EVALUASI PROSES PENGAJARAN TAHAP PERSIAPAN BERSAMA MENGGUNAKAN KNOWLEDGE CONVERSION DI INSTITUT TEKNOLOGI TELKOM BANDUNG

Transkripsi

1 Proceeding Seminar Nasional eknik Industri & Kongres BKSI VI 211 Hal IIB VALUASI PROSS PNGAJARAN AHAP PRSIAPAN BRSAMA MNGGUNAKAN KNOWLDG CONVRSION DI INSIU KNOLOGI LKOM BANDUNG Ryani Sabrina Purba, Luciana Andrawina, Amelia Kurniawati. Fakultas Rekayasa Industri Institut eknologi elkom Jl. elekomunikasi No. 1. erusan Buah Batu, Bandung mail: sabrina_ryani@yahoo.com, luciana_andrawina@yahoo.com, amelia.kurniawati@gmail.com Abstrak valuasi hasil belajar di perguruan tinggi merupakan komponen penting dalam setiap situasi pembelajaran. valuasi hasil belajar dapat dilakukan dengan mengonversi data menjadi informasi dan informasi menjadi knowledge. Penelitian ini dilakukan dengan menggunakan model SCI dan knowledge conversion. Data-data explicit yang dikumpulkan kemudian dikonversi menjadi informasi dan dilakukan penggabungan dengan tacit knowledge, sehingga membentuk knowledge yang dibutuhkan untuk melakukan evaluasi sistem pembelajaran. Data yang digunakan dalam penelitian ini adalah data mata kuliah pada tingkat pertama. Berdasarkan hasil penelitian didapatkan informasi bahwa jumlah mahasiswa yang dinyatakan tidak lulus mata kuliah PB mencapai lebih dari 2% setiap periodenya, dan mahasiswa yang melakukan proses pengulangan mata kuliah yang sama mencapai lebih dari 25% setiap periodenya. Berdasarkan konversi informasi menjadi knowledge diperoleh hasil bahwa mahasiswa masih merasa kurang puas terhadap proses pengajaran yang telah dilakukan saat ini. Berdasarkan hasil analisis dan hasil pengolahan data maka diperoleh kesimpulan bahwa data yang dikonversi menjadi informasi dan informasi yang dikonversi menjadi knowledge dapat dijadikan bahan evaluasi diri bagi pihak institusi, dan kemudian hasil konversi tersebut dapat dieksternalisasikan berupa dokumen. Untuk penelitian selanjutnya, dapat dilanjutkan dengan membuat sistem informasi konversi data informasi dan knowledge. Kata kunci : valuasi Proses Pengajaran, konversi data-informasi-knowledge, model SCI. I. Pendahuluan Latar Belakang valuasi hasil belajar di perguruan tinggi merupakan komponen penting dalam setiap situasi pembelajaran. Jika belajar diartikan sebagai segala bentuk perubahan dalam pengetahuan, keterampilan, atau sistem nilai, perubahan tersebut hanya dapat dinilai melalui evaluasi (Zaini, dkk, 22). valuasi meliputi berbagai macam bentuk kegiatan, mulai dari observasi informal terhadap reaksi mahasiswa, observasi kinerja terstruktur, penggunaan diskusi dan catatan harian (Zaini, dkk, 22). Pada saat ini proses evaluasi masih belum dilakukan di I LKOM, hal ini dapat dilihat dari keberhasilan sebuah mata kuliah, dapat dilihat satu mata kuliah yang sering menjadi bahan dasar mengakibatkan seseorang harus mengulang atau dengan mata kuliah ini membuat mahasiswa menjadi Drop Out. Kalkulus I adalah salah satu mata kuliah ahap Persiapan Bersama yang sering menjadi salah satu mata kuliah yang dapat menyebabkan mahasiswa harus mengulang mata kuliah tersebut. Dari data nilai Kalkulus I dapat dievaluasi apakah proses pengajaran telah dilakukan dengan baik. Perkembangan dunia usaha di Indonesia semakin bergairah seiring dengan Output dari nilai mata kuliah PB yang dihasilkan oleh mahasiswa I LKOM cenderung masih rendah. Hal ini dapat dilihat dari nilai pada mata kuliah ahap Persiapan Bersama (PB) yang tergolong rendah. Dapat dilihat dari data pada tahun pada abel I.1

2 Proceeding Seminar Nasional eknik Industri & Kongres BKSI VI 211 Hal IIB abel 1 Data nilai mata kuliah kalkulus I periode II. Metodologi Penelitian AHUN Model Konseptual Nilai A B C D Mengulang Dengan demikian, I LKOM perlu mengukur kinerja pengajaran yang selama ini telah dilakukan untuk mengetahui penyebab terjadinya penurunan nilai kalkulus I pada mahasiswa setiap angkatannya. Langkah yang dapat dilakukan pihak institusi untuk mengevaluasi proses pengajaran adalah bagaimana cara mengonversi data informasi. Informasi tersebut kemudian dikonversi menjadi knowledge yang diproses menggunakan SCI model. Model yang digunakan untuk pemecahan masalah tersebut adalah dengan menggunakan SCI Model yaitu dengan proses eksternalisasi, yaitu mengubah tacit knowledge yang dimiliki menjadi explicit knowledge, bisa dengan menuliskan know-how dan pengalaman yang didapatkan dalam bentuk tulisan, artikel atau bahkan buku apabila perlu. Data-data yang ada, akan dikonversi menjadi sebuah informasi dan informasi menjadi sebuah knowledge yang di eksternalisasikan. Perlunya data dikonversi menjadi sebuah informasi dan informasi menjadi sebuah knowledge adalah sebagai bahan evaluasi diri, khususnya dalam proses pengajaran. ujuan Penelitian 1. Mengonversi data yang berkaitan dengan proses pengajaran menjadi informasi. 2. Mengonversi informasi menjadi knowledge. 3. Mengeksternalisasi knowledge untuk mengukur kinerja proses pengajaran. Gambar 1. Model Konseptual Pada Gambar II.1 menunjukkan bahwa penelitian dilakukan dengan cara mengonversi data menjadi informasi, dan informasi dikonversi menjadi knowledge. Model konseptual Gambar II.1 menunjukkan tahap awal penelitian adanya permasalahan yang ada pada proses pengajaran yaitu belum adanya suatu evaluasi diri yang dilakukan oleh I LKOM yang mengonversi data menjadi informasi yang kemudian dieksternalisasikan menjadi knowledge. Selanjutnya data yang diperoleh dikonversi menjadi informasi dan kemudian dapat diolah dengan SCI model pada konversi knowledge fase externalization. Input berupa data mata kuliah kalkulus I, kalkulus II dan matriks vektor periode sebagai explicit knowledge, dan data berupa kuesioner mahasiswa, kuesioner terbuka dosen, wawancara mahasiswa dan wawancara ahli sebagai tacit knowledge, yang akan diproses menggunakan model SCI tahap eksternalisasi, yang pada akhirnya akan menjadi sebuah output berupa evaluasi diri perguruan tinggi. III. Pengumpulan dan Pengolahan Data Proses pengumpulan data dilakukan dengan tiga cara, yang pertama dengan menyebarkan kuesioner, yang kedua melakukan proses wawancara, dan yang ketiga dengan mengumpulkan data nilai mata kuliah PB, yaitu mata kuliah kalkulus I, kalkulus II, dan matriks vektor periode Proses pengolahan data dilakukan dengan dua cara, yaitu konversi data menjadi informasi menggunakan 5C, yaitu Contextualized, Categorized, Calculated, Corrected, dan Condensed, yang kedua

3 konversi informasi menjadi knowledge dilakukan dengan 4C yaitu. Comparison, Consequence, Connections, dan Conversations. IV. Kesimpulan Analisis Konversi Data Menjadi Informasi 1. Contextualized : memahami manfaat data yang dikumpulkan. Data-data yang telah dikumpulkan tersebut, dapat diketahui tacit knowledge yang dimiliki oleh para mahasiswa dan dosen pengampu mata kuliah yang bersangkutan tentang proses pengajaran yang telah dilakukan. 2. Categorized : memahami unit analisis atau komponen kunci dari data. Gambar IV.1 sampai Gambar IV.3 akan menguraikan secara berturut-turut mahasiswa yang tidak mengulang mata kuliah kalkulus I, kalkulus II, dan matriks vektor pada periode 25-21, walaupun nilai yang diperoleh dinyatakan tidak lulus. Nilai yang dinyatakan tidak lulus adalah nilai, sedangkan nilai dianggap tidak mengulang. Proceeding Seminar Nasional eknik Industri & Kongres BKSI VI 211 Hal IIB Gambar 3. Data yang idak Lulus Mata dan idak Mengulang Mata Kuliah Kalkulus II Periode Gambar 4. Data yang idak Lulus Mata dan idak Mengulang Mata Kuliah Matriks Vektor Periode Gambar 2. Data yang idak Lulus dan idak Mengulang Mata Kuliah Kalkulus I Periode Gambar IV.4 sampai IV.6, akan diuraikan secara berturut-turut mahasiswa mengulang mata kuliah kalkulus I, kalkulus II, dan matriks vektor periode dan mengulang mata kuliah tersebut, sehingga dinyatakan lulus, atau bahkan setelah melalui proses pengulangan pengambilan mata kuliah yang sama pada periode yang berbeda, tetap dinyatakan tidak lulus Series Gambar 5. Data yang Mengulang Mata Kuliah Kalkulus I Periode 25-21

4 Gambar 6. Data yang Mengulang Mata Kuliah Kalkulus II Periode Series Gambar 7. Data yang Mengulang Mata Kuliah Matriks Vektor Periode Calculated : menganalisis data secara matematik atau statistik. Data-data pada mata kuliah seperti kalkulus I, kalkulus II dan matriks vektor diolah secara matematik menggunakan software Microsoft xcel. Data-data tersebut diolah secara manual menggunakan software Microsoft xcel, dari mulai proses pengumpulan data, pencarian mahasiswa yang tidak lulus mata kuliah tersebut, sampai dengan mencari mahasiswa yang tidak lulus, mengulang di berapa di periode yang berbeda. Data-data yang dikumpulkan bukan hanya data mentah berupa nilai mata kuliah yang sifatnya explicit, data-data tacit juga dikumpulkan berupa kuesioner dan wawancara. Data kuesioner diolah menggunakan software SPSS, untuk mengetahui data-data tersebut sudah valid atau belum. Data kuesioner harus valid, karena menunjukkan apakah responden atau sampel yang dipilih secara acak, dapat mengerti maksud dari pertanyaan yang diajukan. Uraian berikut akan diperlihatkan secara berturut-turut dari abel IV.6 sampai abel IV.8 mengenai nilai mata kuliah kalkulus I, kalkulus II dan matriks Proceeding Seminar Nasional eknik Industri & Kongres BKSI VI 211 Hal IIB vektor periode yang diolah menggunakan software Microsoft xcel Corrected : menghilangkan kesalahan dari data. Data-data yang salah seperti data yang tidak valid, dapat dihilangkan. etapi pada pengolahan data ini, tidak ada proses menghilangkan kesalahan dari data, karena data yang diolah, semuanya valid dan tidak ditemukan data yang tidak valid, sehingga tidak ada data yang harus dihilangkan. 5. Condensed : meringkas data dalam bentuk yang lebih singkat dan jelas. Data-data yang telah diolah, kemudian dapat diringkas menggunakan diagram, gambar yang dapat mempermudah pembaca, sehingga pembaca dapat membacanya dan dapat melihatnya sebagai sebuah informasi yang jelas. Gambar IV.7 akan diuraikan mahasiswa yang tidak lulus mata kuliah kalkulus I, kalkulus II, dan matriks vektor atau mahasiswa yang memperoleh nilai dan pada periode dan tidak melakukan proses pengulangan, dan Gambar IV.8 akan diuraikan mahasiswa yang mengulang mata kuliah kalkulus I, kalkulus II, dan matriks vektor pada periode dalam bentuk chart, agar dapat dengan mudah dilihat sebagai sebuah informasi yang lebih mudah untuk dipahami. Data-data tersebut diringkas menjadi tabel yang lebih singkat dan jelas Kalkulus I Kalkulus II Matriks Vektor Gambar 8. Data yang idak Lulus Kalkulus I, Kalkulus II, dan Matriks vektor pada periode 25-21

5 Gambar 9. Data yang Mengulang Kalkulus I, Kalkulus II, dan Matriks vektor pada periode Analisis Konversi Informasi Menjadi Knowledge Proceeding Seminar Nasional eknik Industri & Kongres BKSI VI 211 Hal IIB Pada tahapan ini, pendapat orang lain akan dikumpukan, yang bertujuan untuk mendapatkan pandangan lain tentang masalah yang terkait. Data yang dikumpulkan berupa data wawancara yang dilakukan kepada prodi Fakultas Rekayasa Industri dan kepada psikologi. Dari wawancara yang telah dilakukan, didapatkan pandangan lain mengenai permasalahan yang diangkat. Pertanyaan yang diajukan adalah Dengan melihat jumlah ketidaklulusan mata kuliah PB yang diambil contoh kasusnya adalah mata kuliah kalkulus I, kalkulus II dan matriks vektor pada periode dan jumlah mahasiswa yang melakukan pengulangan mata kuliah tersebut, menurut bapak / ibu aspek-aspek apa saja yang mungkin memmengaruhi tingginya tingkat ketidaklulusan tersebut? 1. Comparison : membandingkan informasi pada situasi tertentu dengan situasi-situasi yang lain yang telah diketahui. Informasi-informasi yang akan dibandingkan adalah informasi mengenai dosen pengampu mata kuliah setiap tahunnya. Akan dilihat jumlah ketidaklulusan mahasiswa dari tahun ke tahun dari dosen yang sama ataupun dari dosen yang berbeda setiap tahunnya. 2. Consequence : menemukan implikasiimplikasi dari informasi yang bermanfaat untuk pengambilan keputusan dan tindakan. Implikasi-implikasi yang akan dihubungkan adalah data dari kuesioner yang telah disebarkan kepada mahasiswa dan kuesioner terbuka yang telah disebarkan kepada dosen pengampu mata kuliah kalkulus I, kalkulus II dan matriks vektor. Dari jawaban-jawaban yang telah diberikan oleh mahasiswa dan dosen, akan dilihat hubunganhubungan jawaban yang diberikan. 3. Connections : menemukan hubunganhubungan bagian-bagian kecil dari informasi dengan hal-hal lainnya. Hubungan yang akan digabungkan adalah informasi yang diperoleh dari kuesioner terbuka dosen, bagaimana tacit knowledge yang dimiliki oleh dosen tersebut terhadap proses pengajaran yang dilakukan, dan treatment-treatment apa saja yang akan diberikan dosen pengampu mata kuliah jika dihadapkan pada suatu kondisi tertentu. 4. Conversations : membicarakan pandangan, pendapat serta tindakan orang lain terkait informasi tersebut. V. Penutup Kesimpulan Berdasarkan pada tujuan dari penelitian ini, maka terdapat beberapa kesimpulan yang dapat diambil, yaitu 1. Dari data-data berupa nilai mata kuliah yang telah dikonversi menjadi informasi, dapat diperoleh informasi bahwa terjadi peningkatan jumlah mahasiswa yang tidak lulus pada mata kuliah PB, yang menyebabkan mahasiswa tersebut harus mengundurkan diri. Dari data-data yang telah dikonversi menjadi informasi, dapat juga diperoleh informasi jumlah mahasiswa yang sama melakukan pengulangan mata kuliah PB pada periode yang berbeda. 2. Informasi yang telah dikumpulkan ditambah dengan informasi yang didapatkan dari mahasiswa dan dosen pengampu mata kuliah PB, diperoleh knowledge berupa tacit knowledge. Dari hasil kuesioner tersebut diperoleh hasil bahwa mahasiswa masih merasa input dalam proses pengajaran yang dirasa penting, tapi dalam prosesnya dirasa masih kurang puas terhadap input tersebut. 3. Data-data yang telah dikonversi menjadi informasi dan informasi menjadi knowledge, kemudian dapat dieksternalisasikan berupa dokumen, yang dapat digunakan sebagai bahan evaluasi proses pengajaran. Data berupa tacit knowledge juga dapat dieksternalisasikan ke dalam bentuk dokumen.

6 Daftar Pustaka Proceeding Seminar Nasional eknik Industri & Kongres BKSI VI 211 Hal IIB - 37 [1]. Adam, G.S. & orgerson,.l Measurement and valuation in ducation, Psychology, and Guidance. N.Y.: Holt Renehart and Winston. [2]. Anantatmula, V., Knowledge Management Criteria, Chapter 11 in Stankosky., (ed.) Creating he Discipline of Knowledge Management, lsevier Inc., 25. [3]. Bellinger, G.,Castro, D., Mills,A., Data, Information, Knowledge, and Wisdom available from http: // June 26. [4]. Choo, C.W he Knowing Organization: How Organization Use Information to Construct Meaning, Create Knowledge, and Decision Making. New York : Oxford University Press. [5]. Davenport,.H., and Prusak, L., Working Knowledge, Harvard Business School Press, [6]. Devinney,.M., Midgley, D.F. and Venaik, S. (1999). he Organizational Imperative and the Optimal Performance of the Global Firm: Formalizing and extending the integration responsiveness framework, Organization Science. [7]. McInerney, Claire (22).Journal of the American Society for Information Science and echnology 53 (12): [8]. Mulyana. 26. Standar Kompetensi dan Sertifikasi Guru. P.Remaja Rosdakarya. Bandung. [9]. Nonaka, Ikujiro dan Hirotaka akeuchi he Knowledge- Creating Company: How Japanese Companies Create the Dynamic of Innovation. New York: Oxford University Press. [1]. Nonaka, Ikujiro, dalam he Strategic Management of Intellectual Capital and Organization(ed. Chun Wei Choo & Nick Bontis). 2. New York: Oxford University Press, Inc.pp [11]. Quinn,J.B., Intelligent nterprise: A Knowledge and Services Based Paradigm for Industry. New York: he Free Press [12]. iwana, A., he ssential Guide to Knowledge Management, New Jersey: Prentice Hall PR, 2. [13]. obing, Paul L,Knowledge Management: Konsep, Arsitektur dan Implementasi, Graha Ilmu, 27. [14]. obing, Paul L, Knowledge Management: Manajemen Knowledge Sharing berbasis komunitas, Knowledge Management Society Indonesia, 211. [15]. uomi, Ikka, Corporate Knowledge: Practice of Intelligent Organization. Helsinki, Finland: Metaxis.pp.21. [16]. Zaini, dkk. 22. Desain Pembelajaran di Perguruan inggi. Yogyakarta : CSD IAIN Sunan Kalijaga.