Hasil Pengolahan Analisis Survival

mahasiswa POLBAN yang mengundurkan diri selama jangka waktu tersebut. Atau dapat dikategorikan sebagai mahasiswa yang tidak berhasil. Hasil analisis survival ditunjukkan dalam Tabel 21. Dengan nilai α=0.1, maka peubah penjelas yang memberikan pengaruh signifikan adalah jenis kelamin, nilai IP semester 1, nilai Matematika, dan program studi. Masing-masing peubah penjelas program studi tidak ada yang menunjukkan pengaruh signifikan, karena nilai p 0.1. Tetapi apabila semua program studi dimasukkan ke dalam model, ternyata memberi pengaruh yang signifikan. Sedangkan dengan nilai α=0.05, maka peubah yang memberikan pengaruh signifikan terhadap keberhasilan mahasiswa adalah jenis kelamin, nilai IP semester 1, dan nilai Matematika. Hasil yang diberikan analisis survival menunjukkan hasil yang hampir sama dengan regresi logistik. Dimana secara umum, peubah penjelas jenis kelamin, IP semester 1, dan program studi memberi pengaruh yang signifikan terhadap keberhasilan mahasiswa. Perbedaannya terletak pada peubah nilai Matematika, dimana dalam analisis survival peubah nilai Matematika memberikan pengaruh signifikan, sedangkan dalam regresi logistik tidak signifikan. Dari nilai rasio hazard dapat disimpulkan bahwa mahasiswa dengan jenis kelamin perempuan mempunyai resiko gagal DO 0.456 kali dibandingkan mahasiswa laki-laki. Dengan kata lain mahasiswa laki-laki lebih besar peluang gagalnya dibandingkan mahasiswa perempuan, atau dapat dikatakan bahwa daya tahan mahasiswa perempuan relatif lebih tinggi dibandingkan mahasiswa laki-lai. Hal ini didukung oleh Gambar 5 dalam lampiran 3, dimana secara visual daya tahan mahasiswa laki-laki menunjukkan nilai yang lebih rendah dibandingkan mahasiswa perempuan. Sementara itu nilai dugaan peubah penjelas nilai IP semester 1 adalah negatif, ini berarti bahwa resiko mahasiswa gagal tidak dapat bertahan cenderung rendah, atau dengan kata lain resiko mahasiswa untuk bertahan relatif tinggi. Nilai dugaan parameter penjelasnya menunjukkan angka -1.570. Sedangkan nilai rasio odds menunjukkan angka 0.208, interpretasi nilai yang ditunjukkan oleh rasio odds adalah apabila nilai IP semester 1 bertambah satu satuan maka resiko mahasiswa gagal DO berkurang sebesar 79.2. Tabel 21 Hasil Analisis Survival Peubah B SE Wald Df Sig. ExpB 95.0 CI for ExpB Lower Upper Jenkel -0.786 0.337 5.421 1 0.02 0.456 0.235 0.883 Nilmat -0.002 0.001 4.195 1 0.041 0.998 0.996 1 IP -1.57 0.092 289.83 1 0.208 0.174 0.249 progstud 16.062 10 0.098 progstud1 0.803 0.662 1.471 1 0.225 2.233 0.61 8.177 progstud2 0.097 0.682 0.02 1 0.887 1.101 0.289 4.191 progstud3 0.513 0.645 0.633 1 0.426 1.67 0.472 5.909 progstud4 0.442 0.648 0.466 1 0.495 1.557 0.437 5.542 progstud5 -0.633 0.74 0.732 1 0.392 0.531 0.124 2.265 progstud6 0.118 0.72 0.027 1 0.87 1.125 0.274 4.609 progstud7 0.748 0.632 1.401 1 0.237 2.113 0.612 7.293 progstud8 0.819 0.643 1.619 1 0.203 2.267 0.642 8.001 progstud9 -0.039 0.937 0.002 1 0.966 0.961 0.153 6.028 progstud10 -0.357 0.71 0.254 1 0.615 0.7 0.174 2.811 Berdasarkan Tabel 21, maka model yang diberikan analisis survival adalah 42 570 . 1 002 . 786 . exp . | 7 4 1 X X X t h X t h i − − − = Sedangkan peubah nilai Matematika mempunyai nilai dugaan negatif. Artinya mahasiswa dengan nilai matematika tinggi akan mempunyai resiko gagal DO yang rendah. Tabel 21 menunjukkan angka -0.002 untuk nilai dugaan peubah nilai Matematika. Sedangkan nilai rasio hazardnya memperlihatkan angka 0.998. Interpretasi yang ditunjukkan nilai rasio hazard bermakna, jika peubah nilai Matematika bertambah satu satuan, maka akan menyebabkan nilai resiko mahasiswa gagal tidak dapat bertahan berkurang sebesar 0.2. Dari Tabel 21 diperlihatkan bahwa program studi 7 atau teknik Komputer, program studi 8 atau teknik Kimia, dan program studi 1 atau teknik Telkomunikasi, walaupun tidak menunjukkan pengaruh yang signifikan, tetapi ketiga program studi mempunyai nilai rasio hazard yang cukup tinggi. Masing- masing adalah 2.113 untuk teknik Komputer, 2.267 untuk teknik Kimia, dan 2.233 untuk teknik Telkomunikasi. Artinya resiko gagal mahasiswa ketiga program studi tersebut relatif tinggi. Dengan kata lain daya tahan mahasiswa ketiga program studi tersebut relatif rendah. Hal ini didukung oleh Gambar 5 lampiran 3, dimana secara visual dapat ditunjukkan bahwa daya tahan mahasiswa teknik Komputer, teknik Kimia, dan teknik Telkomunikasi paling rendah dibandingkan program studi yang lain.

BAB V. KESIMPULAN DAN SARAN

5.1. Kesimpulan

Dari hasil kajian di atas dapat ditarik kesimpulan sebagai berikut: 1. Berdasarkan pengolahan dengan regresi logistik diperoleh hasil bahwa faktor-faktor yang berpengaruh terhadap keberhasilan mahasiswa POLBAN adalah : nilai IP semester 1, pekerjaan ibu, jenis kelamin, dan program studi teknik Komputer, teknik Kimia, dan teknik Elektro. Sedangkan berdasarkan analisis survival, faktor-faktor yang berpengaruh terhadap keberhasilan mahasiswa POLBAN adalah jenis kelamin, nilai IP semester 1, nilai Matematika, dan program studi. Peubah penjelas nilai matematika tidak termasuk peubah yang signifikan pada regresi logistik. Tetapi secara umum kedua analisis di atas memberikan hasil yang sama. 2. Berdasarkan model yang dihasilkan regresi logistik, dapat disimpulkan bahwa resiko gagal DO mahasiswa POLBAN dengan jenis kelamin laki- laki adalah 2.717 kali dibandingkan mahasiswa perempuan. Sedangkan untuk nilai IP semester 1 memberi indikasi bahwa setiap kenaikan nilai IP semester 1 sebesar satu satuan, maka akan menyebabkan resiko mahasiswa gagal berkurang sebesar 97.4. Sementara itu resiko gagal tidak berhasil mahasiswa POLBAN dengan ibu berprofesi PNS adalah 0.564 kali dibandingkan mahasiswa dengan ibu yang bukan PNS. Sedangkan mahasiswa dengan program studi teknik Elektro, teknik Komputer, dan teknik Kimia mempunyai resiko gagal masing-masing sebesar 5.245 kali, 6.432, dan 5.720 kali. Berdasarkan analisis survival dapat disimpulkan bahwa mahasiswa dengan jenis kelamin laki-laki mempunyai resiko gagal DO 2.193 kali dibandingkan mahasiswa permpuan. Dengan kata lain, daya tahan mahasiswa perempuan relatif lebih tinggi dibandingkan mahasiswa laki-laki. Nilai dugaan peubah penjelas nilai IP semester 1 adalah negatif, ini berarti bahwa resiko mahasiswa gagal tidak dapat bertahan cenderung rendah, atau dengan kata lain resiko mahasiswa untuk bertahan relatif tinggi. Nilai dugaan parameter peubah penjelasnya menunjukkan angka -1.570. Sementara itu nilai rasio odds dari penduga IP semester 1 adalah 0.208. Interpretasi yang diperlihatkan nilai rasio odds adalah apabila nilai IP semester 1 bertambah satu satuan maka resiko mahasiswa gagal DO berkurang sebesar 79.2. Peubah nilai Matematika juga mempunyai nilai dugaan negatif. Artinya mahasiswa dengan nilai matematika tinggi akan mempunyai resiko gagal DO yang rendah. Tabel 19 menunjukkan angka -0.002 untuk nilai dugaan peubah nilai Matematika. Sedangkan nilai rasio hazard untuk peubah nilai Matematika adalah 0.998. Interpretasi yang ditunjukkan oleh nilai rasio hazard mengindikasikan bahwa jika peubah nilai Matematika bertambah satu satuan, maka akan menyebabkan nilai resiko mahasiswa gagal tidak dapat bertahan berkurang sebesar 0.2. Hasil pembahasan di atas menunjukkan bahwa terdapat kemiripan dalam hal interpretasi faktor resiko antara rasio odds Regresi Logistik dan rasio hazard Analisis Survival. Sementara itu berdasarkan data primer diperoleh kesimpulan bahwa karakteristik dominan yang dimiliki mahasiswa yang gagal DO adalah pemilihan program studi yang tidak sesuai, yang diakibatkan keterbatasan informasi mengenai program studi yang ada di POLBAN, dan kebiasaan belajar yang tidak teratur. Sedangkan karakteristik dominan dari mahasiswa yang berhasil dan yang masih bertahan adalah motivasi belajar tinggi pilihan program studi telah sesuai dengan bakat dan keinginan, dukungan serta dorongan semangat dari teman dan orang tua, dapat memanfaatkan sarana dan fasilitas belajar yang disediakan POLBAN secara optimal, sarana belajar pribadi sudah memadai, namun kebiasaan belajar mahasiswa POLBAN pada umumnya masih belum teratur, dan pembagian waktu belajar antara teori dan praktek masih belum seimbang.

5.2. Saran

1. Dalam penelitian selanjutnya, untuk mengidentifikasi faktor-faktor yang berpengaruh dimana faktor waktu, baik waktu ketahanan, waktu kegagalan