Institutional Repository | Satya Wacana Christian University: Analisis Hubungan Kehadiran terhadap Tingkat Prestasi Mahasiswa Menggunakan Metode Regresi dan Korelasi: Studi Kasus Kelas Praktikum ALM FTI UKSW

  Analisis Hubungan Kehadiran Terhadap Tingkat Prestasi Mahasiswa Menggunakan Metode Regresi dan Korelasi (Studi Kasus: Kelas Praktikum ALM FTI UKSW) Artikel Ilmiah Peneliti: Antony Yunanto (672014004) Magdalena A. Ineke Pakereng, M.Kom. Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga September 2017

  1. Pendahuluan

  Prestasi merupakan suatu pencapaian yang diraih oleh seseorang melalui usaha dan kerja keras. Prestasi dibutuhkan pada era global yang menuntut pelaku dalam meningkatkan kualitas sekaligus membuktikan daya saing diri terhadap lingkungan. Salah satu penilaian suatu prestasi dapat ditinjau dari nilai. Fakultas FTI UKSW memiliki kelas praktikum yang mengambil nilai sebagai bukti dari prestasi mahasiswa.

  Kelas praktikum dipantau oleh pengajar kelas yang disebut asisten dosen (asdos). Kedatangan mahasiswa pada kelas praktikum mempengaruhi prestasi, karena nilai tugas dan

  

quiz yang diselenggarakan asdos, disimpan sebagai nilai yang nanti akan diolah dan menjadi

  pencapaian prestasi selama satu semester. Apabila mahasiswa mengikuti kegiatan perkuliahan kurang dari 80%, yang bersangkutan dinyatakan gagal (Keputusan Rektor UKSW NOMOR :168 / KEP./ REK. / V/ 2012 Pasal 38 dan 39) [1]. Jumlah rata-rata setiap nilai adalah nilai prestasi. Sedangkan, jumlah kedatangan pada setiap pertemuan kelas praktikum adalah jumlah presensi. Keterkaitan kedatangan mahasiswa pada kelas praktikum Aljabar Linear dan Matriks dengan prestasi, menjadi hal yang akan diteliti. Penelitian mengambil lima kelas praktikum dengan nilai dan tingkat kedatangan yang berbeda pada setiap mahasiswa.

  Berdasarkan masalah yang ada, maka dilakukan penelitian yang membahas tentang metode regresi dan korelasi yang akan digunakan untuk membuktikan tingkat sebab akibat antara tingkat kedatangan mahasiswa dengan prestasi yang akan dicapai.

  2. Tinjauan Pustaka

  Metode regresi dan korelasi sudah pernah digunakan sebelumnya pada beberapa penelitian, di antaranya adalah Pengaruh Minat Belajar Dan Kehadiran Siswa Terhadap Hasil Belajar Matematika Siswa Kelas VIII SMP Negeri 3 Mojosongo, yang membahas penerapan regresi linear dan korelasi untuk mengetahui pengaruh minat belajar dan kehadiran siswa terhadap hasil belajar matematika siswa. Setelah dilakukan penelitian, hasil menunjukkan bahwa minat belajar dan kehadiran siswa memiliki pengaruh terhadap hasil belajar matematika siswa [2] .

  Pada penelitian yang berjudul Hubungan Antara Jumlah Kehadiran Mahasiswa Dengan Nilai Akhir Semester Ganjil 2009/2010 Mata Kuliah Statistika Menggunakan Korelasi Rank

  

Spearman telah membahas korelasi untuk mengetahui ada asosiatif positif ataukah tidak

  antara jumlah kehadiran mahasiswa prodi Farmasi dengan nilai akhir semester ganjil tahun akademik 2009/2010. Setelah dilakukan penelitian, diperoleh kesimpulan bahwa jumlah kehadiran mahasiswa prodi Farmasi dengan nilai akhir semester ganjil tahun akademik 2009/2010 berasosiasi positif [3].

  Pada penelitian yang berjudul Analisis Faktor yang Mempengaruhi Indeks Prestasi Mahasiswa telah membahas faktor-faktor yang mempengaruhi perolehan indeks prestasi mahasiswa. Populasi penelitian adalah mahasiswa program studi Pendidikan Matematika FMIPA UNNES dan dipilih sampel sebanyak 3 kelas yang dilakukan dengan cara stratified

  

cluster random sampling dengan sampel penelitian berjumlah 114 mahasiswa. Setelah

  dilakukan penelitian analisis faktor dan proses reduksi diperoleh 5 faktor yang mempengaruhi

  IP mahasiswa. Lima faktor tersebut adalah Faktor Manajemen Diri, Faktor Lingkungan Sekitar, Faktor Kondisi Eksternal, Faktor Kondisi Fisik dan Faktor Olahraga [4].

  Pada penelitian yang berjudul Hubungan Motivasi Belajar Dan Prestasi Akademik Mahasiswa S1 – Keperawatan Sekolah Tinggi Ilmu Kesehatan Dian Husada Mojokerto telah membahas korelasi untuk menganalisa hubungan antara motivasi dengan prestasi belajar mahasiswa angkatan 2008-2009 Prodi S1 Keperawatan STIKES Dian Husada Mojokerto. Setelah dilakukan penelitian, diperoleh kesimpulan bahwa ada hubungan antara hubungan motivasi belajar dengan prestasi akademik mahasiswa S1 – Keperawatan Sekolah Tinggi Ilmu Kesehatan Dian Husada Mojokerto [5].

  Penelitian yang lain, yaitu Analisis Regresi Dan Korelasi Antara Pengunjung Dan Pembeli Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang Dengan Metode Kuadrat Terkecil telah membahas regresi linear dan korelasi pearson untuk menganalisa hubungan pengunjung dan pembeli terhadap nominal pembelian Kedungmundu Semarang. Setelah dilakukan penelitian, diperoleh kesimpulan yaitu variabel pengunjung dan pembeli sama-sama tidak berpengaruh terhadap variabel nominal pembelian dan pengunjung memberi pengaruh hanya pada interval keyakinan 70%. Untuk pembeli memberi pengaruh hanya pada interval keyakinan 55% [6].

  Berdasarkan penelitian terdahulu yang membahas tentang implementasi regresi dan korelasi maka dilakukan penelitian tentang Analisis Hubungan Kehadiran Terhadap Tingkat Prestasi Mahasiswa Menggunakan Metode Regresi dan Korelasi (Studi Kasus: Kelas Praktikum ALM FTI UKSW) untuk mengetahui dan menganalisis hubungan yang terjadi antara kehadiran mahasiswa terhadap prestasi mahasiswa di praktikum Aljabar Linear dan Matriks FTI UKSW periode 2016/2017.

  Penelitian yang dilakukan membahas tentang regresi dan korelasi Pearson. Regresi merupakan suatu alat ukur yang digunakan untuk mengukur ada atau tidak sebuah korelasi antar variabel. Istilah regresi berarti ramalan atau taksiran. Persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram pencar disebut persamaan regresi. Untuk menempatkan garis regresi pada data yang diperoleh, digunakan metode kuadrat terkecil, sehingga bentuk persamaan regresi ditunjukkan pada Rumus 1 [9].

  Y’ = a + b X (1)

  Nilai dari a dan b pada persamaan regresi dapat dihitung dengan menggunakan rumus yang ditunjukkan pada Rumus 2 [9].

  x y _{i i} 

   b ₂ x _i

    n

  X Y _{i i i i}

  X Y    atau b  _{2 2}

  (2)

  n X  _{i  i }

  X  

    a Y b

  X Perhitungan analisis regresi dan analisis korelasi dapat dipermudah dengan

  menggunakan rumus dalam bentuk penyimpangan nilai tengah variabel X dan Y, yaitu penyimpangan dari dan . Oleh karena itu, dapat digunakan rumus yang ditunjukkan pada Rumus 3 [9].

    x

  X X  

    y Y Y

       dan xy

  X X Y Y

  (3) Naik turunnya Y adalah sedemikian rupa sehingga nilai Y bervariasi, tidak semata-mata disebabkan oleh X, karena masih ada faktor lain yang menyebabkannya. Jadi untuk mengetahui berapa besar kontribusi dari X terhadap naik turunnya nilai Y maka harus dihitung dengan koefisien penentuan (koefisien determinasi). Kalau koefisien penentuan ditulis KP, maka untuk menghitung KP digunakan rumus yang ditunjukkan pada Rumus 4.

2 KP = r

  (4) Perhitungan nilai r untuk mendapatkan nilai KP dapat diperoleh dengan menggunakan rumus yang ditunjukkan pada Rumus 5 [9]. _n

  x y _{i i}  _{i  1} r  _{n n 2 2}

  (5)

  x y _{i i}   _{i   1 i 1}

3. Metode Penelitian

  Secara umum penelitian terbagi ke dalam 4 (empat) tahap, yaitu: (1) Identifikasi Masalah, (2) Pengumpulan Data, (3) Penerapan Metode Regresi dan Korelasi Pearson, (4) Analisa Hasil Perhitungan.

  

Gambar 1 Tahapan Penelitian

  Gambar 1 menunjukkan tahapan jalannya penelitian yang dijelaskan sebagai berikut: Langkah pertama dalam tahapan penelitian adalah Identifikasi Masalah, pada tahap ini dilakukan analisis kebutuhan, yaitu melakukan analisis kebutuhan absensi setiap minggu serta setiap nilai tugas atau quiz dari masing-masing kelas. Langkah yang kedua dari tahapan penelitian adalah Pengumpulan Data, yaitu tahapan yang meliputi menyatukan data dari setiap kelas serta pendefinisian variable independent dan variable dependent. Langkah yang ketiga dari tahapan penelitian adalah Penerapan Metode Regresi dan Korelasi, setelah pengelompokan selesai, kemudian dilakukan perhitungan yaitu pembuatan tabel dan

  2

  2

  menambahkan variable baru seperti: (X- ), (X-X) ,(Y- ), (Y- ) , (X.Y). Selanjutnya dalam tahap implementasi dibutuhkan perhitungan nilai total mean (rata-rata) masing-masing

  

variable. Kemudian membuat persamaan regresi menggunakan Rumus 1 yang kemudian X

  akan diisi setiap nilai absensi masing-masing mahasiswa dan mendapatkan nilai koefisien korelasi. Langkah yang terakhir dari tahapan adalah Analisis Hasil Perhitungan, yaitu melakukan analisis regresi dan korelasi terhadap penerapan metode regresi dan korelasi sesuai dengan rumus yang berlaku.

  Proses perhitungan nilai regresi dan korelasi ditunjukkan dalam bentuk flow chart pada Gambar 2.

  

Gambar 2 Proses Perhitungan Nilai Regresi dan Korelasi

  Gambar 2 menunjukkan proses perhitungan nilai regresi dan korelasi, dijelaskan sebagai berikut. Algoritma yang dibangun dalam melakukan analisis regresi dan korelasi, terbagi menjadi 3 tahap. Tahap pertama adalah pengelompokan data serta penentuan variabel, yang terbagi menjadi dua proses, yaitu: proses pengelompokan data independent (X) serta proses pengelompokan data dependent (Y).

  Tahap kedua, merupakan proses, setiap data independent dan dependent akan dibagi menjadi dua tahap, yaitu tahap pertama adalah menghitung nilai dependent dan independent yang masing-masing mencari rata-rata dari setiap elemen kemudian mencari jumlah total dari setiap elemen kuadrat dari dependent variable dan independent variable, perkalian dari

  dependent variable dan independent variable untuk mendapatkan nilai korelasi (r).

  Sedangkan untuk tahap kedua pada bagian proses yaitu menghitung a dan b untuk kemudian dimasukkan pada persamaan regresi dengan rumus seperti yang dicantumkan pada Rumus 2.

  Tahap terakhir adalah tahap output yang merupakan penyatuan atau penggabungan nilai dari setiap hasil yang dihitung pada tahap proses. Tahap output juga merupakan sebuah nilai dan persamaan yang akan dibahas dan disimpulkan.

4. Hasil dan Pembahasan

  Data prestasi dan kehadiran mahasiswa merupakan data yang diperoleh dari FTI UKSW, presensi dan nilai kelas praktikum aljabar linier dan matriks yang memiliki fungsi perumusan. Data prestasi dan kehadiran diambil dari 5 kelas praktikum, kemudian dilakukan pengelompokan serta penentuan variabel. Kemudian data dikelompokkan seperti pada Gambar 3 dan Gambar 4.

  Gambar 3 Sampel Data Presensi [7] Gambar 4 Sampel Data Nilai [8] Penelitian diawali dengan penentuan variabel x dan y, y merepresentasikan variabel

dependent (tidak bebas), sedangkan x merepresentasikan variabel independent (bebas).

Jumlah kehadiran disimbolkan sebagai x yang telah dikonversi dalam bentuk presentase kehadiran, dan nilai akhir (prestasi) menggunakan simbol y sebagai variabel yang tidak bebas dan dikonversi ke bentuk persentase dimana nilai maksimum telah ditentukan aturan kuliah sebesar 25%. Langkah selanjutnya menggunakan fungsi perpangkatan pada variabel x dan y, serta menentukan perkalian antara x dan y, yang akan ditampung pada kolom xy seperti yang ditunjukkan pada Gambar 5.

  2 ² , y dan xy

  

Gambar 5 Sample Data yang Diuji Dalam Variabel x, y, x

Data yang diuji akan dijumlahkan sesuai kolom untuk memudahkan perhitungan nilai korelasi, koefisien determinasi serta nilai regresi seperti contoh pada Gambar 6.

  Gambar 6 Penjumlahan Data Sesuai Kolom Kategori Perhitungan nilai korelasi menggunakan Rumus 5 adalah sebagai berikut. Berdasarkan nilai korelasi yang didapatkan, hubungan yang terjalin antara variabel

  

dependent dan independent sangat kuat dan bersifat positif. Sedangkan perhitungan nilai

Koefisien Determinasi menggunakan Rumus 4 adalah sebagai berikut.

  Koefisien penelitian / koefisien determinasi = 0.94 x 100% = 94% Perhitungan Regresi menggunakan Rumus 1 dan Rumus 2 adalah sebagai berikut.

  Sehingga didapatkan persamaan garis Regresi sebagai berikut : Hasil dari regresi pengaruh jumlah presensi terhadap nilai prestasi mendapatkan persamaan Y’ = 0.26 + 0.22X, yang berarti persamaan garis regresi menggambarkan bahwa setiap kenaikan 1 nilai x akan menyebabkan peningkatan nilai y sebesar 0.22. Hasil yang diperoleh akan dibuat diagram pencar yang didapat dari Y’ setiap data kemudian dimasukkan ke scatter diagram dengan variabel X atau setiap data jumlah presensi yang ada, yang jika digambarkan dalam bentuk grafik akan berbentuk seperti terlihat pada Gambar 7.

  Gambar 7 Diagram Regresi antara Tingkat Kehadiran dan Prestasi

  Kelas praktikum Aljabar linier dan matriks semester antara 2016/2017 merupakan sumber dari data prestasi dan data kehadiran 5 kelas praktikum aljabar linier dan matriks. Data yang akan diolah terlebih dahulu di-filter dan dimasukkan sesuai penentuan variabel. Variabel yang digunakan dalam penelitian terbagi menjadi dua variabel, yaitu: variabel bebas (Independent) dan variabel terikat (dependent), sebagai simbol variabel bebas maka ditetapkan simbol X, sedangkan untuk variabel terikat dilambangkan dengan simbol Y. Untuk menentukan nilai relasi pada sebuah hubungan perlu penentuan, data jumlah kehadiran akan masuk dalam variabel X serta nilai prestasi akan dimasukkan dalam variabel Y. Sehingga dapat dibuat sebuah pertanyaan, apakah jumlah kehadiran memiliki nilai korelasi positif atau tidak. Sebuah relasi dikatakan positif apabila nilai Y naik apabila X naik atau Y turun apabila X turun, sedangkan dapat dikatakan relasi negatif jika dan hanya jika nilai Y turun namun nilai X naik maupun nilai Y naik namun nilai X turun. Berdasarkan hasil perhitungan korelasi menggunakan korelasi pearson diperoleh nilai 0,97, yang berarti nilai dari korelasi antara pengaruh jumlah presensi terhadap nilai prestasi bernilai positif, dimana nilai Y naik apabila X naik atau Y turun apabila X turun.

5. Simpulan

  Berdasarkan penelitian yang sudah dilakukan menggunakan regresi dan korelasi diperoleh hasil korelasi positive atau menunjukkan bahwa variabel dependent dan variabel

  

independent saling mendukung, dengan kenaikan variabel bebas yang memberikan dampak

  kenaikan variabel terikat. Persamaan regresi dari perhitungan diperoleh hasil Y’= 0.26 +

  0.22X, yang berarti setiap kenaikan 1 variabel independent akan mengakibatkan kenaikan 0.22 pada setiap Y. Hasil dari korelasi pearson antara jumlah presensi dengan nilai prestasi menurut data kelas praktikum Aljabar Linear dan Matriks tahun 2016-2017 menunjukkan nilai korelasi yang positif yaitu 0,97 dan nilai yang diperoleh merupakan korelasi positif yang kuat, karena nilai korelasi optimum dari negatif adalah -1 dan +1 untuk positif. Nilai positif dari regresi maupun korelasi pearson juga diperkuat dari diagram pencar atau scatter

  

diagram, menurut grafik yang diambil dari dua elemen yaitu: Y’ dan X, gambar yang

  ditunjukkan condong atau cenderung ke arah kanan, yang berarti merupakan diagram dari fungsi positif. Untuk penelitian lebih lanjut, dapat dikembangkan dengan menambahkan variabel poin keaktifan pemicu nilai prestasi, dan dapat menggunakan metode korelasi Rank Spearman.

6. Daftar Pustaka

  [1] Penyelenggaraan_keg ._Akademik_.pdf, Diakses Tanggal 3 November 2016. [2] Khusna, R. N., 2013. Pengaruh Minat Belajar Dan Kehadiran Siswa Terhadap Hasil

  Belajar Matematika Siswa Kelas VIII SMP Negeri 3 Mojosongo. Surakarta : Pendidikan Matematika Universitas Muhammadiyah Surakarta. [3] Wachidah, L., . Hubungan Antara Jumlah Kehadiran Mahasiswa Dengan Nilai

  Akhir Semester Ganjil 2009/2010 Mata Kuliah Statistika Menggunakan Korelasi Rank Spearman. Bandung : Universitas Islam Bandung. [4] Hendikawati, P., 2011. Analisis Faktor yang Mempengaruhi Indeks Prestasi Mahasiswa.

  Semarang : Pendidikan Matematika Universitas Negeri Semarang. [5] Andriani, H., 2011. Hubungan Motivasi Belajar Dan Prestasi Akademik Mahasiswa S1 – Keperawatan Sekolah Tinggi Ilmu Kesehatan Dian Husada Mojokerto.

  [6] Pratomo, D. S., Astuti, E. Z., 2015.Analisis Regresi dan Korelasi Antara Pengunjung dan Pembeli Terhadap Nominal Pembelian di Indomaret Kedungmundu Semarang dengan Metode Kuadrat Terkecil. Semarang : Jurusan Teknik Informatika Universitas Dian Nuswantoro. [7] FTI UKSW, 2016. Presensi Kelas Praktikum Aljabar Linier dan Matriks Semester Antara 2016/2017. [8] FTI UKSW, 2016. Nilai Kelas Praktikum Aljabar Linier dan Matriks Semester Antara 2016/2017. [9] Sugiyono, Statistika untuk Penelitian, Bandung, Alfabeta, 2008.