Analisis Korespondensi Data Akreditasi Perguruan Tinggi di Lembaga Layanan Pendidikan Tinggi Wilayah 4 (LLDIKTI4) Jawa Barat dan Banten

Rifqi Naufaldi Putra Pratama; Marizsa Herlina

doi:10.29313/bcss.v4i2.15568

Rifqi Naufaldi Putra Pratama Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung
Marizsa Herlina Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung

DOI: https://doi.org/10.29313/bcss.v4i2.15568

Keywords: analisis korepondensi, akreditasi, bentuk perguruan tinggi

Abstract

Abstract. Education is a key pillar of a nation's development. Well-managed education can produce high-quality resources. The role of LLDIKTI is to facilitate the enhancement of the quality of higher education, conduct evaluations, and report on the improvement efforts of universities within its region. Accreditation is an effort to ensure that universities meet the quality standards set by the government. The purpose of this study is to visually explore the relationship between the type of higher education institutions and the types of accreditation. This research employs correspondence analysis, a statistical technique used to explore the relationships between categorical variables. The data used in this study is the accreditation data of higher education institutions from June 2023. The categorical variables analyzed are the type of higher education institutions and the types of accreditation, presented in a contingency table format. This secondary data was obtained from performance reports released during the Practical Course of the Statistics Study Program, Faculty of Mathematics and Natural Sciences, at Universitas Islam Bandung, conducted at the Higher Education Service Institution Region 4 (LLDIKTI 4) in West Java and Banten. The results of the correspondence analysis on the accreditation data of higher education institutions at LLDIKTI 4 in West Java and Banten in June 2023 indicate a visual relationship between the type of higher education institution and the types of accreditation in the Higher Education Accreditation data from June 2023.

Abstrak. Pendidikan merupakan pilar utama pembangunan suatu Negara. Pendidikan yang terkelola baik dapat menghasilkan sumber daya berkualitas. Tugas LLDIKTI adalah memfasilitasi peningkatan mutu penyelenggaraan pendidikan tinggi, pelaksanaan evaluasi dan pelaporan fasilitasi peningkatan mutu perguruan tinggi yang berada di wilayahnya. Akreditasi merupakan upaya untuk memastikan bahwa perguruan tinggi menerapkan standar mutu yang telah ditetapkan pemerintah. Tujuan penelitian ini untuk mengetahui keterkaitan secara visual antara bentuk perguruan tinggi dengan jenis Akreditasi. Penelitian ini menggunakan metode analisis korespondensi, sebuah teknik statistik yang digunakan untuk mengeksplorasi hubungan antara variabel kategorikal. Data yang digunakan dalam penelitian ini adalah data Akreditasi perguruan tinggi pada bulan Juni 2023, Variabel kategorikal yang dianalisis adalah variabel Bentuk Perguruan tinggi serta variabel Akreditasi yang disajikan dalam format tabel kontingensi. Data sekunder ini diperoleh dari laporan capaian yang dikeluarkan selama pelaksanaan Kuliah Praktik Prodi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung di Lembaga Layanan Pendidikan Tinggi Wilayah 4 (LLDIKTI4) Jawa Barat dan Banten. Hasil analisis korespondensi pada data Akreditasi perguruan tinggi di Lembaga Layanan Pendidikan Tinggi Wilayah 4 (LLDIKTI4) Jawa Barat dan Banten pada bulan Juni Tahun 2023 menunjukkan adanya keterkaitan secara visual antara bentuk perguruan tinggi dengan jenis Akreditasi pada data Akreditasi Perguruan Tinggi bulan Juni Tahun 2023.

References

Mattjik, Ahmad Ansori dan Sumertajaya, I Made. 2011. Sidik Peubah Ganda dengan Menggunakan SAS. Bogor: IPB PRESS.

Ginanjar, I., Jaya, I. G. N. M., dan Handoko, B. 2010. Perbandingan Komoditas Unggulan Pada Berbagai Kecamatan di Kabupaten Sumedang dengan Menggunakan Analisis Korespondensi.

Greenacre, M. J. (1984). Theory and applications of correspondence analysis. Academic Press.

Johnson, R. A. (Richard A., & Wichern, D. W. (2007). Applied multivariate statistical analysis. Pearson Prentice Hall.

A. Firdaus, “ Aplikasi Algoritma K-Nearest Neighborpada Analisis Sentimen Omicron Covid-19,” Jurnal Riset Statistika, vol. 2, pp. 85–92, 2022.

A. D. Sofia and A. Kudus, “Pengelompokan Kabupaten/Kota berdasarkan Indikator Indeks Pembangunan Manusia 2022 Menggunakan K-Harmonic Means Clustering,” Jurnal Riset Statistika, vol. 3, no. 2, pp. 163–172, Dec. 2023, doi: 10.29313/jrs.v3i2.3130.

F. T. Parera and Suwanda, “Model Random Coefficient Autoregressive Orde Pertama dan Penerapannya,” Jurnal Riset Statistika, vol. 3, no. 2, pp. 155–162, Dec. 2023, doi: 10.29313/jrs.v3i2.3048.

J. W. Arisa and N. Hajarisman, “Determinasi Derajat Kelangsungan Hidup Anak Menggunakan Multigroup Structural Equation Modeling,” Jurnal Riset Statistika, vol. 3, no. 2, pp. 147–154, Dec. 2023, doi: 10.29313/jrs.v3i2.3047.

R. Nurfitri and T. S. Yanti, “Pemodelan Umur Harapan Hidup di Jabar Tahun 2021 Menggunakan Spatial Durbin Model,” Jurnal Riset Statistika, vol. 3, no. 2, pp. 137–146, Dec. 2023, doi: 10.29313/jrs.v3i2.3023.

N. R. Azijah and I. F. Mahdy, “Hubungan Antara Kesadaran Kesetaraan Gender pada Mahasiswa dan Sikap Diskriminasi kepada Perempuan,” Jurnal Riset Statistika, vol. 3, no. 2, pp. 131–136, Dec. 2023, doi: 10.29313/jrs.v3i2.3021.