ANALISIS FAKTOR DOMINAN KEBERHASILAN AKADEMIK MAHASISWA PENERIMA BEASISWA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS

Abstract

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.The academic success of scholarship recipients is not only determined by their academic abilities but also by various non-academic factors that are often difficult to measure objectively. The large number of interrelated indicators presents a challenge in identifying the most dominant factors, especially when these variables exhibit high correlations and lead to data redundancy. This study aims to identify the dominant non-academic factors influencing the academic success of scholarship recipients using Principal Component Analysis (PCA). A total of 262 students completed a questionnaire consisting of 54 non-academic items that had previously undergone validity and reliability testing. PCA was employed to reduce data dimensionality and produced 38 principal components with a cumulative explained variance of 95.08%, indicating effective dimensionality reduction without significant loss of information. The loading matrix analysis revealed that psychological conditions, learning methods, major suitability, learning motivation, and financial conditions were the most dominant contributors to the principal components. These findings provide a more structured understanding of the non-academic factors that should be considered in the development and monitoring of scholarship programs.