KAJIAN KESESUAIAN PILIHAN PROGRAM STUDI MAHASISWA
STATISTIKA IPB MENGGUNAKAN
ANALYTIC HIERARCHY
PROCESS
DENGAN
LEAST SQUARE LOGARITHMIC
MUHAMMAD JAMALUDIN
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Kajian Kesesuaian Pilihan Program Studi Mahasiswa Statistika IPB Menggunakan Analytic Hierarchy Process dengan Least Square Logarithmic 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.
ABSTRAK
MUHAMMAD JAMALUDIN. Kajian Kesesuaian Pilihan Program Studi Mahasiswa Statistika IPB Menggunakan Analytic Hierarchy Process dengan Least Square Logarithmic. Dibimbing oleh ERFIANI dan ITASIA DINA SULVIANTI.
Masih terdapat mahasiswa di Institut Pertanian Bogor (IPB) yang memilih program studi berdasarkan minatnya saja tetapi tidak melihat bakat atau kemampuan dasar yang dimilikinya. Kesesuaian pilihan program studi dengan kemampuan dasar mahasiswa merupakan hal yang penting. Penelitian ini bertujuan untuk menetukan kontribusi setiap mata kuliah Tingkat Persiapan Bersama (TPB) terhadap pemahaman mata kuliah Program Studi Statistika. Nilai kontribusi mata kuliah TPB dapat digunakan mengetahui kesesuaian pilihan program studi dari mahasiswa Program Studi Statistika IPB angkatan 46-49 dengan menentukan nilai akademik TPB. Data yang digunakan adalah data primer penilaian dosen Program Studi Statistika yang mengukur kontribusi setiap mata kuliah TPB terhadap pemahaman mata kuliah Program Studi Statistika, data nilai akhir mata kuliah TPB dan Indeks Prestasi (IP) mata kuliah mayor tingkat dua. Metode yang digunakan untuk menentukan nilai akademik TPB melalui pembobotan setiap mata kuliah TPB adalah pendekatan Analytical Hierarchy Process (AHP) menggunakan Least Square Logarithmic (LSL). Hasil penelitian menunjukkan mata kuliah Kalkulus dan Pengantar Matematika dianggap paling berkontribusi terhadap pemahaman mata kuiah Program Studi Statistika. Rata-rata nilai akademik TPB mahasiswa Program Studi Statistika angkatan 46-49 berada pada kisaran nilai 68.455-75.258. Korelasi nilai akademik TPB dengan IP mata kuliah mayor tingkat dua untuk keempat angkatan tersebut berada pada kisaran nilai 0.638-0.862. Berdasarkan hasil tersebut dapat disimpulkan bahwa mahasiswa Program Studi Statistika dalam memilih program studi telah sesuai dengan kemampuan dasarnya.
ABSTRACT
MUHAMMAD JAMALUDIN. The Research of Suitability Study Program Choice
of BAU’s Statistics Students Using Analytical Hierarchy Process with Least Square Logarithmic. Advised by ERFIANI and ITASIA DINA SULVIANTI.
There are still students in Bogor Agricultural University (BAU) that choosing a study program based on their preference alone despite their talent or basic ability. Suitability of elective study program with the basic ability of students is important. This research purpose is to determining the contribution of each cources in Tingkat Persiapan Bersama (TPB) towards understanding the cources in statistics program. The contribution value of TPB cources can be use to determine the suitability of study program choices for students in Statistics BAU batch of 46 to 49 by determining TPB academic results. The data used are primary from statistics lecturer program assessment data that measures the contribution of each TPB courses to the understanding of statistical subjects, the final score of TPB subjects and Grade Point Average (GPA) of major subjects in the second year of study. The method used to determine the academic results of TPB by weighting each TPB courses is the approach of Analytical Hierarchy Process (AHP) using the Least Square Logarithmic (LSL). The research results shows that Calculus and Introduction of Mathematics are considered the most contributed courses for understanding the cources in statistics program. The average of academic results in TPB from students of Statistics BAU batch of 46-49 is in the range of 68.445-75.258. The correlation of TPB academic results with major GPA subjects for the four generations is in the range of 0.638-0.862. Based on these results, it can be concluded that the students of Statistics has chosen the study program in accordance with their basic capabilities.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2015
MUHAMMAD JAMALUDIN
KAJIAN KESESUAIAN PILIHAN PROGRAM STUDI MAHASISWA
STATISTIKA IPB MENGGUNAKAN
ANALYTIC HIERARCHY
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT karena hanya dengan lindungan, rahmat, dan karunia-Nya lah penulis dapat menyelesaikan karya ilmiah yang berjudul Kajian Kesesuaian Pilihan Program Studi Mahasiswa Statistika IPB Menggunakan Analytic Hierarchy Process dengan Least Square Logarithmic.
Terselesaikannya penyusunan karya ilmiah ini tidak lepas dari dukungan, motivasi, saran, dan kerja sama dari berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada:
1. Ibu Dr Ir Erfiani, MSi selaku ketua komisi pembimbing yang telah bersabar dalam memberikan nasihat dan selalu memberikan semangat kepada penulis untuk dapat menghasilkan dan menyelesaikan karya ilmiah yang baik dan dapat dipertanggungjawabkan.
2. Ibu Dra Itasia Dina Sulviansti, MSi selaku anggota komisi pembimbing atas bimbingan dan nasehat yang membangun bagi karya ilmiah penulis.
3. Rekan-rekan statistika angkatan 2011 yang selalu memberikan motivasi dan masukannya dalam membantu penulis untuk menyelesaikan karya ilmiah ini. 4. Staf Tata Usaha Departemen Statistika atas bantuannya dalam pelaksanaan
administrasi.
5. Bapak, ibu, serta seluruh keluarga atas segala doa dan dukungannya kepada penulis.
Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 1
TINJAUAN PUSTAKA 2
Analytic Hierarchy Process 2
Least Square Logarithmic 3
METODOLOGI 5
Data 5
Prosedur Analisis Data 6
HASIL DAN PEMBAHASAN 9
Eksplorasi Nilai Akhir Mata Kuliah Tingkat Persiapan Bersama 9
Eksplorasi Indeks Prestasi Mata Kuliah Mayor 9
Eksplorasi Nilai Tingkat Kontribusi Mata Kuliah
Tingkat Persiapan Bersama 10
Martiks Perbandingan Berpasangan Mata Kuliah
Tingkat Persiapan Bersama 11
Hasil Pembobotan Analytic Hierarchy Process menggunakan
Least Square Logarithmic 11
Nilai Akademik Tingkat Persiapan Bersama 14
Perbandingan Nilai Akademik Tingkat Persiapan Bersama
dengan Indeks Prestasi 14
SIMPULAN 15
SARAN 16
DAFTAR PUSTAKA 16
DAFTAR TABEL
1 Nilai Random Index (RI) 2
2 Persentase setiap nilai mata kuliah Tingkat Persiapan Bersama dari
enam belas dosen Program Studi Statistika 10
3 Matriks perbandingan berpasangan nilai mata kuliah Tingkat Persiapan Bersama
11 4 Dugaan nilai bobot dan galat baku mata kuliah Tingkat Persiapan
Bersama 12
5 Matriks T hasil pengujian kesamaan nilai bobot mata kuliah Tingkat
Persiapan Bersama 12
6 Pengelompokan mata kuliah Tingkat Persiapan Bersama berdasarkan
tingkat kontribusi 13
7 Statistika deskriptif nilai akademik Tingkat Persiapan Bersama
mahasiswa Program Studi Statistika 14
8 Korelasi nilai akademik Tingkat Persiapan Bersama dengan Indeks Prestasi mata kuliah Program Studi Statistika tingkat dua 15
DAFTAR GAMBAR
1 Prosedur analisis data 8
2 Diagram kotak garis nilai akhir mata kuliah Tingkat Persiapan Bersama dari mahasiswa Program Studi Statistika angkatan 46-49 9 3 Diagram kotak garis nilai akhir mata kuliah Tingkat Persiapan
Bersama mahasiswa Program Studi Statistika angkatan 46-49 10 4 Plot tebaran nilai akademik Tingkat Persiapan Bersama dengan Indeks
Prestasi mata kuliah Program Studi Statistika tingkat dua 15
DAFTAR LAMPIRAN
1 Diagram kotak garis nilai perbandingan mata kuliah Tingkat Persiapan Bersama dari penilaian 16 dosen Program Studi Statistika 17 2 Nilai kritis dissimilarity matrix pada taraf 5% 18
PENDAHULUAN
Latar Belakang
Pada saat ini sistem penerimaan mahasiswa baru Institut Pertanian Bogor (IPB) untuk progam sarjana (S-1) dibagi menjadi dua jenis seleksi, yaitu seleksi nasional dan seleksi mandiri IPB. Jalur penerimaan melalui seleksi nasional terdiri dari Seleksi Masuk Perguruan Tinggi Negeri (SNMPTN) dan Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN). Jalur penerimaan melalui seleksi mandiri IPB terdiri dari Beasiswa Utusan Daerah (BUD), Uji Talenta Masuk (UTM) dan Prestasi Internasional (PIN). Semua jalur penerimaan tersebut digunakan untuk memilih mahasiswa baru yang berkualitas sehingga menghasilkan lulusan yang handal menurut program studinya masing-masing.
Calon mahasiswa IPB telah menentukan pilihan program studinya sejak awal mendaftar berdasarkan minatnya. Masih terdapat mahasiswa yang belum mengetahui program studi yang dipilihnya sesuai atau tidak dengan bakat atau kemampuan dasarnya. Kesesuaian pilihan program studi berperan penting agar mahasiswa dapat dengan mudah memahami mata kuliah di program studinya. Oleh karena itu, diperlukan kajian lebih lanjut untuk mengetahui kesesuaian antara pilihan program studi mahasiswa melalui kemampuan dasarnya.
Pendekatan untuk mengetahui kesesuaian pilihan program studi pada saat ini dapat dilakukan melalui talent mapping atau psikotes minat dan bakat. Hasil psikotes minat dan bakat menentukan seseorang lebih unggul dalam bidang tertentu. Pilihan program studi yang tepat berdasarkan minat dan bakat dapat diketahui melalui hasil psikotes tersebut. Namun psikotes minat dan bakat tidak dilakukan IPB bagi mahasiswanya. Oleh karena itu, diperlukan pendekatan lain untuk mengetahui kesesuaian pilihan program studi mahasiswa.
Pada penelitian ini, untuk mengetahui kesesuaian pilihan program studi mahasiswa dilakukan dengan mengkaji nilai akademik mahasiswa di Tingkat Persiapan Bersama (TPB) dan nilai akademik di program studi pada tingkat dua. Kesesuaian pilihan program studi yang ingin diketahui difokuskan pada mahasiswa Program Studi Statistika angkatan 46-49. Kesesuaian pilihan program studi dapat diketahui dengan mencari nilai akademik TPB setiap mahasiswa melalui pembobotan mata kuliah TPB. Metode pembobotan yang digunakan adalah pendekatan Analytic Hierarchy Process (AHP) menggunakan Least Square Logarithmic (LSL). Jika nilai akademik TPB memiliki hubungan yang kuat dan searah dengan prestasi akademik mahasiswa di tingkat dua, maka kesesuaian pilihan program studi dari mahasiswa Program Studi Statistika dapat diketahui dari nilai akademik TPB.
Tujuan Penelitian
2
TINJAUAN PUSTAKA
Analytic Hierarchy Process
Analytic Hierarchy Process (AHP) dikembangkan oleh matematikawan asal Universitas Pittsburgh di Amerika Serikat sekitar tahun 1970. Thomas L. Saaty mengembangkan AHP untuk mengorganisir pendapat para ahli dalam memilih alternatif yang disukai. Tujuan utama AHP adalah untuk membuat peringkat alternatif keputusan dan memilih salah satu yang terbaik bagi kasus multi kriteria (Saaty 1990). AHP digunakan untuk mengkaji permasalahan yang dimulai dengan mendefinisikan permasalahan tersebut secara seksama kemudian menyusunnya ke dalam suatu hirarki. Struktur hirarki digambarkan dalam suatu diagram pohon yang terdiri dari tiga level, yaitu level satu terdiri dari tujuan atau masalah yang akan dicari solusinya, level kedua terdiri dari kriteria dan subkriteria, dan level ketiga terdiri dari alternatif.
Perbandingan berpasangan digunakan untuk membentuk hubungan di dalam struktur hirarki. Pada kasus perbandingan berpasangan dibutuhkan persepsi atau pendapat dari pembuat keputusan yang mengetahui persoalan yang akan dipecahkan. Para pembuat keputusan akan melakukan perbandingan kepentingan di setiap kriteria. Hasil dari perbandingan berpasangan akan dibentuk menjadi matriks untuk mengetahui hubungan tingkat kepentingan antar kriteria.
Matriks perbandingan berpasangan yang dibentuk haruslah konsisten. Kekonsistenan dari matriks bisa dilihat dari nilai akar ciri matriks tersebut yang mendekati jumlah kriteria yang dibandingkan (Saaty 1990). Kekonsistenan yang diharapkan yaitu mendekati sempurna agar menghasilkan keputusan yang valid. Apabila matriks perbandingan berpasangan konsisten maka satu akar ciri akan bernilai sama dengan banyaknya kriteria (n) dan sisanya bernilai nol, tetapi bila matriks tak konsisten maka akan membuat akar ciri terbesar (λmaks) selalu lebih besar dari n. Perbedaan antara λmaks dengan n dapat digunakan untuk meneliti seberapa besar ketidakkonsistenan matriks melalui nilai Consistency Index (CI). Nilai CI dapat dihitung melalui rumus berikut:
�� = � �−−
Batas ketidakkonsistenan matriks perbandingan berpasangan dapat dihitung melalui Consistency Ratio (CR). Nilai CR dirumuskan sebagai perbandingan CI dengan nilai Random Index (RI). Suatu matriks perbandingan berpasangan dinyatakan konsisten apabila CR ≤ 10%. CR dapat dihitung melalui rumus berikut:
�� =����
Nilai RI yang digunakan dalam perhitungan CR sebagai berikut:
n 3 4 5 6 7 8 9 10 11
3 ... ... ... ... .... ... ... ... ... ... .... ... =
1 1
2
... 1
2
1
1 ... 2
... ... ... ....
1 2
... 1
Matriks perbandingan berpasangan digunakan dalam AHP untuk membandingkan kriteria dan alternatif. Perbandingan n kriteria akan membentuk matriks A = � n×n dengan � > 0, � = 1/� ,dan� = 1 untuk i = j. Elemen � didefinisikan sebagai nilai relatif dari atribut ke-i dibandingkan dengan atribut ke-j dengan melihat penilaian pembuat keputusan. Berdasarkan nilai elemen dari matriks akan ditentukan bobot dari setiap kriteria (w1,w2,. . ,wn). Elemen dalam matriks perbandingan berpasangan dapat didefinisikan sebagai nilai perbandingan bobot antara kriteria ke-i dengan kriteria ke-j sebagai berikut:
� =
Adamcse (2008) menuliskan matriks perbandingan berpasangan dalam bentuk berikut:
Least Square Logarithmic
AHP merupakan metode untuk menentukan nilai bobot dari setiap kriteria melalui perbandingan berpasangan. Terdapat banyak analisis yang digunakan untuk menentukan nilai bobot dalam AHP diantaranya akar ciri, khi kuadrat, least square logarithmic, dan lain-lain. Salah satu analisis terbaik untuk menduga nilai bobot dalam AHP adalah Least Square Logarithmic (LSL) (Saaty dan Vargas 1984).
Analisis LSL merupakan analisis penentuan bobot dalam metode AHP yang menggunakan pendekatan analisis regresi dengan transformasi logaritma. Analisis yang digunakan dalam penentuan bobot AHP dengan LSL menggunakan nilai-nilai yang ada dalam matriks perbandingan berpasangan. Matriks AHP dengan ukuran n×n mempunyai elemen � yang akan dikonversi menjadi regresi linear menggunakan transformasi logaritma. Bentuk transformasi dapat dituliskan sebagai berikut:
= � (� ), � = �
� sehingga � (� )= � − �
Ketika ln(wi) didefinisikan sebagai � (i = 1, 2, ..., n), maka nilai wi dapat diketahui melalui nilai dugaan � . Bentuk persamaan diatas dapat ditulis sebagai berikut:
= � − �
Evaluasi matriks AHP dengan menggunakan analisis LSL hanya memerlukan nilai yij ketika i < j (i, j = 1, 2, ..., n). Hal ini dikarenakan pendugaan yij untuk i = j sama saja dengan menduga � untuk kasus � − � = 0, sedangkan untuk i > j sama saja dengan melakukan pendugaan untuk kasus i < j karena yji = -yij. Oleh karena
A =
a11 a12 ... a1n
a21 a22 ... a2n
... ... ... .... an1 an2 ... ann
4
itu, banyaknya evaluasi untuk matriks AHP ukuran n×n adalah . − .
Adamcse (2008) membahas bahwa analisis LSL akan meminimumkan error untuk menentukan nilai bobot dari � menggunakan metode kuadrat terkecil (MKT) dengan model sebagai berikut:
min ∑ ∑ [� (� ) − � (�̂ �̂ ) ] >
= = min ∑= ∑ [> − �̂ − �̂ ]
Penentuan nilai bobot � , � , . . ., � dapat dilakukan melalui pendekatan analisis regresi dengan membentuk persamaan dalam bentuk matriks:
y = X +ε
Keterangan :
y = vektor hasil logaritma data dalam matriks AHP
X = matriks dummy
β = vektor bobot
ε = vektor error dengan:
Pendugaan nilai � dengan MKT menggunakan rumusan �̂ = − . Penggunaan rumusan tersebut akan memperoleh beberapa nilai �̂ yang tidak unik. Hal ini akan selalu terjadi karena matriks X dalam LSL pasti menghasilkan yang singular. Penanganan masalah pada kasus ini dapat dilakukan dengan menambahkan kendala yaitu �̂n= 0 (Laininen dan Hamalainen 2003). Oleh karena itu, matriks X yang dievaluasi dikurangi satu kolom terakhir dan nilai � dari vektor � dihilangkan juga.
Penentuan nilai bobot wi (i = 1, 2, ..., n) dengan LSL dapat diduga melalui nilai dugaan �. Setelah dilakukan pendugaan nilai � dengan MKT maka nilai wi dapat diduga juga. Nilai yang digunakan untuk menentukan nilai wi adalah � = 0, dan nilai dugaan �(i = 1, 2, …, n-1). Hubungan antara bobot wi dan parameter i adalah sebagai berikut:
̂ = � �̂
5 Ragam dari bobot ̂ tidak dapat ditentukan langsung dengan matriks ragam koragam dari analisis regresi. Hal ini dikarenakan penentuan bobot wi menggunakan LSL adalah penentuan nilai bobot melalui pendekatan analisis regresi dengan transformasi logaritma. Laininen dan Hamalainen (2003) membahas bahwa dugaan untuk ragam ̂ dapat dihitung melalui ragam dan koragam dari exp �̂i . Statistik �̂i merupakan penduga tak bias dengan ragam yang diduga dengan analisis regresi. Pada kasus ini exp �̂i mengikuti sebaran normal dengan sifat berikut:
E(exp �̂i ) = exp +
Var(exp �̂i ) = exp( . + ). exp −
Evaluasi ragam ̂ dapat dihitung dari hasil akar diagonal matriks cov[̂,̂] pada persamaan berikut:
cov[̂, ̂]
× = [ �
� ] × − × cov[� ̂ .� ̂ ] − × − × [ �
� ] − × �
dengan:
[
� ].= −
cov � ̂ . � ̂ = exp( + + + ) × exp (� ̂ ,̂ ) −
METODOLOGI
Data
Data yang digunakan pada penelitian ini berasal dari tiga data yaitu: 1) data nilai akhir mata kuliah Tingkat Persiapan Bersama (TPB), 2) nilai Indeks Prestasi (IP) mata kuliah mayor di tingkat dua, dan 3) data penilaian dosen Program Studi Statistika. Nilai akhir mata kuliah TPB dan IP mata kuliah mayor menggunakan data dari mahasiswa Program Studi Statistika angkatan 46-49.
Nilai akhir mata kuliah TPB diperoleh dari Direktorat Tingkat Persiapan Bersama IPB. Mata kuliah TPB yang dipilih pada penelitian ini merupakan mata kuliah yang diduga berpengaruh terhadap pemahaman mata kuliah Program Studi Statistika. Berdasarkan hal tersebut maka pada penelitian ini dipilih sebelas mata kuliah TPB dari empat belas mata kuliah TPB yang di dapat mahasiswa. Sebelas mata kuliah TPB yang dipilih yaitu:
w1-1 w1 ... w1 w2 w2-1 ... w2 ... ... ... .... wn-1 wn-1 ... wn-1-1
6
1) Mata kuliah Biologi (BIO)
2) Mata kuliah Ekonomi Umum (EKO) 3) Mata kuliah Fisika (FIS)
4) Mata kuliah Pendidikan Kewarganegaraan (PKN) 5) Mata kuliah Bahasa Indonesia (IND)
6) Mata kuliah Pengantar Ilmu Pertanian (PIP) 7) Mata kuliah Bahasa Inggris (ING)
8) Mata kuliah Kimia (KIM)
9) Mata kuliah Sosiologi Umum (SOS) 10) Mata kuliah Pengantar Matematika (PM) 11) Mata kuliah Kalkulus (KAL)
Nilai IP mata kuliah mayor Program Studi Statistika di tingkat dua diperoleh dari Departemen Statistika IPB. IP mata kuliah mayor tingkat dua yang digunakan berasal dari enam mata kuliah yang terdiri dari tiga mata kuliah semester tiga dan tiga mata kuliah semester empat. Mata kuliah mayor di tingkat dua dianggap sudah dapat menunjukkan kemampuan akademik statistika mahasiswa karena mata kuliah yang di dapat pada tingkat dua ini merupakan mata kuliah dasar statistika. Mata kuliah yang digunakan yaitu Metode Statistika, Pengantar Hitung Peluang, Aljabar Matriks, Rancangan Percobaan, Metode Penarikan Contoh, dan Teori Statistika I.
Data penilaian dosen Program Studi Statistika didapatkan melalui penyebaran kuesioner. Dosen Program Studi Statistika mengisi kuesioner dengan memberikan nilai pada sebelas mata kuliah TPB. Nilai yang diberikan menunjukkan tingkat kontribusi setiap mata kuliah TPB terhadap pemahaman mata kuliah Program Studi Statistika. Data kuesioner akan digunakan untuk penyusunan matriks perbandingan berpasangan antar nilai mata kuliah TPB.
Prosedur Analisis Data
Tahapan analisis yang dilakukan penelitian ini adalah sebagai berikut: 1. Eksplorasi nilai TPB.
Tahapan ini dilakukan untuk mengetahui sebaran nilai akhir mata kuliah TPB dari mahasiswa Program Studi Statistika angkatan 46-49. Ekplorasi yang dilakukan pada tahapan ini adalah eksplorasi dari nilai setiap mata kuliah TPB. Berdasarkan hasil eksplorasi ini dapat dilihat materi TPB apa saja yang cenderung sangat dikuasai dan kurang dikuasai oleh sebagian besar mahasiswa Program Studi Statistika.
2. Eksplorasi IP mata kuliah mayor di tingkat dua.
Eksplorasi yang dilakukan pada tahap ini adalah ekplorasi nilai IP mata kuliah mayor di tingkat dua dari mahasiswa yang dilakukan berdasarkan angkatan mahasiswa. Hasil eksplorasi ini akan digunakan sebagai perbandingan dengan eksplorasi nilai TPB.
3. Eksplorasi data penilaian dosen.
7 dalam metode AHP. Pada penelitian ini perbandingan berpasangan dilakukan dengan cara menentukan nilai dari mata kuliah yang dianggap paling berkontribusi, dan mata kuliah lain diberi nilai dengan membandingkan nilai yang telah diberikan pada mata kuliah lain sebelumnya. Pendekatan perbandingan berpasangan yang dilakukan pada penelitian ini dilakukan untuk menghindari masalah ketidakkonsistenan matriks perbandingan berpasangan karena banyaknya kriteria yang dibandingkan dalam AHP.
4. Menentukan matriks perbandingan berpasangan antar nilai mata kuliah TPB. Matriks perbandingan berpasangan antar nilai mata kuliah TPB dapat diperoleh menggunakan data penilaian dosen. Pada penelitian ini terdapat sebelas mata kuliah TPB yang dibandingkan, sehingga terdapat 55 perbandingan nilai mata kuliah. Penentuan nilai yang digunakan dalam matriks perbandingan berpasangan adalah ukuran pemusatan dari nilai perbandingan antar mata kuliah yang diberikan enam belas dosen. Pengujian kenormalan dilakukan untuk setiap perbandingan nilai mata kuliah sehingga dapat diketahui ukuran pemusatan yang sesuai untuk digunakan. Diagram kotak garis digunakan untuk melakukan uji kenormalan dari perbandingan berpasangan antar mata kuliah TPB. Ukuran pemusatan menggunakan rata-rata dapat digunakan ketika hasil perbandingan setiap nilai mata kuliah menyebar normal, namun jika hasil perbandingan nilai mata kuliah ada yang tidak normal maka ukuran pemusatan yang digunakan adalah median.
5. Pengujian kekonsistenan matriks perbandingan berpasangan.
Matriks perbandingan berpasangan yang akan dianalisis haruslah konsisten agar mendapatkan hasil analisis yang valid. Pengujian kekonsistenan matriks dapat diketahui dari nilai CR matriks. Matriks dinyatakan konsisten jika nilai CR ≤ 10%. Pendekatan AHP pada penelitian ini akan mengatasi masalah ketidakkonsistenan, sehingga nilai CR dari matriks perbandingan akan kecil. 6. Melakukan perhitungan nilai bobot AHP menggunakan LSL.
Metode AHP dapat menentukan nilai bobot dari mata kuliah TPB yang dibandingkan. Pada penelitian ini penentuan nilai bobot metode AHP menggunakan LSL. Analisis ini merupakan salah satu analisis terbaik dalam penentuan nilai bobot dari AHP. Nilai bobot yang dihasilkan akan menunjukkan tingkat kontribusi mata kuliah TPB terhadap pemahaman mata kuliah Program Studi Statistika.
7. Pengujian kesamaan nilai bobot mata kuliah.
Pengujian kesamaan nilai bobot antar mata kuliah TPB dapat dilakukan untuk mengetahui kesamaan tingkat kontribusi setiap mata kuliah TPB terhadap pemahaman mata kuliah Program Studi Statistika. Pengujian hipotesis dapat dirumuskan sebagai berikut:
8.
H0: �̂ = �̂ = ... = �̂ (semua mata kuliah TPB mempunyai tingkat kontribusi yang sama terhadap pemahaman mata kuliah Program Studi Statistika) H1: �̂ ≠�̂, i ≠ j = 1, 2, . . 11 (tidak semua mata kuliah TPB mempunyai tingkat
kontribusi yang sama terhadap pemahaman mata kuliah Program Studi Statistika)
8
� = | ̂ −̂ |
√�̂ [̂ ,̂ ] + �̂ [̂ ,̂ ] − . �̂ [̂ ,̂ ]
Kategori pengujianya adalah tolak H0 jika terdapat nilai tij yang lebih besar dari nilai kritis matriks T yang dikeluarkan oleh studentized range distribution. Pada kasus tolak H0 setiap mata kuliah dapat dikelompokkan berdasarkan kesamaan tingkat bobot. Pengelompokan mata kuliah dapat dilakukan dengan menggabungkan mata kuliah dengan nilai tij dalam satu kelompok tidak melebihi nilai sebaran-t dengan derajat bebas . − − − pada α tertentu. 8. Menentukan fungsi nilai akademik TPB.
Fungsi nilai akademik TPB diperoleh dari penjumlahan nilai akhir sebelas mata kuliah TPB dengan nilai setiap mata kuliah dikali nilai konstanta tertentu. Fungsi ini berbentuk fungsi linear dengan nilai konstanta yang digunakan pada setiap mata kuliah adalah nilai bobot yang didapatkan dari AHP menggunakan analisis LSL. Nilai akademik setiap mahasiswa dapat dicari menggunakan rumusan fungsi ini.
9. Eksplorasi nilai akademik TPB dari mahasiswa Program Studi Statistika angkatan 46-49.
Kesesuaian pilihan Program Studi Statistika dari mahasiswa dapat diketahui melalui nilai akademik TPB. Eksplorasi nilai akademik TPB dari mahasiswa Program Studi Statistika angkatan 46-49 dapat dilakukan untuk kajian kesesuaian pilihan program studi dari mahasiswa Program Studi Statistika. 10. Perbandingan nilai akademik TPB dengan IP mata kuliah mayor tingkat dua.
Indeks Prestasi digunakan untuk membuktikan bahwa nilai akademik TPB dapat menunjukkan kesesuaian pilihan Program Studi Statistika. Pengujian korelasi dan plot tebaran antara nilai akademik TPB dengan IP mata kuliah mayor tingkat dua digunakan untuk melihat hubungan antara keduanya. Hubungan yang kuat dan searah antara nilai akademik TPB dengan IP mata kuliah mayor tingkat dua menunjukkan bahwa nilai akademik TPB dapat menunjukkan kesesuaian pilihan program studi.
9
HASIL DAN PEMBAHASAN
Eksplorasi Nilai Akhir Mata Kuliah Tingkat Persiapan Bersama
Eksplorasi nilai akhir mata kuliah TPB dilakukan untuk mengetahui sebaran nilai akhir mata kuliah TPB dari mahasiswa Program Studi Statistika angkatan 46-49. Ekplorasi yang dilakukan adalah ekplorasi dari setiap mata kuliah TPB. Berikut hasil eksplorasi nilai akhir mata kuliah TPB yang ditampilkan dengan diagram kotak garis:
Gambar 2 Diagram kotak garis nilai akhir mata kuliah Tingkat Persiapan Bersama dari mahasiswa Program Studi Statistika angkatan 46-49 Gambar 2 menunjukkan bahwa nilai akhir sebagian besar mata kuliah TPB dari mahasiswa Program Studi Statistika angkatan 46-49 berada pada kisaran nilai yang cukup tinggi yaitu 70, sisanya berada diatas nilai 70. Sebaran nilai mahasiswa Program Studi Statistika menunjukkan bahwa sebagian besar mahasiswa mempunyai nilai yang tinggi pada hampir semua mata kuliah. Berdasarkan hasil tersebut dapat diketahui bahwa sebagian besar mahasiswa Program Studi Statistika angkatan 46-49 merupakan mahasiswa yang mempunyai nilai akhir TPB yang cukup tinggi pada setiap mata kuliah TPB.
Eksplorasi Indeks Prestasi Mata Kuliah Mayor
10
Gambar 3 Diagram kotak garis nilai akhir mata kuliah Tingkat Persiapan Bersama mahasiswa Program Studi Statistika angkatan 46-49 Gambar 3 menunjukkan bahwa IP mata kuliah mayor mahasiswa Program Studi Statistika angkatan 46-49 berada di sekitar nilai 3.00. Pada diagram kotak garis diatas menunjukan bahwa sebaran nilai IP mahasiswa setiap angkatan tidak semuanya merata. Hasil eksplorasi dari masing-masing angkatan menunjukkan nilai IP yang cukup tinggi sama seperti hasil eksplorasi nilai akhir mata kuliah TPB.
Eksplorasi Nilai Tingkat Kontribusi Mata Kuliah Tingkat Persiapan Bersama
Ada enam belas dosen dari Program Studi Statistika yang mengisi kuesioner pada penelitian ini. Banyaknya dosen yang mengisi kuisioner pada penelitian ini sudah mencangkup 47% dari total banyaknya dosen Program Studi Statistika IPB yang berjumlah 34. Penilaian dari enam belas dosen sudah dianggap dapat mewakili penilaian semua dosen. Setiap dosen memberikan nilai pada mata kuliah TPB yang menunjukkan tingkat kontribusi suatu mata kuliah terhadap pemahaman mata kuliah Program Studi Statistika dibandingkan dengan mata kuliah TPB lain. Skala penilaian setiap dosen berbeda-beda sehingga untuk membandingkan penilaian dapat diketahui melalui persentase nilai setiap mata kuliah. Berikut adalah persentase setiap nilai mata kuliah TPB dari setiap dosen:
Tabel 2 Persentase setiap nilai mata kuliah Tingkat Persiapan Bersama dari enam belas dosen Program Studi Statistika
Dos en ke- BIO EKO FIS PKN IND PIP ING KIM SOS PM KAL
1 3.03 10.10 10.10 2.02 2.02 5.05 20.20 5.05 2.02 20.20 20.20
2 7.94 9.07 7.94 9.07 9.64 7.94 10.20 7.94 7.94 11.00 11.34
3 6.67 10.00 13.33 1.67 10.00 1.67 11.67 8.33 3.33 16.67 16.67
4 10.00 10.00 10.00 6.25 6.25 6.25 6.25 10.00 10.00 12.50 12.50
5 7.35 11.76 11.76 4.41 7.35 4.41 7.35 11.76 4.41 14.71 14.71
6 7.14 11.43 7.14 2.86 11.43 7.14 11.43 7.14 5.71 14.29 14.29 7 5.66 7.55 7.55 1.89 13.21 1.89 15.09 7.55 1.89 18.87 18.87 8 8.70 8.70 9.78 7.61 8.70 7.61 9.78 9.78 7.61 10.87 10.87
9 1.49 5.97 7.46 10.45 11.94 10.45 13.43 2.99 4.48 16.42 14.93
10 9.86 8.45 12.68 4.23 5.63 4.23 8.45 11.27 7.04 14.08 14.08 11 7.69 12.31 9.23 1.54 6.15 4.62 13.85 10.77 3.08 15.38 15.38 12 8.70 11.59 7.25 2.90 4.35 8.70 13.04 7.25 7.25 14.49 14.49
11 Tabel 2 menunjukkan bahwa sebagian besar dosen memberikan nilai paling tinggi pada mata kuliah Pengantar Matematika dan Kalkulus. Nilai yang diberikan oleh setiap dosen pada mata kuliah Pengantar Matematika dan Kalkulus hampir semuanya sama. Hal sebaliknya terjadi pada mata kuliah Pendidikan Kewarganegaraan. Sebagian besar dosen memberikan nilai paling kecil pada mata kuliah Pendidikan Kewarganegaraan. Oleh karena itu, dapat diketahui bahwa mata kuliah Pengantar Matematika dan Kalkulus dianggap sama-sama memiliki kontribusi yang tinggi terhadap pemahaman mata kuliah Program Studi Statistika dibandingkan mata kuliah TPB lain.
Martiks Perbandingan Berpasangan Mata Kuliah Tingkat Persiapan Bersama
Perbandingan nilai antar mata kuliah TPB dilakukan untuk menyusun matriks perbandingan berpasangan. Nilai perbandingan ini didapat dari hasil perbandingan nilai antar mata kuliah yang diberikan oleh dosen Program Studi Statistika. Matriks perbandingan berpasangan pada penelitian ini bisa diperoleh dengan menggunakan nilai median dari setiap perbandingan nilai mata kuliah. Ukuran pemusatan median dipilih karena perbandingan nilai antar mata kuliah TPB tidak semuanya berdistribusi normal. Pengujian kenormalan dilakukan dengan membuat diagram kotak garis yang ditunjukan pada Lampiran 1. Berikut adalah bentuk matriks perbandingan berpasangan antar mata kuliah TPB:
Tabel 3 Matriks perbandingan berpasangan nilai mata kuliah Tingkat Persiapan Bersama
Berdasarkan hasil perhitungan diketahui bahwa matriks perbandingan berpasangan pada Tabel 3 memiliki nilai CR sebesar 0.47%. Nilai CR < 10% menunjukkan bahwa matriks perbandingan telah konsisten dan dapat dianalisis lebih lanjut untuk mendapat hasil analisis yang valid.
Hasil Pembobotan Analytic Hierarchy Process menggunakan
Least Square Logarithmic
Pada penelitian ini akan ditentukan nilai bobot dari setiap mata kuliah TPB yang menunjukkan tingkat kontribusi terhadap pemahaman mata kuliah Program Studi Statistika. Nilai bobot setiap mata kuliah ditentukan dengan metode AHP menggunakan LSL. Data yang digunakan untuk menentukan nilai bobot berasal dari data matriks perbandingan berpasangan. Selain dapat menentukan nilai bobot, LSL dapat menduga galat baku setiap mata kuliah TPB yang dibandingkan. Galat
BIO EKO FIS PKN IND PIP ING KIM SOS PM KAL
12
baku menunjukkan galat dari nilai dugaan bobot yang dihasilkan mata kuliah tersebut. Berikut adalah dugaan nilai bobot dan galat baku mata kuliah TPB menggunakan analisis LSL:
Tabel 4 Dugaan nilai bobot dan galat baku mata kuliah Tingkat Persiapan Bersama
No Mata kuliah Bobot Galat baku
1 Kalkulus 0.140 0.00468
2 Pengantar Matematika 0.140 0.00468
3 Bahasa Inggris 0.113 0.00391
4 Ekonomi Umum 0.105 0.00367
5 Fisika 0.092 0.00326
6 Kimia 0.089 0.00316
7 Bahasa Indonesia 0.085 0.00305
8 Biologi 0.075 0.00270
9 Pengantar Ilmu Pertanian 0.062 0.00227
10 Sosiologi Umum 0.052 0.00192
11 Pendidikan Kewarganegaraan 0.042 0.00171
Tabel 4 menunjukkan bahwa mata kuliah Kalkulus dan Pengantar Matematika merupakan mata kuliah TPB yang dianggap paling mempunyai kontribusi yang tinggi terhadap pemahaman mata kuliah Program Studi Statistika dibandingkan mata kuliah TPB lain. Oleh karena itu, mata kuliah tersebut perlu dikuasai dengan baik oleh mahasiswa Program Studi Statistika sehingga dapat dengan mudah memahami mata kuliah di program studinya. Mata kuliah lain selain Kalkulus dan Pengantar Matematika tetap harus dikuasai oleh mahasiswa, karena mata kuliah TPB tersebut dapat membantu pemahaman mata kuliah Program Studi Statistika dan menunjang pengetahuan mahasiswa.
Nilai bobot mata kuliah yang dihasilkan LSL menunjukkan tingkat kontribusi setiap mata kuliah TPB terhadap pemahaman mata kuliah Program Studi Statistika. Pengujian kesamaan nilai bobot antar mata kuliah dapat dilakukan untuk mengetahui kesamaan tingkat kontribusi setiap mata kuliah. Kesamaan tingkat kontribusi setiap mata kuliah dapat diketahui melalui pengujian matriks T. Penentuan semua mata kuliah TPB mempunyai tingkat kontribusi yang sama atau tidak, dapat dibandingkan dengan nilai kritis matriks T. Kontribusi mata kuliah tidak semuanya sama dapat diketahui ketika ada nilai dalam matriks T yang lebih besar dari 3.96 (nilai kritis dengan α = 5% dan jumlah kriteria 11). Berikut adalah matriks T hasil pengujian nilai bobot antar mata kuliah TPB:
Tabel 5 Matriks T hasil pengujian kesamaan nilai bobot mata kuliah Tingkat Persiapan Bersama
PKN SOS PIP BIO IND KIM FIS EKO ING PM KAL
13 Tabel 5 menunjukkan bahwa terdapat elemen matriks yang lebih besar dari nilai kritis matriks T untuk perbandingan sebelas kriteria yaitu 3.96. Berdasarkan hasil tersebut dapat disimpulkan bahwa nilai bobot yang dihasilkan memang tidak menunjukkan setiap mata kuliah mempunyai tingkat kontribusi yang sama terhadap pemahaman mata kuliah Program Studi Statistika. Pada kasus ini dapat dilakukan pengelompokan tingkat kontribusi mata kuliah dengan membagi matriks T sehingga terbentuk beberapa matriks yang menunjukkan pengelompokan mata kuliah berdasarkan kesamaan tingkat kontribusi. Pengelompokan mata kuliah berdasarkan tingkat kontribusi yang sama pada penelitian ini menggunakan perbandingan nilai kritis t-tabel dengan derajat bebas 45 pada taraf 1% yaitu 2.69. Berikut adalah hasil pengelompokan mata kuliah TPB berdasarkan kesamaan tingkat konstribusi terhadap pemahaman mata kuliah Program Studi Statistika: Tabel 6 Pengelompokan mata kuliah Tingkat Persiapan Bersama berdasarkan
tingkat kontribusi
Berdasarkan Tabel 6 dapat diketahui pengelompokan mata kuliah TPB berdasarkan tingkat kontribusinya terhadap pemahaman mata kuliah Program Studi Statistika dibagi menjadi enam kelompok. Adapun rincian pengelompokan adalah sebagai berikut:
1. Mata kuliah yang mempunyai tingkat kontribusi sangat rendah terhadap pemahaman mata kuliah Program Studi Statistika. Mata kuliah yang termasuk pada kelompok ini adalah mata kuliah Pendidikan Kewarganegaraan dan Sosiologi Umum.
2. Mata kuliah yang mempunyai tingkat kontribusi rendah terhadap pemahaman mata kuliah Program Studi Statistika. Mata kuliah yang termasuk pada kelompok ini adalah mata kuliah Pengantar Ilmu Pertanian.
3. Mata kuliah yang mempunyai tingkat kontribusi cukup rendah terhadap pemahaman mata kuliah Program Studi Statistika. Mata kuliah yang termasuk pada kelompok ini adalah mata kuliah Biologi.
4. Mata kuliah yang mempunyai tingkat kontribusi sedang terhadap pemahaman mata kuliah Program Studi Statistika. Mata kuliah yang termasuk pada kelompok ini adalah mata kuliah Bahasa Indonesia, Fisika dan Kimia.
5. Mata kuliah yang mempunyai tingkat kontribusi cukup tinggi terhadap pemahaman mata kuliah Program Studi Statistika. Mata kuliah yang termasuk pada kelompok ini adalah mata kuliah Ekonomi Umum dan Bahasa Inggris. 6. Mata kuliah yang mempunyai tingkat kontribusi yang tinggi terhadap
pemahaman mata kuliah Program Studi Statistika. Mata kuliah yang termasuk pada kelompok ini adalah Pengantar Matematika dan Kalkulus.
PKN SOS PIP BIO IND KIM FIS EKO ING PM KAL
14
Nilai Akademik Tingkat Persiapan Bersama
Nilai akademik TPB pada penelitian ini didapatkan dari fungsi linear setiap nilai akhir mata kuliah TPB mahasiswa. Nilai konstanta dari setiap mata kuliah pada fungsi tersebut menggunakan nilai bobot yang telah didapatkan dari pendekatan metode AHP. Adapun fungsi nilai akademik mahasiswa Program Studi Statistika adalah sebagai berikut:
Y = 0.140 KAL + 0.140 PM + 0.113 ING + 0.105 EKO + 0.092 FIS + 0.089 KIM + 0.085 IND + 0.075 BIO + 0.062 PIP + 0.052 SOS + 0.042 PKN
Keterangan:
Y : Nilai akademik TPB
KAL : Nilai akhir mata kuliah Kalkulus
PM : Nilai akhir mata kuliah Pengantar Matematika ING : Nilai akhir mata kuliah Bahasa Inggris
EKO : Nilai akhir mata kuliah Ekonomi Umum FIS : Nilai akhir mata kuliah Fisika
KIM : Nilai akhir mata kuliah Kimia
IND : Nilai akhir mata kuliah Bahasa Indonesia
PIP : Nilai akhir mata kuliah Pengantar Ilmu Pertanian BIO : Nilai akhir mata kuliah Biologi
PKN : Nilai akhir mata kuliah Pendidikan Kewarganegaraan SOS : Nilai akhir mata kuliah Sosiologi Umum.
Nilai akademik TPB mahasiswa Program Studi Statistika berada pada rentang 0.00 – 100.00. Nilai ini dapat menunjukkan tingkat kesesuaian mahasiswa Program Studi Statistika terhadap program studi pilihannya berdasarkan kemampuan dasar ketika TPB. Pada penelitian ini akan dilihat tingkat kesesuaian mahasiswa Program Studi Statistika angkatan 46-49 terhadap program studi pilihannya melalui nilai akademik TPB. Berikut tabel statistika deskriptif nilai akademik TPB mahasiswa Program Studi Statistika angkatan 46-49:
Tabel 7 Statistika deskriptif nilai akademik Tingkat Persiapan Bersama mahasiswa Program Studi Statistika
Keterangan Angkatan 46 Angkatan 47 Angkatan 48 Angkatan 49 Jumlah data 73 81 77 83 Minimum 43.578 48.724 47.889 47.681 Maksimum 80.283 88.014 85.652 86.193 Median 69.388 72.263 70.941 75.704 Rata-rata 68.445 71.335 70.964 75.258 Galat baku 6.766 7.322 7.360 6.801 Tabel 7 menunjukkan bahwa rata-rata nilai akademik TPB dari mahasiswa Program Studi Statistika angkatan 46-49 cukup tinggi. Hal ini menunjukkan bahwa mahasiswa Program Studi Statistika memiliki nilai akademik TPB yang cukup baik dan telah sesuai memilih Program Studi Statistika.
Perbandingan Nilai Akademik Tingkat Persiapan Bersama dengan Indeks Prestasi
15 namun pada penelitian ini yang diduga mempengaruhi hal tersebut difokuskan pada nilai akademik TPB. IP mahasiswa Program Studi Statistika angkatan 46-49 digunakan untuk membuktikan bahwa nilai akademik TPB dapat menunjukkan kesesuaian pilihan Program Studi Statistika. Hubungan antara nilai akademik TPB dengan IP mata kuliah mayor di tingkat dua dari mahasiswa Program Studi Statistika angkatan 46-49 dapat dilihat melalui plot tebaran dan pengujian korelasi berikut:
Gambar 4 Plot tebaran nilai akademik Tingkat Persiapan Bersama dengan Indeks Prestasi mata kuliah Program Studi Statistika di tingkat dua
Tabel 8 Korelasi nilai akademik Tingkat Persiapan Bersama dengan Indeks Prestasi mata kuliah Program Studi Statistika di tingkat dua
Angkatan 46 47 48 49
Nilai Korelasi 0.807 0.742 0.638 0.862
Nilai-p 0.000 0.000 0.000 0.000
Gambar 2 menunjukkan terdapat hubungan yang searah antara nilai akademik TPB dengan IP mata kuliah mayor di tingkat dua dari mahasiswa Program Studi Statistika. Selain itu hasil pengujian korelasi pada Tabel 8 menunjukkan bahwa korelasi antara keduanya memiliki hubungan yang kuat dan sangat kuat. Berdasarkan hal itu dapat diketahui bahwa mahasiswa yang mempunyai nilai akademik yang tinggi cenderung akan mempunyai IP yang tinggi di Program Studi Statistika. Oleh karena itu, nilai akademik TPB mahasiswa Program Studi Statistika dapat digunakan untuk melihat tingkat kesesuain pilihan Program Studi Statistika.
SIMPULAN
16
kelompok tingkat kontribusi mata kuliah. Pengujian korelasi antara nilai akademik TPB dengan IP mata kuliah mayor di tingkat dua menunjukkan adanya korelasi yang searah, sehingga mahasiswa Program Studi Statistika angkatan 46-49 telah sesuai memilih program studi karena memiliki nilai akademik TPB yang tinggi pula.
SARAN
Kajian lebih lanjut untuk mengetahui kesesuaian pilihan program studi dapat menggunakan nilai akademik TPB dan faktor lain yang diduga berpengaruh. Pembagian kelompok mahasiswa berdasarkan jalur masuk pun dapat dilakukan untuk melihat ada atau tidaknya perbedaan standar nilai mahasiswa berdasarkan jalur masuknya.
DAFTAR PUSTAKA
Adamcse E. 2008. The Analytic Hierarchy Process and its generalizations [tesis]. Budapest: Eötvös Loránd University.
Draper NR, Smith H. 1992. Analisis Regresi Terapan Edisi Kedua. Sumantri B, penerjemah. Jakarta (ID): Gramedia Pustaka Umum. Terjemahan dari: Applied Regression Analysis (Second Edition).
Endah, Dwi Kusrini. Pendekatan Least Square Logarithmich dalam menganalisis matriks AHP pada kasus penentuan faktor-faktor yang berpengaruh terhadap pemilihan warnet. Prosiding Seminar Nasional Statistika. 8: 91-104.
Laininen P, Hamalainen RP. 2003. Analyzing AHP-matrices by regression. European Journal Of Operational Research.148: 514-524.
Leskinen P. 2000. Measurement scales and scale independences in the Analytic Hierarchy Process. Multi-Criteria Decision Analytic. 9: 163-174.
Nishizawa K, Takahashi I. 2009. Weighted and Logarithmic Least Square Methods for mutual evaluation network system including AHP and ANP. Journal of the Operations Reseach of Japan. 52(3): 221-244.
Saaty TL, Vargas F. 1984. Comparison of Eigenvalue, Least Square Logarithmic, Least Square Methods in estimating ratios. Mathematical Modelling. 5: 309-324.
17 Lampiran 1 Diagram kotak garis nilai perbandingan mata kuliah Tingkat Persiapan
Bersama dari penilaian 16 dosen Program Studi Statistika
Keterangan :
18
Lampiran 2 Nilai kritis dissimilarity matrix pada taraf 5%
3 4 5 6 7 8 9 10 11
19 Lampiran 3 Kuesioner penelitian
KUESIONER PENELITIAN
Bapak/Ibu dosen yang terhormat, terima kasih atas partisipasinya dalam penelitian yang berjudul KAJIAN KESESUAIAN PILIHAN PROGRAM STUDI MAHASISWA S-1 STATISTIKA IPB MELALUI KEMAMPUAN
AKADEMIK TPB. Penelitian ini dilakukan oleh Muhammad Jamaludin
(G14110003), mahasiswa Departemen Statistika sebagai salah satu syarat memperoleh gelar sarjana IPB. Mohon Bapak/Ibu berkenan mengisi kuesioner ini, karena akan memberikan manfaat yang sangat berarti bagi penelitian ini. Atas bantuan dan kerjasamanya, saya ucapkan terima kasih.
Nama Responden : . . . Petunjuk Pengisian:
1. Terdapat 11 daftar mata kuliah yang di dapatkan oleh mahasiswa IPB ketika TPB. Urutkan semua mata kuliah berdasarkan tingkat kontribusi mata kuliah terhadap pemahaman mata kuliah di Program Studi Statistika. Mata kuliah TPB yang sangat berkontribusi terhadap pemahaman mata kuliah di Program Studi Statistika di tempatkan di urutan pertama.
2. Tentukan nilai tingkat kontribusi pada mata kuliah urutan pertama.
3. Lanjutkan penilaian pada mata kuliah urutan ke-2 s.d ke-11 dengan membandingkan nilai pada mata kuliah pertama.
Tabel daftar mata kuliah TPB
Kode Mata Kuliah Nama Mata Kuliah
BIO100 Biologi
EKO100 Ekonomi Umum FIS-100 Fisika
IPB105 Pendidikan Pancasila dan Kewarganegaraan IPB106 Bahasa Indonesia
IPB107 Pengantar Ilmu Pertanian IPB108 Bahasa Inggris
KIM101 Kimia
20
[image:32.595.52.500.123.795.2]Lampiran 3 Kuesioner penelitian (lanjutan)
Tabel penilaian urutan dan nilai kontribusi mata kuliah TPB terhadap pemahaman mata kuliah Program Studi Statistika.
Urutan
Mata Kuliah
Nilai
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
21 Lampiran 3 Kuesioner penelitian (lanjutan)
Berikut ini adalah keterangan dari mata kuliah TPB:
No Mata Kuliah
1.
BIO100 Biologi 3(2-3)
Matakuliah Biologi mengajarkan mahasiswa prinsip dasar biologi dari tingkat selular hingga organisme dan hubungannya dengan lingkungan
2.
EKO100 Ekonomi Umum 3(2-2)
Matakuliahini memberikan gambaran secara umum mengenai ilmu ekonomi, pelaku-pelaku ekonomi, permintaan, penawaran, garis anggaran dan kurva indeferen, produksi dan biaya, struktur pasar, variabel kunci makroekonomi, pendapatan nasional, perubahan pendapatan nasional, kebijakan fiskal dan kebijakan moneter.
3.
FIS-100 Fisika 3(2-3)
Materi Matakuliahini adalah mekanika; termodinamika; listrik magnet dan fisika modern. Dalam penyajiannya akan dijelaskan tentang konsep-konsep dasar fisika dalam bentuk sederhana diikuti dengan contoh-contoh soal dan aplikasinya dalam berbagai bidang, sehingga diharapkan dapat menyiapkan mahasiswa untuk mampu menggunakan fisika dalam profesi dan kehidupan sehari-hari.
4.
IPB105 Pendidikan Pancasila dan Kewarganegaraan (PPKn) 3(2-2)
Pemahaman Pancasila sebagai Nilai Dasar Negara, Sistem Ketatanegaraan republik Indonesia dengan Kajian Historis, Yuridis Filosofis, Ideologi dan Pemahaman Pancasila sebagai Paradigma Aktualisasi dalam Kehidupan Bermasyarakat, Berbangsa, Bernegara. Pemahaman tentang Bangsa, Negara Hak dan Kewajiban Warga Negara, Bela Negara, Demokratisasi, Wawasan Nusantara, Hak Asasi Manusia Otonomi Daerah, Lingkungan Hidup, Ketahanan Nasional dan Politik Strategi Nasional.
5.
IPB106 Bahasa Indonesia 2(1-2)
Matakuliah ini diberikan agar mahasiswa mampu menggunakan Bahasa Indonesia secara tepat. Matakuliahini dirancang dan disusun untuk membiasakan mahasiswa menghargai dan menggunakan Bahasa Indonesia secara baik dan benar. Topik yang dibahas: EYD; struktur kalimat; kalimat yang efektif dan logis; paragraf; jenis tulisan; korespondensi dan karya ilmiah.
6.
IPB107 Pengantar Ilmu-Ilmu Pertanian 2(2-0)
Unsur-22
Lampiran 3 Kuesioner penelitian (lanjutan)
Unsurnya, Iklim Indonesia, Energi dan Fotosintesis, Pangan dan Gizi, Daur Hara Kehidupan, Teknologi Pasca Panen, Pertanian Non Pangan, Agribisnis dan Agroindustri, Bioteknologi dan Hydroponics, Visi Pertanian Abad 21
7.
IPB108 Bahasa Inggris 3(2-2)
Matakuliah ini menguraikan teknik-teknik dan strategi untuk memahami suatu teks bacaan wacana berbahasa Inggris ; dan struktur kalimat yang terkait dengan bacaan/wacana dalam bahasa Inggris.
8.
KIM101 Kimia 3(2-3)
Matakuliah ini diberikan untuk membekali pengetahuan tentang konsep-konsep dasar kimia yang disampaikan secara sederhana dan populer, meliputi: pendahuluan tentang pengertian dan pentingnya ilmu kimia; pengertian tentang atom dan struktur atom; kimia inti; ikatan kimia; nama, rumus, dan persamaan kimia; asam/basa; oksidasi dan reduksi; kimia organik dan polimer; energi; kimia lingkungan; kimia pertanian; kimia pangan; kemoterapi dan toksikologi kimia.
9.
KPM130 Sosiologi Umum 3(2-2)
Matakuliah ini menjelaskan sosiologi sebagai ilmu pengetahuan, masyarakat dan kebudayaan, kelembagaan sosial, grup sosial, organisasi sosial, stratifikasi sosial dan sistem kekuasaan, proses-proses sosial dalam masyarakat, perubahan masyarakat dan pembangunan
10.
MAT100 Pengantar Matematika 3(2-2)
Matakuliah ini membahas konsep-konsep dasar matematika yang meliputi konsep logika matematika (kebenaran suatu pernyataan, argumen, pernyataan dengan suku pengkuantifikasi, induksi matematika); kombinatorika (hukum penggandaan, hukum penjumlahan, permutasi, dan kombinasi); matriks, sistem persamaan linear, pertidaksamaan dan nilai mutlak, fungsi dan model serta limit dan kekontinuan dengan penekanan lebih banyak pada aspek penghitungan.
11.
MAT103 Kalkulus 3(2-2)
23
RIWAYAT HIDUP
Penulis dilahirkan di Kabupaten Tasikmalaya Jawa Barat pada tanggal 11 Juli 1992 dari pasangan bapak Abdul Razaq dan ibu Kiki Zakiah. Penulis adalah anak terakhir dari tujuh bersaudara. Pendidikan pada tingkat perguruan tinggi ditempuh sejak diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun 2011 melalui jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN). Sebelumnya, penulis telah menyelesaikan pendidikan di SMA Negeri 9 Bogor pada tahun 2011, SMP Negeri 1 Sariwangi tahun 2008, dan SDN 1 Linggawangi tahun 2005.
