Pemodelan Faktor Lama Penyelesaian Skripsi Mahasiswa Menggunakan Analisis Regresi Dummy

Nanang Supriadi; Anna Fajriyah; Fraulein Intan Suri

doi:10.21831/jpms.v7i1.19417

Pemodelan Faktor Lama Penyelesaian Skripsi Mahasiswa Menggunakan Analisis Regresi Dummy

Nanang Supriadi, Jurusan Pendidikan Matematika, Universitas Islam Negeri Raden Intan Lampung, Indonesia
Anna Fajriyah, Jurusan Pendidikan Matematika, Universitas Islam Negeri Raden Intan Lampung, Indonesia
Fraulein Intan Suri, Jurusan Pendidikan Matematika, Universitas Islam Negeri Raden Intan Lampung, Indonesia

10.21831/jpms.v7i1.19417

Abstract

Beragam kondisi akademis mahasiswa mengakibatkan perbedaan waktu yang diperlukan untuk menyelesaikan skripsi. Ada mahasiswa yang dapat menyelesaikan skripsi tepat enam bulan sesuai dengan target akademik universitas, tetapi ada juga yang kurang atau lebih dari enam bulan. Faktor-faktor yang mempengaruhi lama penyelesaian skripsi mahasiswa anatar lain adalah topik penelitian, jenis penelitian, jenis data, IPK, bidang keahlian dosen pembimbing, jenis kelamin mahasiswa dan jenis kelamin dosen pembimbing. Tujuan tulisan ini adalah mengkaji model terbaik untuk memprediksi atau menggambarkan lama penyelesaian skripsi mahasiswa berdasarkan faktor-faktor tersebut di atas. Beberapa faktor tersebut mempunyai bentuk data kualitatif (kategorik), salah satu metode untuk mengkuantitatifkan atribut yang bersifat kualitatif dengan cara membentuk variabel yang sifatnya artifisial (dummy) ke dalam model persamaan regresi dengan mengambil nilai 1 dan 0. Variabel dummy sering juga disebut variabel boneka, binary, kategorik atau dikotom. Sehingga analisis yang digunakan untuk menjelaskan hubungan suatu variabel tak bebas Y dengan menggunakan satu atau lebih variabel bebas X dalam tulisan ini adalah analisis regresi dummy. Berdasarkan hasil analisis data diperoleh persamaan model terbaik dalam memprediksi lama penyelesaian skripsi yaitu dimana X₁adalah variable besar IPK mahasiswa.

Keywords

regresi dummy; waktu; topik; jenis; data; dosen

Full Text:

PDF

References

Abadi, A. M. (2005). Pemodelan Penentuan keasaman dan kebasaan suatu molekul menggunakan sistem Fuzzy berdasarkan data muatan H dan N yang diperoleh dari Metode Semiempirik. Jurnal Pendidikan Matematika Dan Sains, 2(1), 66–74.

Cahyawati, D. (2013). Aplikasi metode Chaid Dalam menganalisis keterkaitan faktor risiko lama penyelesaian skripsi mahasiswa. In Seminar Nasional Matematika dan Pendidikan Matematika FMIPA UNY (pp. 48–53).

Foti, A., Musumarra, G., Trovato-salinaro, A., Scire, S., Barresi, V., Fortuna, C. G., Chimiche, S. (2007). Identification of genes involved in radiation-induced G 1 arrest y. Journal of Chemometrics, 9(1), 398–405. https://doi.org/10.1002/cem

Gujarati, N. D. (2009). Dasar-dasar ekonometrika edisi ketiga. Erlangga.

Indayatmi, I. (2017). Peningkatan hasil belajar analisis proksimat melalui model research pada peserta didik kelas XIII kimia analisis SMK [Improvement of learning result proksimate analysis by research model in student class XIII chemical analysis SMK], Jurnal Pendidikan Sains, 5(2), 88-99.

Muslinin, Z. I. (2012). Prestasi Belajar mahasiswa ditinjau dari jalur penerimaan mahasiswa baru, asal sekolah. Jurnal Penelitian Psikologi, 3(1), 381–393.

Rosadi, D. (2011). Analisis ekonometrika dan runtun waktu terapan dengan R. Andi Offset.

Suliyanto. (2011). Ekonometrika terapa –teori dan aplikasi dengan SPSS. Yogyakarta: Andi Offset.

Supriadi, N., Kusumah, Y. S., Sabandar, J., & Afgani, J. D. (2014). Developing High-order mathematical thinking competency on high school students’ through GeoGebra-assisted blended learning. Mathematical Theory and Modeling, 4(6), 57–66.

Universitas Islam Negeri Raden Intan Lampung. (2016). Buku pedoman akademik kode etik mahasiswa kalender akademik. Universitas Islan Negeri Raden Intan.

Untari, D. P., & Susanti, M. (2017). Latent root regression untuk mengatasi multikolinearitas. Pythagoras: Jurnal Pendidikan Matematika, 12(1), 1–3.

DOI: https://doi.org/10.21831/jpms.v7i1.19417