Metode Penelitian Persentase Ketepatan Masa Studi Mahasiswa Ketepatan
4. Metode Penelitian
Penelitian ini dilakukan terhadap mahasiswa Jurusan Pendidikan Matematika FMIPA UNY yang lulus sejak Agustus 2001 hingga November 2005. Variabel respon dalam penelitian ini adalah masa studi mahasiswa Y=1 jika masa studi 10 semester, Y=0 jika masa studi 10 semester. Sedangkan variabel prediktor adalah jenis kelamin X ≤ 1 =1 jika laki‐laki, X 1 =2 jika perempuan , IPK tahun pertama X 2 , program studi X 3 =1 jika program studi Pendidikan Matematika, X 3 =2 jika program studi Matematika. Untuk analisis deskriptif, data IPK dikategorikan menjadi IPK rendah IPK 2,50, IPK sedang 2,5 ≤ IPK ≤ 2,99 dan IPK tinggi IPK ≥ 3,00. Variabel penjelas dipilih berdasarkan ketersediaan data. Untuk membandingkan model NN dengan regresi logistik dilakukan resampling sebanyak 50 kali. Sampling dilakukan secara acak dengan mengambil 50 dari keseluruhan data sebagai data training dan sisanya sebagai data testing. Data training digunakan untuk pembentukan model sedangkan data testing digunakan untuk validasi model. Proses analisis data dilakukan dengan software S‐Plus 2000 untuk membandingkan kinerja model NN dan regresi logistik, dan software MINITAB versi 13 untuk estimasi serta interpretasi model regresi logistik. Perbandingan model NN dan regresi logistik dilakukan dengan menggunakan kriteria ketepatan klasifikasi yang disebut dengan persentase correct , yaitu rasio antara banyaknya data yang terprediksi secara tepat, dengan keseluruhan data. Model terbaik adalah model yang memiliki rata‐rata ketepatan klasifikasi tertinggi pada data testing. Faktor‐faktor yang mempengaruhi masa studi mahasiswa ditentukan dari model logistik.5. Hasil dan Pembahasan
5.1. Deskripsi Responden
SEMNAS Matematika dan Pend. Matematika 2007 722 Responden dalam penelitian ini berjumlah 319 orang. Dari jumlah tersebut ada 186 58,31 mahasiswa yang mampu menyelesaikan studinya tepat waktu, sedangkan sisanya ada 133 41,69 yang dinyatakan tidak tepat waktu. Deskripsi responden berdasarkan variabel‐variabel yang diteliti disajikan dalam Tabel 1. berikut. Tabel1. Persentase Ketepatan Masa Studi Mahasiswa Ketepatan
Masa Studi Variabel Tepat Tidak Jumlah Laki ‐laki 51 57,30 38 42,70 89 Jenis Kelamin Perempuan 135 58,70 95 41,30 230 Total 319 Rendah 2 22,22 7 77,78 9 Sedang 38 35,85 68 64,15 106 IPK Tinggi 146 71,57 58 28,43 204 Total 319 Pendidikan Matematika 98 54,14 83 45,86 181 Program Studi Matematika 88 63,78 50 36,23 138 Total 319 Berdasarkan Tabel 1., jika ditinjau dari jenis kelamin, maka persentase mahasiswa perempuan yang mampu menyelesaikan studi tepat waktu lebih tinggi dibandingkan dengan laki‐laki. Namun perbedaan tersebut tidak terlalu besar. Perbedaan persentase yang cukup mencolok terjadi diantara mahasiswa yang memiliki IPK rendah, sedang dan tinggi. Dengan meningkatnya IPK, terlihat kecenderungan persentase yang lulus tepat waktu juga meningkat. Berdasarkan program studi yang diambil, mahasiswa program studi Matematika lebih banyak yang mampu menyelesaikan studi tepat waktu dibandingkan dengan mahasiswa program studi Pendidikan Matematika. Untuk mengetahui variabel mana yang berbeda secara signifikansi dapat Matematika 723 dilihat pada hasil inferensi dengan menggunakan uji Wald 5 yang akan diberikan pada pembahasan berikut.5. 2. Perbandingan Model NN dan Model Regresi Logistik
Parts
» Staff Site Universitas Negeri Yogyakarta
» Dr. Djaelani 3. Dr. Rusgianto HS Sahid, M.Sc.
» Pendahuluan Staff Site Universitas Negeri Yogyakarta
» Statistika Staff Site Universitas Negeri Yogyakarta
» Pembahasan Staff Site Universitas Negeri Yogyakarta
» Rancangan Percobaan dan Analisis Variansi
» Kesimpulan Staff Site Universitas Negeri Yogyakarta
» Perumusan Tinjauan Pustaka PENDAHULUAN
» Tujuan Penelitian Manfaat Penelitian
» HASIL Staff Site Universitas Negeri Yogyakarta
» Belajar T I N J A U A N P U S T A K A
» Pendekatan Mathematics Problem Solving
» SWiSHmax T I N J A U A N P U S T A K A
» Populasi dan Sampel Desain Penelitian
» Metode Pengumpulan Data Instrumen Penelitian Teknik Analisis Data
» Simpulan Saran S I M P U L A N D A N S A R A N
» Pemahaman Matematika Model Belajar Kooperatif Tipe Student Team Achievement Division
» Model Belajar Kooperatif Tipe Teams Games Tournament TGT Model Belajar Kelompok Tipe Jigsaw
» LANDASAN TEORI Teknik Sampling
» Populasi dan Sampel Variabel Penelitian Deskriptif Data Uji
» British context: the works of David Tall
» Taiwaness Context: the works of Fou Lai Lin
» Singapore Staff Site Universitas Negeri Yogyakarta
» Malaysian Staff Site Universitas Negeri Yogyakarta
» Indonesian Staff Site Universitas Negeri Yogyakarta
» Metode Eksperimen Hasil Pengembangan Perangkat Pembelajaran
» Simpulan Saran Staff Site Universitas Negeri Yogyakarta
» Metakognitif Pembelajaran Matemátika dengan Pendekatan Metakognitif
» Kemampuan Pemecahan Masalah Pembahasan
» Pembelajaran Matematika dengan Pendekatan Metakognitif dalam
» Pentutup Staff Site Universitas Negeri Yogyakarta
» Pelaksanaan Siklus 2 Staff Site Universitas Negeri Yogyakarta
» Instrumen Skala Sikap Format Observasi Format Wawancara Tes Pengetahuan Penunjang
» Data Hasil Non Tes Kemampuan Pengetahuan Penunjang
» Kemampuan Koneksi Matematik KKM Siswa
» g dan i berturut‐turut dibagi s hasilnya p dan q t, y, dan s bilangan prima.
» Latar belakang Staff Site Universitas Negeri Yogyakarta
» Peran guru dalam proses pembelajaran Proses pembelajaran sentra
» Perkembangan Psikososial Perkembangan Bahasa dan Komunikasi Perkembangan Seni
» Identifikasi fokus masalah. Pengumpulan data. Analisis dan interpretasi data. Penyusunan rencana.
» Pelaksanaan. Pembelajaran Kooperatif Tipe Teams‐Games‐Tournaments TGT
» Pendidikan Lingkungan Hidup Konsep Sekolah Berwawasan Lingkungan
» Sikap Ramah Lingkungan Staff Site Universitas Negeri Yogyakarta
» Proses dan Kualitas Pembelajaran
» Perkuliahan Komputasi Statistik Staff Site Universitas Negeri Yogyakarta
» Sisi – Sisi Metakognitif Staff Site Universitas Negeri Yogyakarta
» Kesadaran diri dari proses berpikir seseorang
» Kontrol atau monitoring diri dari proses berpikir seseorang
» Latar Belakang Masalah Pembelajaran Matematika dengan Pendekatan Metakognitif
» Rumusan Masalah Tujuan Penelitian Desain Penelitian
» Populasi dan Sampel Hasil Penelitian
» Kemampuan Berpikir Kreatif Staff Site Universitas Negeri Yogyakarta
» Kesimpulan Rekomendasi Deskripsi Jawaban Siswa
» Dapatkah Staff Site Universitas Negeri Yogyakarta
» Bertukar Pasangan Berpikir ‐ Berpasangan ‐ Berempat
» Berkirim Salam dan Soal . Kepala Bernomor
» Bahasan Himpunan Dua Tinggal Dua Tamu two stay two stray
» Bahasan Statistik Tinjauan Pokok Bahasan Statistik Tingkat SMP Daftar Frekuensi
» Setting Penelitian dan Subyek Penelitian .
» Rencana Tindakan Pelaksanaan Tindakan
» Analisis Hasil Penelitian Keaktifan Siswa Dalam PBM Analisis Hasil Test Prestasi Belajar Siswa
» Analisis Hasil Penelitian Keaktifan Siswa Dalam PBM
» Analisis Hasil Test Prestasi Belajar siswa Kelas VIII SMPN 2 Pringkuku
» Matematika Untuk SMPMTs VIII. Bandung : Sarana Metodologi Penelitian Pendidikan , Penerbit SIC
» Masalah Tujuan Staff Site Universitas Negeri Yogyakarta
» KESIMPULAN Level 4 Ketatrigor: Siswa pada tingkat ini memahami aspek‐aspek formal
» Model Nested Logit Staff Site Universitas Negeri Yogyakarta
» Overlapping Nest Staff Site Universitas Negeri Yogyakarta
» Rancangan Percobaan dan Membangkitkan data
» Model MNL dan model nest logit
» Model Multinomial Probit MNP
» Identifikasi Paramater Staff Site Universitas Negeri Yogyakarta
» Variasi individu Staff Site Universitas Negeri Yogyakarta
» Plotting Data Sampel Penentuan Hipotesis Penaksiran Parameter Uji Anderson‐Darling
» Sampling Proporsi Taksiran Distribusi Kematian
» PENDAHULUAN KESIMPULAN Staff Site Universitas Negeri Yogyakarta
» Pendahuluan RUMUSAN MASALAH Staff Site Universitas Negeri Yogyakarta
» Interval Kepercayaan untuk Kajian Teori
» Kesimpulan Daftar Pustaka Staff Site Universitas Negeri Yogyakarta
» Algoritma untuk menentukan nilai awal Algoritma untuk menentukan nilai awal dengan menggunakan
» A., Mood, A. M. and Boes, D. C., 1963, Introduction To The Theory of
» Latar Belakang Masalah Rumusan Masalah
» Manfaat penelitian Staff Site Universitas Negeri Yogyakarta
» Model Regresi Logistik Staff Site Universitas Negeri Yogyakarta
» Model Neural Networks NN untuk Klasifikasi Data
» Metode Penelitian Persentase Ketepatan Masa Studi Mahasiswa Ketepatan
» Penutup Daftar Pustaka Staff Site Universitas Negeri Yogyakarta
» GRUP TOPOLOGIS Staff Site Universitas Negeri Yogyakarta
» SUBGRUP TOPOLOGIS Staff Site Universitas Negeri Yogyakarta
» GRUP TOPOLOGIS KUOSEN Staff Site Universitas Negeri Yogyakarta
» Asumsi dan Model Inventory Multi‐Item
» Program Nonlinear Probabilistik Hasil Peneltian dan Pembahasan
» Model regresi linier log gamma Estimasi parameter regresi log gamma dengan metode MLE
» Penerapan program pada kasus data tahan hidup
» Aplikasi pada Data Pasien Myeloma Kanker Tulang
» 23‐33. Staff Site Universitas Negeri Yogyakarta
» PENDAHULUAN Latar Staff Site Universitas Negeri Yogyakarta
» METODOLOGI Staff Site Universitas Negeri Yogyakarta
» HASIL DAN PEMBAHASAN Staff Site Universitas Negeri Yogyakarta
» Model Regresi Cox Estimasi Parameter Dalam Model Regresi Cox Menentukan fungsi Partial Likelihood
» APLIKASI DATA REAL Estimasi Fungsi Hazard Dasar
» Estimator Kernel Algoritma dan Program R
» Perkembangan Pendugaan Area Kecil
» Generalized Regression Staff Site Universitas Negeri Yogyakarta
» Pendugaan langsung Pendugaan GREG
» Model Based Design Estimator Pembahasan Hasil Kajian
» Penalized spline merupakan potongan‐potongan polinomial
» Introduction Staff Site Universitas Negeri Yogyakarta
» Pndahuluan Staff Site Universitas Negeri Yogyakarta
» Model Hazard proporsional Semiparametrik Estimasi Generalized Profile Likelihood dalam Model‐Model
» Latar Belakang Tujuan dan Manfaat Penelitian
» Algoritma PageRank Matrik Markov
» Vektor Eigen dan Nilai Eigen Metode Pangkat
Show more