ANALISIS FAKTOR DOMINAN KEBERHASILAN AKADEMIK MAHASISWA PENERIMA BEASISWA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS
DOI:
https://doi.org/10.35143/jkt.v11i2.6819Kata Kunci:
Principal Component Analysis, Faktor Keberhasilan Akademik, Beasiswa, Faktor AnalisisAbstrak
Keberhasilan akademik mahasiswa penerima beasiswa tidak hanya ditentukan oleh kemampuan akademik, tetapi juga oleh berbagai faktor non-akademik yang sering kali sulit diukur secara objektif. Banyaknya indikator yang saling berkaitan membuat identifikasi faktor dominan menjadi sebuah tantangan, terutama ketika variabel-variabel tersebut menunjukkan korelasi tinggi dan menyebabkan redundansi data. Penelitian ini bertujuan mengidentifikasi faktor-faktor dominan yang memengaruhi keberhasilan akademik mahasiswa penerima beasiswa menggunakan Principal Component Analysis (PCA). Sebanyak 262 mahasiswa mengisi kuesioner yang terdiri dari 54 item non-akademik yang sebelumnya telah divalidasi melalui uji validitas dan reliabilitas. PCA digunakan untuk mereduksi dimensi data dan menghasilkan 38 komponen utama dengan total variansi yang dijelaskan sebesar 95,08%, menunjukkan efektivitas reduksi tanpa kehilangan informasi penting. Analisis loading matrix mengungkapkan bahwa kondisi psikologis, metode pembelajaran, kesesuaian jurusan, motivasi belajar, dan kondisi keuangan merupakan faktor yang paling dominan dalam membentuk komponen utama. Hasil penelitian ini memberikan gambaran yang lebih terstruktur mengenai faktor-faktor non-akademik yang perlu diperhatikan dalam pembinaan dan monitoring penerima beasiswa.Unduhan
Referensi
Darsi and Rasmita, “Prestasi Belajar Mahasiswa ditinjau dari Dimensi Regulitas dalam Kurikulum Merdeka,” Indones. Inst. Corp. Learn. Stud., vol. 5, no. September, p. 5, 2024.
G. Fithria, S. Amanah, and M. Simanjuntak, “Faktor-Faktor yang Memengaruhi Keberhasilan Studi Penerima Bidikmisi di Universitas Sultan Ageng Tirtayasa,” J. Apl. Bisnis dan Manaj., vol. 8, no. 3, pp. 833–845, 2022, doi: 10.17358/jabm.8.3.833.
Suripto and A. S. Rahmanita, Rr Nurul Kirana, “Teknik pre-processing dan classification dalam data science,” Master of Industrial Engineering BINUS. [Online]. Available: https://mie.binus.ac.id/2022/08/26/teknik-pre-processing-dan-classification-dalam-data-science/
Y. E. Kurniawati, “What is Exploratory Data Analysis?,” School of Information Systems BINUS. [Online]. Available: https://sis.binus.ac.id/2025/01/21/39476/
N. Nurmalitasari and E. Purwanto, “Prediksi Performa Mahasiswa Menggunakan Model Regresi Logistik,” J. Deriv. J. Mat. dan Pendidik. Mat., vol. 9, no. 2, pp. 145–152, 2022, doi: 10.31316/jderivat.v9i2.2639.
R. K. Putri, M. Athoillah, and A. Haqiqiyah, “Analisis Faktor yang Mempengaruhi Ketepatan Kelulusan Mahasiswa dengan Algoritma Regresi Linear,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 5, no. 2, pp. 671–680, 2024, doi: 10.46306/lb.v5i2.571.
P. Bintoro, Ratnasari, E. Wihardjo, I. P. Putri, and A. Asari, Pengantar Machine Learning. Solok, Sumatera Barat: Pt. Mafy Media Literasi Indonesia, 2024. [Online]. Available: https://repository.um.ac.id/5619/1/fullteks.pdf
S. A. Syuhada, S. H. Hasanah, and P. S. Statistika, “Analisis Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran di Indonesia dengan Pendekatan Principal Component Analysis (PCA) dan Analisis Profil,” vol. 2, no. 1, pp. 1134–1150, 2025.
R. A. Zuama, M. A. Ghani, D. Gunawan, and A. L. Matihudin, “Implementasi Metode Waterfall Dalam Mengembangkan Sistem Informasi Ujian Online Dengan Fitur Proctoring,” INFORMATICS Educ. Prof. J. Informatics, vol. 7, no. 2, p. 218, 2023, doi: 10.51211/itbi.v7i2.2382.
M. M. Sanaky, “Analisis Faktor-Faktor Keterlambatan Pada Proyek Pembangunan Gedung Asrama Man 1 Tulehu Maluku Tengah,” J. Simetrik, vol. 11, no. 1, pp. 432–439, 2021, doi: 10.31959/js.v11i1.615.
M. Celestin et al., “PRINCIPAL COMPONENT ANALYSIS FOR SIMPLIFYING MULTIVARIATE FINANCIAL DATA IN,” vol. 9, no. 02, pp. 171–179, 2025.
A. Hasanah, “Kesesuaian Minat Karir dengan Keputusan Memilih Jurusan di Perguruan Tinggi,” J. Classr. Action Res., vol. 5, pp. 198–202, 2023.
F. Aryasatya, A. Katrina, R. F. Syabila, F. Siregar, F. Matematika, and P. Alam, “Identifikasi Faktor-Faktor Esensial dalam Hasil Evaluasi Siswa menggunakan Teknik Principal Component Analysis ( PCA ),” vol. 4, pp. 6423–6437, 2024.
A. Fadila et al., “Pengaruh Motivasi Belajar terhadap Peningkatan Prestasi Akademik Siswa,” WACANA J. Bahasa, Seni dan Pengajaran, vol. 7, pp. 121–133, 2023.
Filan Firmansyah, Saputra Dwi Nurchaya, and Zuhana Realita Alfy, “Implementasi Algoritma Blowfish Pada Sistem Manajemen Surat Dengan Pendekatan Rational Unified Process Yang Ramah Lingkungan,” JSiI (Jurnal Sist. Informasi), vol. 11, no. 2, pp. 1–6, 2024, doi: 10.30656/jsii.v11i2.9065.
L. S. Ihzaniah, A. Setiawan, and R. W. N. Wijaya, “Perbandingan Kinerja Metode Regresi K-Nearest Neighbor dan Metode Regresi Linear Berganda pada Data Boston Housing,” Jambura J. Probab. Stat., vol. 4, no. 1, pp. 17–29, 2023, doi: 10.34312/jjps.v4i1.18948.
A. Rahmadhani, D. S. Sihabudin Sahid, and Y. D. Lulu Widyasari, “Implementasi SEM-Multiple Linear Regression dalam Prediksi Jumlah Pendaftaran Mahasiswa Baru di Perguruan Tinggi XYZ,” J. Nas. Teknol. dan Sist. Inf., vol. 9, no. 2, pp. 150–162, 2023, doi: 10.25077/teknosi.v9i2.2023.150-162.
N. Nurdiansyah, M. Muliadi, R. Herteno, D. Kartini, and I. Budiman, “Implementasi Metode Principal Component Analysis (PCA) dan Modified K-Nearest Neighbor pada Klasifikasi Citra Daun Tanaman Herbal,” J. Mnemon., vol. 7, no. 1, pp. 1–9, 2024, doi: 10.36040/mnemonic.v7i1.6664.
H. Sariwati and I. Komputer, “Penerapan Algoritma Principal Component Analysis,” vol. 1, no. 5, pp. 1–16, 2024.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
