kelulusan.
a. Jenis Kelamin
Terdapat kaitan antara jenis kelamin dengan keberhasilan akademik
mahasiswa. Secara umum dapat dilihat bahwa persentase laki-laki yang gagal
lebih besar daripada perempuan, sedangkan persentase mahasiswa yang berhasil
didominasi oleh perempuan (Nurgenita, 2015). Hal ini dapat disebabkan karena
mahasiswa perempuan lebih tekun dan rajin dalam belajar terutama dalam
mengerjakan tugas kuliah yang diberikan.
b. Indeks Prestasi Kumulatif (IPK)
Indeks Prestasi Kumulatif (IPK) adalah angka prestasi akademik
mahasiswa yang dihitung dari semua mata kuliah untuk semua semester yang
sudah diikuti oleh mahasiswa, yang menjadi indikator utama keberhasilan
akademik mahasiswa dalam prestasi belajar dimanapun mereka menuntut ilmu.
c. Penerima Beasiswa
Beasiswa adalah bantuan untuk membantu orang terutama bagi yang masih
sekolah atau kuliah agar dapat menyelesaikan tugasnya dalam menuntut ilmu
pengetahuan hingga selesai. Bantuan beasiswa ini biasanya berbentuk dana untuk
menunjang biaya yang harus dikeluarkan oleh anak sekolah atau mahasiswa
selama menempuh pendidikan. Peluang seorang mahasiswa yang menerima
beasiswa memiliki kecenderungan keberhasilan yang lebih besar dari pada
mahasiswa yang tidak menerima beasiswa (Tampil, Hanny, dan Yohanis, 2017).
d. Jalur Masuk
Jalur masuk perguruan tinggi berpengaruh terhadap keberhasilan akademik
mahasiswa. Mahasiswa yang masuk ke perguruan tinggi melalui jalur undangan
maupun jalur prestasi merupakan siswa-siswa pilihan yang dianggap sudah
mampu atau layak untuk melanjutkan studi tanpa melalui tes masuk perguruan
tinggi sebelumnya. Mahasiswa yang gagal lebih besar terdapat pada mahasiswa
yang masuk melalui jalur tes, ini sejalan dengan persentase mahasiswa yang
berhasil akademiknya lebih besar pada mahasiswa yang masuk perguruan tinggi
melalui jalur undangan atau jalur prestasi (Nurgenita, 2015).
18
e. Daerah Asal
Daerah Asal merupakan tempat tinggal dimana seseorang itu menetap dan
tercatat dalam kependudukan. Dalam penelitian Tampil, Hanny, dan Yohanis,
(2017), menghasilkan bahwa peluang seorang mahasiswa yang berasal dari
Sulawesi Utara memiliki kecenderungan indeks prestasi kumulatif lebih besar dari
mahasiswa yang berasal dari luar Sulawesi Utara. Mahasiswa yang berasal dari
luar daerah memerlukan proses adaptasi untuk dapat menyesuaikan diri dengan
lingkungan. Keberhasilan proses adaptasi tersebut, dapat menentukan berhasil
tidaknya seseorang mahasiswa yang berasal dari luar daerah dalam belajar di
Perguruan Tinggi.
f. Program Studi
Program Studi adalah kesatuan kegiatan pendidikan dan pembelajaran yang
memiliki kurikulum dan metode pembelajaran tertentu dalam satu jenis
pendidikan akademik, pendidikan profesi, dan pendidikan vokasi.
Bagan Gambar 1 menggambarkan hubungan antara variabel independen dengan
variabel dependen dalam kerangka pikir sebagai berikut:
Jenis Kelamin
IPK
Penerima Beasiswa
Jalur Masuk
Program Studi
Daerah Asal
Variabel Independen (x)
IPK akhir dan
ketepatan waktu
kelulusan
Variabel Dependen (y)
Gambar 1. Kerangka Pikir
19
BAB III
METODE PENELITIAN
3.1 Jenis dan Sumber Data Penelitian
1. Jenis Penelitian
Jenis penelitian yang digunakan adalah penelitian kuantitatif deskriptif
dengan pendekatan Analisis Data Sekunder (ADS). ADS merupakan suatu metode
dengan memanfaatkan data sekunder sebagai sumber data utama, memanfaatkan
data sekunder yang dimaksud adalah dengan menggunakan sebuah teknik uji
statistik yang sesuai untuk mendapatkan informasi yang dinginkan dari data yang
sudah matang yang diperoleh pada instansi atau lembaga untuk diolah secara
sistematis dan objektif (Chudori, 2012:51). Penelitian ini menggunakan software
SPSS dengan metode regresi logistik multinomial.
Penelitian kuantitatif deskriptif bertujuan menganalisis data yang bersifat
statistik untuk menguji hipotesis yang telah ditetapkan, mendeskripsikan,
mencatat, dan menginterpretasikan data. Dengan kata lain, penelitian ini bertujuan
untuk menginterpretasikan data yang diperoleh mengenai apa saja faktor-faktor
yang signifikan memengaruhi keberhasilan akademik mahasiswa FSAINS UNCP,
sehingga menghasilkan model regresi logistik multinomial dan tingkat ketepatan
model tersebut. Penelitian ini ada juga yang tidak menggunakan hipotesis,
melainkan hanya mendeskripsikan informasi apa adanya sesuai dengan variabel
yang diteliti.
2. Sumber Data Penelitian
Sumber data merupakan lokasi atau tempat data dapat diperoleh
berdasarkan jenis data yang diperlukan dalam memecahkan masalah. Sumber data
yang digunakan dalam penelitian ini adalah data sekunder berupa data mahasiswa
FSAINS UNCP angkatan 2015 yang telah yudisium. Data diperoleh dari pihak
Unit PMB, Direktorat Akademik dan Kemahasiswaan UNCP di Jl. Latamacelling,
Tompotika, Wara, Kota Palopo, Sulawesi Selatan 91911.
3.2 Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Laboratorium Komputasi Kampus 2
Universitas Cokroaminoto Palopo di Jl. Lamaranginang Kota Palopo, Sulawesi
20
Selatan. Waktu penelitian dilaksanakan pada bulan Februari 2020 sampai April
2020.
3.3 Populasi dan Sampel Penelitian
1. Populasi
Populasi diartikan sebagai wilayah generalisasi yang terdiri atas: obyek
atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan
oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,
2010). Berdasarkan pendapat tersebut dapat diambil batasan pengertian bahwa
populasi adalah keseluruhan unsur obyek sebagai sumber data dengan
karakteristik tertentu dalam sebuah penelitian. Adapun populasi dalam penelitian
ini adalah seluruh mahasiswa FSAINS UNCP.
2. Sampel
Menurut Sugiyono (2010), sampel adalah sebagian dari jumlah dan
karakteristik yang dimiliki oleh populasi. Besarnya sampel ditentukan oleh
banyaknya data atau pengamatan dalam sampel itu. Sampel dalam penelitian ini
adalah mahasiswa FSAINS UNCP angkatan 2015 yang telah yudisium sebanyak
108 mahasiswa.
3.4 Operasional Variabel Penelitian
Menurut Suryabrata (2012:25), variabel adalah segala sesuatu yang akan
menjadi obyek pengamatan penelitian, sering pula dinyatakan variabel penelitian
sebagai faktor-faktor yang berperan dalam peristiwa yang akan diteliti. Variabel
yang akan diteliti dalam penelitian ini terbagi menjadi 2 variabel, yaitu variabel
independen dan variabel dependen. Variabel independen (variabel bebas) adalah
variabel yang memengaruhi atau menjadi sebab berubahnya variabel dependen.
Sedangkan, variabel dependen (variabel terikat) adalah variabel yang dipengaruhi
atau yang menjadi akibat karena adanya variabel independen.
Definisi operasional merupakan definisi yang didasarkan atas sifat-sifat
hal yang dapat diamati (Suryabrata, 2012:29). Dengan demikian, maka
operasional variabel adalah definisi yang memberi arti atau menspesifikasikan
suatu kegiatan, sehingga obyek yang kita amati dan dapat diteliti, diukur dengan
21
jelas. Adapun operasional variabel penelitian yang digunakan dalam penelitian ini
sebagai berikut:
Tabel 3. Operasional Variabel Penelitian Variabel Kategori Definisi Operasional Skala
IPK akhir dan
ketepatan
waktu
kelulusan y
1= IPK < 3,50 dan lulus
tidak tepat waktu Tingkat IPK akhir dan
ketepatan waktu kelulusan
mahasiswa FSAINS UNCP
angkatan 2015 yang telah
yudisium
Nominal
2=IPK < 3,50 dan lulus
tepat waktu
3=IPK ≥ 3,50 dan lulus
tidak tepat waktu
4=IPK ≥ 3,50 dan lulus
tepat waktu
Jenis Kelamin
1x
1=Perempuan Karakteristik mahasiswa
FSAINS UNCP angkatan
2015 yang dapat dibedakan
Nominal 2=Laki-laki
IPK 2x -
IPK akhir mahasiswa
FSAINS UNCP angkatan
2015 yang dijadikan sebagai
alat ukur prestasi di bidang
akademik
Ordinal
Penerima
Beasiswa 3x
1=Menerima Status penerima beasiswa
mahasiswa FSAINS UNCP
angkatan 2015
Nominal 2=Tidak menerima
Jalur Masuk
4x
1=Jalur prestasi
2=Jalur reguler
3=Jalur one day service
Jalur masuk saat mendaftar ke
UNCP Nominal
Program Studi
5x
1=Matematika
Program studi strata satu (S1)
yang ada di FSAINS UNCP Nominal
2=Biologi
3=Fisika
4=Kimia
Daerah Asal
6x
1=Luwu Raya Tempat tinggal mahasiswa
FSAINS UNCP angkatan
2015 yang tercatat di dalam
kependudukan
Nominal 2=Luar Luwu Raya
Sumber: Data sekunder sebelum diolah (2020)
3.5 Teknik Pengumpulan Data
Teknik Pengumpulan data dapat dilakukan dalam berbagai sumber dan
berbagai cara, pada penelitian ini akan dilakukan dengan cara dokumentasi dan
studi kepustakaan. Dokumentasi merupakan suatu cara untuk mengumpulkan data
melalui peninggalan tertulis, seperti arsip-arsip dan termasuk juga buku-buku
tentang pendapat, teori, dalil atau hukum-hukum yang berhubungan dengan
masalah penelitian, dalam penelitian kuantitatif teknik ini berfungsi untuk
menghimpun secara selektif bahan-bahan yang dipergunakan di dalam kerangka
atau landasan teori, penyusunan hipotesis secara tajam (Margono, 2010:181).
22
Dokumentasi penelitian ini akan lebih pada pengumpulan arsip data penelitian,
seperti data sekunder yang diperoleh dari Unit PMB, Direktorat Akademik dan
Kemahasiswaan UNCP.
Studi kepustakaan berkaitan dengan kajian teoritis dan referensi lain yang
berkaitan dengan nilai, budaya dan norma yang berkembang pada situasi sosial
yang diteliti, selain itu studi kepustakaan sangat penting dalam melakukan
penelitian, hal ini dikarenakan penelitian tidak akan lepas dari literatur-literatur
ilmiah (Sugiyono, 2010). Studi kepustakaan pada penelitian ini dilakukan dengan
cara membaca dokumen, teori, artikel, atau jurnal penelitian yang relevan.
3.6 Teknik Analisis Data
Teknik analisis data yang dilakukan dalam penelitian ini adalah sebagai
berikut yang dapat dirangkum dalam diagram alur pada Gambar 2.
1. Melakukan input data, yaitu memindahkan data di dokumen yang diperoleh
dengan cara diketik dan dimasukkan ke dalam dokumen digital di software
komputer yang akan digunakan yaitu SPSS, kemudian pemberian kategori
pada data agar data dapat di analisis.
2. Mendeskripsikan karakteristik keberhasilan akademik mahasiswa FSAINS
UNCP angkatan 2015 menggunakan statistika deskriptif, dengan melihat
tabel kontingensi atau cross tabulation.
3. Berdasarkan hasil yang ingin dicapai dengan menggunakan regresi logistik
multinomial maka dibutuhkan pengolahan data dengan tahapan sebagai
berikut:
a. Menguji independensi untuk mengetahui apakah terdapat hubungan antara
variabel independen dengan variabel dependen menggunakan nilai uji
Pearson Chi-Square.
b. Melakukan uji serentak untuk memeriksa peran seluruh variabel independen
yang diajukan terhadap model menggunakan uji signifikansi simultan (uji-
G).
c. Melakukan uji parsial untuk mengetahui secara individu apakah variabel
independen berpengaruh signifikan atau tidak terhadap variabel dependen
menggunakan uji Wald.
23
d. Membentuk fungsi logit pada masing-masing variabel dependen di setiap
model regresi logistik multinomial. Variabel dependen dengan empat kategori
akan menghasilkan tiga fungsi logit.
e. Melakukan uji kesesuaian model menggunakan uji metode Deviance untuk
melihat apakah model itu sesuai atau tidak antara prediksi dengan observasi.
f. Menghitung ketepatan klasifikasi model, ketepatan prediksi dari model dapat
diketahui dengan melihat tabel ketepatan klasifikasi (classification table)
yang merupakan tabel frekuensi dua arah antara kelompok data aktual dan
prediksi.
g. Hasil output data yang diperoleh dengan menginterpretasikan model regresi
logistik multinomial dan menarik kesimpulan. Interpretasi dalam regresi
logistik dengan melihat nilai Odds Ratio (OR). Kemudian menyimpulkan
model yang telah diperoleh.
Berikut merupakan diagram alur teknik analisis data yang dilakukan dalam
penelitian ini:
24
Gambar 2. Diagram Alur
Keterangan:
: Mulai dan selesai
: Input dan output
data data
: Proses kegiatan
: Kegiatan/pilihan
: Urutan kegiatan : Siklus jika diperlukan
Input data &
Statistika Deskriptif
Uji Independensi
Pengujian Serentak
Pengujian Parsial
Model Regresi Logistik Multinomial
Kesesuaian Model
Ketepatan Klasifikasi
Output (interpretasi dan
kesimpulan)
Signifikan
Signifikan
Tidak
Signifikan Tidak digunakan
sebagai model
Tambah data
Tidak
Signifikan
Mulai
Selesai
25
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
1. Deskripsi Keberhasilan Akademik Mahasiswa FSAINS UNCP
Angkatan 2015
IPK akhir dan ketepatan waktu kelulusan dijadikan sebagai indikator
keberhasilan akademik mahasiswa. Berdasarkan data mahasiswa FSAINS UNCP
angkatan 2015 pada Lampiran 1, diperoleh karakteristik data IPK akhir dan
ketepatan waktu kelulusan seperti pada Gambar 3 sebagai berikut:
Gambar 3. Persentase Keberhasilan Akademik Mahasiswa
FSAINS UNCP Angkatan 2015
Berdasarkan Gambar 3, sampai dengan bulan Maret 2020 tercatat bahwa dari
total mahasiswa FSAINS angkatan 2015 yang telah yudisium sebanyak 108
mahasiswa, keberhasilan akademik tertinggi pada kategori IPK ≥ 3,50 dan lulus
tepat waktu sebanyak 67 mahasiswa (62,17%), kategori IPK ≥ 3,50 dan lulus
tidak tepat waktu sebanyak 21 mahasiswa (19,44%), kategori IPK < 3,50 dan
lulus tidak tepat waktu sebanyak 17 mahasiswa (15,74%), dan terendah pada
kategori IPK < 3,50 dan lulus tepat waktu sebanyak 3 mahasiswa (2,78%).
Sedangkan untuk mengetahui data yang bersifat kategori dapat dilakukan dengan
melihat tabel kontingensi (cross tabulation) yang dibuat pada setiap pengamatan
variabel independen seperti pada Lampiran 2.
IPK < 3,50 dan lulus tidak tepat waktu
IPK < 3,50 dan lulus tepat waktu
IPK ≥ 3,50 dan lulus tidak tepat waktu
IPK ≥ 3,50 dan lulus tepat waktu
26
Pada Lampiran 2 menunjukkan bahwa karakteristik IPK akhir dan
ketepatan waktu kelulusan dengan jenis kelamin, mahasiswa perempuan
cenderung lebih banyak yaitu sebesar 82,4% (89 mahasiswa) dibandingkan laki-
laki sebesar 17,6% (19 mahasiswa). Hal ini dapat diamati bahwa peminat laki-
laki yang mengambil jurusan di FSAINS kurang diminati. Persentase mahasiswa
perempuan terbanyak berada pada kategori IPK ≥ 3,50 dan lulus tepat waktu
yaitu sebanyak 63 mahasiswa (58,3%). Sedangkan jika dilihat total persentase
mahasiswa yang menerima beasiswa selama menempuh pendidikan di FSAINS
UNCP memiliki persentase yang lebih tinggi yaitu sebanyak 88 mahasiswa
(81,5%) dibandingkan dengan yang tidak menerima beasiswa dengan total 20
mahasiswa (18,5%). Persentase penerima beasiswa tertingi pada kategori IPK ≥
3,50 dan lulus tepat waktu yaitu sebanyak 60 mahasiswa (55,6%).
Karakteristik IPK akhir dan ketepatan waktu kelulusan dengan jalur
masuk, jumlah paling banyak melalui jalur reguler yaitu 98 mahasiswa (90,7%),
dibandingkan melalui jalur one day service sebanyak 10 mahasiswa (9,3%),
mahasiswa FSAINS angkatan 2015 tidak ada melalui jalur prestasi. Persentase
mahasiswa melalui jalur reguler tertingi pada kategori IPK ≥ 3,50 dan lulus tepat
waktu yaitu sebanyak 64 mahasiswa (59,3%). Sedangkan jika dilihat berdasarkan
program studi, paling banyak mahasiswa yang berasal dari program studi Biologi
yaitu sebesar 39 mahasiswa (36,1%) dan terendah berasal dari program studi
Fisika yaitu sebesar 15 mahasiswa (13,9%). Hail ini dikarenakan lebih banyak
peminat mahasiswa yang mengambil program studi Biologi dibandingkan
program studi lain.
Karakteristik mahasiswa FSAINS UNCP jika dilihat berdasarkan daerah
asal, total persentase terbanyak mahasiswa berasal dari Luwu Raya yaitu
sebanyak 105 mahasiswa (97,2%) dibandingkan dengan yang berasal dari luar
Luwu Raya yaitu 3 mahasiswa (2,8%). Hal ini dikarenakan lebih banyak
mahasiswa yang berasal dari Luwu Raya yang menempuh pendidikan di FSAINS
UNCP. Persentase mahasiswa tertinggi juga berasal dari Luwu Raya dengan
kategori IPK ≥ 3,50 dan lulus tepat waktu yaitu sebanyak 65 mahasiswa (60,2%).
27
2. Analisis Regresi Logistik Multinomial pada Keberhasilan Akademik
Mahasiswa FSAINS UNCP Angkatan 2015
a. Uji Independensi
Uji independensi digunakan untuk mengetahui apakah terdapat hubungan
antara variabel independen dengan variabel dependen menggunakan nilai uji
Pearson Chi-Square. Hasil uji independensi disajikan pada Tabel 4 berikut:
Tabel 4. Hasil Uji Independensi No Variabel df χ
2 hitung χ
2 tabel p-value Keputusan
1 Jenis Kelamin 3 21,967 7,815 0,000 Tolak H0
2 IPK akhir 171 264,434 202,513 0,000 Tolak H0
3 Penerima Beasiswa 3 13,289 7,815 0,004 Tolak H0
4 Jalur Masuk 3 5,948 7,815 0,114 Terima H0
5 Program Studi 9 26,293 16,919 0,002 Tolak H0
6 Daerah Asal 3 1,303 7,815 0,728 Terima H0
Sumber: Data sekunder setelah diolah (2020)
Berdasarkan uji statistik Chi-Square pada persamaan (1) dan mengacu
pada Lampiran 3, Tabel 4 menunjukkan bahwa variabel jalur masuk dan variabel
daerah asal memiliki nilai 2 hitung yang lebih kecil dari 2 tabel, dan nilai p-
value > 0,05 yang berarti terima H0. Sehingga dapat disimpulkan bahwa tidak ada
hubungan antara keberhasilan akademik mahasiswa FSAINS UNCP angkatan
2015 dengan variabel jalur masuk dan daerah asal yang diamati.
Diperoleh juga bahwa variabel jenis kelamin, IPK akhir, penerima
beasiswa, dan program studi memiliki nilai 2 hitung yang lebih besar dari 2
tabel, dan nilai p-value masing-masing kurang dari 0,05 yang berarti tolak H0 atau
terima H1. Sehingga dapat disimpulkan bahwa ada hubungan antara keberhasilan
akademik mahasiswa FSAINS UNCP angkatan 2015 dengan variabel jenis
kelamin, IPK akhir, penerima beasiswa, dan program studi yang diamati.
b. Pengujian Serentak
Pengujian serentak digunakan untuk mengetahui secara keseluruhan
apakah variabel independen berpengaruh signifikan atau tidak terhadap model
dengan menggunakan uji G atau likelihood ratio test.
28
Tabel 5. Hasil Uji Serentak Model Model Fitting
Criteria
Likelihood Ratio Tests
-2 Log Likelihood Chi-Square df Sig.
Intercept Only 209,378
Final 150,478 58,900 15 ,000
Sumber: Data sekunder setelah diolah (2020)
Kriteria pengujian serentak dilakukan berdasarkan nilai pada tabel Chi-Square
dengan mengambil taraf signifikan )( sebesar 0,05 dan derajat kebebasan 15
sehingga diperoleh 2
15;05,0
2
, df 24,996. Berdasarkan Tabel 5 diperoleh nilai
statistik 2
,dfG = 58,900 > 24,996 dan nilai p-value < , sehingga0H ditolak
yang artinya terdapat minimal satu variabel independen yang digunakan terhadap
model. Selain itu, pengujian serentak dapat dilakukan dengan membandingkan
nilai antara -2 Log Likelihood (-2LL) awal (intercept only) dengan -2 Log
Likelihood (-2LL) pada model final. Penurunan nilai antara -2LL intercept only
dengan -2LL pada model final menunjukkan bahwa model sesuai dengan data.
Tabel 5 menunjukkan bahwa nilai -2LL awal (intercept only) sebesar 209,378
sedangkan -2LL pada model final sebesar 150,478. Nilai tersebut terjadi
penurunan pada -2 Log Likelihood sebesar 58,900 dan signifikan pada 0,000. Jadi
model tersebut sesuai dengan data.
c. Pengujian Parsial
Langkah selanjutnya yaitu untuk mengetahui secara individu apakah
variabel independen berpengaruh signifikan atau tidak terhadap variabel
dependen dengan uji parsial atau individu menggunakan nilai uji Wald. Kriteria
pengujian dilakukan dengan mengambil taraf signifikan )( sebesar 0,05 dan
mengikuti tabel distribusi normal baku )(Z diperoleh 2/05,02/ ZZ = 025,0Z =1,960.
Berdasarkan Tabel 6 dengan menggunakan kategori IPK ≥ 3,50 dan lulus tepat
waktu sebagai kategori pembanding estimasi parameter, diperoleh nilai uji
statistik 2/ZWj dan nilai p-value < , sehingga tolak 0H yang artinya ada
pengaruh secara individu antara variabel independen terhadap variabel dependen.
Ketiga variabel yang berpengaruh diantaranya: jenis kelamin ),( 1x penerima
beasiswa ),( 3x dan program studi ).( 5x
29
Tabel 6. Hasil Uji Estimasi Parameter
IPK akhir dan ketepatan
waktu kelulusana B Std. Error Wald df Sig. Exp(B)
IPK < 3.50
dan lulus
tidak tepat
waktu
Intercept 2,164 1,344 2,595 1 ,107
[X3=1] -2,446 ,947 6,678 1 ,010 ,087
[X3=2] 0b . . 0 . .
[X5=1] 2,484 1,075 5,345 1 ,021 11,993
[X5=2] -1,880 1,405 1,790 1 ,181 ,153
[X5=3] ,853 1,304 ,428 1 ,513 2,347
[X5=4] 0b . . 0 . .
[X1=1] -3,006 ,897 11,225 1 ,001 ,049
[X1=2] 0b . . 0 . .
IPK < 3.50
dan lulus
tepat waktu
Intercept 2,943 1,675 3,087 1 ,079
[X3=1] -4,025 1,729 5,417 1 ,020 ,018
[X3=2] 0b . . 0 . .
[X5=1] -,167 1,742 ,009 1 ,924 ,846
[X5=2] -20,906 6637,570 ,000 1 ,997 8,328E-010
[X5=3] -19,316 ,000 . 1 . 4,086E-009
[X5=4] 0b . . 0 . .
[X1=1] -2,695 1,694 2,531 1 ,112 ,068
[X1=2] 0b . . 0 . .
IPK ≥ 3.50
dan lulus
tidak tepat
waktu
Intercept ,115 1,196 ,009 1 ,924
[X3=1] -,755 ,803 ,884 1 ,347 ,470
[X3=2] 0b . . 0 . .
[X5=1] 2,208 ,907 5,930 1 ,015 9,102
[X5=2] ,215 ,945 ,052 1 ,820 1,240
[X5=3] 1,025 1,037 ,977 1 ,323 2,788
[X5=4] 0b . . 0 . .
[X1=1] -1,775 ,796 4,966 1 ,026 ,170
[X1=2] 0b . . 0 . .
Sumber: Data sekunder setelah diolah (2020)
d. Uji Kesesuaian Model
Uji kesesuaian model dilakukan untuk mengetahui apakah model yang
diperoleh sesuai atau tidak. Pengujian ini dilakukan dengan menggunakan metode
Deviance. Tabel hasil pengujiannya adalah sebagai berikut:
Tabel 7. Hasil Uji Kesesuaian Model Chi-Square Df Sig.
Pearson 284,259 258 ,125
Deviance 143,311 258 1,000
Sumber: Data sekunder setelah diolah (2020)
Kriteria pengujian kesesuaian model dilakukan dengan mengambil taraf
signifikan )( sebesar 0,05 dan mengikuti tabel distribusi Chi-Square diperoleh
nilai 2
,df =2
258;05,0 = 287,882. Kriteria keputusan adalah tolak 0H jika nilai
uji 2
,ˆ
dfC atau p-value < α. Berdasarkan pada Tabel 7, nilai uji 2
,ˆ
dfC =
143,311 < 287,882 dan nilai p-value > 0,05 yaitu sebesar 1,000. Keputusan yang
30
diambil adalah terima 0H yang artinya model yang dihasilkan sesuai (tidak
terdapat perbedaan yang signifikan antara prediksi dengan observasi), sehingga
model tersebut dapat digunakan.
e. Hasil Ketepatan Klasifikasi
Ketepatan klasifikasi tersebut akan digunakan untuk menilai model
apakah sudah tepat atau tidak, sedangkan untuk mengetahui model sudah tepat
atau belum dapat dilihat dari prediksi klasifikasinya dan dengan menggunakan
model yang telah terbentuk akan dilakukan prediksi ulang menggunakan data
yang telah ada. Perbandingan ketepatan klasifikasi data prediksi dengan data
pengamatan dapat dilihat pada Tabel 8.
Tabel 8. Hasil Ketepatan Klasifikasi Observed Predicted
IPK < 3,50
dan lulus tidak
tepat waktu
IPK < 3,50
dan lulus
tepat waktu
IPK ≥ 3,50 dan
lulus tidak
tepat waktu
IPK ≥ 3,50
dan lulus
tepat waktu
Percent
Correct
IPK < 3,50 dan lulus
tidak tepat waktu 7 0 2 8 41,2%
IPK < 3,50 dan lulus
tepat waktu 0 2 0 1 66,7%
IPK ≥ 3,50 dan lulus
tidak tepat waktu 3 0 2 16 9,5%
IPK ≥ 3,50 dan lulus
tepat waktu 4 0 0 63 94,0%
Overall Percentage 13,0% 1,9% 3,7% 81,5% 68,5%
Sumber: Data sekunder setelah diolah (2020)
Tabel 8 menunjukkan ketepatan klasifikasi dari model regresi logistik
multinomial yang terbentuk yaitu sebesar 68,5% yang berarti banyaknya prediksi
yang tepat diklasifikasikan sesuai dengan observasi adalah sebesar 68,5% dan
memiliki kesalahan klasifikasi yang dihasilkan sebesar 31,5%. Banyaknya
observasi pada kategori IPK < 3.50 dan lulus tidak tepat waktu yang tepat
diprediksi sebesar 41,2% menunjukkan bahwa 58,8% kategori tersebut salah
dalam pengklasifikasiannya dan diprediksi pada kategori lain. Begitu pula pada
kategori IPK < 3.50 dan lulus tepat waktu yang hanya tepat terklasifikasi sebesar
66,7% dan sebesar 33,3% salah dalam pengklasifikasian. Pada kategori IPK ≥
3.50 dan lulus tidak tepat waktu dengan ketepatan klasifikasi sebesar 9,5% dan
salah dalam pengklasifikasian sebesar 90,5%. Dan pada kategori IPK ≥ 3.50 dan
31
lulus tepat waktu dengan ketepatan klasifikasi sebesar 94,0% menunjukkan salah
pengklasifikasian sebesar 6,0% ke dalam kategori lain.
f. Hasil Odds Ratio (OR)
Tabel 6 juga menunjukkan nilai Odds Ratio (OR) untuk masing-masing
kategori variabel independen yang dapat dilihat pada Exp(B). Diketahui bahwa
nilai Odds Ratio (OR) pada logit 1 menjelaskan kategori IPK < 3,50 dan lulus
tidak tepat waktu, untuk kategori yang menerima beasiswa sebesar 0,087 yang
berarti mahasiswa yang menerima beasiswa sebesar 0,087 kali lebih besar
dibandingkan dengan yang tidak menerima beasiswa. Mahasiswa dari program
studi Matematika pada IPK < 3,50 dan lulus tidak tepat waktu 11,993 kali lebih
besar dibandingkan dengan mahasiswa dari program studi lain. Mahasiswa
berjenis kelamin perempuan dengan IPK < 3,50 dan lulus tidak tepat waktu
sebesar 0,049 kali lebih besar dibandingkan dengan mahasiswa laki-laki.
Logit 2 menjelaskan kategori IPK < 3,50 dan lulus tepat waktu, untuk
kategori mahasiswa yang menerima beasiswa memiliki Odds Ratio (OR) sebesar
0,018 yang berarti bahwa mahasiswa yang menerima beasiswa sebesar 0,018 kali
lebih besar dibandingkan dengan yang tidak menerima beasiswa. Sedangkan pada
Logi 3 menjelaskan kategori IPK ≥ 3,50 dan lulus tidak tepat waktu, untuk
kategori mahasiswa yang berasal dari program studi Matematika memiliki nilai
Odds Ratio (OR) sebesar 9,102 yang berarti mahasiswa program studi
Matematika 9,102 kali lebih besar dibandingkan dengan mahasiswa yang berasal
dari program studi yang lain. Pada mahasiswa berjenis kelamin perempuan pada
IPK ≥ 3,50 dan lulus tidak tepat waktu sebesar 0,170 kali lebih besar
dibandingkan dengan mahasiswa laki-laki.
4.2 Pembahasan
Uji Independensi merupakan langkah awal setelah pemberian kategori
pada data dan mendeskripsikan karakteristik keberhasilan akademik mahasiswa
FSAINS UNCP angkatan 2015. Uji independensi digunakan untuk mengetahui
apakah terdapat hubungan antara variabel independen dengan variabel dependen.
Pada uji ini jenis kelamin, IPK akhir, penerima beasiswa dan program studi
memiliki hubungan dengan IPK akhir dan ketetapan waktu kelulusan yang
32
dijadikan sebagai indikator keberhasilan akademik mahasiswa karena nilai uji
statistik 2 hitung > 2 tabel, dan nilai p-value masing-masing < 0,05.
Pada hasil perhitungan analisis regresi logistik multinomial terdapat dua
uji yang dilakukan yaitu uji serentak dan uji parsial. Pada uji serentak (uji-G),
dapat dilihat pada Tabel 5 nilai uji statistik 2
,dfG = 58,900 > 24,996 dan nilai
p-value sebesar 0,000 < , sehingga0H ditolak, yang artinya terdapat minimal
satu variabel independen yang digunakan terhadap model. Pada uji parsial atau
uji individu dapat dilihat pada Tabel 6 diperoleh nilai uji statistik 2/ZWj dan
nilai p-value < , pada tiga variabel independen yang berpengaruh terhadap
variabel dependen, diantaranya jenis kelamin ),( 1x penerima beasiswa )( 3x
dan program studi ).( 5x Berdasarkan Tabel 6 dengan melihat nilai parameter B
dan mengacu pada persamaan (5), (6), dan (7) diperoleh tiga fungsi logit regresi
logistik multinomial sebagai berikut:
)1(006,3)1(484,2)1(446,2164,2)( 1531 xxxxg (13)
)1(025,4943,2)( 32 xxg (14)
)1(775,1)1(208,2115,0)( 153 xxxg (15)
Fungsi logit regresi logistik multinomial pada persamaan (13), (14) dan
(15) menunjukkan model logit dimana )( 3x merupakan variabel penerima
beasiswa dengan kategori (1)3x = menerima beasiswa, sedangkan )( 1x
merupakan variabel jenis kelamin dengan kategori (1)1x = perempuan, dan pada
)( 5x merupakan variabel program studi dengan kategori (1)5x = matematika.
Secara umum dapat dilihat bahwa mahasiswa laki-laki yang gagal lebih besar
daripada mahasiswa perempuan, penelitian ini mendukung penelitian yang
dilakukan oleh Nurgenita pada tahun 2015 yang menyatakan bahwa persentase
mahasiswa yang berhasil didominasi oleh perempuan, hal ini disebabkan karena
mahasiswa perempuan lebih tekun dan rajin dalam belajar terutama dalam
mengerjakan tugas kuliah yang diberikan.
33
Adapun mahasiswa yang menerima beasiswa mempunyai peluang
keberhasilan akademik yang lebih besar dibandingkan dengan yang tidak
menerima beasiswa, hal ini dikarenakan lebih banyak mahasiswa FSAINS UNCP
angkatan 2015 yang menerima beasiswa. Penelitian ini sesuai dengan penelitian
Nurgenita pada tahun 2015 serta Tampil, Hanny, dan Yohanis pada tahun 2017
yang menyatakan bahwa mahasiswa yang mendapatkan beasiswa lebih terfokus
meningkatkan prestasi akademik untuk mempertahankan beasiswanya.
Pada program studi, mahasiswa yang berasal dari program studi
matematika mempunyai peluang keberhasilan lebih besar dibandingkan dengan
mahasiswa yang berasal dari program studi lain, hal ini dibuktikan bahwa pada
wisuda periode II tahun 2019 mahasiswa yang berasal dari program studi
Matematika dinobatkan sebagai wisudawan terbaik se-UNCP. Penelitian ini juga
sesuai dengan penelitian Suniantara dan Muhammad pada tahun 2017 yang
menyatakan bahwa waktu kelulusan mahasiswa dipengaruhi oleh program studi,
selain itu penelitian Tampil, Hanny, dan Yohanis pada tahun 2017 yang
menyatakan bahwa mahasiswa dari program studi matematika memiliki
kecenderungan keberhasilan lebih besar daripada mahasiswa dari program studi
kimia.
Dari fungsi logit regresi logistik multinomial pada persamaan (13), (14)
dan (15) dapat digunakan untuk membentuk peluang kumulatif untuk masing-
masing kategori keberhasilan akademik mahasiswa FSAINS UNCP angkatan
2015 berdasarkan pada persamaan (8), (9), (10) dan (11) sebagai berikut:
1. Nilai probabilitas pada kategori IPK < 3,50 dan lulus tidak tepat waktu
12728,0
7298,13389,04475,01
4475,0
548,0exp082,1exp804,0exp1
804,0exp1
x
artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan
2015 pada IPK < 3,50 dan lulus tidak tepat waktu adalah sebesar 0,12728.
34
2. Nilai probabilitas pada kategori IPK < 3,50 dan lulus tepat waktu
09639,0
7298,13389,04475,01
3389,0
548,0exp082,1exp804,0exp1
082,1exp2
x
artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan
2015 pada IPK < 3,50 dan lulus tepat waktu adalah sebesar 0,09639.
3. Nilai probabilitas pada kategori IPK ≥ 3,50 dan lulus tidak tepat waktu
49194,0
7298,13389,04475,01
7298,1
548,0exp082,1exp804,0exp1
548,0exp3
x
artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan
2015 pada IPK ≥ 3,50 dan lulus tidak tepat waktu adalah sebesar 0,49194.
4. Nilai probabilitas pada kategori IPK ≥ 3,50 dan lulus tepat waktu
28439,0
7298,13389,04475,01
1
548,0exp082,1exp804,0exp1
14
x
artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan
2015 pada IPK ≥ 3,50 dan lulus tepat waktu adalah sebesar 0,28439.
Setelah dihasilkan model regresi logistik multinomial, maka model
tersebut diuji menggunakan uji kesesuaian model (goodness of fit), dengan nilai
uji statistik 2
,ˆ
dfC = 143,311 < 287,882 dan nilai p-value sebesar 1,000 > α ,
sehingga 0H diterima yang artinya model yang dihasilkan sesuai. Selain itu,
model yang dihasilkan memiliki ketepatan klasifikasi sebesar 68,5% sehingga
model dapat digunakan. Hasil prediksi yang mencapai lebih dari 50% yang
berarti bahwa ketiga fungsi logit regresi logistik multinomial dianggap sudah
cukup tepat untuk memodelkan faktor-faktor yang memengaruhi keberhasilan
akademik mahasiswa FSAINS UNCP.
35
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Variabel yang berpengaruh secara signifikan terhadap keberhasilan
akademik mahasiswa FSAINS UNCP angkatan 2015 adalah jenis kelamin
perempuan , )1(1x menerima beasiswa , )1(3x dan program studi matematika
, )1(5x fungsi logit regresi logistik multinomial yang diperoleh adalah:
),1(006,3)1(484,2)1(446,2164,2)( 1531 xxxxg 025,4943,2)(2 xg
)1(3x dan ).1(775,1)1(208,2115,0)( 153 xxxg Model yang dihasilkan memiliki
ketepatan klasifikasi sebesar 68,5% dan model tersebut sesuai sehingga dapat
digunakan.
5.2 Saran
Kepada peneliti selanjutnya yang ingin mengambil tema penelitian yang
sama, disarankan agar mengambil area penelitian yang lebih luas lagi seperti
tingkat universitas, dengan variabel yang akan diteliti lebih banyak sehingga
kemungkinan akan menghasilkan analisis data yang lebih baik lagi.
36
DAFTAR PUSTAKA
Agresti, Alan. 2002. Categorical Data Analysis. New York(US): John Wiley and
Sons Inc.
Astuti, SND., & Yuliawati. 2018. Faktor-faktor yang Berpengaruh Terhadap
Keputusan Kunjungan Wisata di Agrowisata Kabupaten Semarang. Jurnal
Agribisnis Terpadu. 11(2): 241-259. Diakses pada tanggal 20 Maret 2020.
Baihaqi, Hans. 2016. Panduan Akademik dan Kemahasiswaan Universitas
Cokroaminoto Palopo. Bogor: IPB Press.
Bella, M.M., dan Luluk W.R. 2018. Perilaku Malas Belajar Mahasiswa di
Lingkungan Kampus Universitas Trunojoyo Madura. Jurnal Kompetensi.
12(2): 280-303. Diakses pada tanggal 1 Februari 2020.
Budiwanto, Setyo. 2017. Metode Statistika Untuk Mengolah Data Keolahragaan.
Malang: Universitas Negeri Malang.
Chudori, Veldy Nuansa. 2012. Relevansi Isi Kurikulum Kompetensi Keahlian
Teknik Konstruksi Batu dan Beton Di SMKN 5 Bandung dengan
Kebutuhan Industri. Bandung: Universitas Pendidikan Indonesia.
Fajar, M. 2002. Mahasiswa dan Budaya Akademik. Bandung: Rineka Cipta.
Gio, Prana U., & Elly Rosmaini. 2016. Belajar Olah Data dengan SPSS, Minitab,
R, Microsoft Excel, Eviews, Lisrel, Amos, dan SMARTPLS. Medan: USU
Press.
Hosmer DW, dan Lemeshow S. 2000. Applied Logistic Regression. 2th Edition.
New York(US): John Wiley and Sons Inc.
Hosmer DW, Lemeshow S., dan Sturdivant. 2013. Applied Logistic Regression.
3th Edition. New York(US): John Wiley and Sons Inc.
Kurnia, Lely. 2011. Analisis Faktor-faktor yang Memengaruhi Keberhasilan
Akademik Mahasiswa STAIN Batusangkar. Jurnal Saintek. 3(2): 97-111.
Diakses pada tanggal 1 November 2019.
Maesaroh, Siti. 2013. Peranan Metode Pembelajaran Terhadap Minat dan Prestasi
Belajar Pendidikan Agama Islam. Jurnal Kependidikan. 1(1): 150-168.
Diakses pada tanggal 30 Januari 2020.
Margono, S. 2010. Metode Penelitian Pendidikan. Jakarta: Rineka Cipta.
Miranti, M., Rumlawang, F. Y., dan Kondolembang, F. 2019. Pemodelan Faktor-
faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas di Kota
37
Ambon dengan Menggunakan Model Regresi Logistik Multinomial.
Variance: Journal of Statistics and Its Applications. 1(1): 17-26. Diakses
pada tanggal 30 Januari 2020.
Nurgenita. 2015. Identifikasi Faktor-faktor yang Memengaruhi Ketepatan Waktu
Kelulusan Mahasiswa Program Sarjana IPB. Skripsi tidak diterbitkan.
Bogor: Program Sarjana-IPB.
Oetary, Nessa. 2018. Faktor-faktor yang Mempengaruhi Keberhasilan dan
Kegagalan Mahasiswa Akuntansi Dalam Mata Kuliah Pengantar
Akuntansi (Studi Empiris pada Mahasiswa Akuntansi S1 di Fakultas
Ekonomi Universitas Negeri Padang). Jurnal Akuntansi. 6(1). Diakses
pada tanggal 29 Januari 2020.
Pasaribu, Asina C.R. 2011. Hubungan Antara Self Esteem dan Adversity
Inteligence Suatu Studi pada Mahasiswa Universitas HKBP Nommensen
Medan. Jurnal Visi. 19(1):399-416. Diakses pada tanggal 1 Februari 2020.
Saleh, Minhayati. 2014. Pengaruh Motivasi, Faktor Keluarga, Lingkungan
Kampus dan Aktif Berorganisasi Terhadap Prestasi Akademik. Jurnal
Phenomenon. 4(2):109 - 141. Diakses pada tanggal 3 November 2019.
Suaedi. 2015. Buku Profil Universitas Cokroaminoto Palopo 2015-2016. Bogor:
IPB Press.
Sugiyono. 2010. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.
Sumartini, dan Disman. 2018. Analisis Faktor-faktor yang Memengaruhi
Penyelesaian Studi Tepat Waktu serta Implikasinya terhadap Kualitas
Kelulusan. Indonesian Journal of Education. 1(1):43-54. Diakses pada
tanggal 30 Januari 2020.
Suniantara, I Ketut Putu, dan Muhammad Rusli. 2017. Klasifikasi Waktu
Kelulusan Mahasiswa STIKOM Bali Menggunakan CHAID Regression-
Trees dan Regresi Logisitik Biner. Jurnal Statistika. 5(1):27-32. Diakses
pada tanggal 30 Januari 2020.
Suryabrata, Sumadi. 2012. Metodologi Penelitian. Jakarta: Rajawali Pers.
Suwito. 2019. Menulis Gagasan Mempercepat Keberhasilan (Alih Status IAIN
Menjadi UIN Syarif Hidayatullah Jakarta 2002). Tangerang Selatan:
YPM.
Tampil, Yumira Adriani., Hanny Komalig dan Yohanis Langi. 2017. Analisis
Regresi Logistik Untuk Menentukan Faktor-faktor yang Memengaruhi
Indeks Prestasi Kumulatif (IPK) Mahasiswa FMIPA Universitas Sam
Ratulangi Manado. Jurnal de Cartesian 6(2):56-62. Diakses pada tanggal
1 November 2019.
38
Tiro, Muhammad Arif. 2000. Analisis Regresi dengan Data Kategori. Makassar:
Badan Penerbit Universitas Negeri Makassar.
Walpole, R.E. 1995. Pengantar Statistik Edisi ke-3. Terjemahan Bambang
Sumantri. Jakarta: Gramedia Pustaka Utama.
Yudissanta, Arief dan Madu Ratna. 2012. Analisis Pemakaian Kemoterapi pada
Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik
Multinomial (Studi Kasus Pasien di Rumah Sakit “X” Surabaya). Jurnal
Sains dan Seni ITS 1(1):112-117. Diakses pada tanggal 30 Januari 2020.
39
LAMPIRAN
Lampiran 1. Data Mahasiswa FSAINS UNCP Angkatan 2015 yang Telah
Yudisium
No Nama Mahasiswa y 1x 2x 3x
4x 5x 6x
1 Yenni 4 1 3,87 1 2 2 1
2 Lilis Minarseh 4 1 3,98 1 2 2 1
3 Eliysia 4 1 3,78 2 2 2 1
4 Iis Sugiarti 4 1 3,77 1 2 2 1
5 Safriana Nasruddin 4 1 3,64 1 2 2 1
6 Nurmiati 4 1 3,84 2 2 2 1
7 Tri Sutriani Syam 4 1 3,97 1 2 2 1
8 Asrika Abbas 4 1 3,90 1 2 2 1
9 Suarni 4 1 3,82 1 2 2 2
10 Nur Aulia 4 1 3,99 1 2 2 1
11 Arnita Adwir 4 1 3,85 2 2 2 1
12 Eva Nalia 4 1 3,75 1 2 2 1
13 Ika Pitra Annisa 4 1 3,85 1 2 2 1
14 Riski Amelia 4 1 3,95 1 2 2 1
15 A. Muh. Faiz R S 4 2 3,99 1 2 2 1
16 Ivonne Novelyn S 4 2 3,62 1 2 2 1
17 Jumriani 4 1 3,84 1 2 2 1
18 Lisa Hamsir 4 1 3,89 1 2 2 1
19 Mutmainnah Buhari 4 1 3,63 1 2 2 1
20 Yuni 4 1 3,80 2 3 2 1
21 Hadijah 4 1 3,77 1 2 2 1
22 Mini Purwati 4 1 3,73 1 3 2 1
23 Kiki Amelya 4 1 3,69 1 2 2 1
24 Stevani Erpa Rana 4 1 3,85 1 2 2 1
25 Femi Sanda Rapa 4 1 3,78 1 2 2 1
26 Yantika 4 1 3,97 1 2 2 1
27 Rahmawati 4 1 3,63 1 2 2 1
28 Maya Dwi Lestari 4 1 3,66 1 2 2 1
29 Erin Savitri Gawing 4 1 3,78 2 2 3 1
30 Ika Suliawati 4 1 3,84 1 2 3 1
31 Esse 4 1 3,87 1 2 3 1
32 Dista Safitri 4 1 3,62 2 3 3 1
33 Juwita 4 1 3,69 1 2 3 1
40
34 Jusliana 4 1 3,82 1 2 3 2
35 Indah Wahyuni 4 1 3,87 1 2 3 1
36 Nurhikmah A 4 1 3,55 1 2 3 1
37 Sri Ratna Amirlilla 4 1 3,70 1 2 3 1
38 Milasari 4 1 3,76 1 2 3 1
39 Awaluddin 4 2 3,70 1 2 4 1
40 Jumarding 2 2 3,37 2 2 4 1
41 Eli Susanti 4 1 3,96 1 2 4 1
42 Setiawati 4 1 3,94 1 2 4 1
43 Sudirman 2 2 3,45 2 2 4 1
44 A. Mayang Sari AS 4 1 3,95 1 2 4 1
45 Sri Widya Astuti A 4 1 3,80 1 2 4 1
46 Nurhidayah 4 1 3,96 1 2 4 1
47 Ella Hasanah 4 1 3,92 1 2 4 1
48 Juliani 4 1 3,80 1 2 4 1
49 Nurul Isma 4 1 3,64 1 2 4 1
50 Puspita Sari 4 1 3,67 1 2 4 1
51 Andyani 4 1 3,60 1 2 4 1
52 Nurhikma. M 4 1 3,86 1 2 4 1
53 Sitti Arisa 4 1 3,57 1 2 4 1
54 Eti Purwanti 4 1 3,95 1 2 4 1
55 Siti Mutmainah 4 1 3,68 1 2 4 1
56 Ananda Asdar 4 1 3,72 1 2 4 1
57 Novita Septiani 4 1 3,79 1 2 1 1
58 Rina 4 1 3,89 1 2 1 1
59 Ahid Astrida 4 1 3,64 1 2 1 1
60 Asrikawati 4 1 3,97 1 2 1 1
61 Iswan 4 2 3,98 1 2 1 1
62 Nurholifah Savitri 4 1 3,72 1 2 1 1
63 Izzah Fitthohiro 4 1 3,66 1 2 1 1
64 Santry Ahmad 4 1 3,61 1 2 1 1
65 Fatimah 4 1 3,63 1 2 1 1
66 Suparni 4 1 3,90 2 2 1 1
67 Jusnia 2 1 3,29 1 2 1 1
68 Mega Bintang P 3 1 3,78 2 2 2 1
69 Faisal 1 2 3,45 2 2 2 1
70 Melinda Masnur 4 1 3,95 1 2 2 1
71 Syamsidar 3 2 3,81 2 3 2 1
41
72 Hartati 3 1 3,77 1 2 2 1
73 Yuhensi 4 1 3,78 1 2 2 1
74 Yersin 4 1 3,59 1 2 2 1
75 Hasriani 3 1 3,69 1 2 2 1
76 Imam Sobirin 3 2 3,68 2 3 2 1
77 Agustinus Sumario 1 2 3,42 2 3 2 2
78 Dahlia Hasanuddin 3 1 3,65 2 3 2 1
79 Megawati 1 1 3,36 1 2 3 1
80 Yulianti S 1 1 3,33 1 2 3 1
81 Nirwana 3 1 3,55 1 2 3 1
82 Baccong 3 2 3,56 1 2 3 1
83 Dewi Astuti 3 1 3,74 1 2 4 1
84 Icalding 1 2 3,44 1 2 4 1
85 Jalilu Pallawa 1 2 3,39 1 2 4 1
86 Verawati Vajrin 3 1 3,74 1 2 1 1
87 Milfa S 1 1 3,31 1 2 1 1
88 Fermatarian 1 1 3,34 2 2 1 1
89 Mutmainnah 1 1 3,20 2 2 1 1
90 Nur Asmi 1 1 3,40 1 2 1 1
91 Sartika Suardi AR 3 1 3,55 1 2 1 1
92 Mirda 3 1 3,55 1 2 1 1
93 Muhammad Asbar 3 2 3,75 1 2 1 1
94 Nurfaisah 1 1 3,41 1 2 1 1
95 Sari Natalia P 1 1 3,48 2 3 1 1
96 Risdiana Ridwan 3 1 3,55 1 3 1 1
97 Nurhakiki 3 1 3,56 1 2 1 1
98 Sartika Dewi 3 1 3,57 1 2 1 1
99 Novita Haeruddin 3 1 3,61 1 2 1 1
100 Iqbal Nelson 3 2 3,53 1 2 1 1
101 Sikrun Padlang 1 2 3,28 2 2 1 1
102 Yuliani 1 1 3,46 1 2 1 1
103 Aldi Wahyudi 1 2 3,11 1 2 1 1
104 I Ketut Agus W 1 2 3,22 2 3 1 1
105 Retno Saputra 1 2 3,40 1 2 1 1
106 Zilviana 3 1 3,53 1 2 1 1
107 Merlin Lahallo 3 1 3,85 1 2 3 1
108 Sugiana 3 1 3,56 1 2 4 1
42
Lampiran 2. Cross Tabulation Variabel Dependen dengan Variabel Independen
Jenis Kelamin dengan IPK akhir dan ketepatan waktu kelulusan
IPK akhir dan ketepatan waktu kelulusan Total
IPK < 3.50
dan lulus
tidak tepat
waktu
IPK < 3.50
dan lulus
tepat waktu
IPK ≥ 3.50
dan lulus
tidak tepat
waktu
IPK ≥ 3.50
dan lulus
tepat waktu
Jenis
Kela
min
Perem
puan
Count 9 1 16 63
89
Expected
Count
14,009 2,472 17,306 55,213 89,0
% of Total 8,3% 0,9% 14,8% 58,3% 82,4%
Laki-
laki
Count 8 2 5 4 19
Expected
Count
2,991 0,528 3,694 11,787 19,0
% of Total 7,4% 1,9% 4,6% 3,7% 17,6%
Total
Count 17 3 21 67 108
Expected
Count 17,0 3,0 21,0 67,0 108,0
% of Total 15,7% 2,8% 19,4% 62,0% 100,0%
Penerima Beasiswa dengan IPK akhir dan ketepatan waktu kelulusan
IPK akhir dan ketepatan waktu kelulusan Total
IPK < 3,50
dan lulus
tidak tepat
waktu
IPK < 3,50
dan lulus
tepat
waktu
IPK ≥ 3,50
dan lulus
tidak tepat
waktu
IPK ≥
3,50 dan
lulus tepat
waktu
Penerima
Beasiswa
Meneri
ma
Count 10 1 17 60 88
Expected
Count
13,852 2,444 17,111 54,593 88,0
% of Total 9,3% 0,9% 15,7% 55,6% 81,5%
Tidak
meneri
ma
Count 7 2 4 7
20
Expected
Count 3,148 0,556 3,889 12,407 20,0
% of Total 6,5% 1,9% 3,7% 6,5% 18,5%
Total
Count 17 3 21 67 108
Expected
Count 17,0 3,0 21,0 67,0 118,0
% of Total 15,7% 2,8% 19,4% 62,0% 100,0%
43
Jalur Masuk dengan IPK akhir dan ketepatan waktu kelulusan
IPK akhir dan ketepatan waktu kelulusan Total
IPK < 3,50
dan lulus
tidak tepat
waktu
IPK < 3,50
dan lulus
tepat
waktu
IPK ≥ 3,50
dan lulus
tidak tepat
waktu
IPK ≥ 3,50
dan lulus
tepat waktu
Jalur
Masuk
Jalur
reguler
Count 14 3 17 64
98
Expected
Count
15,426 2,722 19,056 60,796 98,0
% of Total 13,0% 2,8% 15,7% 59,3% 90,7%
Jalur
one day
service
Count 3 0 4 3
10
Expected
Count
1,574 0,278 1,944 6,204 10,0
% of Total 2,8% 0,0% 3,7% 2,8% 9,3%
Total
Count 17 3 21 67 108
Expected
Count 17,0 3,0 21,0 67,0 118,0
% of Total 15,7% 2,8% 19,4% 62,0% 100,0%
Daerah Asal dengan IPK akhir dan ketepatan waktu kelulusan
IPK akhir dan ketepatan waktu kelulusan Total
IPK < 3,50
dan lulus
tidak tepat
waktu
IPK < 3,50
dan lulus
tepat waktu
IPK ≥ 3,50
dan lulus
tidak tepat
waktu
IPK ≥ 3,50
dan lulus
tepat waktu
Daerah
Asal
Luwu
Raya
Count 16 3 21 65 105
Expected
Count 16,528 2,917 20,417 65,139 105,0
% of Total 14,8% 2,8% 19,4% 60,2% 97,2%
Luar
Luwu
Raya
Count 1 0 0 2 3
Expected
Count 0,472 0,083 0,583 1,861 3,0
% of Total 0,9% 0,0% 0,0% 1,9% 2,8%
Total
Count 17 3 21 67 108
Expected
Count 17,0 3,0 21,0 67,0 108,0
% of Total 15,7% 2,8% 19,4% 62,0% 100,0%
44
Program Studi dengan IPK akhir dan ketepatan waktu kelulusan
IPK akhir dan ketepatan waktu kelulusan Total
IPK < 3,50
dan lulus
tidak tepat
waktu
IPK <
3,50 dan
lulus tepat
waktu
IPK ≥ 3,50
dan lulus
tidak tepat
waktu
IPK ≥ 3,50
dan lulus
tepat waktu
Program
Studi
Matem
atika
Count 11 1 10 10 32
Expected
Count 5,037 0,889 6,222 19,852 32,0
% of Total 10,2% 0,9% 9,3% 9,3% 29,6%
Biologi
Count 2 0 6 31 39
Expected
Count 6,139 1,083 7,583 24,194 39,0
% of Total 1,9% 0,0% 5,6% 28,7% 36,1%
Fisika
Count 2 0 3 10 15
Expected
Count 2,361 0,417 2,917 9,306 15,0
% of Total 1,9% 0,0% 2,8% 9,3% 13,9%
Kimia
Count 2 2 2 16 22
Expected
Count 3,463 0,611 4,278 13,648 22,0
% of Total 1,9% 1,9% 1,9% 14,8% 20,4%
Total
Count 17 3 21 67 108
Expected
Count 17,0 3,0 21,0 67,0 108,0
% of Total 15,7% 2,8% 19,4% 62,0% 100,0%
45
Lampiran 3. Hasil Uji Independensi Variabel Dependen dengan Variabel
Independen
Jenis Kelamin dengan IPK akhir dan ketepatan waktu kelulusan
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 21,967a 3 ,000
Likelihood Ratio 19,791 3 ,000
Linear-by-Linear Association 19,586 1 ,000
N of Valid Cases 108
a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is
,53.
IPK akhir dengan IPK akhir dan ketepatan waktu kelulusan
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 264,434a 171 ,000
Likelihood Ratio 181,113 171 ,284
Linear-by-Linear Association 70,528 1 ,000
N of Valid Cases 108
a. 232 cells (100,0%) have expected count less than 5. The minimum expected count
is ,03.
Penerima Beasiswa dengan IPK akhir dan ketepatan waktu kelulusan
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 13,289a 3 ,004
Likelihood Ratio 11,331 3 ,010
Linear-by-Linear Association 10,728 1 ,001
N of Valid Cases 108
a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is
,56.
Jalur Masuk dengan IPK akhir dan ketepatan waktu kelulusan Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 5,948a 3 ,114
Likelihood Ratio 5,841 3 ,120
Linear-by-Linear Association 3,036 1 ,081
N of Valid Cases 108
a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is
,28.
Program Studi dengan IPK akhir dan ketepatan waktu kelulusan
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 26,293a 9 ,002
Likelihood Ratio 26,803 9 ,002
Linear-by-Linear Association 6,384 1 ,012
N of Valid Cases 108
a. 8 cells (50,0%) have expected count less than 5. The minimum expected count
is ,42.
46
Daerah Asal dengan IPK akhir dan ketepatan waktu kelulusan
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 1,303a 3 ,728
Likelihood Ratio 1,825 3 ,610
Linear-by-Linear Association ,196 1 ,658
N of Valid Cases 108
a. 5 cells (62,5%) have expected count less than 5. The minimum expected count
is ,08.