(Studi kasus : Mahasiswa Politeknik Negeri Bandung)
EUIS SARTIKA
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Analisis Faktor-faktor yang berpengaruh terhadap
Keberhasilan mahasiswa Politeknik (Studi kasus : Mahasiswa Politeknik Negeri Bandung) adalah karya
saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada
perguruan tinggi manapun. 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 tesis ini.
Bogor, Oktober 2009
Euis Sartika
NIM G151060091
EUIS SARTIKA. The Analysis of influencing factors on Polytechnic students achievement (Case
Study : The Students of Politeknik Negeri Bandung). Under
direction of ASEP SAEFUDDIN and HARI WIJAYANTO.
The success of Polytechnic students in studying is determined by their survival in each
semester. Two methods were used in analyzing the factors which influence Polytechnic student
achievements, i.e. Logistic Regression and Survival Analysis. The Logistic Regression were
used to analyze the students who can survive and who cannot survive or dropped out (
DO
), while
the Survival Analysis were used to investigate the data deal with the characteristics of the
censored data. The Logistic Regression used biner categorical as a response ,whereas the
Survival Analysis used continue variable as a response. Moreover, the modelling of Survival
Analysis used Cox Regression. This research objectives were to identify the factors influencing
the student’s academic survival at Politeknik Negeri Bandung (POLBAN). In general, the results
of this research show that the factors influencing the students’academic survival are gender, the
grade point average (GPA) of the first semester, and their study program.
EUIS SARTIKA. Analisis Faktor-faktor yang Berpengaruh Terhadap Keberhasilan Mahasiswa
Politeknik (Studi kasus : Mahasiswa Politeknik Negeri Bandung). Dibimbing oleh ASEP SAEFUDDIN
dan HARI WIJAYANTO.
Politeknik Negeri Bandung (POLBAN) merupakan salah satu Perguruan Tinggi vokasi yang
membekali mahasiswanya dengan kemampuan profesional. Jangka waktu mahasiswa POLBAN
dalam menyelesaikan studinya dapat dipandang sebagai waktu daya tahan. Daya tahan mahasiswa
adalah kemampuan mahasiswa untuk dapat bertahan dalam menyelesaikan studinya agar tidak
berstatus DO (
drop out
) atau mahasiswa dianggap berhasil dalam studinya. Kriteria mahasiswa
berstatus DO di POLBAN adalah jika mahasiswa memperoleh nilai IP tiap semester di bawah 2.00,
atau nilai IP di atas 2.00 dan jumlah nilai D lebih dari 7 SKS, terdapat nilai E pada semester I, II, III,
dan IV, mempunyai absensi ketakhadiran lebih dari 38 jam, dan mengalami LP (
lulus percobaan)
sebanyak 2 kali berturut-turut.
Dalam penelitian ini dilakukan dua kajian, yakni regresi logistik biner dan analisis survival.
Pemilihan kedua analisis ini didasarkan pada outcome yang diperhatikan. Pada regresi logistik,
outcome yang diperhatikan adalah kategori biner yakni mahasiswa berhasil (tidak DO) dan
mahasiswa tidak berhasil (DO). Sedangkan outcome yang diperhatikan dalam analisis survival adalah
waktu daya tahan mahasiswa (dalam satuan semester) dan jenis variabelnya kontinu.
Data daya tahan mahasiswa dalam penelitian disini dipandang sebagai data tersensor (data
tidak utuh atau data tidak lengkap) karena kita tidak akan mendapatkan informasi yang lengkap
apakah setiap mahasiswa POLBAN dapat menyelesaikan studinya atau tidak. Oleh karena itu
pengolahan data tersensor memerlukan analisis khusus, dalam hal ini adalah analisis survival.
Tujuan penelitian ini adalah untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap
keberhasilan mahasiswa POLBAN, dan menyusun pemodelan keberhasilan mahasiswa POLBAN
berdasarkan peubah-peubah penjelas yang berpengaruh nyata. Data dalam penelitian ini adalah berupa
data sekunder yakni data demografi, data pendidikan, dan data akademik mahasiswa POLBAN
jurusan Rekayasa angkatan 2005/2006 dan 2006/2007 dan sebagai pendukung digunakan data primer.
Respon dalam pengolahan data yang menggunakan regresi logistik biner adalah kategori
biner yaitu, mahasiswa berhasil (tidak DO) dilambangkan dengan angka 0 dan mahasiswa tidak
berhasil (DO) dilambangkan angka 1. Sedangkan peubah penjelasnya meliputi jenis kelamin, jenis
SLTA, status SLTA, asal daerah, Nilai Ebtanas Murni (NEM), Nilai Ujian masuk (Matematika),
Nilai Indeks Prestasi semester 1, pendidikan ayah, pendidikan ibu, pekerjaan ayah, pekerjaan ibu, dan
program studi. Sementara itu dalam analisis survival, status ketersensorannya adalah mahasiswa
yang mengalami DO mulai semester 1 sampai dengan semester 4 dikategorikan sebagai data tidak
tersensor, sedangkan mahasiswa yang sampai semester 4 tidak mengalami DO dikategorikan sebagai
data tersensor.
bukan PNS. Sedangkan mahasiswa dengan program studi teknik Elektro, teknik Komputer, dan teknik
Kimia mempunyai resiko gagal masing-masing sebesar 5.245 kali, 6.432, dan 5.720 kali.
Berdasarkan analisis survival dapat disimpulkan bahwa faktor-faktor yang berpengaruh nyata
terhadap keberhasilan mahasiswa POLBAN adalah jenis kelamin, nilai IP semester 1, nilai
matematika, dan program studi. Mahasiswa dengan jenis kelamin laki-laki mempunyai resiko gagal
2.193 kali dibandingkan mahasiswa perempuan. Nilai dugaan peubah penjelas nilai IP semester 1
adalah negatif, ini berarti bahwa resiko mahasiswa gagal (tidak dapat bertahan ) cenderung rendah,
atau dengan kata lain daya tahan mahasiswa relatif tinggi. Sedangkan nilai rasio hazard dari nilai IP
semester 1 adalah 0.208. Artinya jika nilai IP semester 1 bertambah satu satuan maka resiko
mahasiswa gagal (DO) berkurang sebesar 79.2%. Peubah nilai Matematika juga mempunyai nilai
dugaan negatif. Artinya mahasiswa dengan nilai matematika tinggi akan mempunyai resiko gagal
(DO) relatif rendah. Sedangkan nilai rasio hazard dari nilai Matematika menunjukkan angka 0.998.
Hal ini berarti bahwa jika peubah nilai Matematika bertambah satu satuan, maka akan menyebabkan
nilai resiko mahasiswa gagal (tidak dapat bertahan) berkurang sebesar 0.2%.
Sementara itu berdasarkan data primer, diperoleh kesimpulan bahwa karakteristik dominan
yang dimiliki mahasiswa yang gagal (DO) adalah pemilihan program studi yang tidak sesuai, yang
diakibatkan keterbatasan informasi mengenai program studi yang ada di POLBAN, dan kebiasaan
belajar yang tidak teratur. Sedangkan karakteristik dominan dari mahasiswa yang telah lulus dan
yang masih bertahan adalah motivasi belajar yang relatif tinggi (pilihan program studi telah sesuai
dengan bakat dan keinginan), dukungan serta dorongan semangat dari teman dan orang tua, dapat
memanfaatkan sarana dan fasilitas belajar yang disediakan POLBAN secara optimal, sarana belajar
pribadi sudah cukup memadai, namun kebiasaan belajar mahasiswa POLBAN pada umumnya masih
belum teratur, pembagian waktu belajar antara teori dan praktek masih belum seimbang.
@ Hak cipta milik IPB, tahun 2009
Hak cipta dilindungi Undang-undang
1.
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan
sumber.
a.
Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah,
penyusunan laporan, penyusunan kritik atau tinjauan suatu masalah.
b.
Pengutipan tidak merugikan kepentingan yang wajar IPB.
2.
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk
apapun tanpa izin IPB.
ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP
KEBERHASILAN MAHASISWA POLITEKNIK
EUIS SARTIKA
Tesis
sebagai salah satu syarat memperoleh gelar
Magister Sains pada
Program Studi Statistika
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
NRP : G151060091
Disetujui,
Komisi Pembimbing
Dr. Ir. Asep Saefuddin, M.Sc Dr. Ir. Hari Wijayanto, M.S
Ketua
Anggota
Diketahui,
Ketua Program Studi Statistika Dekan Sekolah Pascasarjana
Dr. Ir. Aji Hamim Wigena, M.Sc Prof. Dr. Ir. Khairil Anwar Notodiputro, M.S
Puji dan syukur penulis panjatkan ke hadirat Allah SWT atas segala nikmat, karunia, dan
rahmat-Nya sehingga karya ilmuah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian
yang dilaksanakan sejak bulan September 2008 ini berjudul “Analisis Faktor-faktor yang
Berpengaruh Terhadap Keberhasilan Mahasiswa Politeknik (Studi kasus : Mahasiswa Politeknik
Negeri Bandung)”.
karya ilmiah ini bermanfaat.
Bogor, Oktober 2009
Penulis dilahirkan di Bandung pada tanggal 1 Juni 1965 sebagai anak kedua dari tujuh
bersaudara dari pasangan Bapak (Alm) Wawan Roswan dan Hj. Ini Kartini.
Penulis menyelesaikan pendidikan dasar di SD Negeri Kartini II Cirebon, pendidikan
menengah di SMP Negeri III Cirebon dan SMA Negeri II Cirebon. Pendidikan sarjana ditempuh
pada Jurusan Matematika Fakultas MIPA Universitas Padjadjaran (UNPAD) Bandung lulus
pada tahun 1990. Pada tahun 2006 penulis diterima pada Program Studi Statistika Sekolah
Pascasarjana IPB dengan beasiswa BPPS DIKTI (Direktorat Jendral Pendidikan Tinggi).
xiv
DAFTAR ISI
Halaman DAFTAR TABEL ... xiii
DAFTAR GAMBAR ... xiv
DAFTAR LAMPIRAN ... xiv
1. PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Tujuan Penelitian ... 4
1.3 Manfaat Penelitian ... 4
2. TINJAUAN PUSTAKA ... 6
2.1 Pendidikan Politeknik ... 6
2.2 Faktor-faktor yang Berpengaruh terhadap Keberhasilan Mahasiswa ... 7
2.3 Regresi Logistik ... 7
2.3.1 Pengujian Kesesuaian Model ... 10
2.3.2 Pereduksian Peubah Penjelas ... 11
2.3.3 Interpretasi Koefisien ... 11
2.3.4 Ketepatan dan Kesalahan Klasifikas ... 13
2.4 Analisis Daya Tahan ... 14
2.4.1 Fungsi-fungsi dalam Analisis Daya Tahan ... 16
a. Fungsi Daya Tahan (Survival function) ... 16
b Fungsi Kepekatan Peluang (Probabilty density function) ... 17
c Fungsi Hazard (Hazard function) ... 17
2.4.2 Model Regresi Hazard Proporsional (Regresi Cox) ... 18
2.4.3. Pendugaan Parameter ... 19
2.4.4 Pengujian Kontribusi Peubah ... 20
2.4.5 Pengujian Fungsi Daya Tahan ... 21
3. METODOLOGI PENELITIAN ... 22
3.1 Data Penelitian ... 22
3.1.1 Definisi Peubah-peubah yang diamati ... 22
3.2. Metode Penelitian ... 29
4. HASIL DAN PEMBAHASAN ... 30
4.1 Deskripsi Mahasiswa Berdasarkan Peubah Penjelas ... 30
4.2 Eksplorasi Data Kuantitatif ... 40
4.3 Karakteristik Mahasiswa POLBAN berdasarkan Data Primer ... 41
4.4 Korelasi antar Peubah Penjelas ... 45
4.5 Hasil Pengolahan Data dengan Regresi Logistik ... 46
4.6 Hasil berdasarkan Tabel Klasifikasi ... 49
xiv
5. KESIMPULAN DAN SARAN ... 53
5.1 Kesimpulan ... 53
5.2 Saran ... 54
DAFTAR PUSTAKA ... 57
xiv
DAFTAR TABEL
Halaman 1 Nilai-nilai Model Regresi Logistik dengan Peubah Penjelas Dikotomi ... 122 Klasifikasi Respon ... 13
3 Peubah-peubah Penjelas yang Diamati ... 28
4 Sebaran Mahasiswa gagal (DO) Berdasarkan Angkatan ... 30
5 Sebaran Mahasiswa Berdasarkan Jenis Kelamin dan Status SLTA ... 30
6 Sebaran Mahasiswa Berdasarkan Jenis Kelamin dan Asal Daerah ... 31
7 Sebaran Mahasiswa Berdasarkan Jenis Kelamin dan Jenis SLTA ... 31
8 Sebaran Mahasiswa Berdasarkan Jenis Kelamin, Jenis SLTA, Status SLTA, Asal Daerah, dan Program Studi ... 33
9 Sebaran Mahasiswa Berdasarkan Program Studi dan Pekerjaan Ayah ... 34
10 Sebaran Mahasiswa Berdasarkan Program Studi dan Pekerjaan Ibu ... 35
11 Sebaran Mahasiswa Berdasarkan Program Studi dan Pendidikan Ayah ... 36
12 Sebaran Mahasiswa Berdasarekan Program Studi dan Pendidikan Ibu ... 37
13 Sebaran Mahasiswa Gagal (DO) Berdasarkan Peubah Penjelasnya ... 38
14 Statistik Data Kuantitatif ... 40
15 Komponen-komponen yang diperoleh dari Responden ... 43
16 Korelasi Antar Peubah Penjelas yang Bersifat Nominal ... 45
17 Korelasi Antar Peubah Penjelas yang Bersifat Ordinal ... .45
18 Korelasi Antar Peubah Penjelas yang Bersifat Kuantitatif ... 46
19 Hasil Analisis Regresi Logistik ... 48
20 Hasil Klasifikasi Regresi Logistik ... 49
xiv
DAFTAR GAMBAR
Halaman 1 Transformasi Logit dari Curvilinear ke Linear ... 8
2 Ilustrasi Data Survival ... 15
3 Boxplot data nilai IP semester 1, nilai Matematika, dan nilai NEM ...41
4 Daya Tahan Mahasiswa Berdasarkan Program Studi ...62
5 Daya Tahan Mahasiswa Berdasarkan Jenis Kelamin ...63
DAFTAR LAMPIRAN
Halaman 1 Kuesioner Penelitian ... 592 Daya Tahan Mahasiswa Berdasarkan Program Studi ... 62
I. PENDAHULUAN
1.1. Latar Belakang
Pada Pembangunan Jangka Panjang II (PJP II) dalam kurun waktu 25
tahun yang akan datang, Pendidikan Tinggi direncanakan dapat melaksanakan
program pengembangan bidang ilmu pengetahuan (sains) dan teknologi dengan
bidang sosial / humanitas dalam perbandingan 70 : 30. Pendidikan sains dan
teknologi dibagi ke dalam 2 (dua) jalur yakni pendidikan Akademik (S1,S2, dan S3) yang berorientasi pada penguasaan dan pengembangan ilmu dan
teknologi, sedangkan jalur lainnya adalah pendidikan Profesional D-3, D-4 dan
Spesialis.
Pendidikan Politeknik merupakan jalur Pendidikan vokasi yang
membekali lulusannya dengan keterampilan, didukung pengetahuan teoritis dan
sikap disiplin yang tangguh. Diharapkan alumni Politeknik menjadi tenaga
vokasional di bidangnya, khususnya di bidang Keteknikan (Engineering) dan Tata Niaga (Commerce). Dasar hukum Pendirian Politeknik adalah Surat Keputusan Direktur Jenderal Pendidikan Tinggi, Departemen Pendidikan dan Kebudayaan
No. 032 DJ/KEP/1979.
Peningkatan kualitas lulusan perguruan tinggi di Politeknik Negeri
Bandung sangat bergantung pada tiga faktor utama yaitu input (calon mahasiswa),
proses pendidikan, dan kompetensi lulusan. Ketiga hal tersebut menjadi sasaran
utama dalam peningkatan mutu lulusan di Politeknik Negeri Bandung
(POLBAN). Pada evaluasi akhir semester ditetapkan mahasiswa yang berhasil
lulus dapat melanjutkan kuliah ke semester berikutnya dan bagi mahasiswa yang
tidak lulus, tidak dapat melanjutkan ke semester berikutnya (drop out).
Pada dasarnya setiap perguruan tinggi berusaha semaksimal mungkin
meningkatkan kelulusan para mahasiswanya, baik secara kuantitas maupun
kualitas. Secara kuantitas artinya jumlah mahasiswa yang masuk / terdaftar
sama dengan jumlah mahasiswa yang lulus, berarti tidak ada yang DO. Secara
kualitas, diharapkan mahasiswa lulus dengan nilai IPK yang maksimal dan lulus
Upaya yang telah dilakukan POLBAN untuk mengurangi tingkat DO
antara lain menciptakan program seleksi mahasiswa baru melalui proses uji
kompetensi dikenal dengan GCE (Graduate Competence Examination). Strategi dari GCE bertujuan untuk membangun pola pendaftaran yang memberikan
kemungkinan calon peserta seleksi mendaftar ke beberapa Institusi Pendidikan
dengan sekali daftar, memberikan hasil uji dengan tingkat keakuratan yang tinggi
berdasarkan sistem instrumen dengan standar kompetensi yang teruji.
Berdasarkan hasil GCE ini diharapkan dapat menurunkan tingkat drop out
(DO). Dari hasil GCE yang telah dilakukan pada tahun 2003 dapat terlihat
bahwa jumlah mahasiswa drop out karena evaluasi menurun drastis (dari ± 4%
menjadi ± 1.5%). Namun hasil ini dirasakan belum maksimal, karena ternyata
untuk angkatan berikutnya tingkat DO tetap tinggi.
Terkait dengan proses belajar mahasiswa, ternyata banyak hal yang
dapat mempengaruhi mahasiswa untuk dapat bertahan sehingga dapat
melanjutkan ke semester berikutnya. Faktor-faktor yang mempengaruhi daya
tahan mahasiswa bisa berasal dari dalam diri mahasiswa sendiri atau faktor
internal dan faktor dari luar mahasiswa atau faktor eksternal. Faktor-faktor yang di bawa sebelum masuk POLBAN atau faktor internal antara lain, nilai NEM,
latar belakang orang tua, asal daerah dan lain-lain. Sedangkan faktor dari luar
mahasiswa atau faktor eksternal antara lain lingkungan belajar baik di kampus,
maupun di rumah, lingkungan pergaulan dan sebagainya, termasuk mekanisme
belajar mengajar. Untuk itu dalam penelitian ini akan dikaji faktor-faktor apa saja
yang mempengaruhi daya tahan atau keberhasilan studi mahasiswa POLBAN.
Berdasarkan penelitian sebelumnya, terdapat sejumlah hasil yang
menunjukkan faktor-faktor yang mempengaruhi keberhasilan studi mahasiswa.
Diantara faktor-faktor tersebut sebagian digunakan sebagai peubah-peubah
penjelas dalam penelitian ini. Diantaranya adalah faktor asal daerah, nilai
NEM, dan jenis kelamin (Handayani 1996 diacu Sri Rezeki). Faktor lain yang
berpengaruh yakni kota asal, motivasi masuk perguruan tinggi, keyakinan
terhadap keberhasilan, keikut sertaan dalam kegiatan kampus (Adam 1996
diacu Sri Rejeki 2002). Faktor-faktor yang paling signifikan terhadap prestasi
jalur masuk IPB, serta memiliki sahabat atau tidak (Pertiwi 1996). Tahun
2002, Sri Rezeki menyatakan bahwa IP mahasiswa TPB (Tingkat Persiapan
Belajar) di IPB berpengaruh nyata terhadap kemampuan mahasiswa untuk
melanjutkan studi, demikian juga halnya dengan penelitian Ratnaningsih
(2008), bahwa nilai IP semester 1 berpengaruh nyata terhadap masa studi di
Perguruan Tinggi Terbuka. Dalam penelitian lainnya (Setyowati 1998 diacu
Rejeki 2002), salah satu indikator kurang berhasilnya studi mahasiswa IPB
adalah nilai NEM rendah. Hasil penelitian Widiyanti (2005) mengatakan
bahwa faktor eksternal (pendidikan ayah dan pendapatan ayah) sangat
berpengaruh terhadap lama studi mahasiswa Statistika angkatan 1996-1999.
Analisis yang digunakan dalam penelitian-penelitian di atas adalah regresi
logistik ordinal dan analiksis survival. Sejauh yang penulis ketahui, kajian
penelitian tentang analisis faktor-faktor yang mempengaruhi keberhasilan
studi mahasiswa di POLBAN yang menggunakan regresi logistik biner belum
pernah dilakukan sebelumnya. Oleh karena itu dalam tulisan ini disampaikan
hasil penelitian tentang analisis faktor-faktor yang mempengaruhi keberhasilan
studi mahasiswa di POLBAN dengan menggunakan regresi logistik biner dan
analisis survival.
Dalam kondisi nyata, informasi yang utuh sangat dibutuhkan dalam
analisis statistika. Tetapi pada kenyataaannya sangat sedikit data yang tersedia
dalam kondisi utuh (kondisi ideal). Untuk itu diperlukan adanya sebuah metode (pendekatan), yang mampu meminimalkan error akibat kesalahan pengambilan
kesimpulan oleh peneliti yang diakibatkan data yang tidak utuh. Selanjutnya data
yang tidak utuh ini disebut data tersensor. Analisis yang digunakan untuk
mengolah data tersesnsor adalah analisis survival dimana dalam permodelan
regresinya menggunakan regresi Hazard Proporsional (Regresi Cox).
Daya tahan mahasiswa POLBAN untuk dapat melanjutkan studinya
dapat dianggap sebagai data tersensor, karena tidak semua responden
(mahasiswa POLBAN) dapat memberikan informasi apakah ia dapat
menyelesaikan kuliahnya atau tidak. Dalam hal ini kita tidak mendapatkan
informasi yang lengkap mengenai kelanjutan studinya. Informasi yang tak
Penelitian dilakukan dengan dua pendekatan berdasarkan outcome
yang diperhatikan, yakni :
1. apabila data daya tahan mahasiswa POLBAN berupa waktu dalam satuan
semester tidak begitu diperhatikan, tetapi yang lebih diperhatikan adalah
outcome dalam bentuk kategori biner, dalam hal ini mahasiswa berhasil (tidak DO) atau mahasiswa tidak berhasil (DO), maka model yang tepat untuk
demikian adalah regresi logistik biner.
2.
apabila data daya tahan mahasiswa POLBAN dipandang sebagai datatersensor dan data tidak tersensor, dimana waktu daya tahan (dalam satuan
semester) yang menjadi perhatian, maka analisis yang tepat untuk respon
demikian adalah analisis Survival. Model regresi yang digunakan dalam
analisis survival adalah Regresi Cox.
1.2. Tujuan Penelitian
Sejalan dengan yang telah dikemukakan dalam pendahuluan, tujuan
dari penelitian ini adalah mengidentifikasi faktor-faktor yang mempengaruhi
keberhasilan mahasiswa POLBAN dengan menggunakan regresi logistik biner
dan analisis survival, serta menyusun model keberhasilan mahasiswa POLBAN
dengan kedua analisis tersebut.
1.3. Manfaat Penelitian
Penelitian ini diharapkan dapat memberi kegunaan sebagai berikut :
1. bagi kalangan pimpinan Politeknik, dapat mengetahui faktor-faktor
yang mempengaruhi keberhasilan mahasiswa POLBAN dalam
mengikuti perkuliahan di Politeknik, sehingga informasi ini dapat
dipakai sebagai acuan dalam mengambil kebijakan berkaitan dengan
kemajuan pendidikan di Politeknik, khususnya yang berkaitan dengan
peningkatan kualitas dan kuantitas kelulusan.
2. menjadi masukan bagi POLBAN dalam menentukan kebijakan
ujian seleksi masuk POLBAN agar lebih berkualitas, sehingga
diharapkan proses seleksi lebih kompetitif dan diperoleh mahasiswa
yang memiliki kemampuan secara potensial .
3. memberi masukan bagi POLBAN dalam menentukan kebijakan
khususnya berkaitan dengan evaluasi mahasiswa, terutama mahasiswa
yang memiliki karakteristik tertentu, agar POLBAN dapat
meningkatkan angka kelulusan mahasiswanya.
4. penulis dan pengguna statistika lainnya dapat menerapkan regresi
II.
TINJAUAN PUSTAKA
2.1. Pendidikan Politeknik
Pendidikan Politeknik merupakan jalur pendidikan profesional yang
membekali lulusannya dengan keterampilan, pengetahuan teori dan sikap disiplin
yang tinggi. Politeknik membekali mahasiswanya disamping kemampuan
Hardskill juga kemampuan Sofskill. Sehingga diharapkan alumni Politeknik menjadi tenaga profesional yang siap pakai dan kompetensi di bidangnya. Pada
prosesnya belajar di politeknik, mahasiswa memperoleh 40% praktek dan 60%
teori. Kondisi demikian membutuhkan suatu adaptasi dan motivasi yang sangat
tinggi dari mahasiswa agar dapat bertahan di tiap semesternya sehingga mereka
berhasil menyelesaikan pendidikan di Politeknik tepat waktu.
Salah satu yang menjadi tolak ukur keberhasilan studi mahasiswa adalah
nilai indeks prestasi (IP), begitu juga di Politeknik Negeri Bandung (POLBAN).
Nilai IP tiap semester menjadi salah satu faktor yang menentukan apakah
mahasiswa tersebut dapat melanjutkan ke semester berikutnya atau tidak (drop out). Dalam aturan di POLBAN, derajat keberhasilan studi mahasiswa POLBAN dinyatakan dengan Indeks Prestasi Kumulatif (IPK). Seorang mahasiswa POLBAN dinyatakan lulus penuh pada suatu semester bila mempunyai nilai IP ≥
2.00 dan jumlah mata kuliah dengan nilai D maksimum 7 SKS dan tanpa nilai E.
Mahasiswa dinyatakan lulus percobaan pada suatu semester jika dipenuhi : nilai
IP≥2.00 dan nilai D>7 SKS, tanpa nilai E atau 1.70 ≤ IP≤2.00 dan nilai D ≤7
SKS tanpa nilai E. Mahasiswa akan dikeluarkan dari Politeknik (DO) dengan
alasan akademik bila dua semester berturut-turut lulus percobaan sampai dengan
semester IV, mempunyai nilai 1.70≤IP<2.00 dan jumlah SKS nilai D>7 SKS,
nilai IP di bawah 1.70, mempunyai nilai E pada semester I, II, III dan IV,
melewati batas studi yang telah ditetapkan yakni sekurang-kurangnya 6 semester
dan selama-lamanya 10 semester, termasuk cuti dan mengulang, dan mempunyai
jam, dan tidak memenuhi syarat kelulusan pada semester VI setelah diberi
kesempatan mengulang.
2.2. Faktor-faktor yang Berpengaruh Terhadap Keberhasilan Mahasiswa
Secara garis besar faktor-faktor yang mempengaruhi keberhasilan studi
mahasiswa di perguruan tinggi dibagi menjadi 2 faktor yakni faktor intelektual
dan faktor non-intelektual (Munthe 1995 diacu Hidayati 2002). Faktor intelektual
adalah kemampuan seseorang yang diperlihatkan melalui kecerdasan dan
kepandaiannya dalam berfikir dan berbuat yang meliputi : bakat, kapasitas belajar,
kecerdasan dan hasil belajar yang telah dicapai. Faktor non-intelektual adalah
segala kondisi dari dalam dan dari luar dirinya atau lingkungan sekitar yang
terkait dengan diri seseorang dalam mempengaruhi kemampuan berfikir dan
bertindak. Menurut Suryabrata (1989), hal-hal yang mempengaruhi proses
belajar mengajar meliputi pengaruh dari dalam yaitu keadaan fsikologis
(kesehatan, kondisi panca indra, dan gizi yang cukup) dan keadaan fisiologis
(minat, kecerdasan, motivasi dan kemampuan kognitif). Selanjutnya pengaruh dari
luar meliputi input lingkungan dan input instrumental.
2.3. Regresi Logistik
Analisis Regresi Logistik digunakan untuk memeriksa hubungan antara
peubah respon yang berupa peubah kualitatif, yaitu peubah berskala nominal atau
ordinal dengan peubah-peubah penjelas (predictor) yang bisa terdiri dari peubah kualitatif maupun kuantitatif. Peubah respon dalam regresi logistik dapat berupa
peubah dikhotom (biner) maupun politom (ordinal atau nominal).
Misalkan data hasil pengamatan mempunyai n peubah penjelas yang
dinyatakan oleh vektor x’ = (X1,X2,...,Xn) yang berpasangan dengan peubah respon
Y yang bernilai 1 dan 0. Nilai peubah y=1 menyatakan bahwa respon memiliki
kriteria yang diharapkan dan y=0 tidak memiliki kriteria yang diharapkan, maka
i
i y
i y
i
i x x
y
f( )=π( ) (1−π( ))1− (1)
Model Regresi Logistik antara π(x) dengan x adalah :
)) ( exp( 1 )) ( exp( ) ( x g x g x + =
π (2)
Fungsi regresi di atas berbentuk curvilinear. Dengan transformasi logit maka
curvilinear tersebut akan menjadi fungsi linear. (Agresti 1996).
Ilustrasi pada Gambar 1 akan memperjelas transformasi logit.
Gambar 1 Transformasi Logit curvilinear ke Linear
Model Logit mentransformasi masalah prediksi peluang dengan range (0,1)
menjadi masalah prediksi log odds. Transformasi Logit dinyatakan dalam
persamaan berikut :
logit ( )
) ( 1 ) ( ln )) (
( g x
x x
x ⎥ =
⎦ ⎤ ⎢ ⎣ ⎡ − = π π
π (3)
dimana n nX X X x
g( )= β0+β1 1+β2 2+...+β
(4)
merupakan logit (Hosmer & Lemeshow 2000).
Pembuktian : ) ( ) ( 1 ) (
ln g x
x x = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −π π dimana )) ( exp( 1 )) ( exp( ) ( x g x g x + = π π(x) Prediktor (X) Transformasi Logit Logit(π(x))
maka ln
[
exp( ( )]
( ) )) ( exp( 1 )) ( exp( ) ( exp( 1 ) ( exp( 1 )) ( exp( 1 )) ( exp(ln g x g x
x g x g x g x g x g x g = = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ + − +
+ + (5)
Jadi terbukti bahwa logit ( ) ) ( 1 ) ( ln )) (
( g x
x x
x ⎥=
⎦ ⎤ ⎢ ⎣ ⎡ − = π π π
Bentuk (4) dapat juga ditulis sebagai
∑
= = + + + = n j j j nnx x
x x g 0 1 1 0 ... )
( β β β β (6)
Sehingga persamaan (2) dapat dinotasikan menjadi
(8) ) exp( 1 1 (x) -1 dan (7) ) exp( 1 ) exp( ) ( n 0 j j 0 0
∑
∑
∑
= = = + = + = j n j j j n j j j x x x x β π β β πSelanjutnya karena ada n pengamatan (xi,yi) yang diasumsikan bebas, maka untuk
menduga parameter (β0, β1, ..., βn) dilakukan dengan metode kemungkinan
maksimum sebagai berikut
i i y n i n i i y i i
n f y x x
y y y f l − = =
∏
=∏
− = = 1 1 1 21, ,..., ) ( ) ( ) (1 ( ))
( )
(β π π (9)
(12) ) 1 ln( ) 1 ln( ) ( (11) ) 1 ln( ) 1 (( ln ) ( ) ( (10) ) ( 1 ( ) ( ln )) ( ln( ) ( 1 1 1 1 1 1
∑
∑
∑
∑
∏
= = = = − = − + − = − − + = = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = = n i n i i i i i n i n i i i i i i i y i n i y i y y L y y y L x x x lL i i
π π β π β π π π π β β
Fungsi L(β) tersebut diturunkan terhadap parameter β0, β1, ..., βn , sehingga
iterasi. Setelah diperoleh nilai dugaan β0, β1, ..., βn,, maka dapat diperoleh
penduga dari π(x) dengan persamaan :
)) ( exp( 1 )) ( exp( ) ( ^ ^ ^ x g x g x + =
π (13)
dimana g x x nXn
^ 1 1 ^ ^ 0 ^ ... ) ( =β +β + +β
merupakan penduga Logit yakni fungsi linear dari peubah penjelas (Hosmer &
Lemeshow 2000).
2.3.1. Pengujian Kesesuaian Model
Pengujian kesesuaian model dilakukan dengan memeriksa peranan
peubah-peubah penjelas dalam model. Pengujian dilakukan terhadap parameter
model (β). Pengujian secara simultan (melibatkan seluruh peubah penjelas) dilakukan dengan menggunakan uji nisbah kemungkinan (likelihood ratio test) atau uji-G. Uji-G digunakan untuk pengujian parameter βi dengan hipotesis
sebagai berikut:
H0 : β1= β2= ... = βp=0
H1 : minimal ada satu βyang tidak sama dengan nol
Statistik uji yang digunakan adalah statistik G :
⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = penjelas peubah dengan likelihood penjelas peubah tanpa likelihood ln 2
G (14)
Statistik Uji- G ini secara teoritis mengikuti sebaran χ2 dengan derajat bebas k.
Kriteria keputusan yang diambil adalah menolak H0,\ jika G hitung ≥ ( )
2 k
α
χ (Hosmer
& Lemeshow 2000). Apabila pada Uji G, H0 ditolak maka lanjutkan dengan
Uji-Wald yang digunakan untuk menguji parameter βi secara parsial. Hipotesis yang
akan diuji adalah :
H0 : βi = 0
H1 : βi≠ 0 i=1,2,...,k
) ( i SE
i W
β
β
Λ Λ
= (15)
Secara teori, statistik W ini mengikuti sebaran normal baku. Dengan kriteria
keputusan adalah menolak H0 jika |W| ≥ Zα/2 atau nilai p ≤α .
2.3.2. Pereduksian Peubah Penjelas
Pereduksian peubah dalam regresi logistik dikenal sebagai analisis
regresi logistik bertatar (stepwise logistic regression), dimana langkah yang dilakukan adalah menambah dan mengurangi peubah-peubah penjelas satu demi
satu dari model sampai didapatkan model dengn peubah-peubah penjelas yang
mempunyai pengaruh signifikan.
Analisis regresi logistik bertatar (stepwise logistic regression) terdiri dari
forward selection dan backward elimination. Dalam metode forward selection
prosedur dimulai dengan intersep, kemudian peubah penjelas dimasukkan satu
persatu ke dalam model dan diuji dengan uji Khi-Kuadrat. Apabila peubah
penjelas tidak signifikan pada nilai α yang ditentukan, maka peubah dikeluarkan dari model. Tetapi peubah penjelas yang signifikan akan dimasukkan ke dalam
model. Sedangkan dalam metode backward elimination, prosedur dimulai dengan memasukkan semua peubah penjelas ke dalam model, kemudian peubah diuji satu
persatu dengan uji Khi-Kuadrat. Peubah penjelas yang tidak signifikan pada nilai α yang ditentukan dikeluarkan dari model, tetapi peubah penjelas yang signifikan tetap berada dalam model (Gonzales 2003). Teknik pereduksian peubah penjelas
ini telah tersedia dalam paket pengolahan komputer. Dalam penelitian ini metode
pereduksian yang digunakan adalah backward elimination.
2.3.3. Interpretasi Koefisien
Ukuran untuk melihat seberapa besar kecenderungan pengaruh peubah
penjelas terhadap respon digunakan Rasio Odds (Hosmer & Lemeshow 2000). Sedangkan interpretasi koefisien pada model regresi logistik dilakukan dengan
koefisien menunjukkan bahwa nilai rasio odds lebih dari satu. Begitupun
sebaliknya, untuk tanda koefisien negatif, maka nilai rasio oddsnya kurang dari
satu.
Koefisien model logit dapat ditulis sebagai β=g(x+1)-g(x) yang menginterpretasikan bahwa perubahan nilai logit g(x) terjadi untuk setiap
perubahan satu unit peubah penjelas X yang selanjutnya disebut log odds. Secara
umum dapat dikatakan bahwa log odds adalah beda antara penduga logit yang
dihitung pada dua nilai sembarang, misalnya x=a dan x=b yang dinotasikan
sebagai :
ln [ψ(a,b)]= g(x=a)-g(x=b)=β(a-b) (16) Sedangkan penduga rasio odds dinyatakan sebagai ψ(a,b)=exp[β(a-b)]. Sehingga apabila dimisalkan (a-b)=1 maka diperoleh ψ(a,b)=exp(β), dapat diinterpretasikan bahwa peluang untuk y=1 pada x=1 adalah ψ kali dibandingkan dengan x=0. Untuk lebih jelasnya berikut disajikan tabel model logistik dengan satu peubah
dikotomi.
Tabel 1 Nilai-nilai Model Regresi Logistik dengan Peubah Penjelas Dikotomi
Transformasi logitnya :
n nx x x x x x
g β β β β
π π = + + + + ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = ... ) ( 1 ) ( ln )
( 0 1 1 2 2 (17)
Nilai odds pada y=1 untuk x=1 adalah
) 1 ( 1 ) 1 ( π π
− dengan nilai log adalah g(1)
Peubah Bebas X
x=1 x=0
Y=1 Peubah Respon Y=0
Jumlah 1 1
1 0 1 1 ) 1 (
1 π β +β
+ = − e 0 0 1 ) 0 ( β β π e e + = 1 0 1 0 1 ) 1 ( β β β β π + + + = e e 0 1 1 ) 0 (
1 π β
Nilai odds pada y=1 untuk x=0 adalah ) 0 ( 1 ) 0 ( π π
− dengan nilai log adalah g(0)
Maka nilai rasio odds (ψ) merupakan rasio dari odds untuk x=1 dengan x=0 yang dinotasikan sebagai :
1 ) 0 ( ) 1 ( ) 0 ( 1 ) 0 ( ) 1 ( 1 ) 1 ( β π π π π ψ = − = − −
= g g (18)
Jika β1 adalah beda logit, maka exp (β1) adalah nilai rasio odds (Hosmer &
Lemeshow 2000).
Selang kepercayaan (1-α)100% untuk nilai rasio odds adalah
)] ( exp[ ^ ^ 2 / 1 ^ i
i Z SE β
β ± −α (19)
2.3.4. Ketepatan dan Kesalahan Klasifikasi
Salah satu ukuran kebaikan model dalam regresi logistik adalah jika model
mempunyai peluang salah klasifikasi minimal (Hosmer & Lemeshow 2000).
Ketepatan dan kesalahan klasifikasi dapat dilihat dalam tabel klasifikasi. Tabel
klasifikasi untuk peubah respon dikotom terdiri atas dua kolom nilai dugaan dan
dua baris nilai amatan. Dalam menentukan ketepatan klasifikasi (correct classification) terhadap amatan harus ditentukan terlebih dahulu nilai cutpoint (c). Nilai c yang biasa digunakan adalah 0.5. Jika peluang dugaan π(x) ≥ c, maka nilai dugaan termasuk pada respon y=1 dan sebaliknya adalah y=0. Tabel 2
memperlihatkan tabel klasifikasi secara umum.
Tabel 2. Klasifikasi Respon
Amatan
Dugaan Total Ketepatan
1 0
1 a b (a+b)=n1. a/n1.
0 c d (c+d)=n0. d/n0.
Total (a+c)=n.1 (b+d)=n.0 (a+b+c+d)=n (a+d)/n
Kesalahan c/n.1 b/n.0 (b+c)/n
Ketepatan klasifikasi (correct classification) terdiri atas specificity dan sensitivity.
kriteria yang diharapkan (y=0), atau prosentase nilai dugaan yang sama dengan
nilai amatan untuk y=0 disebut specificity. Dalam Tabel 2 nilai specificity
dinyatakan dengan (d/n0.)100%. Sedangkan prosentase nilai dugaan yang sama
dengan nilai amatan untuk y=0 disebut sensitivity. Dalam Tabel 2 nilai sensitivity
dinyatakan dengan (a/n1.)100%. Persentase total nilai amatan yang secara tepat
dapat diduga oleh model disebut total correct classification. Dalam Tabel 2 total correct classification dinyatakan dengan ((a+d)/n)100%. Kesalahan klasifikasi terdiri dari kesalahan positif dan kesalahan negatif. Persentase kesalahan dalam
menduga respon memiliki kriteria yang diharapkan (y=1), padahal sebenarnya
bernilai y=0 disebut kesalahan positif. Dalam Tabel 2 kesalahan positif
dinyatakan dengan (b/n.0)100%. Persentase kesalahan dalam menduga respon
tidak memiliki kriteria yang diharapkan (y=0), padahal sebenarnya bernilai y=1
disebut kesalahan negatif. Dalam Tabel 2 kesalahan negatif dinyatakan dengan
(c/n.1)100%. Selanjutnya persentase kesalahan klasifikasi total adalah
((b+c)/n)100% disebut total misclassification rate.
2.4. Analisis Daya Tahan
Analisis Daya Tahan (Survival Analysis) adalah suatu teknik analisis yang digunakan dalam menganalisis daya tahan dari satu individu atau beberapa
individu (Lee 1992). Data daya tahan disini merupakan data tentang jangka waktu
terjadinya suatu kejadian (event). Dalam analisis daya tahan ini dapat ditentukan waktu kejadian sesuatu yang sering disebut waktu kegagalan (failure), dan waktu bertahannya sesuatu yang disebut waktu ketahanan (life time).
Pada bidang biomedical, data tersensor dapat berupa waktu
berkembangnya suatu penyakit, waktu kematian penderita kanker. Pada bidang
industri, berkaitan dengan tingkat keterandalan suatu alat elektronik atau
komponen sistem. Pada bidang sosial dapat kita temukan pada data masa / durasi
suatu perkawinan pertama, waktu kejahatan (kriminal) dan lain-lain. Berdasarkan
sensor acak. Diketahui pada sensor kanan, individu pengamatan masih hidup
sampai penelitian berakhir. Pada sensor kiri, biasanya kejadian yang sudah
diamati sudah terjadi sebelum individu diteliti. Untuk sensor interval, kejadian
jatuh dalam suatu interval, dimana pengamatan dilakukan secara periodik.
Sedangkan pada sensor kanan jenis 1, biasanya waktu penelitian ditentukan tetapi
jumlah pengamatan yang tersensor random. Dan pada sensor kanan jenis 2, waktu
pengamatan sifatnya random, namun jumlah pengamatan yang tersensor
ditentukan. Dalam menentukan waktu daya tahan ada 3 hal yang harus
diperhatikan, yaitu :
1. waktu awal harus didefinisikan dengan jelas, walaupun tidak sama
satuannya
2. skala pengukuran harus ditentukan
3. pengertian kejadian (event) harus ditentukan dengan jelas
Pada penelitian ini, waktu awal ditentukan awal semester 1(satu) dan waktu akhir
penelitian adalah akhir semester 4(empat). Sedangkan skala pengukuran yang
[image:30.612.148.545.421.672.2]digunakan adalah semester. Kejadian yang diharapkan (event) adalah mahasiswa gagal (DO). Untuk lebih jelasnya disajikan ilustrasi data survival pada Gambar 1.
Gambar 2 Ilustrasi Data Survival Event (kejadian yang diharapkan/DO)
kejadian yang tidak diharapkan)
0 1 2 3 4
t A
B
C
D
E
Pada Gambar 2, diperlihatkan bahwa subjek A mengalami kegagalan / DO setelah
semester 3, maka dalam hal ini subjek A dikatakan tidak tersensor. Subjek B,
sampai waktu penelitian berakhir (semester 4) tidak mengalami event, maka
dikatakan subjek B tersensor di kanan. Sementara subjek C, setelah melampaui
satu semester mengalami kegagalan (DO), dalam hal ini subjek C dikatakan tidak
tersensor. Sementara itu subjek D setelah semester 3 mengundurkan diri, maka
subjek D dikatakan tersensor. Subjek E mengalami kegagalan / DO pada
semester 4, maka dapat dikatakan bahwa subjek E tidak tersensor.
Dalam penelitian disini jenis data tersensor yang diamati adalah jenis data
tersensor kanan jenis 1 (satu), karena sebagian mahasiswa yang diamati setelah
melampaui kurun waktu penelitian (semester 4) tidak mengalami kegagalan (DO)
dan jumlah yang mahasiswa yang tersensor tidak ditentukan (random).
2.4.1. Fungsi-fungsi dalam Analisis Daya Tahan
Sebaran waktu daya tahan biasanya dinyatakan dalam 3 fungsi, yakni :
Fungsi daya tahan (Survival function), fungsi Hazard (Hazard function), dan fungsi kepekatan peluang (probability density function). Ketiga fungsi ini secara matematik ekuivalen. Artinya jika salah satu fungsi diketahui, maka fungsi yang
lain dapat diturunkan.
a. Fungsi Daya Tahan (Survival function)
Fungsi daya tahan adalah fenomena yang menjelaskan ukuran waktu
terjadinya suatu kejadian. Fungsi daya tahan didefinisikan sebagai peluang
mahasiswa bertahan dalam melanjutkan studi di POLBAN selama kurun
waktu t yang dinyatakan dalam bentuk
S(t) = P (suatu individu bertahan lebih dari waktu t)
= P(T≥t) =
∫
∞t f(u)du (Collet 1996) (20) Menurut definisi Fungsi distribusi kumulatif F(t) dari T, karena
atau S(t) = 1- F(t) maka F(t)=1-S(t)
sehingga diperoleh
F(t)=
∫
t f u du0 ( ) (Collet 1996) (21)
b. Fungsi Kepekatan Peluang (probability density function)
Fungsi kepekatan peluang dari waktu daya tahan T didefinisikan sebagai limit
dari peluang yang gagal pada selang waktu t sampai Λt. Dalam hal ini didefinisikan bahwa f(t) adalah fungsi kepekatan peluang dari T. Dan F(t)
adalah fungsi kepekatan kumulatif dari T yang dirumuskan sebagai berikut
f(t)= t t t t P t Δ Δ + → Δ )) , ( interval dalam gagal individu ( lim 0
f(t)= (1 S(t)) S'(t)
dt
d − =−
(Lee 1992) (22)
c. Fungsi Hazard (Hazard function)
Fungsi Hazard h(t) dari waktu daya tahan T disebut juga laju kegagalan
bersyarat (Conditional failure rate), yang didefinisikan sebagai peluang terjadinya kematian individu dalam selang waktu yang pendek (t,t+Δt),
apabila diketahui bahwa individu sudah bertahan hidup selama waktu t.
Fungsi Hazard dinyatakan sebagai
h(t)= t t)} t (t, interval dalam gagal waktu t pada individu { lim 0 Δ Δ + → Δ P t h(t)= t t T t t T t P t Δ > Δ + < ≤ → Δ } | } ( lim 0 = ) ( ) ( t s t f
(Collet 1996) (23)
Hubungan antara S(t) dan h(t) adalah jika nilai S(t) naik, maka nilai h(t) turun. Begitu juga sebaliknya, jika nilai S(t) turun, maka nilai h(t) naik.
Secara matematis S(t) dan f(t) dapat dinyatakan dalam bentuk h(t).
Karena f(t) dapat ditulis sebagai –S’(t), maka
h(t)=- (lnS(t))
dt d
(24)
() ln ( ) 0 t S dt t h t = −
∫
(25)Disamping itu S(0)=1, maka S(t) =exp (-ln
∫
t du u h 0 )( ) (26)
Fungsi Hazard Kumulatif dinotasikan sebagai
H(t)=
∫
t du u h 0 )( atau H(t)=-ln (S(t)) sehingga S(t)=exp(-H(t) (27)
Maka fungsi densitas menjadi f(t)=h(t). exp (-
∫
t du u f 0 )( (Lee 1992) (28)
2.4.2. Model Regresi Hazard Proporsional (Regresi Cox)
Model regresi Hazard Proporsional (Regresi Cox) mengkaitkan antara variabel respon yang berupa waktu bertahan dengan peubah penjelas. Selanjutnya
peubah penjelas yang mengandung karakteristik-karakteristik ini disebut sebagai
kovariat atau peubah penjelas, sedangkan peubah respon adalah waktu ketahanan
mahasiswa. Tingkat Kegagalan bersyarat / tingkat hazard dapat ditulis dalam
bentuk h(t)= t t T t t T t P t Δ ≥ Δ + < ≤ → Δ ] | [ lim
0 (29)
Setiap pengamatan dalam analisis daya tahan dapat dinyatakan dalam bentuk
(tj, wj, XJ) dimana:
j=1,2,...,n adalah banyaknya pengamatan
tj∈(0,∞) = waktu seorang mahasiswa dapat bertahan dalam melanjutkan
studinya di POLBAN sampai mengalami kegagalan (DO)
W j = indikator yang bernilai 1 jika mahasiswa mengalami kegagalan
(pengamatan tidak tersensor) dan bernilai 0 jika mahasiswa dapat bertahan
(pengamatan tersensor)
X j = kovariat atau peubah penjelas ke-j dimana X j dapat ditulis dalam vektor
X j = [ X j1 , X j2 , ... , Xjp ] merupakan peubah boneka / dummy yang memiliki
Fungsi hazard yang telah disebutkan sebelumnya dapat diuraikan menjadi
bentuk perkalian antara fungsi hazard dasar yang bergantung pada waktu dan
fungsi yang bergantung pada kovariat, atau ditulis dalam bentuk
h(t,X)= h0(t)G(X;β) (30)
karena nilai h(t,X) dan h0(t) positif, maka nilai G(X;β) juga harus positif. Cox
(Cox & Oakes,1984) memilih G(X;β) = exp (βTX ) sehingga model (30) berubah menjadi:
h(t,X)= h0(t) exp (βTX) (31)
dimana:
t = waktu hingga suatu kejadian terjadi (waktu mahasiswa gagal)
h(t,X) = resiko mahasiswa gagal pada waktu t dengan karakteristik X.
h0(t) = fungsi hazard dasar (baseline hazard function) atau fungsi hazard pada
saat t=0 dan tidak bergantung pada karakteristik. ΒT
=[ β1, β2, ... , βp] adalah vektor koefisien regresi atau vektor parameter.
Model (32) disebut juga sebagai model “hazard proporsional” karena
merupakan nisbah fungsi hazard dari dua individu dengan vektor kovariat X1 dan
X2 yang bebas terhadap t.
exp( ( ))
) , (
) , (
2 1 2
1 X X
X t h
X t
h = βT − (32)
Rasio dalam persamaan (32) disebut hazard relatif yang menunjukkan adanya peningkatan atau penurunan resiko mahasiswa yang mengalami kondisi tertentu
atau dikenai perlakuan tertentu (Lee, 1992).
2.4.3. Pendugaan Parameter
Dalam menduga parameter (β), Cox dalam Lee (1992) menyarankan prosedur pendugaan kemungkinan maksimum ( maximum likelihood estimation) berdasar atas fungsi kemungkinan bersyarat. Misalkan ada n pengamatan dengan
k pengamatan yang tidak tersensor dan (n-k) adalah pengamatan yang tersensor
himpunan resiko pada waktu t(i) , terdiri atas individu-individu yang bertahan
hingga waktu t(i). Peluang bahwa individu / mahasiswa ke-i gagal (DO), jika
diketahui individu tersebut berada dalam Ri pada waktu t(i) adalah
∑
∑
∈
∈ i l Ri
l T i R l i i i i X X X t h X t h ) exp( ) exp( atau ) , ( ) . ( T β β (33)
Hasil kali peluang untuk setiap pengamatan / observasi waktu yang tidak
tersensor akan membentuk fungsi kemungkinan yang hanya tergantung pada β. Fungsi ini selanjutnya disebut fungsi kemungkinan bersyarat dengan notasi
∏ ∑
= ∈ = k i R l l T i T c i X X L1 exp( )
) exp( ) ( β β
β (34)
Fungsi tersebut tidak bergantung pada nilai h0(t). Sehingga untuk menduga
parameter model regresi (β) tidak perlu harus mengetahui nilai h0(t) asalkan data
berasal dari populasi yang sama.
Untuk memudahkan kita dalam mencari penduga kemungkinan
maksimum Lc(β) maka digunakan konsep logaritma yaitu Ln (Lc(β)). Selanjutnya
Ln (Lc(β)) dimaksimumkan dengan menurunkannya terhadap β dan kemudian
menyamakannya dengan nol, seperti notasi berikut
( ( ))=0
∂
∂ β
β Ln Lc (35)
2.4.4. Pengujian Kontribusi Peubah
Pengujian kontribusi peubah secara bersama-sama (simultan) dalam
analisis peubah ganda digunakan uji nisbah kemungkinan dengan statistik uji :
2 =−2[ln −ln Lssd] sbl
L
χ (36)
Kriteria keputusan adalah jika nilai χ2hitung dengan taraf 0.05 lebih besar dari
nilai χ2 tabel dengan derajat bebas tertentu maka peubah-peubah tersebut
memberikan pengaruh yang nyata pada taraf nyata 5% (Lee 1992 ).
Sedangkan untuk menguji hipotesis H0 : βi = 0 dan H1 : βi ≠ 0 pada
pengujian kontribusi masing-masing peubah dalam analisis tunggal digunakan uji
( 2 )⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = Λ Λ
β
β
SE W (37) dimana SE( ^β) adalah galat baku penduga parameter.
Statistik uji ini akan menyebar χ2 dengan derajat bebas 1, untuk H0 bernilai
benar.
2.4.5. Pengujian Fungsi Daya Tahan
Untuk menduga fungsi daya tahan dalam Regresi Cox digunakan penduga
Breslow. Fungsi daya tahan individu pada t dengan peubah penjelas X adalah
S(t,X)= exp( )
0()]
[S t βTX (38)
Untuk menduga S(t,X) harus terlebih dahulu menduga S0(t). Menurut Breslow
dalam Anderson (1980), S0(t) dapat ditentukan dengan rumus berikut
∏ < ∑ ∈ Λ
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
−
=
i t l t l R j j T i iX
d
t
S
, 0)
exp(
1
)
(
β
(39)III. METODOLOGI PENELITIAN
2.5.Data Penelitian
Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari
bagian Akademis POLBAN serta data pendukung yang merupakan data primer
(persepsi) dalam bentuk kuesioner. Data sekunder adalah mahasiswa POLBAN jurusan Rekayasa angkatan 2005/2006 dan 2006/2007 meliputi 11 program studi.
Sedangkan responden data primer adalah mahasiswa angkatan 2005/2006 yang
sudah lulus, sebagian mahasiswa yang mengalami kegagalan (DO), serta
angkatan 2006/2007 yang masih bertahan. Dengan metode pengambilan sampling
stratifikasi.
3.1.1 Definisi Peubah-peubah yang Diamati
Untuk lebih memperjelas pengertian peubah penjelas dan peubah respon
(outcome variable) yang diamati dalam penelitian ini, maka di bawah ini disajikan beberapa definisi operasional peubah dan cara mengukurnya.
1. Daya tahan mahasiswa
Pada analisis survival, peubah tak bebas atau peubah respon dalam
penelitian ini adalah waktu daya tahan mahasiswa dengan jenis peubah
kontinu. Sedangkan pada regresi logistik biner, peubah respon adalah
kategori biner yakni mahasiswa tidak berhasil (DO) dengan kategori nilai
1 dan mahasiswa berhasil (tidak DO) dengan kategori nilai adalah 0.
Peubah ini diukur semenjak mahasiswa terdaftar sebagai mahasiswa
POLBAN secara akademis, sampai terjadinya perubahan status akademis
(DO/tidak DO) selama kurun waktu 2 (dua) tahun atau 4(empat) semester.
Satuan pengukurannya adalah semester. Mahasiswa dikatakan gagal
mahasiswa dikatakan berhasil (success) jika mahasiswa aktif sampai waktu penelitian berakhir.
2. Jenis Kelamin
Dari penelitian-penelitian sebelumnya diperoleh kesimpulan bahwa
peubah penjelas jenis kelamin diduga mempengaruhi daya tahan
mahasiswa. Mahasiswa POLBAN khususnya Rekayasa didominasi oleh
kaum laki-laki, terutama untuk program studi teknik Mesin, teknik Sipil,
teknik Elektro, teknik Listrik, teknik Telkom, teknik Aeronautika, teknik
Refrigrasi dan teknik Energi. Tetapi pada program studi teknik Komputer
dan teknik kimia, persentase mahasiswa laki-laki pada umumnya hampir
berimbang dengan mahasiswa perempuan. Pengelompokkannya adalah
jenis kelamin laki-laki diberi nilai kategori 1 dan nilai kategori 0 untuk
perempuan.
3. Jenis SLTA
Mahasiswa politeknik jurusan rekayasa berasal dari SMU dan SMK.
Dalam hal ini SMK yang dimaksud adalah STM. Materi Ujian masuk
yang dihadapi mereka sama, yaitu Matematika, Bahasa Inggris dan Bahasa
Indonesia. Padahal kurikulum SMK dan SMU sangat berbeda, terutama
untuk mata pelajaran Matematika. Hal ini yang melatarbelakangi anggapan
bahwa asal SLTA (jenis SLTA) diduga berpengaruh terhadap keberhasilan
studi mahasiswa POLBAN. Pengelompokkannya adalah mahasiswa
dengan latar belakang SMU di beri nilai kategori 1, sedangkan mahasiswa
berlatar belakang SMK diberi nilai kategori 0.
4. Status SLTA
Peubah penjelas lainnya yang diduga berpengaruh terhadap keberhasilan
studi mahasiswa POLBAN adalah status SLTA yang dikelompokkan
kedalam dua kategori yakni, mahasiswa asal SMU/ SMK berstatus negeri
diberi nilai kategori 1 dan mahasiswa asal SMU/SMK berstatus swasta
5. Asal Daerah
Mahasiswa Politeknik Negeri Bandung cukup heterogen, mereka berasal
dari seluruh wilayah Nusantara. Tetapi sejak di beberapa daerah banyak
didirikan politeknik-politeknik baik negeri maupun swasta dengan
berbagai program studi, maka calon mahasiswa lebih memilih mendaftar
di daerahnya daripada harus mengeluarkan biaya lebih banyak untuk ke
Bandung. Maka dari itu sampai saat ini mahasiswa POLBAN lebih banyak
berasal dari Bandung dan daerah Jawa Barat. Walaupun masih ada
beberapa yang berasal dari Jawa Tengah, Jawa Timur, Bali dan wilayah
Sumatra . Oleh karena itu peubah penjelas asal daerah dalam penelitian ini
dikelompokkan ke dalam daerah wilayah Bandung yang dikategorikan
dengan angka 1, dan wilayah di luar Bandung dikategorikan dengan angka
0.
6. NEM (Nilai Ebtanas Murni).
Hasil evaluasi nilai SMU secara nasional dinyatakan dalam bentuk Nilai
Ebtanas Murni yang terdiri dari 4 mata pelajaran. Sedangkan Nilai Ebtanas
Murni untuk SMK terdiri dari 7 mata pelajaran. Maka
pengelompokkannya didasarkan pada nilai rata-rata NEM. Nilai rata-rata
NEM ini merupakan data kontinu (kuantitatif) jadi tidak dikelompokkan.
7. Nilai Ujian Masuk Politeknik (mata pelajaran Matematika)
Seleksi Ujian masuk Politeknik Negeri Bandung pada tahun 2005/2006
dan 2006/2007 menggunakan sistem GCE (Graduate Competence Examination). Proses ujiannya dibagi menjadi dua yakni kompetensi dan
sistem seleksi, untuk memperoleh calon mahasiswa yang berpotensi disertai minat yang tinggi terhadap bidang yang ada di POLBAN. Untuk
memperoleh hasil yang optimal, maka calon mahasiswa diberi kesempatan
3 kali dalam mengikuti ujian masuk. Dalam hal ini bukan berarti tiap
calon mahasiswa diharuskan mengikuti ketiga ujian tersebut, melainkan
memberi kesempatan pada tiap calon untuk memperbaiki hasil ujiannya,
sebelumnya. POLBAN telah bekerja sama dengan Politeknik di Sumatra,
Kalimantan dan Jawa. Jadi peminat yang berasal dari daerah lain dapat
mengikuti ujian di luar Bandung. Passing grade digunakan untuk menentukan bahwa peserta uji layak untuk masuk ke proses seleksi . Bagi
peserta yang belum layak masuk ke proses seleksi (nilai uji masih lebih
rendah dari passing grade), maka dapat memperbaiki nilainya dengan mengikuti ujian berikutnya . Adapun mata pelajaran yang diujikan pada
sistem GCE ini meliputi Matematika, Bahasa Indonesia, dan Bahasa
Inggris. Dimana dalam penilaian untuk Rekayasa, Matematika memiliki
penilaian dengan bobot tertinggi. Ujian dilakukan selama satu hari.
Khusus untuk calon mahasiswa jurusan Komputer, ujian dilakukan selama
2 hari dimana hari kedua para calon mahasiswa harus menghadapi
Psikotest (Test Aptitude). Nilai Ujian Masuk Politeknik diduga berpengaruh terhadap daya tahan mahasiswa. Oleh karena itu Nilai Ujian
Masuk ini dimasukkan sebagai variabel penjelas dalam penelitian ini.
Pengelompokkan nilai ujian matematika didasarkan pada nilai rata-rata
ujian matematika keseluruhan. Nilai matematika ini merupakan data
kontinu (kuantitatif) jadi tidak dikelompokkan.
8. Nilai indeks prestasi (IP) semester satu
Indeks Prestasi adalah prestasi akademik yang dicapai mahasiswa yang
merupakan nilai tiap mata kuliah yang diambil pada semester satu dengan
memperhitungkan jumlah kredit mesing-masing mata kuliah. Indeks
semester satu sangat berkaitan dengan daya tahan mahasiswa. Karena
mahasiswa yang mempunyai nilai tinggi di semester satu, mempunyai
kecenderungan memiliki daya tahan di semester berikutnya. Mengingat
input mahasiswa POLBAN adalah siswa SMU dan SMK yang mempunyai
kurikulum berbeda sebelumnya, maka semester 1(satu) berisikan muatan
materi SLTA secara umum dengan tujuan menyamakan presepsi antara
mahasiswa dengan latar belakang SMU dan mahasiswa dengan latar
belakang STM. Matematika adalah salah satu mata kuliah yang merupakan
program studi, mahasiswa yang mempunyai nilai konsep dasar keteknikan
tinggi (Matematika , Fisika, Kimia) biasanya mempunyai kecenderungan
lanjut ke semester berikutnya. Nilai IP semester 1 ini juga merupakan data
kontinu atau data kuantitatif, jadi dalam penelitian ini tidak mengalami
pengelompokkan.
9. Pendidikan Ayah
Ayah sebagai kepala keluarga mempunyai peranan besar dalam memberi
motivasi dalam perkembangan pendidikan anaknya. Menurut penelitian
sebelumya diperoleh hasil bahwa latar belakang pendidikan orang tua
berpengaruh terhadap keberhasilan belajar di perguruan tinggi. Oleh
karena itu dalam penelitian ini tingkat pendidikan ayah termasuk sebagai
salah satu peubah penjelas yang diamati. Tingkat pendidikan ayah dibagi
kedalam kategori : (1) SD,SMP (2) SLTA (3) Perguruan Tinggi (diploma,
sarjana, dan Pascasarjana).
10.Pendidikan Ibu
Pada dasarnya seorang ibu mempunyai tugas yang cukup berat dalam
keluarga, selain mengurus rumah tangga juga berperanan besar dalam
membesarkan anak-anaknya. Seorang ibu dengan tingkat pendidikan tinggi
akan mempunyai wawasan yang berbeda dalam mengurus dan mebesarkan
anak-anaknya dibandingkan dengan ibu rumah tangga dengan pendidikan
rendah. Oleh karena ada dugaan bahwa tingkat pendidikan ibu
berpengaruh terhadap keberhasilan studi mahasiswa POLBAN. Tingkat
pendidikan ibu dimasukkan sebagai salah satu peubah penjelas yang
diamati dan dikelompokkan sama dengan tingkat pendidikan ayah.
11.Pekerjaan Ayah
Keberhasilan mahasiswa dalam menyelesaikan kuliahnya tentu saja tidak
terlepas dari dukungan orang tua dalam hal ini ayah baik secara moril
maupun materil. Orang tua yang berhasil menyekolahkan anaknya ke
didukung dengan ketersediaan dan. Ayah sebagai kepala rumah tangga,
yang bertugas mencari nafkah mempunyai peranan besar atas ketersedian
dana tersebut. Oleh sebab itu jenis pekerjaan ayah diduga memberi
pengaruh terhadap keberhasilan pendidikan mahasiswa POLBAN. Tingkat
pekerjaan ayah dalam penelitian ini dimasukkan sebagai peubah penjelas
dan dikelompokkan ke dalam katagori : (1) PNS (2) Pegawai Swasta (3)
Wiraswasta (4) Pensiunan (5) Lain-lain.
12.Pekerjaan Ibu
Pada saat ini tidak sedikit wanita berkeluarga mempunyai profesi sebagai
pegawai atau karyawan suatu perusahaan. Selain membantu ekonomi
keluarga, alasan lain wanita bekerja adalah tuntutan karir. Seorang ibu
yang berprofesi pegawai atau karyawan suatu perusahaan tentu saja harus
pandai mengatur waktu disamping waktu mengurus rumah tangganya /
keluarganya. Waktu mengurus rumah tangga dan anak-anaknya bagi ibu
yang bekerja akan berbeda dengan ibu rumah tangga yang tidak bekerja.
Oleh karena itu diduga bahwa jenis pekerjaan ibu berpengaruh terhadap
keberhasilan studi mahasiswa POLBAN. Pada penelitian ini jenis
pekerjaan ibu dimasukkan sebagai salah satu peubah penjelas dengan
pengelompokkan sebagai berikut : (1) PNS (2) Pegawai Swasta (3)
Wiraswasta (4) Pensiunan (5) Ibu rumah tangga.
13.Program Studi
Politeknik Negeri Bandung terdiri dari 2 (dua) jurusan, yakni Rekayasa
dan Tata Niaga. Fokus dalam penelitian ini adalah mahasiswa jurusan
Rekayasa. Rekayasa sendiri mempunyai 11 program studi meliputi : (1)
teknik Telekomunikasi, (2) teknik Listrik, (3) teknik Elektro, (4) teknik
Mesin, (5) teknik Energi, (6) teknik Refrigrasi, (7) teknik Komputer, (8)
teknik Kimia, (9) teknik Aeronautika, (10) teknik Konstruksi Sipil, dan
(11) teknik Konstruksi Gedung. Pemilihan jurusan Rekayasa sebagai objek
gagal (DO) yang relatif lebih tinggi dibandingkan mahasiswa jurusan Tata
Niaga.
14.Status Ketersensoran
Pada analisis survival, peubah bernilai 1 merupakan indikasi untuk
pengamatan yang tidak tersensor dan bernilai 0 untuk pengamatan yang
tersensor. Data daya tahan mahasiswa dikatakan tersensor apabila
mahasiswa tidak mengalami kegagalan (DO) sampai waktu penelitian
berakhir (semester 4). Sedangkan apabila selama kurun waktu penelitian
mahasiswa mengalami kegagalan (DO), maka dikatakan data tidak
tersensor (pengamatan lengkap). Karena informasi mengenai waktu
ketahanan (daya tahan ) mahasiswa dalam studi selama periode penelitian
dapat diketahui. Secara garis besar Tabel 3 akan memberi informasi lebih
[image:43.612.163.520.389.680.2]jelas mengenai peubah-peubah penjelas yang diamati,
Tabel 3 Peubah-peubah Penjelas yang Diamati
Notasi Peubah
Kategori
X1 Jenis kelamin (1). Laki-laki (0) perempuan X2 Jenis SLTA (1) SMU (0) SMK X3 Status SLTA (1) Negeri (0) Swasta X4 Asal Daerah (1) Bandung (0) Luar Bandung X5 NEM (rata-rata)
X6 Nilai matematika X7 IP semester 1
X8 Pendidikan Ayah (1) SD,SMP (2) SLTA (3) Perguruan Tinggi X9 Pendidikan Ibu (1) SD,SMP (2) SLTA (3) Perguruan Tinggi X10 Pekerjaan Ayah (1) PNS (2) Swasta (3) Wiraswasta
(4) Pensiunan (5) Lain-lain
X11 Pendidikan Ibu (1) PNS (2) Swasta (3) Wiraswasta
(4) Pensiunan (5) Lain-lain
X12 Program Studi (1)teknik Telkom (2)teknik Listrik (3)teknik Elektro (4) teknik Mesin (5) teknik Energi
(6) teknik Refrigrasi (7) teknik Komputer (8) teknik Kimia (9) teknik Aeronautika
3.2. Metode Penelitian
Langkah-langkah penelitian :
1. Melakukan eksplorasi data baik data primer maupun data sekunder.
2. Mendeskripsikan data tersebut ke dalam bentuk tabel berdasarkan
peubah-peubah yang diamati.
3. Pemilihan model dilakukan dengan menggunakan metode
backward elimination.
4. Analisis data meliputi pendugaan parameter peubah penjelas yang
mempengaruhi keberhasilan mahasiswa dengan regresi logistik
dan analisis survival.
5. Pengujian kontribusi peubah secara simultan, kedua analisis
menggunakan uji G. Begitu juga pengujian kontribusi peubah
secara parsial, kedua analisis menggunakan uji yang sama yaitu
Wald.
6. Pengujian kebaikan model pada regresi logistik menggunakan tabel
klasifikasi.
7. Interpretasi model yakni uji perbandingan odds ratio pada regresi
IV. HASIL DAN PEMBAHASAN
4.1. Deskripsi Mahasiswa Berdasarkan Peubah-peubah Penjelas
Data sekunder dalam penelitian ini adalah mahasiswa POLBAN program
studi rekayasa angkatan 2005/2006 dan 2006/2007 seluruhnya berjumlah 1322
orang. Namun data sekunder yang memenuhi syarat kelengkapan data hanya
berjumlah 1315 orang. Tabel 4 menunjukkan sebaran mahasiswa berdasarkan
[image:45.612.164.469.304.376.2]angkatan.
Tabel 4 Sebaran Mahasiswa gagal (DO) Berdasarkan Angkatan
Tabel 4 menunjukkan bahwa persentase mahasiswa gagal (DO) untuk kedua
angkatan relatif sama yakni 11 %.
Selanjutnya akan diperlihatkan sebaran mahasiswa POLBAN berdasarkan
peubah-peubah penjelasnya.
Tabel 5 Sebaran Mahasiswa Berdasarkan Jenis Kelamin dan Status SLTA
Status Jumlah Jenis Kelamin Total S L T A % Perempuan Laki-laki
Swasta Jumlah 28 119 147
% 19% 81% 100%
Negeri Jumlah 186 982 1168
% 15.90% 84.10% 100%
Total Jumlah 214 1101 1315
[image:45.612.152.516.520.642.2]% 16.30% 83.70% 100%
Tabel 5 menunjukkan bahwa jumlah mahasiswa POLBAN yang berasal
dari SLTA Negeri mencapai 88.82%, lebih banyak dibandingkan mahasiswa asal Angkatan Jumlah Mahasiswa
Jumlah DO
Jumlah DO(%)
2005/2006 737 79 10.76
2006/2007 585 67 11.45
SLTA swasta. Sedangkan berdasarkan jenis kelamin, mahasiswa POLBAN
perempuan menunjukkan persentase 16.3%, lebih kecil dibandingkan mahasiswa
laki-laki. Hal ini dapat difahami karena program studi Rekayasa (keteknikan)
lebih banyak diminati oleh mahasiswa laki-laki.
Tabel 6 Sebaran Mahasiswa Berdasarkan Jenis Kelamin dan Asal daerah
Asal Jumlah Jenis Kelamin Total Daerah % Perempuan Laki-laki Luar Bandung Jumlah 100 501 601
% 16.60% 83.40% 100%
Bandung Jumlah 114 597 711
% 16% 84% 100%
Total Jumlah 214 1098 1312
% 16.30% 83.70% 100%
Dari Tabel 6 terlihat bahwa persentase mahasiswa yang berasal dari
Bandung dan Luar Bandung, baik laki-laki maupun perempuan hampir
berimbang, yakni berkisar ± 16% untuk mahasiswa perempuan, dan ± 84% untuk
[image:46.612.177.491.196.318.2]mahasiswa laki-laki.
Tabel 7 Sebaran Mahasiswa Berdasarkan Jenis Kelamin dan Jenis SLTA
Jenis SLTA Jumlah Jenis Kelamin Total % Perempuan Laki-laki
SMK Jumlah 23 62 85
% 27.10% 72.90% 100%
SMU Jumlah 191 1039 1230
% 15.50% 84.50% 100%
Total Jumlah 214 1101 1315
% 16.30% 83.70% 100%
Tabel 7 menunjukkan bahwa mahasiswa yang berlatar belakang SMK
hanya berkisar 85 orang atau sekitar 6.46%, jauh lebih sedikit dibandingkan
mahasiswa asal SMU. Dilihat dari jumlah calon pendaftar ke POLBAN,
sebenarnya calon mahasiswa dari SMK yang mendaftar cukup banyak, namun
[image:46.612.132.512.452.578.2]untuk materi ujian masuk Matematika. Karena secara kurikulum siswa SMK dan
siswa SMU, khususnya untuk mata pelajaran Matematika sangat jauh berbeda,
baik dari segi materi maupun kuantitas jam belajarnya. Dimana siswa SMU jauh
lebih tinggi materi pelajaran Matematikanya dibandingkan siswa SMK, begitu
juga jumlah jam belajarnya jauh lebih banyak. Hal ini merupakan salah satu
penyebab siswa SMK kalah bersaing dalam seleksi ujian masuk POLBAN
dibandingkan siswa SMU.
Tabel 8 menunjukkan bahwa mahasiswa dengan jenis kelamin perempuan
mencapai persentase tertinggi pada program studi teknik Kimia, yakni 30.1%.
Sedangkan persentase terendah adalah program studi teknik Mesin. Sedangkan
mahasiswa POLBAN dengan latar belakang SMK mencapai persentase tertinggi
pada program studi teknik Energi dan teknik Refrigrasi yakni masing-masing
berkisar 16%. Dilihat dari segi peminat, kedua program studi ini termasuk
kate
