Kajian keberhasilan studi mahasiswa program doktor manajemen bisnis sekolah pascarsarjana IPB

KAJIAN KEBERHASILAN STUDI MAHASISWA
PROGRAM DOKTOR MANAJEMEN BISNIS
SEKOLAH PASCASARJANA IPB

FAHMY ANDRIYAN NUGRAHA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Kajian Keberhasilan
Studi Mahasiswa Program Doktor Manajemen Bisnis Sekolah Pascarsarjana IPB
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, Agustus 2014
Fahmy Andriyan Nugraha
NIM G14100058

ABSTRAK
FAHMY ANDRIYAN NUGRAHA. Kajian Keberhasilan Studi Mahasiswa
Program Doktor Manajemen Bisnis Sekolah Pascarsarjana IPB. Dibimbing oleh
HARI WIJAYANTO dan NOER AZAM ACHSANI.
Persentase kelulusan mahasiswa pada Program Doktor Manajemen Bisnis
IPB masih rendah. Oleh karena itu, pihak Program Doktor Manajemen Bisnis IPB
pelu mengevaluasi guna mencari karakteristik serta faktor-faktor yang dapat
mempengaruhi keberhasilan studi mahasiswa. Metode analisis korespondensi
berganda dapat menggambarkan karakteristik keberhasilan studi mahasiswa.
Faktor-faktor yang dapat mempengaruhi keberhasilan studi mahasiswa dapat
dianalisis dengan analisis regresi logistik biner sedangkan untuk melihat faktor
yang paling dominan menggunakan analisis dominan.
Hasil dari analisis menunjukkan bahwa karakteristik mahasiswa yang lulus
cenderung merupakan mahasiswa perempuan, berusia antara 35 sampai dengan 45

tahun, sudah menikah, memiliki IPK S1 lebih dari sama dengan 3.00, memiliki
IPK S2 lebih dari sama dengan 3.50, lulusan S1 dan S2 yang berasal dari IPB,
ITB dan UGM, universitas luar negeri, mahasiswa yang berasal dari program studi
S2 ekonomi, manajemen, teknik dan MIPA serta mahasiswa dengan status
penerimaan S3 non percobaan sedangkan karakteristik mahasiswa yang tidak lulus
sebaliknya. Peubah usia, tempat bekerja, perguruan tinggi S1 dan perguruan tinggi
S2 berpengaruh terhadap keberhasilan studi mahasiswa pada taraf nyata 10%.
Faktor yang paling dominan adalah peubah tempat bekerja. Faktor lain yang tidak
ada dalam model yang dapat mempengaruhi keberhasilan studi mahasiswa yaitu
pada proses pembuatan disertasi, komunikasi antara mahasiswa dengan komisi
pembimbing, serta motivasi dan komitmen mahasiswa.
Kata kunci: analisis dominan, analisis korespondensi berganda, analisis regresi
logistik biner, keberhasilan studi mahasiswa.

ABSTRACT
FAHMY ANDRIYAN NUGRAHA. Assessment of Student Achievement in
Doctoral Program of Business Management at IPB Postgraduate School. Advised
by HARI WIJAYANTO and NOER AZAM ACHSANI.
The percentage of graduate student at Business Management Doctoral
Program rate is still low. Therefore, the Doctoral Program in Business

Management have to evaluate to find the characteristics and factors that may
affect the student achievement. Multiple correspondence analysis can describe the
characteristics of student achievement. Factors that may affect student
achievement can be analyzed by binary logistic regression analysis, while to see
the most dominant factor use dominance analysis.
The results of the analysis show the characteristics of the students who
pass are female students, aged between 35 to 45 years old, married, grade point
average (GPA) of S1 greater or equal to 3.00, GPA of S2 greater or equal to 3.50,

graduates S1 and S2 from IPB, ITB and UGM, foreign university, students S2
with courses economics, management, engineering and MIPA, and non-probation
student. However, the characteristics of students who do not pass S3 is vice versa.
Variables of age, work place, college S1 and S2, affect the student achievement
on the level 10%. The most dominant factor is work place. Other factors outside
the model that can affect student achievement are the process of dissertation,
communication between students and lecturers, student motivation and
commitment.
Key words: binary logistic regression analysis, dominance analysis, multiple
correspondence analysis, student achievement.

KAJIAN KEBERHASILAN STUDI MAHASISWA
PROGRAM DOKTOR MANAJEMEN BISNIS
SEKOLAH PASCASARJANA IPB

FAHMY ANDRIYAN NUGRAHA

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
2014

Judul Skripsi : Kajian Keberhasilan Studi Mahasiswa Program Doktor Manajemen
Bisnis Sekolah Pascarsarjana IPB

Nama
: Fahmy Andriyan Nugraha
NIM
: G14100058

Disetujui oleh

Dr Ir Hari Wijayanto, MSi
Pembimbing I

Prof Dr Noer Azam Achsani
Pembimbing II

Diketahui oleh

Dr Anang Kurnia, MSi
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah yang
berjudul Kajian Keberhasilan Studi Mahasiswa Program Doktor Manajemen
Bisnis Sekolah Pascarsarjana IPB.
Penyusunan karya ilmiah ini tidak terlepas dari kerja sama dengan berbagai
pihak. Oleh karena itu, pada kesempatan ini penulis mengucapkan terima kasih
kepada:
1. Bapak Dr Ir Hari Wijayanto, MSi dan Bapak Prof Dr Noer Azam Achsani
selaku komisi pembimbing yang selalu memberikan bimbingan kepada
penulis dalam menyelesaikan karya ilmiah ini.
2. Bapak Dr Ir I Made Sumertajaya, MS selaku penguji luar yang telah
memberikan arahan dan saran kepada penulis dalam mengembangkan karya
ilmiah ini.
3. Teman-teman statistika 47 yaitu Asty K, Siti K, Faisal T dan Elmail C yang
berjuang bersama-sama di bawah bimbingan Bapak Dr Ir Hari Wijayanto,
MSi.
4. Teman-teman statistika angkatan 2009 dan 2010 terutama Septian
Rahardiantoro, S.Stat, Doni Saun Saputra, Ardian Firmansyah, Meta A dan
Meita yang telah membantu dalam diskusi untuk mengembangkan dan

menyelesaikan karya ilmiah ini.
5. Keluarga tercinta atas segala dukungan dan doa kepada penulis.
Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2014
Fahmy Andriyan Nugraha

DAFTAR ISI
DAFTAR TABEL

ix

DAFTAR GAMBAR

ix

DAFTAR LAMPIRAN

ix

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

2

METODOLOGI

2

Sumber Data

2

Prosedur Analisis Data

2

HASIL DAN PEMBAHASAN

5

Gambaran Umum Mahasiswa Program Doktor Manajemen Bisnis IPB
Angkatan 1-5

5

Karakteristik Keberhasilan Studi Mahasiswa

9

Faktor-Faktor yang Berpengaruh Terhadap Keberhasilan Studi Mahasiswa
SIMPULAN DAN SARAN

11
16

Simpulan

16

Saran

16

DAFTAR PUSTAKA

16

LAMPIRAN

18

RIWAYAT HIDUP

34

DAFTAR TABEL
1 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala kategorik terhadap keberhasilan studi mahasiswa
2 Matriks korelasi antar peubah penjelas
3 Pengujian parameter secara parsial dengan uji Wald
4 Nilai kontribusi masing-masing peubah penjelas yang berpengaruh
terhadap keberhasilan studi mahasiswa
5 Ketepatan klasifikasi model

7

12
12
13
14

DAFTAR GAMBAR
1 Sebaran jenis kelamin, status pernikahan, sumber biaya dan program
studi S2 mahasiswa
2 Sebaran tempat bekerja, perguruan tinggi S1, perguruan tinggi S2 dan
status penerimaan S3 mahasiswa
3 Sebaran keberhasilan studi mahasiswa setiap angkatan
4 Plot korespondensi berganda keberhasilan studi mahasiswa
5 Proses tahapan disertasi Program Doktor Manajemen Bisnis IPB

5
6
8
10
15

DAFTAR LAMPIRAN
6 Rincian demografi dan latar belakang pendidikan mahasiswa (peubah)
yang digunakan dalam penelitian
7 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala numerik
8 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala numerik terhadap keberhasilan studi mahasiswa
9 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala kategorik terhadap keberhasilan studi mahasiswa setiap
angkatan
10 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala numerik terhadap keberhasilan studi mahasiswa setiap
angkatan
11 Akar ciri non trivial keberhasilan studi mahasiswa
12 Hasil perhitungan analisis korespondensi berganda keberhasilan studi
mahasiswa
13 Tabulasi silang keberhasilan studi mahasiswa antara peubah tempat
bekerja dengan peubah kategorik lainnya
14 Tabulasi silang keberhasilan studi mahasiswa antara peubah perguruan
tinggi S1 dengan peubah kategorik lainnya
15 Tabulasi silang antara peubah perguruan tinggi S2 dengan peubah
kategorik lainnya

18
19
20

21

25
26
27
29
30
32

PENDAHULUAN
Latar Belakang
Program Manajemen dan Bisnis IPB (MB-IPB) merupakan salah satu
program studi pada Sekolah Pascasarjana IPB. Awalnya, program ini bernama
Magister Manajemen Agribisnis IPB (MMA-IPB). Program Pascasarjana MB-IPB
merupakan perluasan dari MMA-IPB untuk lebih berperan serta dalam
perkembangan manajemen dan bisnis di Indonesia. Berdasarkan visi dan misi
MB-IPB, salah satu tujuan MB-IPB adalah menghasilkan lulusan yang
mempunyai kompetensi berintegritas tinggi, berakar kokoh pada budaya nasional,
berwawasan internasional, mampu melakukan analisis dan sintesis dalam
pemecahan masalah manajemen dan bisnis (Manajemen Bisnis IPB 2010).
Masyarakat sering menilai kualitas perguruan tinggi dari mutu lulusan
perguruan tinggi. Menurut Abbas (2008), peran perguruan tinggi dalam
menghasilkan sumberdaya manusia yang berkualitas semakin menurun. Peran
yang ditampilkan perguruan tinggi semakin dekat pada kondisi “stagnan”. Ini
merupakan tantangan untuk Program Pascasarjana MB-IPB dalam meningkatkan
kualitas mahasiswa khususnya pada Program Doktor Manajemen Bisnis IPB
seiring dengan daya saing lulusan perguruan tinggi pada bidang manajemen dan
bisnis semakin meningkat. Guna meningkatkan kualitas mahasiswa, pihak
Program Doktor Manajemen Bisnis IPB perlu melihat keberhasilan studi Program
Doktor Manajemen Bisnis IPB saat ini. Hal ini dapat menjadi acuan untuk
menentukan kebijakan yang akan dibuat.
Salah satu indikator untuk melihat keberhasilan studi Program Doktor
Manajemen Bisnis IPB saat ini adalah persentase mahasiswa yang lulus dan tidak
lulus. Keberhasilan studi yang baik ditunjukkan dengan persentase kelulusan yang
tinggi. Berdasarkan data kelulusan, persentase kelulusan mahasiswa pada Program
Doktor Manajemen Bisnis IPB masih rendah. Hal ini perlu dievaluasi oleh pihak
Program Doktor Manajemen Bisnis IPB guna mencari karakteristik serta faktorfaktor yang dapat mempengaruhi keberhasilan studi mahasiswa. Salah satu
indikator yang perlu dievaluasi sesuai dengan Peraturan Pemerintah Republik
Indonesia nomor 19 tahun 2005 tentang standar nasional pendidikan yaitu dari
segi input (standar masukan), proses maupun output (standar keluaran). Segi input
dapat dilihat dari demografi dan latar belakang pendidikan mahasiswa sedangkan
segi proses dapat dilihat dari proses perkuliahan mahasiswa sampai akhir.
Keberhasilan studi mahasiswa yaitu lulus dan tidak lulus merupakan segi output
yang dapat dievaluasi oleh pihak Program Doktor Manajemen Bisnis IPB.
Karakteristik keberhasilan studi mahasiswa dapat dianalisis dengan
menggunakan analisis korespondesi berganda. Hasil analisis korespondensi
merupakan plot dua dimensi yang memproyeksikan baris-baris dan kolom-kolom
dari matriks data (Sumertajaya dan Mattjik 2011). Faktor-faktor yang dapat
mempengaruhi keberhasilan studi mahasiswa dapat dianalisis dengan metode
regresi logistik biner sedangkan untuk melihat faktor yang paling dominan
menggunakan analisis dominan. Hasil penelitian ini dapat menjadi acuan atau
tolak ukur dalam menentukan kebijakan yang dibuat oleh pihak Program Doktor
Manajemen Bisnis IPB guna meningkatkan kualitas mahasiswa.

2
Tujuan Penelitian
Tujuan penelitian ini adalah sebagai berikut :
1. Menganalisis karakteristik keberhasilan studi mahasiswa Program Doktor
Manajemen Bisnis IPB berdasarkan indikator persentase mahasiswa yang
lulus dan tidak lulus.
2. Menganalisis faktor-faktor yang mempengaruhi keberhasilan studi mahasiswa
dan menentukan faktor yang paling dominan.

METODOLOGI
Sumber Data
Data yang digunakan dalam penelitian ini adalah data primer dan sekunder.
Data primer merupakan hasil wawancara peneliti dengan mahasiswa Program
Doktor Manajemen Bisnis IPB secara sukarela mengenai persepsi keberhasilan
studi mahasiswa. Hasil wawancara ini akan menjadi informasi tambahan untuk
mendukung hasil analisis pada data sekunder. Data sekunder adalah data
kelulusan mahasiswa Program Doktor Manajemen Bisnis IPB angkatan 1 (DMB
1) sampai angkatan 5 (DMB 5) sebanyak 137 orang yang diperoleh dari bidang
akademik Program Pascasarjana Manajemen dan Bisnis IPB. Peubah yang
digunakan dalam penelitian ini terdiri dari demografi mahasiswa, latar belakang
pendidikan mahasiswa dan keberhasilan studi mahasiswa (Lampiran 1).

Prosedur Analisis Data
Tahapan yang dilakukan untuk mencapai tujuan dari penelitian ini adalah
sebagai berikut :
1. Mengeksplorasi data demografi dan latar belakang pendidikan mahasiswa
dengan menggunakan pie chart dan box plot.
2. Melakukan analisis korespondensi berganda terhadap semua peubah untuk
melihat karakteristik keberhasilan studi mahasiswa. Menurut Kaciak dan
Louviere (1990), algoritma analisis korespondensi berganda sebagai berikut :
a. Membentuk matriks korespondensi dari matriks indikator � =
�1, �2, �3, … , �q yaitu pembagian matriks � dengan jumlah semua
elemenya, dirumuskan sebagai berikut :
�=

1
totZ

�

; totZ = n x q

dengan n merupakan jumlah individu dan q merupakan jumlah peubah
pada data.
b. Menentukan massa kolom dari matriks indikator yaitu proporsi suatu
kategori terhadap semua kategori. Massa kolom dapat dirumuskan
sebagai berikut :
1
c=
�T �
����

3

dengan �′ = [1 1 … 1] , j = 1,2, ..., p dan cj adalah massa pada kategori
ke-j.
c. Menentukan nilai akar ciri dan vektor ciri dari matriks S dengan rumus :
� = n�−1 2 � ′ ��−1

2

� = (dij )pxp merupakan matriks diagonal dengan dij = cj . λi akar ciri
ke-i dari matriks S dan
= 1, 2 vektor ciri yang bersesuaian
dengan dua akar ciri terbesar λ1 > λ2 .
−1
d. Menentukan koordinat kolom. Misalkan
= 1, 2 = � 2
,
koordinat kolom Z pada sumbu utama ke-i adalah komponen dari vektor
1 2
� = � λi .
e. Pemetaan koordinat kolom.
f. Interpretasi plot korespondensi.
3. Melakukan analisis regresi logistik biner untuk melihat faktor-faktor yang
berpengaruh terhadap keberhasilan studi mahasiswa. Menurut Hosmer dan
Lemeshow (2000), algoritma analisis regresi logistik biner adalah sebagai
berikut :
a. Menduga parameter i dalam model regresi logistik dengan metode
kemungkinan maksimum. Fungsi kemungkinannya adalah
l

=

n
yi
i=1 π(xi )

1 − π(xi )

1−y i

dengan :
l
: 1,2,...,p. Simbol p merupakan peubah penjelas.
yi
: pengamatan pada peubah respon ke-i.
�(xi ) : peluang untuk peubah penjelas ke-i.
b. Melakukan pengujian parameter secara keseluruhan dengan uji-G.
Hipotesis pada uji-G adalah :
H0 ∶ 0 = 1 = 2 = ⋯ = p = 0
H1 ∶ ∃ i ≠ 0 dengan i = 1,2,3,…,p
Statistik uji-G didefinisikan sebagai berikut :
G = −2 ln

L0
Lp

dengan :
L0 : nilai fungsi kemungkinan maksimum tanpa peubah penjelas.
Lp : nilai fungsi kemungkinan maksimum dengan peubah penjelas.
Statistik G mengikuti sebaran χ2 dengan derajat bebas p. Jika nilai G >
2
χp(
) maka hipotesis nol ditolak.
c. Melakukan pengujian parameter secara parsial dengan uji Wald. Hipotesis
yang diuji adalah :
H0 ∶ i = 0
H1 ∶ i ≠ 0 dengan i = 1,2,,3,…,p

4
Statistik uji Wald didefinisikan sebagai berikut :
W=

i

SE ( i )

dengan i penduga bagi i dan SE( i ) merupakan penduga galat baku i .
Asumsi H0 benar maka uji Wald mengikuti sebaran normal baku. H0
ditolak pada kondisi |W| > Z 2 .
d. Melakukan evaluasi terhadap model penuh menggunakan tabel ketepatan
klasifikasi.
e. Interpretasi hasil.
4. Memeringkatkan faktor (peubah) yang mempengaruhi indikator keberhasilan
studi mahasiswa dengan analisis dominan. Menurut Azen dan Traxel (2009),
algoritma untuk melihat faktor yang paling dominan adalah sebagai berikut :
a. Kepentingan sebuah peubah penjelas pada model regersi logistik dapat
dilihat dari nilai kontribusinya dengan rumus adalah sebagai berikut :
Di

k

= R2y.A − R2y.B

dengan :
Di k ∶ Nilai penambahan kontribusi peubah penjelas ke-i ke dalam
model dengan k peubah.
2
R y.A : Nilai R2 setelah ada penambahan peubah penjelas ke-i ke dalam
model.
R2y.B : Nilai R2 sebelum ada penambahan peubah penjelas ke-i ke dalam
model.
Kontribusi penambahan peubah penjelas pada model regresi logistik biner
menggunakan R2 semu. R2 semu yang digunakan adalah R2 McFadden
(R2M ) dengan rumus adalah sebagai berikut :
R2M =

ln Lp
ln L0 − ln Lp
=1−
ln L0
ln L0

dengan :
L0 : nilai fungsi kemungkinan maksimum tanpa peubah penjelas.
Lp : nilai fungsi kemungkinan maksimum dengan peubah penjelas.
b. Peringkat kepentingan peubah penjelas ditentukan oleh besar kontribusi
penambahan (Di k ) di semua kemungkinan model disimbolkan dengan Gi .
Semakin besar nilai Gi , maka semakin tinggi pula peringkat peubah
penjelas. Persamaan Gi adalah sebagai berikut :
Gi =

p−1
k=0 Di(k)

p
dengan :
Di(k) : rata-rata kontribusi penambahan peubah penjelas ke-i dalam model
dengan k peubah.
p
: jumlah peubah penjelas pada model.
Gi : nilai rata-rata kontribusi keseluruhan.

5

HASIL DAN PEMBAHASAN
Gambaran Umum Mahasiswa
Program Doktor Manajemen Bisnis IPB Angkatan 1-5
Gambaran umum berdasarkan demografi pada Gambar 1a, persentase
mahasiswa laki-laki (83.90%) lebih besar dibandingkan mahasiswa perempuan
(16.10%). Dilihat dari status pernikahan, persentase mahasiswa Program Doktor
Manajemen Bisnis IPB dengan status sudah menikah sebesar 94.20% sedangkan
persentase mahasiswa yang belum menikah sebesar 5.80% (Gambar 1b). Kondisi
ini menunjukkan bahwa persentase kategori tidak merata. Sebaran kategori
lainnya yang tidak merata terlihat pada Gambar 1c dan 1d yaitu pada peubah
sumber biaya dan program studi S2. Mahasiswa yang tidak menerima beasiswa
(94.90%) lebih banyak daripada mahasiswa yang menerima beasiswa (5.10%).
Mahasiswa Program Doktor MB-IPB cenderung berasal dari lulusan program
studi S2 ekonomi dan manajemen. Hal ini ditunjukkan dengan persentase
mahasiswa yang berasal dari lulusan program studi S2 ekonomi dan manajemen
sebesar 83.20%.
(b)

(a)

5.80%
16.10%

Sudah
Menikah

Laki-Laki

Belum
Menikah

Perempuan
94.20%
83.90%

(c)

(d)
5.10%
Beasiswa
Non
Beasiswa
94.90%

9.50%

Ekonomi dan
Manajemen

7.30%

Teknik dan
MIPA
83.20%

Sosial dan
Lainnya

Gambar 1 Sebaran (a) Jenis Kelamin, (b) Status Pernikahan, (c) Sumber Biaya
dan (d) Program Studi S2 Mahasiswa
Berdasarkan Gambar 2a, mahasiswa yang bekerja di instansi pemerintah
(54.00%) lebih banyak daripada mahasiswa yang bekerja di instansi non
pemerintah (46.00%). Ditinjau dari latar belakang perguruan tinggi, mahasiswa
Program Doktor MB-IPB berasal dari lulusan S1 perguruan tinggi IPB (20.40%),
ITB dan UGM (16.80%), UI (14.60%), universitas luar negeri (5.80%),

6
universitas swasta dan sekolah tinggi (22.60%) serta universitas negeri lainnya
(19.70%) selain IPB, ITB, UGM, UI (Gambar 2b). Lulusan perguruan tinggi S2
dari universitas luar negeri mendominasi di kalangan mahasiswa Program Doktor
MB-IPB. Hal ini ditunjukkan dengan persentase mahasiswa yang berasal dari
universitas luar negeri sebesar 40.10% (Gambar 2c). Lulusan S2 yang berasal dari
ITB dan UGM memiliki persentase paling kecil dibandingkan dengan lulusan S2
lainnya. Persentase lulusan yang berasal dari ITB dan UGM hanya sebesar 9.50%.
Berdasarkan status penerimaan S3 pada Gambar 2d, mahasiswa non percobaan
(63.50%) lebih banyak daripada mahasiswa percobaan (36.50%).
(a)

(b)

ITB dan UGM

46.00%

Instansi
Pemerintah
Instansi
Non
Pemerintah
54.00%

22.60%

UI

Negeri

19.70%
14.60%

Universitas Negeri
Lainnya (Selain
IPB, ITB, UGM, UI)
Univ. Swasta dan
Sekolah Tinggi

(d)
IPB

36.50%

15.30%
9.50%

40.10%

20.40%

16.80%Universitas Luar

5.80%

(c)
19.70%

IPB

Percobaan

ITB dan UGM

UI
15.30%
Univ. Luar
Negeri
Univ. Negeri
Lainnya.

63.50%

Non
Percobaan

Gambar 2 Sebaran (a) Tempat Bekerja, (b) Perguruan Tinggi S1, (c) Perguruan
Tinggi S2 dan (d) Status Penerimaan S3 Mahasiswa
Deskripsi mengenai peubah penjelas numerik dapat dilihat pada Lampiran
2. Lampiran 2 menunjukkan bahwa rata–rata umur mahasiswa berkisar pada usia
42 tahun 11 bulan dengan keragaman sebesar 47.66. Rata-rata IPK S1 (2.85) lebih
kecil dibandingkan rata-rata IPK S2 (3.48). Akan tetapi, keragaman IPK S1 (0.13)
lebih besar daripada IPK S2 (0.06).
Tabulasi silang antara peubah penjelas dengan keberhasilan studi
mahasiswa pada Tabel 1 menunjukkan bahwa persentase kelulusan yang tinggi
diraih oleh mahasiswa perempuan, mahasiswa yang sudah menikah, mahasiswa
yang bekerja di intansi non pemerintah, lulusan S1 yang berasal dari universitas
luar negeri, lulusan S2 yang berasal dari perguruan tinggi ITB dan UGM,
mahasiswa yang berasal dari program studi S2 teknik dan MIPA, mahasiswa

7
dengan status penerimaan S3 non percobaan dan mahasiswa yang menerima
beasiswa. Hal yang menarik dari tabulasi silang antara peubah penjelas dengan
keberhasilan studi mahasiswa, persentase kelulusan mahasiswa yang berasal
program studi S2 teknik dan MIPA (76.90%) lebih besar daripada mahasiswa
yang berasal dari program studi S2 ekonomi dan manajemen (72.80%). Kondisi
ini menunjukkan bahwa lulusan program studi S2 ekonomi dan manajemen belum
memberikan tingkat keberhasilan studi mahasiswa yang signifikan.
Tabel 1 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala kategorik terhadap keberhasilan studi mahasiswa
Peubah

Kategori

Tidak Lulus
Jumlah Persen

Jenis Kelamin

Laki-Laki
Perempuan*

Status Pernikahan

Sudah Menikah*
Belum Menikah

Tempat Bekerja
Perguruan Tinggi S1

80

69.60

3

13.60

19

86.40

35

27.10

94

72.90

37.50

5

62.50

33.80

49

66.20

Instansi Non Pemerintah*

13

20.60

50

79.40

IPB

6

21.40

22

78.60

ITB dan UGM

4

17.40

19

82.60

UI

9

45.00

11

55.00

1
11

12.50
40.70

7
16

87.50
59.30

7

22.60

24

77.40

IPB

6

28.60

15

71.40

ITB dan UGM*

1

7.70

12

92.30

UI

5

23.80

16

76.20

18

32.70

37

67.30

8

29.60

19

70.40

31

27.20

86

72.80

3

23.10

10

76.90

Ekonomi dan Manajemen
Teknik dan MIPA*
Sosial dan Lainnya

Sumber Biaya

30.40

3

Universitas Negeri Lainnya

Status Penerimaan S3

35

25

Universitas Luar Negeri
Program Studi S2

Persen

Instansi Pemerintah

Universitas Luar Negeri*
Universitas
Negeri
Lainnya
(Selain IPB, ITB,UGM, UI)
Universitas Swasta dan Sekolah
Tinggi
Perguruan Tinggi S2

Lulus
Jumlah

4

40.00

6

60.00

Percobaan

18

36.00

32

64.00

Non Percobaan*

20

23.00

67

77.00

1

14.30

6

85.70

37

28.50

93

71.50

Beasiswa*

Non Beasiswa
*kategori yang memiliki persentase kelulusan paling tinggi

Pada peubah status penerimaan S3 (Tabel 1), persentase kelulusan
mahasiswa non percobaan (77.00%) lebih besar daripada mahasiswa percobaan
(64.00%). Hal ini menunjukkan bahwa kebijakan pihak MB-IPB dalam
menetapkan status penerimaan kepada mahasiswa sudah tepat. Kebijakan lainnya
yang dibuat oleh pihak MB-IPB yaitu menjadikan satu kelompok antara IPB, ITB,
UGM dan UI. Namun, kebijakan pengelompokan perguruan tinggi yang dibuat
oleh pihak MB-IPB ini kurang tepat. Hal ini ditunjukkan dengan persentase

8

Persentase Kelulusan

lulusan S1 yang berasal dari UI sangat kecil sebesar 55.00% dibandingkan dengan
IPB, ITB dan UGM. Oleh karena itu, pengelompokan perguruan tinggi seperti
IPB, ITB, UGM dan UI perlu dipertimbangkan lagi.
Pada peubah berskala numerik (Lampiran 3), rata-rata umur mahasiswa
yang lulus berkisar pada usia 43 tahun 6 bulan sedangkan rata-rata umur
mahasiswa yang tidak lulus berkisar pada usia 41 tahun 3 bulan. Jika ditinjau dari
nilai IPK, rata-rata IPK S2 antara mahasiswa yang lulus dan tidak lulus cenderung
sama berkisar sebesar 3.40. Akan tetapi, rata-rata IPK S1 antara mahasiswa yang
lulus dan tidak lulus berbeda. Rata-rata IPK S1 mahasiswa yang lulus (2.89) lebih
besar dibandingkan dengan mahasiswa yang tidak lulus (2.73).
Keberhasilan studi mahasiswa Program Doktor Manajemen Bisnis IPB
setaip angkatan dapat dilihat pada Gambar 3. Pada angkatan DMB 3, persentase
mahasiswa yang tidak lulus lebih besar daripada angkatan lainnya. Mahasiswa
DMB 3 yang tidak lulus sebesar 60.90%. Persentase mahasiswa yang lulus
terbesar berada pada angkatan DMB 4 sebesar 82.40% (Gambar 3).

39.10%
70.80%

82.40% 78.60%

82.10%

Lulus
60.90%
29.20%

17.90%

Tidak Lulus
17.60% 21.40%

DMB 1 DMB 2 DMB 3 DMB 4 DMB 5
Angkatan Program Doktor Manajemen Bisnis IPB

Gambar 3 Sebaran keberhasilan studi mahasiswa setiap angkatan
Pada angkatan DMB 3 (Lampiran 4), persentase kelulusan mahasiswa
yang berjenis kelamin perempuan (100.00%) lebih besar dibandingkan mahasiswa
yang berjenis kelamin laki-laki (33.30%). Kondisi ini sama dengan angkatan
DMB 2 dan DMB 5. Pada angkatan DMB 4, persentase kelulusan berdasarkan
jenis kelamin adalah cenderung sama besar berkisar sebesar 80.00%. Hal ini dapat
dikatakan keberhasilan studi mahasiswa pada angkatan DMB 4 antara mahasiswa
yang lulus dan yang tidak lulus cenderung sama.
Persentase kelulusan angkatan DMB 1 dan DMB 5 berdasarkan status
pernikahan sangat berbeda dengan angkatan DMB 3. Pada angkatan DMB 1 dan
DMB 5, persentase mahasiswa yang belum menikah dan lulus sebesar 100%
sedangkan pada angkatan DMB 3 hanya sebesar 50.00%. Jika dilihat dari
angkatan DMB 4, mahasiswa yang belum menikah dan lulus (33.30%) lebih kecil
daripada mahasiswa yang sudah menikah dan lulus (87.10%).
Keberhasilan studi mahasiswa angkatan DMB 3 sangat berbeda dengan
angkatan DMB 1, DMB 2, DMB 4 dan DMB 5 pada peubah lainnya yaitu pada

9
peubah tempat bekerja. Mahasiswa yang bekerja di instansi pemerintah dan lulus
memiliki persentase sebesar 15.40%. Mahasiswa yang bekerja di instansi non
pemerintah dan lulus memiliki persentase sebesar 70.00%.
Latar belakang pendidikan merupakan indikator penting dalam
keberhasilan studi mahasiswa. Berdasarkan lulusan yang berasal dari perguruan
tinggi S1, keberhasilan studi mahasiswa angkatan DMB 3 berbeda dengan
angkatan lainnya. Hal ini dapat ditunjukkan dengan persentase kelulusan setiap
perguruan tinggi S1 sangat kecil dibandingkan dengan persentase kelulusan setiap
perguruan tinggi S1 pada angkatan DMB 1, DMB 2, DMB 4 dan DMB 5. Kondisi
ini sama jika dilihat berdasarkan perguruan tinggi S2, program studi S2, status
penerimaan S3 dan sumber biaya. Keberhasilan studi mahasiswa angkatan DMB 3
sangat berbeda dengan angkatan lainnya.
Deskripsi peubah yang berskala numerik dapat dilihat pada Lampiran 5.
Lampiran 5 menerangkan keberhasilan studi mahasiswa setiap angkatan
berdasarkan sebaran usia mahasiswa, sebaran IPK S1 dan IPK S2. Rata-rata umur
mahasiswa DMB 1 berkisar pada usia 44 tahun 1 bulan. Hal ini berbeda dengan
rata-rata umur mahasiswa DMB 3 yang berkisar pada usia 41 tahun 9 bulan. Hal
yang menarik terlihat bahwa rata-rata umur mahasiswa DMB 3 lebih kecil
daripada rata-rata umur mahasiswa angkatan lainnya, akan tetapi persentase
kegagalan studi DMB 3 lebih besar daripada angkatan lainnya. Kondisi ini dapat
menunjukkan bahwa mahasiswa yang berusia lebih muda cenderung mengalami
kegagalan studi.
Berdasarkan rata-rata IPK S1, rata-rata IPK S1 mahasiswa DMB 3 (2.76)
lebih kecil daripada rata-rata IPK S1 mahasiswa angkatan lainnya. Akan tetapi,
rata-rata IPK S2 mahasiswa DMB 3 paling tinggi (3.52). Kondisi ini sama dengan
rata-rata IPK S2 mahasiswa DMB 2.

Karakteristik Keberhasilan Studi Mahasiswa
Karakteristik keberhasilan studi mahasiswa dapat dianalisis dengan
metode analisis korespondensi berganda. Peubah yang digunakan pada analisis
korespondensi adalah peubah kategorik (Sumertajaya dan Matjik 2011). Oleh
karena itu, peubah numerik usia, IPK S1 dan IPK S2 harus dijadikan peubah
kategorik. Peubah numerik usia menjadi 3 kelompok yaitu usia kurang dari sama
dengan 35 tahun (B1), usia antara 35 tahun sampai 45 tahun (B2) dan usia lebih
dari 45 tahun (B3). Peubah IPK S1 menjadi 2 kelompok yaitu IPK S1 kurang dari
3.00 (E1) dan IPK S1 lebih dari sama dengan 3.00 (E2). Peubah IPK S2 menjadi 2
kelompok yaitu IPK S2 kurang dari 3.50 (F1) dan IPK S2 lebih dari sama dengan
3.50 (F2).
Plot dari hasil perhitungan analisis korespondensi berganda terdiri dari dua
sumbu utama. Sumbu ini menggambarkan keragaman karakteristik data. Dua
sumbu utama ini menjelaskan 18.96% dari total keragaman (Lampiran 6).
Pengaruh peubah yang paling besar dalam membentuk sumbu utama pertama
adalah IPK S2 (x6 ). Nilai kontribusi mutlak dari peubah IPK S2 sebesar 26.00%.
Usia mahasiswa (x2 ) merupakan peubah yang memiliki pengaruh besar terhadap
pembentukan sumbu utama kedua. Nilai kontribusi mutlak dari peubah usia
mahasiswa sebesar 19.40% (Lampiran 7) .

10
Berdasarkan sumbu utama pertama, kategori peubah yang dijelaskan
dengan baik adalah kategori IPK S2 (F1,F2) dengan nilai kontribusi sebesar
56.50%. Kategori peubah pada sumbu utama kedua yang dijelaskan dengan baik
adalah kategori program studi S2 teknik dan MIPA dengan nilai kontribusi
sebesar 33.90%. Jika dilihat dari kategori lulus (Y2) dan tidak lulus (Y1), nilai
kontribusi mutlak pada sumbu 1 (2.30%) lebih besar dari pada sumbu 2 (0.70%).
Berdasarkan nilai kontribusi relatif, sumbu 1 dapat menerangkan kategori lulus
dan tidak lulus dengan baik. Hal ini diperkuat dengan nilai kontribusi relatif pada
sumbu 1 (0.050) lebih besar daripada sumbu 2 (0.012) (Lampiran 7).
Sumbu 2

G4

I2

B1

H2

C2

E2
K1

A2
F2

H4

D2

G2
B2

Y2
K2

J2
G1

J1

C1
I1
D1

G6
H5

G5
Y1

E1

F1

Sumbu 1

A1
G3

H3
I3

B3

H1

Gambar 4 Plot korespondensi berganda keberhasilan studi mahasiswa
Karakteristik mahasiswa yang lulus (Y2) dan tidak lulus (Y1) dapat dilihat
berdasarkan plot-plot yang jaraknya berdekatan dengan Y1 atau Y2. Karakteristik
mahasiswa yang lulus (Y2) berbeda dengan karakteristik mahasiswa yang tidak
lulus (Y1). Perbedaan ini ditunjukkan dengan posisi Y1 dan Y2 yang
bersebrangan (Gambar 4).
Karakteristik mahasiswa yang lulus (Y2) dari aspek demografi cenderung
merupakan mahasiswa perempuan (A2), berusia antara 35 sampai dengan 45
tahun (B2) dan sudah menikah (C1). Pada Gambar 4, posisi kategori D1, D2 dan
A1 cenderung memiliki jarak yang sama terhadap posisi Y1 dan Y2 sehingga
karakteristik antara mahasiswa yang lulus dan tidak lulus dari aspek tempat
bekerja serta jenis kelamin laki-laki dapat dikatakan sama. Ditinjau dari posisi

11
kategori IPK, karakteristik mahasiswa yang lulus memiliki IPK S1 lebih dari sama
dengan 3.00 (E2) dan IPK S2 lebih dari sama dengan 3.50 (F2) sedangkan
karakteristik mahasiswa yang tidak lulus memiliki IPK S1 kurang dari 3.00 (E1)
dan IPK S2 kurang dari 3.50 (F1).
Keberhasilan studi mahasiswa S3 dapat dipengaruhi oleh kualitas
perguruan tinggi S1 dan S2. Hasil analisis korespondensi berganda menunjukkan
bahwa lulusan S1 IPB (G1), ITB dan UGM (G2), universitas luar negeri (G4)
serta universitas negeri lainnya (G5) merupakan karakteristik dari mahasiswa
yang lulus. Karakteristik mahasiswa yang tidak lulus cenderung merupakan
lulusan S1 yang berasal dari UI (G3), universitas swasta dan sekolah tinggi (G6).
Pada peubah perguruan tinggi S2, posisi kategori lulusan yang berasal dari IPB
(H1), ITB dan UGM (H2) serta universitas luar negeri (H4) lebih dekat dengan
posisi kategori mahasiswa yang lulus (Y2) sedangkan posisi kategori lainnya
berdekatan dengan kategori mahasiswa yang tidak lulus (Y1).
Karakteristik antara mahasiswa yang lulus dan tidak lulus dapat dilihat
dari peubah lainnya seperti program studi S2, status penerimaan S3 dan sumber
biaya. Karakteristik yang dihasilkan antara mahasiswa yang lulus dan tidak lulus
cukup berbeda. Mahasiswa yang berasal dari program studi S2 ekonomi dan
manajemen (I1), teknik dan MIPA (I2) serta mahasiswa dengan status non
percobaan (J2) merupakan karakteristik dari mahasiswa yang lulus sedangkan
karakteristik mahasiswa yang tidak lulus sebaliknya. Berdasarkan peubah sumber
biaya (K), kedua posisi antara K1 dan K2 cenderung berada di daerah
karakteristik mahasiswa yang lulus (Y2).

Faktor-Faktor yang Berpengaruh
Terhadap Keberhasilan Studi Mahasiswa
Analisis regresi logistik biner dapat melihat faktor-faktor yang
berpengaruh terhadap keberhasilan studi mahasiswa. Pada analisis regresi logistik
biner mengasumsikan tidak boleh ada multikolinieritas. Multikolinieritas
merupakan kondisi peubah penjelas saling berkorelasi. Jika koefisien korelasi
antar peubah penjelas terlalu tinggi (berkisar diatas 0.8) menunjukkan adanya
multikolinieritas (Gujarati dan Porter 2010). Besarnya korelasi dapat dilihat
dengan menggunakan koefisien korelasi Spearman Rank. Korelasi Spearman
Rank dapat digunakan pada peubah numerik dan kategorik (Daniel 1990). Pada
Tabel 2, koefisien korelasi tertinggi berkisar 0.496 yaitu korelasi antara x6 dan x10 .
Koefisien korelasi antara x9 dan x11 merupakan koefisien korelasi paling kecil.
Koefisien korelasi antara x9 dan x11 sebesar 0.002. Oleh karena itu, dapat
disimpulkan bahwa dalam penelitian ini tidak terdapat multikolinieritas.
Pengujian parameter secara keseluruhan dengan uji-G menghasilkan nilai
statistik uji-G sebesar 37.382. Pengambilan keputusan dilakukan dengan
membandingkan nilai statistik uji-G dengan nilai khi-kuadrat dari tabel, χ219,0.1 =
27.204 . Nilai statistik uji-G lebih besar daripada nilai khi-kuadrat dari tabel
sehingga keputusannya adalah tolak H0 . Hal ini menunjukkan bahwa ada peubah
penjelas yang berpengaruh nyata terhadap keberhasilan studi mahasiswa.

12
Tabel 2 Matriks korelasi antar peubah penjelas
x1
x1

x2

x3

x4

x5

x6

x7

x8

x9

x10

x11

1.000

x2

-0.052 1.000

x3

0.145 -0.258

1.000

x4

0.035 -0.203

0.020 1.000

x5

0.009 -0.174

0.112 0.056

1.000

x6

0.061 -0.178 -0.024 0.067

0.050

1.000

x7

-0.129 -0.004

0.101

-0.099

1.000

x8

-0.037 0.067 -0.058 0.018 -0.112

-0.141

0.063

x9

-0.039 -0.104 -0.021 -0.068

0.021

0.009

x10

0.043 0.010 -0.070 -0.213

0.060

0.496 -0.138 -0.276 -0.069

1.000

0.015

0.029

0.031 1.000

x11

-0.260 0.064

0.116 -0.006

0.058 -0.052

1.000

0.044 -0.018
0.220 -0.076

1.000
0.002

Tabel 3 Pengujian parameter secara parsial dengan uji Wald
Peubah
Intersep

SE

Wald

Nilai-p

Rasio
Odds

-10.213

5.154

1.980

0.048

Jenis Kelamin (2) vs (1)

0.991

0.766

1.290

0.196

2.690

Usia*

0.139

0.045

3.110

0.002*

1.150

Status Penikahan (2) vs (1)

-0.519

0.995

0.520

0.602

0.600

Tempat Bekerja (2) vs (1)*

1.236

0.576

2.150

0.032*

3.440

IPK S1

1.005

0.702

1.430

0.152

2.730

IPK S2

0.423

1.121

0.380

0.706

1.530

Perguruan Tinggi S1 (2) vs (1)

-0.612

0.873

0,700

0.484

0.540

Perguruan Tinggi S1 (3) vs (1)*

-1.496

0.792

1.890

0.059*

0.220

Perguruan Tinggi S1 (4) vs (1)

1.451

1.439

1.010

0.314

4.270

Perguruan Tinggi S1 (5) vs (1)

-1.036

0.767

1.350

0.177

0.350

Perguruan Tinggi S1 (6) vs (1)

-0.413

0.745

0.550

0.580

0.660

Perguruan Tinggi S2 (2) vs (1)*

3.145

1.391

2.26

0.024*

23.230

Perguruan Tinggi S2 (3) vs (1)

1.710

1.058

1.620

0.106

5.530

Perguruan Tinggi S2 (4) vs (1)

0.543

0.755

0.720

0.472

1.720

Perguruan Tinggi S2 (5) vs (1)

0.556

0.845

0.660

0.510

1.740

PRODI S2 (2) vs (1)

-0.291

0.900

0.320

0.747

0.750

PRODI S2 (3) vs (1)

-0.998

0.910

1.100

0.273

0.370

Status Penerimaan S3 (2) vs (1)

0.967

0.595

1.630

0.104

2.630

Sumber Biaya (2) vs (1)
*signifikan pada taraf nyata 10%

-0.320

1.271

0.250

0.801

0.730

Pengujian parameter secara parsial dengan uji Wald secara umum dapat
dilihat pada Tabel 3. Peubah penjelas yang berpengaruh pada taraf nyata 10%
adalah usia mahasiswa (x2 ), tempat mahasiswa berkerja (x4 ), perguruan tinggi S1
(x7 ) dan perguruan tinggi S2 (x8 ). Kepentingan peubah penjelas dari peubah usia
mahasiswa (x2 ), tempat mahasiswa berkerja (x4 ), perguruan tinggi S1 (x7 ) dan
perguruan tinggi S2 (x8 ) dapat dilihat dari nilai R2 (Tabel 4). Berdasarkan nilai

13
rata-rata kontribusi keseluruhan (Gi ), peubah penjelas yang mempunyai pengaruh
paling dominan terhadap keberhasilan studi mahasiswa adalah peubah tempat
mahasiswa berkerja (x4 ) dengan nilai kontribusi sebesar 0.025.
Tabel 4 Nilai kontribusi masing-masing peubah penjelas yang berpengaruh
terhadap keberhasilan studi mahasiswa
Peubah

R2

x2

x4

x7

x8

k=0

0.018

0.018

0.003

0.005

x2

0.018

-

0.029

0.003

0.006

x4

0.018

0.029

-

0.003

0.007

x7

0.003

0.018

0.018

-

0.004

x8

0.005

0.019

0.020

0.002

-

k=1

0.022

0.022

0.003

0.006

x2 x4

0.047

-

-

0.003

0.010

x2 x7

0.021

-

0.029

-

0.006

x2 x8

0.024

-

0.033

0.003

-

x4 x7

0.021

0.029

-

-

0.007

x4 x8

0.025

0.032

-

0.003

-

x7 x8

0.007

0.020

0.021

-

-

k=2

0.027

0.028

0.003

0.008

x2 x4 x7

0.050

-

-

-

0.009

x2 x4 x8

0.057

-

-

0.002

-

x2 x7 x8

0.027

-

0.032

-

-

x4 x7 x8

0.028

0.031

-

-

-

k=3

0.031

0.032

0.002

0.009

0.059

-

-

-

-

0.024

0.025

0.003

0.007

x2 x4 x7 x8

Gi

Interpretasi koefisien pada regresi logistik menggunakan nilai rasio odds
(Tabel 3). Nilai rasio odds merupakan ukuran asosiasi yang memperkirakan besar
kecenderungan pengaruh peubah-peubah penjelas terhadap keberhasilan studi
mahasiswa. Nilai rasio odds dapat dikatakan juga sebagai perbandingan nilai odds
atau perbandingan kejadian sukses dengan tidak sukses antar kategori peubah
penjelas. Pada penelitian ini, lulus merupakan kejadian sukses sedangkan tidak
lulus merupakan kejadian tidak sukses.
Dugaan parameter peubah penjelas perguruan tinggi S1 UI (x7(3) ) bernilai
negatif sebesar -1.496 sehingga akan menurunkan peluang keberhasilan studi
mahasiswa. Nilai rasio odds pada peubah penjelas perguruan tinggi S1 UI (x7(3) )
sebesar 0.220 sehingga nilai odds mahasiswa yang berasal dari UI sebesar 0.220
kali dari nilai odds mahasiswa yang berasal dari IPB (x7(1) ). Jika dilihat dari
karakteristik lulusan S1 UI yang lulus (Lampiran 9), mahasiswa perempuan
memiliki persentase kelulusan lebih besar dibandingkan mahasiswa laki-laki. Pada
sebaran kategori lainnya, mahasiswa yang sudah menikah, bekerja di instansi
pemerintah, mahasiswa dengan status non percobaan, mahasiswa yang menerima
beasiswa serta mahasiswa yang berasal dari program studi S2 sosial dan lainnya

14
memiliki persentasi kelulusan yang tinggi. Lulusan S1 dari UI yang melanjutkan
ke perguruan tinggi S2 ITB dan UGM mendapat keberhasilan studi yang
sempurna. Hal ini ditunjukkan dengan persentase kelulusan sebesar 100%.
Peubah penjelas usia mahasiswa (x2 ) , tempat berkerja instansi non
pemerintah (x4(2) ) dan perguruan tinggi S2 ITB dan UGM (x8(2) ) memiliki nilai
dugaan parameter positif. Hal ini mencerminkan peubah tersebut akan
meningkatkan peluang keberhasilan studi mahasiswa. Dilihat dari peubah usia,
semakin bertambah usia mahasiswa maka keberhasilan studi mahasiswa akan
meningkat. Pada peubah penjelas tempat berkerja instansi non pemerintah (x4(2) ),
nilai odds mahasiswa yang bekerja di instansi non pemerintah sebesar 3.440 kali
dari nilai odds mahasiswa yang bekerja di instansi pemerintah (x4(1) ) .
Karakteristik dari mahasiswa yang bekerja di instansi non pemerintah yang lulus
serta memiliki persentase kelulusan yang tinggi cenderung merupakan mahasiswa
perempuan, mahasiswa yang sudah menikah, lulusan yang berasal dari universitas
luar negeri, ITB dan UGM, mahasiswa yang berasal dari program studi S2 teknik
dan MIPA, mahasiswa dengan status non percobaan dan mahasiswa yang tidak
menerima beasiswa (Lampiran 8).
Hal yang menarik dari hasil pengujian uji Wald terlihat pada peubah
perguruan tinggi S2. Lulusan yang berasal dari perguruan tinggi S2 ITB dan
UGM memiliki kecenderungan lulus lebih besar dibandingkan lulusan yang
berasal dari perguruan tinggi S2 IPB. Hal ini terlihat pada nilai odds lulusan yang
berasal dari perguruan tinggi S2 ITB dan UGM (x8(2) ) sebesar 23.230 kali dari
nilai odds lulusan yang berasal dari perguruan tinggi S2 IPB (x8(1) ) sehingga
harus dijadikan evaluasi bagi IPB dalam peningkatan mutu lulusan S2. Jika dilihat
karakteristiknya (Lampiran 10), lulusan perguruan tinggi S2 ITB dan UGM yang
lulus serta memiliki persentase kelulusan yang tinggi cenderung merupakan
mahasiswa perempuan, mahasiswa yang belum menikah, mahasiswa yang bekerja
di instansi non pemerintah, lulusan S1 yang berasal dari UI, lulusan S1 universitas
swasta, lulusan sekolah tinggi serta universitas negeri lainnya, mahasiswa yang
berasal dari program studi S2 ekonomi dan manajemen, mahasiswa dengan status
penerimaan pecobaan dan mahasiswa yang menerima beasiswa.
Tabel 5 Ketepatan klasifikasi model
Prediksi
Aktual
% Benar
Tidak Lulus
Lulus
Tidak Lulus
21
17
55.30
Lulus
8
91
91.90
% keseluruhan
81.80
Persentase kategori lulus dan tidak lulus berdasarkan hasil klasifikasi
sebesar 91.90% dan 55.30% (Tabel 5). Hasil ini menunjukkan bahwa dari 99
mahasiswa yang lulus sebanyak 91 orang diklasifikasikan dengan benar,
sedangkan dari 38 mahasiswa yang tidak lulus sebanyak 21 orang diklasifikasikan
dengan benar. Secara keseluruhan klasifikasi yang benar dari 137 mahasiswa
sebesar 81.80% dan sisanya sebesar 18.20% menunjukkan bahwa keberhasilan
studi mahasiswa dapat dijelaskan oleh faktor-faktor yang tidak ada dalam model.

15
Berdasarkan hasil wawancara, faktor yang tidak ada dalam model yaitu
pada proses pembuatan disertasi. Mahasiswa mengalami kesulitan menyelesaikan
studi pada Program Doktor Manajemen Bisnis IPB pada tahap tersebut. Tahapan
pembuatan disertasi yang ditetapkan oleh pihak MB-IPB sangat banyak. Tahapan
disertasi tersebut dapat dilihat pada Gambar 5.
Prelim
Tertulis

Ujian
Tertutup

Sidang
Komisi 4

Sidang
Komisi 1

Sidang
Komisi 3

Ujian
Terbuka

Prelim
Lisan

Seminar
Hasil

Perbaikan
dan Jilid

Kolokium

Sidang
Komisi 2

Pengesahan

Gambar 5 Proses Tahapan Disertasi Program Doktor Manajemen Bisnis IPB
Pada tahap prelim tertulis menuju tahap sidang komisi 1, mahasiswa
seringkali mengalami kesulitan. Pada proses tersebut, mahasiswa dituntut untuk
mengeluarkan kemampuan akademisnya dalam menuangkan ide untuk menyusun
proposal sampai dengan pengumpulan data serta pengolahannya. Topik yang
dituangkan dalam proposal seringkali berbeda dengan sinopsis awal ketika
penerimaan mahasiswa Program Doktor Manajemen Bisnis IPB, sehingga akan
menghambat mahasiswa dalam mempercepat pembuatan disertasi. Hal ini
dikarenakan membutuhkan waktu yang lama dalam mengembangkan topik baru.
Selain itu, pengumpulan data merupakan hal yang penting dalam proses
pembuatan disertasi. Mahasiswa sering terhambat dalam mengumpulkan data
khususnya pada data primer dikarenakan respon dari responden yang sangat
kurang. Setelah pengumpulan data, mahasiswa dituntut untuk bisa mengolah data
dengan baik supaya dapat memberikan hasil yang menarik.
Hal lain yang dapat menghambat pada proses pembuatan disertasi yaitu
komunikasi dengan komisi pembimbing. Komunikasi antara mahasiswa dengan
komisi pembimbing masih kurang lancar dikarenakan kesibukan para dosen yang
sangat padat. Hal ini akan menunda proses pembuatan disertasi khususnya pada
tahapan sidang komisi, ujian tertutup dan terbuka. Semua dosen harus menghadiri
sidang komisi 1, 2, 3, 4, ujian tertutup dan ujian terbuka. Sidang komisi, ujian
tetutup dan terbuka seringkali tertunda dikarenakan kesibukan para dosen yang
sangat padat.
Faktor lain yang paling utama adalah motivasi dan komitmen mahasiswa.
Motivasi dan komitmen yang kurang dapat menghambat dalam menyelesaikan
pembuatan disertasi. Oleh karena itu, mahasiswa harus memprioritaskan diri
untuk menyelesaikan studi sampai dengan akhir.

16

SIMPULAN DAN SARAN
Simpulan
Karakteristik antara mahasiswa yang lulus dengan mahasiswa yang tidak
lulus cukup berbeda. Karakteristik mahasiswa yang lulus cenderung merupakan
mahasiswa perempuan, berusia antara 35 sampai dengan 45 tahun dan sudah
menikah. Jika dilihat berdasarkan latar belakang pendidikan, karakteristik
mahasiswa yang lulus cenderung memiliki IPK S1 lebih dari sama dengan 3.00,
memiliki IPK S2 lebih dari sama dengan 3.50, lulusan S1 dan S2 yang berasal dari
IPB, ITB dan UGM, universitas luar negeri, mahasiswa yang berasal dari program
studi S2 ekonomi, manajemen, teknik dan MIPA, serta mahasiswa dengan status
penerimaan S3 non percobaan sedangkan karakteristik mahasiswa yang tidak lulus
sebaliknya.
Ditinjau dari hasil analisis regresi logistik biner, peubah usia, tempat
mahasiswa bekerja, perguruan tinggi S1 dan perguruan tinggi S2 berpengaruh
terhadap keberhasilan studi mahasiswa pada taraf nyata 10%. Faktor yang paling
dominan yaitu peubah tempat bekerja. Faktor-faktor lain yang tidak ada dalam
model yang dapat mempengaruhi keberhasilan studi mahasiswa yaitu pada proses
pembuatan disertasi, komunikasi antara mahasiswa dengan komisi pembimbing,
serta motivasi dan komitmen mahasiswa.

Saran
Pihak MB-IPB perlu mempertimbangkan lagi pengelompokan perguruan
tinggi khususnya bagi lulusan S1 seperti IPB, ITB, UGM dan UI. Pada tahapan
pembuatan disertasi, topik yang dibuat diharapkan sama dengan sinopsis awal
ketika penerimaan mahasiswa Program Doktor Manajemen Bisnis IPB. Hal ini
dapat mempercepat proses pembuatan disertasi. Selain itu, penyesuaian
pembawaan dan kebiasaan setiap individu sangat diperlukan dalam meningkatkan
interaksi antara mahasiswa dengan komisi pembimbing, sehingga komunikasi
antara mahasiswa dengan komisi pembimbing lancar.

DAFTAR PUSTAKA
Abbas S. 2008. Manajemen Perguruan Tinggi : Beberapa Catatan. Jakarta (ID):
Kencana Prenada Media Group.
Azen R, Traxel N. 2009. Using dominance to determine predictor importance in
logistic regression. Journal of Educational and Behavioral Statistics.
34:319-347.doi:10.3102/1076998609332754.
Daniel. 1990. Aplplied Nonparametric Statistics. Boston (US): PWS-KENT
Publishing Company.
Gujarati D, Porter D. 2010. Essentials of Econometrics Fourth Edition. New York
(US): The McGraw-Hill Companies,Inc.

17
Hosmer DW, Lemeshow S. 2000. Apllied Logistic Regression Second Edition.
New York (US): John Wiley and Sons.
Kaciak E, Louviere J. 1990. Multiple Correspondence Analysis of Multiple
Choice Experiment Data. Journal of Marketing Research. 27(1):455-465.
[Kemendikbud] Kementerian Pendidikan dan Kebudayaan. 2005. Peraturan
Pemerintah Republik Indonesia Nomor 19 Tahun 2005 Tentang Standar
Nasionaal Pendidikan. Jakarta (ID): Kemendikbud
Manajemen Bisnis IPB. 2010. Buku Panduan Program Doktor Manajemen Bisnis
Angkatan VII. Bogor (ID): MB IPB.
Sumertajaya IM, Mattjik AA. 2011. Sidik Peubah Ganda Dengan Menggunakan
SAS. Bogor (ID): Departemen Statistika IPB.

18
Lampiran 1 Rincian demografi dan latar belakang pendidikan mahasiswa (peubah)
yang digunakan dalam penelitian.
1
2
3
4
5
6
7

Peubah
Jenis Kelamin

(x1 )

Usia Mahasiswa (x2 )
saat diterima
Status Pernikahan (x3 )
saat diterima
Tempat Bekerja (x4 )
IPK S1
IPK S2
Asal Perguruan
Tinggi S1

(x5 )
(x6 )
(x7 )

8

Asal Perguruan
Tinggi S2

9

Program Studi S2 (x9 )

10

Status
Penerimaan S3
Sumber Biaya

11
12

Keberhasilan
Studi Mahasiswa

(x8 )

(x10 )
(x11 )
(Y)

Kategori
1 = Laki-laki
2 = Perempuan
Numerik
1 = Sudah Menikah
2 = Belum Menikah
1 = Instansi Pemerintah
2 = Instansi Non Pemerintah
Numerik
Numerik
1 = IPB
2 = ITB dan UGM
3 = UI
4 = Universitas Luar Negeri
5 = Universitas Negeri lainnya
(selain IPB, ITB,UI,UGM)
6 = Universitas Swasta dan Sekolah
Tinggi
1 = IPB
2 = ITB dan UGM
3 = UI
4 = Universitas Luar Negeri
5 = Universitas Lainnya
1 = Ekonomi dan Manajemen
2 = Teknik dan MIPA
3 = Sosial dan Lainnya
1 = Percobaan
2 = Non Percobaan
1 = Beasiswa
2 = Non Beasiswa
0 = Tidak Lulus
1 = Lulus

Keterangan
(A1)
(A2)
(B)
(C1)
(C2)
(D1)
(D2)
(E)
(F)
(G1)
(G2)
(G3)
(G4)
(G5)
(G6)
(H1)
(H2)
(H3)
(H4)
(H5)
(I1)
(I2)
(I3)
(J1)
(J2)
(K1)
(K2)
(Y1)
(Y2)

19
Lampiran 2 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala numerik.

(a)

Usia
Rata-rata
Ragam

(b)

Nilai
42.91
47.66

IPK S1
Rata-rata
Ragam

(c)

IPK S2
Rata-rata
Ragam

Nilai
3.48
0.06

Nilai
2.85
0.13

20
Lampiran 3 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala numerik terhadap keberhasilan studi mahasiswa

(a)

Usia
Rata-rata
Ragam

Tidak Lulus
41.29
38.37

(b)

Lulus
43.53
50.25

IPK S1
Rata-rata
Ragam

Tidak Lulus
2.73
0.15

(c)

IPK S2
Rata-rata
Ragam

Tidak Lulus
3.45

Lulus
3.49

0.06

0.06

Lulus
2.89
0.12

21

DMB 1 DMB 2 DMB 3 DMB 4 DMB 5

Lampiran 4 Sebaran demografi dan latar belakang pendidikan mahasiswa peubah
berskala kategorik terhadap keberhasilan studi mahasiswa setiap angkatan.
Perempuan

0,00%

100,00%

Laki-Laki

23,10%

76,90%

Perempuan

20,00%

80,00%

Laki-Laki

16,70%

83,30%

Perempuan

0,00%

66,70%

Laki-Laki
Perempuan

Tidak Lulus

100,00%

0,00%

100,00%

Laki-Laki

20,00%

80,00%

Perempuan

20,00%

80,00%

Laki-Laki

Lulus

33,30%

31,60%

68,40%

DMB 1 DMB 2 DMB 3 DMB 4 DMB 5

(a)
Belum Menikah

0,00%

100,00%

Sudah Menikah

22,20%

77,80%

66,70%

Belum Menikah
Sudah Menikah 12,90%
Belum Menikah

87,10%

50,00%

Sudah Menikah

Lulus

38,10%

0,00%

Sudah Menikah 17,90%
Belum Menikah

Tidak Lulus

50,00%

61,90%

Sudah Menikah
Belum Menikah

33,30%

82,10%

0,00%

100,00%

31,80%

68,20%

DMB 1 DMB 2 DMB 3 DMB 4 DMB 5

(b)
Instansi non Pemerintah

22,20%

77,80%

Instansi pemerintah

20,00%

80,00%

Instansi non Pemerintah

15,00%

Instansi pemerintah

21,40%

Instansi non Pemerintah

85,00%
78,60%

30,00%
84,60%

Instansi pemerintah

15,40%

Instansi non Pemerintah

18,20%

81,80%

Instansi pemerintah

17,60%

82,40%

Instansi non Pemerintah

25,00%

Instansi pemerintah

30,00%
(c)

Tidak Lulus

70,00%

75,00%
70,00%

Lulus

DMB 5

22

Univ. Swasta dan Sekolah Tinggi

16,70%

Universitas Negeri Lainnya

33,30%

Universitas Luar Negeri
UI
ITB dan UGM
IPB

0,00%

83,30%
66,70%
100,00%

0,00% 100,00%
14,30%

85,70%

40,00%

Univ. Swasta dan Sekolah Tinggi 12,50%

DMB 4

Universitas