Pengujian arsitektur terbaik terhadap data validasi dan data testing

Tabel 26 Prediksi Tingkat Kelulusan mahasiswa angkatan 2008-2010 berdasarkan Lama Studi Angkatan Data Tak Dikenal Data Dikenal Total Jml Melewati Batas Studi Tepat Waktu Jml 2008 0.00 34 82.93 7 17.07 41 100.00 2009 1 1.92 42 80.77 9 17.31 52 100.00 2010 1 2.70 31 83.78 5 13.51 37 100.00 Tabel 27 Prediksi Tingkat Kelulusan mahasiswa 2008-2010 angkatan berdasarkan IPK Angkatan Data Tak Dikenal Data Dikenal Total Jml Terpuji Sangat Memuaskan Memuaskan Jml 2008 0.00 7 17.07 23 56.10 11 26.83 41 100.00 2009 2 3.85 10 19.23 29 55.77 11 21.15 52 100.00 2010 6 16.22 4 10.81 13 35.14 14 37.84 37 100.00 Dari Tabel 26 dan Tabel 27 terlihat bahwa prediksi mahasiswa dengan kategori melewati batas studi memiliki presentase yang lebih tinggi dibandingkan dengan kategori mahasiswa yang lulus tepat waktu. Besar presentase yang dihasilkan sangat jauh dari standar mutu lulusan yang telah ditetapkan oleh universitas. Begitupula halnya dengan hasil prediksi tingkat kelulusan IPK mahasiswa, diperoleh bahwa sebagian besar mahasiswa menyelesaikan studi dengan kategori IPK sangat memuaskan. Hasil prediksi ini dapat menjadi informasi dan bahan pertimbangan bagi penyelenggara program studi untuk dapat mengambil langkah-langkah strategi dalam rangka menaikkan tingkat kelulusan mahasiswa, antara lain lebih meningkatkan kualitas pembelajaran, layanan akademik hingga dengan perhatian khusus kepada sejumlah mahasiswa yang tingkat kelulusannya diprediksi lebih rendah dari sasaran mutu yang ditetapkan.

4.9 Analisa Sensitivitas

Analisa sensitivitas dilakukan untuk mengetahui variabel yang lebih atau paling berpengaruh diantara variabel-variabel masukan lainnya. Berdasarkan hasil analisa sensitivitas maka diperoleh nilai sensitivitas dari variabel masukan pada masing-masing model prediksi, sebagaimana yang ditunjukkan pada Tabel 28 dan Tabel 29. Tabel 28 Hasil analisa sensitivitas variabel masukan pada model MPLS Variabel Mata Kuliah Nilai Sensitivitas Rangking 1 Pendidikan Agama 2.609 12 2 Bahasa Indonesia 27.246 7 3 Pemrograman 1 Pascal Dasar 53.764 2 4 Sistem Operasi 20.472 8 5 Matematika 19.409 9 6 Pengantar Sistem Komputer 14.762 10 7 Paket Program Aplikasi 41.258 5 8 Algoritma dan Struktur Data 5.487 11 9 Bahasa Inggris 1.862 14 10 Konsep Sistem Informasi 43.874 4 11 Dasar Manajemen dan Bisnis 0.853 16 12 Aljabar Vektor Matriks 55.955 1 13 Pengantar Instalasi Komputer 0.908 15 14 Pemrograman 2 Pascal Lanjutan 2.599 13 15 Pengantar Teknologi Informasi 28.708 6 16 Desain Grafis 52.185 3 Variabel masukan mata kuliah yang mempunyai pengaruh paling besar pada model prediksi lama studi MPLS mahasiswa adalah variabel 12, yakni mata kuliah Aljabar Vektor Matriks dengan nilai sensitivitas , sedangkan variabel masukan mata kuliah yang memberikan pengaruh paling kecil adalah variabel 11, yakni mata kuliah Dasar Manajemen dan Bisnis. Mata kuliah yang paling berpengaruh kedua setelah Alajabar Vektor Matriks adalah mata kuliah Pemrograman 1 dengan nilai sensitivitas sebesar 53.764. Tabel 29 Hasil analisa sensitivitas variabel masukan pada model MPIPK Variabel Mata Kuliah Nilai Sensitivitas Rangking 1 Pendidikan Agama 0.115 13 2 Bahasa Indonesia 0.357 4 3 Pemrograman 1 Pascal Dasar 0.109 14 4 Sistem Operasi 0.134 12 5 Matematika 0.108 15 6 Pengantar Sistem Komputer 0.287 6 7 Paket Program Aplikasi 0.202 9 8 Algoritma dan Struktur Data 4.737 2