2017 : PENGELOMPOKAN DAN PEMODELAN KUALITAS\n PROSES PENDIDIKAN PERGURUAN TINGGI NEGERI \nDI INDONESIA MENURUT JALUR MASUK\nDENGAN PENDEKATAN METODE ENSEMBLE ROCK \n(ROBUST CLUSTERING USING LINKS) DAN SIMILARITY WEIGHT AND FILTER METHOD (SWFM) SERTA QUANTILE REGRESSION

Dr. Dra. Ismaini Zain M.Si
Dr Suhartono S.Si., M.Sc
Erma Oktania Permatasari S.Si, M.Si

External link

Type

RESEARCH

Keywords

-


Abstract

Kualitas proses pendidikan dari Perguruan Tinggi Negeri (PTN) dimulai dari karakteristik input, proses belajar mengajar sampai dengan output. Pada karakteristik input bisa dilihat dari peminat dan keketatan dari calon mahasiswa; sementara dari proses pendidikan bisa ditinjau dari kualitas PTN mulai aspek kualitas Sumber Daya Manusia (SDM), kualitas manajemen, kualitas kegiatan mahasiswa serta kualitas penelitian dan publikasi. Selain itu, karakteristik output dapat dilihat dari hasil belajar dalam hal ini Indeks Prestasi. Penelitian ini bertujuan untuk memetakan posisi sebuah PTN diantara PTN yang lain, dengan cara mengelompokkan PTN berdasarkan data kualitas dan kategori PTN. Dari berbagai karakteristik input, proses maupun output melibatkan data campuran yaitu data numerik dan data kategorik. Metode pengelompokan berbasis data campuran dapat digunakan metode ensemble ROCK (RObust Clustering using linKs) dan Similarity Weight and Filter Method (SWFM). Penge similarity weight and filter method (SWFM). Pengelompokan PTN akan dilakukan berdasarkan jalur masuk yang bersifat nasional yaitu Seleksi Nasional Masuk Peguruan Tinggi Negeri (SNMPTN) dan Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN). Selanjutnya, dari hasil pengelompokan akan dilakukan pemodelan hasil pendidikan dengan menggunakan Quantile Regression atau regresi kuantil. Analisis regresi linier merupakan salah satu metode regresi yang digunakan pada data yang heterogen atau ada outlier. Pemodelan pada data yang heterogen tidak cukup hanya menggunakan ukuran pemusatan melainkan juga dibutuhkan pemodelan yang mampu menjelaskan data-data yang outlier. Regresi kuantil diharapkan pemodelan yang dapat menjelaskan variabilitas hasil pendidikan pada setiap kuantil.\n\n\nKata Kunci : Pengelompokan, Rock, SWFM, Quantile Regression, Pendidikan