June 2017
S M T W T F S
« Dec    
 123
45678910
11121314151617
18192021222324
252627282930  
Ilkom
IPB Badge
Hapuskan komersialisasi perparkiran kampus IPB Baranangsiang
Entah mengapa saya sedang “iseng” menelusuri keragaan nilai mahasiswa ILKOM 51 ini, walaupun mungkin tidak banyak manfaatnya bagi pihak tertentu. Namun minimal saya bisa tahu bagaimana karakteristik kemampuan mahasiswa yang masih bertemu dengan saya di 1 mata kuliah semester ini, dan sebagian lagi akan bertemu lagi di 1 mata kuliah pilihan nanti.

“Ah, ini karena kamu gak ada kerjaan …”, itu kata rekan saya. Terus terang memang demikian … hehe …. Ini saya lakukan di sela-sela saya masih “ngulik” sistem informasi akreditasi online, sistem administrasi pusat studi, sistem pengujian laboratorium, dan kadang membantu sistem akademik di salah satu fakultas. Lah koq malah “curhat” ….. 😉
Begini. Seperti analisis saya di media yang sama sebelumnya, saya coba menggunakan regression tree untuk menggambarkan bagaimana IPK mahasiswa terpetakan. Hasilnya seperti gambar berikut:
rtree-ganjil-2015
Mengejutkan bagi saya, masih mirip seperti pada saat TPB, dimana saat itu, mata kuliah yang memetakan IPK TPB adalah EKO100, FIS100, IPB108, KIM101, KOM101, MAT100, dan MAT103. Setelah melewati satu semester di ILKOM, terjadi sedikit pergeseran, dimana IPK dipetakan oleh mata kuliah EKO100, KIM101, KOM101, KOM200, MAT100, dan MAT103. Mata kuliah matematika (MAT100 dan MAT103) tetap bertahan, demikian pula halnya dengan EKO100 dan KIM101. Dan yang baru masuk berkontribusi adalah 2 mata kuliah pemrograman, yaitu KOM101 (Algoritme) dan KOM200 (Dasar Pemrograman). Hal ini mendukung tulisan saya sebelumnya yang berjudul IPK, MATEMATIKA, dan PEMROGRAMAN. Silakan dicermati bagaimana 6 mata kuliah tersebut memetakan IPK mahasiswa yang saya “ulik” ini …
Yang menjadi pertanyaan, mengapa demikian? Bagaimana peran dari mata kuliah lainnya? Tentu perannya ada, namun “tidak inline” dengan keragaman IPK yang ditimbulkan. Hal ini juga karena IPK mahasiswa memiliki sebaran yang merata, tidak mengumpul di salah satu nilai, sehingga mata kuliah yang memiliki penyebaran yang relatif identik, akan masuk ke dalam peta IPK ini. Kita lihat bagaimana sebaran nilai IPK mahasiswa kelompok ini:
HIST-IPKTerlihat ada sebagian kecil di bawah 2.0, dan jika dilihat dari kelanjutan studi, mahasiswa kelompok ini sudah meninggalkan IPB. IPK menyebar relatif merata di sebelah kanan 2.0, dan terlihat mendekati sebaran normal. Hal ini senada dengan beberapa mata kuliah yang turut berkontribusi dalam memetakan IPK tadi, seperti histogram di samping.

Dari ulasan sederhana ini dapat dilihat bahwa beberapa mata kuliah memang sangat terkait dengan IPK, dan beberapa lainnya memberikan nilai mutu yang mungkin lebih “mudah” dan hal ini berkontribusi dalam mendongkrak IPK. Oleh karena itu, kalau IPK hanya dihitung dari 6 mata kuliah tadi, mungkin cerita akhir mahasiswa akan lain. Ada mata kuliah yang memberikan nilai hampir semua A, ada juga yang hanya A dan AB, dan sebagainya. Hal ini tentunya tidak salah, dan tulisan ini juga tidak menyalahkan. Tulisan ini hanya mengungkap karakteristik nilai mata kuliah. Itu saja.

HIST-4MK

Semoga tulisan ini bermanfaat bagi saya, dan juga bagi mahasiswa agar lebih serius dalam menjalani kegiatan akademik kuliah, praktikum, responsi, penelitian, diskusi, dan sebagainya. Dan lagi, jangan lupa hiburan …. :)

 

Leave a Reply