HASIL DAN PEMBAHASAN

26

BAB 4

27

70% 30% 100%

Teknik Elektro 23 9 32

72% 28% 100%

Teknik Kimia 27 6 33

82% 18% 100%

TMM 21 6 27

78% 22% 100%

Teknik Sipil 33 6 39

85% 15% 100%

PWK 34 5 39

87% 13% 100%

Teknik Perkapan

24 5 29

83% 17% 100%

Sistem Informasi

17 3 20

85% 15% 100%

Jumlah 238 55 293

Tabel 2.4 di atas menunjukkan jumlah data alumni terbanyak adalah Program Studi Teknik Mesin yaitu sebanyak 40 orang. Program studi dengan alumni terobservasi untuk persentase tertinggi adalah Program Studi Matematika dengan persentase 95%. Distribusi frekuensi variabel program studi juga dapat dilihat pada diagram batang pada Gambar 4.1 berikut ini.

Gambar 4. 1 Diagram Batang Variabel Program Studi dan Status Alumni

0 5 10 15 20 25 30 35 40

Program Studi

Terobservasi Tersensor

28 Selanjutnya, distribusi variabel organisasi (𝑋 ) akan ditampilkan pada Tabel 4.3 berikut ini.

Tabel 4.3 Distribusi Keaktifan Organisasi dan Status Alumni

Kategori Frekuensi

Jumlah Terobservasi Tersensor

Organisasi (𝑿_𝟑)

Tidak

Aktif 13 18 31

42% 58% 100%

Aktif 225 37 262

86% 14% 100%

Jumlah 238 55 293

Berdasarkan Tabel 4.3 di atas, alumni yang aktif organisasi diketahui sebanyak 262 orang, dan 31 orang alumni tidak aktif organisasi. Alumni yang terobservasi terbanyak yaitu alumni yang aktif organisasi sebanyak 235 orang.

Distribusi variabel organisasi juga dapat dilihat pada diagram batang pada Gambar 4.2 berikut.

Gambar 4. 2 Diagram Batan Variabel Organisasi dan Status Alumni Selanjutnya, distribusi variabel jenis kelamin (𝑋 ) akan ditampilkan pada Tabel 4.4 berikut ini.

0 50 100 150 200 250

Terobservasi Tersensor

Organisasi

Tidak Aktif Aktif

29 Tabel 4.4 Distribusi Variabel Jenis Kelamin dan Status Alumni

Kategori Frekuensi

Jumlah Terobservasi Tersensor

Jenis Kelamin

(𝑿_𝟒)

Laki-laki 139 36 175

79% 21% 100%

Perempuan 99 19 118

84% 16% 100%

Jumlah 238 55 293

Berdasarkan Tabel 4.4 di atas, alumni dengan jenis kelamin laki-laki lebih banyak dari alumni dengan jenis kelamin perempuan. Alumni yang terobservasi terbanyak yaitu alumni dengan jenis kelamin laki-laki sebanyak 139 orang, sedangkan alumni dengan kategori tersensor terbanyak yaitu alumni dengan jenis kelamin laki-laki sebanyak 36 orang. Distribusi variabel jenis kelamin juga dapat dilihat pada diagram batang pada gambar 4.3 berikut.

Gambar 4. 3 Diagram Batang Distribusi Variabel Jenis Kelamin dan Status Alumni

Selanjutnya, distribusi variabel Kursus (𝑋 ) akan ditampilkan pada Tabel 4.5 berikut ini.

0 20 40 60 80 100 120 140 160

Terobservasi Tersensor

Jenis Kelamin

Laki-laki Perempuan

30 Tabel 4.5 Distribusi Keikutsertaan Kursus dan Status Alumni

Kategori Frekuensi

Jumlah Terobservasi Tersensor

Kursus (𝑿_𝟓)

Tidak Pernah

189 45 234

81% 19% 100%

Pernah 49 10 59

83% 17% 100%

Jumlah 238 55 293

Berdasarkan Tabel 3.5 di atas, alumni yang tidak pernah mengikuti kursus lebih banyak jika dibandingkan dengan alumni yang pernah mengikuti kursus.

Alumni dengan kategori terobservasi dan tidak pernah mengikuti kursus yaitu sebanyak 189 orang, sedangkan untuk alumni yang pernah mengikuti kusus dan masuk ke kategori terobservasi adalah sebanyak 49 orang. Distribusi variabel kursus juga dapat dilihat pada diagram batang pada gambar 4.4 berikut.

Gambar 4. 4 Diagram Batang Distribusi Variabel Kursus dan Status Alumni

4.2 Eksplorasi Data Kuantitatif

Eksplorasi data kuantitatif merupakan cara yang dapat dilakukan untuk mengetahui persebaran data yang bersifat kuantitatif. Pada penelitian ini dilakukan eksplotasi data kuantitatif pada variabel 𝑋 , yaitu indeks prestasi komulatif (IPK).

0 20 40 60 80 100 120 140 160 180 200

Terobservasi Tersensor

Kursus

Tidak Pernah Pernah

31 Tabel 4.6 Statistik Data Kuantitatif

Variabel Max Min Mean Median

IPK 3,85 2,78 3,35 3,37

Berdasarkan Tabel 4.6 didapatkan persebaran data IPK dengan nilai tertinggi yaitu 3.85, nilai terendah yaitu 2.78, serta memiliki nilai rataan sebesar 3.35.

4.3 Pengujian Asumsi Proportional Hazard

Pengujian asumsi Proportional Hazard (PH) merupakan uji yang harus dilakukan sebelum membentuk sebuah model Cox PH. Pada penelitian ini metode yang digunakan untuk menguji asumsi PH adalah metode Goodness of Fit.

Menurut Kleinbaum dan Klein pada tahun 2012, pengujian asumsi PH dengan Goodness of Fit merupakan pengujian yang objektif. Berikut ini merupakan pengujian asumsi PH dengan menggunakan metode Goodness of Fit.

i. Hipotesis

𝐻 : 𝜌 = 0 (Asumsi PH terpenuhi) 𝐻 : 𝜌 ≠ 0 (Asumsi PH tidak terpenuhi) ii. Tingkat signifikansi

𝛼 = 5% = 0,05 iii. Statistik uji

𝑝 − 𝑣𝑎𝑙𝑢𝑒

iv. Daerah Penolakan

Tolak 𝐻 jika 𝑃 − 𝑉𝑎𝑙𝑢𝑒 < 𝛼 v. Kesimpulan

Kesimpulan pengujian asumsi PH dapat dilihat pada Tabel 4.7 berikut.

32 Tabel 4.7 Hasil Pengujian Asumsi Proportional Hazard Pertama

Variabel Keterangan chisq Df p-value Kesimpulan

𝑿_𝟏 IPK 1,74 1 0.19 Gagal Tolak 𝐻

𝑿_𝟐 Program Studi 10,23 9 0.33 Gagal Tolak 𝐻

𝑿_𝟑 Organisasi 2,41 1 0.12 Gagal Tolak 𝐻

𝑿_𝟒 Jenis Kelamin 2,36 1 0.12 Gagal Tolak 𝐻

𝑿_𝟓 Kursus 0,001 1 0.97 Gagal Tolak 𝐻

Berdasarkan Tabel 4.7 didapatkan nilai p-value dari semua variabel bebas telah memenuhi asumsi PH yaitu p-value > 0,05, sehingga dapat disimpulkan bahwa semua variabel bebas dapat dimasukkan ke dalam model Cox PH.

4.4 Estimasi Parameter Regresi Cox PH

Setelah melakukan asumsi Proportional Hazard, selanjutnya dilakukan estimasi parameter dengan metode regresi Cox PH. Menurut Danardono (2012), estimasi parameter dapat dilakukan menggunakan metode Maximum Partial Likelihood Estimation (MPLE) dengan persamaan matematis sebagai berikut.

𝐿(𝛽) = ∏

^{( )}

∑ ( )

∈𝒟 (4.1)

Hasil estimasi parameter didapatkan dengan bantuan software R 4.0.3 dapat dilihat pada Tabel 4.8 berikut.

Tabel 4.8 Hasil Estimasi Parameter Regresi Cox PH

Variabel Keterangan Coefficient

𝑿_𝟏 IPK 1,12112

𝑿_𝟐(𝟐) Prodi Matematika 0,09363 𝑿_𝟐(𝟑) Prodi Teknik Mesin -0,3288 𝑿_𝟐(𝟒) Prodi Teknik Elektro -0,1806 𝑿_𝟐(𝟓) Prodi Teknik Kimia -0,2151

𝑿_𝟐(𝟔) Prodi TMM -0,6011

𝑿_𝟐(𝟕) Prodi Teknik Sipil 0,29638

𝑿_𝟐(𝟖) Prodi PWK -0,152

33 𝑿_𝟐(𝟗) Prodi Teknik Perkapalan 0,02625

𝑿_{𝟐(𝟏𝟎)} Prodi Sistem Informasi -0,0148 𝑿_𝟑(𝟏) Aktif Organisasi 1,22009 𝑿_𝟒(𝟏) Jenis Kelamin Perempuan -0,2098

𝑿_𝟓(𝟏) Pernah Kursus 0,10285

Berdasarkan Tabel 4.8 didapatkan model awal regresi Cox PH dengan mengasumsikan seluruh variabel berpengaruh secara signifikan karena telah memenuhi asumsi PH sebagai berikut.

ℎ(𝑡, 𝑋) = ℎ (𝑡)exp (1,121118𝑋 + 0,09363𝑋 _{( )}− 0,32879𝑋 _{( )}

− 0,18057𝑋 ( )− 0,21512𝑋 ( )− 0,60105𝑋 ( )

+ 0,29638𝑋 _{( )}− 0,15204𝑋 _{( )}+ 0,02625𝑋 _{( )}

− 0,01475𝑋 _{( )}+ 1,22009𝑋 _{( )}− 0,20979𝑋 _{( )} + 0,10285𝑋_𝟓(𝟏)

Dari model awal yang telah didapatkan, selanjutnya dilakukan uji simultan dan uji parsial untuk mengetahui apakah model awal tersebut sudah tepat atau belum tepat.

1. Uji Simultan

Dari model awal yang telah didapatkan, dilakukan uji simultan dengan metode parsial likelihood.

i. Hipotesis

𝐻 ∶ 𝛽 = 𝛽 = ⋯ = 𝛽 = 0 (Variabel bebas secara bersamaan tidak berpengaruh terhadap variabel terikat)

𝐻 ∶ Minimal ada salah satu 𝛽 ≠ 0, dimana 𝑖 = 1,2, … , 𝑝 (Minimal ada salah satu variabel bebas yang berpengaruh terhadap variabel terikat) ii. Tingkat Signifikansi

𝛼 = 5% = 0,05 iii. Statistik Uji

𝐺 = −2 (ln 𝑙 − ln 𝑙 ) iv. Daerah Penolakan

Tolak 𝐻 jika 𝐺 ≥ 𝑋_{( , )} v. Perhitungan

4.2

34 Dari perhitungan menggunakan bantuan software R didapatkan hasil sebagai berikut.

ln 𝑙 = −1206,722 dan ln 𝑙 = −1181,594, sehingga

𝐺 = −2(−1206,722 + 1181,594) 4.3

= −2(−1088,128)

= 53,544

Dari hasil perhitangan, didapatkan 𝐻 ditolak, karena 𝐺 = 53,544 ≥ 𝑋_{( . , )}= 22,368, sehingga dapat disimpulkan bahwa terdapat minimal 1 variabel bebas yang berpengaruh terhadap variabel terikat.

2. Uji Parsial

Setelah melakukan uji simultan, selanjutnya dilakukan pengujian secara parsial dengan menggunakan metode Wald. Pada pengujian ini akan diketahui variabel bebas manakah yang berpengaruh secara signifikan. Berikut ini merupakan uji parsial dengan metode Wald.

i. Hipotesis

𝐻 ∶ 𝛽 = 0, dengan 𝑖 = 1,2, … , 𝑝 (Secara parsial variabel bebas tidak berpengaruh terhadap variabel terikat)

𝐻 ∶ 𝛽 ≠ 0, dengan 𝑖 = 1,2, … , 𝑝 (Secara parsial variabel bebas 𝑖 berpengaruh terhadap variabel terikat)

ii. Tingkat Signifikansi 𝛼 = 5% = 0,05

iii. Statistik Uji

𝑋 = 𝛽

𝑆𝐸(𝛽₎ dengan:

𝑋 = Uji Wald

𝛽 = Koefisien variabel bebas ke-𝑗

𝑆 (𝛽₎ = Standar error koefisien variabel bebas ke-𝑗 iv. Daerah Penolakan

Tolak 𝐻 jika 𝑋 ≥ 𝑋 _{, :} atau p-value ≤ 0,05

35 v. Kesimpulan

Kesimpulan dari uji parsial dapat dilihat pada Tabel 4.9 berikut.

Tabel 4.9 Hasil Uji Parsial

Variabel 𝜷 𝑺𝑬(𝜷) 𝑿_𝑾^𝟐 p-value Keterangan

𝑿_𝟏 1,121118 0,32773 11,7023 0,0002 Signifikan 𝑿_𝟐(𝟐) 0,09363 0,38791 0,05826 0,80926 Tidak Signifikan 𝑿_𝟐(𝟑) -0,32879 0,38219 0,74008 0,38963 Tidak Signifikan 𝑿_𝟐(𝟒) -0,18057 0,38468 0,22034 0,63878 Tidak Signifikan 𝑿_𝟐(𝟓) -0,21512 0,3763 0,32681 0,56754 Tidak Signifikan 𝑿_𝟐(𝟔) -0,60105 0,39015 2,37333 0,12342 Tidak Signifikan 𝑿_𝟐(𝟕) 0,29638 0,36262 0,66803 0,41375 Tidak Signifikan 𝑿_𝟐(𝟖) -0,15204 0,36791 0,17078 0,67942 Tidak Signifikan 𝑿_𝟐(𝟗) 0,02625 0,38147 0,00474 0,94514 Tidak Signifikan 𝑿_{𝟐(𝟏𝟎)} -0,01475 0,40761 0,00131 0,97113 Tidak Signifikan

𝑿_𝟑(𝟏) 1,22009 0,29198 17,4613 0,0000 Signifikan 𝑿_𝟒(𝟏) -0,20979 0,14655 2,04926 0,15226 Tidak Signifikan 𝑿_𝟓(𝟏) 0,10285 0,17017 0,36529 0,54559 Tidak Signifikan Berdasarkan Tabel 4.9 dapat disimpulkan beberapa poin sebagai berikut.

1. Variabel IPK (𝑋 ) memiliki p-value = 0,000 < 𝛼 = 0,05 serta 𝑋 = 11,702 > 𝑋 _{. :} = 3,84, sehingga dapat disimpulkan variabel 𝑋 berpengaruh terhadap masa tunggu alumni ITK untuk mendapatkan pekerjaan pertama.

2. Variabel Prodi (𝑋 ) memiliki p-value > 𝛼 = 0,05 serta 𝑋 < 𝑋 _{. :} = 3,84, sehingga dapat disimpulkan variabel 𝑋 tidak berpengaruh terhadap masa tunggu alumni ITK untuk mendapatkan pekerjaan pertama

3. Variabel Organisasi (𝑋 ) memiliki p-value = 0,000 < 𝛼 = 0,05 serta 𝑋 = 17,461 > 𝑋 _{. :} = 3,84, sehingga dapat disimpulkan variabel 𝑋 berpengaruh terhadap masa tunggu alumni ITK untuk mendapatkan pekerjaan pertama.

4. Variabel Jenis Kelamin (𝑋 ) memiliki p-value = 0,1523 > 𝛼 = 0,05 serta 𝑋 = 2,0493 < 𝑋 _{. :} = 3,84, sehingga dapat disimpulkan variabel 𝑋 tidak berpengaruh terhadap masa tunggu alumni ITK untuk mendapatkan pekerjaan pertama.

36 5. Variabel Kursus (𝑋 ) memiliki p-value = 0,54559 > 𝛼 = 0,05 serta 𝑋 = 0,36529 < 𝑋 _{. :} = 3,84, sehingga dapat disimpulkan variabel 𝑋 tidak berpengaruh terhadap masa tunggu alumni ITK untuk mendapatkan pekerjaan pertama.

Berdasarkan hasil dari setiap variabel bebas di atas, dapat disimpulkan bahwa setelah dilakukan pengujian secara parsial tidak semua variabel bebeas berpengaruh secara parsial terhadap variabel terikat. Oleh karena itu, langkah selanjutnya yang harus dilakukan adalah melakukan pemilihan model terbaik untuk mendapatkan model cox PH terbaik.

4.5 Pemilihan Model Terbaik

Pada penelitian ini dilakukan pemilihan model terbaik dengan eliminasi backward untuk menentukan model Cox PH terbaik. Prosedur elimininasi backward diawali dengan mengeluarkan variabel dengan p-value terbesar.

Berdasarkan perhitungan menggunakan software R 4.0.3 didapatkan hasil p-value sebagai berikut.

Tabel 4.10 Eliminasi Backward Tahap 1

Variabel Keterangan p-value

𝑿_𝟏 IPK 0,0002

𝑿_𝟐(𝟐) Prodi Matematika 0,80926

𝑿_𝟐(𝟑) Prodi Teknik Mesin 0,38963

𝑿_𝟐(𝟒) Prodi Teknik Elektro 0,63878

𝑿_𝟐(𝟓) Prodi Teknik Kimia 0,56754

𝑿_𝟐(𝟔) Prodi TMM 0,12342

𝑿_𝟐(𝟕) Prodi Teknik Sipil 0,41375

𝑿_𝟐(𝟖) Prodi PWK 0,67942

𝑿_𝟐(𝟗) Prodi Teknik Perkapalan 0,94514 𝑿_{𝟐(𝟏𝟎)} Prodi Sistem Informasi 0,97113 𝑿_𝟑(𝟏) Organisasi (Aktif Organisasi) 0,0000 𝑿_𝟒(𝟏) Jenis Kelamin (Perempuan) 0,15226 𝑿_𝟓(𝟏) Kursus (Pernah Kursus) 0,54559

Merujuk pada Tabel 4.10, diperoleh hanya variabel IPK dan Organisasi yang signifikan. Pada langkah selanjutnya akan dilakukan kembali estimasi model

37 regresi dengan mengeluarkan variabel yang tidak signifikan satu persatu dari model. Variabel pertama yang dieliminasi adalah variabel Prodi karena memiliki p-value terbesar yaitu 0,97113 pada variabel Prodi Sistem Informasi. Selain itu, p- value dari seluruh variabel program studi juga tidak signifikan, sehingga dapat disimpulkan bahwa variabel Prodi tidak berpengaruh signikan terhadap lama alumni mendapatkan pekerjaan. Oleh karena itu, padaa eliminasi backward selanjutnya akan diestimasi ulang model regresi tanpa melibatkan variabel Prodi.

Eliminasi backward tahap 2 dengan bantuan software R 4.0.3 didapatkan sebagai berikut.

Tabel 4.11 Eliminasi Backward Tahap 2

Variabel Keterangan p-value

𝑿_𝟏 IPK 0,00098

𝑿_𝟑(𝟏) Organisasi (Aktif Organisasi) 0,0000 𝑿_𝟒(𝟏) Jenis Kelamin (Perempuan) 0,43846 𝑿_𝟓(𝟏) Kursus (Pernah Kursus) 0,43768

Pada eliminasi backward tahap 2, variabel yang digunakan adalah IPK, organisasi, jenis kelamin, dan kursus. Dapat dilihat pada Tabel 4.11 didapatkan p- value terbesar dimiliki oleh variabel jenis kelamin, sehingga dapat disimpulkan bahwa variabel bebas jenis kelamin tidak berpengaruh secara signifikan terhadap lama alumni mendapatkan pekerjaan. Oleh karena itu, variabel bebas jenis kelamin dieliminasi untuk tahap selanjutnya. Eliminasi backward tahap ketiga dengan bantuan software R 4.0.3 didapatkan sebagai berikut.

Tabel 4.12 Eliminasi Backward Tahap 3

Variabel Keterangan p-value

𝑿_𝟏 IPK 0,00133

𝑿_𝟑(𝟏) Organisasi (Aktif Organisasi) 0,000 𝑿_𝟓(𝟏) Kursus (Pernah Kursus) 0,44064

Pada elminasi backward tahap 3 variabel yang digunakan adalah IPK, organisasi, dan kursus. Pada Tabel 4.12 didapatkan p-value terbesar dimiliki oleh variabel kursus, sehingga dapat disimpulkan bahwa variabel bebas kursus tidak berpengaruh secara signifikan terhadap lama alumni mendapatkan pekerjaan. Oleh

38 karena itu, pada tahap selanjutnya variabel bebas kursus dieliminasi. Eliminasi backward tahap keempat dengan bantuan software R 4.0.3 didapatkan sebagai berikut.

Tabel 4.13 Eliminasi Backward Tahap 4

Variabel Keterangan p-value

𝑿_𝟏 IPK 0,00181

𝑿_𝟑(𝟏) Organisasi (Aktif Organisasi) 0,000

Pada eliminasi backward tahap 4 variabel yang digunakan adalah IPK dan organisasi. Eliminasi backward akan berhenti jika p-value dari variabel bebas tidak ada lagi yang lebih dari nilai signifikansi atau 0,05. Pada Tabel 4.13 didapatkan p-value dari kedua variabel tidak ada lagi yang lebih dari 0,05, sehingga tidak ada lagi variabel yang harus dieliminasi. Selanjutnya dilakukan estimasi parameter Cox PH dengan bantuan software R 4.0.3 didapatkan hasil sebagai berikut.

Tabel 4.14 Estimasi Parameter Hasil Eliminasi Backward

Variabel Keterangan 𝜷

𝑿_𝟏 IPK 0,9324

𝑿_𝟑(𝟏) Keaktifan Organisasi 1,2056

Merujuk pada hasil estimasi parameter pada Tabel 4.14, maka didapatkan model terbaik regresi Cox PH adalah sebagai berikut.

ℎ(𝑡, 𝑋) = ℎ (𝑡)exp (0,9324𝑋 + 1,2056𝑋 _{( )}) (4.3) dimana

t = waktu (bulan)

ℎ(𝑡, 𝑋) = kesempatan alumni mendapatkan pekerjaan pada waktu 𝑡 dengan karakteristik 𝑋

ℎ (𝑡) = fungsi baseline hazard

4.6 Interpretasi Model Regresi Cox PH

Berdasarkan langkah-langkah yang telah dilakukan pada sub-bab sebelumnya, didapatkan model Regresi terbaik Cox PH sebagai berikut.

39 ℎ(𝑡, 𝑋) = ℎ (𝑡)exp (0,9324𝑋 + 1,2056𝑋 _{( )}) (4.5) Dari model Regresi Cox PH yang telah didapatkan, diketahui variabel bebas yang berpengaruh adalah variabel IPK dan Organisasi. Interpretasi dari model Regresi Cox PH didapatkan dari nilai hazard ratio. Pada variabel bebas IPK pada penelitian ini merupakan variabel numerik, sehingga nilia hazard ratio dapat diperoleh dengan menggunakan nilai IPK yang didaptkan alumni. Misal akan dilihat nilai hazard ratio pada alumni yang memiliki IPK 3,5 dengan alumni yang memiliki IPK 3,4, maka nilai hazard ratio yang diperoleh adalah sebagai berikut.

𝐻𝑅 = ^{( ( , ))}

( ( , )) (4.6)

𝐻𝑅 = ^{( , ( , ))}

( , ( , )) (4.7)

𝐻𝑅 = exp (0,9324(3,5 − 3,4)) (4.8)

𝐻𝑅 = 1,0977 (4.9)

Berdasarkan hasil perhitungan, didapatkan nilai hazard ratio sebesar 1,0977, maka dapat dikatakan bahwa alumni yang memiliki IPK 3,5 memiliki kesempatan 1,0977 kali untuk mendapatkan pekerjaan dibandingkan dengan alumni yang memiliki IPK 3,4. Sebagai tambahan ilustrasi, pada Tabel 4.15 akan diberikan gambaran mengenai nilai hazard ratio berdasarkan selisih IPK dari 0,1 hingga 1.

Tabel 4. 15 Gambaran Hazard Ratio 𝑿^∗− 𝑿 HR

0,1 1,098 0,2 1,205 0,3 1,323 0,4 1,452 0,5 1,594 0,6 1,750 0,7 1,921 0,8 2,108 0,9 2,314

1 2,541

Dari Tabel 4.15 dapat dilihat bahwa semakin tinggi perbedaan IPK, maka akan semakin tinggi pula hazard ratio yang didapatkan, sehingga dapat dikatakan

40 bahwa semakin tinggi IPK alumni, maka semakin tinggi pula kesempatan alumni untuk mendapatkan pekerjaan.

Variabel organisasi dengan nilai aktif oranisasi sebesar 1 dan tidak aktif organisasi sebesar 0 memiliki hazard ratio sebagai berikut.

𝐻𝑅 = ^{( ( )( ))}

( _{( )}( )) (4.10)

𝐻𝑅 = ^{( , ( ))}

( , ( )) (4.11)

𝐻𝑅 = exp (1,2056(1)) (4.12)

𝐻𝑅 = 3,3387 (4.13)

Berdasarkan hasil perhitungan, didapatkan nilai hazard ratio sebesar 3,3387, maka dapat dikatakan alumni yang aktif berorganisasi saat perkuliahan memiliki kesempatan 3,3387 kali untuk mendapatkan pekerjaan dibandingkan dengan alumni yang tidak aktif berorganisasi.

41

BAB 5 PENUTUP

Bab ini berisi kesimpulan dari penelitian yang telah dilakukan. Pada bab ini juga berisi saran untuk penelitian selanjutnya.

5.1 Kesimpulan

Berdasarkan hasil dari pembasahan pada Bab IV mengenai Regresi Cox Proportional Hazard pada lama masa tunggu alumni Institut Teknologi Kalimantan untuk mendapatkan pekerjaan, diperoleh kesimpulan sebagai berikut:

1. Model terbaik regresi Cox Proportional Hazard untuk data lama alumni ITK mendapatkan pekerjaan tahun kelulusan 2016-2019 adalah:

ℎ(𝑡, 𝑋) = ℎ (𝑡)exp (0,9324𝑋 + 1,2056𝑋 _{( )})

2. Faktor yang secara siginifikan mempengaruhi lama alumni ITK tahun kelulusan 2016 sampai 2019 untuk mendapatkan pekerjaan adalah IPK dan Organisasi. Semakin tinggi IPK alumni, maka semakin besar kesempatan alumni untuk mendapatkan pekerjaan, jika kenaikan IPK alumni 0,1 satuan, maka alumni memiliki kesempatan 1,0977 kali untuk mendapatkan pekerjaan, sedangkan untuk alumni yang aktif organisasi memiliki kesempatan 3,3387 kali untuk mendapatkan pekerjaan dibandingkan alumni yang tidak aktif organisasi.

5.2 Saran

Berdasarkan penelitan yang telah dilakukan, maka saran yang dapat diberikan untuk penelitian selnajutnnya adalah sebagai berikut:

1. Penelitian selanjutnya dapat menambahkan variabel penelitian yang berhubungan dengan faktor yang mempengaruhi alumni ITK untuk mendapatkan pekerjaan, seperti kesesuaian pekerjaan dengan studi, asal informasi lowongan pekerjaan, dan lama studi.

42 2. Penelitian selanjutnya juga dapat menambahkan jumlah data yang

digunakan agar hasil yang didapatkan lebih baik.

3. Penelitian selanjutnya juga dapat melakukan spesifikasi untuk kriteria kursus yang diikuti, serta spesifikasi keaktifan organisasi alumni sehingga hasil yang didapatkan bisa lebih akurat.

43