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
kuliah tersebut memiliki pengaruh yang cukup kuat terhadap pencapaian tingkat kelulusan, dalam hal ini adalah lama studi dan IPK. Karena nilai dari mata kuliah
tersebut memberikan suatu pola tertentu antara nilai pada variabel masukan dan target. Oleh karena nilai mata kuliah dengan nilai sensitivitas tertinggi
memberikan pengaruh yang besar terhadap perolehan IPK dan lama studi maka diperlukan apresiasi serta perhatian khusus terhadap mata kuliah tersebut.
5 SIMPULAN DAN SARAN
5.5 Simpulan
Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan bahwa jaringan saraf tiruan JST propagasi balik yang sudah dilatih dengan data nilai
mata kuliah 2 dua semester tahun pertama program perkuliahan dapat digunakan untuk memprediksikan tingkat kelulusan mahasiswa berupa kategori lama studi
dan IPK. Arsitektur JST dengan generalisasi terbaik dihasilkan oleh jaringan dengan jumlah input node 16, hidden node 10 dan output node 2 untuk MPLS,
serta hidden node 15 dan output node 3 untuk MPIPK. Parameter jaringan terbaik diperoleh dari percobaan menggunakan kelompok data kedua, dengan fungsi
fungsi pelatihan levenberg-marquardt, laju pembelajaran 0.1 untuk MPLS tingkat generalisasi data validasi dan data testing 96.97 dan 100.00, serta laju
pembelajaran 0.05 dan tingkat generalisasi data validasi dan data testing 100.00 dan 93.94 untuk MPIPK.
Hasil prediksi tingkat kelulusan mahasiswa angkatan 2008, 2009 dan 2010, baik berdasarkan lama studi maupun IPK, belum mencapai sasaran mutu yang
ditetapkan, dimana persentase mahasiswa yang diprediksi lulus tepat waktu 3 tahun masing-masing hanya sebesar 17.07 untuk angkatan 2008, 17.31 untuk
angkatan 2009 dan 13.51 untuk angkatan 2010. Begitupula dengan hasil prediksi tingkat kelulusan mahasiswa angkatan 2008, 2009 dan 2010 berdasarkan
predikat IPK diperoleh bahwa persentase mahasiswa yang diprediksi lulus dengan predikat terpuji IPK ≥ 3.5 sebesar 17.07 untuk angkatan 2008, 3.85 untuk
angkatan 2009 dan 16.22 untuk angkatan 2010, dimana hasil prediksi mahasiwa yang lulus dengan predikat terpuji memiliki persentase yang lebih rendah
dibandingkan dengan mahasiwa yang lulus dengan predikat sangat memuaskan, sebagaimana yang menjadi salah satu sasaran mutu Universitas Negeri Gorontalo.
Berdasarkan hasil analisis sensitivitas yang betujuan untuk melihat pengaruh variabel input terhadap output, mata kuliah yang paling besar pengaruhnya pada
kedua model prediksi adalah mata kuliah Aljabar Vektor dan Matriks. Mata kuliah tersebut memberikan pengaruh yang lebih besar dibandingkan mata kuliah lainnya