Hasil Prediksi Tingkat Kelulusan Mahasiswa

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 Tabel 29 Hasil analisa sensitivitas variabel masukan pada model MPIPK Lanjutan Variabel Mata Kuliah Nilai Sensitivitas Rangking 9 Bahasa Inggris 0.397 3 10 Konsep Sistem Informasi 0.147 11 11 Dasar Manajemen dan Bisnis 0.215 8 12 Aljabar Vektor Matriks 25.769 1 13 Pengantar Instalasi Komputer 0.082 16 14 Pemrograman 2 Pascal Lanjutan 0.279 7 15 Pengantar Teknologi Informasi 0.158 10 16 Desain Grafis 0.325 5 Variabel masukan mata kuliah yang mempunyai pengaruh paling besar pada model prediksi indeks prestasi kumulatif MPIPK mahasiswa adalah variabel 12, yakni mata kuliah Aljabar Vektor Matriks , mata kuliah yang sama dengan hasil yang ditunjukkan oleh analisas sensitivitas terhadap variabel input pada model prediksi lama studi MPIPK. Sedangkan variabel masukan mata kuliah yang memberikan pengaruh paling kecil adalah variabel 13, yakni mata kuliah Pengantar Instalasi Komputer. Rentang data antara nilai sensitivitas tertinggi dengan nilai sensitivitas lainnya terlihat sangat jauh

4.10 Manfaat bagi manajemen

Dilakukannya prediksi tingkat kelulusan mahasiswa Diploma 3 tiga Jurusan Manajemen Informatika, Universitas Negeri Gorontalo bertujuan agar diperolehnya gambaran awal mengenai tingkat kelulusan mahasiswa sebagai bagian dari evaluasi program studi, sehingga bisa program studi dapat mengambil langkah strategis yang tepat untuk dapat terus meningkatkan kualitas dan kuantitas tingkat kelulusan hingga mencapai sasaran mutu kelulusan yang telah ditetapkan oleh universitas. Kepada sejumlah mahasiswa yang diprediksi tingkat kelulusannya tidak mencapai sasaran mutu yang ditetapkan, program studi dapat memberikan peringatan dini agar mahasiswa tersebut dapat berusaha lebih fokusdan giat lagi untuk meraih nilai yang terbaik tiap semesternya. Mata kuliah yang dinyatakan memiliki nilai sensitivitas tertinggi bukan berarti mata kuliah tersebut secara otomatis lebih baik atau lebih jelek dari mata kuliah lainnya, akan tetapi nilai sensitivitas yang tinggi menunjukkan bahwa nilai-nilai dari mata