BAB 3 HASIL DAN PEMBAHASAN
3.1 Tahapan Penyelesaian Data
Data yang digunakan dalam penelitian adalah data sekunder yaitu data yang diambil dari Kasubang. Akademik tentang kualitas mahasiswa S1 FMIPA USU
aktif semester VI. Tinggi rendahnya kualitas mahasiswa tergantung pada jenis jalur masuk, asal daerah sekolah SMA atau sederajat dan Indeks Prestasi Akademik
IPK. Pengolahan data dengan bantuan program SPSS 16. Penelitian menggunakan tiga variabel, yaitu:
d. Variabel bebas I
� : Jenis jalur masuk mahasiswa. Jenis jalur masuk mahasiswa diukur melalui skala pengukuran nominal dengan katagori:
�
1
= Jalur tertulis �
2
= Jalur Unggulan Sekolah Variabel bebas II
�: Asal daerah mahasiswa saat bersekolah SMA atau sederajat. Asal daerah mahasiswa saat bersekolah SMA atau
sederajat diukur dengan skala pengukuran nominal dengan katagori: �
1
= Dalam mebidang �
2
= Luar mebidang e.
Variabel bebas III �: Nilai indeks prestasi kumulatif IPK. Nilai
indeks prestasi kumulatif IPK diukur dengan skala pengukuran nominal dengan katagori:
�
1
= 0,00 – 1,49 �
2
= 1,50 – 1,99 �
3
= 2,00 – 2,49 �
4
= 2,50 – 2,99
Universitas Sumatera Utara
�
5
= 3,00 – 4,00 Penyelesaian masalah untuk data kualitas mahasiswa diberikan beberapa
tahapan yaitu:
Gambar 3.1 Tahap Penyelesaian Masalah
Data Kualitas Mahasiswa aktif semester VI
Membentuk Tabel Kontingensi
Analisis Loglinier Tiga Dimensi
Uji Independensi
Uji Asosiasi Parsial
Interpretasi Parameter Model
Kesimpulan Statistik Cukup Minimal
Uji Goodness of Fit Estimasi Nilai
Harapan
Universitas Sumatera Utara
3.2 Tabel Kontingensi
Menurut Razia Azen dan Cindy M. Walker 2011, ketika subyek atau objek diklasifikasikan secara simultan oleh dua atau lebih atribut, hasil pada klasifikasi
silang dapat disusun dengan baik sebagai tabel hitung yang disebut tabel kontingensi. Tabel kontingensi digunakan untuk melihat hubungan antara dua atau
lebih variabel katagorik. Data kualitas mahasiswa S1 aktif dari semester VI keatas diklasifikasi ke dalam tabel kontingensi tiga dimensi. Tabel kontingensi antara tiga
variabel yaitu jenis jalur masuk, asal daerah sekolah SMA atau sederajat dan Indeks Prestasi Akademik IPK sebagai berikut:
Tabel 3.1 Tabel Kontingensi Kualitas Mahasiswa
Jenis Jalur
Masuk Asal
Daerah Sekolah
Tingkat IPK 0,00 – 1,49 1,50 – 1,99 2,00 – 2,49 2,50 – 2,99 3,00 – 4,00
Tertulis Dalam
Mebidang 1
15 10
25 Luar
Mebidang 1
11 30
33 Unggulan
Sekolah Dalam
Mebidang 6
4 20
Luar Mebidang
3 13
27 31
Berdasarkan Tabel 3.1 terdapat nilai observasi nol sedangkan untuk memenuhi asumsi chi square yaitu tidak ada nilai harapan yang kurang dari 1 dan tidak lebih
dari 20 dari nilai yang diharapkan kurang dari 5. Oleh karena itu dilakukan penggabungan katagori IPK sebagai berikut:
�
1
= 0,00 – 2,49 �
2
= 2,50 – 2,99 �
3
= 3,00 – 4,00 maka terbentuk tabel kontingensi yang memenuhi asumsi chi square. Uji asumsi
chi square dapat dilihat pada Lampiran 2.
Universitas Sumatera Utara
Tabel 3.2 Tabel Kontingensi Kualitas Mahasiswa yang Memenuhi Asumsi Chi Square
Jenis Jalur
Masuk Asal
Daerah Sekolah
Tingkat IPK 0,00 – 2,49 2,50 – 2,99 3,00 – 4,00
Jumlah
Tertulis Dalam
Mebidang 16
10 25
51 Luar
Mebidang 12
30 33
75 Unggulan
Sekolah Dalam
Mebidang 6
4 20
30 Luar
Mebidang 16
27 31
74 Jumlah
50 71
109 230
Tabel kontingensi � × � × �, dengan � indeks dari baris �, � indeks dari kolom � dan
� indeks dari layer �. Jumlah observasi � = 230. Pada penelitian ini, tabel kontingensi yang terbentuk
2 × 2 × 3. 3.3 Statistik Cukup Minimal
Menurut Agresti 2002, sebelum menentukan kecocokan model loglinier, hal pertama yang harus diperoleh adalah statistik cukup minimal. Statistik cukup
adalah tabel marginal yang melambangkan model.
Universitas Sumatera Utara
Tabel 3.3 Nilai Statistik Cukup Minimal
Model Statistik Cukup Minimal
�, �, � {
�
�++
}, { �
+ � +
}, { �
++ �
} = {126,104}, {81,149}, {50,71,109}
�, �� {
�
�++
}, { �
+ ��
} = {126,104}, {22,14,45,28,57,64}
��, � {
�
�+�
}, { �
+ � +
} = {28,40,58,22,31,51}, {81,149}
��, � {
�
�� +
}, { �
++ �
} = {51,75,30,74}, {50,71,109}
��, �� {
�
�+�
}, { �
+ ��
} = {28,40,58,22,31,51}, {22,14,45,28,57,64}
��, �� {
�
�� +
}, { �
+ ��
} = {51,75,30,74}, {22,14,45,28,57,64}
��, �� {
�
�� +
}, { �
�+�
} = {51,75,30,74}, {28,40,58,22,31,51}
��, ��, �� {
�
�� +
}, { �
�+�
}, { �
+ ��
} = {51,75,30,74}, {28,40,58,22,31,51},
{22,14,45,28,57,64} ���
{ �
���
} = {16,10,25,12,30,33,6,4,20,16,27,31}
Tabel marginal nilai statistik cukup minimal dapat dilihat pada Lampiran 3.
3.4 Uji Independensi
Kategori