IDENTIFIKASI PENURUNAN INDEKS PRESTASI
SEMESTER 2 KE SEMESTER 3 MAHASISWA STATISTIKA
IPB MENGGUNAKAN METODE CHAID
NOVITA ARIANTI
STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Penurunan
Indeks Prestasi Semester 2 ke Semester 3 Mahasiswa Statistika IPB Menggunakan
Metode CHAID adalah benar karya saya dengan arahan dari komisi pembimbing
dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun.
Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun
tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan
dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juni 2014
Novita Arianti
NIM G14100048
ABSTRAK
NOVITA ARIANTI. Identifikasi Penurunan Indeks Prestasi Semester 2 ke
Semester 3 Mahasiswa Statistika IPB Menggunakan Metode CHAID. Dibimbing
oleh I MADE SUMERTAJAYA dan INDAHWATI.
Kenaikan tingkat mahasiswa S1 IPB dari tingkat 1 (Tingkat Persiapan
Bersama) ke tingkat 2 (departemen) identik dengan fenomena proses adaptasi,
berupa adaptasi dengan mata kuliah departemen, dosen, ataupun teman baru.
Menurut data dari Direktorat Administrasi dan Pendidikan (Dit-AP) IPB, rata-rata
penurunan IP dari semester 2 ke semester 3 mahasiswa Departemen Statistika IPB
tahun 2010 sebesar 0.55, tahun 2011 sebesar 0.46, dan tahun 2012 sebesar 0.44.
Data yang digunakan pada penelitian ini adalah data sekunder dari Dit-AP IPB
yang terdiri dari data IP semester 1, 2, dan 3 mahasiswa Departemen Statistika
IPB tahun 2010, 2011, dan 2012. Selain itu peneliti juga menggunakan data
primer yang dikumpulkan melalui survei. Berdasarkan hasil penelitian ini, peubah
penjelas yang berpengaruh terhadap penurunan IP responden yaitu peubah minor,
kelompok belajar semester 3, beasiswa, motivasi, dan pengeluaran per bulan.
Peubah penjelas yang memiliki pengaruh paling kuat dengan penurunan IP
responden adalah minor. Nilai ketepatan klasifikasi responden yang dihasilkan
menggunakan analisis CHAID sebesar 55.1%. Model pohon klasifikasi analisis
CHAID pada penelitian ini lebih bagus untuk menduga penurunan IP dengan
kategori sangat turun dibanding kategori tidak turun maupun turun.
Kata kunci: analisis CHAID, penurunan Indeks Prestasi, pohon klasifikasi
ABSTRACT
NOVITA ARIANTI. Identification of the GPA Decrement from 2nd Semester to
3th Semester of Statistics Student at IPB Using CHAID Method. Advised by I
MADE SUMERTAJAYA and INDAHWATI.
The increment level in bachelor degree at IPB from 1st level (TPB) to 2nd
level is identical to the phenomenon of adaptation processes, such as adaptation to
the department courses, lecturers, or new friends. According to data from
Direktorat Administrasi dan Pendidikan (Dit-AP) IPB, the GPA decrement of
student in Statistics Department at IPB from 2nd semester to 3th semester is 0.55
on 2010, 0.46 on 2011, and 0.44 on 2012. This study used the secondary data
from Dit-AP IPB. This data consists of GPA of 1st, 2nd, and 3rd semester of
student at Statistics Department in 2010, 2011, and 2012. This study also used the
primary data which was collected through survey. The influence variables of the
GPA decrement were minor, study group at 3th semester, scholarship, motivation,
spending per month, and the most influence variable was minor. The accuracy
values of the classification tree generated using CHAID analysis was 55.1%. This
classification tree was better to estimate the GPA decrement in “very decrease”
category than the “decrease” or “undecrease” category.
Keywords: CHAID analysis, classification tree, GPA decrement
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
IDENTIFIKASI PENURUNAN INDEKS PRESTASI
SEMESTER 2 KE SEMESTER 3 MAHASISWA STATISTIKA
IPB MENGGUNAKAN METODE CHAID
NOVITA ARIANTI
STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Identifikasi Penurunan Indeks Prestasi Semester 2 ke Semester 3
Mahasiswa Statistika IPB Menggunakan Metode CHAID
Nama : Novita Arianti
NIM : G14100048
Disetujui oleh
Dr Ir I Made Sumertajaya, MSi
Pembimbing I
Dr Ir Indahwati, MSi
Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi
Ketua Departemen
Tanggal Lulus:
PRAKATA
Segala puji dan syukur penulis panjatkan hanya untuk Allah SWT. Berkat
rahmat dan hidayah-Nya penulis dapat menyelesaikan karya ilmiah ini. Karya
ilmiah yang berjudul Identifikasi Penurunan Indeks Prestasi Semester 2 ke
Semester 3 Mahasiswa Statistika IPB Menggunakan Metode CHAID ini
merupakan salah satu syarat untuk menyelesaikan pendidikan dan memperoleh
gelar Sarjana Statistika di Departemen Statistika Fakultas Matematika dan Ilmu
Pengetahuan Alam Institut Pertanian Bogor.
Selesainya penyusunan karya ilmiah ini tidak terlepas dari peran berbagai
pihak, antara lain:
1. Bapak, Ibu, dek Arfi, dek Reza serta seluruh keluarga yang memberikan cinta,
kasih sayang, pengorbanan, doa, dan semangat kepada penulis.
2. Bapak Dr Ir I Made Sumertajaya, MSi dan Ibu Dr Ir Indahwati, MSi sebagai
dosen pembimbing yang selalu memberikan arahan, saran, dan
pengetahuannya dalam membimbing penulis selama penyusunan karya ilmiah
ini.
3. Bapak Dr Farit Mochamad Afendi, MSi selaku dosen penguji yang telah
memberikan saran dalam penulisan karya ilmiah ini.
4. Seluruh dosen Departemen Statistika IPB atas ilmu yang diberikan selama
penulis belajar di IPB.
5. Seluruh staf Departemen Statistika IPB (Bu Tri, Bu Markonah, Pak Iyan, Pak
Sofyan, Mang Yus, Mang Iqbal) yang telah membantu penulis dalam
kelancaran administrasi
6. Teman-teman statistika IPB angkatan 47 yang telah bersedia membagi ilmu
serta keceriaan kepada penulis.
7. Teman-teman satu kelompok belajar yaitu Doni Saun, April, Ardian, Najih,
Fahmy, Ntuz, Frisca yang telah membagi ilmunya selama penulis kuliah di
Departemen Statistika.
8. Kelompok 8 mata kuliah Analisis Perancangan Survei.
9. Sahabat yang selama ini selalu mendukung dan memberi semangat yaitu
Yessy Meivitasari dan teman-teman satu kost di Wisma Eky.
Demikian karya ilmiah ini penulis susun, semoga memberikan manfaat
kepada penulis dan pembaca. Penulis mohon maaf atas segala kekurangan dan
kesalahan yang ada di dalam karya ilmiah ini.
Bogor, Juni 2014
Novita Arianti
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 1
METODE 2
Data dan Metode Penarikan Contoh 2
Metode Analisis 2
HASIL DAN PEMBAHASAN 4
Deskripsi Karakteristik Responden 4
Realisasi Pelaksanaan Survei 6
Eksplorasi Data 6
Klasifikasi Peubah Menggunakan Analisis CHAID 9
SIMPULAN DAN SARAN 15
Simpulan 15
Saran 15
DAFTAR PUSTAKA 15
LAMPIRAN 16
RIWAYAT HIDUP 24
DAFTAR TABEL
1 Pengkategorian peubah respon beserta batasan-batasan nilainya 6 2 Nilai-p uji kebebasan khi-kuadrat antara penurunan IP dengan masing-
masing peubah penjelas 10 3 Peubah penjelas yang masuk dalam diagram pohon analisis CHAID 10 4 Nilai uji khi-kuadrat dan nilai-p pada peubah penjelas dalam diagram
pohon klasifikasi analisis CHAID 11 5 Penggabungan kategori pada peubah pengeluaran per bulan 11 6 Ketepatan klasifikasi analisis CHAID 14
DAFTAR GAMBAR
1 Sebaran persentase responden berdasarkan peubah jenis kelamin, minor,
asal daerah, status asal sekolah, beasiswa, jalur masuk, dan pengeluaran
per bulan responden 4 2 Sebaran IP responden pada semester 1, 2, dan 3 5 3 Persentase penurunan IP responden 6 4 Grafik persentase penurunan IP responden berdasarkan tahun masuk 7 5 Grafik persentase penurunan IP responden berdasarkan jenis kelamin,
minor, asal daerah, status asal sekolah, beasiswa, pengeluaran per bulan,
dan motivasi 8 6 Grafik persentase penurunan IP responden berdasarkan jalur masuk,
jumlah SKS, kepadatan jam perkuliahan, kesulitan mata kuliah
semester 3, dan kelompok belajar semester 3 8 7 Diagram pohon klasifikasi analisis CHAID 12
DAFTAR LAMPIRAN
1 Kuesioner penelitian 16 2 Pengkategorian peubah 19
3 Deskripsi karakteristik responden berdasarkan peubah penjelasnya 20 4 Diagram hubungan antara penurunan IP responden dengan peubah
penjelas 22
5 Ringkasan analisis CHAID penurunan IP responden 23
PENDAHULUAN
Latar Belakang
Indeks Prestasi (IP) adalah ukuran prestasi akademik mahasiswa yang
dihitung di setiap akhir semester. Indeks Prestasi Kumulatif (IPK) adalah ukuran
prestasi di bidang akademik berdasarkan jumlah SKS (Satuan Kredit Semester)
yang telah ditempuh oleh seorang mahasiswa. Perubahan IP di setiap semester
akan mengakibatkan perubahan IPK juga. IPK berfungsi sebagai syarat status
kelanjutan studi seorang mahasiswa, syarat mendapatkan beasiswa, dan syarat
untuk persaingan dalam mendapatkan pekerjaan. Syarat status kelanjutan studi
mahasiswa harus memenuhi kriteria yang telah ditetapkan oleh institusi masing-
masing. Jika IPK mahasiswa kurang dari kriteria yang telah ditentukan, maka
mahasiswa tersebut akan dikeluarkan dari institusi yang bersangkutan. Beberapa
beasiswa menentukan kriteria minimal IPK yang harus dimiliki oleh calon
penerima beasiswa sehingga IPK sangat penting digunakan oleh mahasiswa untuk
mendaftar beasiswa tersebut.
Kenaikan tingkat mahasiswa S1 IPB dari tingkat 1 (Tingkat Persiapan
Bersama) ke tingkat 2 (departemen) identik dengan fenomena proses adaptasi,
berupa adaptasi dengan mata kuliah departemen, dosen, ataupun teman baru.
Fenomena yang sering diperbincangkan oleh mahasiswa statistika IPB adalah
mengenai penurunan IP dari semester 2 ke semester 3. Menurut data dari
Direktorat Administrasi dan Pendidikan (Dit-AP) IPB, rata-rata penurunan IP dari
semester 2 ke semester 3 mahasiswa statistika IPB tahun 2010 sebesar 0.55, tahun
2011 sebesar 0.46, dan tahun 2012 sebesar 0.44.
Salah satu analisis statistika yang dapat digunakan untuk melihat
karakteristik mahasiswa statistika IPB yang mengalami penurunan IP adalah
menggunakan metode CHAID (Chi-Square Automatic Interaction Detection).
Metode CHAID pada dasarnya merupakan salah satu teknik nonparametrik yang
bersifat mengklasifikasikan populasi yang diamati ke dalam beberapa kelompok
berdasarkan peubah-peubah penjelas yang berpengaruh (Gallagher et al. 2000).
Rokach dan Maimon (2008) menjelaskan bahwa prinsip dari metode CHAID
adalah dengan sistem pohon klasifikasi (classification trees).
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Mengetahui faktor-faktor yang mempengaruhi penurunan IP mahasiswa
statistika IPB dari semester 2 ke semester 3.
2. Mengklasifikasikan karakteristik mahasiswa statistika IPB yang mengalami
penurunan IP menggunakan metode CHAID.
2
METODE
Data dan Metode Penarikan Contoh
Data yang digunakan adalah data sekunder dari Direktorat Administrasi dan
Pendidikan Institut Pertanian Bogor. Data tersebut terdiri dari data IP semester 1,
2, dan 3 mahasiswa statistika IPB tahun 2010, 2011, dan 2012. Selain itu peneliti
juga menggunakan data primer yang dikumpulkan melalui survei.
Peneliti melakukan survei terhadap mahasiswa aktif statistika IPB tahun
2010, 2011, dan 2012 yang berjumlah 247 responden. Instrumen yang digunakan
untuk melakukan survei adalah kuesioner. Kuesioner yang digunakan oleh peneliti
dapat dilihat pada Lampiran 1. Pertanyaan dalam kuesioner terdiri dari 9
pertanyaan mengenai karakteristik responden dan 19 pertanyaan mengenai
motivasi diri, kondisi perkuliahan, pola belajar, dan kegiatan organisasi responden.
Peubah yang digunakan pada penelitian ini terdiri dari satu peubah respon dan 22
peubah penjelas. Peubah respon yang digunakan yaitu penurunan IP dari semester
2 ke semester 3. Peubah penjelas yang digunakan dapat dilihat pada Lampiran 2.
Metode Analisis
Tahapan analisis yang dilakukan pada penelitian ini adalah sebagai berikut:
1. Melakukan eksplorasi data dan melakukan analisis deskriptif peubah respon
dengan peubah-peubah penjelas.
2. Melakukan analisis menggunakan metode CHAID, yaitu metode yang
digunakan untuk melakukan segmentasi terhadap populasi ke dalam sub
kelompok yang homogen. Tiga tahapan pada metode CHAID menurut Kass
(1980) adalah:
I. Penggabungan, yaitu tahapan pemeriksaan nilai khi-kuadrat peubah respon
terhadap masing-masing peubah penjelas.
a. Membuat tabulasi silang masing-masing kategori peubah penjelas dan
peubah respon.
b. Mencari pasangan kategori dari peubah penjelas dengan sub-tabel
kontingensi 2xd (d adalah banyaknya kategori peubah respon) yang
behubungan nyata.
c. Menghitung nilai statistik uji khi-kuadrat (𝜒2) setiap pasangan kategori
menurut Agresti (1990) dengan rumus:
𝜒2hitung = (nij − Eij )
2
Eij
c
j=1
r
i=1
dengan,
Eij =n i .n.j
n , i = 1,…,r dan j = 1,…,c
Eij : nilai harapan pengamatan pada baris ke-i dan kolom ke-j
nij : banyaknya pengamatan pada baris ke-i dan kolom ke-j
ni. : total banyaknya pengamatan pada baris ke-i
n.j : total banyaknya pengamatan pada kolom ke-j
n : total banyaknya pengamatan
3
Hipotesis pada uji khi-kuadrat adalah sebagai berikut:
H0 : peubah respon dan peubah penjelas saling bebas
H1 : peubah respon dan peubah penjelas tidak saling bebas.
Keputusan yang diambil pada uji khi-kuadrat ini adalah tolak H0 jika
nilai 𝜒2 hitung > 𝜒2 𝛼 ; 𝑟−1 𝑐−1 .
d. Menghitung nilai-p untuk setiap nilai khi-kuadrat berpasangan. Jika
ada pasangan kategori yang tidak berhubungan nyata yaitu 𝜒2 hitung
< 𝜒2 𝛼 ; 𝑟−1 𝑐−1 maka pasangan kategori yang paling mirip
digabungkan ke dalam satu kategori baru, yaitu pasangan dengan nilai
khi-kuadrat pasangan terkecil dan nilai-p terbesar.
e. Memeriksa kembali nilai khi-kuadrat kategori baru setelah digabung
dengan kategori lainnya dalam peubah penjelas. Jika terdapat pasangan
yang belum berhubungan nyata maka kembali ke langkah sebelumnya
sampai semua peubah penjelas berhubungan nyata.
II. Pemisahan, yaitu tahapan memilih peubah yang digunakan sebagai
pemisah simpul terbaik dengan membandingkan nilai-p pada tahap
penggabungan untuk setiap peubah penjelas.
a. Memilih peubah penjelas yang memiliki nilai-p terkecil yang akan
digunakan sebagai pemisah simpul.
b. Jika tidak ada peubah penjelas dengan nilai-p yang signifikan yaitu
nilai-p ≤ α, maka tidak ada pemisahan.
III. Penghentian, yaitu jika terdapat hal-hal seperti berikut:
a. Sudah tidak ada hubungan yang nyata antara peubah penjelas dan
peubah respon.
b. Nilai pengamatan pada simpul anak mencapai nilai minimum.
3. Jika terdapat penggabungan pada peubah penjelas, maka dilakukan koreksi
Bonferroni (Ritschard 2010). Terdapat tiga tipe pengali Bonferroni untuk
masing-masing peubah penjelas yang dibedakan sesuai dengan tipe dan skala
pengukuran peubahnya, yaitu:
a. Peubah asal berskala nominal menggunakan pengali Bonferroni tipe bebas,
yaitu:
𝐵 = (−1)𝑖𝑟−1
𝑖=0
(𝑟 − 𝑖)𝑐
𝑖! 𝑟 − 𝑖 !
b. Peubah asal berskala ordinal menggunakan pengali Bonferroni tipe
monotonik, yaitu:
𝐵 = (𝑟−1𝑐−1)
c. Peubah asal berskala ordinal namun terdapat kategori yang belum dapat
ditentukan urutannya dalam peubah tersebut menggunakan pengali
Bonferroni tipe mengambang, yaitu:
𝐵 = (𝑟−2𝑐−2) + 𝑟 (𝑟−1
𝑐−2)
dengan,
B : pengali Bonferroni
c : banyaknya kategori asal
r : banyaknya kategori baru
i : kategori baru ke-i.
4
HASIL DAN PEMBAHASAN
Deskripsi Karakteristik Responden
Sebaran persentase karakteristik responden disajikan pada Gambar 1.
Responden terpilih terdiri dari 68% berjenis kelamin perempuan dan 32% berjenis
kelamin laki-laki dari total sebanyak 247 responden. Persentase responden yang
mengambil minor pada semester 3 sebesar 85%. Perbandingan jumlah responden
yang berasal dari Jabodetabek dan luar Jabodetabek hampir sama serta mayoritas
status asal sekolahnya adalah negeri. Persentase responden yang mendapatkan
beasiswa di semester 3 mencapai 64% dan sebesar 71% didominasi oleh
responden yang pada saat masuk IPB melalui jalur USMI/SNMPTN Undangan.
Sebagian besar pengeluaran per bulan responden antara lima ratus ribu sampai
satu juta rupiah. Sebaran persentase karakteristik responden lainnya dapat dilihat
pada Lampiran 3.
Gambar 1 Sebaran persentase responden berdasarkan peubah jenis kelamin,
minor, asal daerah, status asal sekolah, beasiswa, jalur masuk, dan
pengeluaran per bulan responden
Perem
puan
68%
Laki-
laki
32%
JENIS KELAMIN
Tidak
ada
15%
Ada
minor
85%
MINOR
Jabode
tabek
44%Luar
Jabode
tabek
56%
ASAL DAERAH
Swasta
6%
Negeri
94%
STATUS ASAL SEKOLAH
Mene
rima
beasiswa
64%
Tidak
mene
rima36%
BEASISWA
USMI/
SNMP
TN
UNDA
NGAN
71%UTM
7%
BUD
6%
SNMP
TN
TERTU
LIS
15%
PIN
1%
JALUR MASUK
<500ribu
4%
500ribu
-1juta
72%
>1juta
24%
PENGELUARAN
5
Gambar 2 Sebaran IP responden pada semester 1, 2, dan 3
Sebaran IP semester 1, 2, dan 3 responden dapat dilihat pada Gambar 2.
Perbandingan IP semester 1 dan 2 setiap responden relatif homogen dan ragamnya
tidak terlalu besar. Hal ini terjadi karena mata kuliah pada semester 1 dan 2
hampir sama dengan mata pelajaran SMA. Sedangkan perbandingan IP semester 2
dan 3 setiap responden mengalami penurunan yang cukup besar. Jika
dibandingkan dengan IP pada semester 1 dan 2, penurunan IP responden pada
semester 3 mempunyai ragam yang cukup besar sehingga penurunan IP yang
digunakan yaitu dari semester 2 ke semester 3.
Rata-rata penurunan IP dari semester 2 ke semester 3 mahasiswa statistika
IPB angkatan 2010, 2011, dan 2012 sebesar -0.48 dengan simpangan baku sebesar
0.36. Pengkategorian penurunan IP dari semester 2 ke semester 3 responden
dibagi menjadi tiga, yaitu tidak turun, turun, dan sangat turun. Batasan-batasan
nilai setiap kategori peubah respon pada penelitian ini dapat dilihat pada Tabel 1.
Selisih IP yang digunakan yaitu IP semester 3 dikurangi IP semester 2.
Pertimbangan yang digunakan untuk batasan nilai penurunan IP pada kategori
tidak turun yaitu selisih IP bernilai positif atau nilainya lebih dari -0.12. Nilai -
0.12 tersebut diambil dari nilai tengah penurunan IP responden ditambah dengan
satu simpangan bakunya. Nilai penurunan IP untuk kategori turun menggunakan
batas antara nilai tengah penurunan IP yaitu -0.48 sampai dengan batas bawah
kategori tidak turun yaitu -0.12. IP responden dikatakan sangat turun jika selisih
IP semester 3 dan semester 2 bernilai kurang dari -0.48.
1.00
2.00
3.00
4.00
1 21 41 61 81 101 121 141 161 181 201 221 241
Ind
ek
s P
rest
asi
Sebaran IP responden pada semester 1 dan 2
IP SMT1
IP SMT2
1.00
1.50
2.00
2.50
3.00
3.50
4.00
1 21 41 61 81 101 121 141 161 181 201 221 241
Ind
ek
s P
rest
asi
Sebaran IP responden pada semester 1, 2, dan 3
IP SMT1
IP SMT2
IP SMT3
6
Tabel 1 Pengkategorian peubah respon beserta batasan-batasan nilainya
Definisi Kategori
Tidak turun Selisih IP > -0.12
Turun -0.48 ≤ Selisih IP ≤ -0.12
Sangat turun Selisih IP < -0.48
Realisasi Pelaksanaan Survei
Survei terhadap 247 responden mahasiswa statistika IPB dilaksanakan oleh
peneliti di masing-masing kelas setiap angkatan. Metode pengisian kuesioner
yang digunakan yaitu peneliti memandu dan menjelaskan setiap butir pertanyaan
kepada responden. Kendala yang dihadapi oleh peneliti yaitu berkaitan dengan
jumlah target responden. Target responden yang belum lengkap tersebut adalah
mahasiswa statistika IPB yang sudah bekerja, pulang ke daerah asal, dan sakit.
Cara yang digunakan oleh peneliti untuk mengatasi kendala tersebut adalah
menghubungi target responden yang dituju untuk mengisi kuesioner melalui
email. Kendala lain yang dihadapi oleh peneliti yaitu ketidaklengkapan jawaban
pada kuesioner. Untuk mengatasi kendala tersebut, peneliti menghubungi
responden lagi untuk melengkapi jawaban sesuai dengan tujuan yang diinginkan.
Tahap selanjutnya yaitu melakukan entri data setelah semua jawaban lengkap
sesuai pertanyaan yang ada dalam kuesioner. Proses pelaksanaan survei sampai
dengan tahap entri data dilaksanakan selama bulan Maret 2014.
Eksplorasi Data
Berdasarkan data hasil survei terhadap 247 responden mahasiswa statistika
IPB, diketahui bahwa responden yang tidak mengalami penurunan IP sebanyak 39
orang (16%), mengalami penurunan IP dengan kategori turun sebanyak 85 orang
(34%), dan mengalami penurunan IP dengan kategori sangat turun sebanyak 123
orang (50%) seperti terlihat pada Gambar 3.
Gambar 3 Persentase penurunan IP responden
Tidak
turun
16%
Turun
34%
Sangat
turun
50%
PENURUNAN IP
7
Gambar 4 Grafik persentase penurunan IP responden berdasarkan tahun masuk
Berdasarkan Gambar 4 dapat diketahui bahwa persentase responden yang
mengalami penurunan IP dengan kategori sangat turun pada angkatan 2010 lebih
besar dibandingkan angkatan 2011 dan 2012. Rata-rata penurunan IP selama tiga
tahun terakhir mengalami penurunan yang ditunjukkan dengan berkurangnya
persentase penurunan IP dengan kategori sangat turun pada setiap angkatan,
meskipun persentase tertinggi untuk responden yang tidak mengalami penurunan
IP juga terdapat pada responden angkatan 2010. Hal ini disebabkan oleh sistem
penilaian IPB yang mengalami perubahan. Sistem awal penilaian yang digunakan
oleh IPB yaitu menggunakan huruf mutu A, B, C, D, E sedangkan sistem baru
menggunakan A, AB, B, BC, D, E. Sistem baru ini dapat meningkatkan nilai
mahasiswa yang mendekati batas atas huruf mutu.
Gambar 5 menunjukkan bahwa persentase responden yang berjenis kelamin
perempuan mengalami penurunan IP dari semester 2 ke semester 3 lebih banyak
dibandingkan responden yang berjenis kelamin laki-laki. Perbandingan responden
yang tidak mengalami penurunan IP untuk responden yang mempunyai minor
hampir sama dengan responden yang tidak mempunyai minor. Jika dilihat dari
asal daerah, persentase responden yang mengalami penurunan IP dengan kategori
sangat turun untuk responden dari Jabodetabek hampir sama dengan responden
dari luar Jabodetabek. Responden yang berasal dari Jabodetabek lebih banyak
yang tidak mengalami penurunan IP dibanding responden dari luar Jabodetabek.
Berdasarkan peubah status asal sekolah, responden yang berasal dari sekolah
negeri lebih banyak yang tidak mengalami penurunan IP dibanding yang berasal
dari sekolah swasta. Persentase responden yang tidak mengalami penurunan IP
hampir sama untuk responden yang menerima beasiswa maupun yang tidak
menerima beasiswa. Seluruh responden yang pengeluaran per bulannya di bawah
lima ratus ribu rupiah mengalami penurunan IP baik kategori turun maupun sangat
turun. Jika dilihat dari peubah motivasi pada saat mendaftar statistika, persentase
tertinggi responden yang tidak mengalami penurunan IP yaitu responden yang
motivasi memilih statistika disarankan oleh orang lain/pihak luar. Orang
lain/pihak luar yang dimaksud adalah meliputi guru, teman, atau orang lain selain
keluarga.
0%
20%
40%
60%
80%
100%
2010 2011 2012
Persentase penurunan IP responden berdasarkan tahun masuk
Sangat turun
Turun
Tidak turun
8
Gambar 5 Grafik persentase penurunan IP responden berdasarkan jenis kelamin,
minor, asal daerah, status asal sekolah, beasiswa, pengeluaran per
bulan, dan motivasi
Gambar 6 Grafik persentase penurunan IP responden berdasarkan jalur masuk,
jumlah SKS, kepadatan jam perkuliahan, kesulitan mata kuliah
semester 3, dan kelompok belajar semester 3
0%
20%
40%
60%
80%
100%P
erem
puan
Lak
i-L
aki
Tid
ak a
da
Ada
Jabo
det
abek
Luar
Jab
odet
abek
Sw
asta
Neg
eri
Men
erim
a bea
sisw
a
Tid
ak m
ener
ima
bea
sisw
a
<500000
500000-1
000000
>1000000
Dir
i se
ndir
i
Kel
uar
ga
Ora
ng lai
n/p
ihak
luar
JENIS
KELAMIN
MINOR ASAL
DAERAH
ASAL
SEKOLAH
BEASISWA PENGELUARAN MOTIVASI
Persentase penurunan IP responden berdasarkan jenis kelamin, minor, asal
daerah, status asal sekolah, beasiswa, pengeluaran per bulan, dan motivasi
Sangat turun
Turun
Tidak turun
0%
20%
40%
60%
80%
100%
US
MI/
SN
MP
TN
UN
DA
NG
AN
UT
M
BU
D
SN
MP
TN
TE
RT
UL
IS
PIN
Leb
ih s
edik
it
Sam
a sa
ja
Leb
ih b
anyak
Leb
ih l
onggar
Sam
a sa
ja
Leb
ih p
adat
Leb
ih m
ud
ah
Sam
a sa
ja
Leb
ih s
uli
t
Ya
Tid
ak
JALUR MASUK JML SKS KEPADATAN KESULITAN KLP
SMT3
Persentase penurunan IP responden berdasarkan jalur masuk, jumlah
SKS, kepadatan jam perkuliahan, kesulitan mata kuliah semester 3, dan
kelompok belajar semester 3
Sangat turun
Turun
Tidak turun
9
Gambar 6 menunjukkan bahwa responden yang berasal dari jalur masuk
PIN tidak mengalami penurunan IP karena responden tersebut memiliki prestasi
tertentu di SMA dan diterima di IPB tanpa melalui tes atau seleksi apapun. Jika
dilihat dari jumlah SKS yang diambil pada semester 3, ternyata persentase terkecil
responden yang mengalami penurunan IP dengan kategori sangat turun dicirikan
oleh responden yang mengambil jumlah SKS semester 3 lebih sedikit dibanding
jumlah SKS semester 2. Semakin padat jam perkuliahan di semester 3 dibanding
semester 2, maka persentase responden yang mengalami penurunan IP dengan
kategori sangat turun juga semakin besar. Persentase tertinggi responden yang
mengalami penurunan IP dengan kategori sangat turun terjadi pada responden
yang menyatakan bahwa secara umum mata kuliah semester 3 lebih sulit
dibanding mata kuliah semester 2. Hal ini terjadi karena sebanyak 94% responden
menyatakan bahwa secara umum mata kuliah semester 3 lebih sulit dibanding
mata kuliah semester 2. Persentase responden yang tidak mengalami penurunan IP
lebih besar untuk responden yang mempunyai kelompok belajar di semester 3
dibanding responden yang tidak mempunyai kelompok belajar di semester 3. Hal
ini berarti bahwa kelompok belajar semester 3 mempunyai peran yang penting
untuk responden. Persentase penurunan IP responden untuk peubah penjelas
lainnya dapat dilihat pada Lampiran 4.
Klasifikasi Peubah Menggunakan Analisis CHAID
Analisis khi-kuadrat secara parsial dilakukan untuk melihat kebebasan
antara peubah respon dengan masing-masing peubah penjelas. Uji kebebasan khi-
kuadrat ini dilakukan pada taraf nyata 10%. Tabel 2 menunjukkan bahwa minor,
status asal sekolah, jumlah SKS, tingkat kesulitan mata kuliah, dan kelompok
belajar semester 3 mempunyai nilai-p kurang dari taraf nyata 0.10 yang berarti
bahwa kelima peubah tersebut mempunyai hubungan terhadap peubah penurunan
IP responden. Responden yang tidak mempunyai minor akan mempunyai peluang
lebih besar untuk mengalami penurunan IP dengan kategori sangat turun
dibandingkan dengan responden yang mempunyai minor pada semester 3.
Responden yang berasal dari sekolah swasta lebih banyak yang mengalami
penurunan IP dibandingkan responden yang berasal dari sekolah negeri baik
kategori turun maupun sangat turun. Jika jumlah SKS yang diambil di semester 3
lebih sedikit dibandingkan semester 2, maka peluang responden untuk mengalami
penurunan IP dengan kategori sangat turun akan lebih kecil. Jika tingkat kesulitan
mata kuliah secara umum di semester 3 lebih sulit dibanding semester 2, maka
persentase responden yang mengalami penurunan IP dengan kategori sangat turun
juga semakin besar. Responden yang mempunyai kelompok belajar di semester 3
akan mempunyai peluang lebih besar untuk tidak mengalami penurunan IP
dibanding responden yang tidak mempunyai kelompok belajar di semester 3.
10
Tabel 2 Nilai-p uji kebebasan khi-kuadrat antara penurunan IP dengan masing-
masing peubah penjelas
Kategori nilai-p Kategori nilai-p
Jenis kelamin 0.220 Kepadatan jam
perkuliahan
0.127
Minor 0.002 Intensitas tugas 0.300
Asal daerah 0.801 Tingkat kesulitan mata
kuliah 0.013
Status asal sekolah 0.054 Frekuensi belajar
sendiri
0.572
Beasiswa 0.831 Rata-rata jam belajar
sendiri per minggu
0.947
Jalur masuk IPB 0.134 Kelompok belajar
semester 2
0.352
Pengeluaran per bulan 0.241 Kelompok belajar
semester 3 0.017
Pilihan mendaftar
statistika
0.822 Jumlah literatur/buku 0.489
Motivasi diri 0.118 Intensitas pemakaian
media sosial
0.449
Jumlah SKS 0.062 Keikutsertaan
organisasi semester 2
0.481
Jumlah mata kuliah 0.901 Keikutsertaan
organisasi semester 3
0.666
Tabel 3 Peubah penjelas yang masuk dalam diagram pohon analisis CHAID
Kedalaman Peubah penjelas
1 Minor
2 Kelompok belajar semester 3,
beasiswa
3 Motivasi, pengeluaran per bulan
Analisis CHAID dilakukan pada 22 peubah penjelas dengan α=0.10 untuk
penggabungan dan pemisahan. Metode penghentian pohon yang digunakan yaitu
minimum amatan di simpul induk sebanyak 30 amatan dan di simpul anak
sebanyak 15 amatan. Kedalaman pohon klasifikasi pada analisis penurunan IP
responden terhenti pada kedalaman 3. Diagram pohon klasifikasi analisis CHAID
penurunan IP responden yang terbentuk pada Gambar 7 memiliki 11 simpul yang
terdiri dari 5 simpul dalam dan 6 simpul akhir sehingga diagram pohon klasifikasi
analisis CHAID menghasilkan 6 klasifikasi. Peubah penjelas yang masuk dalam
diagram pohon klasifikasi analisis CHAID yaitu minor, kelompok belajar
semester 3, beasiswa, motivasi, dan pengeluaran per bulan yang dapat dilihat pada
Tabel 3. Nilai-p dan nilai uji khi-kuadrat dari masing-masing peubah penjelas
yang mempunyai hubungan dengan penurunan IP responden yang sesuai dengan
diagram pohon klasifikasi analisis CHAID terdapat pada Tabel 4. Jika dilakukan
pengambilan keputusan berdasarkan nilai-p pada taraf nyata 10% maka kelima
11
peubah penjelas tersebut mempunyai hubungan dengan penurunan IP responden
karena kelima nilai-p peubah penjelas tersebut kurang dari taraf nyata sebesar
0.10.
Tabel 4 Nilai uji khi-kuadrat dan nilai-p pada peubah penjelas dalam diagram
pohon klasifikasi analisis CHAID
Peubah Nilai uji khi-kuadrat Nilai-p
Minor 12.121 0.002
Kelompok belajar semester 3 6.978 0.031
Beasiswa 6.360 0.042
Motivasi 13.417 0.004
Pengeluaran per bulan 10.829 0.013
Tahap pertama dalam analisis CHAID adalah tahap penggabungan. Pada
penelitian ini, peubah motivasi dibagi menjadi tiga kategori, yaitu diri sendiri,
keluarga, dan orang lain/pihak luar. Setelah melalui analisis CHAID, peubah
tersebut diringkas menjadi 2 kategori. Kategori diri sendiri dan keluarga digabung
menjadi satu kategori baru. Hal ini berarti bahwa kategori diri sendiri dan
keluarga memenuhi syarat kesignifikanan khi-kuadrat untuk bisa digabung
menjadi satu kategori tunggal. Penggabungan kategori pada peubah penjelas juga
terjadi pada peubah pengeluaran per bulan. Pada penelitian ini, peubah
pengeluaran per bulan dibagi menjadi 3 kategori. Peubah ini diringkas menjadi 2
kategori setelah dilakukan analisis CHAID yang terdapat pada diagram pohon
kedalaman ketiga. Ringkasan penggabungan kategori pada peubah pengeluaran
per bulan dapat dilihat pada Tabel 5.
Tabel 5 Penggabungan kategori pada peubah pengeluaran per bulan
Sebelum analisis CHAID Setelah analisis CHAID
1. Pengeluaran < 500000
2. 500000 ≤ Pengeluaran ≤
1000000
3. Pengeluaran > 1000000
1. Pengeluaran < 500000 digabung
dengan 500000 ≤ Pengeluaran ≤
1000000
2. Pengeluaran > 1000000
Peubah minor merupakan peubah pertama yang terpilih untuk memisahkan
responden menjadi dua klasifikasi yaitu responden yang mempunyai minor dan
tidak mempunyai minor sehingga peubah minor merupakan peubah yang
memiliki pengaruh paling kuat terhadap penurunan IP responden. Pohon
klasifikasi analisis CHAID menunjukkan bahwa responden yang mempunyai
minor maupun yang tidak mempunyai minor pada semester 3 sebagian besar
mengalami penurunan IP dengan kategori sangat turun. Responden yang
mempunyai minor lebih banyak yang memiliki IP TPB lebih dari 3.50 sedangkan
responden yang tidak mempunyai minor lebih banyak yang memiliki IP TPB
3.00-3.50. Sebanyak 2 responden mengambil 24 SKS di semester 3 yang terdiri
dari 1 responden yang tidak mempunyai minor dan memiliki IP TPB 2.00-2.50
serta 1 responden yang mempunyai minor dan memiliki IP TPB 2.50-3.00. Pada
pembahasan ini muncul dugaan bahwa responden tersebut mengulang salah satu
mata kuliah TPB dan diambil lagi di semester 3. Sebagian besar responden yang
12
mempunyai minor maupun yang tidak mempunyai minor jarang menggunakan
dan membaca buku teks/diktat namun sering menggunakan slide kuliah dan
catatan kuliah sebagai media belajar pada semester 3. Responden yang tidak
mempunyai minor tidak ada yang menyatakan bahwa mata kuliah semester 3 lebih
mudah dibandingkan mata kuliah semester 2.
Gambar 7 Diagram pohon klasifikasi analisis CHAID
Klasifikasi pertama responden yang dipisahkan oleh peubah minor yaitu
responden yang tidak mempunyai minor terdiri dari 36 responden dengan rincian
5 tidak mengalami penurunan IP, 4 mengalami penurunan IP kategori turun, dan
27 mengalami penurunan IP kategori sangat turun. Klasifikasi kedua yaitu
responden yang mempunyai minor terdiri dari 211 responden dengan rincian 34
tidak mengalami penurunan IP, 81 mengalami penurunan IP kategori turun, dan
13
96 mengalami penurunan IP kategori sangat turun. Pohon klasifikasi analisis
CHAID menunjukkan bahwa responden yang mempunyai minor maupun yang
tidak mempunyai minor pada semester 3 sebagian besar mengalami penurunan IP
dengan kategori sangat turun. Perbandingan persentase responden yang
mengalami penurunan IP dengan kategori sangat turun untuk responden yang
tidak mempunyai minor lebih besar dibandingkan responden yang mempunyai
minor yaitu sebesar 75.0% sedangkan yang mempunyai minor sebesar 45.5%.
Klasifikasi responden yang tidak mempunyai minor pada semester 3
dipisahkan oleh peubah beasiswa menjadi dua klasifikasi. Klasifikasi pertama
terdapat pada simpul 5 yaitu responden dengan persentase sebesar 8.1% (n=20)
memiliki ciri-ciri tidak mempunyai minor dan menerima beasiswa pada semester
3 akan mempunyai peluang sebesar 80.0% mengalami penurunan IP dengan
kategori sangat turun dan mempunyai peluang sebesar 20.0% untuk tidak
mengalami penurunan IP. Klasifikasi kedua terdapat pada simpul 6 yaitu
responden dengan persentase sebesar 6.5% (n=16) memiliki ciri-ciri tidak
mempunyai minor dan tidak menerima beasiswa pada semester 3 akan
mempunyai peluang sebesar 68.8% mengalami penurunan IP kategori sangat
turun dan mempunyai peluang hanya sebesar 6.2% untuk tidak mengalami
penurunan IP. Responden yang menerima beasiswa maupun tidak menerima
beasiswa sebagian besar mengalami penurunan IP dengan kategori sangat turun,
namun berbeda pada persentase responden yang tidak mengalami penurunan IP.
Klasifikasi responden yang tidak mempunyai minor untuk responden yang
menerima beasiswa mempunyai persentase lebih besar mengalami penurunan IP
kategori sangat turun dibandingkan responden yang tidak menerima beasiswa. Hal
ini terjadi karena responden yang menerima beasiswa, persentase pengeluaran per
bulan kurang dari lima ratus ribu rupiah lebih besar yaitu sebesar 6.4%
dibandingkan yang tidak menerima beasiswa sebesar 1.1%. Pada kasus ini muncul
adanya dugaan lagi bahwa ada pengaruh masalah ekonomi pada responden.
Klasifikasi responden yang mempunyai minor pada semester 3 dibagi
menjadi dua klasifikasi berdasarkan keberadaan kelompok belajar semester 3.
Klasifikasi pertama terdapat pada simpul 3 mempunyai peluang responden
mengalami penurunan IP kategori sangat turun lebih kecil sebesar 37.2%
dibandingkan klasifikasi kedua yang terdapat pada simpul 4 yaitu sebesar 55.1%.
Hal ini ditunjukkan pada responden yang mempunyai minor bahwa persentase
responden yang mempunyai kelompok belajar di semester 3 lebih besar
dibandingkan yang tidak mempunyai kelompok belajar di semester 3. Responden
yang mempunyai kelompok belajar di semester 3 akan mempunyai peluang lebih
kecil untuk mengalami penurunan IP kategori sangat turun dibanding responden
yang tidak mempunyai kelompok belajar di semester 3.
Klasifikasi responden yang mempunyai minor dan kelompok belajar
semester 3 berikutnya dipisahkan berdasarkan motivasi memilih statistika pada
saat mengikuti seleksi masuk IPB. Klasifikasi pada simpul 7 dengan persentase
responden sebesar 34.8% (n=86) memiliki ciri-ciri responden yang mempunyai
minor, mempunyai kelompok belajar di semester 3, dan motivasi memilih
statistika pada saat mengikuti seleksi masuk IPB adalah keluarga atau diri sendiri.
Karakteristik responden pada simpul 7 akan mempunyai peluang sebesar 36.0%
mengalami penurunan IP kategori sangat turun dan peluang untuk tidak
mengalami penurunan IP sangat kecil yaitu sebesar 12.8%. Klasifikasi yang
14
terdapat pada simpul 8 dengan persentase responden sebesar 10.9% (n=27)
memiliki ciri-ciri responden yang mempunyai minor, mempunyai kelompok
belajar di semester 3, dan motivasi memilih statistika pada saat mengikuti seleksi
masuk IPB adalah orang lain/pihak luar yang mencakup guru dan teman.
Karakteristik responden pada simpul ini akan mempunyai peluang yang sama
besar untuk tidak mengalami penurunan IP maupun mengalami penurunan IP
kategori sangat turun yaitu sebesar 40.7%.
Terakhir adalah klasifikasi responden yang mempunyai minor dan tidak
mempunyai kelompok belajar semester 3 dipisahkan berdasarkan pengeluaran per
bulan. Klasifikasi yang terdapat pada simpul 9 dengan persentase responden
sebesar 8.9% (n=22) memiliki ciri-ciri responden yang mempunyai minor, tidak
memiliki kelompok belajar di semester 3, dan pengeluaran per bulan di atas satu
juta rupiah. Karakteristik responden pada simpul 9 akan mempunyai peluang
sebesar 50.0% mengalami penurunan IP dengan kategori sangat turun dan
mempunyai peluang sebesar 31.8% untuk tidak mengalami penurunan IP.
Klasifikasi pada simpul 10 dengan persentase responden sebesar 30.8% (n=76)
memiliki ciri-ciri responden yang mempunyai minor, tidak memiliki kelompok
belajar di semester 3, dan pengeluaran per bulan di bawah satu juta rupiah.
Karakteristik responden pada simpul ini akan mempunyai peluang sebesar 56.6%
mengalami penurunan IP dengan kategori sangat turun dan mempunyai peluang
hanya sebesar 6.6% untuk tidak mengalami penurunan IP. Responden yang
pengeluaran per bulannya di atas satu juta rupiah mempunyai peluang untuk tidak
mengalami penurunan IP lebih besar dibandingkan responden yang pengeluaran
per bulannya di bawah satu juta rupiah. Ringkasan karakteristik responden yang
mengalami penurunan IP pada diagram pohon klasifikasi analisis CHAID dapat
dilihat pada Lampiran 5.
Nilai ketepatan klasifikasi responden yang dihasilkan menggunakan analisis
CHAID sebesar 55.1%. Tabel 6 menunjukkan bahwa persentase untuk menduga
penurunan IP dengan kategori tidak turun secara benar sebesar 28.2%, menduga
penurunan IP dengan kategori turun secara benar sebesar 51.8%, dan menduga
penurunan IP dengan kategori sangat turun secara benar sebesar 65.9%. Model
pohon klasifikasi analisis CHAID pada penelitian ini lebih bagus untuk menduga
penurunan IP dengan kategori sangat turun dibanding kategori tidak turun maupun
turun.
Pohon klasifikasi analisis CHAID menunjukkan bahwa tidak ada interaksi
antar peubah penjelas. Pada pohon klasifikasi yang terbentuk tidak ada pengaruh
silang antar peubah penjelas karena peubah penjelas yang memisahkan pada
setiap percabangan berbeda.
Tabel 6 Ketepatan klasifikasi analisis CHAID
Amatan Dugaan
Ketepatan(%) Tidak turun Turun Sangat turun
Tidak turun 11 11 17 28.2%
Turun 5 44 36 51.8%
Sangat turun 11 31 81 65.9%
Persen total 10.9% 34.8% 54.3% 55.1%
15
SIMPULAN DAN SARAN
Simpulan
Sebagian besar responden mengalami penurunan IP dengan kategori sangat
turun yaitu sebesar 50%. Peubah penjelas yang masuk dalam diagram pohon
analisis CHAID yaitu peubah minor, kelompok belajar semester 3, beasiswa,
motivasi, dan pengeluaran per bulan. Peubah penjelas yang memiliki pengaruh
paling kuat dengan penurunan IP responden adalah minor. Pohon klasifikasi
analisis CHAID menunjukkan bahwa tidak ada interaksi antar peubah penjelas
karena tidak ada pengaruh silang antar peubah penjelas. Peluang klasifikasi
tertinggi yang menggolongkan penurunan IP responden dengan kategori sangat
turun yaitu responden yang memiliki ciri-ciri tidak mempunyai minor dan
menerima beasiswa pada semester 3. Nilai ketepatan klasifikasi responden yang
dihasilkan menggunakan analisis CHAID sebesar 55.1%. Model pohon klasifikasi
analisis CHAID pada penelitian ini lebih bagus untuk menduga penurunan IP
dengan kategori sangat turun dibanding kategori tidak turun maupun turun.
Saran
Berdasarkan hasil dan pembahasan pada penelitian ini, menunjukkan bahwa
ketidakberadaan minor di semester 3 tidak dapat dijadikan pertimbangan utama
agar tidak mengalami penurunan IP dengan kategori sangat turun karena
responden yang tidak mempunyai minor pada penelitian ini memiliki karakteristik
tertentu berdasarkan peubah penjelas lainnya. Selain itu, kelompok belajar di
semester 3 mempunyai peran yang cukup penting bagi mahasiswa statistika IPB
agar peluang mengalami penurunan IP dari semester 2 ke semester 3 lebih kecil.
Penelitian selanjutnya dapat dilakukan menggunakan metode lain seperti analisis
jaringan untuk membandingkan hasil yang diperoleh.
DAFTAR PUSTAKA
Agresti A. 1990. Categorical Data Analysis. USA: University of Florida.
Gallagher CA, Monroe HM, Fish JL. 2000. An Iterative Approach to
Classification Analysis [Internet]. [diunduh 2014 Januari 29]. Tersedia pada:
https://www.casact.org/pubs/dpp/dpp90/90dpp237.pdf.
Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of
Categorical Data. Applied Statistics [Internet]. [diunduh 2014 Januari 31].
29(2):119-127.Tersedia pada: http://www4.stat.ncsu.edu/~dickey/Analytics/
Datamine/Reference%20Papers/kass80.pdf.
Ritschard G. 2010. CHAID and Earlier Supervised Tree Methods. Switzerland:
Dept of Econometrics, University of Geneva.
Rokach L, Maimon O. 2008. Data Mining and Knowledge Discovery Handbook.
USA: World Scientific.
16
Lampiran 1 Kuesioner penelitian
KEMENTERIAN PENDIDIKAN NASIONAL
INSTITUT PERTANIAN BOGOR
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
DEPARTEMEN STATISTIKA
Jalan Meranti Wing 22, Level 4 Kampus IPB Dramaga-Bogor 16680
Kuesioner Penelitian
Terima kasih atas partisipasi Anda menjadi salah satu responden survei dan
bersedia mengisi kuesioner ini. Nama saya Novita Arianti (G14100048)
mahasiswa Departemen Statistika IPB yang saat ini sedang melakukan penelitian
mengenai Identifikasi Penurunan Indeks Prestasi Semester 2 ke Semester 3
Mahasiswa Statistika IPB Menggunakan Metode CHAID. Partisipasi Anda dalam
survei ini bersifat sukarela. Semua informasi dalam penelitian ini akan dijaga
kerahasiaannya dan akan digunakan untuk bahan penelitian.
No Kuesioner :
Tanggal Pengisian :
KARAKTERISTIK RESPONDEN (diisi sesuai kondisi di semester 3)
Nama :
NRP :
Jenis Kelamin : [1]Perempuan [2]Laki-laki
Minor : [1]Tidak ada minor [2]Ada minor
Asal Daerah : [1]Jabodetabek [2]Luar Jabodetabek
Asal Sekolah : [1]SMA Swasta [2]SMA Negeri
Beasiswa : [1]Menerima Beasiswa [2]Tidak Menerima Beasiswa
Pengeluaran per bulan : [1]Pengeluaran < 500000
[2]500000 ≤ Pengeluaran ≤ 1000000
[3]Pengeluaran > 1000000
No HP :
MOTIVASI DIRI
1. Pada saat mendaftar sebagai calon mahasiswa baru, Anda memilih Statistika
sebagai urutan ke berapa?
[1]Pertama [2]Kedua
2. Siapa yang memotivasi Anda untuk memilih Statistika sebagai pilihan?
[1]Diri sendiri [2]Orang tua [3]Teman [4]Guru
[5]Lainnya,sebutkan…
Petunjuk Pengisian Kuesioner:
1. Isilah pertanyaan–pertanyaan dalam kuesioner ini dengan menjawab
seluruh pertanyaan yang diajukan.
2. Hendaknya jawaban diberikan dengan jujur.
3. Beri tanda silang (X) pada pilihan yang disediakan.
17
KONDISI PERKULIAHAN 3. Bagaimana jumlah mata kuliah yang Anda ambil di semester 3 dibandingkan
pada saat semester 2?
[1] Lebih sedikit [2]Sama saja [3]Lebih banyak
4. Bagaimana kepadatan jam perkuliahan per inggu di semester 3 dibandingkan
pada saat semester 2?
[1] Lebih longgar [2]Sama saja [3]Lebih padat
5. Bagaimana intensitas tugas di semester 3 dibandingkan pada saat semester 2?
[1] Lebih sedikit [2]Sama saja [3]Lebih banyak
6. Bagaimana tingkat kesulitan mata kuliah secara umum di semester 3
dibandingkan pada saat semester 2?
[1] Lebih mudah [2]Sama saja [3]Lebih sulit
POLA BELAJAR
7. Bagaimana frekuensi belajar sendiri (di luar jam kuliah) di semester 3
dibandingkan pada saat semester 2?
[1]Lebih jarang [2]Sama saja [3]Lebih sering
8. Berapa rata-rata jumlah jam belajar sendiri Anda dalam satu minggu di
semester 3?
[1]Kurang dari 7 jam [2]7-15 jam [3]Lebih dari 15 jam
9. Apakah Anda memiliki kelompok belajar di semester 2?
[1]Ya [2]Tidak
10. Apakah Anda memiliki kelompok belajar di semester 3? Jika tidak, langsung
ke nomor 13. [1]Ya [2]Tidak
11. Bagaimana frekuensi belajar kelompok (di luar jam kuliah) di semester 3
dibandingkan pada saat semester 2?
[1]Lebih jarang [2]Sama saja [3]Lebih sering
12. Berapa rata-rata jumlah jam belajar kelompok Anda dalam satu minggu di
semester 3?
[1]Kurang dari 7 jam [2]7-15 jam [3]Lebih dari 15 jam
13. Bagaimana jumlah literatur/buku yang membantu Anda kuliah pada semester
3 dibandingkan pada saat semester 2?
[1]Lebih sedikit [2]Sama saja [3]Lebih banyak
14. Bagaimana intensitas pemakaian media sosial (Web Browser, Email, Google+,
Yahoo Messenger, Facebook, Twitter, WhatsApp, Line, Blackberry
Messenger, Gtalk, Mailing List) yang membantu belajar Anda di semester 3
dibandingkan pada saat semester 2?
[1]Lebih jarang [2]Sama saja [3]Lebih sering
15. Bagaimana intensitas penggunaan media belajar Anda di semester 3?
Media belajar Tidak pernah Jarang Sering
Buku teks/diktat
Slide kuliah
Catatan kuliah
Internet
Lainnya, sebutkan…
18
KEGIATAN ORGANISASI
16. Apakah Anda mengikuti kegiatan organisasi/kepanitiaan selama semester 2?
[1]Ya [2]Tidak
17. Apakah Anda mengikuti kegiatan organisasi/kepanitiaan selama semester 3?
Jika tidak, pertanyaan selesai. [1]Ya [2]Tidak
18. Bagaimana keterlibatan Anda dalam kegiatan organisasi/kepanitiaan yang
Anda ikuti di semester 3 dibandingkan pada saat semester 2?
[1]Lebih jarang [2]Sama saja [3]Lebih sering
19. Berapa rata-rata jumlah kegiatan organisasi yang melibatkan Anda dalam satu
minggu di semester 3?
[1]Kurang dari 3 kegiatan [2]3-5 kegiatan [3]Lebih dari 5 kegiatan
Terima kasih atas partisipasi Anda mengisi kuesioner penelitian saya,
semoga informasi yang Anda berikan dapat membantu kelancaran penelitian saya.
19
Lampiran 2 Pengkategorian peubah
Peubah Definisi Kategori
Y Penurunan IP [1]Tidak turun
[3]Sangat turun
[2]Turun
X1 Jenis kelamin [1]Perempuan [2]Laki-laki
X2 Minor [1]Tidak ada minor [2]Ada minor
X3 Asal daerah [1]Jabodetabek [2]Luar Jabodetabek
X4 Status asal sekolah [1]Swasta [2]Negeri
X5 Beasiswa [1]Menerima beasiswa [2]Tidak menerima
beasiswa
X6 Jalur masuk IPB [1]USMI/ SNMPTN
Undangan
[2]UTM
[3]BUD
[5]PIN
[4]SNMPTN Tertulis
X7 Pengeluaran per
bulan
[1]Pengeluaran<500000
[3]Pengeluaran>1000000
[2]500000≤Pengeluaran
≤1000000
X8 Pilihan mendaftar
statistika
[1]Pertama [2]Kedua
X9 Motivasi [1]Diri sendiri
[3]Orang lain/pihak luar
[2]Keluarga
X10 Jumlah SKS [1]Lebih sedikit
[3]Lebih banyak
[2]Sama saja
X11 Jumlah mata kuliah [1]Lebih sedikit
[3]Lebih banyak
[2]Sama saja
X12 Kepadatan jam
perkuliahan
[1]Lebih longgar
[3]Lebih padat
[2]Sama saja
X13 Intensitas tugas [1]Lebih sedikit
[3]Lebih banyak
[2]Sama saja
X14 Tingkat kesulitan
mata kuliah
[1]Lebih mudah
[3]Lebih sulit
[2]Sama saja
X15 Frekuensi belajar
sendiri
[1]Lebih jarang
[3]Lebih sering
[2]Sama saja
X16 Rata-rata jam belajar
sendiri per minggu
[1]Kurang dari 7 jam
[3]Lebih dari 15 jam
[2]7-15 jam
X17 Kelompok belajar
semester 2
[1]Punya [2]Tidak
X18 Kelompok belajar
semester 3
[1Punya [2]Tidak
X19 Jumlah literatur/buku [1]Lebih sedikit
[3]Lebih banyak
[2]Sama saja
X20 Intensitas pemakaian
media sosial
[1]Lebih jarang
[3]Lebih sering
[2]Sama saja
X21 Keikutsertaan
organisasi semester 2
[1]Ya [2]Tidak
X22 Keikutsertaan
organisasi semester 3
[1]Ya [2]Tidak
20
Lampiran 3 Deskripsi karakteristik responden berdasarkan peubah penjelasnya
95.5%
4.5%
Pertama
Kedua
urutan pilihan statistika
45.7%
30.0%
24.3%
Diri sendiri
Keluarga
Orang lain/pihak luar
motivasi memilih statistika
23.5%
18.6%
57.9%
Lebih sedikit
Sama saja
Lebih banyak
jumlah sks
34.8%
25.5%
39.7%
Lebih sedikit
Sama saja
Lebih banyak
jumlah mata kuliah
54.7%
17.8%
27.5%
Lebih longgar
Sama saja
Lebih padat
kepadatan jam perkuliahan
62.3%
15.8%
21.9%
Lebih sedikit
Sama saja
Lebih banyak
intensitas tugas
1.2%
2.4%
96.4%
Lebih mudah
Sama saja
Lebih sulit
tingkat kesulitan matkul
23.9%
54.3%
21.9%
Lebih jarang
Sama saja
Lebih sering
frekuensi belajar sendiri
54.7%
41.3%
4.0%
< 7 jam
7-15 jam
> 15 jam
rata-rata jam belajar sendiri
21
30.8%
69.2%
Ya
Tidak
kelompok semester 2
52.6%
47.4%
Ya
Tidak
kelompok semester 3
10.5%
34.4%
55.1%
Lebih sedikit
Sama saja
Lebih banyak
jumlah literatur/buku
4.9%
46.2%
49.0%
Lebih jarang
Sama saja
Lebih sering
intensitas penggunaan media
sosial
49.8%
50.2%
Ya
Tidak
organisasi semester 2
83.4%
16.6%
Ya
Tidak
organisasi semester 3
22
Lampiran 4 Diagram hubungan antara penurunan IP responden dengan peubah
penjelas
a. Grafik persentase penurunan IP responden berdasarkan urutan mendaftar
statistika, jumlah mata kuliah, intensitas tugas, kelompok belajar semester 2,
dan jumlah literatur/buku
b. Grafik persentase penurunan IP responden berdasarkan frekuensi jam belajar
sendiri, rata-rata jam belajar sendiri per minggu, intensitas pemakaian media
sosial, keikutsertaan organisasi semester 2, keikutsertaan organisasi semester 3
0%
20%
40%
60%
80%
100%
Per
tam
a
Ked
ua
Leb
ih s
edik
it
Sam
a sa
ja
Leb
ih b
anyak
Leb
ih s
edik
it
Sam
a sa
ja
Leb
ih b
anyak Y
a
Tid
ak
Leb
ih s
edik
it
Sam
a sa
ja
Leb
ih b
anyak
URUTAN JML MATKUL TUGAS KLP SMT2 LITERATUR
Persentase penurunan IP responden berdasarkan urutan, jumlah mata
kuliah, intensitas tugas, kelompok belajar semester 2, dan jumlah
literatur/buku
Sangat turun
Turun
Tidak turun
0%
20%
40%
60%
80%
100%
Lebih
jarang
Sama
saja
Lebih
sering
< 7
jam
7-15
jam
> 15
jam
Lebih
jarang
Sama
saja
Lebih
sering
Ya Tidak Ya Tidak
BLJR SENDIRI JAM BLJR
SENDIRI
MEDSOS ORG SMT2 ORG SMT3
Persentase penurunan IP responden berdasarkan frekuensi jam belajar
sendiri, rata-rata jam belajar sendiri per minggu, intensitas pemakaian media
sosial, keikutsertaan organisasi semester 2, keikutsertaan organisasi semester 3
Sangat turun
Turun
Tidak turun
23
Lampiran 5 Ringkasan analisis CHAID penurunan IP responden
Klasi
fikasi Simpul Karakteristik
Persentase (%) Banyak
mahasiswa
(n) Tidak
turun
Turun Sangat
turun
1 8 Ada minor; mempunyai
kelompok belajar
semester 3; motivasi
memilih statistika pada
saat mengikuti seleksi
masuk IPB adalah orang
lain/pihak luar
40.7 18.5 40.7 27
2 7 Ada minor; mempunyai
kelompok belajar
semester 3; motivasi
memilih statistika pada
saat mengikuti seleksi
masuk IPB adalah diri
sendiri atau keluarga
12.8 51.2 36.0 86
3 5 Tidak ada minor;
menerima beasiswa
20.0 0.0 80.0 20
4 6 Tidak ada minor; tidak
menerima beasiswa
6.2 25.0 68.8 16
5 9 Ada minor; tidak
mempunyai kelompok
belajar di semester 3;
pengeluaran per bulan di
atas satu juta rupiah
31.8 18.2 50.0 22
6 10 Ada minor; tidak
mempunyai kelompok
belajar di semester 3;
pengeluaran per bulan di
bawah satu juta rupiah
6.6 36.8 56.6 76
24
RIWAYAT HIDUP
Penulis dilahirkan di Rembang pada tanggal 29 November 1992 dari
pasangan Bapak Rasipan dan Ibu Siti Kalimah. Penulis merupakan anak pertama
dari tiga bersaudara. Tahun 2010 penulis lulus dari SMA Negeri 1 Rembang dan
pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB)
melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Departemen
Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis menjadi asisten praktikum mata
kuliah Metode Statistika pada tahun ajaran 2013/2014 untuk program sarjana
Departemen Manajemen. Penulis juga aktif mengajar mata kuliah Metode
Statistika di bimbingan belajar dan privat mahasiswa Mafia Clubs. Penulis aktif
dalam organisasi kemahasiswaan Gamma Sigma Beta sebagai staf Departemen
Human Resource and Development pada periode kepengurusan tahun 2012 dan
Bendahara Umum pada periode kepengurusan tahun 2013. Selain itu, penulis juga
aktif dalam beberapa kegiatan kepanitiaan di antaranya yaitu sebagai ketua divisi
Medis dalam acara Pekan Olahraga Statistika tahun 2011, staf divisi Lead Officer
dalam acara The 7th
Statistika Ria 2011, staf divisi Penginapan dalam acara Pesta
Sains Nasional tahun 2011, ketua divisi Lead Officer dalam acara The 8th
Statistika Ria 2012, staf divisi Penginapan dalam acara Pesta Sains Nasional tahun
2012, ketua divisi Konsumsi dalam acara One Day with Statisticians tahun 2013,
staf divisi penugasan dalam acara Welcome Ceremony of Statistics pada tahun
2013, dan staf divisi Lead Officer dalam acara Pesta Sains Nasional tahun 2013.
Pada bulan Juli-Agustus 2013 penulis melaksanakan Praktik Lapang di Lingkaran
Survei Indonesia (LSI).