PROSIDING
SEMINAR NASIONAL STATISTIKA
UNIVERSITAS DIPONEGORO
2011
Makalah dalam prosiding ini telah dipresentasikan pada Seminar Nasional Statistika Universitas Diponegoro tanggal 21Mei 2011 di Gedung Prof. Soedharto, SH Tembalang Semarang
Tim Penyunting Makalah:
Prof. Drs. Mustafid, M.Eng, Ph.D Dra. Dwi Ispriyanti, M.Si Erman Deni, SE, MM Drs. Sudargo, M.SiTim Editor:
Dra. Tatik Widiharih, M.Si Dra. Suparti, M.Si
Drs. Tarno, M.Si
Drs. Rukun Santoso, M.Si Drs. Sudarno, M.Si
Program Studi Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Diponegoro
iii
KATA PENGANTAR
Puji syukur kami panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat dan karuniaNya sehingga Seminar Nasional Statistika Universitas Diponegoro 2011 dengan tema: Peran dan Implementasi Statistika dalam Analisis Finansial dan
Pengambilan Keputusan Bisnis dapat terselenggara dengan lancar pada hari Sabtu, 21
Mei 2011 di Gedung Prof. Soedarto, SH Kampus Universitas Diponegoro Tembalang Semarang Jawa Tengah. Seminar ini merupakan kegiatan dalam rangkaian memperingati sewindu berdirinya Program Studi Statistika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam dengan tujuan memperkenalkan Progam Studi Statistika FMIPA UNDIP, sebagai ajang pertemuan para peneliti dan pemerhati perkembangan statistika serta mengetahui perkembangan ilmunya pada saat ini. Pada kegiatan ini diharapkan dapat menyumbangkan penemuan-penemuan baru baik kajian secara teori maupun terapannya, khususnya tentang Analisis
Finansial dan Pengambilan Keputusan Bisnis yang berguna bagi
masyarakat. Oleh karena itu pada kesempatan ini kami mengundang para narasumber yang kompeten, yaitu:
Bapak Prof. Drs. H. Nur Iriawan, MI.Kom, Ph.D (Guru Besar Statistika ITS) Bapak Edi Masrianto, M.Si (Group Head Global Market BRI)
Para narasumber ini diharapkan dapat memberikan pencerahan sesuai dengan tema seminar.
Seminar ini dihadiri kurang lebih 200 peserta, yang terdiri dari para dosen, peneliti, praktisi dan mahasiswa dari berbagai daerah di penjuru Indonesia. Dalam seminar nasional statistika ini terpilih 73 makalah yang dibuat 4 kelompok yaitu Statistika (25 makalah), Statistika Komputasi (14 makalah), Statistika Ekonomi (18 makalah), Matematika dan Pendidikan Matematika (16 makalah), juga tambahan 2 makalah utama dari Pembicara Utama.
Terselenggaranya seminar nasional berkat kerjasama dan bantuan dari berbagai pihak. Oleh karena itu pada kesempatan ini kami menyampaikan terima kasih kepada:
1. Rektor Universitas Diponegoro 2. Dekan FMIPA UNDIP
3. Ketua Jurusan Matematika FMIPA UNDIP 4. Ketua Program Studi Statistika FMIPA UNDIP
iv 5. Pembicara Utama
6. Penyunting dan Editor Artikel 7. Panitia Sewindu Statistika 8. Peserta Seminar Nasional
Akhir kata semoga prosiding seminar ini dapat bermanfaat dan dapat memenuhi harapan dari peserta seperti yang diharapkan panitia. Tiada gading yang tak retak, seandainya ada kesalahan atau kekurangan dari pelaksanaannnya, kami mohon maaf yang sebesar-besarnya. Terima kasih atas partisipasinya dan selamat berseminar, semoga sukses.
Semarang, 21 Mei 2011 Panitia
v
DAFTAR ISI
Halaman
Halaman Judul i
Kata Pengantar iii
Daftar Isi v
Makalah Utama
1. Pemodelan Mixture of Mixture Dalam Pemilihan Portofolio Nur Iriawan
001
2. Model Statistika sebagai Alat Analisis Finansial Edi Masrianto
017
A. STATISTIKA
A-01 Analisis Produk dan Assesor dari Data Penyortiran Menggunakan
Hybrid Distatis
Irlandia Ginanjar
025
A-02 Estimasi Parameter Bootstrap pada Proses AR(1) Bambang Suprihatin
038
A-03 Perbedaan Pandangan Skala Likert sebagai Skala Ordinal atau Skala Interval
Suliyanto
vi A-04 Perbandingan Kinerja Diagram Kontrol Multivariat untuk
Variabilitas Berdasarkan Matriks Kovariansi Matriks Korelasi Dwi Yuli Rakhmawati, Muhammad Mashuri
061
A-05 Interval Konfidensi Spline Kuadrat dengan Pendekatan Pivotal
Quantity
Rowan Daflix Syaranamual dan I Nyoman Budiantara
072
A-06 Penentuan Model Regresi Spline Terbaik Agustini Tripena
092
A-07 Pemodelan Ketahanan Pangan Rumah Tangga di Indonesia dengan Pendekatan Seemingly Unrelated Regression Tahun 2007
Muh.Samad Rumalean dan Setiawan
103
A-08 Pemodelan Tingkat Kerawanan Demam Berdarah Dengue dengan Pendekatan Geographically Weighted Ordinal Logistic Regression Marisa Rifada dan Purhadi
114
A-09 Analisis Regresi Poisson untuk Menduga Hubungan Kelimpahan Makrobenthos dengan Parameter Perairan
(Studi Kasus di Sungai Banjir Kanal Barat Semarang)
Dwi Haryo Ismunarti, Ria Azizah TN dan Rochdi Wasono
127
A-10 Pemilihan Peragam Spasial Menggunakan Model Linear Campuran Mohammad Masjkur
141
A-11 Pengelompokan Zat Gizi Makanan Menggunakan Analisis Diskriminan
H.A. Parhusip dan Jantini T. Natangku
vii A-12 Structural Equation Model (SEM) dengan Model Struktural
Regresi Spasial
Tisti Ilda Prihandini dan Sony Sunaryo
162
A-13 Pendugaan Data Tidak Lengkap Curah Hujan di Kabupaten Indramayu dengan Kriging dan Rata-rata Bergerak (Moving
Average) (Berdasarkan Data Tahun 1980-2000)
Dewi Retno Sari Saputro, Ahmad Ansori Mattjik, Rizadi Boer, Aji Hamim Wigena, Anik Djuraidah
171
A-14 Uji Hipotesis dalam Regresi Nonparametrik Spline Stefanus Notan Tupen dan I Nyoman Budiantara
184
A-15 Pengelompokan Pasien Penyakit Demam Berdarah Dengue (DBD) Menggunakan Latent Class Cluster Analysis
Anna Chadidjah, Dadan Darmawan M. dan Yusep Suparman
200
A-16 Model Regresi Data Tahan Hidup Tersensor Tipe III Berdistribusi Eksponensial
Winda Faati Kartika dan Triastuti Wuryandari
219
A-17 Varian X-11 dari Metode Dekomposisi Census II pada Peramalan Dewi Wulandari, Yuciana Wilandari dan Budi Warsito
232
A-18 Metode Autoregressive Fuzzy Time Series untuk Peramalan Abd Rozak dan Irhamah
244
A-19 Pemodelan Runtun Waktu Finansial dengan Volatilitas Type GARCH Menggunakan Wavelet
Tarno dan Suparti
viii A-20 Pemodelan Regresi untuk Rancangan Percobaan Dua Faktor
Dwi Ispriyanti
274
A-21 Sistem Antrian dengan Prioritas Pelayanan Durratun Ni’amah dan Sugito
291
A-22 Optimalisasi Produk dengan Menggunakan Metode Perancangan Toleransi Taguchi
Patricia Wahyu dan Triastuti Wuryandari
304
A-23 Regresi Kuantil (Studi Kasus Pada Data Suhu Harian) Rita Rahmawati, Widiarti dan Pepi Novianti
317
A-24 Analisis Geographically Weighted Regression (GWR) dengan Pembobot Kernel Gaussian untuk Data Kemiskinan
Rita Rahmawati dan Anik Djuraidah
325
A-25 Optimal Design untuk Regresi Linear dan Kuadratik Tatik Widiharih
332
B. STATISTIKA KOMPUTASI
B-01 Aplikasi Pendekatan Probabilistik dalam Analisis Kestabilan Lereng Tunggal Menggunakan Metode Kesetimbangan Batas Masagus Ahmad Azizi, Suseno Kramadibrata, Irwandy Arif, Ridho K. Wattimena
341
B-02 Pengoptimalan Software S-Plus dalam Analisa Regresi Guna Estimasi Model Regresi untuk Data dengan Kesalahan Pengukuran Hartatik
ix
B-03 Pengaruh Kesalahan Pengukuran pada Model Regresi
Nonparametrik dengan Menggunakan Konsep Bayesian Hartatik
383
B-04 Pengaruh Persepsi Kualitas Layanan Kesehatan terhadap Kepuasan Pasien Rawat Inap di RSUD Dr. Soeselo Kabupaten Tegal
A. Nina Rosana Chytrasari dan Trijaka Kartana
401
B-05 Mixed Geographically Weighted Regression pada Pemodelan
Persentase Rumah Tangga Miskin di Kabupaten Mojokerto Tahun 2008
Hasbi Yasin dan Purhadi
413
B-06 Uji Signifikansi Regresi Non Parametrik pada Model Rancangan Acak
Atikah Lailawati dan Suparti
429
B-07 Estimasi Proporsi Siswa SMP di Kota Semarang yang Berbuat Curang pada Saat Pelaksanaan UN Tahun 2011 Menggunakan Model Respon Acak (MORESA)
Moch. Abdul Mukid dan Nedia Guswina
441
B-08 Analisis Konjoin Full-Profile untuk Mengetahui Feature Telepon Selular yang Ideal Dipasarkan di Kecamatan Banyumanik Semarang
Ayu Anastasia Adhi dan Diah Safitri
452
B-09 Beberapa Metode Optimasi pada Model Wavelet Neural Network pada Data Time Series
Budi Warsito
x B-10 Penentuan Kebijakan Kredit Perumahan di Lembaga Keuangan
Menggunakan Decision Tree Learning Nurdin Bahtiar
476
B-11 Kajian Fungsi nls( ) dan fSRR( ) terhadap Model Michaelis-Menten pada Regresi Non Linier
Sudarno
488
B-12 Pemulusan Sebaran Data Menggunakan Penaksir Nadaraya-Watson dan Linier Lokal untuk Kernel Normal
Sudarno
497
B-13
B-14
Perbandingan Discrete Wavelet Transform dan Undecimated
Wavelet Transform pada Reduksi Gangguan Data
Rukun Santoso
Pemodelan Kurva Imbal Hasil dan Komputasinya dengan Paket
Software RcmdrPlugin.Econometrics
Dedi Rosadi
508
514
C. STATISTIKA EKONOMI
C-01 Pengaruh Sikap, Norma Subjektif, Kontrol Perilaku yang Dipersepsikan dan Sunset Policy terhadap Kepatuhan Wajib Pajak dengan Niat sebagai Variabel Intervening
Widi Dwi Ernawati dan Bambang Purnomosidhi
524
C-02 Valuasi Harga Obligasi dengan Suku Bunga Stokastik Yunita Wulan Sari, Dedi Rosadi dan Rifan Kurnia
xi C-03 Analisis Model Risiko Investasi Saham Syariah menggunakan
Value at Risk (VaR) dengan pendekatan Generalized Autoregressive Conditional Heteroskedastic (GARCH)
Mohammad Farhan Qudratullah
560
C-04 Keputusan Investasi Bisnis dalam Kondisi Ketidakpastian: Implementasi Model Hurwicz Criterion pada kasus Perusahaan PT Proni Makasar
Muhammad Yunus Amar
573
C-05 Efisiensi Belanja Publik Pendidikan: Pendekatan Stochastic
Frontier Analysis
Erwin Saraswati
582
C-06 Model Ekonometrik untuk Analisis Kepuasan Nasabah PT BPR Kartasura Saribumi Cabang Masaran di Sragen
Kim Budiwinarto dan Juni Trisnowati
595
C-07 Pengaruh Keanekaragaman Produk dan Harga Jual terhadap Kemampulabaan Pengusaha Tas di Ciampea Kabupaten Bogor Ikaputera Waspada
606
C-08 Penerapan “Analisa Keputusan Dalam Risiko” dalam Pengambilan Keputusan Investasi Saham Jangka Pendek untuk Mendapatkan
Capital Gain atau Kerugian yang Optimum
Leopoldus Ricky Sasongko, Lilik Linawati dan Bambang Susanto
629
C-09 Pemodelan Harga Aset dengan JUMP (Suatu Pendekatan Berdasarkan Informasi)
Mutijah, Suryo Guritno dan Gunardi
xii C-10 Meninjau Kembali Bentuk Yiel Curve: Pengaruh Votalitas Suku
Bunga
Muslim, Dedi Rosadi, Gunardi dan Abdurrahman
647
C-11 Pendekatan Small Area Estimation untuk Menduga Pengeluaran Perkapita Rumah Tangga Tiap Desa dengan Empirical Best Linear
Unbiased Prediction
(Studi Kasus: Kabupaten Jember Provinsi Jawa Timur)
Dariani Matualage, Asep Saefuddin dan Aji Hamim Wigena
655
C-12 Analisis Swing Consumer pada Permintaan Pertamax Pasca Penurunan Harga BBM Non Subsidi dengan Model Intervensi Divo D. Silalahi dan Tarno
669
C-13 Pendekatan Laten Variabel dalam Penanganan Atenuasi: Sebuah Model Harga Hedonis Rumah di Daerah Perkotaan Indonesia Yusep Suparman
681
C-14 Mengukur Risiko Disability Normal Cost Memepertimbangkan
Forein Exchange Rate
Gatot Riwi Setyanto
690
C-15 Menentukan Buffer Stock Obat pada Yayasan Penderita Penyalahgunaan Obat Terlarang
Bernik Maskun
698
C-16 Estimasi Risiko Kerugian Asuransi Melalui Generalized Pareto
Distribution
Lienda Noviyanti
xiii C-17 Penentuan Catastrophe Loss Index Sebagai Pengukur Risiko
Aktuaria
Achmad Zanbar Soleh
718
C-18 Credit Spreads Obligasi Korporasi dengan Model Merton
Di Asih I Maruddani, Dedi Rosadi dan Gunardi
726
D. MATEMATIKA DAN PENDIDIKAN MATEMATIKA
D-01 Penerapan Pendekatan Pembelajaran Matematika Realistik untuk Meningkatkan Kualitas Proses dan Prestasi Belajar Siswa di Sekolah Dasar
Triyono
738
D-02 Pengujian Hipotesis tentang Parameter Populasi Berdistribusi Eksponensial dengan Metode Bayesian Objektif
Adi Setiawan
754
D-03 Pengukuran Kualitas Pengajaran Dosen Berdasarkan Kuesioner Mahasiswa dengan Menggunakan Hotelling
Adi Setiawan dan Hanna Arini Parhusip
763
D-04 Metode Delta: Suatu Tinjauan Ulang Bambang Susanto
770
D-05 Estimasi Parameter Copula Archimedean dan Aplikasinya pada Klimatologi
Irwan Syahrir
xiv D-06 Pengaruh Lama Studi dan Besarnya Kontribusi Nilai Mata Kuliah
TPB terhadap IPK Lulusan
Nuri Wahyuningsih dan Laksmi Prita Wardhani
792
D-07 Hubungan Kecerdasan Matematika dengan Kecerdasan Bahasa dan Kecerdasan Seni
Muhammad Aminudin
808
D-08 Implementasi Model Pembelajaran Role Playing Didasari Analisis SWOT pada Materi Peluang Kelas XI
Ibnu Sina
820
D-09 Sistem Pengenalan Wajah pada Subruang Orthogonal dengan Menggunakan Fisherfaces Terdekomposisi QR
Purbandini
837
D-10 Profil Konsentrasi Ozon Vertikal dari Hasil Observasi Tahun 2010 SPD LAPAN Watukosek
Lalu Husnan Wijaya
853
D-11 Perancangan Otomasi Sliding Roof Teleskop Matahari
Menggunakan Sensor Kelembaban RSII-80 Visala Lalu Husnan Wijaya
864
D-12 Perancangan Operasional Amplifier (Op-Amp) Sistem Proporsional untuk Penyelesaian Rangkaian Elektronik yang Memiliki Sifat Persamaan Matematika
Toni Subiakto dan Lalu Husnan Wijaya
872
D-13 Aplikasi Model Dinamik pada Penularan Epidemik HIV/AIDS Sutimin dan Imamudin
xv D-14 Kestabilan Model Dinamik Fermentasi Alkohol secara Kontinu
Widowati, Nurhayati dan Lailatusysyarifah
894
D-15 Aplikasi Transformasi Laplce Pada Persamaan Transport dan Distribusi Amoniak
Ipung Setiawan dan Widowati
906
D-16 Efektifitas Pembelajaran Kooperatif Tipe Jigsaw Berbasis Media Presentasi terhadap Hasil Belajar Mata Kuliah Statistika di STAIN Pekalongan
Nalim
763
PENGUKURAN KUALITAS PENGAJARAN DOSEN BERDASARKAN KUESIONER MAHASISWA
DENGAN MENGGUNAKAN Hotelling
Adi Setiawan1, Hanna Arini Parhusip2
1,2)
Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl. Diponegoro 52-60 Salatiga 50711
Abstrak
Pengukuran kualitas pengajaran dapat dilakukan dengan kuesioner yang diisi oleh mahasiswa yang mengambil mata kuliah tersebut. Biasanya analisis data yang digunakan dalam kuesioner hanya menggunakan statistik yang sederhana. Dalam makalah ini diusulkan untuk menggunakan statistik Hotelling yang dapat mengukur kualitas pengajaran dengan lebih baik dibandingkan dengan hanya menggunakan rata-rata aritmatika atau statistik sederhana yang lain. Data real digunakan untuk memberikan gambaran bagaimana statistik Hotelling digunakan dalam analisis data.
Kata Kunci : Pengukuran kualitas pengajaran, Hotelling, Koefisien korelasi
8. Pendahuluan
Pengukuran kualitas pengajaran dapat dilakukan dengan kuesioner yang mengukur kepuasan mahasiswa oleh pengajaran dosen dan hal ini masih hangat diteliti (e.g Barone & Franco, 2010; Ahmed et al., 2010). Pengukuran pengajaran dosen dilakukan dengan kuesioner yang diisi oleh mahasiswa yang mengambil mata kuliah – mata kuliah yang disajikan program studi. Statistik yang biasa digunakan dalam analisis data kuesioner sangatlah sederhana seperti menggunakan rata-rata aritmatika (e.g, Ahmed et al., 2010). Masalah yang akan diteliti dalam makalah ini adalah bagaimana mengukur kualitas pengajaran dosen berdasarkan data kuesioner mahasiswa. Penelitian ini dilakukan agar dapat diusulkan metode pengukuran kualitas pengajaran dosen sebagai salah satu komponen dari pengukuran performance dosen.
9. Dasar Teori
Hasil penilaian seorang mahasiswa terhadap pelaksanaan PBM untuk mata kuliah ke-l dapat dipandang sebagai data multivariat
764 ) ..., , , ( l1i l2i lpi li x x x x (1)
dengan xlki = 0, 1, 2 atau 3 untuk k = 1, 2, …, p dan i = 1,2, …, n. Angka 0, 1, 2
atau 3 merupakan skala kualitas yang mempunyai arti berturut-turut buruk, kurang, cukup, baik. Dalam hal ini p menunjukkan banyaknya item dalam kuesioner yang digunakan untuk pengukuran kualitas pengajaran, n menunjukkan banyaknya mahasiswa yang mengisi kuesioner dan m menunjukkan banyaknya dosen. Berdasarkan skala tersebut, mahasiswa memberikan evaluasi terhadap kualitas pengajaran tiap dosen. Daftar pertanyaan yang diajukan ditunjukkan pada Lampiran.
Ukuran kualitas pengajaran untuk setiap mata kuliah atau dosen dapat ditentukan dengan rumus Hotelling :
x x
S 1(x x)n
Hi i T i (2)
dengan x(x1,x2,...,xp)T merupakan vektor rataan aritmatika penilaian kuesioner
untuk suatu mata kuliah atau seorang dosen dan T
p x x
x
x( 1, 2,..., ) merupakan vektor
rataan aritmatika penilaian kuesioner untuk seluruh dosen dengan
n i lki m l k x n x 1 1 1 (3)untuk m menyatakan banyak dosen yang dinilai (Johnson & Wickhern, 2007 dan Tabanick & Fidell, 2007). Matriks kovariansi S untuk tiap item dalam koesioner dapat dihitung dengan rumus :
p p p p p p S S S S S S S S S S , 2 , 1 , , 2 22 21 , 1 12 11 .... ... .... .... .... ... ... dengan
n i k lki j lji m l jk x x x x n m S 1 1 ) )( ( 1 , (4)untuk j, k = 1, 2, ...., p. Penilaian untuk setiap dosen dalam satu semester dapat juga dilakukan berdasarkan penilaian untuk setiap mata kuliah.
765 Untuk memberikan gambaran tentang penggunaan rumus tersebut dalam skala yang kecil maka berikut ini diberikan contoh data yang terdiri dari 2 mata kuliah yang masing-masing diajarkan oleh dosen yang berbeda.
Tabel 1. Contoh Data 2 Mata Kuliah (15 Mahasiswa Untuk MK 1 Dan 7 Mahasiswa
Pada MK2) MK1 MK2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 2 3 4 5 6 7 2 2 2 2 2 2 3 2 3 3 3 3 3 3 3 3 3 2 3 2 3 3 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 2 2 2 3 3 3 3 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 2 2 3 2 3 2 2
Kualitas pengajaran dosen dianggap baik jika penilaian untuk setiap item kuesioner mempunyai rata-rata (mean) yang besar dan simpangan baku (standard
deviation) yang kecil, untuk itu penilaian tersebut perlu distandardisasi dengan
menggunakan formula : j j lji lji s x x z (5) dengan
n i lji m l j x n x 1 1 1 dan
m l n i j lji j x x n s 1 1 2 ) ( 1 1 untuk j = 1, 2, ...., p. Dalam hal ini digunakan p = 3, m = 2, n1 = 15, n2 = 7 sehingga diperolehT x(0,0,0) , T x1(0.1144, 0.0615, 0.2378) , T x2(0.2452,0.1319, 0.5096) , 0000 . 1 6383 . 0 1688 . 0 6383 . 0 0000 . 1 5241 . 0 1688 . 0 5241 . 0 0000 . 1 S .
Hal itu berarti bahwa x1 adalah rata-rata penilaian untuk 3 item kuesioner MK1 dan x2 adalah rata-rata penilaian untuk 3 item kuesioner MK2. Dengan menggunakan persamaan (2) diperoleh H = 1.2382 untuk MK1 dan H = -2.6533 untuk MK 2. Tanda
766 positif berarti bahwa kualitas pengajaran untuk MK1 lebih tinggi dari kualitas pengajaran rata-rata untuk MK1 dan MK2 dan sebaliknya tanda negatif berarti bahwa kualitas pengajaran untuk MK1 lebih rendah dari kualitas pengajaran rata-rata untuk MK1 dan MK2.
10. Analisis dan Pembahasan
Data penilaian kuesioner untuk 15 mata kuliah (yang terdiri dari 203 lembar kuesioner mahasiswa ) dijadikan satu dan kemudian dihitung rata-rata dan simpangan baku untuk setiap item kuesioner. Selanjutnya dilakukan transformasi untuk setiap item dan setiap penilaian mahasiswa dengan formula pada persamaan (5) dan kemudian hasil tranformasi digunakan untuk menghitung ukuran kualitas Hotelling H dengan persamaan (2). Hal itu berarti adalah x1 rata-rata item penilaian kuesioner mahasiswa untuk mata kuliah MK1 dan x adalah rata-rata item penilaian kuesioner mahasiswa
untuk semua mata kuliah serta S adalah matriks kovariansi berorde 16 16 yaitu banyaknya item yang digunakan dalam kuesioner. Matriks S diperoleh dari persamaan (4) untuk 203 lembar kuesioner. Matriks kovariansi S tersebut menunjukan variansi dan kovariansi dari setiap item dan antar item-item dalam kuesioner. Hasil dari perhitungan tersebut dinyatakan pada Tabel 2 kolom ke-3. Terlihat bahwa MK 6 mempunyai kualitas pengajaran yang paling tinggi dibandingkan dengan yang lain sedangkan MK 10 mempunyai kualitas pengajaran yang paling rendah. Ukuran kualitas tersebut mempunyai rata-rata 3.1713 dan simpangan baku 28.8165. Tanda positif berarti bahwa kualitas pengajaran untuk mata kuliah tersebut lebih tinggi dari kualitas pengajaran rata-rata untuk seluruh mata kuliah dan sebaliknya tanda negatif berarti bahwa kualitas pengajaran untuk mata kuliah tersebut lebih rendah dari kualitas pengajaran rata-rata untuk seluruh mata kuliah.
Sebagai perbandingan, pada Tabel 2 juga ditampilkan statistik sederhana yang biasa digunakan yaitu rata-rata aritmatika (kolom 4) dan rasio antara rata-rata aritmatika dan standard deviasi yaitu x /s (kolom 5). Berdasarkan Tabel 2, terdapat korelasi positif dan signifikan antara nilai x dan ukuran kualitas H yaitu sebesar 0,893 dan terdapat
korelasi positif dan signifikan antara nilai x /s dan ukuran kualitas H yaitu sebesar
767 atau perbandingan antara rata-rata dan simpangan baku yang tinggi akan cenderung mempunyai ukuran kualitas yang tinggi juga.
Tabel 2. Ukuran Kualitas Pengajaran Untuk Setiap Mata Kuliah Dalam Satu Semester No. Nama Mata Kuliah N x x /s Ukuran Kualitas H Ukuran Kualitas H Dengan Target 2 1 MK 1 15 2.6708 4.8328 19.4495 19.4495 2 MK 2 7 2.4911 4.7923 20.3139 20.3139 3 MK 3 6 2.1667 3.3672 -30.0135 30.0135 4 MK 4 19 2.4375 4.0675 35.7627 35.7627 5 MK 5 6 2.1979 3.3359 -24.9858 24.9858 6 MK 6 39 2.4776 4.0804 37.6443 37.6443 7 MK 7 21 2.4375 3.7349 25.3194 25.3194 8 MK 8 12 2.4948 4.9768 14.4217 14.4217 9 MK 9 4 2.6563 5.5487 19.8217 19.8217 10 MK 10 20 1.9781 2.7030 -39.5035 -39.5035 11 MK 11 11 2.2045 3.2477 -19.1643 19.1643 12 MK 12 10 1.8438 3.0769 -28.8573 -28.8573 13 MK 13 15 2.6708 4.8328 19.4495 19.4495 14 MK 14 13 2.4087 4.1342 33.4614 33.4614 15 MK 15 5 2.0125 3.4432 -35.5497 -35.5497 Gabungan 203 2.3747 3.6360
Apabila diinginkan untuk membuat target bahwa rata-rata untuk setiap item mata kuliah mahasiswa memberikan penilaian dalam kuesioner minimal 2 maka penilaian untuk setiap mahasiswa ditransformasikan dengan formula :
j lji lji s x z 2
dan perhitungan Hotelling digunakan formula yang sama setelah dilakukan transformasi. Ukuran kualitas Hotelling bernilai negatif jika rata-rata seluruh item kuesioner kurang dari 2 dan sebaliknya jika rata-rata seluruh item kuesioner lebih dari 2 maka ukuran kualitas Hotelling bernilai positif. Hasil dari perhitungan tersebut dinyatakan pada Tabel 2 kolom ke-4. Terlihat bahwa besaran ukuran kualitas Hotelling tidak berubah dengan adanya tranformasi tersebut dan terdapat 3 mata kuliah yang tidak memenuhi target yaitu MK 10, MK 12 dan MK 15. Hasil yang sama juga diperoleh jika digunakan transformasi
768 j lji lji s x z 1.8
dan target minimal rata-rata seluruh item 1.8. Apabila digunakan target bahwa rata-rata penilaian untuk setiap item minimal lebih dari 1.5 maka semua mata kuliah yang berada di atas target rata-rata seluruh item kuesioner lebih dari 1.5. Di samping itu dengan menggunakan batas target 2.5 maka hanya terdapat tiga mata kuliah yang melebih target tersebut.
4. Kesimpulan
Dalam makalah ini telah dijelaskan pengukuran kualitas pengajaran dosen atau mata kuliah dengan menggunakan statistik Hotelling. Penelitian ini dapat dilanjutkan dengan penggunaan statistik lain untuk pengukuran kualitas pengajaran dosen.
Daftar Pustaka
Ahmed, I, M. M. Nawaz, Z. Ahmad, Zafar Ahmad, M. Z, Shaukat, A. Usman, Wasim-ul-Rehman, N. Ahmed, Does service quality affect student’s performance? Evidence from institutes of higher learing, African Journal of Bussiness
Management Vol. 4 (12)
Barone, S dan E. L. Franco, TESF Methodology for Statistics Education Improvement,
Journal of Statistics Education, Vol. 18 (3)
Johnson ,R.A., and Wichern, D.W. 2007. Applied Multivariate Statistical Analysis, 6th
ed., Prentice Hall, New York.
Tabachnick, B. G. dan L. S. Fidell, 2007, Using Multivariate Statistics 5th edition, Pearson Education, Boston.
769
Lampiran
Berikut ini daftar pertanyaan yang digunakan untuk mahasiswa dalam mengevaluasi kegiatan suatu matakuliah
No. Pertanyaan
1 Kejelasan tentang rencana perkuliahan selama satu semester 2 Kejelasan tentang sistem penugasan dan evaluasi
3 Sistematika penyampaian kuliah
4 Usaha dosen ybs dalam memotivasi mahasiswa
5 Kejelasan mengenai materi perkuliahan yang diberikan dosen ybs 6 Suasana menyenangkan yang diciptakan dosen selama perkuliahan
7 Kejelasan dalam menjawab pertanyaan mahasiswa mengenai materi kuliah 8 Daya tarik yang dibangkitkan dosen terhadap mata kuliah ini
9 Kejelasan mengenai tujuan dari setiap tugas yang diberikan 10 Cara dosen ybs merangsang pemikiran kritis mahasiswa
11 Usaha dosen ybs membantu mahasiswa memahami materi perkuliahan 12 Dosen memberikan kesempatan untuk bimbingan di luar jam kuliah 13 Efektifitas penggunaan waktu kuliah dalam setiap pertemuan 14 Relevansi tugas-tugas yang diberikan terhadap bahan kuliah
15 Mutu koreksi/umpan balik dosen atas tugas dan tes kepada mahasiswa 16 Secara keseluruhan kualitas pembelajaran dosen ybs adalah
