Pemodelan Faktor-faktor yang Mempengaruhi Kinerja Dosen ITS di Google Scholar Citation Menggunakan Model Rekursif

(1)

Abstrak

Institut Teknologi Sepuluh Nopember (ITS) merupakan perguruan yang menjalankan Tri Dharma Perguruan Tinggi, dimana salah satu isinya adalah setiap dosen wajib melakukan penelitian. Hal ini berkaitan dengan pengisian Beban Kerja Dosen (BKD) pada Sistem Kepegawaian ITS. Kinerja dosen dapat diukur berdasarkan karya ilmiah yang dipublikasikan, yaitu melalui akun google scholar citation. Penelitian ini dilakukan untuk mengetahui faktor apa saja yang mempengaruhi kinerja dosen ITS. Metode yang digunakan adalah regresi linier berganda dummy dengan menggunakan model rekursif. Data pada penelitian ini merupakan data primer dan sekunder, yang dieroleh dari web http://scholar.google.com/ dan pendataan ITS.

Faktor yang mempengaruhi kinerja dosen ITS dimana jumlah kutipan sebagai variabel dependen adalah jumlah paper yang ditulis dengan bahasa Inggris, lulusan, dan jabatan yaitu guru besar. Sedangkan model rekursif kedua dengan indeks h sebagai variabel dependen faktor yang mempengaruhi adalah jumlah kutipan, jumlah paper yang ditulis dalam bahasa Inggris, pendidikan, usia, fakultas untuk kategori FMIPA, dan lulusan.

Kata Kunci - Google Scholar Citation, Indeks h, Jumlah Kutipan, Kinerja Dosen, Model Rekursif.

I. PENDAHULUAN

osen adalah pendidik yang berpengalaman dalam bidang profesinya, bertanggung jawab memberikan sejumlah ilmu pengetahuan kepada anak didik dalam perkuliahan.

Dalam melaksanakan tugas keprofesian menurut UU no 14 Tahun 2005 pasal 60, dosen memiliki beberapa kewajiban salah satunya melaksanakan pendidikan, penelitian, dan pengabdian kepada masyarakat. Hal ini juga diamanatkan dalam Tri Dharma Perguruan Tinggi yang mencakup pendidikan dan pengajaran, penelitian dan kegiatan pengabdian kepada masyarakat. Institut Teknologi Sepuluh Nopember (ITS) adalah perguruan tinggi negeri yang menjalankan Tri Dharma Perguruan Tinggi terkait dengan penelitian.

Pada sistem informasi kepegawaian ITS bagian rang- kuman, setiap dosen harus memperbarui jumlah kutipan google scholar citation dan indeks h sebagai syarat pengisian beban kerja dosen (BKD) melalui karya ilmiah. Google scholar adalah sebuah akun google cendekia yang dapat membantu seseorang untuk mempublikasikan karya ilmiah. Citation-index pada akun google scholar citation memberi informasi banyaknya jumlah kutipan dan indeks h pemilik akun. Jumlah kutipan adalah jumlah paper yang telah

dikutip oleh buku, paper peneliti lainnya. Sedangkan, indeks h menginformasikan bahwa pemilik akun memiliki paper sebanyak h dengan jumlah kutipan untuk setiap paper lebih dari h [3].

Mutu perguruan tinggi ditentukan oleh kualitas pengajarnya. Adanya sitasi google scholar citation, ITS dapat mengukur kinerja dosen berdasarkan jumlah kutipan dan indeks h. Kinerja merupakan prestasi kerja, pelaksanaan kerja, serta pencapaian kerja dari suatu proses [10]. Kinerja adalah tingkat keberhasilan seseorang menyelesaikan pekerjaan.

Faktor yang menentukan tingkat kinerja adalah penilaian kinerja. Penilaian kinerja juga dapat dilakukan memalui karya ilmiah. Institut Teknologi Bandung (ITB) tahun 2014 memberikan insentif bagi dosen yang melakukan penelitian, terkait dengan adanya webometric.

Webometric merupakan sebuah lembaga pemeringkat yang berpusat di Madrid. Penilaian yang menunjang suatu perguruan tinggi untuk meraih status WCU (Webometric Ranking of World University) yaitu dengan meningkatkan publikasi pada akun google scholar citation. Fakta yang terjadi pada bulan Oktober 2014, hanya 10,9% dari 900 Dosen ITS yang memiliki akun pada google scholar. Oleh karena itu, perlu dilakukan penelitian untuk mengetahui faktor-faktor yang mempengaruhi kinerja dosen ITS di google scholar citation. Penelitian ini menggunakan regresi linier berganda dummt dengan model rekursif. Penggunaan model rekursif dikarenakan hubungan sebab akibat antara jumlah kutipan dan indeks h. Perhitungan indeks h diperoleh dari jumlah kutipan masing-masing paper.

II. TINJAUANPUSTAKA A. Dosen

UU no 14 tahun 2005 pasal 7 ayat 2 menyebutkan bahwa dosen memiliki kesempatan untuk mengembangkan keprofesian secara berkelanjutan dengan belajar sepanjang hayat.

Selain itu, dalam pasal 60 juga disebutkan bahwa kewajiban dosen berkitan dengan penelitian dapat meningkatkan dan mengembangkan kualifikasi akademik dan kompetensi secara berkelanjutan sejalan dengan perkembangan ilmu pengetahuan dan teknologi.

B. Publikasi Ilmiah pada Akun Google Scholar

Perhitungan indeks h dilakukan untuk mengkarakteristikkan output ilmiah seorang peneliti [7]. Indeks h lebih baik untuk

Pemodelan Faktor-faktor yang Mempengaruhi Kinerja Dosen ITS di Google Scholar Citation

Menggunakan Model Rekursif

1Alfisyahrina Hapsery, ²Suhartono

Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111

e-mail:¹alfisyahrina13@mhs.statistika.its.ac.id ²suhartono@statistika.its.ac.id

D

(2)

kriteria tunggal dalam mengevaluasi karya ilmiah ilmuwan.

Makalah dengan indeks h lebih tinggi cenderung ilmuwan yang lebih sempurna.

Gambar 1. Grafik Perhitungan Indeks h

Gambar 1 menjelaskan perhitungan indeks h melalui grafik.

Sumbu x adalah banyaknya paper, sedangkan sumbu y adalah jumlah kutipan. Garis diagonal membantu untuk mengetahui indeks h seorang ilmuwan, dengan menghitung jumlah plot yang berada diatas garis tersebut. Plot yang berada diatas garis menun-jukkan bahwa seorang ilmuwan memiliki h paper dengan jumlah kutipan masing-masing paper lebih dari h.

C. Korelasi

Koefisien korelasi merupakan nilai yang dihitung dari n pengamatan untuk mengetahui hubungan antara dua variabel.

Koefisien korelasi merupakan penaksir yang bias, dimana nilai korelasi tersebut berada diantara -1 dan 1 [4]. Hipotesis yang digunakan adalah

0 :

H₀

ρ

= (tidak ada hubungan antara variabel).

0 :

H₁

ρ

≠ (ada hubungan antara variabel).

Statistik uji koefisien korelasi adalah , 1

2 r2

n t r

−

= − (1)

dengan

, ] ) ( [

] ) ( [

) )(

(

1

2 1 2 1

2 1 2

1 1 1

∑ ∑

∑

= =

=

−

=

n

i

n

i i i

n

i

n

i i i

n

i i n

i i i

Y Y

n X X

n

Y X Y X n

r (2)

dengan derajat bebas n−2, maka tolak

H

₀ apabila nilai

) 2, 1

( df

t

t> ₋_α atau p_value lebih kecil dari α.

D. Deteksi Multikolinearitas

Multikolinearitas adalah suatu kondisi dimana satu atau lebih koefisien parameter β secara parsial tidak signifikan, namun secara serentak menunjukkan signifikan [4]. Cara mendeteksi kasus multikolinearitas yaitu

1. Tingginya nilai koefisien determinasi R², namun hanya beberapa koefisien regresi signifikan secara parsial. Gejala klasik ditunjukkan dengan nilai R² lebih dari 0.8, sedangkan hasil pengujian koefisien regresi secara parsial tidak signifikan.

2. Melakukan korelasi untuk mengetahui adanya hubungan yang kuat diantara variabel independen.

3. Menghitung variance inflation factor (VIF) untuk masing- masing variabel. Apabila VIF lebih dari 10, maka dapat dikatakan bahwa ada kasus multikolinearitas. Rumus menghitung VIF sebagai berikut

, 1

1

2 j

j R

VIF = − (3)

dimana R²_j merupakan koefisien determinasi.

E. Regresi Linier Berganda

Analisis regresi membahas mengenai ketergantungan satu variabel terhadap variabel lainnya. Persamaan adalah

2 , 2 1 1

0 i i k ki i

i

X X X

Y = β + β + β +  + β + ε

(4) Menggunakan notasi matriks, persamaan (4) dapat ditulis

















Yn

Y Y



2 1

=

















kn n

n

k k

X X

X

X X

X

X X

X













2 1

2 22

12

1 21

11

1 1 1

















βk

β β



1 0

+ ² ,

1

















εn

ε ε



Estimasi parameter diperoleh dengan meminimumkan jumlah kuadrat residual

1 , 1 0

2

1 1

2

∑

ˆ ˆ ... ˆ

∑

= =



 



 −

= ⁿ − − −

i n

i

i Yi

β β

X i

β

kXki

ε (5)

dimana ∑

= n i ui

1

2adalah jumlah kuadarat residual. Apabila ditulis- kan dalam notasi matriks, sama dengan meminimumkan u ˆˆ^'u maka diperoleh persamaan

ˆ (XX) ¹XY.

β= ^' ⁻ ^' (6)

Pengujian serentak dilakukan untuk mengetahui signifikansi koefisien model. Dengan mengasumsikan bahwa residual

u

_i didistribusikan secara normal, maka hipotesis yang digunakan adalah

0 :

H₀ β₁=β₂ ==β_k = :

H₁ Paling tidak ada satu β_j ≠0, j=1,2,3k. Statistik uji yang digunakan adalah

MSE. F=MSR

(7) Tolak H₀ apabila nilai Flebih dari

F

_tabel dengan

p) - n 1, - p , - (1 tabel F

F = _α atau apabila p_value lebih kecil dari α. Artinya, paling tidak ada satu parameter yang memberikan pengaruh (signifikan). Oleh karena itu, dilanjutkan pada pengujian secara parsial.

Hipotesis yang digunakan untuk menguji parameter secara parsial adalah sebagai berikut

0 : H₀ β_j =

, 0 :

H₁ β_j ≠ j=1,2,3k.

Statistik uji yang digunakan adalah

(3)

. ˆ ) (

ˆ

t ^j

Se βj

= β

(8) Tolak H0 apabia nilai | t| lebih dari

) 2, 1

( df

t ₋_α atau p_value lebih kecil dari α. Dengan begitu dapat diketahui parameter yang memberikan pengaruh terhadap model secara parsial.

F. Variabel Dummy

Variabel dummy adalah variabel independen yang bersifat kualitatif dengan r kategori, maka gunakan variabel dummy (r- 1). Model berikut adalah model untuk penggunaan variabel dummy [4].

i i i i

i D D X

Y =α₀+α₁ ₁ +α₂ ₂ +β +ε (9) dimana Y_i= upah per jam dalam dolar

X

= (pendidikan) lamanya bersekolah D¹= 1 jika perempuan, 0 lainnya D²= 1 jika bukan kulit putih, 0 lainnya.

G. Model Recursive

Keterkaitan antara residual dan variabel independen, metode OLS tidak cocok digunakan untuk mengestimasi persamaan tersebut. Jika diaplikasikan secara bebas, maka hasil estimasi tidak hanya bias (dalam sampel yang kecil), tetapi juga tidak konsisten, seberapa besar pun sampel yang digunakan, bias yang terjadi tidak akan hilang. Akan tetapi, terdapat suatu situasi dimana OLS dapat diaplikasikan secara benar bahkan dalam konteks persamaan. Kasus semacam ini dinamakan model recursive, triangular, atau causal. Berikut adalah sistem persamaan untuk melihat sifat-sifat dari model tersebut:

3.

2 32 1 31 2 32 1 31 30 3

2 2 22 1 21 1

21 20 2

1 2 12 1 11 10

1

t t t

t t

t

t t t

t t

t t t

t

X X

Y Y

Y

X X

Y Y

X X

Y

ε γ

γ β

β β

ε γ

γ β

β

ε γ

γ β

+ +

+

=

+ +

=

+ +

+

=

(10)

OLS dapat diaplikasikan langsung pada persamaan (10) yang mengandung variabel Y1 sebagai variabel independen juga dapat menggunakan OLS, dengan syarat Yi1 dan u2t tidak berkorelasi. Berdasarkan sistem tersebut, jelas bahwa tidak ada saling ketergantungan diantara variabel-variabel dependen.

Apabila digambarkan seperti yang terlihat pada Gambar 2.

Jadi, Y1 mempengaruhi Y2, namun tidak sebaliknya Y2 tidak mempengaruhi Y1. Dengan prinsip yang sama, Y1 dan Y2

mempengaruhi Y3, namun Y3 tidak mempenga-ruhi Y1 dan Y2. Dengan kata lain, setiap persamaan menunjukkan ketergantungan sebab-akibat sepihak, sehingga disebut model rekursif [4].

Gambar 2. Model Rekursif dengan Tiga Persamaan

H. Prosedur Pemilihan Model Terbaik Menggunakan Stepwise

Metode Stepwise dilakukan dengan meregresikan satu per satu variabel independen yang memiliki korelasi tertinggi dengan variabel dependen dengan langkah sebagai berikut:

1. Hitung koefisien korelasi antara variabel independen dengan variabel dependen.

2. Pilih variabel independen yang mempunyai korelasi tertinggi dengan variabel dependen.

3. Kemudian, regresikan variabel independen tersebut dengan variabel dependen.

4. Lakukan pengujian parameter secara serentak dan parsial.

Apabila hasil pengujian menyimpulkan bahwa variabel independen berpengaruh terhadap variabel dependen, maka tambahkan variabel independen tertinggi berikut-nya.

Apabila sebaliknya, maka hilangkan variabel independen dari model.

5. Langkah selanjutnya, lakukan langkah pertama hingga keempat [2].

III. METODOLOGIPENELITIAN A. Sumber Data

Data pada penelitian tergolong data sekunder dan primer.

Data sekunder yaitu data dosen yang diperoleh dari hasil pendataan ITS tahun 2015. Data Primer diperoleh dari akun google Scholar citation dengan link http://scholar.google.com/

pada bulan Mei 2015. Jumlah data pada penelitian ini sebanyak 900 dosen.

Variabel penelitian yang digunakan terdiri dari variabel dependen dan variabel independen seperti pada Tabel 1 dan 2.

Tabel 1.

Variabel Dependen Penelitian.

Variabel Nama Variabel Skala

Y₁_,i Jumlah Kutipan Dosen ke-i Rasio

Y₂_,i Indeks h Dosen ke-i Rasio

Tabel 2 Variabel Independen.

Variabel Nama Variabel Skala

X₁_,i Jenis Kelamin Nominal

X₂_,i Fakultas Nominal

X₃_,i Jabatan Ordinal

X₄_,i Pendidikan Ordinal

X₅_,i Lulusan Nominal

X₆_,i Usia Rasio

X₇_,i Lama bekerja Rasio

X₈_,i Jumlah paper dalam bahasa Indonesia Rasio

X₉_,i Jumlah paper dalam bahasa Inggris Rasio

(4)

Definisi variabel dependen yang digunakan pada penelitian ini adalah

1. Jumlah kutipan

Menunjukkan banyaknya ilmuwan atau peneliti yang telah mengutip paper dalam akun google scholar.

2. Indeks h

Indeks h adalah h paper, dimana setiap paper memiliki jumlah kutipan lebih dari atau sama dengan h.

Kategori masing-masing variabel independen yang digunakan pada penelitian ini dapat dilihat pada Tabel 3.

Tabel 3.

Kategori Variabel Independen.

Variabel Kategori

Jenis Kelamin 1 = Laki-laki 2 = Perempuan

Fakultas (F)

1 = FMIPA 2 = FTI 3 = FTSP 4 = FTK 5 = FTIF

Jabatan (J)

1 = Guru Besar 2 = Lektor Kepala 3 = Lektor 4 = Asisten Ahli

Pendidikan 1 = S3

2 = S2

Lulusan 1 = Luar Negeri

2 = Dalam Negeri

B. Langkah Penelitian

Langkah-langkah yang dilakukan untuk mengetahui faktor- faktor yang mempengaruhi kinerja dosen ITS adalah

1. Pengumpulan literatur dari buku, jurnal serta homepage yang menunjang sumber ilmiah untuk penelitian.

2. Melakukan eksplorasi data untuk melihat karakteristik dosen ITS.

a. Menghitung nilai mean dan std. deviasi.

b. Melakukan pemeriksaan hubungan antar variabel, baik variabel independen maupun dependen dengan menggu-nakan koefisien korelasi dan scatter plot

3. Memodelkan faktor-faktor yang mempengaruhi kinerja dosen ITS.

a. Mengestimasi parameter model regresi hasil analisis.

b. Melakukan pengujian parameter secara serentak untuk mengetahui signifikansi koefisien model.

c. Menguji parameter secara individu. Jika terdapat variabel yang tidak signifikan, maka dilakukan penanggulangan menggunakan metode stepwise.

d. Mengukur kebaikan model melalui perhitungan koefisien determinasi.

e. Melakukan pengujian asumsi identik menggunakan uji white.

f. Melakukan pemeriksaan asumsi independen menggunakan plot antara residual dengan hasil prediksi.

g. Melakukan pengujian asumsi distribusi normal menggunakan Kolmogorov-Smirnov.

h. Interpretasi model regresi.

IV. ANALISISDANPEMBAHASAN A. Perhitungan Indeks h

Indeks h merupakan indeks yang menginformasikan bahwa seorang ilmuan memiliki paper sebanyak h, dengan jumlah kutipan untuk setiap paper lebih dari h. Indeks h digunakan untuk mengevaluasi karya ilmiah seorang ilmuwan pada akun google scholar citation. Jumlah kutipan masing-masing paper milik Dr. “X” dapat diketahui pada Tabel 4. Paper telah terurutkan dari jumlah kutipan tertinggi hingga terendah.

Tabel 4.

Jumlah Kutipan Masing-masing Paper Dr. “X”

Paper ke Y1 Paper ke Y1 Paper ke Y1

1 16 11 4 21 2

2 14 12 3 22 2

3 11 13 3 23 2

4 9 14 3 24 2

5 7 15 3 25 2

6 7 16 3 26 2

7 6 17 3 27 1

8 6 18 3 28 1

9 5 19 2 29 1

10 4 20 2 30 1

Grafik perhitungan indeks h dari karya ilmiah Dr. “X” adalah

30 25 20 15 10 5 0 30 25 20 15 10 5

0

Paper ke-

Y1

Gambar 3.Grafik Indeks h Dr. “X”.

Gambar 3 merupakan grafik perhitungan indeks h dari akun google scholar citation Dr. “X”. Secara visual, terlihat bahwa terdapat enam titik yang berada diatas garis biru. Artinya terdapat 6 paper dimana masing-masing paper dikutip lebih dari 6 pengutip.

B. Karakteristik Dosen ITS

Tabel 5 menunjukkan jumlah dosen yang memiliki akun dalam google scholar citation. Jurusan Kimia pada Fakultas MIPA memiliki jumlah dosen tertinggi untuk kategori kepemilikan akun. Untuk FTI tertinggi adalah jurusan T.

Multimedia dengan persentase sebesar 55,56. Sedangkan untuk FTSP kepemilikan akun tertinggi adalah jurusan T.

Geodesi sebesar 52,17% dari 23 dosen di jurusan tersebut.

Jurusan T. Kelautan menduduki jumlah tertinggi diantara FTK sebesar 32,14% dari 28 dosen. Hal yang sama juga dialami jurusan T. Informatika, yang menduduki jumlah tertinggi diantara FTIF sebesar 45,5% dari 44 dosen dijurusan tersebut.

(5)

Tabel 5.

Statistika Deskriptif Jumlah Dosen ITS yang Memiliki AKun

Fakultas Jurusan Jumlah

Dosen

Jumlah Dosen yang memiliki akun

Persentase

FMIPA

Fisika 35 13 37.14

Matematika 47 12 25.53

Statistika 41 19 43.90

Kimia 34 18 52.94

Biologi 21 9 42.86

FTI

Manaj.Bisnis 8 3 37.50

T.Elektro 72 23 31.94

T.Fisika 39 14 35.90

T.Industri 34 17 47.06

T.Kimia 51 19 37.25

T.Lingkungan 30 14 46.67

T.Material 19 9 47.37

T.Mesin 69 23 33.33

T.Mutimedia 18 10 55.56

FTSP

D.Produk 23 4 17.39

D.Interior 12 0 0.00

Arsitektur 43 12 27.91

PWK 21 7 33.33

T.Geodesi 23 12 52.17

T.Sipil 100 29 29.00

FTK

T.Kelautan 28 9 32.14

T.Perkapalan 22 6 27.27

T.Sis.Perkapalan 29 7 24.14

FTIF Sis.Informasi 30 9 30.00

T.Informatika 44 20 45.45

Total 900 318 35,5

Pada Akun google scholar terdapat jumlah kutipan yang memberikan informasi mengenai banyaknya ilmuwan atau peneliti yang telah mengutip paper dalam suatu akun. Tabel 6 menginformasikan rata-rata jumah kutipan tertinggi di FMIPA adalah jurusan Kimia, dengan keragaman 156 dan jumlah kutipan terendah sebanyak 9. Rata-rata tertinggi di FTI adalah jurusan T. Kimia, dengan jumlah kutipan 181. Untuk FTSP rata-rata jumlah kutipan tertinggi adalah jurusan T. Sipil sebanyak 26 kutipan, sedangkan FTK rata-rata jumlah kutipan tertinggi diraih oleh jurusan T. Sistem Perkapalan sebanyak 68 kutipan. FTIF yang terdiri dari dua jurusan, rata-rata kutipan tertinggi diraih oleh T. Informatika sebanyak 63 kutipan.

Jurusan dengan rata-rata jumlah kutipan terendah adalah Arsitektur sebesar 2,83 kutipan.

Informasi yang diperoleh dari Tabel 7 adalah rata-rata indeks h dosen ITS masing-masing jurusan. Jurusan dengan rata-rata indeks h tertinggi dimiliki oleh T. Kimia sebesar 5,16. Indeks h tertinggi di jurusan tersebut sebesar 15. Informasi ini mendukung adanya perbedaan jumlah kutipan dan indeks h dimasing-masing jurusan. Untuk masing-masing fakultas, rata- rata indeks h tertinggi di fakultas MIPA diraih oleh jurusan Kimia. Rata-rata indeks h tertinggi di masing-masing fakultas diraih oleh jurusan yang sama dengan tertinggi untuk jumlah kutipan, yaitu FTI diraih oleh T. Kimia, FTSP diraih oleh T.

Sipil, FTK diraih oleh T. Sistem Perkapalan, dan FTIF diraih oleh T. Informatika

Tabel 6.

Statistika Deskriptif Data Jumlah kutipan Dosen ITS.

Fakultas Jurusan n Mean St.Dev Min Max

FMIPA

Fisika 13 45,6 47,2 0 141

Matematika 12 26,92 34,46 1 125

Statistika 19 28,21 38,11 0 135

Kimia 18 112,4 156,3 9 662

Biologi 9 11,22 15,63 0 51

Total MIPA 70 44,87 58,34 0 662

Tabel 6.

Statistika Deskriptif Data Jumlah kutipan Dosen ITS (Lanjutan)

FTI

Manaj.Bisnis 3 16,7 24,7 0 45

T.Elektro 23 69,9 102,6 0 458

T.Fisika 14 40,4 81,9 0 303

T.Industri 17 76,6 130,8 0 646

T.Kimia 19 181,1 205,5 2 689

T.Lingkungan 14 80.0 77,4 1 271

T.Material 9 42,9 62,9 0 155

T.Mesin 23 11,96 16,85 0 53

T.Mutimedia 10 80.0 133,7 0 420

Total FTI 131 66,61 92,92 0 689

FTSP

D.Produk 4 5.0 4,69 0 9

Arsitektur 12 2,83 3,71 0 11

PWK 7 15.0 12,72 0 3

T.Geodesi 12 10,17 13,46 0 43

T.Sipil 29 25,21 42.0 0 165

Total FTSP 64 11,64 15,316 0 165

FTK

T.Kelautan 9 16,67 16,73 0 50

T.Perkapalan 6 35,5 55,4 0 121

T.Sis.Perkapalan 7 67,6 107,6 1 294

Total FTK 23 39,92 59,91 0 294

FTIF

Sis.Informasi 9 14,89 28,29 0 87

T.Informatika 20 62,8 85 0 325

Total FTIF 29 38,84 56,64 0 325

Total 318 40,37 56,62 0 689

Tabel 7.

Statistika Deskriptif Data Indeks h Dosen ITS.

FMIPA

Fisika 13 2,77 1,83 0 7

Matematika 12 2,42 1,56 1 6

Statistika 19 2,16 1,74 0 6

Kimia 18 4,00 2,19 1 8

Biologi 9 1,44 0,73 0 2

Total MIPA 70 2,56 1,61 0 8

FTI

Manaj.Bisnis 3 2,00 2,65 0 5

T.Elektro 23 3,39 2,46 0 9

T.Fisika 14 2,57 2,74 0 10

T.Industri 17 3,05 2,37 0 11

T.Kimia 19 5,16 3,85 1 15

T.Lingkungan 14 3,71 1,86 1 8

T.Material 9 2,22 1,39 0 4

T.Mesin 23 1,22 1,24 0 4

T.Mutimedia 10 3,10 2,96 0 10

Total FTI 131 2,93 2,39 0 15

FTSP

D.Produk 4 1,25 0,96 0 2

Arsitektur 12 0,75 0,75 0 2

PWK 7 0,71 0,49 0 1

T.Geodesi 12 1,42 0,90 0 3

T.Sipil 29 1,86 1,50 0 5

Total FTSP 64 1,19 0,92 0 5

(6)

Tabel 7.

Statistika Deskriptif Data Indeks h Dosen ITS (Lanjutan).

FMIPA

Fisika 13 2,77 1,83 0 7

Matematika 12 2,42 1,56 1 6

Statistika 19 2,16 1,74 0 6

Kimia 18 4,00 2,19 1 8

Biologi 9 1,44 0,73 0 2

Total MIPA 70 2,56 1,61 0 8

FTI

Manaj.Bisnis 3 2,00 2,65 0 5

T.Elektro 23 3,39 2,46 0 9

T.Fisika 14 2,57 2,74 0 10

T.Industri 17 3,05 2,37 0 11

T.Kimia 19 5,16 3,85 1 15

T.Lingkungan 14 3,71 1,86 1 8

T.Material 9 2,22 1,39 0 4

T.Mesin 23 1,22 1,24 0 4

T.Mutimedia 10 3,10 2,96 0 10

Total FTI 131 2,93 2,39 0 15

FTSP

D.Produk 4 1,25 0,96 0 2

Arsitektur 12 0,75 0,75 0 2

PWK 7 0,71 0,49 0 1

T.Geodesi 12 1,42 0,90 0 3

T.Sipil 29 1,86 1,50 0 5

Total FTSP 64 1,19 0,92 0 5

FTK

T.Kelautan 9 2,11 1,45 0 5

T.Perkapalan 6 1,67 2,25 0 5

T.Sis.Perkapalan 7 3,43 2,99 1 9

Total FTK 23 2,40 2,23 0 9

FTIF

Sis.Informasi 9 1,67 1,73 0 6

T.Informatika 20 3,25 1,94 0 9

Total FTIF 29 2,46 1,83 0 9

Total 317 2,31 1,79 0 15

C. Pendeteksian Hubungan Antar Variabel

Sebelum melakukan pemodelan, terlebih dahulu perlu dilakukan pendeteksian hubungan antar variabel. Berikut adalah koefisien korelasi yang digunakan untuk mengetahui hubungan diantara kedua variabel.

Tabel 8.

Matriks Korelasi Antara Variabel Independen dengan Variabel dependen.

Variabel dependen Y1 Jumlah Kutipan Y2 Indeks h

Variabel independen Y2

Y1 0,845

X6 0,085

X7 0,127

X8 0,355

X9 0,720

Catatan : Data yang dicetak tebal signifikan pada α 0,1.

Hubungan diantara dua variabel pada model pertama maupun model kedua diketahui berdasarkan nilaip_valuelebih kecil dari

) 1 , 0

α( ,sehingga seluruh variabel saling berhubungan. Namun, terdapat satu variabel independen yang tidak memiliki

hubungan dengan jumlah kutipan (Y1) maupun indeks h (Y2) yaitu variabel usia (X6).

Eksplorasi data dilakukan menggunakan boxplot dan scatter plot untuk masing-masing variabel secara visual, data tidak mengikuti garis linier. Hanya variabel usia dan lama bekerja yang mengikuti pola linier. Data juga menggerombol dipojok kiri bawah, pada variabel X8 dan X9. Beberapa data menyebar manjauh dari garis biru, karena terdapat data outlier.

Gambar 4 Merupakan plot antara Indeks h dengan jumlah kutipan. Secara visual terlihat beberapa data menggerombol menjadi satu, dan beberapa data tersebut merupakan data outlier.

700 600 500 400 300 200 100 0 16 14 12 10 8 6 4 2 0

Y1

Y2

Gambar 4.

Plot antara Indeks h dengan Jumlah Kutipan.

Berdasarkan hasil pendeteksian hubungan antar variabel secara visual dan menggunakan koefisien korelasi sudah dapat dipastikan terdapat kasus multikolinearitas, baik pada model pertama maupun model kedua.

Selanjutnya adalah ekspolorasi data dengan Boxplot seperti yang terlihat pada Gambar 5 dan 6.

AA L

LK GB

700 600 500 400 300 200 100 0

Jabatan

Y1

Bekti Cahyo H.

Ahmad Hoirul B.

Arif Bramantoro Arseto Yekti B.

Christiono Utomo Lukman Noerochim

Ibnu Hisyam Achmad Affandi

Indra Sidharta Suwarno Tohari Ahmad

Diah Susanti Dhany Arifianto Siti Machmudah

Siti Nurkhamidah Siti Zullaikah

Wirawan Ardyono Priyadi Djoko Purwanto Sri Fatmawati Adi Setyo P.

Ratna Ediati Suhartono Agus Zainal A.

Semin

Bieby Voijant T.

M. Sigit Darmawan Moch. Hariadi Agus Muhamad H.

Widiyastuti

Setiyo Gunawan Mauridhi Hery P.

Budi Santosa I N Pujawan

Arief Widjaja Moch. Ashari Surya Rosa P.

Gambar 5.

Boxplot Jumlah Kutipan Berdasarkan Jabatan Dosen.

AA L

LK GB

16 14 12 10 8 6 4 2 0

Jabatan

Y2

Bekti Cahyo H.

Ahmad Hoirul B.

Arseto Yekti B.

Christiono Utomo Achmad Affandi Dhany Arifianto

Siti Machmudah

Siti Nurkhamidah Semin

Agus Muhamad H.

Widiyastuti

Setiyo Gunawan

Gambar 6.

Boxplot Indeks h Berdasarkan Jabatan Dosen.

Gambar 5 merupakan Jumlah kutipan berdasarkan jabatan masing- masing dosen. Diketahui bahwa nilai median dan rata-rata empat kategori jabatan dosen tersebut berbeda. Hal ini menunjukkan bahwa terdapat perbedaan diantara jabatan tersebut. Selain itu, juga

(7)

diperoleh informasi beberapa dosen yang termasuk dalam data outlier, untuk jabatan guru besar tertinggi yaitu Surya rossa dan I. N.

Pujawan. Untuk jabatan sebagai lektor kepala yaitu Widyastuti.

Dosen yang menjabat sebagai lektor tertinggi yaitu Siti Machmudah dan Siti Zulaikah, sedangkan untuk jabatan dosen sebagai asisten ahli tertinggi yaitu Arseto Yekti dan Christiana Utama.

Gambar 6 adalah Boxplot untuk indeks h berdasarkan jabatan dosen. Gambar tersebut menunjukkan adanya perbedaan rata-rata dan median, yang berarti bahwa ada pengaruh perbedaan jabatan dosen terhadap indeks h. Data outlier sama dengan Gambar 5, untuk jabatan sebagai lektor kepala yaitu Widyastuti, untuk dosen yang menjabat sebagai lektor tertinggi yaitu Siti Machmudah, sedangkan untuk jabatan dosen sebagai asisten ahli tertinggi yaitu Achmad Afandi.

D. Pemodelan Kinerja Dosen ITS dimana Jumlah Kutipan sebagai Variabel Dependen

Hasil estimasi parameter model regresi pertama untuk jumlah kutipan adanya multikolinearitas mengakibatkan hanya beberapa variabel pada pengujian parameter secara parsial yang signifikan. Sehingga dilakukan pemilihan model terbaik dengan menggunakan stepwise. Hasil estimasi parameter model regresi setelah dilakukan pemilihan model terbaik adalah

. J 7 , 22 X 5 , 24 X 86 , 2 06 , 7 Yˆ

1 5

9

1=− + + + (11)

Selanjutnya dilakukan parameter regresi secara serentak dan parsial seperti yang terdapat pada Tabel 9.

Tabel 9.

Koefisien Determinasi dan Model Regresi untuk Jumlah Kutipan dengan Variabel Independen Hasil Stepwise

Step 3

S 73,0

7

R-sq 0,443

R-sq (adj) 0,438

Variabel yang dimasukkan dalam Model Regresi Variabel

Koefisien regresi

Signifikansi

Statistik Korelasi B Std.

Error t p_value Parsial VIF Constant -7,06 6,412 -1,102 0,271

X9 2,86 0,225 12,72 0,000 0,584 1,169

X5 24,5 8,882 2,762 0,006 0,154 1,153

J1 22,7 11,57 1,961 0,051 0,110 1,172

Hasil estimasi parameter pada Tabel 9. diketahui bahwa seluruh parameter signifikan pada α0,1 karena p_valuelebih kecil dari α. Kebaikan model regresi dapat diukur dengan menggunakan koefisien determinasi. Koefisien determinasi juga dapat menjelaskan proporsi dari variasi total jumlah kutipan yang dapat dijelaskan oleh variabel independen.

Step ketiga diketahui bahwa besarnya nilai R²(adj) menunjukkan variabilitas data yang dapat dijelaskan oleh model regresi sebesar 43,8%. Dapat diartikan variabel jumlah paper yang ditulis dalam bahasa Inggris, Lulusan, dan Jabatan sebagai guru besar dapat menjelaskan jumlah kutipan sebesar 43,8%. Selanjutnya dilakukan interpretasi persamaan 11.

1. Jumlah paper yang ditulis dalam bahasa Inggris.

Apabila jumlah paper yang ditulis dalam bahasa Inggris bertambah 10, secara rata-rata jumlah kutipan bertambah 29 dengan syarat variabel lainnya dianggap konstan.

2. Lulusan

Rata-rata dosen yang menempuh pendidikan terakhir di luar negeri, jumlah kutipannya 25 kali lebih tinggi dibandingkan dengan dosen yang menempuh pendidikan terakhir di dalam negeri.

3. Jabatan

Dosen dengan jabatan sebagai guru besar jumlah kutipannya 23 kali lebih tinggi dibandingkan dengan dosen yang memiliki jabatan sebagai lektor kepala, lektor, dan asisten ahli.

Asumsi dalam analisi regresi adalah identik, independen dan berdistribusi normal. Hasil pengujian identik terpenuhi karena

n × R

²

= 318 × 0 , 073 = 23 , 2

lebih kecil dari

χ

₄²(7,78).

Untuk independen diketahui dari plot, secara visual terlihat bahwa residual tidak menyebar, pola data menggerombol menjadi satu, sehingga dapat dikatakan bahwa residual tidak memenuhi asumsi Independen. Pengujian asumsi selanjutnya adalah asumsi normalitas menggunakan uji Kolmogorov- Smirnov. Residual tidak memenuhi asumsi berdistribusi normal karena nilai p_value<αpada taraf signifikan 0,1.

Terlanggarnya asumsi identik, asumsi independen, dan asumsi kenormalan akibat adanya data outlier.

E. Pemodelan Kinerja Dosen ITS dimana Indeks h Sebagai Variabel Independen

Pemodelan dilakukan untuk mengetahui variabel yang berpengaruh terhadap indeks h setelah dilakukan pemilihan model terbaik menggunakan stepwise. Hasil estimasi sebagai berikut.

5 1

6

4 9

1 2

X 3102 , 0 F 3471 , 0 X 013 , 0

X 5902 , 0 X 0312 , 0 Y 0142 , 0 1365 , 0 Yˆ

+ +

−

+ +

+

=

(12)

Persamaan (12) merupakan model regresi indeks h.

Selanjutnya adalah pengujian parameter secara serentak seperti yang tertera pada Tabel 10 berikut

Tabel 10.

Pemilihan Model Terbaik untuk Indeks h Menggunakan Metode Stepwise. Step 6

S 1,05

R-sq 0,79

R-sq (adj) 0,78 Model Regresi

Variabel

Koefisien regresi

Signifikansi Statistik

Korelasi

B

Std.

Error t pvalue _Parsial ^VIF Constant 1,36 0,298 4,58 0,000

Y1 0,01 0,001 17,3 0,000 0,702 1,804

X9 0,03 0,004 7,76 0,000 0,403 1,791

X4 0,59 0,158 3,73 0,000 0,207 1,723

X6 -0,01 0,007 -1,87 0,062 -0,106 1,188

F1 0,34 0,148 2,34 0,020 0,132 1,086

X5 0,31 0,148 2,10 0,036 0,118 1,526

Hasil estimasi pengujian signifikansi dari Tabel 10 diketahui bahwa seluruh parameter signifikan pada α 0,1 karena nilai

α.

value<

p Selanjutnya untuk mengetahui seberapa besar faktor tersebut berpengaruh terhadap indeks h, dilakukan interpretasi berdasarkan nilai koefisien pada persamaan (12)

(8)

1. Jumlah Kutipan

Setiap bertambahnya 100 jumlah kutipan maka indeks h akan bertambah sebesar 2, dengan syarat variabel yang lain dianggap konstan.

2. Jumlah paper yang ditulis dalam bahasa Inggris.

Setiap penambahan 100 paper yang ditulis dalam bahasa Inggris, maka indeks h dosen akan bertambah sebesar 3, dengan syarat variabel yang lain dianggap konstan.

4. Pendidikan

Rata-rata dosen yang berpendidikan terakhir S3, indeks h 0,59 lebih besar dibanding dengan S2.

5. Usia

Semakin bertambahanya usia dosen, maka indeks h akan berkurang sebesar 0,013.

6. Fakultas

Dosen yang berasal dari FMIPA, indeks h 0,35 lebih besar dibandingkan dosen yang berasal dari jurusan lain.

7. Lulusan

Dosen yang menempuh pendidikan terakhir di Luar negeri indeks h 0,31 lebih besar dibandingkan dosen yang pendidikan terakhirnya dalam negeri.

Kebaikan model regresi dapat diukur dengan menggunakan koefisien determinasi. Proporsi keragaman variabel dependen yang dapat dijelaskan oleh variabel independen sudah mendekati 80%.

Selanjutnya menguji residual apakah memenuhi asumsi identik, independen dan berdistribusi normal. Asumsi identik dilakukan dengan menggunakan uji white, yaitu dengan meregresikan kuadrat. Residual dikatakan memenuhi asumsi identik apabila hasil kali n dengan R² lebih kecil dari χ_df². Berdasarkan hasil pengujian diperoleh hasil bahwa residual tidak memenuhi asumsi identik, karena

n × R

²

= 107 , 48

lebih kecil dari

χ

₄²(12,02). Untuk pengujian independen Secara visual terlihat bahwa residual tidak menyebar, pola data yang terbentuk menggerombol menjadi satu, sehingga dapat dikatakan bahwa residual tidak memenuhi asumsi Independen.

Selanjutnya adalah residual akan berdistribusi normal apabila

value

p lebih dari α. Maka, residual tidak memenuhi asumsi berdistribusi normal karena p_value lebih kecil dari

).

1 , 0

α( Pengujian asumsi identik, independen, dan kenormalan tidak terpenuhi karena adanya data outlier.

V. KESIMPULANDANSARAN 1. Kesimpulan

Kesimpulan dari hasil analisis adalah faktor-faktor yang mempengaruhi kinerja dosen ITS dengan jumlah kutipan sebagai variabel dependen adalah jumlah paper yang ditulis dengan bahasa Inggris, lulusan, dan jabatan yaitu Guru besar.

Besarnya pengaruh masing-masing variabel yaitu setiap penambahan paper yang ditulis dalam bahasa Inggris, maka jumlah kutipan dosen akan bertambah sebesar 28. Dosen yang menempuh pendidikan terakhir di Luar negeri jumlah kutipannya akan bertambah sebesar 24. Dosen dengan jabatan sebagai Guru besar jumlah kutipannya akan bertambah sebesar

22. Sedangkan model rekursif kedua dengan indeks h sebagai variabel dependen faktor yang mempengaruhi adalah jumlah kutipan, jumlah paper yang ditulis dalam bahasa Inggris, pendidikan, usia, fakultas untuk kategori FMIPA, lulusan.

2. Saran

Saran yang bisa diberikan berdasarkan penelitian yang telah dilakukan bagi ITS adalah, sebaiknya menghimbau kepada seluruh dosen untuk mempublikasikan akun google scholar, sehingga para peneliti lain dapat mengindeks hasil karya ilmiah tersebut. Serta memperbarui data dosen di web personal dosen ITS. Bagi penelitian selajutnya, dapat menggunakan metode LOESS dan LOWESS untuk menambah besarnya koefisien determinasi.

DAFTARPUSTAKA

[1] Daniel, W.W. 1989. Statistika Nonparametrik Terapan. Diterjemahkan oleh Alex Tri K. W. Jakarta: PT. Gramedia Pustaka Utama.

[2] Draper N.R. dan Smith, H. 1992. Analisis Regresi Terapan, Edisi Kedua. Jakarta: Py. Gramedia Pustaka Utama.

[3] Firdaus, M. L. (2012). Teknik Publikasi Karya Ilmiah di Jurnal Nasional dan Internasional. Universitas Bengkulu: Bengkulu.

[4] Gujarati, D.N, dan Porter. 2012. Dasar-dasar Ekonometrika, Edisi 5- Buku 2. Jakarta: Salemba Empat.

[5] Gujarati, D.N. (2004). Basic Ekonometric, Fourth edition. The McGraw-Hill Companies

[6] Hair, J.F., Rolph E. Anderson, Ronald L. Tatham, William C. Black.

2006. Multivariate Data Analysis. Sixth Edition, Pearson Education Prentice Hall, Inc.

[7] Hirsh, J. E. 2005. An Index to Quantify an individual’s scientific research output. Univeersity of California at San Diego. La. Jolla.

[8] Martono. (2013). Faktor-faktor yang Mempengaruhi Kinerja Dosen pada Akademi Manajemen Bumi Sebalo Bengkayang. Akademi Manajemen Bumi Sebalo Bengkayang. Kalimantan Barat.

[9] Perhitungan indeks H. http://en.wikipedia.org/wiki/H-index [diakses tanggal 27 mei 2015]

[10] Trisnaningsih, S. 2011. Faktor-faktor yang Mempengaruhi Kinerja Dosen Akutansi. Universitas Pembangunan Nasional Veteran.

Surabaya.

[11] Taroreh, R.N. 2009. Analisis faktor-faktor Organisasional yang Mempengaruhi Kinerja Dosen Ekonomi PTN Di Sulawesi Utara.

Universitas Negeri Malang. Malang.