Konsentrasi Teknik Informatika
Program Studi Teknik Elektro
Program Pascasarjana Universitas Hasanuddin
[email protected]
ABSTRAK
Soft skills merupakan seperangkat kemampuan yang mempengaruhi bagaimana kita berinteraksi dengan orang lain yang memuat komunikasi efektif, berpikir kreatif dan kritis, membangun tim, serta kemampuan lainnya yang terkait kapasitas kepribadian individu. Soft skills memberikan dampak terhadap kualitas manajemen seorang mahasiswa secara total, efektivitas institusional dan sinergi inovasi. Penilaian soft skills mahasiswa merupakan salah satu bidang penelitian yang penting, dan dewasa ini banyak aplikasi yang dapat
menerapkannya, salah satunya Principal Components Analysis (PCA). PCA adalah teknik untuk membangun variabel-variabel baru yang
merupakan kombinasi linear dari variabel-variabel asli dengan cara menghilangkan korelasi diantara variabel bebas atau yang biasa disebut dengan principal component. PCA terbukti dapat mereduksi variabel-variabel bebas yang saling berkorelasi sehingga menjadi lebih sederana.
Kata Kunci : Soft skills, Principal Component Analysis
1. Pendahuluan
Soft skillsadalah seperangkat kemampuan yang mempengaruhi bagaimana kita berinteraksi dengan orang lain. Tujuan dari pelatihan soft skills adalah memberikan kesempatan kepada individu untuk untuk mempelajari perilaku baru dan meningkatkan hubungan antar pribadi dengan orang lain. Dari sisi organisasional, soft skills memberikan dampak terhadap kualitas manajemen seorang mahasiswa secara total, efektivitas institusional dan sinergi inovasi. Esensi soft skills adalah kesempatan. Lulusan memerlukan soft skills untuk membuka dan memanfaatkan kesempatan.
Sharma (2009), menyebutkan bahwa soft skillsadalah seluruh aspek dari generic skills yang juga termasuk elemen-elemen kognitif yang berhubungan dengan non-academic skills. Ditambahkan pula bahwa, berdasarkan hasil penelitian, elemen soft skills yang diidentifikasi dan penting dikembangkan pada peserta didik di lembaga pendidikan tinggi, meliputi; Keterampilan Berkomunikasi (communicative skills),Keterampilan berpikir dan menyelesaikan masalah (thinking skills and Problem solving skills),Kekuatan kerja tim (team work force),Belajar sepanjang hayat dan pengelolaan informasi (life-long learning and Information management),Keterampilan wirausaha (entrepreneur skill), Etika, Moral dan Profesionalisme (ethics, moral and professionalism), dan Keterampilan Kepemimpinan (leadership skill). Ketujuh elemen tersebut terbagi lagi menjadi beberapa sub-skills.
Penilaian soft skillsmahasiswa merupakan salah satu bidang penelitian yang penting, dan dewasa ini banyak aplikasi yang dapat
menerapkannya. Melalui pengembangan suatu teknik seperti Principal Components Analysis (PCA).
Pada penulisan ini, parameter penilaian soft skillsmahasiswa yang digunakan diambil dari elemen sub-skills yang dijelaskan oleh Sharma (2009). Mengingat sub-skills yang dimaksud jumlahnya sangat banyak, maka penulis membatasi dengan hanya mengambil beberapa elemen sub-skillstersebut yang kemudian akan menjadi variabel penilaian soft skillsmahasiswa. Dari elemen-elemen tersebut, akan diteliti apakah terdapat korelasi antar variabel sehingga dengan menggunakan teknik PCA variabel-variabel tersebut dapat direduksi menjadi variabel-variabel yang lebih sederhana.
2. Principal Component Analysis
2.1. Pengertian PCA
Principal Component Analysis(PCA) adalah sebuah teknik untuk membangun variabel-variabel baru yang merupakan kombinasi linear dari variabel-variabel asli. Jumlah maximum dari variabel-variabel baru ini akan sama dengan jumlah dari variabel lama, dan variabel-variabel baru ini tidak saling berkorelasi satu sama lain.
Prosedur PCA pada dasarnya adalah bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mereduksi) dimensinya. Penyusutan dilakukan dengan melihat interdepedensi beberapa variabel yang dapat dijadikan satu sehingga ditemukan variabel-variabel faktor yang dominan atau penting untuk dianalisis lebih lanjut. Hal ini dilakukan dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali atau yang biasa disebut dengan principal component.
2.2. Algoritma Metode PCA
Data masukan pada metode PCA dinyatakan dalam matriks X.
= ⋯ ⋮ ⋱ ⋮
Prosoding KNK
164
Salah satu pendekatan yang digunakan dalam penskalaan input adalah dengan normalisasi, sehingga input ini selalu berada dalam rentang tertentu. Normalisasi dapat dilakukan dengan cara mengurangi nilai data dengan rataannya dan dibagi standar deviasinya.
̅ =1 ,
= 1 ( − ̅) =( − ̅)/
Misalkan matriks sebagai berikut:
= Maka ̅ =1 , = + + 3 ̅ =1 , = + + 3 ̅ =1 , = + + 3
Hasil dari normalisasi ini adalah suatu data dengan nilai rataan nol dan standar deviasi sama dengan satu. Dari matriks input tersebut, dihitung matriks kovarian S dengan menggunakan persamaan :
= ∗
Dimana adalah transpose matriks X.
= , sedemikian sehingga diperoleh
= ∗ = + + + + + + + + + + + + + + + + + + =
Setelah diperoleh matriks kovarian ini, ditentukan nilai eigen,eigen vektor dan serta proporsi yang akan digunakan dalam PCA. Vektor eigen dan nilai eigen dicari dengan menggunakan persamaan berikut :
=
Dimana,
| − |= 0
dengan adalah eigenvalue dan Q adalah eigenvector. Dari persamaan diatas dapat diperoleh
| − |= − 1 0 0 0 1 0 0 0 1 = − − − = 0 ( − )( − )( − )+ + − ( − )−( − ) −( − ) = 0
Dengan menyelesaikan persamaan diatas akan diperoleh nilai , , yang merupakan nilai eigen (eigenvalue). Setelah nilai eigen
diperoleh maka kita dapat menentukan vektor eigen matriks X tersebut dengan mensubtitusi tiap-tiap nilai eigen yang diperoleh. Untuk maka = 0 0 0 0 0 0 = 0
Sehingga akan diperoleh vektor eigen dari A yang bersesuaian dengan . Hal yang sama juga dilakukan untuk , , .
Dari persamaan tersebut didapatkan nilai eigen yang terurut dari yang besar (largest point) hingga ke yang kecil (smallest point). Selanjutnya, mencari Feature atau Principal Componentdengan mentransformasi data set ke dalam ruang eigen dengan menggunakan persamaan berikut:
= ( − )
Setelah Principal Componentdiperoleh selanjutnya akan diamati proporsi varian yang dapat dijelaskan oleh masing-masing PC serta variabel yang mendominasi masing-masing PC. Pengamatan ini dilakukan untuk menentukan berapa jumlah feature atau principal component yang dianggap cukup untuk mewakili data asli. Penentuan proporsi dari nilai yang diambil dapat dihitung dengan menggunakan (m) vektor eigen yang bersesuaian dengan (p) nilai eigen dengan persamaan berikut :
=[∑ ] ∑
Prosoding KNK
165
3. Penilaian Soft skillsMahasiswa
Pada penulisan ini, akan dibahas mengenai penilaian soft skills mahasiswa dengan komponen penilaian sebagai berikut:
Tabel 1.Komponen penilaian Soft skills No Komponen Penilaian Skor
Penilaian
1 Kemampuan Berkomunikasi
2 Kejujuran/Integritas
3 Kemampuan Bekerja Sama
4 Kemampuan Interpersonal 5 Beretika 6 Motovasi/Inisiatif 7 Kemampuan Beradaptasi 8 Daya Analitik 9 Kemampuan Berorganisasi
10 Berorientasi pada Detail
11 Kepemimpinan
12 Kepercayaan Diri
13 Ramah
Berdasarkan asumsi, penilaian soft skills mahasiswa bergantung pada komponen-komponen Soft skills pada Tabel 1. Adapun bobot penilaian untuk tiap komponen sebagai berikut.
1 2 3 4 5 6 7 8 9 10
Kurang Sangat Baik
4. Implementasi PCA Pada Penilaian Soft SkillsMahasiswa
4.1 Pengujian Korelasi antar variabel
Untuk mengetahui komponen-komponen mana saja yang berpengaruh dan yang tidak berpengaruh perlu dilakukan analisis dengan mengunakan teknik PCA. Untuk itu dilakukan penilaian Soft skillsmahasiswa dalam kelas A yang berjumlah 30 mahasiswa, dengan menggunakan komponen-komponen Soft skills pada Tabel 1. Data-data tersebut dinyatakan dalam Table 2.
Prosoding KNK