ANALISIS PROBABILITAS DAN STATISTIKA DALAM MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA

jalaluddin uddin pane

Abstract


     probabilitas dan statistika merupakan cabang ilmu matematika yang memiliki peran penting dalam pengambilan keputusan berbasis data. Dalam bidang pendidikan, khususnya perguruan tinggi, data akademik mahasiswa dapat dianalisis untuk memprediksi tingkat kelulusan secara lebih objektif. Penelitian ini bertujuan untuk menerapkan konsep probabilitas dan statistika dalam memprediksi tingkat kelulusan mahasiswa berdasarkan data nilai akademik. Metode yang digunakan adalah metode kuantitatif dengan pendekatan deskriptif dan inferensial. Data yang dianalisis meliputi nilai indeks prestasi semester, kehadiran, dan jumlah mata kuliah yang diambil oleh mahasiswa. Teknik analisis yang digunakan antara lain distribusi probabilitas, nilai rata-rata, simpangan baku, dan peluang bersyarat. Hasil penelitian menunjukkan bahwa pendekatan probabilitas dan statistika mampu memberikan gambaran yang cukup akurat terhadap kemungkinan kelulusan mahasiswa. Semakin tinggi nilai rata-rata dan tingkat kehadiran mahasiswa, maka probabilitas kelulusannya juga semakin besar. Penelitian ini diharapkan dapat menjadi bahan pertimbangan bagi pihak akademik dalam melakukan evaluasi dan perencanaan strategi peningkatan mutu pendidikan.

Kata kunci:

Probabilitas

Statistika

Prediksi

Kelulusan mahasiswa

© journal computer science and information technology(jcoint)

 

 


Full Text:

PDF

References


sudjana, metode statistika. Bandung, indonesia: tarsito, 2016.

r. E. Walpole, r. H. Myers, s. L. Myers, and k. Ye, probability and statistics for engineers and scientists, 9th ed. New york, ny, usa: pearson education, 2017.

sugiyono, metode penelitian kuantitatif, kualitatif, dan r&d. Bandung, indonesia: alfabeta, 2019.

d. C. Montgomery and g. C. Runger, applied statistics and probability for engineers, 7th ed. New york, ny, usa: wiley, 2018.

d. R. Anderson, d. J. Sweeney, and t. A. Williams, statistics for business and economics, 13th ed. Boston, ma, usa: cengage learning, 2020.

s. Arikunto, prosedur penelitian: suatu pendekatan praktik. Jakarta, indonesia: rineka cipta, 2019.

i. Ghozali, aplikasi analisis multivariate dengan program spss. Semarang, indonesia: badan penerbit universitas diponegoro, 2020.

kadir, statistika terapan: konsep, contoh, dan analisis data. Jakarta, indonesia: rajawali pers, 2017.

trianto, model pembelajaran terpadu. Jakarta, indonesia: bumi aksara, 2018.

i. H. Witten, e. Frank, m. A. Hall, and c. J. Pal, data mining: practical machine learning tools and techniques, 4th ed. San francisco, ca, usa: morgan kaufmann, 2018.


Refbacks

  • There are currently no refbacks.