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
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
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.
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
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
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
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
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
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
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 (�2) setiap pasangan kategori menurut Agresti (1990) dengan rumus:
�2hitung = (nij −Eij)
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
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 �2 hitung > �2 �; �−1 �−1 .
d. Menghitung nilai-p untuk setiap nilai khi-kuadrat berpasangan. Jika ada pasangan kategori yang tidak berhubungan nyata yaitu �2 hitung < �2 �; �−1 �−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. Peubah asal berskala ordinal menggunakan pengali Bonferroni tipe monotonik, yaitu:
� = (�−�−11)
c. Peubah asal berskala ordinal namun terdapat kategori yang belum dapat ditentukan urutannya dalam peubah tersebut menggunakan pengali Bonferroni tipe mengambang, yaitu:
�= (�−�−22) +� (�−�−12) dengan,
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
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
Sebaran IP responden pada semester 1 dan 2
IP SMT1
Sebaran IP responden pada semester 1, 2, dan 3
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%
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
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%
Persentase penurunan IP responden berdasarkan jenis kelamin, minor, asal daerah, status asal sekolah, beasiswa, pengeluaran per bulan, dan motivasi
Sangat turun
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
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
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
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
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
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.
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.
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.
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
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?
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
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
20
Lampiran 3 Deskripsi karakteristik responden berdasarkan peubah penjelasnya
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
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%
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
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
23 Lampiran 5 Ringkasan analisis CHAID penurunan IP responden
Klasi
fikasi Simpul Karakteristik
Persentase (%) Banyak
mahasiswa 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 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
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
