Pemodelan Regresi Logistik Multinomial untuk ketepatan waktu kelulusan mahasiswa (studi kasus: program studi matematika UIN Maulana Malik Ibrahim Malang)

INDONESIA:
Ketepatan waktu kelulusan mahasiswa merupakan indikator penting dalam menilai efektivitas proses akademik dan pencapaian mutu program studi. Oleh karena itu, penelitian ini membangun model prediksi serta menganalisis faktor-faktor yang memengaruhi ketepatan waktu kelulusan mahasiswa Program Studi Matematika UIN Maulana Malik Ibrahim Malang menggunakan regresi logistik multinomial. Variabel dependen diklasifikasikan ke dalam kategori Tepat Waktu, Terlambat, dan Kritis, sedangkan tujuh variabel independen meliputi IPK, jenis kelamin, jenis asal sekolah, jenis pembiayaan, jalur masuk, asal daerah, dan rasio SKS lulus. Sebanyak 331 data mahasiswa diproses melalui pembersihan data, pembentukan dummy, pengujian asumsi, standardisasi variabel numerik, pembagian data training dan testing dengan stratified sampling, serta estimasi parameter menggunakan Maximum Likelihood Estimator. Hasil analisis menunjukkan bahwa pada Logit 1 (Terlambat vs Tepat Waktu) hanya IPK yang signifikan, sedangkan rasio SKS lulus tidak signifikan. Pada Logit 2 (Kritis vs Tepat Waktu), IPK dan rasio SKS lulus signifikan dan keduanya menurunkan peluang mahasiswa masuk kategori Kritis. Evaluasi model menunjukkan akurasi 64,18%, dengan F1-Score per kategori sebesar 75,55% (Tepat Waktu), 42,10% (Terlambat), dan 28,57% (Kritis). Dengan demikian, model yang dihasilkan dapat digunakan sebagai alat prediksi awal untuk mengidentifikasi potensi keterlambatan studi serta mendukung perumusan kebijakan akademik.

INGGRIS:
Timely graduation is an important indicator for assessing the effectiveness of academic processes and the overall quality of academic programs. Therefore, this study aims to develop a predictive model and analyze the factors influencing the graduation timeliness of students in the Mathematics Study Program at UIN Maulana Malik Ibrahim Malang using multinomial logistic regression. The dependent variable is categorized into On Time, Late, and Critical, while the seven independent variables include GPA, gender, type of prior school, type of funding, admission pathway, region of origin, and ratio of completed credits. A total of 331 student data were processed through data cleaning, dummy variable construction, assumption testing, numerical variable standardization, stratified sampling for training–testing split, and parameter estimation using the Maximum Likelihood Estimator. The results show that in Logit 1 (Late vs On Time), only GPA is significant, while the ratio of completed credits is not significant. In Logit 2 (Critical vs On Time), both GPA and the ratio of completed credits are significant and negatively associated with the likelihood of students entering the Critical category. Model evaluation produced an accuracy of 64.18%, with F1-Scores of 75.55% (On Time), 42.10% (Late), and 28.57% (Critical). Thus, the developed model can serve as an early prediction tool to identify potential delays in student graduation and support academic policy formulation.

ARABIC:
تُعدّ دقة التخرّج في الوقت المحدد مؤشرًا مهمًا في تقييم فاعلية العملية الأكاديمية وجودة البرامج الدراسية. وبناءً على ذلك، تهدف هذه الدراسة إلى بناء نموذج تنبؤي وتحليل العوامل المؤثرة في دقة التخرّج في الوقت المناسب لطلبة برنامج دراسة الرياضيات في جامعة مولانا مالك إبراهيم الإسلامية الحكومية مالانج باستخدام الانحدار اللوجستي المتعدد للفئات. قُسِّم المتغير التابع إلى ثلاث فئات: التخرّج في الوقت المناسب، التأخر، والحالة الحرجة، بينما اشتملت المتغيرات المستقلة السبعة على المعدل التراكمي، الجنس، نوع المدرسة السابقة، نوع التمويل، مسار القبول، منطقة السكن، ونسبة الساعات الدراسية المجتازة. شملت البيانات ٣٣١ طالبًا، وتمت معالجتها من خلال تنظيف البيانات، وبناء المتغيرات الوهمية، واختبار الافتراضات، وتوحيد المتغيرات العددية، وتقسيم البيانات إلى تدريب واختبار باستخدام أخذ العينات الطبقية، إضافةً إلى تقدير المعلمات باستخدام طريقة الاحتمالية العظمى. أظهرت نتائج التحليل أن المعدل التراكمي كان المتغير الوحيد المؤثر في الفئة المتأخرة مقارنةً بالفئة في الوقت المناسب، بينما لم تكن نسبة الساعات المجتازة ذات دلالة إحصائية. أمّا في الفئة الحرجة، فقد كان كلٌّ من المعدل التراكمي ونسبة الساعات المجتازة ذا دلالة إحصائية وبمعامل سالب، مما يدل على أن ارتفاع هذين المتغيرين يقلل من احتمال دخول الطلبة في الفئة الحرجة. كما أظهر تقييم النموذج دقة مقدارها ٦٤٫١٨٪، مع قيم F1 لفئات النموذج بلغت ٧٥٫٥٥٪ للفئة في الوقت المناسب، و٤٢٫١٠٪ للفئة المتأخرة، و٢٨٫٥٧٪ للفئة الحرجة. وبذلك يمكن اعتماد النموذج كأداة أولية للتنبؤ باحتمالية تأخر التخرّج ودعم تطوير السياسات الأكاديمية.