Detail Cantuman

Kualitas perguruan tinggi dinilai berdasarkan kriteria penilaian yang dibuat oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN PT). Pedoman akreditasi BAN PT memiliki beberapa standar penilaian, salah satunya adalah kestabilan jumlah mahasiswa yang masuk dan lulus pada setiap periodenya. Jumlah mahasiswa dikatakan stabil apabila jumlah mahasiswa pada periode angkatan tertentu tidak berkurang secara signifikan. Saat ini ITENAS memiliki peraturan akademik mengenai batas masa studi. Mahasiswa yang tidak dapat memenuhi kriteria-kriteria yang terdapat pada batas masa studi, maka mahasiswa tersebut tidak diperkenankan melanjutkan studi di ITENAS atau dengan kata lain Drop Out (DO). Kriteria batas masa studi yang menjadi fokus penelitian ini adalah kriteria batas masa studi untuk mahasiswa tingkat awal (tingkat 1 sampai dengan tingkat 2). Semakin banyak mahasiswa DO, maka jumlah mahasiswa yang masuk dan keluar akan semakin tidak stabil. Oleh karena itu, pada penelitian ini dibuat suatu model yang dapat memprediksi kemungkinan mahasiswa terkena DO atau tidak, sehingga institusi dapat melakukan tindakan pencegahan terhadap mahasiswa yang memiliki kemungkinan DO. Data yang digunakan pada penelitian ini adalah data-data akademik yang diduga mempengaruhi mahasiswa terkena DO atau tidak DO. Model prediksi dibangun melalui pendekatan metode regresi logistik. Terdapat asumsi yang harus dipenuhi untuk membangun model regresi logistik, yaitu tidak diharapkan adanya multikolinieritas antar variabel independen (prediktor) yang digunakan. Untuk menjamin tidak adanya multikolinieritas antar variabel independen digunakan pendekatan statistik dengan metode analisis faktor. Variabel yang dimasukkan dalam model regresi logistik adalah variabel Indeks Prestasi Semester 1 (X1) dan Rata-rata kehadiran kuliah semester 3 (X9). Variabel-variabel tersebut sudah dijamin tidak terdapat korelasi berdasarkan hasil analisis faktor, selain itu variabelvariabel tersebut merupakan variabel yang signifikan berpengaruh terhadap mahasiswa DO atau tidak. Interpretasi model tersebut adalah peluang mahasiswa mendapatkan DO meningkat ketika variabel indeks prestasi semester 1 dan rata-rata kehadiran kuliah semester 3 semakin kecil, sebaliknya peluang mahasiswa DO semakin kecil ketika variabel indeks prestasi semester 1 dan rata-rata kehadiran kuliah semester 3 semakin besar. Ketepatan hasil prediksi pada model regresi logistik yang dibuat adalah sebesar 97,838 % dengan nilai cutoff probability sebesar 0,35. Implementasi dari model prediksi dibuat dengan menggunakan Microsoft Access. Implementasi ini menghasilkan suatu aplikasi yang diolah berdasarkan database akademik yang dibutuhkan pada model regresi logistik. Aplikasi yang dibuat dapat digunakan secara praktis untuk mendeteksi kemungkinan mahasiswa mendapatkan DO atau tidak. Sehingga dengan adanya aplikasi tersebut, dosen wali dapat memberikan peringatan terhadap mahasiswa yang memiliki kemungkinan mendapatkan DO. Tindakan pencegahan yang dilakukan dosen wali berdasarkan aplikasi yang dibuat, diharapkan mampu menekan jumlah mahasiswa yang terkena DO di tingkat awal.