Abstrak—Setiap perguruan tinggi memiliki kewajiban dalam kewajiban untuk mengontrol prestasi belajar setiap maha-
mengontrol prestasi mahasiswanya untuk menghasilkan lulusan siswanya dan menghasilkan lulusan yang berkualitas. Seluruh
yang berkualitas. Ukuran prestasi mahasiswa diantaranya perguruan tinggi juga dituntut untuk menjamin mutu lulusan,
adalah indeks prestasi dan lama studi yang menghasilkan
dimana mutu ini dimaksudkan bahwa lulusan perguruan tinggi
predikat kelulusan. Predikat kelulusan dipengaruhi oleh
beberapa faktor tertentu. Dalam penelitian ini, variabel respon dapat langsung dimanfaatkan oleh stakeholders. Bagi Institut
adalah predikat kelulusan yang terdiri dari dengan pujian, Teknologi Sepuluh Nopember (ITS) Surabaya menjaga dan
sangat memuaskan, dan memuaskan. Analisis regresi logistik meningkatkan mutu merupakan perhatian utama untuk
ordinal merupakan salah satu metode yang tepat karena variabel meningkatkan kualitas lulusan. Ukuran prestasi mahasiswa S1
respon mempunyai skala ordinal (bertingkat). Terdapat ITS diantaranya adalah nilai indeks prestasi (IP) dan lama
beberapa variabel prediktor yang diduga berpengaruh pada
dalam menyelesaikan masa studi. Berdasarkan IP dan lama
predikat kelulusan antara lain fakultas, jenis kelamin, asal
daerah, jalur masuk ITS, status SMA, pekerjaan ayah, studi ditetapkan sebuah predikat kelulusan. Berbagai analisis
pekerjaan ibu, dan pendapatan orang tua. Data merupakan data yang dapat digunakan untuk mengukur prestasi mahasiswa
sekunder dari Badan Akademik ITS. Mayoritas lulusan salah satunya adalah analisis regresi.
mahasiswa mempunyai predikat sangat memuaskan. Predikat Penelitian ini bertujuan untuk mengetahui karakteristik
kelulusan dengan pujian telah menunjukkan angka sebesar 23%,
hal ini berarti jumlah lulusan mahasiswa dengan mudah
prestasi belajar mahasiswa dan dapat memodelkan faktor-
mencapai predikat tersebut. Secara pengujian serentak, faktor faktor yang dapat mempengaruhi predikat kelulusan program
yang berpengaruh adalah fakultas, jenis kelamin, jalur S1. Hasil penelitian ini diharapkan dapat memberikan infor-
penerimaan, pekerjaan ayah, pekerjaan ibu dan pendapatan. masi tambahan dalam melakukan seleksi mahasiswa program
sarjana. Data yang digunakan tidak terdapat data yang hilang
Kata Kunci— Predikat kelulusan, prestasi mahasiswa, regresi (missing data).
logistik ordinal.
ke-r pada p variabel prediktor P(Y r xi ) [4]. Peluang H1 : paling sedikit ada satu βk ≠ 0 ; k = 1, 2, …, p
kumulatif P(Y r xi ) didefinisikan sebagai berikut. Statistik uji yang digunakan adalah statistik uji G atau
p Likelihood Ratio Test.
exp 0r k xik
k 1 n n n
n0 0 n1 1 n2 2
P(Y r xi ) π(x) (1)
p
1 exp 0r k xik n n n
G 2 2 ln n (7)
k 1
dimana xi xi1 , xi 2 ,..., xip merupakan nilai pengamatan ke-i 0 xi y0i 1xi y1i 2 xi y2i
(i = 1, 2, …, n) dari setiap variabel p variabel prediktor [5]. i 1
Pendugaan parameter regresi dilakukan dengan cara dimana,
n n n
menguraikannya menggunakan transformasi logit dari n0 y0i , n1 y1i , n2 y2i , n n0 n1 n2
P(Y r xi ) . i 1 i 1 i 1
P(Y r xi ) Daerah penolakan H0 adalah jika G 2 2 ,v dengan derajat
LogitP (Y r xi ) ln (2)
1 P(Y r xi )
bebas v atau nilai p-value < α. Statistik uji G mengikuti
Persamaan 3 didapatkan dengan mensubsitusikan persamaan 1 distribusi Chi-square dengan derajat bebas p [4].
dan persamaan 2. Uji Parsial
p Pengujian ini dilakukan untuk memeriksa kemaknaan ko-
LogitP(Y r xi ) β 0r β k xik (3)
efisien β secara parsial dengan menggunakan statistik uji.
k 1
dengan nilai βk untuk setiap k = 1, 2, …, p pada setiap model H0 : βk = 0
regresi logistik ordinal adalah sama. Jika terdapat tiga H1 : βk ≠ 0 ; k = 1, 2, …, p
kategori respon dimana r = 1, 2, 3 maka peluang kumulatif Statistik uji yang digunakan adalah statistik uji Wald.
dari respon ke-r seperti pada persamaan 4 dan 5. ˆk
p
exp β01 βk xik
W
SE ˆk (8)
P(Y 1 xi ) k 1
(4) Daerah penolakan H0 adalah W Z 2 atau W 2 2 ,v
p
1 exp β01 βk xik
dengan derajat bebas v atau nilai p-value < α [4].
k 1
D. Prestasi Akademik
p
exp β02 βk xik Prestasi belajar atau prestasi akademik adalah hasil
k 1 perubahan pada diri pembelajar yang meliputi aspek kognitif,
P(Y 2 xi ) (5)
p
1 exp β02 βk xik afektif dan psikomotor, yang merupakan bukti suatu usaha
k 1 yang dapat dicapai dalam belajar [6]. Prestasi belajar atau
Berdasarkan kedua peluang kumulatif pada persamaan 4 dan prestasi akademik yang dimaksud adalah prestasi belajar yang
5, didapatkan peluang untuk masing-masing kategori respon berupa data kuantitatif yang sudah disertakan dalam buku
sebagai berikut. pedoman akademik [7]. Prestasi belajar seseorang sesuai
p dengan tingkat keberhasilan sesuatu dalam mempelajari materi
exp β01 βk xik
k 1 pelajaran yang dinyatakan dalam bentuk indeks prestasi setiap
P(Yr 1) 1 ( x)
p bidang studi setelah mengalami proses belajar mengajar.
1 exp β01 βk xik
k 1 Prestasi belajar mahasiswa dapat diketahui setelah diadakan
p p evaluasi. Hasil dari evaluasi dapat memperlihatkan tentang
exp β02 βk xik exp β01 βk xik tinggi atau rendahnya prestasi belajar mahasiswa.
P(Yr 2) 2 ( x) k 1 k 1 (6)
p p E. Predikat Kelulusan
1 exp β02 βk xik 1 exp β01 βk xik
k 1 k 1 Menurut peraturan ITS nomor : 05815/i2/pp/2009 tentang
p peraturan akademik ITS tahun 2009 pasal 25 ayat 2 poin b
exp β02 βk xik
k 1 menyebutkan bahwa Predikat kelulusan program D-IV dan
P(Yr 3) 3 ( x) 1
p program sarjana ditetapkan berdasarkan IP dan masa studi
1 exp β02 βk xik
k 1 seperti pada Tabel 1.
Tabel 1.
Predikat Kelulusan
Predikat IP Lama Studi
Dengan pujian 3,51 ≤ IP ≤ 4,00 dan masa studi ≤ 8 semester;
5. Status SMA (X5)
Sangat 3,51 ≤ IP ≤ 4,00 dan masa studi > 8 semester; atau 1 = Negeri
Memuaskan 2,76 ≤ IP ≤ 3,50 dan masa studi = 9 atau 10 semester; 2 = Swasta
Memuaskan
2,76 ≤ IP ≤ 3,50 dan masa studi > 10 semester; 6. Pekerjaan Ayah (X6)
2,00 ≤ IP ≤ 2,75 1 = ABRI
2 = Buruh/Petani/Nelayan
Faktor Demografi 3 = Guru/Dosen
Demografi adalah ilmu yang mempelajari persoalan dan 4 = Pedagang/Wiraswasta/Pegawai
keadaan perubahan-perubahan penduduk yang berhubungan 5 = Pensiunan
dengan komponen-komponen perubahan tersebut seperti 6 = Profesional Perorangan
kelahiran, kematian, migrasi sehingga menghasilkan suatu 7 = lain-lain
keadaan dan komposisi penduduk menurut umur dan jenis 7. Pekerjaan Ibu (X7)
kelamin [9]. 1 = ABRI
Faktor Lingkungan 2 = Buruh/Petani/Nelayan
Salah satu faktor yang paling berpengaruh terhadap 3 = Guru/Dosen
prestasi belajar ialah status sosial ekonomi orang tua, siswa 4 = Pedagang/Wiraswasta/Pegawai
yang status ekonomi orang tuanya baik, berkecukupan, 5 = Pensiunan
6 = Profesional Perorangan
mampu, kaya menunjukkan nilai yang lebih tinggi dalam tes
7 = lain-lain
kemampuan akademik, dalam tes hasil belajar dan lamanya
8. Pendapatan (X8)
bersekolah daripada mereka yang status sosial ekonomi orang
1 = sampai dengan Rp 1.000.000
tuanya rendah atau kurang menguntungkan, kurang berada, 2 = Rp 1.000.000 – Rp 2.500.000
dan miskin [10]. 3 = Rp lebih dari Rp 2.500.000
Langkah analisis dimulai dengan menganalisis karakteristik
III. METODOLOGI PENELITIAN prestasi mahasiswa program S1 periode lulusan 104–105
Data yang digunakan dalam penelitian kali ini merupakan menggunakan analisis deskriptif dengan membuat tabulasi
data sekunder tentang prestasi akademik yaitu predikat kelu- silang. Selanjutnya, menentukan model regresi logistik ordinal
lusan dari mahasiswa program S1 ITS periode lulusan 104- untuk memperoleh faktor-faktor yang berpengaruh pada prestasi
105. Data ini diperoleh dari Badan Akademik ITS Surabaya. akademik. Langkah pertama dengan melakukan uji signifikansi
Variabel respon yang digunakan adalah predikat kelulusan parameter secara serentak dan parsial, kemudian menentukan dan
yang terdiri dari 3 kategori yaitu, menginterpretasikan model regresi logistik ordinal. Selanjutnya
1 = dengan pujian melakukan uji signifikansi parameter secara individu, kemudian
2 = sangat memuaskan menentukan dan menginterpretasikan model regresi. Langkah
3 = memuaskan selanjutnya yaitu melakukan pengujian kesesuaian model dengan
Variabel prediktor yang digunakan dalam penelitian ini menggunkan uji deviance dan menghitung serta menginter-
antara lain sebagai berikut. pretasikan ketepatan klasifikasi model.
1. Fakultas (X1)
1 = FMIPA IV. HASIL DAN PEMBAHASAN
2 = FTI
3 = FTSP A. Karakteristik Mahasiswa ITS Surabaya
4 = FTK Analsisis karakteristik prestasi belajar mahasiswa S1 dapat
5 = FTIF ditunjukkan pada Gambar 1.Predikat kelulusan ITS periode
2. Jenis kelamin (X2) 104-105 yang paling banyak adalah sangat memuaskan
1 = laki-laki dengan persentase sebesar 76,3%. Sedangkan persentase
2 = perempuan predikat kelulusan dengan pujian dan memuaskan masing-
3. Asal Daerah (X3) masing 23,2% dan 0,4%. ITS memiliki lima fakultas yang
1 = Surabaya terdiri dari FMIPA, FTI, FTSP, FTK dan FTIF. Pada masing-
2 = luar kota Surabaya masing fakultas tersebut menunjukkan bahwa mahasiswa
4. Jalur Penerimaan (X4) mendapatkan predikat paling banyak adalah sangat
1 = PMDK beasiswa memuaskan. Pada variabel jenis kelamin, asal daerah, status
2 = PMDK kemitraan SMA, pekerrjaan ayah, pekerjaan ibu dan pendapatan orang
3 = PMDK mandiri tua mahasiswa menunjukkan predikat yang paling ba-nyak
4 = PMDK prestasi adalah sangat memuaskan. Namun pada variabel jalur masuk
5 = PMDK reguler terdapat dua kategori yang menunjukkan predikat kelu-lusan
6 = S1 kerjasama dengan pujian paling banyak adalah PMDK beasiswa dan
7 = SPMB/SNMPTN PMDK prestasi, sedangkan pada kategori lainnya menun-
8 = UM Design
jukkan predikat paling banyak yaitu sangat memuas-kan.
JURNAL SAINS DAN SENI POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3520 (2301-928X Print) D-180
Memuaskan Dengan memiliki IPK rata-rata diantara 2,76 hingga 3,50. Lulusan ITS
1% Pujian sudah memiliki IPK yang cukup untuk mendapatkan
23%
pekerjaan.
Karakteristik mahasiswa jika dilihat IPK dan jenis
Sangat
Memuaskan kelamin, jumlah paling banyak lulusan berada IPK antara 2,76
76% hingga 3,50 sebanyak 76% dari lulusan periode 104 – 105
pada masing-masing jenis kelamin. Jumlah perbedaan antara
laki-laki dan perempuan pada masing-masing IPK tidak terlalu
jauh. Namun pada IPK yang dibawah 2,75 mempunyai jenis
kelamin laki-laki sebanyak 3 orang, dapat dilihat pada Tabel
Gambar. 1. Persentase Predikat Kelulusan ITS Periode 104 – 105.
3.Jika dilihat karakteristik berdasarkan IPK dan asal daerah
maka IPK yang di atas 3,50 paling banyak berasal dari luar
Tabel 2. Surabaya sebanyak 24,3% sedangkan yang di bawah nilai IPK
Karakteristik Berdasarkan IPK dan Fakultas 2,75 yang berasal dari luar Surabaya sebanyak dua mahasiswa
IPK
Fakultas Total dan yang berasal dari Surabaya sebanyak satu mahasiswa.
2,00≤IP≤2,75 2,76≤IP≤3,50 3,51≤IP≤4,00
2 200 43 245 Nilai IPK antara 2,76 hingga 3,50 baik mahasiswa yang
FMIPA berasal dari Surabaya maupun Luar Surabaya memiliki jumlah
0,8% 81,6% 17,6% 100%
FTI
0 379 126 505 yang hampir sama, dapat dilihat pada Tabel 4.
0% 75,0% 25,0% 100%
0 254 54 308 Karakteristik mahasiswa ITS jika dilihat berdasarkan IPK
FTSP dengan status SMA maka dapat disimpulkan bahwa
0% 82,5% 17,5% 100%
FTK
1 85 22 108 mahasiswa lulusan dengan IPK di atas 3,50 paling banyak
0,9% 78,7% 20,4% 100% berasal dari SMA negeri, sedangkan nilai IPK yang di bawah
0 139 76 215
FTIF
0% 64,7% 35,3% 100%
2,75 yang berasal dari SMA negeri sebanyak satu orang dan
yang berasal dari swasta sebanyak dua orang. Status SMA
Tabel 3. negeri paling banyak dikarenakan ITS hanya membuka jalur
Karakteristik Berdasarkan IPK dan Jenis Kelamin masuk untuk negeri saja, walaupun ada lulusan yang berasal
Jenis IPK
Total
dari swasta dikarenakan berasal dari jalur masuk
Kelamin 2,00≤IP≤2,75 2,76≤IP≤3,50 3,51≤IP≤4,00 SPMB/SNMPTN, dapat dilihat pada Tabel 5.
3 528 161 692
Laki-Laki B. Uji Multikolinieritas
0,4% 76,3% 23,3% 100%
Pengujian multikolinieritas dilakukan agar mengetahui ada
0 529 160 689
Perempuan atau tidaknya hubungan linear antar variabel prediktor dalam
0% 76,8% 23,2% 100% model regresi logistik ordinal. Pengujian multikolinieritas
mengkorelasikan antar variabel prediktor, dimana pendugaan
Tabel 4. kasus multikolinieritas terjadi jika terdapat korelasi yang
Karakteristik Berdasarkan IPK dan Asal Daerah tinggi antar variabel prediktor. Tabel 5 menunjukkan bahwa
IPK tidak ada korelasi yang tinggi diantara variabel prediktor.
Asal Total
2,00≤IP≤2,75 2,76≤IP≤3,50 3,51≤IP≤4,00
C. Regresi Logistik Ordinal Secara Serentak dan Parsial
1 306 79 386 Pengujian regresi logistik ordinal dilakukan dengan
Surabaya
0,3% 79,3% 20,5% 100% menggunakan/memasukkan semua variabel prediktor yang
Luar 2 751 242 995 digunakan pada penelitian ini. Ternyata pada uji parsial atau
Surabaya 0,2% 75,5% 24,3% 100% uji kemaknaan koefisien β pada masing-masing variabel,
terdapat dua variabel yang tidak signifikan terhadap alpa 10%
Tabel 5. yaitu asal daerah dan status SMA lulusan mahasiswa.
Karakteristik Berdasarkan IPK dan Asal Daerah Variabel yang tidak signifikan tersebut dikeluarkan dari
IPK model dan melakukan pengujian regresi logistik ordinal
Fakultas Total
2,00≤IP≤2,75 2,76≤IP≤3,50 3,51≤IP≤4,00
kembali dapat dilihat pada Tabel 6. Variabel yang digunakan
1 940 292 1233
Negeri
0,1% 76,2% 23,7% 100% adalah fakultas, jenis kelamin, jalur masuk, pekerjaan ayah,
2 117 29 148 pekerjaan ibu dan pendapatan orang tua. Variabel ini yang
Swasta
1,4% 79,1% 19,6% 100% akan dijadikan model regresi logistik ordinal. Langkah
selanjutnya adalah membentuk fungsi logit yang digunakan
Tabel 2 menjelaskan bahwa karakteristik mahasiswa ITS untuk membuat fungsi peluang pada masing-masing kategori
berdasarkan IPK dan fakultas maka IPK yang di atas 3,50 pal- variabel respon.
ing banyak berdasarkan total lulusan perfakultas adalah FTIF.
Untuk IPK yang dibawah 2,75 masih berada pada fakultas
FMIPA dan FTK. Lulusan ITS pada periode 104 – 105
JURNAL SAINS DAN SENI POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3520 (2301-928X Print) D-181
Sangat
276 1024 6 1306
77,41 % 77,41%.
Memuaskan
Memuaskan 0 0 0 0
JURNAL SAINS DAN SENI POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3520 (2301-928X Print) D-182