IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM

Yayuk Setyaning Astutik, Dian Tresnawan

Abstract


Retensi mahasiswa di Universitas telah menjadi perhatian pendidik selama beberapa dekade. Konsekuensi dari kemunduran mahasiswa sangat penting bagi mahasiswa, staf akademik dan Universitas. Dengan demikian, peningkatan retensi mahasiswa merupakan tujuan jangka panjang dari setiap institusi akademik termasuk Universitas Internasional Batam (UIB). Penelitian in menggunakan data yang disusun dengan melacak 3306 mahasiswa yang terdaftar di UIB mulai tahun 2013 sampai dengan 2017. Variabel dependennya adalah semester pada saat putus kuliah (DO). DO didefinisikan sebagai mahasiswa yang tidak mendaftar dalam semester atau dengan IPK nol. Untuk mengevaluasi kinerja metode yang diusulkan dengan menjalankan dua rangkaian percobaan. Hasil percobaan untuk kedua jenis analisis yaitu prediksi dan estimasi. Membandingkan metode TD-Cox dengan lainnya seperti : Regresi Logistik (LR), Penguatan Adaptif (AB) dan Pohon Keputusan (DT). Kemudian melakukan uji kinerja model untuk mempresiksi putus kuliah (DO) pada semester yang berbeda untuk kedua percobaan. Hasil penelitian ini adalah metode TD-Cox merupakan metode yang terbaik dan kosisten. Berdasarkan temuan dari penelitian ini, kita dapat menggunakan informasi pra-pendaftaran seperti tes permulaan untuk mengidentifikasi mahasiswa yang beresiko tinggi untuk putus kuliah. Hal itu juga menunjukkan bahwa satu yang bisa digunakan untukmengidentifikasi yaitu jumlah yang ditarik atau lulus, status kerja saat kuliah dan IPK setiap semester sebagai peringatan awal untuk melakukan intervensi ketika mahasiswa mmepunyai kinerja yang tidak baik.

 

 

Kata kunci: Analisis Daya Tahan, TD-Cox, Peningkatan Mahasiswa, Pendaftaran, Prediksi

Full Text:

PDF

References


A. Nandeshwar, T. Menzies & A. Nelson. 2011. Learning patterns of university student retention. Expert System with Applications. 38(12): 14984-14996.

Astutik, Yayuk S. 2017. Implementasi Cox Proportional Hazard Model Parematerik untuk Analisis Survival Mahasiswa. Laporan Penelitian Hibah Dosen Pemula 2017.

B. K. Bhardwaj & S. Pal. 2011. A prediction for performance improvement using classification. International Journal of Computer Science and Information Security, 9(4): 136-140.

C. H. Yu, S. DiGangi, A. Jannasch-Pennel & C. Kaprolet. 2010. A data mining approach for identifying predictors of student retention from sophomore to junior year. Journal of Data Science, 8:307-325.

D. Delen. 2011. Predicting student attrition with data mining methods. Journal of College Student Retention: Research, Theory & Practice. 13 (1): 17-35.

J. G. Glynn, P.L. Sauer & T. E. Miller. 2011. A logistic regression model for the enhancement of student retention: The identification of at-risk freshmen. International Business & Economics Research Journal (IBER), 1(8).

Lawless, J.F. 1982. Statistical Models and Methods for Lifetime Data. John Wiley & Sons, Inc. USA.

M. J. Fard, S. Chawla & C. K. Reddy. 2016. Early-stage event prediction for longitudinal data. In Pacific-Asia Conference on Knowledge Discovery and Data Mining, pages 139-151. Springer.

M. Quadri & N. Kalyankar. 2010. Dropout feature of student data for academic performance using decision tree techniques. Global Journal of Computer Science and Technology. 10(2): 1-5.

Paura, Liga & Arhipova, Iriana. 2014. Cause Analysis of Student Dropout Rate in Higher Education Study Program. ELSEVIER Journal, Volume 109, Pages 1282-1286.

R. Alkhasawneh. 2011. Developing a hybrid model to predict student first year retention and academic success in STEM disciplines using neural network. PhD Thesis, Virginia Commonwealth University.


Refbacks

  • There are currently no refbacks.


==============================================================================================================

Prosiding SEMNASTEK Fakultas Teknik
Universitas Muhammadiyah Jakarta
Jl. Cempaka Putih Tengah 27
Jakarta Pusat 10510
T. 021.4256024, 4244016 / F. 021.4256023

ISSN : 2407 – 1846
e-ISSN : 2460 – 8416

==============================================================================================================

Powered by Puskom-UMJ