1

1. Nina Milana adalah mahasiswa jurusan Matematika, FMIPA, Universitas Negeri Malang
2. Abadyo adalah mahasiswa jurusan Matematika, FMIPA, Universitas Negeri Malang

CHAID UNTUK MENGKLASIFIKASI STATUS MAHASISWA
SETELAH LULUS PERKULIAHAN
(Studi Kasus Pada Alumnus Prodi Matematika. Jurusan Matematika.
FMIPA. Universitas Negeri Malang. Tahun 2007-2012)


Nina Milana
1
dan Abadyo
2
Universitas Negeri Malang
E-mail : Nienaz.Chic@yahoo.com


ABSTRAK : Tujuan penelitian ini adalah mengklasifikasi status mahasiswa
setelah lulus perkuliahan dengan menggunakan metode CHAID. Variabel
terikat (dependent) adalah status mahasiswa setelah lulus perkuliaahan,
sedangkan variabel bebasnya (independent) meliputi umur ketika yudisium,
umur ketika bekerja pertama, jenis kelamin, status nikah ketika yudisium, IPK,
kemampuan berbahasa Inggris dan keaktifan organisasi. Melalui metode
CHAID (Chi-Square Automatic Interaction Detection) disimpulkan bahwa
untuk alumnus yang bekerja kurang dari atau sama dengan 6 bulan memiliki
karakteristik yaitu alumnus dengan status belum menikah ketika yudisium yang
mempunyai IPK lebih dari 3.00 dan usia ketika bekerja pertama kali adalah
kurang dari atau sama dengan 25 tahun. Kategori mendapatkan pekerjaan lebih
dari 6 bulan memiliki karakteristik alumnus berstatus belum menikah ketika
yudisium yang mempunyai IPK lebih dari 2.75 hingga kurang dari atau sama
dengan 3.00, sedangkan untuk kategori yang tidak bekerja memiliki
karakteristik alumnus yang sudah menikah ketika yudisium.

Kata kunci : CHAID, klasifikasi, status mahasiswa setelah lulus perkuliahan

Pengangguran sudah menjadi masalah pokok bangsa ini dan yang lebih
menghawatirkan apabila pengangguran justru terjadi pada lulusan perguruan
tinggi, dimana diketahui lulusan perguruan tinggi diharapkan bisa menjadi
tonggak kebangkitan negara Indonesia ini untuk lebih baik kedepanya. Pada
lulusan Prodi Matematika, FMIPA, Universitas Negeri Malang sendiri misalnya,
tidak sedikit alumnus dari prodi matematika yang belum bekerja setelah lulus dari
perkuliahan. Berbagai macam hal melatarbelakangi terjadinya pengangguran
lulusan sarjana tersebut misalkan saja nilai IPK, keaktifan dalam organisasi,
prestasi-prestasi yang pernah diperoleh selama perkuliahan dan lain sebagainya.
Dengan mengklasifikasikan faktor-faktor yang mengakibatkan pangangguran
untuk lulusan sarjana, maka diharapkan mampu memberikan informasi sehingga
lulusan perguruan tinggi terutama untuk prodi matematika yang menganggur
dapat diminimalisasikan.
Klasifikasi merupakan salah satu bahasan yang sering dikaji dalam
statistika. Menurut Hamakonda dan Tairas (1991:1) klasifikasi adalah
pengelompokkan yang sistematis pada sejumlah objek, gagasan, buku atau benda-
benda lain ke dalam kelas atau golongan tertentu berdasarkan ciri-ciri yang sama.
Salah satu metode yang menggunakan tekhnik klasifikasi yaitu metode
CHAID (Chi- Squared Automatic Interaction Detection). Metode CHAID
umumnya dikenal sebagai metode pohon klasifikasi (Classification Tree Method).
Inti dari metode ini adalah membagi data menjadi kelompok-kelompok yang lebih
2


kecil berdasarkan keterkaitan antara variabel terikat dengan variabel bebas.
Analisis CHAID digunakan ketika data yang dipakai adalah data dengan variabel-
variabel kategorik. Metode CHAID hanya efektif bila diterapkan pada data
dengan pengamatan yang banyak (Steyn & Stumph, 1986). CHAID memiliki
kelebihan yaitu pada hasil output yang mana output grafis berupa sebuah pohon
klasifikasi sehingga membuat metode ini lebih mudah diintepretasikan karena bisa
dilihat langsung bagaimana pola pemisahan dan penggabungan variabel bebas
pada prosesnya.
Secara garis besar CHAID dapat dibagi dalam tiga tahap yaitu:
1. Tahap penggabungan (Merging)
Tahap penggabungan kategori dapat dilakukan pada variabel bebas yang
memiliki kategori lebih dari dua. Penggabungan kategori ditetapkan dengan
cara mencari pasangan kategori yang memiliki lebih dari nilai _
2
paling besar
untuk setiap variabel bebas. Nilai _
2
htung
dibandingkan dengan nilai
_
2
tubcI
, jika nilai _
2
htung
lebih besar dari _
2
tubcI
maka kategori-kategori
tersebut digabungkan. J ika nilai _
2
htung
terbesar masih labih kecil dari
_
2
tubcI
maka tidak ada kategori dalam variabel bebas tersebut yang perlu
digabungkan. J ika variabel bebas hanya memiliki dua kategori dan nilai
_
2
htung
kurang dari _
2
tubcI
maka variabel ini dikeluarkan dari model.
Periksa kembali kesignifikansian kategori baru setelah digabung dengan
kategori lainnya dalam variabel independent, jika masih ada pasangan yang
belum signifikan, ulangi langkah penggabungan kategori, namun jika semua
sudah signifikan lanjutkan langkah berikutnya yakni menghitung p-value
terkoreksi Bonferroni yang didasarkan pada hasil penggabungan.
2. Pemisahan (splitting)
tahap ini memilih variabel bebas yang mana yang akan digunakan sebagai
split node (pemisah node) yang terbaik. Pemilihan dikerjakan dengan
membandingkan p-value (dari tahap merging) pada setiap variabel bebas.
Langkah splitting adalah dengan memilih variabel bebas yang memiliki p-
value terkecil (paling signifikan) yang akan digunakan sebagai split node, jika
p-value kurang dari sama dengan tingkat spesifikasi alpha, split node
menggunakan variabel bebas ini, namun jika tidak ada variabel bebas dengan
nilai p-value yang signifikan maka tidak dilakukan split dan node ditentukan
sebagai terminal node (node akhir).
3. Penghentian (stopping)
Pembentukan pohon harus dihentikan sesuai dengan peraturan pemberhentian
yakni jika tidak ada lagi variabel bebas yang signifikan atau jika pohon
mencapai batas nilai maksimum pohon dari spesifikasi yang ditentukan.
CHAID akan membedakan variabel-variabel bebas kategorik menjadi
tiga bentuk yang berbeda (Gallagher: 2000), yaitu:
a. Variabel Independent Monotonik
Yaitu variabel indenpenden yang kategori di dalamnya dapat
dikombinasikan atau digabungkan oleh CHAID hanya jika keduanya
berdekatan satu sama lain atau mengikuti urutan aslinya (data ordinal).
Contohnya: usia atau pendapatan.

b. Variabel Independent Bebas
3


Yaitu variabel Independent yang kategori di dalamnya dapat
dikombinasikan atau digabungkan ketika keduanya berdekatan ataupun tidak (data
nominal). Contohnya: pekerjaan, kelompok etnik, dan area geografis.

Koreksi Bonferroni (Bonferroni Correction)
Koreksi Bonferroni adalah suatu proses koreksi yang digunakan ketika
beberapa uji statistik untuk kebebasan atau ketidakbebasan dilakukan secara
bersamaan (Sharp, 2002).
Ketika terdapat sebanyak H uji perbandingan yang sudah dikatakan
bebas satu sama lain, peluang untuk melakukan kesalahan tipe 1 atau o (dalam
satu atau lebih uji-uji tersebut) akan sama dengan 1 dikurangi peluang untuk tidak
melakukan kesalahan tipe satu dalam uji-uji tersebut, dimana nilainya akan lebih
besar dari o yang telah ditentukan. Secara umum hal tersebut dapat dirumuskan
sebagai berikut:
1(1o)
M
>o ,

dimana :
H = Pengali Bonferroni
o = salah tipe 1
Gallagher (2000) menyebutkan bahwa pengali Bonferroni untuk masing-
masing jenis variabel bebas adalah sebagai berikut:
1. Variabel Independent Monotonik
H =_
c 1
r 1
]
2. Variabel Independent Bebas
H =(1)

(r 1)
c
i!(r i)!
-1
=0

dimana :
H = Pengali Bonferroni
c = Banyak kategori variabel bebas awal, dimana c >r
r = Banyak kategori variabel bebas setelah penggabungan.

Diagram Pohon (Tree Diagram)
Hasil pembentukan segmen dalam CHAID akan ditampilkan dalam
sebuah diagram pohon. Diagram pohon CHAID mengikuti aturan dari atas ke
bawah (Top-down stopping rule), dimana diagram pohon disusun mulai dari
kelompok induk, berlanjut di bawahnya sub kelompok yang berturut-turut dari
hasil pembagian kelompok induk berdasarkan kriteria tertentu (Myers, 1996).
Setiap node akan berisi keseluruhan sampel dan frekuensi absolut n

untuk tiap
kategori yang disusun di atasnya. Pada pohon klasifikasi CHAID terdapat istilah
kedalaman (depth) yang berarti banyaknya tingkatan node-node sub kelompok
sampai ke bawah pada node sub kelompok yang terakhir.
Secara ringkas, Bagozzi (1994) menyatakan bahwa, diagram pohon, yang
merupakan inti dari analisis CHAID, akan berisi:
1. Simbol yang menerangkan tentang kategori tertentu (atau kategori-kategori
yang telah digabungkan).
2. Sebuah ringkasan data dari variabel terikat dalam kelompok tersebut (misalnya
persentase respon).
4


3. Ukuran sampel untuk kelompok biasa dilambangkan dengan n.

METODOLOGI
Sampel Penelitian
Sampel dalam penelitian ini adalah alumnus Prodi Matematika, Jurusan
Matematika, FMIPA, Universitas Negeri Malang dari tahun 2007 hingga 2012
yang di ambil sebanyak 50 orang.

Variabel Penelitian
Penilitian ini menggunakan dua variabel yaitu variabel terikat dan
variabel bebas. Variabel terikat (dependent) yang dilambangkan dengan (),
maliputi: mahasiswa setelah lulus perkuliahan dengan status bekerja dengan
selang waktu menganggur kurang dari atau sama dengan 6 bulan (
1
), mahasiswa
setelah lulus perkuliahan dengan status bekerja dengan selang waktu menganggur
lebih dari 6 bulan (
2
), dan mahasiswa setelah lulus perkuliahan dengan status
tidak bekerja (
3
). Variabel bebas (independent) yang dilambangkan dengan
(X) yang meliputi: umur saat yudisium (X
1
), umur saat mendapatkan pekerjaan
yang pertama (X
2
), jenis kelamin (X
3
), status pernikahan ketika responden
yudisium (X
4
), IPK (X
5
), kektifan dalam organisasi (X
6
), dan kemampuan bahasa
Inggris (X
7
)
Dan pada penelitian ini data yang dipakai adalah data dengan variabel-
variabel kategorik. Variabel kategorik adalah variabel yang memberikan label
sesuai pengamatan dan dialokasikan untuk salah satu dari beberapa kemungkinan.

Sumber Data
Data yang dipakai dalam penelitian ini adalah data primer, yaitu data
yang diperoleh melalui pembagian atau penyebaran daftar pertanyaan (kuesioner)
yang diberikan kepada alumnus Prodi Matematika, Jurusan Matematika, FMIPA,
Universitas Negeri Malang tahun lulus 2007-2012.

Analisa Data
Metode analisis data yang digunakan pada penelitian ini yaitu yang
pertama membagi data berdasarkan kategori yang ditentukan kemudian
menentukan semua skala variabel yang akan digunakan dengan tepat dan benar
setelah itu dialakukan proses matematis analisis CHAID, dengan menerapkan 3
langkah analisis CHAID, yaitu langkah : penggabungan, pemisahan, dan
pemberhentian. Dalam langkah penggabungan akan mulai diterapkan uji chi-
square dan pengali Bonferroni sebagai pengoreksinya, kemudian dilakukan iterasi
pada langkah kedua dan proses iterasi akan berhenti apabila sudah tidak ada lagi
variabel independen yang tersisa untuk diuji hubungannya dengan variabel
dependen, atau juga apabila terbentuknya node pada diagram pohon telah
memenuhi batasan yang ditentukan. Proses ini disebut dengan proses
pemberhentian. Yang terakhir adalah menentukan segmentasi status mahasiswa
dengan menginter pretasikan diagram pohon CHAID dan menentukan target
berdasarkan hasil segmentasi mahasiswa yang sudah terbentuk.



5


PEMBAHASAN
Pada iterasi pertama diperoleh variabel status pernikahan ketika
responden yudisium (X
4
) sebagai node awal atau kedalaman (depth) pertama, hal
tersebut dilakukan karena memiliki nilai chi-square terbesar yaitu 21.467. Iterasi
kedua variabel IPK dimasukkan ke dalam diagram pohon untuk kedalaman ke-2
karena mempunyai nilai _
2
htung
terbesar yaitu 17.653, kemudian dilakukan
proses penggabungan dan diperoleh kategori baru yaitu kategori 1 dengan kriteria
IPK 2.75 300 dan kategori 2 denga kriteria IPK >3.00 dengan _
2
htung
baru
yakni 14.330, p-value sebesar 0.002 dan nilai koreksi Bonferroni sebasar 0.41262.
Iterasi ketiga variabel usia bekerja pertama masuk dalam pohon klasifikasi
sebagai kedalaman ketiga, karen memiliki _
2
htung
terbesar yaitu 14.782,
kemudian dilakukan penggabunga kategori dan diperoleh kategori baru yakni
kategori 1 dengan kriteria usia 21 25 tahun dan kategori 2 dengan kategori usia
>25 tahun sehingga diperoleh nilai _
2
htung
baru yakni 13.943, p-value 0.002
dan nilai koreksi Bonferroni sebesar 0.0975.
Analisis CHAID menghasilkan suatu diagram pohon yang
menggambarkan penggabungan berdasarkan hubungan antar variabel terikat
(dependent) dengan variabel bebas (independent). Berikut ini adalah diagram
pohon CHAID:

Gambar 4.9. Diagram pohon CHAID
Sumber : data diolah SPSS 17.0 (2013)
Dari 7 variabel yang telah diolah dengan CHAID, ada 4 variabel yang
berasosiasi atau memiliki keterkaitan dengan status pekerjaan alumnus, yaitu :
1. Status Pernikahan
2. IPK
3. Usia saat bekerja pertama kali
6


Berikut adalah tabel klasifikasi beserta karakteristik dari
pengklasifikasiannya berdasarkan pada diagram 4.9:


Tabel 4.21 Pengklasifikasian berdasarkan diagram pohon CHAID
Klasifikasi Node Karakteristik
Ke-1 1, 3
Alumnus berstatus belum menikah ketika yudisium yang mempunyai
IPK kurang dari atau sama dengan 3.00.
Ke-2 1, 4,5
Alumnus berstatus belum menikah ketika yudisium yang mempunyai
IPK lebih dari 3.00 dan usia ketika bekerja pertama kurang dari atau
sama dengan 25 tahun.
Ke-3 1, 4, 6
Alumnus berstatus belum menikah ketika yudisium yang mempunyai
IPK lebih dari 3.00 dan usia ketika bekerja pertama lebih dari 25 tahun.
Ke-4 2 Alumnus yang sudah menikah ketika yudisium
Sumber : data diolah (2013)

Berdasarkan pengklasifikasian pada tabel di atas, maka berikut ini
diberikan tabel persentase setiap klasifikasinya:
Tabel 4.22 Persentase Pengklasifikasian
Klasifikasi
Bekerja bulan Bekerja >6 bulan Tidak bekerja
Jumlah
alumni
persentase
Jumlah
Alumni
Persentase
Jumlah
Alumni
Persentase
Ke-1 3 21.4% 10 71.4% 1 7.1%
Ke-2 21 91.3% 1 4.3% 1 4.3%
Ke-3 1 25% 3 75% 0 0%
Ke-4 1 11.1% 2 22.2% 6 66.7%
Sumber : data diolah (2013)

Pada kategori bekerja kurang dari atau sama dengan 6 bulan diperoleh
presentase tertinggi pada klsifikasi ke-2 yaitu sebesar 91.3% atau sebanyak 21
responden. Untuk kategori bekerja lebih dari 6 bulan diperoleh persentase
tertinggi pada klasifikasi ke-1 yakni sebesar 71.4% atau sebanyak 10 responden.
Sedangkan untuk kategori tidak bekerja persentase tertinggi adalah pada
klasifikasi ke-4 yaitu dengan besar persentase 66.7% atau sebanyak 6 orang
responden.

Risk dan Classification
Tabel 4.26 Risk
Risk
Estimate Std. Error
.200 .057
Growing Method: CHAID
Dependent Variable:
Status_Pekerjaan
Sumber : data diolah SPSS 17.0 (2013)

Tabel risk digunakan untuk menuguji kebaikan model. Estimasi
menunjukkan nilai 0.200 atau risiko sebesar 20%, hal ini memiliki arti bahwa
model akan salah memprediksi atau salah mengklasifikasi status pekerjaan
responden sebesar 20%.
7






Tabel 4.27 Classification
Classification
Observed
Predicted
Bekerja <=6 bulan Bekerja >6 bulan Tidak bekerja Percent Correct
Bekerja <=6 bulan 21 4 1 80.8%
Bekerja >6 bulan 1 13 2 81.3%
Tidak bekerja 1 1 6 75.0%
Overall Percentage 46.0% 36.0% 18.0% 80.0%
Growing Method: CHAID
Dependent Variable: Status_Pekerjaan
Smber : data diolah SPSS 17.0 (2013)

Pada tabel Classification diketahui bahwa untuk kategori bekerja kurang
dari atau sama denagn 6 bulan ada 26 reponden dengan prediksi modelnya adalah
bekerja bekerja kurang dari atau sama dengan 6 bulan sebanyak 21 responden
(good predicted), sedangkan untuk bekerja lebih dari 6 bulan sebanyak 4
responden dan tidak bekerja sebanyak 1 responden (misclasification).
Kategori bekerja lebih dari 6 bulan ada16 responden dengan prediksi
modelnya adalah 13 responden bekerja lebih dari 6 bulan, sedangkan 1 responden
bekerja kurang dari atau sama dengan 6 bulan dan 6 responden tidak bekerja
(misclasification).
Kategori tidak bekerja ada 8 responden dengan prediksi modelnya adalah
tidak bekerja 6 responden (good predicted) dan 2 orang bekerja (misclasification).
Percent correct untuk overall percentage sebesar 80%, hal ini memiliki
arti bahwa model pada kasus ini dapat dikatakan benar.

PENUTUP
Kesimpulan
Dari proses analisis dengan metode CHAID (Chi-Square Automatic
Interaction Detection) diperoleh hasil bahwa untuk kategori mendapatkan
pekerjaan kurang dari atau sama dengan 6 bulan memiliki karakteristik yaitu
alumnus dengan status belum menikah ketika yudisium yang mempunyai IPK
lebih dari 3.00 dan usia ketika bekerja pertama kali adalah kurang dari atau sama
dengan 25 tahun. Kategori mendapatkan pekerjaan lebih dari 6 bulan memiliki
karakteristik alumnus berstatus belum menikah ketika yudisium yang
mempunyai IPK lebih dari 2.75 hingga kurang dari atau sama dengan 3.00.
Sedangkan untuk kategori yang tidak bekerja memiliki karakteristik alumnus
yang sudah menikah ketika yudisium.

Saran
Saran dalam penelitian berikutnya dalam penggunaan metode CHAID
untuk mengklasifikasi status mahasiswa setelah lulus perkuliahaan (bekerja atau
tidak bekerja) sebaiknya melibatkan lebih banyak varibel bebas misalnya mata
kuliah konsentrasi yang diambil, banyak sedikitnya informasi lowongan kerja
yang diperoleh alumnus, memiliki keahlian khusus dibidang lain dan lain
8


sebagainya, sehingga struktur CHAID yang terbentuk dapat memasukkan lebih
banyak faktor-faktor yang berpengaruh terhadap status pekerjaan. Selain itu
dengan lebih banyak variabel diharapkan hasil penelitian ini dapat lebih akurat.
Metode CHAID ini dapat pula dilakukan untuk penelitian pada ruang lingkup
yang lain, misalnya pada bidang kesehatan, pemasaran, perbankan dan lain
sebagainya.

Daftar Pustaka
Bagozzi, R, P. 1994. Advenced Methode of Marketing Research. Oxford:
Blackwell publisher Ltd. (Online), www.gbv/de/dms/Advenced_
Methodes_of_Marketing_Research/128987839bagoz.pdf. Tanggal akses :
12 Desember 2012.
C, Gallagher. 1984. Risk Classification Aided by New Software Tool (CHAID-
Chi-Square Automatic Interaction Detector, National Underwrute
Property and Casualty Risk and Benefit Management , Vol.17, No. 19.
(Online), www.casact.org/library/ratemaking/90dp237.pdf. Tanggal akses:
28 Oktober 2012.
Du Toit, Steyn and Stump. 1986. Graphical Exploratory Data Analisys. New
York: Springer-Verlag.
Ferdinand, Audusty, 2006, Metode Penelitian Management, Badan Penerbit
Universitas Diponegor, Semarang.
Hamandoko, Towa dan Tairas, J, 1999, Pengantar Klasifikasi Persepuluhan
Dewey. Jakarta:BPK Gunung Mulia.
Sekaran, Uma. 2003. Research Methods for Businiss: a skill Building Approach.
(4
th
ed). New York: John Wiley and Sons.
Sharp, A, J, Romanik. And S, Cierpicki. 2002. The Performance of Segmentation
Variables: A Compairative Study. (Online), http://130.195.95.71:8081/
www/ ANZMAC1998/Cd_rom/Sharp222.pdf. Tanggal akses: 15 Oktober
2012.
ga:lri:
I
.
:,;l.iir:;,:
r1!+:iji:,1i,ir1!Iji
&tikel oteto Nim MiIffi ini rclah
diperiksa dan disctr*ui.
Matang Mei 2013
NrP. 19520424t974t2tffi
Ms
-9t
I
WY
t$rpWapa
Nil\d.4@3t2l.,l9794
Pe,mbimbirg