IDENTIFIKASI PENURUNAN INDEKS PRESTASI

SEMESTER 2 KE SEMESTER 3 MAHASISWA STATISTIKA

IPB MENGGUNAKAN METODE CHAID

NOVITA ARIANTI

STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Penurunan

Indeks Prestasi Semester 2 ke Semester 3 Mahasiswa Statistika IPB Menggunakan

Metode CHAID adalah benar karya saya dengan arahan dari komisi pembimbing

dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun.

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 skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Juni 2014

Novita Arianti

NIM G14100048

ABSTRAK

NOVITA ARIANTI. Identifikasi Penurunan Indeks Prestasi Semester 2 ke

Semester 3 Mahasiswa Statistika IPB Menggunakan Metode CHAID. Dibimbing

oleh I MADE SUMERTAJAYA dan INDAHWATI.

Kenaikan tingkat mahasiswa S1 IPB dari tingkat 1 (Tingkat Persiapan

Bersama) ke tingkat 2 (departemen) identik dengan fenomena proses adaptasi,

berupa adaptasi dengan mata kuliah departemen, dosen, ataupun teman baru.

Menurut data dari Direktorat Administrasi dan Pendidikan (Dit-AP) IPB, rata-rata

penurunan IP dari semester 2 ke semester 3 mahasiswa Departemen Statistika IPB

tahun 2010 sebesar 0.55, tahun 2011 sebesar 0.46, dan tahun 2012 sebesar 0.44.

Data yang digunakan pada penelitian ini adalah data sekunder dari Dit-AP IPB

yang terdiri dari data IP semester 1, 2, dan 3 mahasiswa Departemen Statistika

IPB tahun 2010, 2011, dan 2012. Selain itu peneliti juga menggunakan data

primer yang dikumpulkan melalui survei. Berdasarkan hasil penelitian ini, peubah

penjelas yang berpengaruh terhadap penurunan IP responden yaitu peubah minor,

kelompok belajar semester 3, beasiswa, motivasi, dan pengeluaran per bulan.

Peubah penjelas yang memiliki pengaruh paling kuat dengan penurunan IP

responden adalah minor. Nilai ketepatan klasifikasi responden yang dihasilkan

menggunakan analisis CHAID sebesar 55.1%. Model pohon klasifikasi analisis

CHAID pada penelitian ini lebih bagus untuk menduga penurunan IP dengan

kategori sangat turun dibanding kategori tidak turun maupun turun.

Kata kunci: analisis CHAID, penurunan Indeks Prestasi, pohon klasifikasi

ABSTRACT

NOVITA ARIANTI. Identification of the GPA Decrement from 2nd Semester to

3th Semester of Statistics Student at IPB Using CHAID Method. Advised by I

MADE SUMERTAJAYA and INDAHWATI.

The increment level in bachelor degree at IPB from 1st level (TPB) to 2nd

level is identical to the phenomenon of adaptation processes, such as adaptation to

the department courses, lecturers, or new friends. According to data from

Direktorat Administrasi dan Pendidikan (Dit-AP) IPB, the GPA decrement of

student in Statistics Department at IPB from 2nd semester to 3th semester is 0.55

on 2010, 0.46 on 2011, and 0.44 on 2012. This study used the secondary data

from Dit-AP IPB. This data consists of GPA of 1st, 2nd, and 3rd semester of

student at Statistics Department in 2010, 2011, and 2012. This study also used the

primary data which was collected through survey. The influence variables of the

GPA decrement were minor, study group at 3th semester, scholarship, motivation,

spending per month, and the most influence variable was minor. The accuracy

values of the classification tree generated using CHAID analysis was 55.1%. This

classification tree was better to estimate the GPA decrement in “very decrease”

category than the “decrease” or “undecrease” category.

Keywords: CHAID analysis, classification tree, GPA decrement

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Statistika

pada

Departemen Statistika

IDENTIFIKASI PENURUNAN INDEKS PRESTASI

SEMESTER 2 KE SEMESTER 3 MAHASISWA STATISTIKA

IPB MENGGUNAKAN METODE CHAID

NOVITA ARIANTI

STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

Judul Skripsi : Identifikasi Penurunan Indeks Prestasi Semester 2 ke Semester 3

Mahasiswa Statistika IPB Menggunakan Metode CHAID

Nama : Novita Arianti

NIM : G14100048

Disetujui oleh

Dr Ir I Made Sumertajaya, MSi

Pembimbing I

Dr Ir Indahwati, MSi

Pembimbing II

Diketahui oleh

Dr Anang Kurnia, MSi

Ketua Departemen

Tanggal Lulus:

PRAKATA

Segala puji dan syukur penulis panjatkan hanya untuk Allah SWT. Berkat

rahmat dan hidayah-Nya penulis dapat menyelesaikan karya ilmiah ini. Karya

ilmiah yang berjudul Identifikasi Penurunan Indeks Prestasi Semester 2 ke

Semester 3 Mahasiswa Statistika IPB Menggunakan Metode CHAID ini

merupakan salah satu syarat untuk menyelesaikan pendidikan dan memperoleh

gelar Sarjana Statistika di Departemen Statistika Fakultas Matematika dan Ilmu

Pengetahuan Alam Institut Pertanian Bogor.

Selesainya penyusunan karya ilmiah ini tidak terlepas dari peran berbagai

pihak, antara lain:

1. Bapak, Ibu, dek Arfi, dek Reza serta seluruh keluarga yang memberikan cinta,

kasih sayang, pengorbanan, doa, dan semangat kepada penulis.

2. Bapak Dr Ir I Made Sumertajaya, MSi dan Ibu Dr Ir Indahwati, MSi sebagai

dosen pembimbing yang selalu memberikan arahan, saran, dan

pengetahuannya dalam membimbing penulis selama penyusunan karya ilmiah

ini.

3. Bapak Dr Farit Mochamad Afendi, MSi selaku dosen penguji yang telah

memberikan saran dalam penulisan karya ilmiah ini.

4. Seluruh dosen Departemen Statistika IPB atas ilmu yang diberikan selama

penulis belajar di IPB.

5. Seluruh staf Departemen Statistika IPB (Bu Tri, Bu Markonah, Pak Iyan, Pak

Sofyan, Mang Yus, Mang Iqbal) yang telah membantu penulis dalam

kelancaran administrasi

6. Teman-teman statistika IPB angkatan 47 yang telah bersedia membagi ilmu

serta keceriaan kepada penulis.

7. Teman-teman satu kelompok belajar yaitu Doni Saun, April, Ardian, Najih,

Fahmy, Ntuz, Frisca yang telah membagi ilmunya selama penulis kuliah di

Departemen Statistika.

8. Kelompok 8 mata kuliah Analisis Perancangan Survei.

9. Sahabat yang selama ini selalu mendukung dan memberi semangat yaitu

Yessy Meivitasari dan teman-teman satu kost di Wisma Eky.

Demikian karya ilmiah ini penulis susun, semoga memberikan manfaat

kepada penulis dan pembaca. Penulis mohon maaf atas segala kekurangan dan

kesalahan yang ada di dalam karya ilmiah ini.

Bogor, Juni 2014

Novita Arianti

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 1

METODE 2

Data dan Metode Penarikan Contoh 2

Metode Analisis 2

HASIL DAN PEMBAHASAN 4

Deskripsi Karakteristik Responden 4

Realisasi Pelaksanaan Survei 6

Eksplorasi Data 6

Klasifikasi Peubah Menggunakan Analisis CHAID 9

SIMPULAN DAN SARAN 15

Simpulan 15

Saran 15

DAFTAR PUSTAKA 15

LAMPIRAN 16

RIWAYAT HIDUP 24

DAFTAR TABEL

1 Pengkategorian peubah respon beserta batasan-batasan nilainya 6 2 Nilai-p uji kebebasan khi-kuadrat antara penurunan IP dengan masing-

masing peubah penjelas 10 3 Peubah penjelas yang masuk dalam diagram pohon analisis CHAID 10 4 Nilai uji khi-kuadrat dan nilai-p pada peubah penjelas dalam diagram

pohon klasifikasi analisis CHAID 11 5 Penggabungan kategori pada peubah pengeluaran per bulan 11 6 Ketepatan klasifikasi analisis CHAID 14

DAFTAR GAMBAR

1 Sebaran persentase responden berdasarkan peubah jenis kelamin, minor,

asal daerah, status asal sekolah, beasiswa, jalur masuk, dan pengeluaran

per bulan responden 4 2 Sebaran IP responden pada semester 1, 2, dan 3 5 3 Persentase penurunan IP responden 6 4 Grafik persentase penurunan IP responden berdasarkan tahun masuk 7 5 Grafik persentase penurunan IP responden berdasarkan jenis kelamin,

minor, asal daerah, status asal sekolah, beasiswa, pengeluaran per bulan,

dan motivasi 8 6 Grafik persentase penurunan IP responden berdasarkan jalur masuk,

jumlah SKS, kepadatan jam perkuliahan, kesulitan mata kuliah

semester 3, dan kelompok belajar semester 3 8 7 Diagram pohon klasifikasi analisis CHAID 12

DAFTAR LAMPIRAN

1 Kuesioner penelitian 16 2 Pengkategorian peubah 19

3 Deskripsi karakteristik responden berdasarkan peubah penjelasnya 20 4 Diagram hubungan antara penurunan IP responden dengan peubah

penjelas 22

5 Ringkasan analisis CHAID penurunan IP responden 23

PENDAHULUAN

Latar Belakang

Indeks Prestasi (IP) adalah ukuran prestasi akademik mahasiswa yang

dihitung di setiap akhir semester. Indeks Prestasi Kumulatif (IPK) adalah ukuran

prestasi di bidang akademik berdasarkan jumlah SKS (Satuan Kredit Semester)

yang telah ditempuh oleh seorang mahasiswa. Perubahan IP di setiap semester

akan mengakibatkan perubahan IPK juga. IPK berfungsi sebagai syarat status

kelanjutan studi seorang mahasiswa, syarat mendapatkan beasiswa, dan syarat

untuk persaingan dalam mendapatkan pekerjaan. Syarat status kelanjutan studi

mahasiswa harus memenuhi kriteria yang telah ditetapkan oleh institusi masing-

masing. Jika IPK mahasiswa kurang dari kriteria yang telah ditentukan, maka

mahasiswa tersebut akan dikeluarkan dari institusi yang bersangkutan. Beberapa

beasiswa menentukan kriteria minimal IPK yang harus dimiliki oleh calon

penerima beasiswa sehingga IPK sangat penting digunakan oleh mahasiswa untuk

mendaftar beasiswa tersebut.

Kenaikan tingkat mahasiswa S1 IPB dari tingkat 1 (Tingkat Persiapan

Bersama) ke tingkat 2 (departemen) identik dengan fenomena proses adaptasi,

berupa adaptasi dengan mata kuliah departemen, dosen, ataupun teman baru.

Fenomena yang sering diperbincangkan oleh mahasiswa statistika IPB adalah

mengenai penurunan IP dari semester 2 ke semester 3. Menurut data dari

Direktorat Administrasi dan Pendidikan (Dit-AP) IPB, rata-rata penurunan IP dari

semester 2 ke semester 3 mahasiswa statistika IPB tahun 2010 sebesar 0.55, tahun

2011 sebesar 0.46, dan tahun 2012 sebesar 0.44.

Salah satu analisis statistika yang dapat digunakan untuk melihat

karakteristik mahasiswa statistika IPB yang mengalami penurunan IP adalah

menggunakan metode CHAID (Chi-Square Automatic Interaction Detection).

Metode CHAID pada dasarnya merupakan salah satu teknik nonparametrik yang

bersifat mengklasifikasikan populasi yang diamati ke dalam beberapa kelompok

berdasarkan peubah-peubah penjelas yang berpengaruh (Gallagher et al. 2000).

Rokach dan Maimon (2008) menjelaskan bahwa prinsip dari metode CHAID

adalah dengan sistem pohon klasifikasi (classification trees).

Tujuan Penelitian

Tujuan dari penelitian ini adalah:

1. Mengetahui faktor-faktor yang mempengaruhi penurunan IP mahasiswa

statistika IPB dari semester 2 ke semester 3.

2. Mengklasifikasikan karakteristik mahasiswa statistika IPB yang mengalami

penurunan IP menggunakan metode CHAID.

2

METODE

Data dan Metode Penarikan Contoh

Data yang digunakan adalah data sekunder dari Direktorat Administrasi dan

Pendidikan Institut Pertanian Bogor. Data tersebut terdiri dari data IP semester 1,

2, dan 3 mahasiswa statistika IPB tahun 2010, 2011, dan 2012. Selain itu peneliti

juga menggunakan data primer yang dikumpulkan melalui survei.

Peneliti melakukan survei terhadap mahasiswa aktif statistika IPB tahun

2010, 2011, dan 2012 yang berjumlah 247 responden. Instrumen yang digunakan

untuk melakukan survei adalah kuesioner. Kuesioner yang digunakan oleh peneliti

dapat dilihat pada Lampiran 1. Pertanyaan dalam kuesioner terdiri dari 9

pertanyaan mengenai karakteristik responden dan 19 pertanyaan mengenai

motivasi diri, kondisi perkuliahan, pola belajar, dan kegiatan organisasi responden.

Peubah yang digunakan pada penelitian ini terdiri dari satu peubah respon dan 22

peubah penjelas. Peubah respon yang digunakan yaitu penurunan IP dari semester

2 ke semester 3. Peubah penjelas yang digunakan dapat dilihat pada Lampiran 2.

Metode Analisis

Tahapan analisis yang dilakukan pada penelitian ini adalah sebagai berikut:

1. Melakukan eksplorasi data dan melakukan analisis deskriptif peubah respon

dengan peubah-peubah penjelas.

2. Melakukan analisis menggunakan metode CHAID, yaitu metode yang

digunakan untuk melakukan segmentasi terhadap populasi ke dalam sub

kelompok yang homogen. Tiga tahapan pada metode CHAID menurut Kass

(1980) adalah:

I. Penggabungan, yaitu tahapan pemeriksaan nilai khi-kuadrat peubah respon

terhadap masing-masing peubah penjelas.

a. Membuat tabulasi silang masing-masing kategori peubah penjelas dan

peubah respon.

b. Mencari pasangan kategori dari peubah penjelas dengan sub-tabel

kontingensi 2xd (d adalah banyaknya kategori peubah respon) yang

behubungan nyata.

c. Menghitung nilai statistik uji khi-kuadrat (𝜒2) setiap pasangan kategori

menurut Agresti (1990) dengan rumus:

𝜒2hitung = (nij − Eij )

2

Eij

c

j=1

r

i=1

dengan,

Eij =n i .n.j

n , i = 1,…,r dan j = 1,…,c

Eij : nilai harapan pengamatan pada baris ke-i dan kolom ke-j

nij : banyaknya pengamatan pada baris ke-i dan kolom ke-j

ni. : total banyaknya pengamatan pada baris ke-i

n.j : total banyaknya pengamatan pada kolom ke-j

n : total banyaknya pengamatan

3

Hipotesis pada uji khi-kuadrat adalah sebagai berikut:

H0 : peubah respon dan peubah penjelas saling bebas

H1 : peubah respon dan peubah penjelas tidak saling bebas.

Keputusan yang diambil pada uji khi-kuadrat ini adalah tolak H0 jika

nilai 𝜒2 hitung > 𝜒2 𝛼 ; 𝑟−1 𝑐−1 .

d. Menghitung nilai-p untuk setiap nilai khi-kuadrat berpasangan. Jika

ada pasangan kategori yang tidak berhubungan nyata yaitu 𝜒2 hitung

< 𝜒2 𝛼 ; 𝑟−1 𝑐−1 maka pasangan kategori yang paling mirip

digabungkan ke dalam satu kategori baru, yaitu pasangan dengan nilai

khi-kuadrat pasangan terkecil dan nilai-p terbesar.

e. Memeriksa kembali nilai khi-kuadrat kategori baru setelah digabung

dengan kategori lainnya dalam peubah penjelas. Jika terdapat pasangan

yang belum berhubungan nyata maka kembali ke langkah sebelumnya

sampai semua peubah penjelas berhubungan nyata.

II. Pemisahan, yaitu tahapan memilih peubah yang digunakan sebagai

pemisah simpul terbaik dengan membandingkan nilai-p pada tahap

penggabungan untuk setiap peubah penjelas.

a. Memilih peubah penjelas yang memiliki nilai-p terkecil yang akan

digunakan sebagai pemisah simpul.

b. Jika tidak ada peubah penjelas dengan nilai-p yang signifikan yaitu

nilai-p ≤ α, maka tidak ada pemisahan.

III. Penghentian, yaitu jika terdapat hal-hal seperti berikut:

a. Sudah tidak ada hubungan yang nyata antara peubah penjelas dan

peubah respon.

b. Nilai pengamatan pada simpul anak mencapai nilai minimum.

3. Jika terdapat penggabungan pada peubah penjelas, maka dilakukan koreksi

Bonferroni (Ritschard 2010). Terdapat tiga tipe pengali Bonferroni untuk

masing-masing peubah penjelas yang dibedakan sesuai dengan tipe dan skala

pengukuran peubahnya, yaitu:

a. Peubah asal berskala nominal menggunakan pengali Bonferroni tipe bebas,

yaitu:

𝐵 = (−1)𝑖𝑟−1

𝑖=0

(𝑟 − 𝑖)𝑐

𝑖! 𝑟 − 𝑖 !

b. Peubah asal berskala ordinal menggunakan pengali Bonferroni tipe

monotonik, yaitu:

𝐵 = (𝑟−1𝑐−1)

c. Peubah asal berskala ordinal namun terdapat kategori yang belum dapat

ditentukan urutannya dalam peubah tersebut menggunakan pengali

Bonferroni tipe mengambang, yaitu:

𝐵 = (𝑟−2𝑐−2) + 𝑟 (𝑟−1

𝑐−2)

dengan,

B : pengali Bonferroni

c : banyaknya kategori asal

r : banyaknya kategori baru

i : kategori baru ke-i.

4

HASIL DAN PEMBAHASAN

Deskripsi Karakteristik Responden

Sebaran persentase karakteristik responden disajikan pada Gambar 1.

Responden terpilih terdiri dari 68% berjenis kelamin perempuan dan 32% berjenis

kelamin laki-laki dari total sebanyak 247 responden. Persentase responden yang

mengambil minor pada semester 3 sebesar 85%. Perbandingan jumlah responden

yang berasal dari Jabodetabek dan luar Jabodetabek hampir sama serta mayoritas

status asal sekolahnya adalah negeri. Persentase responden yang mendapatkan

beasiswa di semester 3 mencapai 64% dan sebesar 71% didominasi oleh

responden yang pada saat masuk IPB melalui jalur USMI/SNMPTN Undangan.

Sebagian besar pengeluaran per bulan responden antara lima ratus ribu sampai

satu juta rupiah. Sebaran persentase karakteristik responden lainnya dapat dilihat

pada Lampiran 3.

Gambar 1 Sebaran persentase responden berdasarkan peubah jenis kelamin,

minor, asal daerah, status asal sekolah, beasiswa, jalur masuk, dan

pengeluaran per bulan responden

Perem

puan

68%

Laki-

laki

32%

JENIS KELAMIN

Tidak

ada

15%

Ada

minor

85%

MINOR

Jabode

tabek

44%Luar

Jabode

tabek

56%

ASAL DAERAH

Swasta

6%

Negeri

94%

STATUS ASAL SEKOLAH

Mene

rima

beasiswa

64%

Tidak

mene

rima36%

BEASISWA

USMI/

SNMP

TN

UNDA

NGAN

71%UTM

7%

BUD

6%

SNMP

TN

TERTU

LIS

15%

PIN

1%

JALUR MASUK

<500ribu

4%

500ribu

-1juta

72%

>1juta

24%

PENGELUARAN

5

Gambar 2 Sebaran IP responden pada semester 1, 2, dan 3

Sebaran IP semester 1, 2, dan 3 responden dapat dilihat pada Gambar 2.

Perbandingan IP semester 1 dan 2 setiap responden relatif homogen dan ragamnya

tidak terlalu besar. Hal ini terjadi karena mata kuliah pada semester 1 dan 2

hampir sama dengan mata pelajaran SMA. Sedangkan perbandingan IP semester 2

dan 3 setiap responden mengalami penurunan yang cukup besar. Jika

dibandingkan dengan IP pada semester 1 dan 2, penurunan IP responden pada

semester 3 mempunyai ragam yang cukup besar sehingga penurunan IP yang

digunakan yaitu dari semester 2 ke semester 3.

Rata-rata penurunan IP dari semester 2 ke semester 3 mahasiswa statistika

IPB angkatan 2010, 2011, dan 2012 sebesar -0.48 dengan simpangan baku sebesar

0.36. Pengkategorian penurunan IP dari semester 2 ke semester 3 responden

dibagi menjadi tiga, yaitu tidak turun, turun, dan sangat turun. Batasan-batasan

nilai setiap kategori peubah respon pada penelitian ini dapat dilihat pada Tabel 1.

Selisih IP yang digunakan yaitu IP semester 3 dikurangi IP semester 2.

Pertimbangan yang digunakan untuk batasan nilai penurunan IP pada kategori

tidak turun yaitu selisih IP bernilai positif atau nilainya lebih dari -0.12. Nilai -

0.12 tersebut diambil dari nilai tengah penurunan IP responden ditambah dengan

satu simpangan bakunya. Nilai penurunan IP untuk kategori turun menggunakan

batas antara nilai tengah penurunan IP yaitu -0.48 sampai dengan batas bawah

kategori tidak turun yaitu -0.12. IP responden dikatakan sangat turun jika selisih

IP semester 3 dan semester 2 bernilai kurang dari -0.48.

1.00

2.00

3.00

4.00

1 21 41 61 81 101 121 141 161 181 201 221 241

Ind

ek

s P

rest

asi

Sebaran IP responden pada semester 1 dan 2

IP SMT1

IP SMT2

1.00

1.50

2.00

2.50

3.00

3.50

4.00

1 21 41 61 81 101 121 141 161 181 201 221 241

Ind

ek

s P

rest

asi

Sebaran IP responden pada semester 1, 2, dan 3

IP SMT1

IP SMT2

IP SMT3

6

Tabel 1 Pengkategorian peubah respon beserta batasan-batasan nilainya

Definisi Kategori

Tidak turun Selisih IP > -0.12

Turun -0.48 ≤ Selisih IP ≤ -0.12

Sangat turun Selisih IP < -0.48

Realisasi Pelaksanaan Survei

Survei terhadap 247 responden mahasiswa statistika IPB dilaksanakan oleh

peneliti di masing-masing kelas setiap angkatan. Metode pengisian kuesioner

yang digunakan yaitu peneliti memandu dan menjelaskan setiap butir pertanyaan

kepada responden. Kendala yang dihadapi oleh peneliti yaitu berkaitan dengan

jumlah target responden. Target responden yang belum lengkap tersebut adalah

mahasiswa statistika IPB yang sudah bekerja, pulang ke daerah asal, dan sakit.

Cara yang digunakan oleh peneliti untuk mengatasi kendala tersebut adalah

menghubungi target responden yang dituju untuk mengisi kuesioner melalui

email. Kendala lain yang dihadapi oleh peneliti yaitu ketidaklengkapan jawaban

pada kuesioner. Untuk mengatasi kendala tersebut, peneliti menghubungi

responden lagi untuk melengkapi jawaban sesuai dengan tujuan yang diinginkan.

Tahap selanjutnya yaitu melakukan entri data setelah semua jawaban lengkap

sesuai pertanyaan yang ada dalam kuesioner. Proses pelaksanaan survei sampai

dengan tahap entri data dilaksanakan selama bulan Maret 2014.

Eksplorasi Data

Berdasarkan data hasil survei terhadap 247 responden mahasiswa statistika

IPB, diketahui bahwa responden yang tidak mengalami penurunan IP sebanyak 39

orang (16%), mengalami penurunan IP dengan kategori turun sebanyak 85 orang

(34%), dan mengalami penurunan IP dengan kategori sangat turun sebanyak 123

orang (50%) seperti terlihat pada Gambar 3.

Gambar 3 Persentase penurunan IP responden

Tidak

turun

16%

Turun

34%

Sangat

turun

50%

PENURUNAN IP

7

Gambar 4 Grafik persentase penurunan IP responden berdasarkan tahun masuk

Berdasarkan Gambar 4 dapat diketahui bahwa persentase responden yang

mengalami penurunan IP dengan kategori sangat turun pada angkatan 2010 lebih

besar dibandingkan angkatan 2011 dan 2012. Rata-rata penurunan IP selama tiga

tahun terakhir mengalami penurunan yang ditunjukkan dengan berkurangnya

persentase penurunan IP dengan kategori sangat turun pada setiap angkatan,

meskipun persentase tertinggi untuk responden yang tidak mengalami penurunan

IP juga terdapat pada responden angkatan 2010. Hal ini disebabkan oleh sistem

penilaian IPB yang mengalami perubahan. Sistem awal penilaian yang digunakan

oleh IPB yaitu menggunakan huruf mutu A, B, C, D, E sedangkan sistem baru

menggunakan A, AB, B, BC, D, E. Sistem baru ini dapat meningkatkan nilai

mahasiswa yang mendekati batas atas huruf mutu.

Gambar 5 menunjukkan bahwa persentase responden yang berjenis kelamin

perempuan mengalami penurunan IP dari semester 2 ke semester 3 lebih banyak

dibandingkan responden yang berjenis kelamin laki-laki. Perbandingan responden

yang tidak mengalami penurunan IP untuk responden yang mempunyai minor

hampir sama dengan responden yang tidak mempunyai minor. Jika dilihat dari

asal daerah, persentase responden yang mengalami penurunan IP dengan kategori

sangat turun untuk responden dari Jabodetabek hampir sama dengan responden

dari luar Jabodetabek. Responden yang berasal dari Jabodetabek lebih banyak

yang tidak mengalami penurunan IP dibanding responden dari luar Jabodetabek.

Berdasarkan peubah status asal sekolah, responden yang berasal dari sekolah

negeri lebih banyak yang tidak mengalami penurunan IP dibanding yang berasal

dari sekolah swasta. Persentase responden yang tidak mengalami penurunan IP

hampir sama untuk responden yang menerima beasiswa maupun yang tidak

menerima beasiswa. Seluruh responden yang pengeluaran per bulannya di bawah

lima ratus ribu rupiah mengalami penurunan IP baik kategori turun maupun sangat

turun. Jika dilihat dari peubah motivasi pada saat mendaftar statistika, persentase

tertinggi responden yang tidak mengalami penurunan IP yaitu responden yang

motivasi memilih statistika disarankan oleh orang lain/pihak luar. Orang

lain/pihak luar yang dimaksud adalah meliputi guru, teman, atau orang lain selain

keluarga.

0%

20%

40%

60%

80%

100%

2010 2011 2012

Persentase penurunan IP responden berdasarkan tahun masuk

Sangat turun

Turun

Tidak turun

8

Gambar 5 Grafik persentase penurunan IP responden berdasarkan jenis kelamin,

minor, asal daerah, status asal sekolah, beasiswa, pengeluaran per

bulan, dan motivasi

Gambar 6 Grafik persentase penurunan IP responden berdasarkan jalur masuk,

jumlah SKS, kepadatan jam perkuliahan, kesulitan mata kuliah

semester 3, dan kelompok belajar semester 3

0%

20%

40%

60%

80%

100%P

erem

puan

Lak

i-L

aki

Tid

ak a

da

Ada

Jabo

det

abek

Luar

Jab

odet

abek

Sw

asta

Neg

eri

Men

erim

a bea

sisw

a

Tid

ak m

ener

ima

bea

sisw

a

<500000

500000-1

000000

>1000000

Dir

i se

ndir

i

Kel

uar

ga

Ora

ng lai

n/p

ihak

luar

JENIS

KELAMIN

MINOR ASAL

DAERAH

ASAL

SEKOLAH

BEASISWA PENGELUARAN MOTIVASI

Persentase penurunan IP responden berdasarkan jenis kelamin, minor, asal

daerah, status asal sekolah, beasiswa, pengeluaran per bulan, dan motivasi

Sangat turun

Turun

Tidak turun

0%

20%

40%

60%

80%

100%

US

MI/

SN

MP

TN

UN

DA

NG

AN

UT

M

BU

D

SN

MP

TN

TE

RT

UL

IS

PIN

Leb

ih s

edik

it

Sam

a sa

ja

Leb

ih b

anyak

Leb

ih l

onggar

Sam

a sa

ja

Leb

ih p

adat

Leb

ih m

ud

ah

Sam

a sa

ja

Leb

ih s

uli

t

Ya

Tid

ak

JALUR MASUK JML SKS KEPADATAN KESULITAN KLP

SMT3

Persentase penurunan IP responden berdasarkan jalur masuk, jumlah

SKS, kepadatan jam perkuliahan, kesulitan mata kuliah semester 3, dan

kelompok belajar semester 3

Sangat turun

Turun

Tidak turun

9

Gambar 6 menunjukkan bahwa responden yang berasal dari jalur masuk

PIN tidak mengalami penurunan IP karena responden tersebut memiliki prestasi

tertentu di SMA dan diterima di IPB tanpa melalui tes atau seleksi apapun. Jika

dilihat dari jumlah SKS yang diambil pada semester 3, ternyata persentase terkecil

responden yang mengalami penurunan IP dengan kategori sangat turun dicirikan

oleh responden yang mengambil jumlah SKS semester 3 lebih sedikit dibanding

jumlah SKS semester 2. Semakin padat jam perkuliahan di semester 3 dibanding

semester 2, maka persentase responden yang mengalami penurunan IP dengan

kategori sangat turun juga semakin besar. Persentase tertinggi responden yang

mengalami penurunan IP dengan kategori sangat turun terjadi pada responden

yang menyatakan bahwa secara umum mata kuliah semester 3 lebih sulit

dibanding mata kuliah semester 2. Hal ini terjadi karena sebanyak 94% responden

menyatakan bahwa secara umum mata kuliah semester 3 lebih sulit dibanding

mata kuliah semester 2. Persentase responden yang tidak mengalami penurunan IP

lebih besar untuk responden yang mempunyai kelompok belajar di semester 3

dibanding responden yang tidak mempunyai kelompok belajar di semester 3. Hal

ini berarti bahwa kelompok belajar semester 3 mempunyai peran yang penting

untuk responden. Persentase penurunan IP responden untuk peubah penjelas

lainnya dapat dilihat pada Lampiran 4.

Klasifikasi Peubah Menggunakan Analisis CHAID

Analisis khi-kuadrat secara parsial dilakukan untuk melihat kebebasan

antara peubah respon dengan masing-masing peubah penjelas. Uji kebebasan khi-

kuadrat ini dilakukan pada taraf nyata 10%. Tabel 2 menunjukkan bahwa minor,

status asal sekolah, jumlah SKS, tingkat kesulitan mata kuliah, dan kelompok

belajar semester 3 mempunyai nilai-p kurang dari taraf nyata 0.10 yang berarti

bahwa kelima peubah tersebut mempunyai hubungan terhadap peubah penurunan

IP responden. Responden yang tidak mempunyai minor akan mempunyai peluang

lebih besar untuk mengalami penurunan IP dengan kategori sangat turun

dibandingkan dengan responden yang mempunyai minor pada semester 3.

Responden yang berasal dari sekolah swasta lebih banyak yang mengalami

penurunan IP dibandingkan responden yang berasal dari sekolah negeri baik

kategori turun maupun sangat turun. Jika jumlah SKS yang diambil di semester 3

lebih sedikit dibandingkan semester 2, maka peluang responden untuk mengalami

penurunan IP dengan kategori sangat turun akan lebih kecil. Jika tingkat kesulitan

mata kuliah secara umum di semester 3 lebih sulit dibanding semester 2, maka

persentase responden yang mengalami penurunan IP dengan kategori sangat turun

juga semakin besar. Responden yang mempunyai kelompok belajar di semester 3

akan mempunyai peluang lebih besar untuk tidak mengalami penurunan IP

dibanding responden yang tidak mempunyai kelompok belajar di semester 3.

10

Tabel 2 Nilai-p uji kebebasan khi-kuadrat antara penurunan IP dengan masing-

masing peubah penjelas

Kategori nilai-p Kategori nilai-p

Jenis kelamin 0.220 Kepadatan jam

perkuliahan

0.127

Minor 0.002 Intensitas tugas 0.300

Asal daerah 0.801 Tingkat kesulitan mata

kuliah 0.013

Status asal sekolah 0.054 Frekuensi belajar

sendiri

0.572

Beasiswa 0.831 Rata-rata jam belajar

sendiri per minggu

0.947

Jalur masuk IPB 0.134 Kelompok belajar

semester 2

0.352

Pengeluaran per bulan 0.241 Kelompok belajar

semester 3 0.017

Pilihan mendaftar

statistika

0.822 Jumlah literatur/buku 0.489

Motivasi diri 0.118 Intensitas pemakaian

media sosial

0.449

Jumlah SKS 0.062 Keikutsertaan

organisasi semester 2

0.481

Jumlah mata kuliah 0.901 Keikutsertaan

organisasi semester 3

0.666

Tabel 3 Peubah penjelas yang masuk dalam diagram pohon analisis CHAID

Kedalaman Peubah penjelas

1 Minor

2 Kelompok belajar semester 3,

beasiswa

3 Motivasi, pengeluaran per bulan

Analisis CHAID dilakukan pada 22 peubah penjelas dengan α=0.10 untuk

penggabungan dan pemisahan. Metode penghentian pohon yang digunakan yaitu

minimum amatan di simpul induk sebanyak 30 amatan dan di simpul anak

sebanyak 15 amatan. Kedalaman pohon klasifikasi pada analisis penurunan IP

responden terhenti pada kedalaman 3. Diagram pohon klasifikasi analisis CHAID

penurunan IP responden yang terbentuk pada Gambar 7 memiliki 11 simpul yang

terdiri dari 5 simpul dalam dan 6 simpul akhir sehingga diagram pohon klasifikasi

analisis CHAID menghasilkan 6 klasifikasi. Peubah penjelas yang masuk dalam

diagram pohon klasifikasi analisis CHAID yaitu minor, kelompok belajar

semester 3, beasiswa, motivasi, dan pengeluaran per bulan yang dapat dilihat pada

Tabel 3. Nilai-p dan nilai uji khi-kuadrat dari masing-masing peubah penjelas

yang mempunyai hubungan dengan penurunan IP responden yang sesuai dengan

diagram pohon klasifikasi analisis CHAID terdapat pada Tabel 4. Jika dilakukan

pengambilan keputusan berdasarkan nilai-p pada taraf nyata 10% maka kelima

11

peubah penjelas tersebut mempunyai hubungan dengan penurunan IP responden

karena kelima nilai-p peubah penjelas tersebut kurang dari taraf nyata sebesar

0.10.

Tabel 4 Nilai uji khi-kuadrat dan nilai-p pada peubah penjelas dalam diagram

pohon klasifikasi analisis CHAID

Peubah Nilai uji khi-kuadrat Nilai-p

Minor 12.121 0.002

Kelompok belajar semester 3 6.978 0.031

Beasiswa 6.360 0.042

Motivasi 13.417 0.004

Pengeluaran per bulan 10.829 0.013

Tahap pertama dalam analisis CHAID adalah tahap penggabungan. Pada

penelitian ini, peubah motivasi dibagi menjadi tiga kategori, yaitu diri sendiri,

keluarga, dan orang lain/pihak luar. Setelah melalui analisis CHAID, peubah

tersebut diringkas menjadi 2 kategori. Kategori diri sendiri dan keluarga digabung

menjadi satu kategori baru. Hal ini berarti bahwa kategori diri sendiri dan

keluarga memenuhi syarat kesignifikanan khi-kuadrat untuk bisa digabung

menjadi satu kategori tunggal. Penggabungan kategori pada peubah penjelas juga

terjadi pada peubah pengeluaran per bulan. Pada penelitian ini, peubah

pengeluaran per bulan dibagi menjadi 3 kategori. Peubah ini diringkas menjadi 2

kategori setelah dilakukan analisis CHAID yang terdapat pada diagram pohon

kedalaman ketiga. Ringkasan penggabungan kategori pada peubah pengeluaran

per bulan dapat dilihat pada Tabel 5.

Tabel 5 Penggabungan kategori pada peubah pengeluaran per bulan

Sebelum analisis CHAID Setelah analisis CHAID

1. Pengeluaran < 500000

2. 500000 ≤ Pengeluaran ≤

1000000

3. Pengeluaran > 1000000

1. Pengeluaran < 500000 digabung

dengan 500000 ≤ Pengeluaran ≤

1000000

2. Pengeluaran > 1000000

Peubah minor merupakan peubah pertama yang terpilih untuk memisahkan

responden menjadi dua klasifikasi yaitu responden yang mempunyai minor dan

tidak mempunyai minor sehingga peubah minor merupakan peubah yang

memiliki pengaruh paling kuat terhadap penurunan IP responden. Pohon

klasifikasi analisis CHAID menunjukkan bahwa responden yang mempunyai

minor maupun yang tidak mempunyai minor pada semester 3 sebagian besar

mengalami penurunan IP dengan kategori sangat turun. Responden yang

mempunyai minor lebih banyak yang memiliki IP TPB lebih dari 3.50 sedangkan

responden yang tidak mempunyai minor lebih banyak yang memiliki IP TPB

3.00-3.50. Sebanyak 2 responden mengambil 24 SKS di semester 3 yang terdiri

dari 1 responden yang tidak mempunyai minor dan memiliki IP TPB 2.00-2.50

serta 1 responden yang mempunyai minor dan memiliki IP TPB 2.50-3.00. Pada

pembahasan ini muncul dugaan bahwa responden tersebut mengulang salah satu

mata kuliah TPB dan diambil lagi di semester 3. Sebagian besar responden yang

12

mempunyai minor maupun yang tidak mempunyai minor jarang menggunakan

dan membaca buku teks/diktat namun sering menggunakan slide kuliah dan

catatan kuliah sebagai media belajar pada semester 3. Responden yang tidak

mempunyai minor tidak ada yang menyatakan bahwa mata kuliah semester 3 lebih

mudah dibandingkan mata kuliah semester 2.

Gambar 7 Diagram pohon klasifikasi analisis CHAID

Klasifikasi pertama responden yang dipisahkan oleh peubah minor yaitu

responden yang tidak mempunyai minor terdiri dari 36 responden dengan rincian

5 tidak mengalami penurunan IP, 4 mengalami penurunan IP kategori turun, dan

27 mengalami penurunan IP kategori sangat turun. Klasifikasi kedua yaitu

responden yang mempunyai minor terdiri dari 211 responden dengan rincian 34

tidak mengalami penurunan IP, 81 mengalami penurunan IP kategori turun, dan

13

96 mengalami penurunan IP kategori sangat turun. Pohon klasifikasi analisis

CHAID menunjukkan bahwa responden yang mempunyai minor maupun yang

tidak mempunyai minor pada semester 3 sebagian besar mengalami penurunan IP

dengan kategori sangat turun. Perbandingan persentase responden yang

mengalami penurunan IP dengan kategori sangat turun untuk responden yang

tidak mempunyai minor lebih besar dibandingkan responden yang mempunyai

minor yaitu sebesar 75.0% sedangkan yang mempunyai minor sebesar 45.5%.

Klasifikasi responden yang tidak mempunyai minor pada semester 3

dipisahkan oleh peubah beasiswa menjadi dua klasifikasi. Klasifikasi pertama

terdapat pada simpul 5 yaitu responden dengan persentase sebesar 8.1% (n=20)

memiliki ciri-ciri tidak mempunyai minor dan menerima beasiswa pada semester

3 akan mempunyai peluang sebesar 80.0% mengalami penurunan IP dengan

kategori sangat turun dan mempunyai peluang sebesar 20.0% untuk tidak

mengalami penurunan IP. Klasifikasi kedua terdapat pada simpul 6 yaitu

responden dengan persentase sebesar 6.5% (n=16) memiliki ciri-ciri tidak

mempunyai minor dan tidak menerima beasiswa pada semester 3 akan

mempunyai peluang sebesar 68.8% mengalami penurunan IP kategori sangat

turun dan mempunyai peluang hanya sebesar 6.2% untuk tidak mengalami

penurunan IP. Responden yang menerima beasiswa maupun tidak menerima

beasiswa sebagian besar mengalami penurunan IP dengan kategori sangat turun,

namun berbeda pada persentase responden yang tidak mengalami penurunan IP.

Klasifikasi responden yang tidak mempunyai minor untuk responden yang

menerima beasiswa mempunyai persentase lebih besar mengalami penurunan IP

kategori sangat turun dibandingkan responden yang tidak menerima beasiswa. Hal

ini terjadi karena responden yang menerima beasiswa, persentase pengeluaran per

bulan kurang dari lima ratus ribu rupiah lebih besar yaitu sebesar 6.4%

dibandingkan yang tidak menerima beasiswa sebesar 1.1%. Pada kasus ini muncul

adanya dugaan lagi bahwa ada pengaruh masalah ekonomi pada responden.

Klasifikasi responden yang mempunyai minor pada semester 3 dibagi

menjadi dua klasifikasi berdasarkan keberadaan kelompok belajar semester 3.

Klasifikasi pertama terdapat pada simpul 3 mempunyai peluang responden

mengalami penurunan IP kategori sangat turun lebih kecil sebesar 37.2%

dibandingkan klasifikasi kedua yang terdapat pada simpul 4 yaitu sebesar 55.1%.

Hal ini ditunjukkan pada responden yang mempunyai minor bahwa persentase

responden yang mempunyai kelompok belajar di semester 3 lebih besar

dibandingkan yang tidak mempunyai kelompok belajar di semester 3. Responden

yang mempunyai kelompok belajar di semester 3 akan mempunyai peluang lebih

kecil untuk mengalami penurunan IP kategori sangat turun dibanding responden

yang tidak mempunyai kelompok belajar di semester 3.

Klasifikasi responden yang mempunyai minor dan kelompok belajar

semester 3 berikutnya dipisahkan berdasarkan motivasi memilih statistika pada

saat mengikuti seleksi masuk IPB. Klasifikasi pada simpul 7 dengan persentase

responden sebesar 34.8% (n=86) memiliki ciri-ciri responden yang mempunyai

minor, mempunyai kelompok belajar di semester 3, dan motivasi memilih

statistika pada saat mengikuti seleksi masuk IPB adalah keluarga atau diri sendiri.

Karakteristik responden pada simpul 7 akan mempunyai peluang sebesar 36.0%

mengalami penurunan IP kategori sangat turun dan peluang untuk tidak

mengalami penurunan IP sangat kecil yaitu sebesar 12.8%. Klasifikasi yang

14

terdapat pada simpul 8 dengan persentase responden sebesar 10.9% (n=27)

memiliki ciri-ciri responden yang mempunyai minor, mempunyai kelompok

belajar di semester 3, dan motivasi memilih statistika pada saat mengikuti seleksi

masuk IPB adalah orang lain/pihak luar yang mencakup guru dan teman.

Karakteristik responden pada simpul ini akan mempunyai peluang yang sama

besar untuk tidak mengalami penurunan IP maupun mengalami penurunan IP

kategori sangat turun yaitu sebesar 40.7%.

Terakhir adalah klasifikasi responden yang mempunyai minor dan tidak

mempunyai kelompok belajar semester 3 dipisahkan berdasarkan pengeluaran per

bulan. Klasifikasi yang terdapat pada simpul 9 dengan persentase responden

sebesar 8.9% (n=22) memiliki ciri-ciri responden yang mempunyai minor, tidak

memiliki kelompok belajar di semester 3, dan pengeluaran per bulan di atas satu

juta rupiah. Karakteristik responden pada simpul 9 akan mempunyai peluang

sebesar 50.0% mengalami penurunan IP dengan kategori sangat turun dan

mempunyai peluang sebesar 31.8% untuk tidak mengalami penurunan IP.

Klasifikasi pada simpul 10 dengan persentase responden sebesar 30.8% (n=76)

memiliki ciri-ciri responden yang mempunyai minor, tidak memiliki kelompok

belajar di semester 3, dan pengeluaran per bulan di bawah satu juta rupiah.

Karakteristik responden pada simpul ini akan mempunyai peluang sebesar 56.6%

mengalami penurunan IP dengan kategori sangat turun dan mempunyai peluang

hanya sebesar 6.6% untuk tidak mengalami penurunan IP. Responden yang

pengeluaran per bulannya di atas satu juta rupiah mempunyai peluang untuk tidak

mengalami penurunan IP lebih besar dibandingkan responden yang pengeluaran

per bulannya di bawah satu juta rupiah. Ringkasan karakteristik responden yang

mengalami penurunan IP pada diagram pohon klasifikasi analisis CHAID dapat

dilihat pada Lampiran 5.

Nilai ketepatan klasifikasi responden yang dihasilkan menggunakan analisis

CHAID sebesar 55.1%. Tabel 6 menunjukkan bahwa persentase untuk menduga

penurunan IP dengan kategori tidak turun secara benar sebesar 28.2%, menduga

penurunan IP dengan kategori turun secara benar sebesar 51.8%, dan menduga

penurunan IP dengan kategori sangat turun secara benar sebesar 65.9%. Model

pohon klasifikasi analisis CHAID pada penelitian ini lebih bagus untuk menduga

penurunan IP dengan kategori sangat turun dibanding kategori tidak turun maupun

turun.

Pohon klasifikasi analisis CHAID menunjukkan bahwa tidak ada interaksi

antar peubah penjelas. Pada pohon klasifikasi yang terbentuk tidak ada pengaruh

silang antar peubah penjelas karena peubah penjelas yang memisahkan pada

setiap percabangan berbeda.

Tabel 6 Ketepatan klasifikasi analisis CHAID

Amatan Dugaan

Ketepatan(%) Tidak turun Turun Sangat turun

Tidak turun 11 11 17 28.2%

Turun 5 44 36 51.8%

Sangat turun 11 31 81 65.9%

Persen total 10.9% 34.8% 54.3% 55.1%

15

SIMPULAN DAN SARAN

Simpulan

Sebagian besar responden mengalami penurunan IP dengan kategori sangat

turun yaitu sebesar 50%. Peubah penjelas yang masuk dalam diagram pohon

analisis CHAID yaitu peubah minor, kelompok belajar semester 3, beasiswa,

motivasi, dan pengeluaran per bulan. Peubah penjelas yang memiliki pengaruh

paling kuat dengan penurunan IP responden adalah minor. Pohon klasifikasi

analisis CHAID menunjukkan bahwa tidak ada interaksi antar peubah penjelas

karena tidak ada pengaruh silang antar peubah penjelas. Peluang klasifikasi

tertinggi yang menggolongkan penurunan IP responden dengan kategori sangat

turun yaitu responden yang memiliki ciri-ciri tidak mempunyai minor dan

menerima beasiswa pada semester 3. Nilai ketepatan klasifikasi responden yang

dihasilkan menggunakan analisis CHAID sebesar 55.1%. Model pohon klasifikasi

analisis CHAID pada penelitian ini lebih bagus untuk menduga penurunan IP

dengan kategori sangat turun dibanding kategori tidak turun maupun turun.

Saran

Berdasarkan hasil dan pembahasan pada penelitian ini, menunjukkan bahwa

ketidakberadaan minor di semester 3 tidak dapat dijadikan pertimbangan utama

agar tidak mengalami penurunan IP dengan kategori sangat turun karena

responden yang tidak mempunyai minor pada penelitian ini memiliki karakteristik

tertentu berdasarkan peubah penjelas lainnya. Selain itu, kelompok belajar di

semester 3 mempunyai peran yang cukup penting bagi mahasiswa statistika IPB

agar peluang mengalami penurunan IP dari semester 2 ke semester 3 lebih kecil.

Penelitian selanjutnya dapat dilakukan menggunakan metode lain seperti analisis

jaringan untuk membandingkan hasil yang diperoleh.

DAFTAR PUSTAKA

Agresti A. 1990. Categorical Data Analysis. USA: University of Florida.

Gallagher CA, Monroe HM, Fish JL. 2000. An Iterative Approach to

Classification Analysis [Internet]. [diunduh 2014 Januari 29]. Tersedia pada:

https://www.casact.org/pubs/dpp/dpp90/90dpp237.pdf.

Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of

Categorical Data. Applied Statistics [Internet]. [diunduh 2014 Januari 31].

29(2):119-127.Tersedia pada: http://www4.stat.ncsu.edu/~dickey/Analytics/

Datamine/Reference%20Papers/kass80.pdf.

Ritschard G. 2010. CHAID and Earlier Supervised Tree Methods. Switzerland:

Dept of Econometrics, University of Geneva.

Rokach L, Maimon O. 2008. Data Mining and Knowledge Discovery Handbook.

USA: World Scientific.

16

Lampiran 1 Kuesioner penelitian

KEMENTERIAN PENDIDIKAN NASIONAL

INSTITUT PERTANIAN BOGOR

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

DEPARTEMEN STATISTIKA

Jalan Meranti Wing 22, Level 4 Kampus IPB Dramaga-Bogor 16680

Kuesioner Penelitian

Terima kasih atas partisipasi Anda menjadi salah satu responden survei dan

bersedia mengisi kuesioner ini. Nama saya Novita Arianti (G14100048)

mahasiswa Departemen Statistika IPB yang saat ini sedang melakukan penelitian

mengenai Identifikasi Penurunan Indeks Prestasi Semester 2 ke Semester 3

Mahasiswa Statistika IPB Menggunakan Metode CHAID. Partisipasi Anda dalam

survei ini bersifat sukarela. Semua informasi dalam penelitian ini akan dijaga

kerahasiaannya dan akan digunakan untuk bahan penelitian.

No Kuesioner :

Tanggal Pengisian :

KARAKTERISTIK RESPONDEN (diisi sesuai kondisi di semester 3)

Nama :

NRP :

Jenis Kelamin : [1]Perempuan [2]Laki-laki

Minor : [1]Tidak ada minor [2]Ada minor

Asal Daerah : [1]Jabodetabek [2]Luar Jabodetabek

Asal Sekolah : [1]SMA Swasta [2]SMA Negeri

Beasiswa : [1]Menerima Beasiswa [2]Tidak Menerima Beasiswa

Pengeluaran per bulan : [1]Pengeluaran < 500000

[2]500000 ≤ Pengeluaran ≤ 1000000

[3]Pengeluaran > 1000000

No HP :

MOTIVASI DIRI

1. Pada saat mendaftar sebagai calon mahasiswa baru, Anda memilih Statistika

sebagai urutan ke berapa?

[1]Pertama [2]Kedua

2. Siapa yang memotivasi Anda untuk memilih Statistika sebagai pilihan?

[1]Diri sendiri [2]Orang tua [3]Teman [4]Guru

[5]Lainnya,sebutkan…

Petunjuk Pengisian Kuesioner:

1. Isilah pertanyaan–pertanyaan dalam kuesioner ini dengan menjawab

seluruh pertanyaan yang diajukan.

2. Hendaknya jawaban diberikan dengan jujur.

3. Beri tanda silang (X) pada pilihan yang disediakan.

17

KONDISI PERKULIAHAN 3. Bagaimana jumlah mata kuliah yang Anda ambil di semester 3 dibandingkan

pada saat semester 2?

[1] Lebih sedikit [2]Sama saja [3]Lebih banyak

4. Bagaimana kepadatan jam perkuliahan per inggu di semester 3 dibandingkan

pada saat semester 2?

[1] Lebih longgar [2]Sama saja [3]Lebih padat

5. Bagaimana intensitas tugas di semester 3 dibandingkan pada saat semester 2?

[1] Lebih sedikit [2]Sama saja [3]Lebih banyak

6. Bagaimana tingkat kesulitan mata kuliah secara umum di semester 3

dibandingkan pada saat semester 2?

[1] Lebih mudah [2]Sama saja [3]Lebih sulit

POLA BELAJAR

7. Bagaimana frekuensi belajar sendiri (di luar jam kuliah) di semester 3

dibandingkan pada saat semester 2?

[1]Lebih jarang [2]Sama saja [3]Lebih sering

8. Berapa rata-rata jumlah jam belajar sendiri Anda dalam satu minggu di

semester 3?

[1]Kurang dari 7 jam [2]7-15 jam [3]Lebih dari 15 jam

9. Apakah Anda memiliki kelompok belajar di semester 2?

[1]Ya [2]Tidak

10. Apakah Anda memiliki kelompok belajar di semester 3? Jika tidak, langsung

ke nomor 13. [1]Ya [2]Tidak

11. Bagaimana frekuensi belajar kelompok (di luar jam kuliah) di semester 3

dibandingkan pada saat semester 2?

[1]Lebih jarang [2]Sama saja [3]Lebih sering

12. Berapa rata-rata jumlah jam belajar kelompok Anda dalam satu minggu di

semester 3?

[1]Kurang dari 7 jam [2]7-15 jam [3]Lebih dari 15 jam

13. Bagaimana jumlah literatur/buku yang membantu Anda kuliah pada semester

3 dibandingkan pada saat semester 2?

[1]Lebih sedikit [2]Sama saja [3]Lebih banyak

14. Bagaimana intensitas pemakaian media sosial (Web Browser, Email, Google+,

Yahoo Messenger, Facebook, Twitter, WhatsApp, Line, Blackberry

Messenger, Gtalk, Mailing List) yang membantu belajar Anda di semester 3

dibandingkan pada saat semester 2?

[1]Lebih jarang [2]Sama saja [3]Lebih sering

15. Bagaimana intensitas penggunaan media belajar Anda di semester 3?

Media belajar Tidak pernah Jarang Sering

Buku teks/diktat

Slide kuliah

Catatan kuliah

Internet

Lainnya, sebutkan…

18

KEGIATAN ORGANISASI

16. Apakah Anda mengikuti kegiatan organisasi/kepanitiaan selama semester 2?

[1]Ya [2]Tidak

17. Apakah Anda mengikuti kegiatan organisasi/kepanitiaan selama semester 3?

Jika tidak, pertanyaan selesai. [1]Ya [2]Tidak

18. Bagaimana keterlibatan Anda dalam kegiatan organisasi/kepanitiaan yang

Anda ikuti di semester 3 dibandingkan pada saat semester 2?

[1]Lebih jarang [2]Sama saja [3]Lebih sering

19. Berapa rata-rata jumlah kegiatan organisasi yang melibatkan Anda dalam satu

minggu di semester 3?

[1]Kurang dari 3 kegiatan [2]3-5 kegiatan [3]Lebih dari 5 kegiatan

Terima kasih atas partisipasi Anda mengisi kuesioner penelitian saya,

semoga informasi yang Anda berikan dapat membantu kelancaran penelitian saya.

19

Lampiran 2 Pengkategorian peubah

Peubah Definisi Kategori

Y Penurunan IP [1]Tidak turun

[3]Sangat turun

[2]Turun

X1 Jenis kelamin [1]Perempuan [2]Laki-laki

X2 Minor [1]Tidak ada minor [2]Ada minor

X3 Asal daerah [1]Jabodetabek [2]Luar Jabodetabek

X4 Status asal sekolah [1]Swasta [2]Negeri

X5 Beasiswa [1]Menerima beasiswa [2]Tidak menerima

beasiswa

X6 Jalur masuk IPB [1]USMI/ SNMPTN

Undangan

[2]UTM

[3]BUD

[5]PIN

[4]SNMPTN Tertulis

X7 Pengeluaran per

bulan

[1]Pengeluaran<500000

[3]Pengeluaran>1000000

[2]500000≤Pengeluaran

≤1000000

X8 Pilihan mendaftar

statistika

[1]Pertama [2]Kedua

X9 Motivasi [1]Diri sendiri

[3]Orang lain/pihak luar

[2]Keluarga

X10 Jumlah SKS [1]Lebih sedikit

[3]Lebih banyak

[2]Sama saja

X11 Jumlah mata kuliah [1]Lebih sedikit

[3]Lebih banyak

[2]Sama saja

X12 Kepadatan jam

perkuliahan

[1]Lebih longgar

[3]Lebih padat

[2]Sama saja

X13 Intensitas tugas [1]Lebih sedikit

[3]Lebih banyak

[2]Sama saja

X14 Tingkat kesulitan

mata kuliah

[1]Lebih mudah

[3]Lebih sulit

[2]Sama saja

X15 Frekuensi belajar

sendiri

[1]Lebih jarang

[3]Lebih sering

[2]Sama saja

X16 Rata-rata jam belajar

sendiri per minggu

[1]Kurang dari 7 jam

[3]Lebih dari 15 jam

[2]7-15 jam

X17 Kelompok belajar

semester 2

[1]Punya [2]Tidak

X18 Kelompok belajar

semester 3

[1Punya [2]Tidak

X19 Jumlah literatur/buku [1]Lebih sedikit

[3]Lebih banyak

[2]Sama saja

X20 Intensitas pemakaian

media sosial

[1]Lebih jarang

[3]Lebih sering

[2]Sama saja

X21 Keikutsertaan

organisasi semester 2

[1]Ya [2]Tidak

X22 Keikutsertaan

organisasi semester 3

[1]Ya [2]Tidak

20

Lampiran 3 Deskripsi karakteristik responden berdasarkan peubah penjelasnya

95.5%

4.5%

Pertama

Kedua

urutan pilihan statistika

45.7%

30.0%

24.3%

Diri sendiri

Keluarga

Orang lain/pihak luar

motivasi memilih statistika

23.5%

18.6%

57.9%

Lebih sedikit

Sama saja

Lebih banyak

jumlah sks

34.8%

25.5%

39.7%

Lebih sedikit

Sama saja

Lebih banyak

jumlah mata kuliah

54.7%

17.8%

27.5%

Lebih longgar

Sama saja

Lebih padat

kepadatan jam perkuliahan

62.3%

15.8%

21.9%

Lebih sedikit

Sama saja

Lebih banyak

intensitas tugas

1.2%

2.4%

96.4%

Lebih mudah

Sama saja

Lebih sulit

tingkat kesulitan matkul

23.9%

54.3%

21.9%

Lebih jarang

Sama saja

Lebih sering

frekuensi belajar sendiri

54.7%

41.3%

4.0%

< 7 jam

7-15 jam

> 15 jam

rata-rata jam belajar sendiri

21

30.8%

69.2%

Ya

Tidak

kelompok semester 2

52.6%

47.4%

Ya

Tidak

kelompok semester 3

10.5%

34.4%

55.1%

Lebih sedikit

Sama saja

Lebih banyak

jumlah literatur/buku

4.9%

46.2%

49.0%

Lebih jarang

Sama saja

Lebih sering

intensitas penggunaan media

sosial

49.8%

50.2%

Ya

Tidak

organisasi semester 2

83.4%

16.6%

Ya

Tidak

organisasi semester 3

22

Lampiran 4 Diagram hubungan antara penurunan IP responden dengan peubah

penjelas

a. Grafik persentase penurunan IP responden berdasarkan urutan mendaftar

statistika, jumlah mata kuliah, intensitas tugas, kelompok belajar semester 2,

dan jumlah literatur/buku

b. Grafik persentase penurunan IP responden berdasarkan frekuensi jam belajar

sendiri, rata-rata jam belajar sendiri per minggu, intensitas pemakaian media

sosial, keikutsertaan organisasi semester 2, keikutsertaan organisasi semester 3

0%

20%

40%

60%

80%

100%

Per

tam

a

Ked

ua

Leb

ih s

edik

it

Sam

a sa

ja

Leb

ih b

anyak

Leb

ih s

edik

it

Sam

a sa

ja

Leb

ih b

anyak Y

a

Tid

ak

Leb

ih s

edik

it

Sam

a sa

ja

Leb

ih b

anyak

URUTAN JML MATKUL TUGAS KLP SMT2 LITERATUR

Persentase penurunan IP responden berdasarkan urutan, jumlah mata

kuliah, intensitas tugas, kelompok belajar semester 2, dan jumlah

literatur/buku

Sangat turun

Turun

Tidak turun

0%

20%

40%

60%

80%

100%

Lebih

jarang

Sama

saja

Lebih

sering

< 7

jam

7-15

jam

> 15

jam

Lebih

jarang

Sama

saja

Lebih

sering

Ya Tidak Ya Tidak

BLJR SENDIRI JAM BLJR

SENDIRI

MEDSOS ORG SMT2 ORG SMT3

Persentase penurunan IP responden berdasarkan frekuensi jam belajar

sendiri, rata-rata jam belajar sendiri per minggu, intensitas pemakaian media

sosial, keikutsertaan organisasi semester 2, keikutsertaan organisasi semester 3

Sangat turun

Turun

Tidak turun

23

Lampiran 5 Ringkasan analisis CHAID penurunan IP responden

Klasi

fikasi Simpul Karakteristik

Persentase (%) Banyak

mahasiswa

(n) Tidak

turun

Turun Sangat

turun

1 8 Ada minor; mempunyai

kelompok belajar

semester 3; motivasi

memilih statistika pada

saat mengikuti seleksi

masuk IPB adalah orang

lain/pihak luar

40.7 18.5 40.7 27

2 7 Ada minor; mempunyai

kelompok belajar

semester 3; motivasi

memilih statistika pada

saat mengikuti seleksi

masuk IPB adalah diri

sendiri atau keluarga

12.8 51.2 36.0 86

3 5 Tidak ada minor;

menerima beasiswa

20.0 0.0 80.0 20

4 6 Tidak ada minor; tidak

menerima beasiswa

6.2 25.0 68.8 16

5 9 Ada minor; tidak

mempunyai kelompok

belajar di semester 3;

pengeluaran per bulan di

atas satu juta rupiah

31.8 18.2 50.0 22

6 10 Ada minor; tidak

mempunyai kelompok

belajar di semester 3;

pengeluaran per bulan di

bawah satu juta rupiah

6.6 36.8 56.6 76

24

RIWAYAT HIDUP

Penulis dilahirkan di Rembang pada tanggal 29 November 1992 dari

pasangan Bapak Rasipan dan Ibu Siti Kalimah. Penulis merupakan anak pertama

dari tiga bersaudara. Tahun 2010 penulis lulus dari SMA Negeri 1 Rembang dan

pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB)

melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Departemen

Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam.

Selama mengikuti perkuliahan, penulis menjadi asisten praktikum mata

kuliah Metode Statistika pada tahun ajaran 2013/2014 untuk program sarjana

Departemen Manajemen. Penulis juga aktif mengajar mata kuliah Metode

Statistika di bimbingan belajar dan privat mahasiswa Mafia Clubs. Penulis aktif

dalam organisasi kemahasiswaan Gamma Sigma Beta sebagai staf Departemen

Human Resource and Development pada periode kepengurusan tahun 2012 dan

Bendahara Umum pada periode kepengurusan tahun 2013. Selain itu, penulis juga

aktif dalam beberapa kegiatan kepanitiaan di antaranya yaitu sebagai ketua divisi

Medis dalam acara Pekan Olahraga Statistika tahun 2011, staf divisi Lead Officer

dalam acara The 7th

Statistika Ria 2011, staf divisi Penginapan dalam acara Pesta

Sains Nasional tahun 2011, ketua divisi Lead Officer dalam acara The 8th

Statistika Ria 2012, staf divisi Penginapan dalam acara Pesta Sains Nasional tahun

2012, ketua divisi Konsumsi dalam acara One Day with Statisticians tahun 2013,

staf divisi penugasan dalam acara Welcome Ceremony of Statistics pada tahun

2013, dan staf divisi Lead Officer dalam acara Pesta Sains Nasional tahun 2013.

Pada bulan Juli-Agustus 2013 penulis melaksanakan Praktik Lapang di Lingkaran

Survei Indonesia (LSI).