ANALISIS FAKTOR-FAKTOR YANG
BERPENGARUH
TERHADAP TINGKAT KEPUASAN ALUMNI PELATlHAN
PROGRAM PENGEMBANGAN PROFESIONALISME
STAF AKADEMIK
OLEH
:
I
MADE SUNASTRA
PROGRAM PASCASARJANA
INSTlTUT PERTANIAN BOGOR
P -,
Hasil d i s i s untuk membandingkan pedormance pelatihan di IPB
dan
di UI menunjukkan bahwa tin kat kepuasan, penerapan, metode, serta sarana dan prasarana diIPB
Iebih baik dari peyaksanaan pelatihan &UI.
SURAT
PERNYATAANI )engal1 ini s a h a men) atakan bahwa tesis y a n g berjudul :
Analisis Faktor-Faktor vane Bernenearuh terhadap Tinekat Kenuasan Alumni
Pelatihan Program Pengembangan Profesionalisme Staf Akademik
aclalah l~asil lcarya saya sendiri dan belum pernah dipublikasikan. Sumber data dan
inti,^-masi >.ang diy~malian telah dinyatakan dengnn jclas dan dapat diperiltsu kebrnarannya.
ANALISIS FAKTOR-FAKTOR
YANG
BERPENGARUH
TERaADAP TINGKAT KEPUASAN ALUMNI PELATIRAN
PROGRAM PENGEMBANGAN PROFlESIOlYALISME
STAF
AKADEMIK
I MADE SUNASTRA
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika
PROGRAM PASCASARJANA
INSTITUT
PERTANIAN
BOGOR
Judul Tesis : Analisis Faktor-Faktor yang Berpengaruh terhadap Tingkat
Kepuasan Alumni Pelatihan Program Pengembangan
Profesionalisme Staf Akademik
Narna : IMade Smastra
N R P : 99155
Program Studi : Statistika
Menyetujui :
Kornisi Pembimbing
Ir. Kusman Sadik, WSi. Anggota
Ketua Program Studi Statistika Direktur Program Pascasarjana
Pendis dilahirkan di Tabanan pada tanggal 2 September 1945 sebagai anak
kedua (4 bersaudara) dari persangan I Wayan Guwer (ayah)
dan
Ni Made Ngepong(ibu)
Pendidikan b a r dan menengah penulis selesaikan
di
Tabanan yaitu di SDNegeri 2 Penyalin Tabanan, Sekolah Menengah Pertama (SMP) Negeri Tabanan dan
S A K M A Bogor. Pendidikan sarjana luius pa& tahun 1990 di Program Studi
Statistika Terapan, Fakultas Matematika
dan
Ilmu Pengetahuan Alam, UniversitasTerbuka. Pada
tahun
1998 penulis diterima pada Program Pra-Pascstsajana IPB danpa& tahun 1999 mendapat kesempatan melanjutkan ke Program Pascasajana IPB
Jurusan Statistika dengan beasiswa BPPS.
Sejak tahun 1990 penulis diangkat sebgai tenaga pengajar matematika dm
statistika pada Jurusan Fisika, Fakultas Pvlatematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Udayana Denpasar Bali.
Penulis menikah dengan Ni Kompiyang Nikotin pada tanggal 10 November
1968 dan telah dikaruniai 3 orang anak, yaitu I Wayan Mdyadi, ST. (31 tahun), I
PRAKATA
Sudah selayaknya penulis memanjatkan puji syukur kehadapan Ida Sang
Hyang Widi Wasa, Tuhan Yang Maha Kuasa, yang karena kehendakNya maka tugas
akhir ini dapat terselesaikan dengan baik. Tema yang dipilih dalam penelitian ini
bexjudul Analisis Faktor-Faktor yang Berpengamh terhadap Tingkat Kepuasan
Alumni Pelatihan Program Pengembangan Profesionalisme Staf Akademik.
U c a p n tmima kasih penulis sampaikan kepada:
Yang terhormat Bapak Dr.
Ir.
Bambang Juanda, M.S. sebagai Ketua KomisiPembimbing, yang wairtupun beliau sangat disibukhn oleh tugas pemerintah,
tetapi dapat dengan cermat menjadwalkan waktu untuk bimbingan sehingga
tugas akhir ini dapat terselesaikan dengan amat sangat lancar.
Yang terhormat
Bapak
Ir. Kusman Sadik, M.Si. sebagai Anggota Komisi, yangdengan telaten beliau memberikan bimbingan d m petunjuk demi kelancaran
tugas akhir ini.
Saudari Teja Ofteviza, atas banhamya dalam proses pengolahan data dan
bebempa masukannya tentang prilaku data demi kesempurnaan tugas akhir ini.
-
Kepada warga Punhawacana, khususnya warga asrama Bdi: Puri Canang Saridan Bogor Baru atas segala bentuk bantuannya baik jasa konsultasi, moril maupun materiil
dari
sejak persiapan hingga terselesaikannya tugas f i r ini.Kepada berbagai pihak yang telah memberikan bantuan baik jasa, moril maupun
Yang terkasih, anak-anakku Mulyadi, Wahyudi dan Kumiawan serta istriku
Nikotin, atas pengertian
dan
segala pengorbanamya sehingga tercipta kondisidan situasi yang memungkinkan studi ini dapat berhasil dengan
baik.
-
Ungkapan terima kasih juga disampaikanke-
ayah, ibu (ah), serta s e l h keluarga atas segala doa dm kasih sayangnya.Om
A no bhadrah krattavo y a m vlsvatah.'Ya
Tuhan Yangrvlaha
Kuasa !Semoga pikiran
baik
datang dari segala penjuru'.Bogor, Desember 200 1
DAFTAR
IS1
Halaman
DAFTAR TABEL
...
viii...
DAFTAR GA MBAR i x
...
DAFTAR LAMPIRAN x
PENDAHULUAN
...
Latar Belakang 1
...
Batasan Masalah 2
...
Tujuan Penelitian 3
...
Manfaat Penelitian 3
TINJAUAN PUSTAKA
...
Pelatihan 4
Pelatihan AA (Applied Aproach)
...
4...
Petatihan PEKERTI 4
Pelatihan TIW
...
5Metode Regresi Logistik Berganda
...
5...
Pengujian Keberartian Model 8
. .
...
UJI Nyata Parouneter 9
...
Interpretasi Koefisien 9
...
Pendugaan Parameter 1 1
...
Metode Kemungkinan Pulaksimum 1 1
...
Metode Newton Rhapson 15
...
Penyeleksian Peubah
...
Regresi Logistik Bertatar
...
Prosedur Regresi Logistik Bertatar
...
BAHAN DAN METODE
Bahan
...
Metodologi Analisis
...
HASU DAN PEMBAKASAN
Deskripsi Data
...
Analisis Regresi Logistik
...
Regresi Logistik Bertatar
...
....
...
Implikasi Kebijakan
...
Program Pelatihan diIPB
dan diUI
...
KESIMPULAN DAN SARANKesimpulan
...
Saran
...
DAFTAR PUSTAKA
...
DAFTAR
TABEL
Halaman
...
Nilai-nilai dari Model Lugistik untuk Peubah Bebas Dikotomi 10Pengkodean Peubah Penjelas dan Peubah Respon
...
25Asal Universitas Responden Alumni Pelatihan
...
27Jenis Pelatihan yang Diikuti
...
28...
Data Amatan Peserta Pelatihan dengan Behagai Peubah Bebas 29...
Hasil Analisis Regresi Berganda dengan Model Penuh 30
...
Hasil Analisis Regresi Logistik Bertatar untuk Model Pertama 33...
Iiasil Analisis Regresi Logistik Bertatar untuk Model Kedua 33...
Hasil Analisis Regresi Logistik Bertatar untuk Model Ketiga 34Kemampuan Mernprediksi untuk Model Pertama
...
34...
Ke-puan Memprediksi untuk Model Kedua 34
Kemampuan Memprediksi untuk Model Ketiga
...
35Pengkodean Peubah Tingkat Kepuasan
dan
Peubah PerlunyaPelatihan
...
36Analisis Regresi Logistik Tingkat Kepuasan terhadap Perlunya
Pelatihan
...
36Deslaipsi
Lama
Pelatihan...
37 Deskripsi Pelatihan Kurangdari
1 Bulm...
38 Analisis Regresi Logistik Tingkat Kepuasan terhadap Keinginan untuk...
Meningkatkan Kemampuan...
...
40...
DAFTAR
GARlBAR
Hataman
...
1
.
Plot antara g(x) dengan x(x) 7...
2 Diagram Batang
Lama
Pelatihan 38...
DAFTAR
LAMFIRAN
Halamen
1. Tabel hasil analisis regresi logistik sederhana untuk
masing-masing peubah p j e l a s
...
...
47 2 . Hasil Analisis Regresi Logistik P e M m n c e Pelaksanaan PelatihanBAB I
PElVDAHULUAN
1.1. Latar Belakang lMasalah
Paradigma baru
dari
pendidikan tinggi di Indonesia mengharapkan pendidikan tinggi itu &pat merespons terhadap 4 hierarki manajemen pendidikan yang antaralain adalah: i) pada tingkat nasional yaitu DIKTI; ii) tingkat institusinya yaitu Wniversitas, Fakultas dan Jurusan ; iii) tingkat program studi
dan
iv) tingkat individuyaitu mahasiswa, dosen clan individu yang terkait dengan pendidikan tinggi. Dalam
ha1 ini, tingkatan ini memegang peranan paling penting &lam dunia pendidikan.
Individu yang dimaksud &lab staf stafdemik
dan
mabasiswa. Keberhasilan darisistern pendidikan tinggi di Indonesia dan di manapun &pat dilihat dari kualitas
output (lulusan) pendidikan tinggi tersebut dan kualitas staf akademiknya.
Meningkatkan kualitas staf akademik (dosen) pada dunia pendidikan tinggi,
dimana dari waktu ke wakty ilmu pengetahuan, teknologi dan i n f o m i selalu berkembang, dirasa perlu diadakan semacam pelatihan-pelatihan atau pendidikan-
pendidikan terhadap praktisi akademis tersebut. Pelatihan-pelatihan tersebut tidak
hanya mencakup pehtihan secara fisik tetapi juga secara psikologis. Hal ini unNc
mengantisipasi bahwa setiap peserta did* (mahasiswa) prestasi akademiknya selalu
berkorelasi positif antam kernampuan fisik (intelegensia) dengan psikiloginya.
Berdasarkan uraian di atas maka perlu diadakan semacam peninjauan kembali
kernamp- intelektual staf akadernik mempunyai damp& positip amu ridak terhadap
produk pendidikan tinggi di Indonesia Sehingga nantinya bisa didapatkan lulusan
perguruan tinggi yang berkualitas dan dapat bersaing
di
era globalisasidan
pasar bebas.Beberapa tahun terakhir ini UI
dan
IPB telah memodifikasi pelatihan Program Pengembangan Ketrampilan Dasar Teknik Instruksional (PEKERTI) dan AppliedAproach (AA) Program Pengembangan Profesionalisme Staf Akademik. LP3 IJ?B
telah menggabungkan PEKERTI dan AA d a l m satu kegiatan pelatihan dalam waktu
tertentu, sedangkan
UI
melakukannya &lam bentuk lokakarya. Seberapa jauhperbedaan performance pelaksanaan pelatihan di kedua institusi tersebut, ini rnerupdcan suatu pertanyaan yang perlu dicari jawabannya.
1.2. Batasan Mssalah
B e r W k a n uraian di atas maka masaiah yang
alcan
diteliti ialah menganalisistingkat kepuasan para
alumni
pelatihan yang mengikuti pelatihan PEKERTI, AA,clan Teaching Improvement Workshop (TIW) Program Pengembangan Profesionalisme Staf Akademik Dalam penelitian ini metode analisis yang
1 3 . Tujurn Penelitfan
Tujuan penelitian ini ialah untuk mengetahui faktor-faktor yang berpengaruh
terhadap tingkat kepuasan alumni pelatihan Program Pengembangan Profesionalisme
Staf Akademik, serta untuk dapat menjelaskan tingkat kepuasan dm membandingkan
performunee pelaksanaan pelatihan di
IPB
dandi
UI,dengm
metode regresi logistik.1.4. Manfaat
P
enelitianSetelah diketahui faktor-faktor yang berpengaruh terhadap tingkat kepuasan
BAB I1
TINJAUAN
PUSTAKA
2.1. Pelatihan
Pelatihan didefinisikan sebagai perolehan sistematik dari keahlian, aturan,
konsep atau sikap yang menghasilkan peningkatan penarnpilan pada situasi kerja
(PPA. comultants, 2001). Pelatihan para staf akademik adalah bagian dari
pengembangan sumber daya manusia.
2.2. Pelatiban
AA
Pelatihan A A adalah program untuk memberikan atau meiengkapi kernampuan iImu pengetahuan, keahlian dan cam berfikir (sikap) kepada staf
aIrademik dalam meren-h proses belajar mengajar. Program ini direncanakan
untuk staf akademik senior yang bertanggung jawab penuh terhadap manajemen pelaksanaan proses belajar mengajar. Tujuan u m u m dari program pelatihan A A ini
addah untuk rneningkatkan efisiensi dan efektifitas dari proses belajar mengajar.
2.3. Pelatihan PEKERTI
PEKERTI atau Program Pengembangan Keterampilan Dasar Teknik
Instruksional adalah pelatihan yang diberikan kepada staf akademik junior dengan
penekanan spesifik pada penguasaan dan keahlian pengajaran
dasrrr.
Pelatihanmenghasilkan pedoman dari pengajaran yang disebut Garis Besar Program
Pengajaran (GBPP); (2) menghasilkan urutan dari pengajaran yang disebut S a m
Acara Pengajanm (SAP); dan (3) memperoleh keahlian pembelajaran.
2.4, Pelatihan TIW
TIW adalah program untuk pendidikan teknik untuk mernberikan keahlian dalam pengembangan kurikulum, kualitas, merancang silabus. dan pengajaran efektif.
Program ini adalah program tingkat nasiona1 dan dia&kan serta dikeloia oleh Universitas.
2.5. ModeI Regresi Logistik Berganda
Metode regresi merupakan komponen penting &lam analisis data
untuk.
menggambarkan hubungan antara satu peubah respons dengan satu atau lebih peubah bebas. Tujuan dari analisis dengm menggunakan metode ini ialah untuk memperoleh model yang dapat dipakai meramal atau menggambarkan hubungan antara peubah respons dengan sejumlah peuhah bebasdari
data.Metode regresi logistik berganda adalah metode regresi berganda dimana
peubah respons Y merupakan peubah biner atau dikotomi. Sedangkan peubah bebas
mempalcan peubah kategorik
dan
atau kontinu. Berikut ini adalah suatu ilustrasipeubah respons biner :
(Y=O)
-+ bila suatu kejadian "gagal"Jika peubah respons Y tersebut terdiri dari dua kategori yaitu "sukses" ( Y = l ) atau
"gagaf" (Y=O), rnaka peubah Y tersebut mengikuti sebaran Bernoulli. Fungsi peluang
dari sebaran Bernoulli ialah sebagai berikut (D.Collet ,1991) :
f ( Y = y ) = ~ ~ ( l - ~ ) ' - ~ ;y =0,1
...
(1)Niiai harapan dari Y untuk nilai x yang diberikan LE(Y/x)] disebut rataan bersyarat Y, dengan
Y
adalah peubah respons dan x nilai dari peubah bebas (Hosmer &Lemeshow, 1989). Besaran x(x)=E(Ylx) digunakan untuk menyederhanakan notasi
yang merepresentasikan rataan bersyarat dari Y
untuk
suatu nilai x yang diberikan,bilamana digunakan suatu distribusi logistik. Rumusnya sebagai berikut :
Persamaan (2) disebut h g s i regresi logistik. Persamaan (2) dapat pula dinyatakan
sebagai berikut:
Bila ditetapkan nilai g(x) pada persamaan (3) maka akan didapatkan :
Dari persamaan (4) dapat dilihat bahwa nilai w x ) ]
akan
berkisar antara 0 clan 1 atau0 I fl.g(x)] 1; 1. berapapun nilai dari g(x). Hal ini menunjukkan bahwa model logistik menggambtirkan peluang suatu kejadian, atau risiko dari suatu tindakan.
peluangnya konvergen ke 0, sedangkan untuk gCx) menuju
+
m, nilai peluangnyakonvergen ke 1. Kurva regresi logistik berbentuk huruf 'S' yang menggambarkan
[image:30.560.109.421.134.309.2]bahwa hubungan antara peubah bebas dan peluangnya adalah hubungan non- linear.
Gambar 1. Plot antara Pelrang [
x(x)]
dengan g(x)Teknik analisis yang digunakan untuk memperoleh fungsi yang linear yaitu dengan cam melakukan transformasi model logistik sehingga diperoleh bentuk
sebagai berikut :
Plot antara Pduang dengan g(x)
1.2
1.0
li
Transformasi im dikenai den- nama transformasi logit, sehingga diperoleh fungsi
g(x) yang linear dalarn parameter-parametemya.
Fungsi sebaran peubah responsnya ialah y = Z(X)
+
E dan galat dari fungsitersebut ialah :
Jika y = 1, maka E* = 1
-
x(x) den- peluang x(x)2
...
e
2.
0 0 -
6 . m 4 m m ~ i m m ~ mrm 2.- - I. a m
-5.- -3mm0 - t . m ~ m m ~ 3 . m 5 a m ~
Jika y = 0, makae = -z(x)denganpeluangl-
Nx)
.
Sebaran galat & mengikuti setman Binomial dengan rataan 0 dan ragam
1F(x ) [1- -n(x ) ] (Hosmer & Lemeshow, 1989).
2.6. Pengujian Keberartian Model
Pengujian keberartian model dengan hipotesis no1 dan alternatifnya ialah sebagai berikut :
H,:
Po
=jj, = -.-= $,= o
H I : minimaladasatupj;tO;j=O, 1,2.
....
pPengujian keberartian model ini ialah untuk melihat signifikansi keterkaitan peubah-
peubab bebas dengan peubah responsnya (Hosmer & Lemeshow, 1989). Rumus yang
digmakan ialah :
dimana: no = x(1- Y i ) ; n, =
x(yi);
n =rn
+
nl ;dan
5, = penduga -n(xi)Jika H, benar maka statistik G akan mengikuti sebaran X 2 dengan derajat bebas p
dim- p ialah banyaknya peubah bebas yang ada di dalarn model (Hosmer &
2.7. Uji Nyata Parameter
Setelah model regresi logistik diperoleh, signifikansi ditunjukkan dengan
pengujian koefisien-kodsien regresi logistik Hipotesis no1 clan hipotesis alternatif
untuk pengujian parameter ialah :
K:
P j = O vs H 1 : B j # O ; j = 1 , 2,...,
p.Statistik uji ini disebut uji-Wald (Hosmer & Lemeshow, 1989).
Statistik uji-WaId ialah :
Jika & benar maka statistik uji- Wald akan mengikuti sebaran normal baku (Hosmer
& Lemeshow, 1989). Sehingga pengujian secara individual bisa dilakukan dengan
membandingkan nilai statistik uji tersebut dengan nilai &w.
2.8. Interpretad Koefiien
Interpretasi kofisien dilakdcan pada peubah-peutrah yang berpengaruh nyata.
Dalam r e p s i linear dengan satu peubah bebas, koefisien
P1
merupakan be& antara nilai Y pada X = x+l dengan nilai Y padax = xY(x) = Po + P1x
pj
= Y(xt1)- Y(x)model regresi logistik dengan satu peubah bebas dikotomi dapat diilustrasikan dalarn
Tabel 1 berikut (Hosmer & Lemeshow, 1989)
[image:33.560.88.478.100.225.2]Nilai & (rasio antara Y=l dengan Y=O untuk X=l) adatah x(l)/[l- x(l)],
Tabel 1. N i i n i l a i dari Model Logistik uatuk Peubah Bebas Dikotomi
sedangkan nilai odds (rasio antara Y=l dengan Y=O untuk X=O) d a b
Peubah
tak
bebas
x(Oy[I
-
x(O)]. Log dari kedua odds tersebut didefinisikan sebagai g(1) dan g(0).Odds ratio ( y ) didefinisikan sebagai rasio dari odd untuk X=l dengan X=O
Peubah
be%
7sehingga:
X = l
Pada model logistik dengan satu peubah bebas dikotomi, koefrsien
PI
adalah beda X = Ologit, sedangkan exp(P1) adalah nilai rasio dari odd (Hosmer & Lemeshow. 1989).
Berdasarkan persamaan (8) &pat diinterpretasikan bahwa rasio odds ( y )=l
berarti bahwa individu dengan nilai X=l mempunyai peluang yang sama dengan
model regresi logistik dengan satu peubah bebas dikotomi dapat diilustrasikan &lam Tabel 1 berikut (Hosmer & Lemeshow, 1989)
Nilai odds (rasio an-
Y=l
denganY=O
untuk X=l) adalah x(I)/[l- x(l)],Tabel 1. Niii-nilai dari Model Logistik untmk Penbrh Bebas Dikotomi
sedangkan nilai od& (rasio antara Y=l dengan Y=O untuk X=O) addah
Peubah
tak
bebasx(O)/[l - l r ( O ) I . Log
dari
kedua odds tersebut didefinisikan sebagai g(1)dan
g(0).Odds ratio
( v )
didefinisikan sebagai rasiodari
odds
untuk X=l dengan X=O Peubah bebasPada model logistik dengan satu peubah bebas dikotomi, koefisien
P1
adalah beda X = llogit, sedangkan exp(f31) adalah nilai rasio dari o d d (Hosmer & Lemeshow. 1989). X = O
Berdasarkan persamaan (8) &pat diinterpretasikan bahwa rasio odds ( y )=1
berarti bahwa individu dengan nilai X=I mempunyai peluang yang sarna dengan
[image:34.545.89.473.93.220.2]den- X=l mempunyai peluang yang lebih besar dibanding dengan X=O.
Sebalilcnya jika 0 < ~ < 1 individu dengan X=l mempunyai peiuang yang lebih kecil
dibanding X-O dalam kaitannya den- Y=l.
2.9. Pendugaan Parameter
Mencari penduga parameter dalam regresi linear sederhrura menggunakan metode kuadrat terkecil (MKT). Model regresi dengan peubah respons biner seperti
regresi logistik, MKT tidak &pat digunakan karena penduga yang dihasilkan tidak
memenuhi sifat-sifat sebagai berilcut (Myers, Raymond H., 1991): (1) Best artinya penduga yang dihasilkan mempunyai ragam minimum; (2) Linear artinya penduga
parameter ymg dihasilkan &pat dinyatakan sebagai kombinssi linear dari peubah
respons; (3) Unbiased artinya semua nilai harapan penduga konvergen ke nilai
m e t e m y a (nilai penduga = nilai parameter).
2.9.1. Metode Kemongkinan Maksimmm CMKIM)
MKM digunakan untuk pendugaan parameter model regresi logistik (Hosmer
dan Lemeshow, 1989).
Jika Y dikode sebagai 0 atau 1, maka x(x) seperti yang diberikan pada persamaan (2) adalah P(Y=l Jx). P(Y=l lx) ini addah peluang bersyarat Y = 1 untuk
nilai x yang diberikan. Sedangkan 1
-
x(x) adaM P(Y=Olx). P(Y=Olx) adalah peluang bersyarat Y = 0untuk
nilai x yang diberikan. Pasangan-pasangan (xi, yi),pasangan (xi, yi), dimana yi = 0 fungsi kemunglcinan maksimumnya adalah 1
-
*xi), dimana besaran r(& ) adalah nilai dari n(x) yang dihitung pada xi (Hosmer &Lemeshow, 1989). Secara
umum
fimgsi kemungkimn maksimum untuk pasangan(xi, yi) ialah sebagai berikut :
<(xi) = ... (10)
Diasumsikan kita mempunyai contoh n observasi (xi, yi), i = 1, 2,
...
, n yang saling bebas Fungsi kemungkinan bersamanya addah perkalian dari fungsikemungkinan yang diberikan pada persamaan (lo), dan &pat ditulis sebagai berikut :
~ K M memberikan nilai penduga dari vector
B'
= ($,,PI,....,Po
denganmemaksimumkan fungsi kemungkinan bersama pada persamaan (11). Secara
matematis lebih mudah menyelesaikan logaritma dari persamaan (11). Logaritma
dari fungsi kemungkinan bersamanya dapat ditulis sebagai berikut :
.
Untuk mendapatkan nilai penduga dari $' = ($o,$I
...p,
) yang memaksimumkankemudian h i 1 penurunannya disamakan dengan no1 (Hosmer & Lerneshow, 1989).
...
dimana : i adalah subskrip menyatakm banyaknya contah
.
i = 1.2, ,n dan j adalahsubskrip menyatakan banyaknya peubah bebas, j = 1,2, .., p.
Untuk memperoleh solusi dari persamaan (1 1) dan (12) diperlukan sofhuure
spesial yang dapat diperoleh
dari
berbagai paket program. Solusi yang diperolehadalah $' =
(Bo.
$,...
b,
) dan nilai pengepasan untuk model regresi logistik k g a n d aadalah q x , )
.
Metode pendugaan ragam dan koragam dari koefisien penduga &pat diperoleh dengan cara mengikuti teori pendugaan maksimum [lihat contoh, Rao (1973)l. Penduga ragam dan koragam yang diperoleh adalah suatu matriks yang
berasal
dari
turunan parsial kedua dari persamaan (10) (Hosmer & Lemeshow, 1989).Tunman parsial kedua tersebut d a p t dilihat dalam bentuk persamaan sebagai berikut
....
untuk j,u = 0, 1,2, p dimana n; adalah x(xi). Ruas kanan dari persamaan (1 5) clan
(16) yang bertanda negaiif dasebut matriks i n f o m i {I@) w~wll}. Ragam dan
koragam koefisien penduga didapt dari kebalikan matriks informasi {I($) Q , + ~ > ~ I ) ) .
notasi
d ( p j )
untuk menyatakan unsur diagonal ke-j dari matriks IT1(f3) ymgmerupakan ragam dari
6
.
&a,&)
dipakai untuk menyatakan unsur sembarang yangbukan
unsur diagonaldari
matriks I-'(@) dimana ini merupakan koragamdari
A
fij
dan
$, . Pendugadari
ragam clan koragam adaiahx($).
yang diperoleh dengancara mengevaluasi
C(0)
pada
$. Kita juga men- notasih
&2($j)
dan
&(:(Bj,:(B,
>;
j,u = 0,1,2, ...,p untuk nilai-nilai di dalam matriks13(
8
). Galat baku dugaan dari koedsien dugaan &pat ditulis dengan persamaan sebagai berikut :...
s(bj)
=[e2
(Bj
)]ln (17)u n t u k j = O , 1,2
,...,
p.Rumus matriks informasi yang digunakan dalarn pengepasan model dan
pengujian kesesuaian adalah
id)
= X'VX dimana X @elrn clanV-.
Unsur-unsurdiagonal dari
,
,
V
adslah t i ( l - i i i ) untuk i = 1 , 2 ,....
n. MatriksX
dan
,
,
V
dapat ditulis dalam bentuk sebagai berikut (Hosmer & Lemeshow, 1989) :
1 X I , XlP
x
=[:
*.I-
X r p ]...
2.9.2. Metode Newton Rhapson
Metode Newton Rhapson adalah suatu metode yang digunakan untuk memperoleh penduga kemungkinan maksimum bagi fl melalui iterasi (Agresti,
1990). Mencari penduga digunakan metode Kuadrat Terkecil Terboboti (weighted
Least Square; WLS). Fungsi iterasi rnetode WLS ialah sebagiu berilcut :
fl'*+" =
D<Y-'x]-'
x'v-'z"'..
...
(20)Mabiks X didapat dari persamaan (18) dan matriks V dari p e m a a n (19).
z"'
merupakan bentuk linear fimgsi penghubung logit dari data contoh yangdievaluasi pada n'", dimana superskrip t menunjukkan nilai dugaan ke-t. Langkah-
langkah pendug- kemungkinan maksimum dengan me- WLS, ialah sebagai
berikut :
Masukkan dugaan
8"'
ke dalam persamaan (22) untuk memperolehdo'.
Setelaha'')didapat, kemudian nilainya dimasukkan ke dalam persaman (21) untuk
memperoleh
z"'.
Proses selanjutnya untuk t > 0 dengan menggunakan persamaankonvergen
untuk
b .
Proses untuk menghitung pendugs kemungkinan maksimum inidisebut iteratiyreweighred square.
2.10. Strategi dam Metode Penyusunan Regresi Logistik
Jika peubah bebas X yang digunakan untuk menyusun model lebih dari satu,
maka pemilahan peubah untuk membentuk model regresi logistik perlu dilakukan.
Hal ini dilakukan
untuk
mendapatkan model terbaik. Beberapa pertimbangan dalam pemilahan peubah yang akan dimasukkan ke dalarn model (Hosmer & Lerneshow,1989), antara lain :
1. Landasan teori yang mendasari kajian tersebut, agar pemilahan peubah dapat memberikan model tertentu.
2. Metude analisis statistik untuk menilai kecukupan
dan
atau kelayakan model.2.10.1. Penyeleksian peubah
Suatu kriteria untuk p e m i l w peubah dalam model mungkin berbeda-beda
dari satu masalah ke rnasalah lain dan dari satu disiplin ilmu ke disiplin iimu lainnya.
Karena kegunaan model regresi bermacam-macam, maka biasanya tidak ada
himpunan b e a n peubah bebas yang selalu 'Lterbaik". Sebagai misal kegunaan deskriptif suatu model regresi biasanya menekankan pada pendugaan koefisien-
koefisien regresi secara tepat, sedangkan keguaman sebagai peramal lebih
menekankan pada galat peramalan (Neter. J., W. Wasserman, & M.H. Kutner, 1990).
paling sederhana yang masih mempunyai kemarnpuan untuk menjelaskan suatu data.
Alasan
untuk
meminimumkan jumlah peubah dalam model ialah seiain banyakpeubah sangat sukar untuk ditangani, juga model regresi dengan banyak peubah bebas yang saling berkorelasi hanya menambab sedikit pada daya ramal model, namun pads saat yang sama; ( 1 ) rneningkatkan dengan sangat besar galat baku koefisien-koefisien regresinya, (2) meningkatkan keragaman penduga responsnya
serta ( 3 ) menurunkan kemampuan deskriptif model (Neter. J., W. Wassermaq &
M.H. Kumer, 1990). Dengan jumlah peubah bebas yang begitu banyak
memungkinkan terjadinya kekacauan (confounding). Konsekuensinya adalah
prosedur pendugaan parameter menjadi laming mulus diikuti dengan hasif galat baku
yang membesar secara tidak realistis (Hosmer & Lemeshow, 1989).
Beberapa cam untuk penyeleksian peubab yang layak dimasukkan ke dalam
model disajikan berikut ini:
1. Jika peubah X kontinu, maka disarankan
unWE
menggunakan uji Wald (pada analisis regresi logistik dengan melibatkan seluruh peubah yanga&)
2. Uji meldui pembuatan model dengan peubah tunggal, kemudian dengan melihat
nilai-p pa& statistik Wald. Untuk nilai p < 0.15 peubah &pat dipertimbangkan
untuk
dimasukkan ke dalam model regresi logistik.3. Uji Wald, dengan cam membandingkan masing-masing koefisien dugaan p d a
model penuh dengan model sederhana.
Suatu prosedur yang paling populer &lam penyeleksian peubah
untuk
membangun suatu model agar memperoleh model "'terbaik" ialah metoda regresi2.10.2. Regmi -tit Bertatar
Regresi logistik bertatar adalah sebuah metode yang digunakan untuk
memasukkan atau mengeluarkan peubah-peubah dari suatu model. Agar &pat
memasukkan clan mengeluarkan peubah-peubah tersebut diperlukan suatu kriteria.
Kriteria tersebut disebut aturan berkeputusan tetap ( a fixed decision rule) (Hosmer &
Lemeshow, 1989).
Peubah yang memenuhi laiteria tersebut disebut peubah "penting". Peubah
"penting" adalah peubah bebas yang diperkirakan berpengaruh nyrrta terhadap peubah respon bila peubah tersebut dimasukkan ke &lam model.
Seperti halnya pada analisis regresi linear berganda, metode regresi bertatar
pada analisis regresi logistik juga diawali dengan metode seleksi lmgkah maju
kemudian dilanjutkan dengan eliminasi langkah mundur.
Seleksi iangkah maju didasarkan pada nilai log likehood (L). Uji yang
digunakan ialah Log Likehood Ratio Test dengan statistik uji G, dengan :
G = 2 ( L j - L o )
dimana: Lo = Nilai Log Likelihood model hanya dengan konstanta.
L,
= Nilai Log Likiihood model dengan peubah ke-j.Nilai p minimum merupakan langkah awal, selanjutnya diteruskan dengan
pnambatian peubah yang dilakukan dengan uji G. Seleksi Ian- maju berhenti
j i b pada langkah kedua atau seterusnya diperoieh nilai p pada uji G yang bermakna.
Langkah selanjutnya eliminasi langkah mundur,
dan
statistik uji yang digunakanialah:
G = 2-,e, - L e i )
dimana : Lele2 = Nilai Log LiRelihood hasil seleksi langkah maju dengan peubah
yang dimasdckan adalah peubah 1 dan peubah 2.
Le, = Nilai Log LiReZihood jika peubah yang m a s k pada tahap ke-j
dibuang.
Pembmgan peubah ke-j dengan periimbangan nilai p yang maksimum. Langkah eliminasi langkah mundur dihentikan jika diperoleh statistik G dengan nilai
p > a. Kemudian dilakukan analisis untuk menyusun mode1 regresi logistik dan
interpretasi masing-masing koefisien.
Aspek terpenting d d a m penggunaan regresi logistik bertatar iahh pemilihan tingkat a untuk menilai tingkat peubah. Misalnya
a
yang dipilih pada seleksilangkah maju dinotasikan dengan PE dimana E berarti mas& (entry) dan pada
eleminasi Iangkah mundur $ dinotasikan dengan
PR
dimana R berarti keluar (remove). Disini nilai PR yang dipilihharus
febih besar dari PE untuk menjaga kemungkinan terjadinya proses memasukkan dan mengeluarkan peubah yang sama secara berturut-tumt pada suatu tahap m t u .Kekurangan dari prosedm penyeleksian regresi logistik bertatar ialah
pendugaan kemungkinan maksimum bagi koefisien
dari
semua peubah yang tidakberada ddam model, jadi
harus
dihitung pada setiap langkah, sehingga untuk ukuran2.10.3. Prosedur Regresi Logistik Bertatar
Prosedur Regresi Logistik Bertatar adalah prosedur yang rnenggabungkan dua
metoda yaitu metoda seleksi Iangkah maju yang k e m d a n dilanjutkan dengan
metoda eliminasi langkah mundur. Dalam regresi logistik bertatar prosedur
penyeleksian dilakukan dengan menyusupkan peubah satu demi satu sampai
diperoleh persamaan regresi logistik yang mempunyai jxmgarub nyata dalam menjelaskan data.
1. Langkah (0):
Diketahui peubah bebas yang a& sebanyak k buah. Tahap ini dimulai dengan pengepasan intersep dari model dan menduga nilai log likelihood-nya (L,). Kemudian dilanjutkan dengan pengepasan setiap peubah pada model regresi logistik
secara univariafe
dan
memtkzndingkan nilai log likelihood antara yang satu dengan yang lain. Msalkan nilai log likelibod dari model yang memuat peubah Xj pa&langkah ( 0 ) dinotasikan dengan L
,"'.
Sehingga nilai dari likelihood ratio rest darimodel yang hanya memuat intersep dengan model yang memuat peubah X,
dinotasikan dengan G~"' = 2(Lj(" - L o ) . clan nilai
p
dari
G ~ ~ ) dinatasikan dengan P,'" yang ditentukan oleh peluang pCX2 > G ,(')] = P,'".
Peubah yang dianggappenting ialah peubah dengan niiai p terkecil, yaitu P,,"' = rninpj'O']. Peubah yang
mempunyai P,I(~) dinotasikan dengan X,,
.
PeubahX,,
merupakan peubah yang2. Laegkah (1):
Tahap ini dimulai dengan pengepasan model regresi iogistik y m g memuat
X,,
.
Nilai log likelihood tahap ini dinotasikan dengan L,,"'. Selanjutnya dilakukan
pengepasan terhadap (pl) peubah lainnya. Pengepasan (pl) peubah sisa ini dilakukan satu persatu. Untuk pengepasan peubah sisa ke-j dinotasikan dengan &,.
Sedangkan log likelihood
dari
model yang memuatX*
dinotasikan dengan L,,~"'.Sehingga nilai likelihoodratio test-nya ialah G ~ ( " = z(L,,~"'
-
L,,"') , dan nilai-p dariG~''' dinotasikan dengan P~"'. Misalkan peubah dengan nilai-p terkecil pada langkah
(1) adalah
X
,
dimana P,"' = m i n ~ j " ' ] . Proses perhitungm dilanjutkan p d alangkah (2). Jika nilai P,"' lebih kecil
dari
PE, m a b proses dilanjutkan jika tidakproses dihentikan.
3. Langkah (2):
Tahap ini dilakukan p e n g e m model yang memust peubah
dan
X*.
Kemungkinan terjadi sewaktu X , 2 dimasukkan ke dalam model
XI
menjadi tidaknyata, sehingga pada tahap ini selain memasukkan peubah juga dilakukan pemeriksaan eliminasi langkah mundur (backward elimination). Kemudian
dilanjutkan dengan pengepasan model dengan membuang
satu
dari peubah yang telahditambhkm pada lan- sebelumnya dan dilanjutkan dengan menduga arti penting
peubmh berikutnya. Misalkan L-~"'melambangkan dari log likelihood model dengan
G - ~ " ) = 2 ( ~ , , ~ ( ~ )
-
L -i(2)) dan nilai-p nya P+"'.
Untuk menentukan peubah yangakan
dikeluarkandari
model, dilihat dari nilai-p terbesar. Misalkan Xrl adalahpeubah yang dicalonkan keluar dari model, dimam P,,'" = m a x ~ p - ~ ' ~ ) ] . Untuk
memutuskan ap&ah Xrl harus dikeluarkan dari model atau tidak,
maka
dibandingkannilai~,,'~' dengan PR. Jika nil&-p terbesar [P,,'~'], lebih besar dari fi maka peubah
X,,
dikeluarkan dari model, atau sebaliknya. Kemudian proses dilanjutkan denganpenyeleksian peubah yang masih berada di luar model. Untuk setiap (p2) kali terhadap model regresi logistik dilakukan pagepasan. Efal ini dilakukan a p b i l a model regresi Iogistik masih memuat peubah yang masih signifikan di dalam model
tersebut. Terhadap peubah Xj (untuk j = 1,2,.
..
,p, j # ele2) kemudian ~ l a i loglikehood-nya dihitung
unNc
menentukan nilai IikeIihood ratio test, [ G ? ] . Adapunnilai-p nya dilambangkan dengan pjC2'. Midkan peubah dengan nilai- p terkecil
pada langkah (2) adalah & dim- P,") = ~p~"'] maka proses akan dilanjutkan pada
(3).
4. Langkah (3):
Uji yang dil8kukan turtuk mengetahui apakah model yang telah didapat sudah cukup efektif dapat menjelaskan pubah respons dalam model, dinamakan uji kesesuaian model (goodness-of--fit test). Uji ini ferutama disarankan untuk data yang mengandung satu nilai pubah bebas X
ada
sekelompok pubahY
(atau populasi Ypada nilai X tertentu).
1. Jarak antam nilai pengamatan (Y) dengan nilai
dugaan
(?
) adalah kecil.2. Kontribusi setiap pasangan
(Y,
?
) terhadap keseluruhan adalahtidak
sistematis (atau pola sisaan yang berlainan tan&tidak
berpola sistematis),akan
tetapi bersifat acak.Prosedur pendekatan unNE menilai kecaakan model addah sebagai berikut: a. Perhitungan
den-
evaluasi terhadap s e 1 d penduga.b. Pengujian secara grafis.
c. Pengujian jarak antara
Y
dan?
.A& beberapa pengujian yang &pat digunakan
untuk
menilaikecocokan
model.Salah
satu diantaranya ialah Khr Kuadrat Pearson (Hosmer & Lemeshow, 1989).Rumusnya adalah sebagai berikut :
dimana : J = banyahya nilai X yang berbeda
BAB
m
BAHAN DAN METODE ANALISIS
3.1. Bahan
Data yang digunakan daiam penelitian ini adalah data yang telah dikumpulkan oleh tim studi ‘Professional Development Progmms For University Lecturers A
Policy Study'? yang diperdeh dari 30 pergunurn tinggi di Indonesia. Untuk keperluan analisis ini b y 8 digunakan data hasil wawancara dengan
alumni
pelatihan AA,PEKERTI, TIW dan lainnya (yang merupakan Program Pengembangan
Professionalisme Staf Akademik), sebanyak 648 responden.
Sesuai den- tujuan penelitian, maka yang dilakukan ialah menganalisis data
berupa hasil wawancara dengan alumni pelatihan, dengan men-kan metode
regresi logistik untuk melihat hubungan serta pengaruh dari peubah-peubah bebas
terhadap peubah respons yaitu berupa tingkat kepuasan alumni pelatihan Program Pengembangan Profesionalisme Staf Akademik. Peubah-peubah tersebut semuanya
Tabel 2. PengLuodean P e ~ b a b Bebas dan Peubah Respon.
3.2. Metodologi Analisis
Langkah-iangkah analisis yang dilakukan untuk mengetahui pengaruh serta
hubungan dari masing-masing peubah bebas terhadap tingkat kepuasan alumni
peserta pelatihan Program Pengembangan Profesionalisme Staf Akademik, ialah:
1. Melakukan analisis data untuk mencari penduga koefisien-koefisien model regresi iogistik berganda untuk semua peubah bebas yang relevan, dengan menggunakan metode kemunglunan maksimum.
2. Melakukan analisis
data
untuk mencari penduga koefisien model regresimelihat hubungan dan peranan masing-masing peubah bebas terhadap tingkat
kepuasan alumni pelatihan.
3. Melakukan penyeleksian
peubah
dengan menggunakan metode regresi logistik-tar yang bertujm untuk mendapatkan beberapa
model
regresilogistik
'Yerbaik" menurut kriteria kemampuan memprediksi tingkat kepuasan alumni
terhadap pelaksanaan pelatihan.
BAB
IV
HASrL DAN PEMBAHASAN
4.1. Deskripsi Data
Jumlah alumni peserta pelatihan yang dikaji &lam studi
ini
sebenarnyasebanyak 476 orang yang berasal dari 30 perguruan tinggi baik Pergunurn Tinggi
Negeri maupun Perguruan Tinggi S w t a (Tabel 3). Akan tetapi
dari
476 orang pe-serta pelatihan, beberapa diantanmya ada yang mengikuti lebih dari satu program pelatihan, sehingga jika dipisahkan menurut program pelatihan yang diikuti, terdapat
648 peserta pelatihan seperti terlihat dalam Tabel 5.
Program pelatihan yang dikuti oleh 648 peserta pelatihan tersebut (Tabel 4)
ialah : AA (Applied Approach) diikuti oleh 252 orang (38,89%), PEKERTI diikuti
oleh 306 orang (47,21%), TIW diikuti oleh 10 orang (1,54%), dan pelatihan laimya 80 orang (12,34%).
Tabel 4.3enis Pelatihan
I
PELATlHAN 1 N 1 PERSEN1
Untuk menganalisis faktor-faktor yang berpengaruh terhadap tingkat kepuasan
alumni peserta pelatihan Program Pengembangan Profesionalisrne
Staf
Akadernik,disajikan data penelitian dengan jumlah amatan sebanyak 648 (Tabel 5). Dari 648
amatan, sebanyak 220 atau 33,9% mempakan data tidak valid. Hal ini disebabkan
oleh ti& lengkapnya seluruh peubah masuk ke dalam data yang d i d i s i s . Data amatan pa& Tabel 5 terdiri
dari
s e b d
peubah respons tingkat kepuasan dengansebelas peubah bebas yang semuanya bersifat kategotik
I
AA
1
252PEKERTI
1
306TIW
I
10Laimya
I
SOTatal f 648
[image:52.545.189.345.225.301.2]Tabel 5. Data Amstan Peserta Pelatilum dengan Berba~si Peubah %bas dengan Satu Peubah Reapon %ngkat Kepeasm
I
No.I
Namr Pcub.h1
.I&1
N.mr K.-ri I N 1Dugaan model regresi logistik model pen& tingkat kepuasan alumni peserta
dengan k e t m g a n simbol
X1
,.
. .
, Xl &pat dilihat pada Tabel 6.Pembentukan model pen& untuk melihat faktor-faktor yang berpeqpmh terhadap tingkat kepuasan alumni petatihan dengan melibatkan sebelas peubah bebas maghasilkan nilai statistik-G sebesar 338,013 dan nilai-p 0,000. Hal ini
menunjukkan bahwa model yang diperoleh dapat diterima secara statistik dan berarti
paling sedikit ada satu f3, dari kesebelas peubah penjelas tersebut yang tidak sarna dengan nol pada t a d nyata 5%.
Pada Tabel 6 juga &pat dilifrat bahwa peubah-peubah kesesuaian, metode
dan
kualifikasi memberikan pengaruh yang signifikan terhadap model penuh pada tarafnyata 5%. Sedangkan pubah-peubah manfaat, penera-, pemilihan, tujuan,
relevansi, waktu, sarana dan prasanrna serta cakupan materi tidak berpenganrh secara
signifikan terhadap model penuh pada taraf yang sama. Ini bukan berarti kedelapan
peubh-peubah bebas sehinggga tidak kelihatan efeknya terhadap tingkat kepuasan.
Berdasarkan andisis dengan metode regresi logistik secara unvariate, peubah-peubah
tersebut mempunyai hubungan yang signifikan dengan tingkat kepuasan, kecuali
p e u W tujuan (L,ampiran 1).
Berdasarkan saran
dan
metode yang efektif, terdapat beberapa saran antara lain :1. Diusahakan jangan terlalu twritis. 2. Seimbmgkan antam teori dan praktek
3. Sesuaikan pelakihan dengan materi,
dan
prasarrtna, situasi dan kondisipada pelatihan.
4. Perbanyak diskusi dua arah.
5. Usahakan instruMur berasal dari dari bidang ilmunya sehingga penyajian
akan
lebih menarik.
6. Sesuaikan dengan kelompok ilmu masing-masing peserta.
7 . Dilengkapi dengan fasilitas
dan
alat bantu yang memadai.8. Metode pelatihan di-i sesuaikan dengan perkembangan ilmu
penge?ahuan
dan
teknologi.43. Regresi Logistik Bertatar
Untuk me1ihat pengaruh
dari
peubah bebas yang tidak signifikan &lam modelpenuh serta men& mode1 yang sesederhana mungkin yang mas* dapat menjelaskan
dengan metode regresi logistik bertatar. Model yang diperoleh merupakan model
terbaik yang lebih sederhana untuk memprediksi tingkat kepuasan alumni peserta pelatihan.
Sebelum mas& ke d a b proses penyeleksian peubah, ditetapkan terlebih
dahulu tingkat signifikansi untuk menilai tingkat kepentingan peubah. Dalam
hal
iniakan digunakan PE = 0,15 dan PR = 0,20. Tahapan-tahapan dalam metode
penyeleksian peubah ini secara teoritis telah dibahas di dalam bab tiqjauan pustaka.
Berdasarkan hasil analisis dengan metode mgresi logistik bertatar dapat
disusun suatu persamaan penduga sebagai berikut :
Hasil analisis menunjukkan bahwa dari sebelas peubah bebas yang diduga
rnempengaruhi tingkat kepuasan alumni, temyata hanya ada empat peubah yang
masuk ke ddam model. Dengan melalui penyeleksian langkah maju, nilai-p dari
keempat peubah nilainya lebih kecil dari PE yang sesuai &ngan konvensi sebesar 0,15. Melalui proses eleminasi langkah mundur, nilai-p dari keempat peubah
nilainya lebih kecil dari PR sesuai konvensi sebesar 0,20. Keempat peubah penting
yang mempunyai pen@ yang cukup kuat untuk menentukan tingkat kepuasan
alumni peserta pelatihan secara berturut-turut yaitu : metode pelatihan yang
Meskipun hanya empat peubah masuk ke dalam model terbaik yaitu
kesesuaian, metode, kualifikasi serta sarana clan pmsaam (Tabel 7 ) bukan berarti
peubah-peubah yang lain ymg tidak masuk ke dalam model terbaik tidak berpengaruh terhadap tingkat kepuasan alumni.
Tabel 7. Hasit Analisis Regresi m t i k Bertatar untak Model Pertama
Prrspor,
1
P.penpl;rs1
Koef. ] G a h t h k mI
njhiwlltdI
dbI
SiI
Exp(B)I I I I I I
-2 Log Llklihood = 37,464 nilai-p
-
0, OOODengan cara yang sama diditpat 2 model
lain
yang lebih sederhana untukmemprediksi tingkat kepuasan. Peubah-peubah yang menyusun model kedua ialah :
manfaat
(X2),
pemilihanm),
relevansi I&) dan waktu(X,)
(Tabel 8).TabeI 8. Hasil AnsIbis Regresi Leghtik Bertatar untok Model Kedua
P . m p a m P. pemjdas
I
K a l .I
G.l.tbrlolI
njlaiWaIdI
db 1 Sig1
Erp<B)Tlnskat
I
I
I
I
-2 Log Ltkelihood = 32,985 nilai-p = 0,000
Sedangkan model ketiga peubah-peubah yang menyusun model ialah :
[image:57.556.90.476.146.242.2]-2 Log LikeCellhuod = 40,368 doi-p
-
0,000Model 1
(Tabel
7) dikatakan model terbaik karena kernampuan model tersebut memprediksi secara keseluruhan dengan benar sebesar 81,3%(Tabel
10)di
atas kemampuan model 2 dan model 3
sebesar
77,396 (Tabel 11)dan
75,9% (Tabel 12).Tabel 10, KemPmpuan Mempredilrsi dsri
Model
PertamaI I PerrarWc
i
Tabel 11. Kernampaan Memprediksi dari Model Kedua
[image:58.554.79.454.53.592.2] [image:58.554.90.474.59.154.2]Ketiga model regresi logistik yang diperoleh yaitu:
1. Tingkat Kepuasan = fjkesesuaian, metode, kualifikasi clan saraaa)
2. Tingkat Kepuasan
-
@manfaat, pemilihan, relevansidan
waktu)3. Tingkat Kepuasan = f(pemilihan, &pan, relevansi
dan
waktu)Untuk melihat
hubungan
antara tingkat kepuasan dengan perh tidaknyadiadakan pelatihan lanjutan, dapat digunakan metode regresi logistik, karena kedua
Tabel 13. Penglrodean Peubah Tinglrat Kepuasan dan - Peubah ~er~mny; ~etatihan
N-8 P m M
I
- t q t o r i s ~ iI
Kodemuasan o
I
Puasatau 1
sangat puas
f Tidak perlu
1
0I
Dari Tabel 14 dapat disimpulkan bahwa makin puas alumni terhadap
pelaksanaan pelatihan, maka makin dirasa perlu untuk melaksanakan pelatihan
Tabel 14. AnaIisii Regresi Lagbtik Tigbrt Kepuasan terhadap Perlunya Diadakan Pelatihan
B Wdd db S i Ex@) a K e p e r c 8 y a . o
95% untvlr Ex*)
I
1
1
f I I I Batas I Bau~nBerdasarkan perlu tidaknya pelaksanaan pelatiham tetapi dengan modifikasi,
terdapat beberapa alasan sebagai berikut :
1. Untuk penyegaran agar tidak membosankan sehingga adanya suasana baru dan
menimbulkan ketertarilutn untuk ikut pelatihan atau agar tidak monoton
sehingga diperoleh hasil yang baik.
2. Tidak hanya bersifat teoritis tetapi diperbanyak dengan praktek.
3. Disesuaikan dengan perkembangan teknologi
dan
kebutuhan fakdtas, jurusan,dan
mahasiswa untuk menghindari materi yang sudah tidak relevan. [image:60.554.122.418.59.145.2] [image:60.554.88.475.220.294.2]5 . Pelatihan diadakan
dan
sesuaikan dengan bidang ilmu pese* pel&- (PA, IPS dan Humaniora).6 . Jangan terlalu t e epads buku panduan.
7.
Penyampaian materi diperbaiki agar lebih mudah diterima dan diterapkan olehpeserta pelatihan, clan instruktumya diusahakan berasal
dari
sernua fakultasatau bila perlu ditambah.
8. Unsur pimpinan atau dosen senior yang begum pernah ikut perlu diikutkan
dalam pelatihan.
10. Dilakukan monitoring dan waluasi penerapan.
1 1 . Materi yang diberikan diusahakan adalah yang penting dan yang prinsipil. Berkaitan dengan
kurun
walctu pelaksanaan pelatihan, pa& Tabel I S danGarnbar 2 dapat diliht bahwa 353 dari 628 (56,2%) alumni peserta peiatiban
menginginkan agar
kurun
waktu pelatihan kurang dari satu bulan, 158 (25,2%)alumni menginginkan 1-2 bulan, 33 (5,3%) aiumni menginginkan 3 4 bulan dan 84
Gambar 2. Diagram Batang
Lama
Pejatiban.Pelatihan yang lamanya kurang dari satu bulan merupakan lamanya pelatihan tertinggi dari lama pelatihan yang lainnya (Gambar 2). Keinginan peserta berkaitan den- lama pelatihan rata-rata 10-4 hmi,
dan
lama pelatihan maksimurn 30 hari (Tabel 16). Hal ini dapat dilihat lebih jelaspada
diagram kocak garis untuk lamaPelatihan < I bulan
[image:63.554.128.456.54.220.2]I
KURANOI
Gambar 3. Diagram Kotak Garis Lama Pelatihan Xurang dari 1 Bulan Beberapa alasan mengapa pelatihan itu diadakan dalam jangka waktu kurang
dari satu bulan, adalah sebagai berikut :
1. Agar tidak menimbufkan kejenuhan, sehingga lebih konsentrasi.
2. Agar tidak mengganggu aktivitas lainnya.
3. Pelatihan bertahap lebih efektif dibandingkan pelatihan m e n y e l d yang
memakan waktu terlalu lama.
4. Materi pelatihan cukup diberikan bagian-bagian terpenting atau yang pokok saja sehingga pengembangan dilakukan sendiri oleh dosen, yang terpenting acialah
praktek dan latihan-latihan.
5 . Waktu yang terlalu lama &pat mengalihkan apa yang menjadi fokus dan tujuan p e l a t i b .
6 . Supaya biaya yang dikeluarkan tidak terlalu besar.
7. Karena waktu yang lama tidak menjamin efektifitas pelatihan menjadi lebih
8. Waktunya tidak terlalu singkat dan juga tidak terlalu lama.
Dilihat dari keinginan untuk meningkatkan kemampuan agar dapat memberikan pengajaran den- lebih baik dari Tabel 17 dapat dilihat bahwa peubah
tingkat kepuasan dengan melakukan uji Wald, dapat disimpulkan bahwa ada
hubungan antara tingkat kepuasan den- keinginan mtuk meningkatkan kemampuan, artinya makin puas peserta sernakin meningkat keinginan untuk
meningkatkan kemampuan agar dapat memberikan p e n g a j m dengan lebih baik.
Beberapa alasan yang diungkapkan, diantaranya ialah karena dengan meningkatnya
kemampuan dalam teknik mengajar maka &an membawa kebahagian daiam
menjalankan tugas dan dapat melakukrtn modifikasi-modifikasi &lam mengajar
sehingga peserta didik dapt mengikuti kuliah dengan senang dan tidak tertekan.
Disamping itu, menjadikan kuliah yang diasuh ditunggu-tunggu mahasiswa.
- -
-
-
untuk ~ e n i a g b t k a n Gmampuan
B
1 K
-!lNTERSEP
~ E P U A S A N
Chhtb.ku
2,067 0,771
WBM
I t I I
db
0,237
1
75,839 1 1 0,314 f 6.0251
1! Batas Bawah 1,168 Sig. 0,000 0,014 Batas Bawah 4,002
E m ) Sdrag K c p a e ~ y u a 95% uatulr Ex*)
45. Program PeIittiban di IPB dam di
UI
Untuk membandingkan performunee pel- pelatihan di IPB dan di
UI
serta menganalisis fsrktor-faktor yang membedakan pelaksanaan pelatihan di kedua
perguruan tinggi tersebut, dipergmakein metode regresi logistik unmanate dengan
peubah responnya adalah pergruuan tinggi
(IPB-UI).
IPB kode kategorinya 0 sedangkan UI kode kategorinya 1 (Lampiran 2).Berdasarkan analisis regresi Iogistik univariate, pedomnce pelaksanaan
pelatifian di IPB
clan
diUI
&pat dideskripsikan seperti yang tercantum di dalamTabel 18. Hasil analisis
den-
metode regresi logistik secara unrvariate tampakadanya hberapa peubah-peubah yang berpengamh
secara
nyata (a = 0.05) terhadappet$onmmce pelaksanaan pelatihan di
kedua
perguruan tinggi tersebut. Pelaksanaanpelatifian di IPB memberikan tingkat kepuasan lebih tinggi dibandingkan dengan
pelaksanaan pelatihan di
UI.
Penerapan h i 1 pelatihan di IPB lebih dapat diterapkanjika dibandingkan den- di UI. Metode pelatihan yang digunakan
di
IPB lebih efektif jika dibandingkan dengan metode yang digunakandi
UI.
S a mdan
prasarana yang a& di IPB febih kayak dibandingkan dengan sarana dan prasarana yang ada di UI. Demikian juga keinginan alumni agar lamanya pelatihan d~laksanakan kurang dari satu bulan,
di
IPB lebih tin@ jika dibandingkan dengan keinginan para alumni di UI.Beberapa penjclasan alumni mengenai alasan rnengapa hasil pelatihan itu
tidak &pat diterapkan atau hanya dapat diterapkan sebagian saja idah sebagai
1. Sarana
d m
prasarana masih kurang memadai.2. Ada beberapa yang bersifat teoritis sehingga knnang bisa diterapkan..
3. Keterbatasan waktu dalam kegiatan perkuliahan.
4. Karena pendidikan instruktur berbeda dengan pendidikan peseria.
5. Ketas tidak ideal.
6. Kondisi belum kondusif.
7. Lingkungan k m g mendukung.
8. Penerapan mengalami kesulitan karena melibatkan peran mahasiswa clan jurusan.
9. Sistem ymg ada tidak mendukung.
BAS
V
KESIMPULAN
DAN
SARAN
5.1. Kesimpulan
Berckarkan h i 1 a d i s i s regresi logistik univariate, dari 11 peubah penjeias didapatkan 10 peubah penjelas yang brpengarub
secara
nyata terhadap tingkat kepuasan alumni peserta pelatihan. Kesepuluh peubafi tersebut adalah:1. Kesesuaian dengan tuntutan keahlian sebagai staf akademik.
2. Manfaat pelatihan.
3. Penerapan hasil pelatihan.
4. Pemilihan peserta pelatihan dari aspek golongan
dan
jabatan.5. Cakupan materi pelatihan.
6. Relevansi terhadap tujuan pelatihan.
7. Waktu penyelenggaram pelatihan.
8. Metode pehiihan yang digunakan.
9. Kdifikasi pelatiwpenatar.
10. Saranadanpfasamm.
Dari 10 peubah yang berpengaruh nyata terhadap tinglatt kepuasan alumni telah disusun 3 model yang lebih sederhana untuk meramal tingkat kepuasan, masing- masing melibatkan 4 peubah. Ketiga model tersebut ctdalah sebagai berikut :
2) Tingkat Kepuasan = f(Manfaat, Cakupan, Relevansi da. Waktu)
3) Tingkat Kepuasan = Vemilihan, Cakupan, Relevansi dan Waktu)
Ketiga model yang diperoleh b e r W k a n metode regresi logistik bertatar
adalah model terbaik dari semua kemungkinan. Peubah-peubah lain yang tidak
mas& ke dalam ketiga model tersebut, bukan berarti tidak berpengaruh terhadap
tingkat kepuasan alumni peserta pelatihan, karena
ada
hubungan antara peubah-peubah bebas tersebut.
Untuk per5onnance pelatihan yang dilaksanakan di IPB dan di UI dapat
dideskipsikan sebagai berikut:
1. Secara m u m pelaksanaan pelatihan di IPB lebih memberikan tingkat kep-
yang lebih tinggi jika dibandingkan den- pelaksanaan pelatihan di
UI.
2. Penerapan h a i l pelatihan, metode pelatihan yang digunakan, serta sarana dan
prasarana pelatihan ternyata cendenurg lebih baik di IPB j i b dibandingkm
dengan yang di
UI.
5.2. Saran
.
Beberapa saran yang disampaikan antam lain:
1. Lammya waktu (durasi) pelaksanaan pelatihan
untuk
pelatihan yang akan datanghendaknya dikurangi agar menjadi lebih efektif
dan
efisien.2. Karena pelatihan yang diselenggadcan ini dirasa sangat bermanfsat terutama
DAFTAR PUSTAKA
Agresti, A. 1990. Categorical Data Analysis. New York : John Wiley and Son, Inc.
Collett, D. 1991. Modelling Binary M a . Great Britain : T.J. Press [PadstowlLtd,
Padstow, Comdt
Draper, N. R., and H. Smith. 1992. Amlisis Regresi Terapan. Edisi Kedua, Jakarta:Gramedia Pustaka Utama.
Hosmer, D.W. and S. Lemeshow. 1989. Applied Logistic Regression. New York :
John Wiley and Sons, Inc.
W d a l a , G. S. 1989. Introduction To Econometrics. New York :Macmillan
Publishing Company
Myers, R. H. and J . S. Milton. 1991. A First Course In The Theory Of Linear Statistical Models. Virginia Polytechnic Institut and State University.
Neter, J., W. Wassennan and M. H. Kutner. 1990. Appled Linear Statistical
M d e l s . Third Edition. Richard D. Irwin, Inc., Homewood, Illinois.