iii

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI

KEBERHASILAN AKADEMIK MAHASISWA FSAINS

UNCP MENGGUNAKAN REGRESI LOGISTIK

MULTINOMIAL

ZULFA ELVINDA PUTRI

1603407020

FAKULTAS SAINS

UNIVERSITAS COKROAMINOTO PALOPO

2020

ii

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMENGARUHI

KEBERHASILAN AKADEMIK MAHASISWA FSAINS

UNCP MENGGUNAKAN REGRESI LOGISTIK

MULTINOMIAL

SKRIPSI

Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana

Sains pada Program Studi Matematika Fakultas Sains

Universitas Cokroaminoto Palopo

ZULFA ELVINDA PUTRI

1603407020

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS

UNIVERSITAS COKROAMINOTO PALOPO

2020

ii

PENGESAHAN SKRIPSI

Judul : Identifikasi Faktor-faktor yang Memengaruhi Keberhasilan

Akademik Mahasiswa FSAINS UNCP Menggunakan

Regresi Logistik Multinomial

Nama : Zulfa Elvinda Putri

NIM : 1603407020

Program Studi : Matematika

Tanggal ujian : 12 Agustus 2020

Menyetujui,

Pembimbing II Pembimbing I,

Marwan Sam, S.Si., M.Si. Dr. Muhammad Muzaini, S.Pd., M.Pd.

Mengesahkan,

Ketua Program Studi Matematika, Dekan Fakultas Sains,

Marwan Sam, S.Si., M.Si. Pauline Destinugrainy Kasi, S.Si., M.Sc.

Tanggal: Tanggal:

iii

UNIVERSITAS COKROAMINOTO PALOPO

LEMBAGA PENJAMINAN MUTU Jalan Latammacelling No. 19 Kota Palopo 91913 - Sulawesi Selatan

Telp. (0471) 22111 Fax. (0471) 32055. Website http://www.uncp.ac.id

SURAT PERNYATAAN

KEASLIAN NASKAH SKRIPSI

Saya yang bertanda tangan dibawah ini:

Nama : Zulfa Elvinda Putri

NIM : 1603407020

Program Studi : Matematika

Fakultas : Sains

menyatakan bahwa naskah Skripsi Saya dengan

Judul : Identifikasi Faktor-faktor yang Memengaruhi

Keberhasilan Akademik Mahasiswa FSAINS UNCP

Menggunakan Regresi Logistik Multinomial

adalah benar merupakan karya asli saya dibuat berdasarkan serangkaian gagasan,

rumusan, metode dan penelitian yang telah saya lakukan sendiri. Sumber

informasi dalam karya ini telah dituliskan sesuai dengan kaidah pengutipan yang

berlaku dan telah dicantumkan dalam daftar pustaka dan belum pernah

dipublikasikan.

Demikian pernyataan ini dibuat dengan sebaik-baiknya tanpa ada paksaan dari

pihak manapun dan apabila dikemudian hari ditemukan keterangan yang tidak

benar maka saya bertanggung jawab atas segala akibat yang ditimbulkan.

Palopo, 28 Juli 2020

Yang Membuat Pernyataan

Zulfa Elvinda Putri

NIM. 1603407020

iii

v

ABSTRAK

Zulfa Elvinda Putri. 2020. Identifikasi Faktor-faktor yang Memengaruhi

Keberhasilan Akademik Mahasiswa FSAINS UNCP Menggunakan Regresi

Logistik Multinomial (dibimbing oleh Marwan Sam, dan Muhammad Muzaini).

Penelitian ini bertujuan untuk mengetahui model regresi logistik

multinomial berdasarkan faktor-faktor yang signifikan memengaruhi keberhasilan

akademik mahasiswa FSAINS UNCP serta mengetahui seberapa besar tingkat

ketepatan klasifikasi dari model yang diperoleh. Jenis penelitian yang digunakan

adalah kuantitatif deskriptif dengan pendekatan Analisis Data Sekunder yang

diperoleh dari data mahasiswa FSAINS UNCP angkatan 2015 yang telah

yudisium sebanyak 108 sampel. Variabel dependen dalam penelitian yang

menjadi indikator keberhasilan akademik mahasiswa adalah IPK akhir dan

ketepatan waktu kelulusan, sedangkan variabel independen adalah jenis kelamin,

IPK akhir, penerima beasiswa, jalur masuk, program studi dan daerah asal. Hasil

penelitian ini menunjukkan faktor-faktor yang signifikan adalah jenis kelamin,

penerima beasiswa dan program studi. Model yang dihasilkan yaitu

)1(006,3)1(484,2)1(446,2164,2)( 1531 xxxxg , )1(025,4943,2)( 32 xxg ,

)1(775,1)1(208,2115,0)( 153 xxxg serta sesuai dan memiliki ketepatan

klasifikasi sebesar 68,5% sehingga model dapat digunakan.

Kata kunci: keberhasilan akademik mahasiswa, IPK, ketepatan waktu kelulusan,

uji independensi, regresi logistik multinomial

vi

KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Tiada untaian kata yang lebih indah selain ucapan Alhamdulillah, segala

puji bagi Allah SWT yang merajai segala kehidupan. Semoga kita menjadi hamba

yang senantiasa dikasihi-Nya dan hidup dalam ridha-Nya. Shalawat serta salam

senantiasa tercurahkan kepada baginda Rasulullah SAW yang telah membawa

umat manusia dari zaman kebodohan menuju zaman yang penuh ilmu

pengetahuan, serta berkat perjuangan beliaulah sampai detik ini kita masih dapat

menikmati manisnya Iman dan Islam. Akhirnya dengan izin Allah SWT, penulis

dapat menyelesaikan penyusunan skripsi dengan baik. Skripsi ini berjudul

“Identifikasi Faktor-faktor yang Memengaruhi Keberhasilan Akademik

Mahasiswa FSAINS UNCP Menggunakan Regresi Logistik Multinomial” disusun

untuk memenuhi salah satu persyaratan untuk menyelesaikan Program S1

Matematika pada Fakultas Sains Universitas Cokroaminoto Palopo.

Penulis ingin mengucapkan terima kasih kepada orang tua tercinta,

Ayahanda Triyanto dan Ibunda Siti Solehatun yang telah mendidik, merawat serta

tak pernah letih memanjatkan doa kepada anak-anaknya untuk kebahagiaan serta

kesuksesan dunia dan akhirat, juga kepada saudara(i) penulis Era Fazira Amelia,

Rifan Rasya Aditya dan Abinaya Dian Alexi yang selalu memberi sumber

keceriaan untuk penulis. Dalam penyusunan skripsi ini, penulis mendapatkan

bantuan dan bimbingan dari berbagai pihak, sehingga hambatan dan kesulitan

dalam penyelesaian skripsi dapat diatasi. Tiada ungkapan yang pantas diberikan

selain rasa terima kasih yang sangat dalam kepada:

1. Bapak Prof. Drs. Hanafie Mahtika, M.S., selaku Rektor Universitas

Cokroaminoto Palopo yang telah memberikan kesempatan bagi penulis untuk

menyelesaikan studi di Universitas Cokroaminoto Palopo.

2. Ibu Pauline Destinugrainy Kasi, S.Si., M.Sc., selaku Dekan Fakultas Sains

Universitas Cokroaminoto Palopo.

3. Bapak Marwan Sam, S.Si., M.Si., selaku Ketua Program Studi Matematika

Fakultas Sains Universitas Cokroaminoto Palopo sekaligus pembimbing II

yang telah meluangkan waktu dengan sabar, keikhlasan dan ketulusan untuk

memberikan bimbingan, pengetahuan, nasihat dan saran yang sangat berguna

vii

demi kelancaran skripsi ini.

4. Bapak Dr. Muhammad Muzaini, S.Pd., M.Pd., selaku pembimbing I yang

telah memberikan waktu, bimbingan, arahan, ilmu pengetahuan, dan

masukannya kepada penulis sampai selesainya penulisan skripsi ini.

5. Ibu Ary Herlina Kurniati HM, S,Si., M.Pd., selaku Dosen Penasihat

Akademik yang memberikan arahan dan saran kepada penulis.

6. Ibu Yuliani, S.Si., M.Si., yang telah memberikan bimbingan, wawasan dan

ilmu pengetahuan yang begitu luar biasa kepada penulis.

7. Seluruh Dosen dan Staf Pengajar Universitas Cokroaminoto Palopo yang

telah memberikan bekal ilmu pengetahuan dan pengalaman kepada penulis.

8. Seluruh Staf Unit PMB, Direktorat Akademik dan Kemahasiswaan UNCP

yang telah membantu menerima permohonan kesediaan penelitian, sehingga

penulis dapat melakukan penelitian di kampus dengan baik dan lancar.

9. Keluarga besar terima kasih atas bantuan, doa, nasihat, dorongan moral

maupun materi, dan perhatiannya.

10. Teman seperjuangan khususnya Matematika FSAINS angkatan 2016, teman-

teman KKN, teman kost maupun teman di luar kampus yang telah

memberikan bantuan, semangat serta sebagai tempat berbagi suka dan duka.

11. Keluarga besar Himpunan Mahasiswa Matematika (HIMATIKA) Sains

Universitas Cokroaminoto Palopo dan kampus kuning tercinta.

Semua pihak terkait yang telah memberikan bantuan dan motivasi yang

tidak dapat penulis sebutkan untuk menyelesaikan skripsi ini. Semoga Allah SWT

senantiasa memberikan pahala atas bantuan yang telah diberikan dan

memperhitungkan amal baik kita. Dengan segala kerendahan hati, penulis

berharap skripsi ini dapat bermanfaat bagi pihak yang membutuhkan, dan dapat

dijadikan referensi bagi penelitian selanjutnya. Penulis menyadari bahwa

penulisan skripsi ini masih jauh dari kesempurnaan, sehingga penulis tak lupa

mengharapkan saran dan kritik atas skripsi ini.

Wassalamu’alaikum Wr. Wb.

Palopo, Juli 2020

Zulfa Elvinda Putri

viii

RIWAYAT HIDUP

Penulis bernama lengkap Zulfa Elvinda Putri atau

kesehariannya akrab disapa Zulfa. Lahir pada tanggal 20

Desember 1998 dari pasangan Triyanto dan Siti Solehatun

sebagai anak sulung dari empat bersaudara. Penulis

menempuh pendidikan di TK Tunas Siswa (2003-2004),

SDN 06 Kemiri Timur (2004-2006), SDN 001 Pelalawan

(2006-2010), MTs Darussalam Subah (2010-2013), dan SMAN 2 Towuti atau

sekarang menjadi SMAN 13 Luwu Timur (2013-2016). Setelah menempuh

pendidikan SMA, pada tahun 2016 penulis melanjutkan pendidikan di Universitas

Cokroaminoto Palopo pada Program Studi Matematika Fakultas Sains dan

terdaftar dengan NIM 1603407020. Kegiatan non akademik yang diikuti penulis

selama kuliah yaitu pengurus Himpunan Mahasiswa Matematika (HIMATIKA)

Sains periode 2018 sebagai bendahara umum, dan ikut berpartisipasi dalam

kepanitiaan beberapa acara. Penulis aktif sebagai penerima Beasiswa UNCP Sains

Scholarship (USS) dari Universitas Cokroaminoto Palopo selama kuliah. Selain

itu penulis mendapatkan kesempatan Praktek Kuliah Lapang di Badan Pusat

Statistik Kota Palopo pada bulan Februari-Maret tahun 2019. Penulis juga

mengikuti kegiatan Kuliah Kerja Nyata (KKN) pada tanggal 17 Juli - 21 Agustus

tahun 2019, ditempatkan di Desa Burau Pantai, Kecamatan Burau, Kabupaten

Luwu Timur, Sulawesi Selatan. Segala kritik, saran dan pertanyaan untuk penulis

dapat disampaikan melalui alamat email zulfaep98@gmail.com. Terimakasih.

ix

DAFTAR ISI

Halaman

HALAMAN JUDUL ........................................................................................... i

HALAMAN PENGESAHAN ............................................................................. ii

SURAT PERNYATAAN KEASLIAN NASKAH SKRIPSI ........................... iii

HALAMAN KETERANGAN UJI SIMILARITY ............................................ iv

ABSTRAK .......................................................................................................... v

KATA PENGANTAR ...................................................................................... vi

RIWAYAT HIDUP ........................................................................................... viii

DAFTAR ISI ........................................................................................................ ix

DAFTAR TABEL ............................................................................................ xi

DAFTAR GAMBAR ....................................................................................... xii

DAFTAR ARTI LAMBANG DAN SINGKATAN ........................................ xiii

DAFTAR LAMPIRAN ...................................................................................... xiv

BAB I PENDAHULUAN

1.1 Latar Belakang ............................................................................... 1

1.2 Rumusan Masalah .......................................................................... 3

1.3 Tujuan Penelitian ........................................................................... 3

1.4 Manfaat Penelitian ......................................................................... 3

1.5 Batasan Penelitian .......................................................................... 4

BAB II TINJAUAN PUSTAKA

2.1 Kajian Teori ................................................................................... 5

2.2 Hasil Penelitian yang Relevan ....................................................... 15

2.3 Kerangka Pikir ............................................................................... 16

BAB III METODE PENELITIAN

3.1 Jenis dan Sumber Data Penelitian .................................................. 19

3.2 Lokasi dan Waktu Penelitian ......................................................... 19

3.3 Populasi dan Sampel Penelitian ..................................................... 20

3.4 Operasional Variabel Penelitian ..................................................... 20

3.5 Teknik Pengumpulan Data ............................................................. 21

3.6 Teknik Analisis Data ...................................................................... 22

x

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian .............................................................................. 25

4.2 Pembahasan .................................................................................... 31

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan .................................................................................... 35

5.2 Saran ............................................................................................... 35

DAFTAR PUSTAKA ......................................................................................... 36

LAMPIRAN ........................................................................................................ 39

xi

DAFTAR TABEL

Halaman

1. Kontingensi .................................................................................................. 7

2. Ketepatan Klasifikasi ................................................................................... 14

3. Operasional Variabel Penelitian ................................................................... 21

4. Hasil Uji Independensi ................................................................................. 27

5. Hasil Uji Serentak ........................................................................................ 28

6. Hasil Uji Estimasi Parameter ....................................................................... 29

7. Hasil Uji Kesesuaian Model ........................................................................ 29

8. Hasil Ketepatan Klasifikasi .......................................................................... 30

xii

DAFTAR GAMBAR

Halaman

1. Kerangka Pikir ............................................................................................. 18

2. Diagram Alur ............................................................................................... 24

3. Persentase Keberhasilan Akademik Mahasiswa FSAINS UNCP Angkatan

2015 ............................................................................................................. 25

xiii

DAFTAR ARTI LAMBANG DAN SINGKATAN

Lambang/Singkatan Arti dan keterangan

y Variabel dependen

x Variabel independen

df Degree of Freedom (derajat kebebasan)

Taraf signifikan

Parameter

)(x Peluang nilai variabel independen

)(xg j Fungsi logit regresi logistik multinomial

2 Nilai statistik uji Chi-Square

G Uji serentak/simultan

jW Uji parsial/individu

C Uji kesesuaian model

Nilai Odd Ratio

ije Nilai ekspektasi pada baris ke-i dan kolom ke-j

ijn Nilai observasi pada baris ke-i dan kolom ke-j

i Banyaknya baris

j Banyaknya kolom

.in Jumlah baris ke-i

jn. Jumlah kolom ke-j

..n Jumlah pengamatan

xiv

xiv

DAFTAR LAMPIRAN

Halaman

1. Data Mahasiswa FSAINS UNCP Angkatan 2015 yang Telah Yudisium ... 39

2. Cross Tabulation Variabel Dependen dengan Variabel Independen ........... 42

3. Hasil Uji Independensi Variabel Dependen dengan Variabel Independen .. 45

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Universitas Cokroaminoto Palopo merupakan salah satu Perguruan Tinggi

Swasta yang berkedudukan di Kota Palopo. Universitas Cokroaminoto Palopo

(UNCP) yang populer dengan nama Uncokro Palopo berdiri sejak 1 Maret 1976

(Suaedi, 2015). Perguruan Tinggi ini di bawah pembinaan Yayasan Perguruan

Tinggi Cokroaminoto Palopo. Universitas Cokroaminoto Palopo membina 14

program studi, diantaranya 13 program studi Sarjana dan 1 program studi

Magister. Fakultas Sains (FSAINS) merupakan salah satu fakultas dari 4 fakultas

yang ada di Universitas Cokroaminoto Palopo. Fakultas-fakultas yang lain

diantaranya yaitu Fakultas Pertanian (FAPERTA), Fakultas Keguruan dan Ilmu

Pendidikan (FKIP) dan Fakultas Teknik Komputer (FKOM). Program studi di

bawah naungan Fakultas Sains adalah Matematika, Fisika, Biologi, dan Kimia.

Dari keempat program studi tersebut semua memiliki jenjang strata satu (S1).

Menurut Saleh (2014) pada tingkat pendidikan tinggi, mahasiswa dituntut

untuk aktif dalam proses belajar mengajar melalui media yang ada, seperti

perpustakaan, jurnal, maupun internet. Hampir semua tugas yang diberikan di

pendidikan tinggi umumnya menuntut mahasiswa untuk mencari literatur dan

mengembangkan pola pikirnya sendiri guna penyelesaian tugas secara efektif.

Persyaratan akademik di pendidikan tinggi bukan sekedar mengikuti perkuliahan

saja, tetapi ada ketentuan-ketentuan lain seperti persentase kehadiran dalam

perkuliahan, penyelesaian tugas-tugas, dan ikut aktif dalam kegiatan akademik

lainnya (diskusi, presentasi, mengikuti ujian, kuis, praktek).

Indikator keberhasilan akademik mahasiswa di perguruan tinggi dapat

dilihat berdasarkan nilai Indeks Prestasi Kumulatif (IPK) berupa transkip nilai

yang dapat dijadikan sebagai satu alat untuk mengukur apakah mahasiswa

tersebut berprestasi atau tidak dan ketepatan waktu lulus. Kelulusan adalah hasil

akhir dari proses pembelajaran selama mengikuti perkuliahan di perguruan tinggi

(Sumartini dan Disman, 2018). Mahasiswa diharapkan lulus tepat waktu dengan

IPK yang tinggi. IPK akhir merupakan perolehan nilai dari seluruh mata kuliah.

Mahasiswa program sarjana dikatakan lulus tepat waktu apabila menyelesaikan

2

studinya dalam waktu yang telah ditentukan, yaitu selama kurang dari atau sama

dengan empat tahun dan dikatakan tidak lulus tepat waktu apabila menyelesaikan

studinya selama lebih dari empat tahun (Sumartini dan Disman, 2018). Akan

tetapi kenyataannya masih banyak mahasiswa yang tidak dapat menuntaskan

pendidikannya dalam waktu yang telah ditentukan tersebut.

Ketidaktepatan waktu lulus dan IPK dapat dipengaruhi oleh beberapa

faktor. Beberapa faktor yang dianggap memengaruhi ketepatan waktu lulus adalah

fakultas, Indeks Prestasi Kumulatif Tahun Pertama Bersama (IPK TPB), jenis

kelamin, beasiswa, dan jalur masuk (Nurgenita, 2015). Selain itu, waktu kelulusan

mahasiswa dipengaruhi juga oleh program studi, IPK, dan lama menyusun skripsi

(Suniantara dan Muhammad, 2017). Sedangkan menurut Tampil, Hanny, dan

Yohanis (2017) faktor-faktor yang memengaruhi IPK mahasiswa adalah program

studi dan tempat tinggal. Adapun faktor yang memengaruhi keberhasilan

akademik mahasiswa adalah asal daerah, nilai UN, dan jurusan sekolah menengah

(Kurnia, 2011).

Hal ini karena nilai IPK merupakan salah satu indikator keberhasilan

akademik mahasiswa selama melaksanakan perkuliahan, walaupun tidak mutlak,

namun diasumsikan bahwa mahasiswa yang memiliki IPK yang baik maka

memiliki kemampuan yang baik dalam akademik. Faktor-faktor yang

memengaruhi keberhasilan akademik mahasiswa merupakan salah satu hal yang

cukup penting untuk dikaji, untuk itu perlu di ungkap faktor-faktor apa saja yang

memengaruhi keberhasilan akademik mahasiswa. Sehingga dalam penelitian ini

akan dianalisis berbagai faktor yang memengaruhi keberhasilan akademik

mahasiswa tersebut.

Penelitian ini hanya akan menggunakan mahasiswa FSAINS UNCP

angkatan 2015 yang telah dinyatakan lulus dari seluruh proses akademik yang

telah dijalaninya (yudisium) sebagai sampel. Pemilihan mahasiswa Fakultas Sains

didasari oleh beberapa alasan, antara lain nilai akreditasi program studi adalah B,

rata-rata penerima beasiswa, selain itu daerah asal yang beraneka ragam. Dalam

penelitian ini akan dibentuk variabel dependen sebanyak empat kategori dan

berskala nominal. Sehingga salah satu metode statistik yang dapat digunakan

untuk menganalisis variabel dependen terkategori adalah regresi logistik yang

3

digunakan untuk mendeskripsikan hubungan beberapa variabel independen

dengan suatu variabel dependen (Kurnia, 2011). Variabel dependen dengan

menggunakan lebih dari dua kategori yang berskala nominal, maka metode regresi

yang dapat digunakan untuk menganalisis adalah metode regresi logistik

multinomial (Miranti, Rumlawang dan Kondolembang, 2019). Regresi logistik

multinomial merupakan regresi logistik yang digunakan saat variabel respon

mempunyai skala yang bersifat polichotomus atau multinomial yaitu berskala

nominal dengan lebih dari dua kategori (Hosmer dan Lemeshow, 2000).

1.2 Rumusan Masalah

Berdasarkan latar belakang, maka rumusan masalah penelitian ini yaitu

bagaimana menentukan model regresi logistik multinomial berdasarkan faktor-

faktor yang signifikan memengaruhi keberhasilan akademik mahasiswa FSAINS

UNCP serta seberapa besar tingkat ketepatan klasifikasi dari model yang

diperoleh?.

1.3 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk mengetahui model regresi

logistik multinomial berdasarkan faktor-faktor yang signifikan memengaruhi

keberhasilan akademik mahasiswa FSAINS UNCP serta mengetahui seberapa

besar tingkat ketepatan klasifikasi dari model yang diperoleh.

1.4 Manfaat Penelitian

Dengan dilakukannya penelitian ini, diharapkan dapat memberikan

manfaat sebagai berikut:

1. Manfaat teoritis

Penelitian ini diharapkan dapat dijadikan sebagai sumber referensi untuk

penelitian lebih lanjut mengenai faktor-faktor yang memengaruhi keberhasilan

akademik mahasiswa serta dapat menambah pemahaman dan wawasan dalam

dunia pendidikan di perguruan tinggi.

2. Manfaat praktis

a. Sebagai bahan masukan bagi mahasiswa dengan mengetahui faktor-faktor

yang memengaruhi keberhasilan akademik mahasiswa untuk meningkatkan

nilai Indeks Prestasi Kumulatif (IPK), dapat dipakai sebagai bahan

4

pertimbangan untuk meningkatkan keberhasilan belajar dan prestasi

akademik dengan menyelesaikan studinya selama kurang dari atau sama

dengan empat tahun.

b. Sebagai bahan kajian bagi Universitas Cokroaminoto Palopo, khususnya

Fakultas Sains dalam upaya meningkatkan keberhasilan akademik mahasiswa

di masa mendatang.

1.5 Batasan Penelitian

Batasan penelitian sangat diperlukan demi menjamin kebebasan dalam

mengambil kesimpulan yang diperoleh agar tidak terjadi penyimpangan dari

tujuan semula. Penelitian ini difokuskan pada data sekunder mahasiswa FSAINS

UNCP angkatan 2015 yang telah yudisium, diperoleh dari pihak Unit Penerimaan

Mahasiswa Baru (PMB), Direktorat Akademik dan Kemahasiswaan UNCP.

Variabel dependen terdiri dari ketepatan waktu kelulusan dan IPK akhir, metode

yang digunakan dibatasi yaitu menggunakan analisis regresi logistik multinomial

yang diterapkan dalam bidang pendidikan. Adapun variabel independen terdiri

dari jenis kelamin, penerima beasiswa, IPK, daerah asal, jalur masuk, dan

program studi.

5

BAB II

TINJAUAN PUSTAKA

2.1 Kajian Teori

1. Keberhasilan Akademik Mahasiswa

Mahasiswa adalah orang yang terdaftar sebagai murid di perguruan tinggi.

Keberhasilan akademik adalah sebuah kalimat yang terdiri dari dua kata, yaitu

keberhasilan dan akademik, dimana antara keberhasilan dan akademik

mempunyai arti yang berbeda. Menurut Helmet (2012), suatu pencapaian terhadap

keinginan yang telah kita niatkan untuk kita capai atau kemampuan untuk

melewati dan mengatasi dari satu kegagalan ke kegagalan berikutnya tanpa

kehilangan semangat disebut dengan keberhasilan. Untuk mahasiswa sendiri

makna keberhasilan yaitu pencapaian prestasi akademik yang diperolehnya,

prestasi yang dicapai oleh mahasiswa tentunya dari keberhasilan belajar yang

mereka terapkan dalam bidang akademik (Oetary, 2018).

Menurut Kamus Besar Bahasa Indonesia (KBBI) akademik artinya

“bersifat akademis, bersifat ilmiah, bersifat ilmu pengetahuan, bersifat teori tanpa

arti praktis yang langsung”. Berdasarkan hal ini, akademik adalah keadaan orang-

orang bisa menyampaikan dan menerima gagasan, pemikiran, ilmu pengetahuan,

dan sekaligus dapat mengujinya secara jujur, terbuka dan leluasa (Fajar, 2002:56).

Dapat dikatakan secara umum pengertian akademik berarti proses belajar

mengajar yang dilakukan di kelas atau dunia persekolahan maupun perkuliahan.

Kegiatan akademik meliputi tugas-tugas yang dinyatakan dalam program

pembelajaran, diskusi, observasi, dan pengerjaan tugas. Dalam satu kegiatan

akademik diperhitungkan tidak hanya kegiatan tatap muka yang terjadwal saja

tetapi juga kegiatan yang direncanakan (terstruktur) dan yang dilakukan secara

mandiri (Suwito, 2019:188). Semakin baik penguasaan akademik mahasiswa

maka prestasi yang diperolehpun akan baik pula (Saleh, 2014).

Secara umum keberhasilan akademik ialah hasil yang dicapai setelah

melakukan aktivitas yang membawa pada perubahan individu atau suatu hasil

yang dicapai setelah melakukan aktivitas belajar (Oetary, 2018). Keberhasikan

akademik dapat ditunjukkan dari kualitas pendidikan yang ada, dimana kualitas

pendidikan itu meliputi proses maupun kualitas lulusan (Maesaroh, 2013).

6

Adapun kualitas seorang mahasiswa dapat dilihat dari prestasi yang dicapai,

potensi yang dimiliki, dan motivasi yang tinggi yang dimilikinya (Saleh, 2014).

Menurut Baihaqi (2016), Universitas Cokroaminoto Palopo sebagai

penyelenggara pendidikan dan pengajaran sesuai peraturan akademik memberikan

predikat kelulusan program sarjana terdiri dari tiga tingkat yaitu memuaskan jika

IPK 2,76-3,00; sangat memuaskan jika IPK 3,01-3,50; dengan pujian jika IPK

3,51-4,00. Predikat lulusan dengan pujian ditentukan dengan memperhatikan

masa studi minimum +1 tahun untuk program sarjana.

2. Dunia Perkuliahan

Dalam konteks dunia perkuliahan, situasi-situasi sulit yang dialami oleh

mahasiswa salah satunya berasal dari tantangan akademik dalam perkuliahan yang

mereka ikuti, seperti tugas-tugas yang frekuensinya besar dan intensitas

kesulitannya semakin tinggi memberikan tekanan tertentu kepada mahasiswa

(Pasaribu, 2011). Hasil wawancara Saleh (2014) dengan beberapa mahasiswa di

lapangan didapatkan suatu pengalaman yang menarik, yaitu ada mahasiswa yang

tidak mempunyai catatan kuliah sendiri karena mahasiswa tersebut cukup puas

dengan belajar dari fotokopi catatan temannya, ada juga mahasiswa yang tidak

mempersiapkan diri terhadap materi kuliah yang akan diajarkan dosen, ada

sebagian mahasiswa yang tidak mengulang kembali materi kuliah yang diajarkan

oleh dosen, ada sebagian yang belajar bila menjelang ujian saja atau hanya bila

ada tugas dari dosen yang memerlukan pemahaman.

Berbagai fenomena muncul dalam dunia perkuliahan mengindikasikan

bagaimana kemampuan mahasiswa untuk bertahan menghadapi berbagai

hambatan yang dialami selama proses perkuliahan. Terdapat mahasiswa yang

tekun dan disiplin dalam mengerjakan hal-hal yang menjadi tugasnya sebagai

mahasiswa, terdapat juga mahasiwa yang tidak peduli berapapun pencapaian

prestasinya dan memilih untuk tidak mengikuti perkuliahan meskipun dia

terhitung sebagai mahasiswa aktif (Pasaribu, 2011). Menurut Bella dan Luluk

(2018) idealnya mahasiswa memiliki kehidupan yang seimbang antara aktivitas

akademik dan nonakademik, dengan begitu ketika lulus yang diperoleh bukan

hanya gelar melainkan juga peningkatan kualitas diri sehingga memiliki daya

saing ketika terjun ke dunia nyata.

7

3. Tabel Kontingensi

Tabel kontingensi atau yang sering disebut cross tabulation merupakan

suatu metode statistik yang menggambarkan dua atau lebih variabel secara

simultan dan hasilnya ditampilkan dalam bentuk tabel yang merefleksikan

distribusi bersama dua atau lebih variabel dengan jumlah kategori yang terbatas.

Metode cross tabulation digunakan untuk mengetahui hubungan antara dua atau

lebih variabel penelitian yang bukan hubungan sebab akibat. Semakin bertambah

jumlah variabel yang di tabulasikan maka semakin kompleks interpretasinya

(Agresti, 2002). Struktur tabel kontingensi adalah sebagai berikut:

Tabel 1. Kontingensi

A

B

Total

Total

Sumber: Agresti (2002)

4. Uji Independensi

Menurut Walpole (1995), uji independensi dilakukan untuk mengetahui

ada atau tidaknya hubungan antara variabel dependen dengan variabel

independen. Pada uji ini menggunakan Pearson Chi-Square untuk

membandingkan antara frekuensi pengamatan (observed frequency) yang tersaji

dalam tabel kontingensi dengan nilai-nilai yang memenuhi hipotesis nol mengenai

independensi (Gio & Elly, 2016:328). Adapun hipotesisnya sebagai berikut:

0H : Tidak ada hubungan antara variabel dependen dengan variabel independen

yang diamati

1H : Terdapat hubungan antara variabel dependen dengan variabel independen

yang diamati

Taraf signifikan : α = 0,05

Statistik uji Chi-Square :

I

i

J

j ij

ijij

e

en

1 1

2

2

ˆ

ˆ (1)

8

dimana

..

ˆ..

n

nne

ji

ij

Pengambilan kesimpulan yang dilakukan adalah tolak 0H jika

2

)1)(1(,

2

ji

atau nilai p-value < α.

Keterangan:

2 : Nilai statistik uji Chi-Square

ijn : nilai observasi pada baris ke-i dan kolom ke-j

ije : nilai ekspektasi pada baris ke-i dan kolom ke-j

i : banyaknya baris

j : banyaknya kolom

.in : jumlah baris ke-i

jn. : jumlah kolom ke-j

..n : jumlah pengamatan

5. Regresi Logistik

Menurut Hosmer dan Lemeshow (2000) regresi logistik adalah metode

analisis statistika yang mendeskripsikan hubungan antara variabel dependen yang

memiliki dua kategori atau lebih dengan satu atau lebih variabel independen

berskala kontinu atau kategori. Model regresi logistik terdiri dari regresi logistik

dengan variabel dependen biner, ordinal dan multinomial. Model regresi logistik

dengan salah satu metode yang dapat digunakan untuk mencari hubungan variabel

dependen yang bersifat dichotomus (berskala nominal atau ordinal dengan dua

kategori) atau polichotomus (berskala nominal atau ordinal dengan lebih dari dua

kategori) dengan satu atau lebih variabel independen atau bebas dan variabel

dependen atau respon bersifat kontinu atau kategori (Yudissanta dan Madu, 2012).

Adapun jenis skala dalam penelitian ini adalah sebagai berikut:

a. Skala Nominal

Skala nominal dapat dinyatakan sebagai ukuran yang tidak sebenarnya.

Skor untuk setiap satuan pengamatan atau individu hanya merupakan tanda atau

simbol yang menunjukkan kedalam kelompok atau kelas nama individu tersebut

9

dikelompokkan. Misalnya, jenis kelamin dengan kategori “1” untuk laki-laki dan

“0” untuk perempuan. Kategori 1 dan 0 hanya untuk membedakan antara

kelompok yang satu dengan yang lainnya. Urutan, selisih, jumlah dan operasi

hitung lainnya terhadap data skala nominal tidak mempunyai arti (Tiro, 2000).

b. Skala Ordinal

Menurut Tiro (2000), skala ordinal menunjukkan urutan (peringkat,

angkatan, atau rangking) yang berfungsi juga sebagai pengelompokkan. Misalnya,

tingkat pendidikan dengan kategori “0” untuk SD, “1” untuk SLTP, dan “2” untuk

SLTA. Skala ini memungkinkan peneliti untuk mengurutkan respondennya dari

tingkat paling rendah ke tingkat paling tinggi atau sebaliknya.

6. Regresi Logistik Multinomial

Regresi logistik multinomial termasuk ke dalam statistik non-parametrik

atau statistik bebas distribusi. Statistik non-parametrik merupakan teknik analisis

statistik yang modelnya tidak melibatkan parameter populasi, skala data yang

digunakan adalah nominal dan ordinal (Budiwanto, 2017). Regresi logistik

multinomial merupakan regresi logistik yang digunakan saat variabel dependen

mempunyai skala yang bersifat polichotomus atau multinomial yaitu berskala

nominal dengan lebih dari dua kategori (Hosmer dan Lemeshow, 2000).

Berdasarkan jumlah kategori dependen, regresi logistik dapat dibedakan menjadi

dua, yaitu regresi logistik biner dan regresi logistik multinomial. Regresi logistik

biner digunakan saat variabel dependennya terdiri dari dua kategori. Sedangkan

regresi logistik multinomial digunakan saat variabel dependennya lebih dari dua

kategori.

Model regresi logistik multinomial merupakan perluasan dari model regresi

logistik biner, misalkan variabel dependen terdiri atas tiga kategori maka variabel

dependen y dapat diberi kode 0, 1 atau 2, dimana y = 0 merupakan kategori acuan

atau pembanding. Pada model regresi logistik biner terdapat satu fungsi logit y = 1

terhadap y = 0, maka pada model regresi logistik multinomial tiga kategori

terdapat dua fungsi logit, yaitu fungsi logit y = 1 terhadap y = 0 dan fungsi logit y

= 2 terhadap y = 0. Suatu variabel dependen dalam regresi logistik multinomial

dengan r kategori akan membentuk persamaan logit sebanyak r-1 (Hosmer,

Lemeshow dan Sturdivant, 2013).

10

Variabel dependen keberhasilan akademik mahasiswa pada penelitian ini

akan dibentuk sebanyak empat kategori, yaitu IPK < 3,50 dan lulus tidak tepat

waktu (kategori 1), IPK < 3,50 dan lulus tepat waktu (kategori 2), IPK ≥ 3,50 dan

lulus tidak tepat waktu (kategori 3), serta IPK ≥ 3,50 dan lulus tepat waktu

(kategori 4). Model regresi logistik multinomial pada penelitian ini terdiri atas

empat kategori y (y = 1, 2, 3, 4), sehingga dibutuhkan tiga fungsi logit dan dipilih

kategori dependen yang menjadi kategori pembanding yaitu y = 4. Model regresi

logistik dengan variabel independen p adalah sebagai berikut (Yudissanta dan

Madu, 2012):

)...(

)...(

22110

22110

1)(

pp

pp

xxx

xxx

e

ex

(2)

Dengan mengunakan transformasi logit dari persamaan (2) maka model regresi

fungsi logit dengan variabel dependen terdiri dari empat kategori dapat

didefinisikan sebagai berikut (Yudissanta dan Madu, 2012):

pjpjjjj xxxxg ...)( 22110 (3)

dengan xg j : fungsi logit regresi logistik multinomial

: parameter fungsi regresi logistik multinomial

x : variabel independen fungsi regresi logistik multinomial

x : peluang nilai variabel independen x

Menurut Hosmer dan Lemeshow (2000) Cumulatif Logit Models

didapatkan dengan membandingkan peluang kumulatif yaitu peluang kurang dari

atau sama dengan kategori dependen ke-j dan p variabel independen yang

dinyatakan dalam vektor )( ii xjyPx dengan peluang lebih besar dari kategori

dependen ke-j, )( ii xjyPx , rumus cumulatif logit models sebagai berikut:

i

i

ixjyP

xjyPxjyP lnLogit (4)

Salah satu kelebihan cumulatif logit models adalah estimasi efek yang tidak

bervariasi antar pilihan dan jumlah kategori variabel dependennya (Agresti,

2002). Pada variabel dependen dengan empat kategori akan membentuk tiga

persamaan logit, dimana masing-masing persamaan ini membentuk regresi

11

logistik multinomial yang membandingkan suatu kelompok kategori terhadap

pembanding yaitu sebagai berikut (Hosmer dan Lemeshow, 2000):

pp xxxx

x

xyP

xyPxg

121211110

4

1

1

...ln

4

1ln

(5)

pp xxxx

x

xyP

xyPxg

222212120

4

2

2

...ln

4

2ln

(6)

pp xxxx

x

xyP

xyPxg

323213130

4

3

3

...ln

4

3ln

(7)

Berdasarkan kedua peluang kumulatif pada persamaan (5), (6) dan (7) didapatkan

peluang untuk masing-masing variabel dependen sebagai berikut:

xgxgxg

xgxxyP

321

11

expexpexp1

exp1

(8)

xgxgxg

xgxxyP

321

22

expexpexp1

exp2

(9)

xgxgxg

xgxxyP

321

33

expexpexp1

exp3

(10)

xgxgxg

xxyP321

4expexpexp1

14

(11)

Keterangan:

x1 : nilai probabilitas untuk kategori IPK < 3,50 dan lulus tidak tepat waktu

x2 : nilai probabilitas untuk kategori IPK < 3,50 dan lulus tepat waktu

12

x3 : nilai probabilitas untuk kategori IPK ≥ 3,50 dan lulus tidak tepat waktu

x4 : nilai probabilitas untuk kategori IPK ≥ 3,50 dan lulus tepat waktu

7. Pengujian Parameter

Pengujian terhadap parameter model dilakukan untuk mengetahui peran

variabel independen dalam model. Pengaruh dari variabel independen dapat

diketahui dengan melakukan uji signifikansi secara simultan dan secara parsial

(Hosmer dan Lemeshow, 2000). Parameter yang telah diperoleh perlu diuji

signifikansinya dengan melakukan pengujian statistik, pengujian yang dilakukan

adalah sebagai berikut:

a. Uji Signifikansi Simultan atau Uji Serentak (Uji G)

Menurut Hosmer, Lemeshow dan Sturdivant (2013) pengujian simultan

bertujuan untuk memeriksa peran seluruh variabel independen yang diajukan

terhadap model secara bersama sama yang dapat digunakan statistik uji-G atau

likelihood ratio test dengan hipotesis:

0H : 0...21 p artinya tidak ada pengaruh variabel independen

terhadap model

1H : minimal ada satu pkk , . . .2,1 ,0 artinya ada pengaruh variabel

independen terhadap model

Statistik uji-G mengikuti distribusi Chi-Square, sehingga untuk memperoleh

keputusan dilakukan perbandingan dengan 2

,df , kriteria keputusan adalah tolak

0H apabila nilai uji 2

,dfG dimana df merupakan singkatan dari degree of

freedom yang artinya derajat kebebasan = k atau dilihat dari nilai p-value, jika

nilai p-value < α maka tolak 0H dengan α adalah tingkat signifikansi yang dipilih

(Hosmer dan Lemeshow, 2000).

b. Uji Signifikansi Parsial atau Uji Individu

Uji signifikansi parsial dilakukan untuk mengetahui secara individu apakah

variabel independen berpengaruh signifikan atau tidak terhadap variabel

dependen. Uji ini dimaksudkan untuk melihat apakah suatu variabel independen

layak masuk dalam model dengan hipotesis uji Wald (Wj) sebagai berikut

(Agresti, 2002):

13

0H : 0k artinya tidak ada pengaruh antara variabel independen ke-k terhadap

variabel dependen

pkH k , . . . ,2,1,01 ada pengaruh antara variabel independen ke-k terhadap

variabel dependen

Rasio yang dihasilkan dari statistik uji dibawah hipotesis 0H , akan mengikuti

distribusi normal baku (Z). Kriteria keputusan adalah tolak0H apabila nilai uji

2/ZWj atau nilai p-value < α.

c. Uji Kesesuaian Model/Goodness of Fit )ˆ uji( C

Uji kesesuaian model digunakan untuk mengetahui apakah model dengan

variabel dependen merupakan model yang sesuai, maka perlu dilakukan suatu uji

kesesuaian model dengan hipotesis sebagai berikut (Yudissanta dan Madu, 2012):

0H : tidak terdapat perbedaan yang signifikan antara prediksi dengan observasi

(model sesuai)

1H : terdapat perbedaan yang signifikan antara antara prediksi dengan observasi

(model tidak sesuai)

Uji kesesuaian model dapat dilihat menggunakan nilai uji metode Deviance.

Deviance menunjukkan ukuran seberapa banyak variasi yang tidak dapat

dijelaskan oleh model regresi logistik, dan semakin tinggi nilainya maka semakin

akurat modelnya (Astuti & Yuliawati, 2018). Kriteria keputusan yang didasarkan

adalah tolak 0H jika nilai uji 2

,ˆ

dfC dengan )1( kpdf atau p-value < α

(Hosmer dan Lemeshow2000).

d. Uji Ketepatan Klasifikasi

Hosmer dan Lemeshow (2000) menjelaskan bahwa salah satu ukuran

kebaikan model adalah jika memiliki peluang salah klasifikasi yang minimal.

Ketepatan prediksi dari model dapat diketahui dengan menggunakan tabel

ketepatan klasifikasi (classification table). Tabel ketepatan klasifikasi merupakan

tabel frekuensi dua arah antara kelompok data aktual dan prediksi.

14

Tabel 2. Ketepatan Klasifikasi

Aktual Prediksi

Total Ketepatan 0 1

0 a b 1n a/

1n

1 c d 0n d/

0n

Total 1n 0n n (a+d)/n

Sumber: Hosmer dan Lemeshow (2000)

Hasil ketepatan klasifikasi yang mencapai lebih dari 50% yang berarti bahwa

fungsi logit regresi logistik multinomial dianggap sudah cukup tepat untuk

memodelkan variabel dependen (Miranti, Rumlawang dan Kondolembang, 2019).

e. Interpretasi Model

Interpretasi dalam regresi logistik menggunakan nilai Odds Ratio atau OR

yang menunjukkan perbandingan berapa kali lipat kenaikan atau penuruan angka

kejadian y = j terhadap y = 0 sebagai kategori pembanding jika nilai variabel

independen berubah sebesar nilai tertentu sebagaimana persamaan berikut

(Hosmer dan Lemeshow, 2000):

)exp(),( kabj baOR (12)

Jika nilai OR = 1 maka risiko yang dihasilkan pada ax sama dengan .bx Jika

OR<1 menunjukkan bahwa antar kedua variabel terdapat hubungan negatif dan

jika OR>1 menunjukkan bahwa antar kedua variabel terdapat hubungan positif.

Dalam model Odds Ratio menggambarkan perubahan (peningkatan atau

penurunan) kecenderungan setiap pertambahan satu unit variabel independen, jika

variabel independen bersifat kategorik (Hosmer, Lemeshow dan Sturdivant,

2013).

15

2.2 Hasil Penelitian yang Relevan

Penelitian ini mengenai identifikasi faktor-faktor yang memengaruhi

keberhasilan mahasiswa FSAINS UNCP angkatan 2015 menggunakan regresi

logistik multinomial. Berdasarkan eksplorasi peneliti, ditemukan beberapa tulisan

yang berkaitan dengan penelitian ini. Penelitian sebelumnya dilakukan oleh Lely

Kurnia (2011) membahas tentang “Analisis Faktor-faktor yang Memengaruhi

Keberhasilan Akademik Mahasiswa STAIN Batusangkar”, dalam penelitiannya

menggunakan data primer dan data sekunder mahasiswa baru fakultas tarbiyah

program studi matematika, fisika dan biologi angkatan 2008 sampai dengan 2010

STAIN Batusangkar. Variabel dependen yang diamati adalah nilai IPK

mahasiswa, sedangkan variabel independen diantaranya jenis kelamin, jalur

masuk, asal sekolah, status ekonomi, status tempat tinggal, jarak kampus ke

tempat tinggal, dan jurusan. Berdasarkan regresi logistik diperoleh bahwa faktor-

faktor yang memengaruhi tersebut adalah asal daerah, nilai UN, dan jurusan

sekolah menengah.

Penelitian juga dilakukan oleh Nurgenita (2015) mengenai “Identifikasi

Faktor–faktor yang Memengaruhi Ketepatan Waktu Kelulusan Mahasiswa

Program Sarjana IPB”. Penelitiannya dengan menggunakan analisis regresi

logistik biner menghasilkan bahwa faktor-faktor yang berpengaruh signifikan

terhadap ketepatan waktu kelulusan mahasiswa adalah fakultas, IPK TPB, jenis

kelamin, beasiswa, dan jalur masuk.

Penelitian yang dilakukan oleh Suniantara dan Muhammad (2017)

mengenai ”Klasifikasi Waktu Kelulusan Mahasiswa STIKOM Bali Menggunakan

CHAID Regression-Trees dan Regresi Logistik Biner”. Adapun variabel-variabel

yang digunakan yaitu variabel dependennya adalah status kelulusan mahasiswa

tepat waktu dan tidak tepat waktu, dan variabel independennya adalah jurusan

atau prodi, IPK, IPS semester 6, lama menyusun skripsi jenis kelamin, dan nilai

ujian masuk. Hasil klasifikasi dengan menggunakan metode CHAID Regression-

Trees dipengaruhi oleh lama menyusun skripsi, IPK, IP semester 6 dan program

studi. Sedangkan hasil mengunakan regresi logistik biner dipengaruhi oleh

program studi, IPK, dan lama menyusun skripsi.

16

Penelitian juga dilakukan oleh Tampil, Hanny, dan Yohanis (2017)

mengenai “Analisis Regresi Logistik untuk Menentukan Faktor-faktor yang

Memengaruhi Indeks Prestasi Kumulatif (IPK) Mahasiswa FMIPA Universitas

Sam Ratulangi Manado”. Variabel yang digunakan pada penelitian ini terdiri atas

variabel dependen yaitu Indeks Prestasi Kumulatif (IPK), serta variabel

independen yaitu jenis kelamin, jurusan, tempat tinggal, menerima beasiswa,

daerah asal, asal sekolah, pekerjaan orang tua, dan biaya hidup tiap bulan. Tujuan

dari penelitian ini adalah untuk mengetahui model regresi logistik biner dari IPK

mahasiswa program studi Matematika dan Kimia FMIPA Unsrat Manado serta

mengetahui faktor-faktor yang memengaruhi IPK tersebut. Faktor-faktor yang

memengaruhi IPK tersebut adalah program studi dan tempat tinggal.

2.3 Kerangka Pikir

Tujuan pendidikan pada dasarnya adalah mempersiapkan generasi agar

dapat menjalani kehidupan dan dapat memecahkan masalah-masalah yang akan

dihadapi, tujuan pendidikan dapat tercapai apabila ada usaha-usaha yang serius

dari pemerintah untuk meningkatkan mutu pendidikan nasional (Saleh, 2014).

Ketersediaan fasilitas pendidikan baik sarana maupun prasarana akan sangat

menunjang dalam meningkatkan mutu pendidikan. Keberadaan perguruan tinggi

mempunyai dampak positif untuk melakukan tugas-tugas perkembangan secara

pribadi sebagai relevansi dari penerus pembangunan.

Keberhasilan mahasiswa memasuki perguruan tinggi merupakan suatu

kebanggaan tersendiri, apalagi mereka yang telah berusaha keras, sebelum

melalukan tes jalur masuk ke perguruan tinggi tentu telah mempersiapkan diri

dengan sebaik-baiknya. Setiap mahasiswa ingin selalu mendapat prestasi belajar

yang baik. Karena prestasi belajar merupakan tolak ukur keberhasilan mahasiswa

dalam menempuh pendidikan di perguruan tinggi.

Keberhasilan mahasiswa dalam bidang akademik ditandai dengan prestasi

akademik yang dicapai, ditunjukkan melalui Indeks Prestasi Kumulatif (IPK) serta

ketepatan dalam menyelesaikan studi (Saleh, 2014). Berdasarkan penelitian

sebelumnya, banyak faktor yang memengaruhi keberhasilan akademik

mahasiswa, dan terdapat hubungan antara faktor-faktor tersebut. Terdapat enam

faktor yang memengaruhi keberhasilan akademik mahasiswa yaitu, variabel

17

independen (x) yang meliputi jenis kelamin, IPK, menerima beasiswa, jalur

masuk, program studi dan daerah asal berpengaruh secara signifikan terhadap

variabel dependen (y) yang meliputi IPK akhir dan ketepatan waktu kelulusan.

a. Jenis Kelamin

Terdapat kaitan antara jenis kelamin dengan keberhasilan akademik

mahasiswa. Secara umum dapat dilihat bahwa persentase laki-laki yang gagal

lebih besar daripada perempuan, sedangkan persentase mahasiswa yang berhasil

didominasi oleh perempuan (Nurgenita, 2015). Hal ini dapat disebabkan karena

mahasiswa perempuan lebih tekun dan rajin dalam belajar terutama dalam

mengerjakan tugas kuliah yang diberikan.

b. Indeks Prestasi Kumulatif (IPK)

Indeks Prestasi Kumulatif (IPK) adalah angka prestasi akademik

mahasiswa yang dihitung dari semua mata kuliah untuk semua semester yang

sudah diikuti oleh mahasiswa, yang menjadi indikator utama keberhasilan

akademik mahasiswa dalam prestasi belajar dimanapun mereka menuntut ilmu.

c. Penerima Beasiswa

Beasiswa adalah bantuan untuk membantu orang terutama bagi yang masih

sekolah atau kuliah agar dapat menyelesaikan tugasnya dalam menuntut ilmu

pengetahuan hingga selesai. Bantuan beasiswa ini biasanya berbentuk dana untuk

menunjang biaya yang harus dikeluarkan oleh anak sekolah atau mahasiswa

selama menempuh pendidikan. Peluang seorang mahasiswa yang menerima

beasiswa memiliki kecenderungan keberhasilan yang lebih besar dari pada

mahasiswa yang tidak menerima beasiswa (Tampil, Hanny, dan Yohanis, 2017).

d. Jalur Masuk

Jalur masuk perguruan tinggi berpengaruh terhadap keberhasilan akademik

mahasiswa. Mahasiswa yang masuk ke perguruan tinggi melalui jalur undangan

maupun jalur prestasi merupakan siswa-siswa pilihan yang dianggap sudah

mampu atau layak untuk melanjutkan studi tanpa melalui tes masuk perguruan

tinggi sebelumnya. Mahasiswa yang gagal lebih besar terdapat pada mahasiswa

yang masuk melalui jalur tes, ini sejalan dengan persentase mahasiswa yang

berhasil akademiknya lebih besar pada mahasiswa yang masuk perguruan tinggi

melalui jalur undangan atau jalur prestasi (Nurgenita, 2015).

18

e. Daerah Asal

Daerah Asal merupakan tempat tinggal dimana seseorang itu menetap dan

tercatat dalam kependudukan. Dalam penelitian Tampil, Hanny, dan Yohanis,

(2017), menghasilkan bahwa peluang seorang mahasiswa yang berasal dari

Sulawesi Utara memiliki kecenderungan indeks prestasi kumulatif lebih besar dari

mahasiswa yang berasal dari luar Sulawesi Utara. Mahasiswa yang berasal dari

luar daerah memerlukan proses adaptasi untuk dapat menyesuaikan diri dengan

lingkungan. Keberhasilan proses adaptasi tersebut, dapat menentukan berhasil

tidaknya seseorang mahasiswa yang berasal dari luar daerah dalam belajar di

Perguruan Tinggi.

f. Program Studi

Program Studi adalah kesatuan kegiatan pendidikan dan pembelajaran yang

memiliki kurikulum dan metode pembelajaran tertentu dalam satu jenis

pendidikan akademik, pendidikan profesi, dan pendidikan vokasi.

Bagan Gambar 1 menggambarkan hubungan antara variabel independen dengan

variabel dependen dalam kerangka pikir sebagai berikut:

Jenis Kelamin

IPK

Penerima Beasiswa

Jalur Masuk

Program Studi

Daerah Asal

Variabel Independen (x)

IPK akhir dan

ketepatan waktu

kelulusan

Variabel Dependen (y)

Gambar 1. Kerangka Pikir

19

BAB III

METODE PENELITIAN

3.1 Jenis dan Sumber Data Penelitian

1. Jenis Penelitian

Jenis penelitian yang digunakan adalah penelitian kuantitatif deskriptif

dengan pendekatan Analisis Data Sekunder (ADS). ADS merupakan suatu metode

dengan memanfaatkan data sekunder sebagai sumber data utama, memanfaatkan

data sekunder yang dimaksud adalah dengan menggunakan sebuah teknik uji

statistik yang sesuai untuk mendapatkan informasi yang dinginkan dari data yang

sudah matang yang diperoleh pada instansi atau lembaga untuk diolah secara

sistematis dan objektif (Chudori, 2012:51). Penelitian ini menggunakan software

SPSS dengan metode regresi logistik multinomial.

Penelitian kuantitatif deskriptif bertujuan menganalisis data yang bersifat

statistik untuk menguji hipotesis yang telah ditetapkan, mendeskripsikan,

mencatat, dan menginterpretasikan data. Dengan kata lain, penelitian ini bertujuan

untuk menginterpretasikan data yang diperoleh mengenai apa saja faktor-faktor

yang signifikan memengaruhi keberhasilan akademik mahasiswa FSAINS UNCP,

sehingga menghasilkan model regresi logistik multinomial dan tingkat ketepatan

model tersebut. Penelitian ini ada juga yang tidak menggunakan hipotesis,

melainkan hanya mendeskripsikan informasi apa adanya sesuai dengan variabel

yang diteliti.

2. Sumber Data Penelitian

Sumber data merupakan lokasi atau tempat data dapat diperoleh

berdasarkan jenis data yang diperlukan dalam memecahkan masalah. Sumber data

yang digunakan dalam penelitian ini adalah data sekunder berupa data mahasiswa

FSAINS UNCP angkatan 2015 yang telah yudisium. Data diperoleh dari pihak

Unit PMB, Direktorat Akademik dan Kemahasiswaan UNCP di Jl. Latamacelling,

Tompotika, Wara, Kota Palopo, Sulawesi Selatan 91911.

3.2 Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di Laboratorium Komputasi Kampus 2

Universitas Cokroaminoto Palopo di Jl. Lamaranginang Kota Palopo, Sulawesi

20

Selatan. Waktu penelitian dilaksanakan pada bulan Februari 2020 sampai April

2020.

3.3 Populasi dan Sampel Penelitian

1. Populasi

Populasi diartikan sebagai wilayah generalisasi yang terdiri atas: obyek

atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan

oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,

2010). Berdasarkan pendapat tersebut dapat diambil batasan pengertian bahwa

populasi adalah keseluruhan unsur obyek sebagai sumber data dengan

karakteristik tertentu dalam sebuah penelitian. Adapun populasi dalam penelitian

ini adalah seluruh mahasiswa FSAINS UNCP.

2. Sampel

Menurut Sugiyono (2010), sampel adalah sebagian dari jumlah dan

karakteristik yang dimiliki oleh populasi. Besarnya sampel ditentukan oleh

banyaknya data atau pengamatan dalam sampel itu. Sampel dalam penelitian ini

adalah mahasiswa FSAINS UNCP angkatan 2015 yang telah yudisium sebanyak

108 mahasiswa.

3.4 Operasional Variabel Penelitian

Menurut Suryabrata (2012:25), variabel adalah segala sesuatu yang akan

menjadi obyek pengamatan penelitian, sering pula dinyatakan variabel penelitian

sebagai faktor-faktor yang berperan dalam peristiwa yang akan diteliti. Variabel

yang akan diteliti dalam penelitian ini terbagi menjadi 2 variabel, yaitu variabel

independen dan variabel dependen. Variabel independen (variabel bebas) adalah

variabel yang memengaruhi atau menjadi sebab berubahnya variabel dependen.

Sedangkan, variabel dependen (variabel terikat) adalah variabel yang dipengaruhi

atau yang menjadi akibat karena adanya variabel independen.

Definisi operasional merupakan definisi yang didasarkan atas sifat-sifat

hal yang dapat diamati (Suryabrata, 2012:29). Dengan demikian, maka

operasional variabel adalah definisi yang memberi arti atau menspesifikasikan

suatu kegiatan, sehingga obyek yang kita amati dan dapat diteliti, diukur dengan

21

jelas. Adapun operasional variabel penelitian yang digunakan dalam penelitian ini

sebagai berikut:

Tabel 3. Operasional Variabel Penelitian Variabel Kategori Definisi Operasional Skala

IPK akhir dan

ketepatan

waktu

kelulusan y

1= IPK < 3,50 dan lulus

tidak tepat waktu Tingkat IPK akhir dan

ketepatan waktu kelulusan

mahasiswa FSAINS UNCP

angkatan 2015 yang telah

yudisium

Nominal

2=IPK < 3,50 dan lulus

tepat waktu

3=IPK ≥ 3,50 dan lulus

tidak tepat waktu

4=IPK ≥ 3,50 dan lulus

tepat waktu

Jenis Kelamin

1x

1=Perempuan Karakteristik mahasiswa

FSAINS UNCP angkatan

2015 yang dapat dibedakan

Nominal 2=Laki-laki

IPK 2x -

IPK akhir mahasiswa

FSAINS UNCP angkatan

2015 yang dijadikan sebagai

alat ukur prestasi di bidang

akademik

Ordinal

Penerima

Beasiswa 3x

1=Menerima Status penerima beasiswa

mahasiswa FSAINS UNCP

angkatan 2015

Nominal 2=Tidak menerima

Jalur Masuk

4x

1=Jalur prestasi

2=Jalur reguler

3=Jalur one day service

Jalur masuk saat mendaftar ke

UNCP Nominal

Program Studi

5x

1=Matematika

Program studi strata satu (S1)

yang ada di FSAINS UNCP Nominal

2=Biologi

3=Fisika

4=Kimia

Daerah Asal

6x

1=Luwu Raya Tempat tinggal mahasiswa

FSAINS UNCP angkatan

2015 yang tercatat di dalam

kependudukan

Nominal 2=Luar Luwu Raya

Sumber: Data sekunder sebelum diolah (2020)

3.5 Teknik Pengumpulan Data

Teknik Pengumpulan data dapat dilakukan dalam berbagai sumber dan

berbagai cara, pada penelitian ini akan dilakukan dengan cara dokumentasi dan

studi kepustakaan. Dokumentasi merupakan suatu cara untuk mengumpulkan data

melalui peninggalan tertulis, seperti arsip-arsip dan termasuk juga buku-buku

tentang pendapat, teori, dalil atau hukum-hukum yang berhubungan dengan

masalah penelitian, dalam penelitian kuantitatif teknik ini berfungsi untuk

menghimpun secara selektif bahan-bahan yang dipergunakan di dalam kerangka

atau landasan teori, penyusunan hipotesis secara tajam (Margono, 2010:181).

22

Dokumentasi penelitian ini akan lebih pada pengumpulan arsip data penelitian,

seperti data sekunder yang diperoleh dari Unit PMB, Direktorat Akademik dan

Kemahasiswaan UNCP.

Studi kepustakaan berkaitan dengan kajian teoritis dan referensi lain yang

berkaitan dengan nilai, budaya dan norma yang berkembang pada situasi sosial

yang diteliti, selain itu studi kepustakaan sangat penting dalam melakukan

penelitian, hal ini dikarenakan penelitian tidak akan lepas dari literatur-literatur

ilmiah (Sugiyono, 2010). Studi kepustakaan pada penelitian ini dilakukan dengan

cara membaca dokumen, teori, artikel, atau jurnal penelitian yang relevan.

3.6 Teknik Analisis Data

Teknik analisis data yang dilakukan dalam penelitian ini adalah sebagai

berikut yang dapat dirangkum dalam diagram alur pada Gambar 2.

1. Melakukan input data, yaitu memindahkan data di dokumen yang diperoleh

dengan cara diketik dan dimasukkan ke dalam dokumen digital di software

komputer yang akan digunakan yaitu SPSS, kemudian pemberian kategori

pada data agar data dapat di analisis.

2. Mendeskripsikan karakteristik keberhasilan akademik mahasiswa FSAINS

UNCP angkatan 2015 menggunakan statistika deskriptif, dengan melihat

tabel kontingensi atau cross tabulation.

3. Berdasarkan hasil yang ingin dicapai dengan menggunakan regresi logistik

multinomial maka dibutuhkan pengolahan data dengan tahapan sebagai

berikut:

a. Menguji independensi untuk mengetahui apakah terdapat hubungan antara

variabel independen dengan variabel dependen menggunakan nilai uji

Pearson Chi-Square.

b. Melakukan uji serentak untuk memeriksa peran seluruh variabel independen

yang diajukan terhadap model menggunakan uji signifikansi simultan (uji-

G).

c. Melakukan uji parsial untuk mengetahui secara individu apakah variabel

independen berpengaruh signifikan atau tidak terhadap variabel dependen

menggunakan uji Wald.

23

d. Membentuk fungsi logit pada masing-masing variabel dependen di setiap

model regresi logistik multinomial. Variabel dependen dengan empat kategori

akan menghasilkan tiga fungsi logit.

e. Melakukan uji kesesuaian model menggunakan uji metode Deviance untuk

melihat apakah model itu sesuai atau tidak antara prediksi dengan observasi.

f. Menghitung ketepatan klasifikasi model, ketepatan prediksi dari model dapat

diketahui dengan melihat tabel ketepatan klasifikasi (classification table)

yang merupakan tabel frekuensi dua arah antara kelompok data aktual dan

prediksi.

g. Hasil output data yang diperoleh dengan menginterpretasikan model regresi

logistik multinomial dan menarik kesimpulan. Interpretasi dalam regresi

logistik dengan melihat nilai Odds Ratio (OR). Kemudian menyimpulkan

model yang telah diperoleh.

Berikut merupakan diagram alur teknik analisis data yang dilakukan dalam

penelitian ini:

24

Gambar 2. Diagram Alur

Keterangan:

: Mulai dan selesai

: Input dan output

data data

: Proses kegiatan

: Kegiatan/pilihan

: Urutan kegiatan : Siklus jika diperlukan

Input data &

Statistika Deskriptif

Uji Independensi

Pengujian Serentak

Pengujian Parsial

Model Regresi Logistik Multinomial

Kesesuaian Model

Ketepatan Klasifikasi

Output (interpretasi dan

kesimpulan)

Signifikan

Signifikan

Tidak

Signifikan Tidak digunakan

sebagai model

Tambah data

Tidak

Signifikan

Mulai

Selesai

25

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian

1. Deskripsi Keberhasilan Akademik Mahasiswa FSAINS UNCP

Angkatan 2015

IPK akhir dan ketepatan waktu kelulusan dijadikan sebagai indikator

keberhasilan akademik mahasiswa. Berdasarkan data mahasiswa FSAINS UNCP

angkatan 2015 pada Lampiran 1, diperoleh karakteristik data IPK akhir dan

ketepatan waktu kelulusan seperti pada Gambar 3 sebagai berikut:

Gambar 3. Persentase Keberhasilan Akademik Mahasiswa

FSAINS UNCP Angkatan 2015

Berdasarkan Gambar 3, sampai dengan bulan Maret 2020 tercatat bahwa dari

total mahasiswa FSAINS angkatan 2015 yang telah yudisium sebanyak 108

mahasiswa, keberhasilan akademik tertinggi pada kategori IPK ≥ 3,50 dan lulus

tepat waktu sebanyak 67 mahasiswa (62,17%), kategori IPK ≥ 3,50 dan lulus

tidak tepat waktu sebanyak 21 mahasiswa (19,44%), kategori IPK < 3,50 dan

lulus tidak tepat waktu sebanyak 17 mahasiswa (15,74%), dan terendah pada

kategori IPK < 3,50 dan lulus tepat waktu sebanyak 3 mahasiswa (2,78%).

Sedangkan untuk mengetahui data yang bersifat kategori dapat dilakukan dengan

melihat tabel kontingensi (cross tabulation) yang dibuat pada setiap pengamatan

variabel independen seperti pada Lampiran 2.

IPK < 3,50 dan lulus tidak tepat waktu

IPK < 3,50 dan lulus tepat waktu

IPK ≥ 3,50 dan lulus tidak tepat waktu

IPK ≥ 3,50 dan lulus tepat waktu

26

Pada Lampiran 2 menunjukkan bahwa karakteristik IPK akhir dan

ketepatan waktu kelulusan dengan jenis kelamin, mahasiswa perempuan

cenderung lebih banyak yaitu sebesar 82,4% (89 mahasiswa) dibandingkan laki-

laki sebesar 17,6% (19 mahasiswa). Hal ini dapat diamati bahwa peminat laki-

laki yang mengambil jurusan di FSAINS kurang diminati. Persentase mahasiswa

perempuan terbanyak berada pada kategori IPK ≥ 3,50 dan lulus tepat waktu

yaitu sebanyak 63 mahasiswa (58,3%). Sedangkan jika dilihat total persentase

mahasiswa yang menerima beasiswa selama menempuh pendidikan di FSAINS

UNCP memiliki persentase yang lebih tinggi yaitu sebanyak 88 mahasiswa

(81,5%) dibandingkan dengan yang tidak menerima beasiswa dengan total 20

mahasiswa (18,5%). Persentase penerima beasiswa tertingi pada kategori IPK ≥

3,50 dan lulus tepat waktu yaitu sebanyak 60 mahasiswa (55,6%).

Karakteristik IPK akhir dan ketepatan waktu kelulusan dengan jalur

masuk, jumlah paling banyak melalui jalur reguler yaitu 98 mahasiswa (90,7%),

dibandingkan melalui jalur one day service sebanyak 10 mahasiswa (9,3%),

mahasiswa FSAINS angkatan 2015 tidak ada melalui jalur prestasi. Persentase

mahasiswa melalui jalur reguler tertingi pada kategori IPK ≥ 3,50 dan lulus tepat

waktu yaitu sebanyak 64 mahasiswa (59,3%). Sedangkan jika dilihat berdasarkan

program studi, paling banyak mahasiswa yang berasal dari program studi Biologi

yaitu sebesar 39 mahasiswa (36,1%) dan terendah berasal dari program studi

Fisika yaitu sebesar 15 mahasiswa (13,9%). Hail ini dikarenakan lebih banyak

peminat mahasiswa yang mengambil program studi Biologi dibandingkan

program studi lain.

Karakteristik mahasiswa FSAINS UNCP jika dilihat berdasarkan daerah

asal, total persentase terbanyak mahasiswa berasal dari Luwu Raya yaitu

sebanyak 105 mahasiswa (97,2%) dibandingkan dengan yang berasal dari luar

Luwu Raya yaitu 3 mahasiswa (2,8%). Hal ini dikarenakan lebih banyak

mahasiswa yang berasal dari Luwu Raya yang menempuh pendidikan di FSAINS

UNCP. Persentase mahasiswa tertinggi juga berasal dari Luwu Raya dengan

kategori IPK ≥ 3,50 dan lulus tepat waktu yaitu sebanyak 65 mahasiswa (60,2%).

27

2. Analisis Regresi Logistik Multinomial pada Keberhasilan Akademik

Mahasiswa FSAINS UNCP Angkatan 2015

a. Uji Independensi

Uji independensi digunakan untuk mengetahui apakah terdapat hubungan

antara variabel independen dengan variabel dependen menggunakan nilai uji

Pearson Chi-Square. Hasil uji independensi disajikan pada Tabel 4 berikut:

Tabel 4. Hasil Uji Independensi No Variabel df χ

2 hitung χ

2 tabel p-value Keputusan

1 Jenis Kelamin 3 21,967 7,815 0,000 Tolak H0

2 IPK akhir 171 264,434 202,513 0,000 Tolak H0

3 Penerima Beasiswa 3 13,289 7,815 0,004 Tolak H0

4 Jalur Masuk 3 5,948 7,815 0,114 Terima H0

5 Program Studi 9 26,293 16,919 0,002 Tolak H0

6 Daerah Asal 3 1,303 7,815 0,728 Terima H0

Sumber: Data sekunder setelah diolah (2020)

Berdasarkan uji statistik Chi-Square pada persamaan (1) dan mengacu

pada Lampiran 3, Tabel 4 menunjukkan bahwa variabel jalur masuk dan variabel

daerah asal memiliki nilai 2 hitung yang lebih kecil dari 2 tabel, dan nilai p-

value > 0,05 yang berarti terima H0. Sehingga dapat disimpulkan bahwa tidak ada

hubungan antara keberhasilan akademik mahasiswa FSAINS UNCP angkatan

2015 dengan variabel jalur masuk dan daerah asal yang diamati.

Diperoleh juga bahwa variabel jenis kelamin, IPK akhir, penerima

beasiswa, dan program studi memiliki nilai 2 hitung yang lebih besar dari 2

tabel, dan nilai p-value masing-masing kurang dari 0,05 yang berarti tolak H0 atau

terima H1. Sehingga dapat disimpulkan bahwa ada hubungan antara keberhasilan

akademik mahasiswa FSAINS UNCP angkatan 2015 dengan variabel jenis

kelamin, IPK akhir, penerima beasiswa, dan program studi yang diamati.

b. Pengujian Serentak

Pengujian serentak digunakan untuk mengetahui secara keseluruhan

apakah variabel independen berpengaruh signifikan atau tidak terhadap model

dengan menggunakan uji G atau likelihood ratio test.

28

Tabel 5. Hasil Uji Serentak Model Model Fitting

Criteria

Likelihood Ratio Tests

-2 Log Likelihood Chi-Square df Sig.

Intercept Only 209,378

Final 150,478 58,900 15 ,000

Sumber: Data sekunder setelah diolah (2020)

Kriteria pengujian serentak dilakukan berdasarkan nilai pada tabel Chi-Square

dengan mengambil taraf signifikan )( sebesar 0,05 dan derajat kebebasan 15

sehingga diperoleh 2

15;05,0

2

, df 24,996. Berdasarkan Tabel 5 diperoleh nilai

statistik 2

,dfG = 58,900 > 24,996 dan nilai p-value < , sehingga0H ditolak

yang artinya terdapat minimal satu variabel independen yang digunakan terhadap

model. Selain itu, pengujian serentak dapat dilakukan dengan membandingkan

nilai antara -2 Log Likelihood (-2LL) awal (intercept only) dengan -2 Log

Likelihood (-2LL) pada model final. Penurunan nilai antara -2LL intercept only

dengan -2LL pada model final menunjukkan bahwa model sesuai dengan data.

Tabel 5 menunjukkan bahwa nilai -2LL awal (intercept only) sebesar 209,378

sedangkan -2LL pada model final sebesar 150,478. Nilai tersebut terjadi

penurunan pada -2 Log Likelihood sebesar 58,900 dan signifikan pada 0,000. Jadi

model tersebut sesuai dengan data.

c. Pengujian Parsial

Langkah selanjutnya yaitu untuk mengetahui secara individu apakah

variabel independen berpengaruh signifikan atau tidak terhadap variabel

dependen dengan uji parsial atau individu menggunakan nilai uji Wald. Kriteria

pengujian dilakukan dengan mengambil taraf signifikan )( sebesar 0,05 dan

mengikuti tabel distribusi normal baku )(Z diperoleh 2/05,02/ ZZ = 025,0Z =1,960.

Berdasarkan Tabel 6 dengan menggunakan kategori IPK ≥ 3,50 dan lulus tepat

waktu sebagai kategori pembanding estimasi parameter, diperoleh nilai uji

statistik 2/ZWj dan nilai p-value < , sehingga tolak 0H yang artinya ada

pengaruh secara individu antara variabel independen terhadap variabel dependen.

Ketiga variabel yang berpengaruh diantaranya: jenis kelamin ),( 1x penerima

beasiswa ),( 3x dan program studi ).( 5x

29

Tabel 6. Hasil Uji Estimasi Parameter

IPK akhir dan ketepatan

waktu kelulusana B Std. Error Wald df Sig. Exp(B)

IPK < 3.50

dan lulus

tidak tepat

waktu

Intercept 2,164 1,344 2,595 1 ,107

[X3=1] -2,446 ,947 6,678 1 ,010 ,087

[X3=2] 0b . . 0 . .

[X5=1] 2,484 1,075 5,345 1 ,021 11,993

[X5=2] -1,880 1,405 1,790 1 ,181 ,153

[X5=3] ,853 1,304 ,428 1 ,513 2,347

[X5=4] 0b . . 0 . .

[X1=1] -3,006 ,897 11,225 1 ,001 ,049

[X1=2] 0b . . 0 . .

IPK < 3.50

dan lulus

tepat waktu

Intercept 2,943 1,675 3,087 1 ,079

[X3=1] -4,025 1,729 5,417 1 ,020 ,018

[X3=2] 0b . . 0 . .

[X5=1] -,167 1,742 ,009 1 ,924 ,846

[X5=2] -20,906 6637,570 ,000 1 ,997 8,328E-010

[X5=3] -19,316 ,000 . 1 . 4,086E-009

[X5=4] 0b . . 0 . .

[X1=1] -2,695 1,694 2,531 1 ,112 ,068

[X1=2] 0b . . 0 . .

IPK ≥ 3.50

dan lulus

tidak tepat

waktu

Intercept ,115 1,196 ,009 1 ,924

[X3=1] -,755 ,803 ,884 1 ,347 ,470

[X3=2] 0b . . 0 . .

[X5=1] 2,208 ,907 5,930 1 ,015 9,102

[X5=2] ,215 ,945 ,052 1 ,820 1,240

[X5=3] 1,025 1,037 ,977 1 ,323 2,788

[X5=4] 0b . . 0 . .

[X1=1] -1,775 ,796 4,966 1 ,026 ,170

[X1=2] 0b . . 0 . .

Sumber: Data sekunder setelah diolah (2020)

d. Uji Kesesuaian Model

Uji kesesuaian model dilakukan untuk mengetahui apakah model yang

diperoleh sesuai atau tidak. Pengujian ini dilakukan dengan menggunakan metode

Deviance. Tabel hasil pengujiannya adalah sebagai berikut:

Tabel 7. Hasil Uji Kesesuaian Model Chi-Square Df Sig.

Pearson 284,259 258 ,125

Deviance 143,311 258 1,000

Sumber: Data sekunder setelah diolah (2020)

Kriteria pengujian kesesuaian model dilakukan dengan mengambil taraf

signifikan )( sebesar 0,05 dan mengikuti tabel distribusi Chi-Square diperoleh

nilai 2

,df =2

258;05,0 = 287,882. Kriteria keputusan adalah tolak 0H jika nilai

uji 2

,ˆ

dfC atau p-value < α. Berdasarkan pada Tabel 7, nilai uji 2

,ˆ

dfC =

143,311 < 287,882 dan nilai p-value > 0,05 yaitu sebesar 1,000. Keputusan yang

30

diambil adalah terima 0H yang artinya model yang dihasilkan sesuai (tidak

terdapat perbedaan yang signifikan antara prediksi dengan observasi), sehingga

model tersebut dapat digunakan.

e. Hasil Ketepatan Klasifikasi

Ketepatan klasifikasi tersebut akan digunakan untuk menilai model

apakah sudah tepat atau tidak, sedangkan untuk mengetahui model sudah tepat

atau belum dapat dilihat dari prediksi klasifikasinya dan dengan menggunakan

model yang telah terbentuk akan dilakukan prediksi ulang menggunakan data

yang telah ada. Perbandingan ketepatan klasifikasi data prediksi dengan data

pengamatan dapat dilihat pada Tabel 8.

Tabel 8. Hasil Ketepatan Klasifikasi Observed Predicted

IPK < 3,50

dan lulus tidak

tepat waktu

IPK < 3,50

dan lulus

tepat waktu

IPK ≥ 3,50 dan

lulus tidak

tepat waktu

IPK ≥ 3,50

dan lulus

tepat waktu

Percent

Correct

IPK < 3,50 dan lulus

tidak tepat waktu 7 0 2 8 41,2%

IPK < 3,50 dan lulus

tepat waktu 0 2 0 1 66,7%

IPK ≥ 3,50 dan lulus

tidak tepat waktu 3 0 2 16 9,5%

IPK ≥ 3,50 dan lulus

tepat waktu 4 0 0 63 94,0%

Overall Percentage 13,0% 1,9% 3,7% 81,5% 68,5%

Sumber: Data sekunder setelah diolah (2020)

Tabel 8 menunjukkan ketepatan klasifikasi dari model regresi logistik

multinomial yang terbentuk yaitu sebesar 68,5% yang berarti banyaknya prediksi

yang tepat diklasifikasikan sesuai dengan observasi adalah sebesar 68,5% dan

memiliki kesalahan klasifikasi yang dihasilkan sebesar 31,5%. Banyaknya

observasi pada kategori IPK < 3.50 dan lulus tidak tepat waktu yang tepat

diprediksi sebesar 41,2% menunjukkan bahwa 58,8% kategori tersebut salah

dalam pengklasifikasiannya dan diprediksi pada kategori lain. Begitu pula pada

kategori IPK < 3.50 dan lulus tepat waktu yang hanya tepat terklasifikasi sebesar

66,7% dan sebesar 33,3% salah dalam pengklasifikasian. Pada kategori IPK ≥

3.50 dan lulus tidak tepat waktu dengan ketepatan klasifikasi sebesar 9,5% dan

salah dalam pengklasifikasian sebesar 90,5%. Dan pada kategori IPK ≥ 3.50 dan

31

lulus tepat waktu dengan ketepatan klasifikasi sebesar 94,0% menunjukkan salah

pengklasifikasian sebesar 6,0% ke dalam kategori lain.

f. Hasil Odds Ratio (OR)

Tabel 6 juga menunjukkan nilai Odds Ratio (OR) untuk masing-masing

kategori variabel independen yang dapat dilihat pada Exp(B). Diketahui bahwa

nilai Odds Ratio (OR) pada logit 1 menjelaskan kategori IPK < 3,50 dan lulus

tidak tepat waktu, untuk kategori yang menerima beasiswa sebesar 0,087 yang

berarti mahasiswa yang menerima beasiswa sebesar 0,087 kali lebih besar

dibandingkan dengan yang tidak menerima beasiswa. Mahasiswa dari program

studi Matematika pada IPK < 3,50 dan lulus tidak tepat waktu 11,993 kali lebih

besar dibandingkan dengan mahasiswa dari program studi lain. Mahasiswa

berjenis kelamin perempuan dengan IPK < 3,50 dan lulus tidak tepat waktu

sebesar 0,049 kali lebih besar dibandingkan dengan mahasiswa laki-laki.

Logit 2 menjelaskan kategori IPK < 3,50 dan lulus tepat waktu, untuk

kategori mahasiswa yang menerima beasiswa memiliki Odds Ratio (OR) sebesar

0,018 yang berarti bahwa mahasiswa yang menerima beasiswa sebesar 0,018 kali

lebih besar dibandingkan dengan yang tidak menerima beasiswa. Sedangkan pada

Logi 3 menjelaskan kategori IPK ≥ 3,50 dan lulus tidak tepat waktu, untuk

kategori mahasiswa yang berasal dari program studi Matematika memiliki nilai

Odds Ratio (OR) sebesar 9,102 yang berarti mahasiswa program studi

Matematika 9,102 kali lebih besar dibandingkan dengan mahasiswa yang berasal

dari program studi yang lain. Pada mahasiswa berjenis kelamin perempuan pada

IPK ≥ 3,50 dan lulus tidak tepat waktu sebesar 0,170 kali lebih besar

dibandingkan dengan mahasiswa laki-laki.

4.2 Pembahasan

Uji Independensi merupakan langkah awal setelah pemberian kategori

pada data dan mendeskripsikan karakteristik keberhasilan akademik mahasiswa

FSAINS UNCP angkatan 2015. Uji independensi digunakan untuk mengetahui

apakah terdapat hubungan antara variabel independen dengan variabel dependen.

Pada uji ini jenis kelamin, IPK akhir, penerima beasiswa dan program studi

memiliki hubungan dengan IPK akhir dan ketetapan waktu kelulusan yang

32

dijadikan sebagai indikator keberhasilan akademik mahasiswa karena nilai uji

statistik 2 hitung > 2 tabel, dan nilai p-value masing-masing < 0,05.

Pada hasil perhitungan analisis regresi logistik multinomial terdapat dua

uji yang dilakukan yaitu uji serentak dan uji parsial. Pada uji serentak (uji-G),

dapat dilihat pada Tabel 5 nilai uji statistik 2

,dfG = 58,900 > 24,996 dan nilai

p-value sebesar 0,000 < , sehingga0H ditolak, yang artinya terdapat minimal

satu variabel independen yang digunakan terhadap model. Pada uji parsial atau

uji individu dapat dilihat pada Tabel 6 diperoleh nilai uji statistik 2/ZWj dan

nilai p-value < , pada tiga variabel independen yang berpengaruh terhadap

variabel dependen, diantaranya jenis kelamin ),( 1x penerima beasiswa )( 3x

dan program studi ).( 5x Berdasarkan Tabel 6 dengan melihat nilai parameter B

dan mengacu pada persamaan (5), (6), dan (7) diperoleh tiga fungsi logit regresi

logistik multinomial sebagai berikut:

)1(006,3)1(484,2)1(446,2164,2)( 1531 xxxxg (13)

)1(025,4943,2)( 32 xxg (14)

)1(775,1)1(208,2115,0)( 153 xxxg (15)

Fungsi logit regresi logistik multinomial pada persamaan (13), (14) dan

(15) menunjukkan model logit dimana )( 3x merupakan variabel penerima

beasiswa dengan kategori (1)3x = menerima beasiswa, sedangkan )( 1x

merupakan variabel jenis kelamin dengan kategori (1)1x = perempuan, dan pada

)( 5x merupakan variabel program studi dengan kategori (1)5x = matematika.

Secara umum dapat dilihat bahwa mahasiswa laki-laki yang gagal lebih besar

daripada mahasiswa perempuan, penelitian ini mendukung penelitian yang

dilakukan oleh Nurgenita pada tahun 2015 yang menyatakan bahwa persentase

mahasiswa yang berhasil didominasi oleh perempuan, hal ini disebabkan karena

mahasiswa perempuan lebih tekun dan rajin dalam belajar terutama dalam

mengerjakan tugas kuliah yang diberikan.

33

Adapun mahasiswa yang menerima beasiswa mempunyai peluang

keberhasilan akademik yang lebih besar dibandingkan dengan yang tidak

menerima beasiswa, hal ini dikarenakan lebih banyak mahasiswa FSAINS UNCP

angkatan 2015 yang menerima beasiswa. Penelitian ini sesuai dengan penelitian

Nurgenita pada tahun 2015 serta Tampil, Hanny, dan Yohanis pada tahun 2017

yang menyatakan bahwa mahasiswa yang mendapatkan beasiswa lebih terfokus

meningkatkan prestasi akademik untuk mempertahankan beasiswanya.

Pada program studi, mahasiswa yang berasal dari program studi

matematika mempunyai peluang keberhasilan lebih besar dibandingkan dengan

mahasiswa yang berasal dari program studi lain, hal ini dibuktikan bahwa pada

wisuda periode II tahun 2019 mahasiswa yang berasal dari program studi

Matematika dinobatkan sebagai wisudawan terbaik se-UNCP. Penelitian ini juga

sesuai dengan penelitian Suniantara dan Muhammad pada tahun 2017 yang

menyatakan bahwa waktu kelulusan mahasiswa dipengaruhi oleh program studi,

selain itu penelitian Tampil, Hanny, dan Yohanis pada tahun 2017 yang

menyatakan bahwa mahasiswa dari program studi matematika memiliki

kecenderungan keberhasilan lebih besar daripada mahasiswa dari program studi

kimia.

Dari fungsi logit regresi logistik multinomial pada persamaan (13), (14)

dan (15) dapat digunakan untuk membentuk peluang kumulatif untuk masing-

masing kategori keberhasilan akademik mahasiswa FSAINS UNCP angkatan

2015 berdasarkan pada persamaan (8), (9), (10) dan (11) sebagai berikut:

1. Nilai probabilitas pada kategori IPK < 3,50 dan lulus tidak tepat waktu

12728,0

7298,13389,04475,01

4475,0

548,0exp082,1exp804,0exp1

804,0exp1

x

artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan

2015 pada IPK < 3,50 dan lulus tidak tepat waktu adalah sebesar 0,12728.

34

2. Nilai probabilitas pada kategori IPK < 3,50 dan lulus tepat waktu

09639,0

7298,13389,04475,01

3389,0

548,0exp082,1exp804,0exp1

082,1exp2

x

artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan

2015 pada IPK < 3,50 dan lulus tepat waktu adalah sebesar 0,09639.

3. Nilai probabilitas pada kategori IPK ≥ 3,50 dan lulus tidak tepat waktu

49194,0

7298,13389,04475,01

7298,1

548,0exp082,1exp804,0exp1

548,0exp3

x

artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan

2015 pada IPK ≥ 3,50 dan lulus tidak tepat waktu adalah sebesar 0,49194.

4. Nilai probabilitas pada kategori IPK ≥ 3,50 dan lulus tepat waktu

28439,0

7298,13389,04475,01

1

548,0exp082,1exp804,0exp1

14

x

artinya peluang keberhasilan akademik mahasiswa FSAINS UNCP angkatan

2015 pada IPK ≥ 3,50 dan lulus tepat waktu adalah sebesar 0,28439.

Setelah dihasilkan model regresi logistik multinomial, maka model

tersebut diuji menggunakan uji kesesuaian model (goodness of fit), dengan nilai

uji statistik 2

,ˆ

dfC = 143,311 < 287,882 dan nilai p-value sebesar 1,000 > α ,

sehingga 0H diterima yang artinya model yang dihasilkan sesuai. Selain itu,

model yang dihasilkan memiliki ketepatan klasifikasi sebesar 68,5% sehingga

model dapat digunakan. Hasil prediksi yang mencapai lebih dari 50% yang

berarti bahwa ketiga fungsi logit regresi logistik multinomial dianggap sudah

cukup tepat untuk memodelkan faktor-faktor yang memengaruhi keberhasilan

akademik mahasiswa FSAINS UNCP.

35

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Variabel yang berpengaruh secara signifikan terhadap keberhasilan

akademik mahasiswa FSAINS UNCP angkatan 2015 adalah jenis kelamin

perempuan , )1(1x menerima beasiswa , )1(3x dan program studi matematika

, )1(5x fungsi logit regresi logistik multinomial yang diperoleh adalah:

),1(006,3)1(484,2)1(446,2164,2)( 1531 xxxxg 025,4943,2)(2 xg

)1(3x dan ).1(775,1)1(208,2115,0)( 153 xxxg Model yang dihasilkan memiliki

ketepatan klasifikasi sebesar 68,5% dan model tersebut sesuai sehingga dapat

digunakan.

5.2 Saran

Kepada peneliti selanjutnya yang ingin mengambil tema penelitian yang

sama, disarankan agar mengambil area penelitian yang lebih luas lagi seperti

tingkat universitas, dengan variabel yang akan diteliti lebih banyak sehingga

kemungkinan akan menghasilkan analisis data yang lebih baik lagi.

36

DAFTAR PUSTAKA

Agresti, Alan. 2002. Categorical Data Analysis. New York(US): John Wiley and

Sons Inc.

Astuti, SND., & Yuliawati. 2018. Faktor-faktor yang Berpengaruh Terhadap

Keputusan Kunjungan Wisata di Agrowisata Kabupaten Semarang. Jurnal

Agribisnis Terpadu. 11(2): 241-259. Diakses pada tanggal 20 Maret 2020.

Baihaqi, Hans. 2016. Panduan Akademik dan Kemahasiswaan Universitas

Cokroaminoto Palopo. Bogor: IPB Press.

Bella, M.M., dan Luluk W.R. 2018. Perilaku Malas Belajar Mahasiswa di

Lingkungan Kampus Universitas Trunojoyo Madura. Jurnal Kompetensi.

12(2): 280-303. Diakses pada tanggal 1 Februari 2020.

Budiwanto, Setyo. 2017. Metode Statistika Untuk Mengolah Data Keolahragaan.

Malang: Universitas Negeri Malang.

Chudori, Veldy Nuansa. 2012. Relevansi Isi Kurikulum Kompetensi Keahlian

Teknik Konstruksi Batu dan Beton Di SMKN 5 Bandung dengan

Kebutuhan Industri. Bandung: Universitas Pendidikan Indonesia.

Fajar, M. 2002. Mahasiswa dan Budaya Akademik. Bandung: Rineka Cipta.

Gio, Prana U., & Elly Rosmaini. 2016. Belajar Olah Data dengan SPSS, Minitab,

R, Microsoft Excel, Eviews, Lisrel, Amos, dan SMARTPLS. Medan: USU

Press.

Hosmer DW, dan Lemeshow S. 2000. Applied Logistic Regression. 2th Edition.

New York(US): John Wiley and Sons Inc.

Hosmer DW, Lemeshow S., dan Sturdivant. 2013. Applied Logistic Regression.

3th Edition. New York(US): John Wiley and Sons Inc.

Kurnia, Lely. 2011. Analisis Faktor-faktor yang Memengaruhi Keberhasilan

Akademik Mahasiswa STAIN Batusangkar. Jurnal Saintek. 3(2): 97-111.

Diakses pada tanggal 1 November 2019.

Maesaroh, Siti. 2013. Peranan Metode Pembelajaran Terhadap Minat dan Prestasi

Belajar Pendidikan Agama Islam. Jurnal Kependidikan. 1(1): 150-168.

Diakses pada tanggal 30 Januari 2020.

Margono, S. 2010. Metode Penelitian Pendidikan. Jakarta: Rineka Cipta.

Miranti, M., Rumlawang, F. Y., dan Kondolembang, F. 2019. Pemodelan Faktor-

faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas di Kota

37

Ambon dengan Menggunakan Model Regresi Logistik Multinomial.

Variance: Journal of Statistics and Its Applications. 1(1): 17-26. Diakses

pada tanggal 30 Januari 2020.

Nurgenita. 2015. Identifikasi Faktor-faktor yang Memengaruhi Ketepatan Waktu

Kelulusan Mahasiswa Program Sarjana IPB. Skripsi tidak diterbitkan.

Bogor: Program Sarjana-IPB.

Oetary, Nessa. 2018. Faktor-faktor yang Mempengaruhi Keberhasilan dan

Kegagalan Mahasiswa Akuntansi Dalam Mata Kuliah Pengantar

Akuntansi (Studi Empiris pada Mahasiswa Akuntansi S1 di Fakultas

Ekonomi Universitas Negeri Padang). Jurnal Akuntansi. 6(1). Diakses

pada tanggal 29 Januari 2020.

Pasaribu, Asina C.R. 2011. Hubungan Antara Self Esteem dan Adversity

Inteligence Suatu Studi pada Mahasiswa Universitas HKBP Nommensen

Medan. Jurnal Visi. 19(1):399-416. Diakses pada tanggal 1 Februari 2020.

Saleh, Minhayati. 2014. Pengaruh Motivasi, Faktor Keluarga, Lingkungan

Kampus dan Aktif Berorganisasi Terhadap Prestasi Akademik. Jurnal

Phenomenon. 4(2):109 - 141. Diakses pada tanggal 3 November 2019.

Suaedi. 2015. Buku Profil Universitas Cokroaminoto Palopo 2015-2016. Bogor:

IPB Press.

Sugiyono. 2010. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:

Alfabeta.

Sumartini, dan Disman. 2018. Analisis Faktor-faktor yang Memengaruhi

Penyelesaian Studi Tepat Waktu serta Implikasinya terhadap Kualitas

Kelulusan. Indonesian Journal of Education. 1(1):43-54. Diakses pada

tanggal 30 Januari 2020.

Suniantara, I Ketut Putu, dan Muhammad Rusli. 2017. Klasifikasi Waktu

Kelulusan Mahasiswa STIKOM Bali Menggunakan CHAID Regression-

Trees dan Regresi Logisitik Biner. Jurnal Statistika. 5(1):27-32. Diakses

pada tanggal 30 Januari 2020.

Suryabrata, Sumadi. 2012. Metodologi Penelitian. Jakarta: Rajawali Pers.

Suwito. 2019. Menulis Gagasan Mempercepat Keberhasilan (Alih Status IAIN

Menjadi UIN Syarif Hidayatullah Jakarta 2002). Tangerang Selatan:

YPM.

Tampil, Yumira Adriani., Hanny Komalig dan Yohanis Langi. 2017. Analisis

Regresi Logistik Untuk Menentukan Faktor-faktor yang Memengaruhi

Indeks Prestasi Kumulatif (IPK) Mahasiswa FMIPA Universitas Sam

Ratulangi Manado. Jurnal de Cartesian 6(2):56-62. Diakses pada tanggal

1 November 2019.

38

Tiro, Muhammad Arif. 2000. Analisis Regresi dengan Data Kategori. Makassar:

Badan Penerbit Universitas Negeri Makassar.

Walpole, R.E. 1995. Pengantar Statistik Edisi ke-3. Terjemahan Bambang

Sumantri. Jakarta: Gramedia Pustaka Utama.

Yudissanta, Arief dan Madu Ratna. 2012. Analisis Pemakaian Kemoterapi pada

Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik

Multinomial (Studi Kasus Pasien di Rumah Sakit “X” Surabaya). Jurnal

Sains dan Seni ITS 1(1):112-117. Diakses pada tanggal 30 Januari 2020.

39

LAMPIRAN

Lampiran 1. Data Mahasiswa FSAINS UNCP Angkatan 2015 yang Telah

Yudisium

No Nama Mahasiswa y 1x 2x 3x

4x 5x 6x

1 Yenni 4 1 3,87 1 2 2 1

2 Lilis Minarseh 4 1 3,98 1 2 2 1

3 Eliysia 4 1 3,78 2 2 2 1

4 Iis Sugiarti 4 1 3,77 1 2 2 1

5 Safriana Nasruddin 4 1 3,64 1 2 2 1

6 Nurmiati 4 1 3,84 2 2 2 1

7 Tri Sutriani Syam 4 1 3,97 1 2 2 1

8 Asrika Abbas 4 1 3,90 1 2 2 1

9 Suarni 4 1 3,82 1 2 2 2

10 Nur Aulia 4 1 3,99 1 2 2 1

11 Arnita Adwir 4 1 3,85 2 2 2 1

12 Eva Nalia 4 1 3,75 1 2 2 1

13 Ika Pitra Annisa 4 1 3,85 1 2 2 1

14 Riski Amelia 4 1 3,95 1 2 2 1

15 A. Muh. Faiz R S 4 2 3,99 1 2 2 1

16 Ivonne Novelyn S 4 2 3,62 1 2 2 1

17 Jumriani 4 1 3,84 1 2 2 1

18 Lisa Hamsir 4 1 3,89 1 2 2 1

19 Mutmainnah Buhari 4 1 3,63 1 2 2 1

20 Yuni 4 1 3,80 2 3 2 1

21 Hadijah 4 1 3,77 1 2 2 1

22 Mini Purwati 4 1 3,73 1 3 2 1

23 Kiki Amelya 4 1 3,69 1 2 2 1

24 Stevani Erpa Rana 4 1 3,85 1 2 2 1

25 Femi Sanda Rapa 4 1 3,78 1 2 2 1

26 Yantika 4 1 3,97 1 2 2 1

27 Rahmawati 4 1 3,63 1 2 2 1

28 Maya Dwi Lestari 4 1 3,66 1 2 2 1

29 Erin Savitri Gawing 4 1 3,78 2 2 3 1

30 Ika Suliawati 4 1 3,84 1 2 3 1

31 Esse 4 1 3,87 1 2 3 1

32 Dista Safitri 4 1 3,62 2 3 3 1

33 Juwita 4 1 3,69 1 2 3 1

40

34 Jusliana 4 1 3,82 1 2 3 2

35 Indah Wahyuni 4 1 3,87 1 2 3 1

36 Nurhikmah A 4 1 3,55 1 2 3 1

37 Sri Ratna Amirlilla 4 1 3,70 1 2 3 1

38 Milasari 4 1 3,76 1 2 3 1

39 Awaluddin 4 2 3,70 1 2 4 1

40 Jumarding 2 2 3,37 2 2 4 1

41 Eli Susanti 4 1 3,96 1 2 4 1

42 Setiawati 4 1 3,94 1 2 4 1

43 Sudirman 2 2 3,45 2 2 4 1

44 A. Mayang Sari AS 4 1 3,95 1 2 4 1

45 Sri Widya Astuti A 4 1 3,80 1 2 4 1

46 Nurhidayah 4 1 3,96 1 2 4 1

47 Ella Hasanah 4 1 3,92 1 2 4 1

48 Juliani 4 1 3,80 1 2 4 1

49 Nurul Isma 4 1 3,64 1 2 4 1

50 Puspita Sari 4 1 3,67 1 2 4 1

51 Andyani 4 1 3,60 1 2 4 1

52 Nurhikma. M 4 1 3,86 1 2 4 1

53 Sitti Arisa 4 1 3,57 1 2 4 1

54 Eti Purwanti 4 1 3,95 1 2 4 1

55 Siti Mutmainah 4 1 3,68 1 2 4 1

56 Ananda Asdar 4 1 3,72 1 2 4 1

57 Novita Septiani 4 1 3,79 1 2 1 1

58 Rina 4 1 3,89 1 2 1 1

59 Ahid Astrida 4 1 3,64 1 2 1 1

60 Asrikawati 4 1 3,97 1 2 1 1

61 Iswan 4 2 3,98 1 2 1 1

62 Nurholifah Savitri 4 1 3,72 1 2 1 1

63 Izzah Fitthohiro 4 1 3,66 1 2 1 1

64 Santry Ahmad 4 1 3,61 1 2 1 1

65 Fatimah 4 1 3,63 1 2 1 1

66 Suparni 4 1 3,90 2 2 1 1

67 Jusnia 2 1 3,29 1 2 1 1

68 Mega Bintang P 3 1 3,78 2 2 2 1

69 Faisal 1 2 3,45 2 2 2 1

70 Melinda Masnur 4 1 3,95 1 2 2 1

71 Syamsidar 3 2 3,81 2 3 2 1

41

72 Hartati 3 1 3,77 1 2 2 1

73 Yuhensi 4 1 3,78 1 2 2 1

74 Yersin 4 1 3,59 1 2 2 1

75 Hasriani 3 1 3,69 1 2 2 1

76 Imam Sobirin 3 2 3,68 2 3 2 1

77 Agustinus Sumario 1 2 3,42 2 3 2 2

78 Dahlia Hasanuddin 3 1 3,65 2 3 2 1

79 Megawati 1 1 3,36 1 2 3 1

80 Yulianti S 1 1 3,33 1 2 3 1

81 Nirwana 3 1 3,55 1 2 3 1

82 Baccong 3 2 3,56 1 2 3 1

83 Dewi Astuti 3 1 3,74 1 2 4 1

84 Icalding 1 2 3,44 1 2 4 1

85 Jalilu Pallawa 1 2 3,39 1 2 4 1

86 Verawati Vajrin 3 1 3,74 1 2 1 1

87 Milfa S 1 1 3,31 1 2 1 1

88 Fermatarian 1 1 3,34 2 2 1 1

89 Mutmainnah 1 1 3,20 2 2 1 1

90 Nur Asmi 1 1 3,40 1 2 1 1

91 Sartika Suardi AR 3 1 3,55 1 2 1 1

92 Mirda 3 1 3,55 1 2 1 1

93 Muhammad Asbar 3 2 3,75 1 2 1 1

94 Nurfaisah 1 1 3,41 1 2 1 1

95 Sari Natalia P 1 1 3,48 2 3 1 1

96 Risdiana Ridwan 3 1 3,55 1 3 1 1

97 Nurhakiki 3 1 3,56 1 2 1 1

98 Sartika Dewi 3 1 3,57 1 2 1 1

99 Novita Haeruddin 3 1 3,61 1 2 1 1

100 Iqbal Nelson 3 2 3,53 1 2 1 1

101 Sikrun Padlang 1 2 3,28 2 2 1 1

102 Yuliani 1 1 3,46 1 2 1 1

103 Aldi Wahyudi 1 2 3,11 1 2 1 1

104 I Ketut Agus W 1 2 3,22 2 3 1 1

105 Retno Saputra 1 2 3,40 1 2 1 1

106 Zilviana 3 1 3,53 1 2 1 1

107 Merlin Lahallo 3 1 3,85 1 2 3 1

108 Sugiana 3 1 3,56 1 2 4 1

42

Lampiran 2. Cross Tabulation Variabel Dependen dengan Variabel Independen

Jenis Kelamin dengan IPK akhir dan ketepatan waktu kelulusan

IPK akhir dan ketepatan waktu kelulusan Total

IPK < 3.50

dan lulus

tidak tepat

waktu

IPK < 3.50

dan lulus

tepat waktu

IPK ≥ 3.50

dan lulus

tidak tepat

waktu

IPK ≥ 3.50

dan lulus

tepat waktu

Jenis

Kela

min

Perem

puan

Count 9 1 16 63

89

Expected

Count

14,009 2,472 17,306 55,213 89,0

% of Total 8,3% 0,9% 14,8% 58,3% 82,4%

Laki-

laki

Count 8 2 5 4 19

Expected

Count

2,991 0,528 3,694 11,787 19,0

% of Total 7,4% 1,9% 4,6% 3,7% 17,6%

Total

Count 17 3 21 67 108

Expected

Count 17,0 3,0 21,0 67,0 108,0

% of Total 15,7% 2,8% 19,4% 62,0% 100,0%

Penerima Beasiswa dengan IPK akhir dan ketepatan waktu kelulusan

IPK akhir dan ketepatan waktu kelulusan Total

IPK < 3,50

dan lulus

tidak tepat

waktu

IPK < 3,50

dan lulus

tepat

waktu

IPK ≥ 3,50

dan lulus

tidak tepat

waktu

IPK ≥

3,50 dan

lulus tepat

waktu

Penerima

Beasiswa

Meneri

ma

Count 10 1 17 60 88

Expected

Count

13,852 2,444 17,111 54,593 88,0

% of Total 9,3% 0,9% 15,7% 55,6% 81,5%

Tidak

meneri

ma

Count 7 2 4 7

20

Expected

Count 3,148 0,556 3,889 12,407 20,0

% of Total 6,5% 1,9% 3,7% 6,5% 18,5%

Total

Count 17 3 21 67 108

Expected

Count 17,0 3,0 21,0 67,0 118,0

% of Total 15,7% 2,8% 19,4% 62,0% 100,0%

43

Jalur Masuk dengan IPK akhir dan ketepatan waktu kelulusan

IPK akhir dan ketepatan waktu kelulusan Total

IPK < 3,50

dan lulus

tidak tepat

waktu

IPK < 3,50

dan lulus

tepat

waktu

IPK ≥ 3,50

dan lulus

tidak tepat

waktu

IPK ≥ 3,50

dan lulus

tepat waktu

Jalur

Masuk

Jalur

reguler

Count 14 3 17 64

98

Expected

Count

15,426 2,722 19,056 60,796 98,0

% of Total 13,0% 2,8% 15,7% 59,3% 90,7%

Jalur

one day

service

Count 3 0 4 3

10

Expected

Count

1,574 0,278 1,944 6,204 10,0

% of Total 2,8% 0,0% 3,7% 2,8% 9,3%

Total

Count 17 3 21 67 108

Expected

Count 17,0 3,0 21,0 67,0 118,0

% of Total 15,7% 2,8% 19,4% 62,0% 100,0%

Daerah Asal dengan IPK akhir dan ketepatan waktu kelulusan

IPK akhir dan ketepatan waktu kelulusan Total

IPK < 3,50

dan lulus

tidak tepat

waktu

IPK < 3,50

dan lulus

tepat waktu

IPK ≥ 3,50

dan lulus

tidak tepat

waktu

IPK ≥ 3,50

dan lulus

tepat waktu

Daerah

Asal

Luwu

Raya

Count 16 3 21 65 105

Expected

Count 16,528 2,917 20,417 65,139 105,0

% of Total 14,8% 2,8% 19,4% 60,2% 97,2%

Luar

Luwu

Raya

Count 1 0 0 2 3

Expected

Count 0,472 0,083 0,583 1,861 3,0

% of Total 0,9% 0,0% 0,0% 1,9% 2,8%

Total

Count 17 3 21 67 108

Expected

Count 17,0 3,0 21,0 67,0 108,0

% of Total 15,7% 2,8% 19,4% 62,0% 100,0%

44

Program Studi dengan IPK akhir dan ketepatan waktu kelulusan

IPK akhir dan ketepatan waktu kelulusan Total

IPK < 3,50

dan lulus

tidak tepat

waktu

IPK <

3,50 dan

lulus tepat

waktu

IPK ≥ 3,50

dan lulus

tidak tepat

waktu

IPK ≥ 3,50

dan lulus

tepat waktu

Program

Studi

Matem

atika

Count 11 1 10 10 32

Expected

Count 5,037 0,889 6,222 19,852 32,0

% of Total 10,2% 0,9% 9,3% 9,3% 29,6%

Biologi

Count 2 0 6 31 39

Expected

Count 6,139 1,083 7,583 24,194 39,0

% of Total 1,9% 0,0% 5,6% 28,7% 36,1%

Fisika

Count 2 0 3 10 15

Expected

Count 2,361 0,417 2,917 9,306 15,0

% of Total 1,9% 0,0% 2,8% 9,3% 13,9%

Kimia

Count 2 2 2 16 22

Expected

Count 3,463 0,611 4,278 13,648 22,0

% of Total 1,9% 1,9% 1,9% 14,8% 20,4%

Total

Count 17 3 21 67 108

Expected

Count 17,0 3,0 21,0 67,0 108,0

% of Total 15,7% 2,8% 19,4% 62,0% 100,0%

45

Lampiran 3. Hasil Uji Independensi Variabel Dependen dengan Variabel

Independen

Jenis Kelamin dengan IPK akhir dan ketepatan waktu kelulusan

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 21,967a 3 ,000

Likelihood Ratio 19,791 3 ,000

Linear-by-Linear Association 19,586 1 ,000

N of Valid Cases 108

a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is

,53.

IPK akhir dengan IPK akhir dan ketepatan waktu kelulusan

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 264,434a 171 ,000

Likelihood Ratio 181,113 171 ,284

Linear-by-Linear Association 70,528 1 ,000

N of Valid Cases 108

a. 232 cells (100,0%) have expected count less than 5. The minimum expected count

is ,03.

Penerima Beasiswa dengan IPK akhir dan ketepatan waktu kelulusan

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 13,289a 3 ,004

Likelihood Ratio 11,331 3 ,010

Linear-by-Linear Association 10,728 1 ,001

N of Valid Cases 108

a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is

,56.

Jalur Masuk dengan IPK akhir dan ketepatan waktu kelulusan Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 5,948a 3 ,114

Likelihood Ratio 5,841 3 ,120

Linear-by-Linear Association 3,036 1 ,081

N of Valid Cases 108

a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is

,28.

Program Studi dengan IPK akhir dan ketepatan waktu kelulusan

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 26,293a 9 ,002

Likelihood Ratio 26,803 9 ,002

Linear-by-Linear Association 6,384 1 ,012

N of Valid Cases 108

a. 8 cells (50,0%) have expected count less than 5. The minimum expected count

is ,42.

46

Daerah Asal dengan IPK akhir dan ketepatan waktu kelulusan

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 1,303a 3 ,728

Likelihood Ratio 1,825 3 ,610

Linear-by-Linear Association ,196 1 ,658

N of Valid Cases 108

a. 5 cells (62,5%) have expected count less than 5. The minimum expected count

is ,08.