Penerapan Regresi Cox pada Lama Waktu Tunggu Lulusan Program Studi S1 Statistika IPB Memperoleh Pekerjaan Pertama.

PENERAPAN REGRESI COX PADA LAMA WAKTU
TUNGGU LULUSAN PROGRAM STUDI S1 STATISTIKA
IPB MEMPEROLEH PEKERJAAN PERTAMA

AGUSTINA DIPRIANTI

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Regresi Cox
pada Lama Waktu Tunggu Lulusan Program Studi S1 Statistika IPB Memperoleh
Pekerjaan Pertama adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2015
Agustina Diprianti
NIM G14110018

ABSTRAK
AGUSTINA DIPRIANTI. Penerapan Regresi Cox pada Lama Waktu Tunggu
Lulusan Program Studi S1 Statistika IPB Memperoleh Pekerjaan Pertama.
Dibimbing oleh ITASIA DINA SULVIANTI dan AGUS MOHAMAD SOLEH.
Banyaknya pengangguran bagi lulusan perguruan tinggi pada Februari 2013
sampai Februari 2015 meningkat sebesar 0.32 persen (BPS 2015). Institut
Pertanian Bogor (IPB) merupakan salah satu perguruan tinggi pencetak sarjana.
Meskipun sarjana Statistika dibutuhkan di berbagai bidang pekerjaan namun
perusahaan memiliki kualifikasi dalam memilih tenaga kerjanya. Akibatnya
lulusan Program Studi Statistika memiliki kecenderungan menunggu pekerjaan
pertamanya dengan waktu tunggu yang tidak tertentu. Karena itu tujuan penelitian
ini adalah mengidentifikasi peubah-peubah yang berhubungan dengan lama waktu
tunggu lulusan Program Studi S1 Statistika IPB memperoleh pekerjaan pertama
dan mengidentifikasi hubungan IPK dengan bidang pekerjaan pertamanya. Data

yang digunakan adalah data primer melalui kuesioner. Lulusan yang belum
bekerja sampai batas waktu akhir penelitian pada April 2015 dan yang
melanjutkan studi S2 disebut dengan data tersensor. Analisis yang berkaitan
dengan lama waktu dan adanya data tersensor adalah analisis daya tahan dengan
pendekatan regresi Cox sedangkan analisis korespondensi digunakan untuk
mengetahui hubungan IPK dengan bidang pekerjan pertamanya. Peubah yang
berhubungan dengan lama waktu tunggu memperoleh pekerjaan pertama adalah
jenis kelamin dan IPK pada taraf nyata 5%. Analisis korespondensi menunjukkan
bahwa Kementerian, Otoritas Jasa Keuangan (OJK), dan Pertamina merupakan
bidang pekerjaan lulusan Program Studi S1 Statistika IPB yang memiliki IPK
lebih besar atau sama dengan 3.5.
Kata kunci: analisis korespondensi, data tersensor, pekerjaan pertama, regresi
Cox.

ABSTRACT
AGUSTINA DIPRIANTI. The Application of Cox Regression for Amount of
Waiting Time of IPB’s Statistics Program Graduates to Get Their First Job.
Advised by ITASIA DINA SULVIANTI and AGUS MOHAMAD SOLEH.
The number of unemployment graduate students is increasing by 0.32
percent from February 2013 until February 2015 (BPS 2015). Institut Pertanian

Bogor (IPB) as the university of Statistics graduates maker resulting in Statistics
graduates that are needed in various work fields, but the company has
qualification in selecting the workforce. Consequently Statistics program
graduates tend to be in unemployment status because the amount of time for
getting the uncertain first job. Therefore this research aim is to identify variables
associated with the amount of waiting time of IPB’s Statistics undergraduates
program for getting their first job and identify the relation between GPA and their
first job field. The data used is primary data through questionnaires. The
unemployment graduates that have not worked until the end of research time on
April 2015 and continue their master study is called by censored data. The
analysis relating to the amount of waiting time and censored data is survival
analysis with Cox regression while correspondence analysis is used for knowing
the relation between GPA and the first job. Variables associated with the amount
of waiting time to obtain first job is sex and GPA in the 5% significance level.
Correspondence analysis showed that the Ministry, Otoritas Jasa Keuangan
(OJK), and Pertamina are works field of IPB’s Statistics program study graduates
who have GPA greater or equal to 3.5.
Keywords: censored data, correspondence analysis, Cox regression, first job.

PENERAPAN REGRESI COX PADA LAMA WAKTU

TUNGGU LULUSAN PROGRAM STUDI S1 STATISTIKA
IPB MEMPEROLEH PEKERJAAN PERTAMA

AGUSTINA DIPRIANTI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2015

p
Judul Skripsi : Penerapan Regresi Cox pada Lama Waktu Tunggu Lulusan
Program Studi S1 Statistika IPB Memperoleh Pekerjaan Pertama

Nama
: Agustina Diprianti
NIM
: G14110018

Disetujui oleh

Dra Itasia Dina Sulvianti, MSi
Pembimbing I
p

Agus Mohamad Soleh, SSi MT
Pembimbing II

Diketahui oleh

Dr Anang Kurnia, MSi
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan
rahmat dan karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema
yang dipilih dalam penelitian yang dilaksanakan sejak bulan April 2015 sampai
Mei 2015 ini ialah pemodelan, dengan judul Penerapan Regresi Cox pada Lama
Waktu Tunggu Lulusan Program Studi S1 Statistika IPB Memperoleh Pekerjaan
Pertama.
Terima kasih penulis sampaikan kepada semua pihak yang turut membantu
dalam terselesaikannya karya ilmiah ini, terutama kepada :
1. Ibu Dra Itasia Dina Sulvianti, MSi selaku pembimbing I dan Bapak Agus
Mohamad Soleh, SSi MT selaku pembimbing II yang telah memberikan
bimbingan, nasehat, motivasi, dan saran kepada penulis dalam menyelesaikan
penelitian.
2. Penguji luar komisi Bapak Dr Bagus Sartono, MSi yang telah memberikan
kritik dan saran yang membangun.
3. Seluruh dosen Statistika IPB baik yang telah mengajarkan ataupun belum
pernah mengajarkan penulis selama perkuliahan serta seluruh staf Tata Usaha.
4. Kedua orang tua yaitu Supadi dan Prihatin, kakak Linda Fitrina Rahayu, dan
adik Rudy Triwibowo yang terus memberikan motivasi, doa, semangat, serta

dukungan yang tak terkira.
5. Kakak alumni S1 Statistika IPB yang telah berperan dan bersedia menjadi
responden pada penelitian saya.
6. Keluarga Besar Statistika Angkatan 48 dalam mengarungi kebersamaan yang
tak akan terlupakan, keluarga Gamma Sigma Beta departemen Analisis Data
yang telah menjadikan penulis lebih baik lagi dalam mengasah softskill.
7. Sahabat penulis yaitu Desi Hermawati, teman-teman diskusi yaitu Kurnia Sekar
Negari, Muhammad Aulia Syahiddurrahman, dan Erwansyah Ardiantama atas
ilmu, dukungan, dan bantuan selama menjalani perkuliahan.
8. Seluruh pihak yang telah membantu penulisan karya ilmiah ini.
Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2015
Agustina Diprianti

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

2

TINJAUAN PUSTAKA

2

Analisis Daya Tahan

2

Fungsi Daya Tahan

3

Pendugaan Parameter

4

Analisis Korespondensi

5

METODE

5

Data

5

Metode

6

HASIL DAN PEMBAHASAN
Deskriptif Data

8
8

Asumsi Proportional Hazard

12

Analisis Regresi Cox

12

Interpretasi Koefisien

15

Analisis Korespondensi

15

SIMPULAN

17

DAFTAR PUSTAKA

17

RIWAYAT HIDUP

21

DAFTAR TABEL
1
2
3
4
5

Peubah yang digunakan
Tabel kontingensi dua arah
Pengujian sisaan Schoenfeld
Hasil regresi Cox
Tabel kontingensi dua arah antara peubah IPK dan bidang pekerjaan
pertama

5
7
12
13
16

DAFTAR GAMBAR
1 Ilustrasi jenis sensor
2 Proporsi data tersensor dan tidak tersensor
3 Karakteristik lama studi lulusan Program Studi S1 Statistika IPB
berdasarkan jenis kelamin
4 Sebaran data waktu tunggu
5 Sebaran waktu tunggu lulusan Program Studi S1 Statistika IPB peubah
jenis kelamin
6 Sebaran waktu tunggu lulusan Program Studi S1 Statistika IPB
peubah IPK
7 Fungsi hazard pada jenis kelamin
8 Fungsi hazard pada IPK
9 Analisis korespondensi

2
8
9
10
10
11
13
14
16

DAFTAR LAMPIRAN
1 Perhitungan analisis korespondensi antara IPK dan bidang pekerjaan
pertama

19

PENDAHULUAN
Latar Belakang
Banyaknya pengangguran bagi lulusan perguruan tinggi mengalami
peningkatan dari 5.02 persen pada Februari 2013 menjadi 5.34 persen pada
Februari 2015 (BPS 2015). Di lain pihak, Institut Pertanian Bogor (IPB)
merupakan salah satu perguruan tinggi pencetak lulusan sarjana salah satunya
adalah sarjana Statistika. Pada umumnya sarjana Statistika atau lulusan Program
Studi Statistika merupakan sumber daya manusia yang sangat dibutuhkan di
berbagai bidang pekerjaan. Namun setiap perusahaan memiliki kualifikasi tertentu
dalam memilih tenaga kerjanya. Akibatnya lulusan Program Studi Statistika
belum tentu memperoleh pekerjaan dengan cepat dan masih menunggu
memperoleh pekerjaan pertamanya dengan lama waktu yang tidak tertentu. Selain
itu sebagian lulusan masih menunggu pekerjaan pertama karena mencari bidang
pekerjaan yang sesuai dengan minat dan kemampuannya. Berdasarkan uraian
tersebut, maka peneliti ingin mengidentifikasi peubah-peubah yang berhubungan
dengan lama waktu tunggu lulusan Program Studi Statistika khususnya lulusan
Program Studi S1 Statistika IPB dalam memperoleh pekerjaan pertama dan
mengidentifikasi hubungan kemampuan lulusan melalui peubah IPK dengan
bidang pekerjaannya.
Ketika mengamati lama waktu tunggu memperoleh pekerjaan pertama,
terdapat lulusan Program Studi S1 Statistika IPB yang belum memperoleh
pekerjaan pertama sampai batas akhir penelitian pada bulan April 2015 dan
sebagian melanjutkan studi S2. Karakteristik data tersebut dinamakan data
tersensor. Menurut Lee dan Wang (2003) jika lama waktu hingga terjadinya suatu
peristiwa tidak diketahui akibat suatu obyek belum mengalami peristiwa tertentu
sampai batas akhir pengamatan peneliti, data tersebut dikatakan data tersensor.
Selain itu data dapat dikatakan tersensor apabila obyek mengalami peristiwa lain,
pada kasus ini lulusan Program Studi S1 Statistika IPB yang melanjutkan studi S2.
Analisis yang berkaitan dengan lama waktu dan data tidak lengkap atau data
tersensor adalah analisis daya tahan.
Analisis daya tahan dengan model proportional hazard atau regesi Cox
digunakan untuk mengetahui hubungan antara waktu daya tahan dan peubahpeubah yang tidak bergantung terhadap waktu. Waktu daya tahan pada penelitian
ini adalah lama waktu tunggu lulusan Program Studi S1 Statistika IPB
memperoleh pekerjaan pertama. Regresi Cox merupakan analisis daya tahan
semiparametrik yang tidak mengikuti sebaran tertentu pada data waktu daya
tahannya.
Lulusan Program Studi S1 Statistika IPB memiliki kemampuan
pemahaman statistika yang berbeda-beda sehingga menjadi pertimbangan untuk
memasuki bidang pekerjaan yang sesuai. Jika ingin diketahui hubungan antara
kemampuan lulusan Program Studi S1 Statistika IPB melalui peubah IPK dan
bidang pekerjaannya, dapat dianalisis menggunakan analisis korespodensi.
Analisis korespondensi merupakan ilmu yang mempelajari hubungan antara dua
atau lebih peubah yang bersifat kualitatif dengan teknik grafik untuk eksplorasi
data dari tabel kontingensi (Mattjik dan Sumertajaya 2011).

2
Tujuan Penelitian
Mengidentifikasi peubah-peubah yang berhubungan dengan lama waktu
tunggu lulusan Program Studi S1 Statistika IPB memperoleh pekerjaan pertama
dengan regresi Cox dan mengidentifikasi hubungan peubah IPK dengan bidang
pekerjaan pertamanya dengan analisis korespondensi.

TINJAUAN PUSTAKA
Analisis Daya Tahan
Analisis daya tahan adalah analisis statistika yang digunakan untuk
mengetahui peubah bebas yang berhubungan dengan peubah respon berupa waktu
daya tahan. Waktu daya tahan adalah pengamatan lama waktu dari awal
pengamatan hingga terjadinya suatu peristiwa tertentu. Peristiwa dapat
didefinisikan kematian, perolehan pekerjaan pertama pada lulusan, kesembuhan
pasien dari penyakit tertentu, atau peristiwa lainnya, sedangkan lama waktu
didefinisikan sebagai satuan waktu yaitu hari, bulan, tahun, atau satuan waktu
lainnya. Analisis daya tahan didasarkan pada pertimbangan adanya data tersensor.
Menurut Kleinbaum dan Klein (2005) alasan data dikatakan tersensor apabila
obyek tidak mengalami peristiwa tertentu sampai batas akhir penelitian, obyek
hilang dari pengamatan selama penelitian berlangsung, atau obyek mengalami
peristiwa lain di luar peristiwa yang menjadi perhatian peneliti. Ada tiga jenis data
tersensor (Gambar 1) (Allison 2010):

2
1
3
Waktu awal
penelitian

Waktu akhir
penelitian

Gambar 1 Ilustrasi jenis sensor. (1) Sensor kanan, (2)
Sensor kiri, dan (3) Sensor kiri kanan
1. Sensor kanan (Right censoring) yaitu ketika waktu awal obyek teramati
namun peristiwa tertentu yang dialami obyek belum terjadi sampai batas
terakhir penelitian.
2. Sensor kiri (Left censoring) yaitu waktu awal obyek tidak teramati pada
waktu awal penelitian sementara peristiwa tertentu yang dialami obyek
teramati secara penuh.
3. Sensor kiri kanan (Interval censoring) yaitu waktu awal dan peristiwa
tertentu yang dialami obyek tidak teramati dalam selang penelitian.

3
Fungsi Daya Tahan
Waktu daya tahan (T) merupakan peubah acak kontinu dan positif dengan
fungsi kepekatan peluang f(t) dan t adalah waktu amatan yang merupakan lama
waktu hingga suatu obyek mengalami peristiwa tertentu. Fungsi f(t) didefinisikan
sebagai peluang suatu obyek mengalami peristiwa tertentu pada selang
pengamatan (t, t + dt), yaitu:
t

lim P t

t

dt

dt) dt

dengan fungsi kumulatif peluang dari T yaitu peluang suatu obyek mengalami
peristiwa tertentu pada waktu t,
t

t

∫ u du

Informasi yang dapat diperoleh dari fungsi kepekatan peluang waktu daya
tahan yaitu fungsi survival dan fungsi hazard (Congdon 2003). Fungsi survival
S(t) merupakan peluang suatu obyek mengalami peristiwa tertentu setelah waktu
ke-t atau P(T > t). Nilai P(T > t) sama halnya dengan selisih dari peluang kejadian
total terhadap peluang suatu obyek mengalami peristiwa tertentu pada waktu t
atau P
t), yaitu sebagai berikut:
S(t) = P(T > t) = 1 – P

t)

1 – F(t)

Fungsi hazard adalah peluang suatu obyek mengalami peristiwa tertentu dalam
selang pengamatan (t, t + dt) dengan syarat suatu obyek telah mampu bertahan
untuk tidak mengalami peristiwa tertentu hingga waktu t, didefinisikan sebagai
berikut:
f t)
h t
S t)
h t

t

lim

dt

dt –
dt

t)

1
S t)

Fungsi hazard kumulatif sebagai berikut:
H t)
diperoleh berdasarkan:
h t

f t)
S t)
∫h t

–

‒ ln S t)
S’ t)
S t)
∫–

–

d
ln S t)
dt

d
ln S t)
dt

H(t) = ‒ ln S(t)

Model Regresi Cox
Model regresi proportional hazard atau regresi Cox digunakan untuk
mengetahui hubungan waktu daya tahan dengan peubah bebas yang tidak
tergantung terhadap waktu. Misalkan fungsi hazard obyek ke-i mengalami

4
peristiwa tertentu pada saat t yaitu hi(t) bergantung pada nilai x1i, x2i,..,xpi dari
peubah bebas X1, X2,...,Xp, sedangkan h0(t) atau fungsi baseline hazard
merupakan fungsi hazard yang bergantung terhadap waktu namun tidak
bergantung pada peubah bebas. Model regresi Cox merupakan model semiparametrik karena pada fungsi baseline hazard tidak spesifikasi terhadap sebaran
parametrik tertentu. Maka hazard dari obyek ke-i dapat dituliskan sebagai berikut:
p

hi t)

h t) e p ∑
j 1

j

ji

dengan keterangan:
h0(t) : fungsi baseline hazard
t
: waktu daya tahan
Xji
: peubah bebas ke-j untuk obyek ke-i
: koefisien peubah bebas ke-j
j
i
: 1,2,...n, dengan n banyaknya obyek
j
: 1,2,...p, dengan p banyaknya peubah bebas
Pendugaan Parameter
Pendugaan parameter βj dapat dilakukan melalui metode kemungkinan
maksimum (maximum likelihood). Misalkan terdapat n obyek yang terdiri dari r
waktu pengamatan yang tidak tersensor dan n-r waktu pengamatan yang tersensor
kanan, diurutkan menjadi t1 < t2 ttabel(α/2,n‒2).
b. Melakukan pendugaan parameter dengan metode kemungkinan
maksimum.
c. Melakukan pengujian signifikansi parameter.
Pengujian secara serentak:
Hipotesis:
H0: 1 2 ...
p = 0, dengan p adalah banyaknya peubah bebas.
H1: Paling sedikit ada satu i ≠
Statistik uji:
‒

fungsi kemungkinan tanpa peu ah e as
)
ln (
fungsi kemungkinan dengan peu ah e as

7
Daerah kritis: tolak H0 jika G > χ2 α,p
Pengujian secara parsial:
Hipotesis:
H0: i = 0, dengan i = 1, 2,....p, p adalah banyaknya peubah bebas.
H1: i ≠
Statistik uji:
̂
i

S

i

̂)
i

Daerah kritis: tolak H0 jika Wi > χ α,1
d. Melakukan interpretasi pendugaan parameter.
̂ ) merupakan hazard relatif obyek ke-i
Nilai dugaan hazard ratio H
dengan peubah bebas
= (
mengalami peristiwa
tertentu dibandingkan obyek ke-j dengan peubah bebas
=
(
yang konstan terhadap waktu (Lee dan Wang 2003).
h t, i
h t e p
i)
̂
H
e p 1 1i ‒ 1j )
‒ pj ))
p pi
h t, j
h t e p
j)
2

2

3. Melakukan analisis korespondensi
a. Membuat tabel kontingensi dua arah

Tabel 2 Tabel kontingensi dua arah
X1

Y1
n11

Yj
n1j

Yb
n1b

Total
n1.

Xi

ni1

nij

nib

ni.

Xa
Total

na1
n.1

naj
n.j

nab
n.b

na.
n..

Keterangan:
ni. : ∑
; i = 1,2,...a (Jumlah frekuensi baris ke-i)
n.j : ∑
; j = 1,2,...b (Jumlah frekuensi kolom ke-j)
n.. : ∑ ∑
(Total jumlah frekuensi)
nij (Frekuensi pengamatan baris ke-i kolom ke-j)
b. Membuat matriks diagonal baris dan kolom yang dihasilkan dari
matriks korespondensi P. Matriks P dihasilkan dari tabel kontingensi
dua arah dengan rumus sebagai berikut:
nij
)
pij )
a
n
Vektor jumlah baris dari matriks P yaitu rT = P I = (p1.,....,pa.)T,
kemudian diperoleh diagonal matriks kolom yaitu Dr. Vektor jumlah
kolom dari matriks P yaitu c = PT I = (p.1,....,p.b)T, kemudian diperoleh
diagonal matriks kolom yaitu Dc.
c. Membuat profil baris (R) dan profil kolom (C) untuk mengetahui
proporsi dari setiap baris dan kolomnya.

8

r

1

p11
p1.
p1
p.

p1
p1.
p
p.

p1

pa1

pa

pa

p1.
p
p

.

1
c

p11
p.
p1
p.

p1
p.
p
p.

p

p1

p

pa

p.
p
p.

pa. ]
p.
pa. ]
[ p.
[ pa. pa.
d. Menghitung jarak Khi Kuadrat untuk menampilkan profil-profil baris
dan profil-profil kolom ke dalam ruang dimensi Euclid.
1

‒
) c1 ‒
)
dengan keterangan r merupakan vektor jumlah baris dan c adalah
vektor jumlah kolom.
e. Melakukan penguraian nilai singular untuk memperoleh koordinat
profil baris dan koordinat profil kolom dari matiks (Greenacre 2007):
1
) c1
‒
r
diperoleh S = AɅBT, berlaku
, dengan keterangan:
A = Matriks vektor singular kiri
B = Matriks vektor singular kanan
Ʌ = Matriks diagonal yang elemen-elemennya adalah nilai singular
Koordinat baris dan kolom ditentukan sebagai berikut:
r

Ʌ dan
Ʌ
f. Mencari nilai total inersia. Nilai total inersia mempresentasikan semua
informasi dalam seluruh ruang. Nilai total inersia dapat diperoleh dari
.
/ n atau tr[E] = ∑m
i
g. Menggambarkan koordinat baris dan kolom ke dalam plot dua dimensi.
-1
r

-1

HASIL DAN PEMBAHASAN
Deskriptif Data
Setelah dilakukan pendataan melalui kuesioner, lulusan Program Studi S1
Statistika IPB yang lulus pada periode November 2013 sampai Januari 2015
terdiri dari angkatan 44 sebanyak 1 orang, angkatan 45 sebanyak 1 orang,
angkatan 46 sebanyak 23 orang, dan angkatan 47 sebanyak 40 orang.
Tersensor
8%

Tidak tersensor
92%
Gambar 2 Proporsi data tersensor dan tidak tersensor

9
Banyaknya lulusan Program Studi S1 Statistika IPB diperoleh yaitu
sebanyak 65 orang. Dari 65 data yang diperoleh, sebanyak 60 orang (92%)
berstatus tidak tersensor sedangkan sisanya 5 orang (8%) berstatus tersensor
(Gambar 2). Data yang tersensor yaitu lulusan Program Studi S1 Statistika IPB
yang melanjutkan studi S2 sebanyak 3 orang dan lulusan Program Studi S1
Statistika IPB yang belum memperoleh pekerjaan pertama sampai batas akhir
penelitian pada April 2015 yaitu sebanyak 2 orang.
Karakteristik responden pada penelitian ini terdiri dari lulusan Program
Studi S1 Statistika IPB yang lulus studinya kurang dari atau sama dengan 48
bulan dan lulusan Program Studi S1 Statistika IPB yang lulus studinya lebih dari
48 bulan. Dari 65 lulusan Program Studi S1 Statistika IPB terdapat sebanyak 53
orang lulus studinya kurang dari atau sama dengan 48 bulan, sedangkan sisanya
yaitu sebanyak 12 orang lulus studinya lebih dari 48 bulan. Hal ini menunjukkan
bahwa masih terdapat lulusan Program Studi S1 Statistika IPB yang belum dapat
menyelesaikan studinya tepat waktu yaitu kurang dari atau sama dengan 48 bulan.

Banyaknya lulusan
(orang)

40

31
22

20
0

7

Lama studi
bulan

48

Laki-laki

5

Lama studi > 48
bulan
Perempuan

Gambar 3 Karakteristik lama studi lulusan Program Studi S1
Statistika IPB berdasarkan jenis kelamin
Sebaran lama studi lulusan Program Studi S1 Statistika IPB berdasarkan
jenis kelamin terdapat pada Gambar 3. Lulusan Program Studi S1 Statistika IPB
yang lulus studinya tepat waktu sebagian besar adalah lulusan Program Studi S1
Statistika IPB yang berjenis kelamin perempuan sebanyak 31 orang, sedangkan
lulusan Program Studi S1 Statistika IPB berjenis kelamin laki-laki sebanyak 22
orang. Kemudian lulusan Program Studi S1 Statistika IPB yang lulus tidak tepat
waktu atau lebih dari 48 bulan terdiri dari 7 orang lulusan Program Studi S1
Statistika IPB berjenis kelamin laki-laki dan 5 orang lulusan Program Studi S1
Statistika IPB berjenis kelamin perempuan.
Sebaran data waktu tunggu lulusan Program Studi S1 Statistika IPB
memperoleh pekerjaan pertama terdapat pada Gambar 4. Sebaran data ini
diperoleh dari 60 lulusan yang tidak tersensor. Hasil sebaran data waktu tunggu
lulusan Program Studi S1 Statistika IPB dapat diindikasikan adanya ties. Ties
merupakan adanya beberapa kejadian pada waktu yang sama (Allison 2010). Hal
ini disebabkan oleh adanya beberapa lulusan Program Studi S1 Statistika IPB

10

Banyaknya lulusan
(orang)

yang memperoleh pekerjaan dalam bulan yang sama, sehingga tidak diketahui
lulusan yang mengalami peristiwa terlebih dahulu. Berdasarkan Gambar 4, lulusan
Program Studi S1 Statistika IPB memperoleh pekerjaan pertama pada bulan ke-1
yaitu sebanyak 18 orang. Selanjutnya lama waktu tunggu memperoleh pekerjaan
pertama pada bulan ke-2 dan bulan ke-3, masih terdapat beberapa lulusan
Program Studi S1 Statistika IPB yang memperoleh pekerjaan pertamanya dalam
bulan yang sama.
18

20

13

15

11
8

10
4

5

3

2

1

0
1

2

3

4

5

6

7

8

Waktu tunggu (bulan)
Gambar 4 Sebaran data waktu tunggu

Banyaknya lulusan
(persen)

Regresi Cox pada pendugaannya memiliki syarat tidak adanya ties,
sehingga diperlukan modifikasi untuk mengatasi ties yaitu melalui fungsi partial
likelihood. Pendugaan koefisien peubah bebas dengan fungsi partial likelihood
dapat dilakukan dengan berbagai pendekatan diantaranya Breslow, Exact,
Discrete, dan Efron (Allison 2010). Umumnya pendekatan Exact diperoleh hasil
yang lebih akurat namun membutuhkan komputasi yang lebih besar (Xin 2011).
Oleh karena itu penelitian ini menggunakan pendekatan Exact.
100
44

46

64

50

50
100 100 100

50
56

54

36

50

50

0
1

2

3
4
5
6
Waktu tunggu (bulan)
Laki-laki

7

8

Perempuan

Gambar 5 Sebaran waktu tunggu lulusan Program Studi S1 Statistika IPB
peubah jenis kelamin
Banyaknya lulusan Program Studi S1 Statistika IPB yang tidak tersensor
berjenis kelamin laki-laki adalah 27 orang sedangkan sisanya 33 orang berjenis

11

Banyaknya lulusan
(persen)

kelamin perempuan. Namun banyaknya lulusan Program Studi S1 Statistika IPB
yang tersensor berjenis kelamin laki-laki adalah 2 orang dan sisanya yaitu
sebanyak 3 orang berjenis kelamin perempuan. Hasil dari eksplorasi sebaran data
berdasarkan peubah jenis kelamin yang tidak tersensor dapat diamati bahwa lakilaki cenderung lebih cepat memperoleh pekerjaan pertama karena maksimal lama
waktu tunggu pada laki-laki yaitu 5 bulan. Maksimal waktu tunggu lulusan
Program Studi S1 Statistika IPB yang berjenis kelamin perempuan yaitu 8 bulan.
Persentase waktu tunggu memperoleh pekerjaan pertama pada bulan ke-1 dan ke2 bagi lulusan Program Studi S1 Statistika IPB berjenis kelamin laki-laki lebih
besar dibandingkan lulusan Program Studi S1 Statistika IPB berjenis kelamin
perempuan. Namun persentase menjadi lebih kecil pada bulan ke-3 bagi lulusan
Program Studi S1 Statistika IPB berjenis kelamin laki-laki yaitu 36 persen
dibandingkan lulusan Program Studi S1 Statistika IPB berjenis kelamin
perempuan yaitu 64 persen. Selanjutnya waktu tunggu bulan ke-4 dan ke-5,
besarnya persentase lulusan Program Studi S1 Statistika IPB yang memperoleh
pekerjaan pertama baik laki-laki maupun perempuan adalah sama (Gambar 5).
Banyaknya data tidak tersensor lulusan Program Studi S1 Statistika IPB
yang memiliki IPK lebih kecil 3.0 yaitu 13 orang, lulusan Program Studi S1
Statistika IPB yang memiliki IPK di antara 3.0 sampai 3.5 yaitu 27 orang, dan
lulusan Program Studi S1 Statistika IPB yang memiliki IPK lebih besar atau sama
dengan 3.5 yaitu 20 orang. Namun banyaknya data tersensor lulusan Program
Studi S1 Statistika IPB yang memiliki IPK lebih kecil 3.0 yaitu 3 orang.
Berikutnya banyaknya data tersensor lulusan Program Studi S1 Statistika IPB
yang memiliki IPK di antara 3.0 sampai 3.5 dan lulusan Program Studi S1
Statistika IPB yang memiliki IPK lebih besar atau sama dengan 3.5 masingmasing sebanyak 1 orang.
100
39
50

38

39

46

22

15

27

25

25

25

38

1

2

100 100

64
50

0

67

38

33

9

3

4

5

6

7

8

Waktu tunggu (bulan)

IPK < 3.0

3.

IPK < 3.5

IPK ≥ 3.5

Gambar 6 Sebaran waktu tunggu lulusan Program Studi S1 Statistika
IPB peubah IPK
Sebaran data waktu tunggu memperoleh pekerjaan pertama lulusan
Program Studi S1 Statistika IPB berdasarkan peubah IPK dapat dilihat pada
Gambar 6. Persentase lulusan Program Studi S1 Statistika IPB yang memiliki IPK
lebih besar atau sama dengan 3.5 semakin menurun dengan bertambahnya waktu

12
tunggu dalam bulan. Namun terdapat sebesar 100 persen bagi lulusan Program
Studi S1 Statistika IPB yang memiliki IPK lebih besar atau sama dengan 3.5 pada
bulan ke-7. Hal ini menjelaskan bahwa lulusan Program Studi S1 Statistika IPB
yang memiliki IPK lebih besar atau sama dengan 3.5 belum tentu memperoleh
pekerjaan dalam waktu yang singkat. Persentase lulusan Program Studi S1
Statistika IPB yang memiliki IPK di antara 3.0 sampai 3.5 sebesar 100 persen
pada bulan ke-6 dan terdapat sebesar 67 persen pada bulan ke-8. Selanjutnya
lulusan Program Studi S1 Statistika IPB yang memiliki IPK lebih kecil 3.0 pada
bulan ke-1 sampai ke-3 memiliki persentase yang lebih kecil dibandingkan
kategori peubah IPK lainnya. Namun bulan ke-4 dan bulan ke-5, lulusan Program
Studi S1 Statistika IPB yang memiliki IPK lebih kecil 3.0 memiliki persentase
yang lebih besar dan masih terdapat beberapa lulusan Program Studi S1 Statistika
IPB yang memiliki IPK lebih kecil 3.0 memperoleh pekerjaan pertama pada bulan
ke-8. Sebaran data waktu tunggu memperoleh pekerjaan pertama ini dapat
menjelaskan bahwa IPK yang tinggi belum tentu lebih cepat memperoleh
pekerjaan pertama (Gambar 6).

Asumsi Proportional Hazard
Sebelum melakukan analisis daya tahan dengan regresi Cox, perlu
dilakukan suatu pengujian asumsi proportional hazard. Asumsi ini berkaitan
dengan hubungan antara peubah bebas dan peubah respon yang tidak bergantung
terhadap waktu. Nilai hazard yang diperoleh proportional atau konstan sepanjang
waktu diantara kategorinya. Berdasarkan pengujian yang diperoleh melalui sisaan
Schoenfeld, nilai-p pada hasil sisaan Schoenfeld lebih besar dari taraf nyata 5%.
Keputusan pada pengujian ini adalah tidak tolak H0 sehingga dapat disimpulkan
bahwa asumsi proportional hazard terpenuhi (Tabel 3).
Tabel 3 Pengujian sisaan Schoenfeld
Peubah
Jenis kelamin (X1(1))
IPK (X2(2))
IPK (X2(1))
Usia (X3)

Nilai korelasi
0.09206
0.01089
0.00713
0.02600

Nilai -p
0.4842
0.9342
0.9569
0.8437

Analisis Regresi Cox
Pemodelan melalui regresi Cox dapat memberikan informasi peubahpeubah yang berhubungan dengan waktu daya tahannya. Hasil dari regresi Cox
diperoleh nilai G yang dihasilkan sebesar 9.9918 dengan nilai-p sebesar 0.0406.
Nilai-p yang dihasilkan lebih kecil dari taraf nyata 5%. Makna dari nilai G adalah
minimal ada satu peubah bebas yang berhubungan dengan waktu daya tahan.
Berdasarkan uji secara parsial dengan uji Wald diperoleh peubah bebas yang
berhubungan dengan lama waktu tunggu memperoleh pekerjaan pertama dapat
dilihat pada Tabel 4. Peubah bebas yang berhubungan dengan waktu tunggu

13
lulusan Program Studi S1 Statistika IPB adalah jenis kelamin dan IPK. Model
regresi Cox yang terbentuk adalah:
hi t)

h t) e p .84618

1 1)

.78794

)

.

Tabel 4 Hasil regresi Cox
Peubah

Koefisien

Jenis kelamin (X1(1))
IPK (X2(2))
IPK (X2(1))
Usia (X3)
a

0.84618
0.78794
0.62893
0.01874

Standar
error
0.29928
0.39023
0.38842
0.18371

Khikuadrat
7.9941
4.0770
2.6219
0.0104

Nilai-p
0.0047a
0.0435a
0.1054
0.9188

Hazard
ratio
2.331
2.199
1.876
1.019

Tolak H0 pada taraf nyata 5%.

Hazard kumulatif

Fungsi hazard dapat diamati melalui grafik. Grafik dapat memudahkan
melihat perbedaan fungsi hazard pada antar kategori peubah bebasnya. Grafik
fungsi hazard pada peubah bebas jenis kelamin dapat diamati melalui Gambar 7.

Waktu tunggu (bulan)
Gambar 7 Fungsi hazard pada jenis kelamin
Hasil dari grafik fungsi hazard pada Gambar 7 menunjukkan bahwa lulusan
Program Studi S1 Statistika IPB berjenis kelamin laki-laki memiliki
kecenderungan lebih cepat memperoleh pekerjaan pertama dibandingkan lulusan
Program Studi S1 Statistika IPB berjenis kelamin perempuan. Hal ini dapat
dijelaskan melalui grafik hazard bagi lulusan Program Studi S1 Statistika IPB
berjenis kelamin laki-laki yang berakhir pada bulan ke-4 sedangkan lulusan
Program Studi S1 Statistika IPB berjenis kelamin perempuan yang berakhir pada

14

Hazard kumulatif

bulan ke-7. Selanjutnya dari grafik fungsi hazard tersebut juga dapat diamati
kecenderungan lulusan Program Studi S1 Statistika IPB memperoleh pekerjaan
pertamanya di setiap bulannya. Lulusan Program Studi S1 Statistika IPB memiliki
kecenderungan yang lebih besar untuk memperoleh pekerjaan pertama pada bulan
ke-2, bulan ke-3, dan bulan ke-5 karena terlihat pada grafik perubahan nilai
hazard yang tinggi pada bulan tersebut. Data tersensor bagi lulusan Program Studi
S1 Statistika IPB berjenis kelamin laki-laki terdapat pada bulan ke-1 dan bulan
ke-4 sedangkan data tersensor bagi lulusan Program Studi S1 Statistika IPB
berjenis kelamin perempuan terdapat pada bulan ke-2, bulan ke-4, dan bulan ke-7
(Gambar 7). Data yang tersensor adalah lulusan Program Studi S1 Statistika IPB
yang mengalami peristiwa lain yaitu melanjutkan studi S2 dan belum memperoleh
pekerjaan pertama.
Hal yang sama dapat diamati pada fungsi hazard peubah IPK pada
Gambar 8. Fungsi hazard memperlihatkan bahwa lulusan Program Studi S1

Waktu tunggu (bulan)
Gambar 8 Fungsi hazard pada IPK
Statistika IPB yang memiliki IPK lebih besar atau sama dengan 3.5 memiliki
kecenderungan lebih cepat memperoleh pekerjaan pertama dibandingkan lulusan
Program Studi S1 Statistika IPB yang memiliki IPK lebih kecil 3.0 dan lulusan
Program Studi S1 Statistika IPB yang memiliki IPK di antara 3.0 sampai 3.5. Hal
ini dapat dijelaskan melalui grafik fungsi hazard lulusan Program Studi S1
Statistika IPB yang memiliki IPK lebih besar atau sama dengan 3.5 yang berakhir
pada bulan ke-5 sedangkan lulusan Program Studi S1 Statistika IPB yang
memiliki IPK lebih kecil 3.0 dan lulusan Program Studi S1 Statistika IPB yang
memiliki IPK di antara 3.0 sampai 3.5 masing-masing berakhir pada bulan ke-7
dan ke-6. Berdasarkan grafik fungsi hazard dapat diperoleh bahwa terjadi

15
kecenderungan yang lebih besar pada bulan ke-2, bulan ke-3, dan bulan ke-5
untuk memperoleh pekerjaan pertama bagi lulusan Program Studi S1 Statistika
IPB karena terlihat pada grafik perubahan nilai hazard yang tinggi pada bulan
tersebut. Data tersensor bagi lulusan Program Studi S1 Statistika IPB yang
memiliki IPK lebih kecil 3.0 terdapat pada bulan ke-1, bulan ke-4, dan bulan ke-7.
Selanjutnya data tersensor bagi lulusan Program Studi S1 Statistika IPB yang
memiliki IPK di antara 3.0 sampai 3.5 terdapat pada bulan ke-2. Berikutnya data
tersensor bagi lulusan Program Studi S1 Statistika IPB yang memiliki IPK lebih
besar atau sama dengan 3.5 terdapat pada bulan ke-4 (Gambar 8). Data yang
tersensor adalah lulusan Program Studi S1 Statistika IPB yang mengalami
peristiwa lain yaitu melanjutkan studi S2 dan belum memperoleh pekerjaan
pertama.

Interpretasi Koefisien
Peubah-peubah yang berhubungan dengan waktu tunggu lulusan Program
Studi S1 Statistika IPB memperoleh pekerjaan pertama adalah jenis kelamin dan
IPK. Interpretasi terhadap model regresi Cox dapat dilihat melalui nilai hazard
ratio pada Tabel 4. Interpretasi bagi peubah jenis kelamin adalah kecenderungan
memperoleh pekerjaan pertama bagi lulusan Program Studi S1 Statistika IPB
berjenis kelamin laki-laki sebesar 2.331 kali lebih cepat dibandingkan lulusan
Program Studi S1 Statistika IPB berjenis kelamin perempuan. Interpretasi bagi
peubah IPK adalah kecenderungan memperoleh pekerjaan pertama bagi lulusan
Program Studi S1 Statistika IPB yang memiliki IPK lebih besar atau sama dengan
3.5 sebesar 2.199 kali lebih cepat dibandingkan lulusan Program Studi S1
Statistika IPB yang memiliki IPK lebih kecil dari 3.0.

Analisis Korespondensi
Analisis korespondensi dapat digunakan untuk mengetahui lebih jelas
mengenai peubah yang berhubungan dengan lama waktu tunggu lulusan Program
Studi S1 Statistika IPB memperoleh pekerjaan pertama yaitu IPK dengan bidang
pekerjaan pertama yang diperolehnya. Lulusan Program Studi S1 Statistika IPB
memiliki pekerjaan pertama di berbagai bidang pekerjaan. Kategori pada
penelitian ini adalah asuransi, riset/konsultan, perbankan, KOP, dan lainnya.
Kategori lainnya adalah lulusan S1 Statistika IPB yang bekerja sebagai guru,
periklanan, dan lain sebagainya sedangkan KOP adalah kategori bagi bidang
pekerjaan Kementerian, OJK (Otoritas Jasa Keuangan), dan Pertamina.
Sebaran data antara peubah IPK dan bidang pekerjaan pertamanya dapat
dilihat di tabel kontingensi dua arah pada Tabel 5. Hasil dari tabel kontingensi dua
arah diperoleh lulusan Program Studi S1 Statistika IPB sebagian besar bekerja di
riset/konsultan. Lulusan Program Studi S1 Statistika IPB yang bekerja di bidang
pekerjaan riset/konsultan merupakan lulusan Program Studi S1 Statistika IPB
yang sebagian besar memiliki IPK di antara 3.0 sampai 3.5. Sebaliknya lulusan
Program Studi S1 Statistika IPB yang bekerja di bidang pekerjaan perbankan
hanya sebanyak 5 orang. Lulusan Program Studi S1 Statistika IPB yang bekerja di

16
bidang pekerjaan KOP adalah lulusan Program Studi S1 Statistika IPB yang
memiliki IPK lebih besar atau sama dengan 3.5.
Tabel 5 Tabel kontingensi dua arah antara peubah IPK dan bidang pekerjaan
pertama
Bidang
IPK
pekerjaan
IPK ≥ 3.5
3.
IPK < 3.5
IPK < 3.0
Total
Riset/Konsultan
Asuransi
Perbankan
KOP
Lainnya
Total

6
4
1
6
3
20

15
5
2
0
5
27

6
0
2
0
5
13

27
9
5
6
13
60

Analisis korespondensi dapat dilihat hubungan antara IPK dan bidang
pekerjaan pertama bagi lulusan Program Studi S1 Statistika IPB (Gambar 9).
Berdasarkan analisis korespondensi dapat dilihat bahwa lulusan Program Studi S1
Statistika IPB yang bekerja di bidang pekerjaan KOP sangat dekat dengan lulusan
Program Studi S1 Statistika IPB yang memiliki IPK lebih besar atau sama dengan
3.5. Selanjutnya lulusan Program Studi S1 Statistika IPB yang bekerja di bidang
pekerjaan asuransi dekat dengan lulusan Program Studi S1 Statistika IPB yang
memiliki IPK di antara 3.0 sampai 3.5 dan lulusan Program Studi S1 Statistika
IPB yang memiliki IPK lebih besar atau sama dengan 3.5. Kemudian lulusan

Gambar 9 Analisis korespondensi

17
Program Studi S1 Statistika IPB yang memiliki IPK lebih kecil 3.0 dekat dengan
bidang pekerjaan perbankan dan lainnya. Bidang pekerjaan riset/konsultan berada
dekat dengan lulusan Program Studi S1 Statistika IPB yang memiliki IPK di
antara 3.0 sampai 3.5 (Gambar 9). Hasil yang diperoleh dari analisis
korespondensi menunjukkan bahwa nilai inersia komponen pertama sebesar 0.256
dan nilai inersia komponen kedua sebesar 0.068. Kedua komponen tersebut telah
menjelaskan keragaman data sebesar 100% (Lampiran 1).

SIMPULAN
Hasil dari model Cox dengan mengatasi ties menggunakan metode Exact
diperoleh peubah bebas yang berhubungan dengan lama waktu tunggu
memperoleh pekerjaan pertama adalah jenis kelamin dan IPK. Lulusan Program
Studi S1 berjenis kelamin laki-laki memiliki kecenderungan memperoleh
pekerjaan pertama sebesar 2.331 kali lebih cepat dibandingkan lulusan Program
Studi S1 Statistika IPB berjenis kelamin perempuan dengan lama waktu tunggu
maksimal selama 4 bulan. Lulusan Program Studi S1 Statistika IPB yang memiliki
IPK lebih besar atau sama dengan 3.5 memiliki kecenderungan memperoleh
pekerjaan pertama sebesar 2.199 kali lebih cepat dibandingkan lulusan Program
Studi S1 Statistika IPB yang memiliki IPK lebih kecil dari 3.0 dengan lama waktu
tunggu maksimal selama 5 bulan. Kementerian, Otoritas Jasa Keuangan (OJK),
dan Pertamina termasuk bidang pekerjaan lulusan Program Studi S1 Statistika IPB
yang memiliki IPK lebih besar atau sama dengan 3.5 berdasarkan hasil analisis
korespondensi.

DAFTAR PUSTAKA
Allison PD. 2010. Survival Analysis Using SAS: A Practical Guide 2nd ed. North
Carolina (US): SAS Institute Inc.
[BPS]. Badan Pusat Statistik. 2015. Keadaan ketenagakerjaan Februari 2015.
Berita resmi statistik [Internet]. [diunduh 2015 Mei 21]; No. 47/05/Th. XVII.
Tersedia pada: http://www.bps.go.id/Brs/view/id/1139.
Collet D. 2003. Modelling Survival Data in Medical Research 2nd ed. London
(UK): Chapman and Hall.
Congdon P. 2003. Applied Bayesian Modelling. London (UK): John Wiley &
Sons Ltd.
Greenacre M. 2007. Correspondence Analysis in Practice 2nd ed. Boca Raton
(US): Chapman and Hall/CRC.
Kleinbaum DG, Klein M. 2005. Survival Analysis: A Self-Learning Text 3rd ed.
New York (US): Springer Science Business Media Inc.
Lawless JF. 2003. Statistical Models and Methods for Lifetime Data 2nd ed. New
York (US): John Wiley & Sons Inc.
Lee ET, Wang JW. 2003. Statistical Methods for Survival Data Analysis 3rd ed.
New York (US): John Wiley & Sons Inc.

18
Mattjik AA, Sumertajaya IM. 2011. Sidik Peubah Ganda dengan Menggunakan
SAS. Bogor (ID): Institut Pertanian Bogor.
Xin X. 2011. A Study of Ties and Time-Varying Covariates in Cox Proportional
Hazards Model [tesis]. Ontario (Canada): Universitas Guelph.

19
Lampiran 1 Perhitungan analisis korespondensi antara IPK dan bidang pekerjaan
pertama
Matriks korespondensi

P

.1
. 67
. 17
.1
[ . 5

.
.
.
.
.

5
83
33
83

.1
.
. 33
.
. 83]

Profil baris
Bidang
pekerjaan
Riset/Konsultan
Asuransi
Perbankan
KOP
Lainnya
Margin

IPK
IPK ≥ 3.5

3

0.222
0.444
0.200
1.000
0.231
0.333

IPK < 3.5
0.556
0.556
0.400
0.000
0.385
0.450

IPK < 3

Margin

0.222
0.000
0.400
0.000
0.385
0.217

1.000
1.000
1.000
1.000
1.000

IPK < 3

Margin

0.462
0.000
0.154
0.000
0.385
1.000

0.450
0.150
0.083
0.100
0.217

Profil kolom
Bidang
pekerjaan
Riset/Konsultan
Asuransi
Perbankan
KOP
Lainnya
Margin

IPK
IPK ≥ 3.5
0.300
0.200
0.050
0.300
0.150
1.000

3

IPK < 3.5
0.556
0.185
0.074
0.000
0.185
1.000

Koordinat baris
Bidang pekerjaan
Riset/Konsultan
Asuransi
Perbankan
KOP
Lainnya

Koordinat
Dimensi 1
-0.306
0.446
-0.484
1.955
-0.390

Dimensi 2
-0.237
-0.825
0.605
0.500
0.601

20

Koordinat kolom
Koordinat

IPK

Dimensi 1
0.990
-0.386
-0.722

IPK ≥ 3.5
3 IPK < 3.5
IPK < 3

Dimensi 2
0.131
-0.492
0.822

Nilai inersia
Dimensi
1
2
Total

Nilai
singular
0.506
0.261

Nilai
inersia
0.256
0.068
0.325

Khi
kuadrat

19.475

Proporsi
inersia
0.79
0.21

Proporsi inersia
kumulatif
0.790
1.000
1.000

21

RIWAYAT HIDUP
Penulis lahir di Jakarta pada tanggal 12 Agustus 1993 sebagai anak kedua
dari pasangan Supadi dan Prihatin. Penulis menempuh pendidikan di SD Negeri
Bintaro 09 Pagi (1999-2005), SMP Negeri 161 (2005-2008), dan SMA Negeri 47
(2008-2011) di Jakarta Selatan. Penulis diterima di IPB pada tahun 2011 melalui
jalur undangan dengan mayor Statistika dan minor Matematika Keuangan dan
Aktuaria.
Selama menempuh pendidikan di IPB pada tahun pertama penulis tergabung
dalam UKM Gentra Kaheman. Pada tahun kedua penulis mengikuti MIPA Go
Field, dan pada tahun ketiga penulis tergabung dalam Himpro Gamma Sigma
Beta Divisi Analisis Data sebagai bendahara divisi. Selain tergabung dalam
organisasi penulis berkesempatan untuk aktif dibeberapa kepanitiaan seperti
Fundraising Pekan Olahraga Statistika 2012, staf Lead Officer Kompetisi
Statistika Ria ke-9, dan humas Welcome Ceremony of Statistics 2014.
Bulan Juni sampai Agustus 2014 penulis melaksanakan program praktek
lapang di salah satu perusahaan riset politik bernama Jaringan Suara Indonesia
yang berlokasi di Jakarta Selatan. Penulis berkesempatan untuk ikut aktif
mengikuti kegiatan quick count di Jaringan Suara Indonesia.