Metode Chi-square Automatic Interaction Detection CHAID

Faktor-faktor eksternal adalah sebagai berikut a. Keadaan keluarga Kondisi keluarga juga dapat mempengaruhi keberhasilan studi seseorang. Hal ini berkaitan dengan fasilitas yang diberikan untuk mendukung keberhasilan pendidikan. b. Dosen dan cara mengajar Kepribadian dan cara mengajar dosen memiliki pengaruh terhadap keberhasilan studi, karena pengetahuan dan pengalaman dosen dapat memberikan nilai positif bagi keberhasilan pendidikan. c. Motivasi Sosial Motivasi sosial merupakan suatu proses yang timbul dari dorongan orang lain, baik dari orang tua, guru, teman dekat yang mampu mendorong keinginan seseorang untuk melakukan sesuatu dengan sebaik-baiknya. d. Lingkungan mengakibatkan kelelahan bagi mahasiswa dan kondisi Lingkungan juga dapat menjadi faktor yang menentukan keberhasilan pendidikan, misalnya jarak tempat tinggal dengan sekolah yang terlalu jauh dapat lingkungan yang tidak mendukung untuk kegiatan belajar.

2.2. Metode Chi-square Automatic Interaction Detection CHAID

Metode CHAID merupakan metode eksplorasi data yang biasa digunakan untuk mengetahui hubungan antara peubah-peubah penjelas dengan peubah- peubah respon. Metode CHAID ini sebagai pengembangan tipe metode AID Automatic Interaction Detection yang dikenalkan oleh Morgan dan Sonquist pada tahun 1963. Metode AID digunakan untuk menganalisis kelompok data berukuran besar dengan membaginya menjadi sub-sub kelompok yang tidak saling tumpang tindih Kass 1982. Arianto 2001 menggunakan metode CHAID untuk menduga tingkat resiko tidak melanjutkan pada lulusan SD di jambi dengan menyeleksi peubah dan mengkategorikan ulang peubah kategorik, sehingga dapat menyederhanakan peubah-peubah yang memiliki keberartian yang nyata. Sukanda 2003 menegaskan bahwa pengkategorian ulang dengan CHAID menghasilkan kategori yang lebih sesuai dengan data amatan dalam kasus tingkat keberhasilan usaha anggota koperasi simpan pinjam. Dengan metode ini, proses dan pengelompokkan dilakukan secara iteratif dengan memisahkan data secara bertahap, diawali dari peubah penjelas yang memiliki asosiasi yang paling tinggi dengan peubah respon. Tingkat asosiasi tersebut ditunjukkan oleh besarnya nilai-P berdasarkan uji khi kuadrat. Menurut Lewicki2006 tahapan algoritma CHAID adalah sebagai berikut: 1. Tahap persiapan Pada tahap ini peubah penjelas kontinu diarahkan menjadi peubah penjelas kategorik dengan cara membagi peubah penjelas kontinu ke dalam sejumlah kategori, sedangkan pada peubah penjelas yang kategorik dengan sendirinya langsung dapat digunakan. 2. Tahapan penggabungan kategori Tahap penggabungan kategori dapat dilakukan pada peubah penjelas yang memiliki kategori lebih dari dua. Penggabungan kategori ditetapkan dengan cara mencari pasangan kategori yang memiliki nilai-p khi kuadrat paling besar untuk setiap peubah penjelas. Nilai-p khi-kuadrat hitung dibandingkan dengan batas taraf nyata penggabungan yang telah ditetapkan. Jika nilai-p hitung khi- kuadrat lebih besar dari taraf nyata maka kedua kategori tersebut digabungkan. Jika nilai-p hitung khi-kuadrat terbesar masih lebih kecil dari taraf nyata maka tidak ada kategori dalam peubah penjelas tersebut yang perlu digabungkan. Jika peubah penjelas hanya memiliki dua kategori dan nilai-p khi-kuadrat yang ada lebih besar dari taraf nyata maka peubah ini dikeluarkan dari model. Proses ini dilanjutkan sampai tidak ada lagi nilai pasangan kategori yang mempunyai nilai-p khi-kuadrat lebih besar dari taraf nyata yang ditetapkan. 3. Tahap penyekatan peubah penjelas Pada tahap ini digunakan peubah penjelas yang menjadi penyekat yaitu peubah yang akan menghasilkan penyekatan paling nyata yang dicirikan oleh adjusted p-value terkecil. Dalam hal ini adjusted p-value terkecil tidak lebih besar dari taraf nyata penyekatan yang ditetapkan. Jika adjusted p-value lebih besar dari nilai-p penyekatan, maka tidak ada lagi yang bisa dilakukan dan simpul tersebut merupakan simpul akhir. Apabila pada dalam proses penggabungan terjadi penggabungan kategori dalam suatu peubah atau pengurangan jumlah kategori dari c kategori menjadi r kategori c r, maka nilai-p khi-kuadrat hitung yang digunakan dikalikan dengan pengganda Bonferroni B yang kemudian digunakan sebagai nilai-p terkendali. Persamaan pengganda Bonferroni adalah sebagai berikut: a. Peubah Nominal b. Peubah Ordinal Hasil akhir dari metode CHAID berupa dendogram yang menggambarkan hubungan dan interaksi berstruktur antara peubah respon dengan peubah penjelas, serta penggabungan peubah yang tidak nyata ke dalam kategori baru.

2.3. Metode Korespondensi