KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING

Transkripsi

1 KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING Ari Kurniawan, Mochamad Hariadi S2 Teknik Elektro (Telematika), Institut Teknologi Sepuluh Nopember Surabaya Abstrak Guru profesional harus memiliki kualifikasi akademik minimum sarjana (S-1) atau diploma empat (D-IV), menguasai kompetensi (pedagogik, profesional, sosial dan kepribadian), memiliki sertifikat pendidik, sehat jasmani dan rohani, serta memiliki kemampuan untuk mewujudkan tujuan pendidikan nasional. Dengan terlaksananya sertifikasi guru, diharapkan akan berdampak pada meningkatnya mutu pembelajaran dan mutu pendidikan secara berkelanjutan. Hasil penilaian portofolio sertifikasi guru hanyalah berupa angka-angka komponen kompetensi dari guru, jadi tidak memberikan informasi profil kompetensi guru apakah tergolong kurang, cukup atau baik. Untuk mendapatkan informasi dan pengetahuan tentang profil kompetensi guru diperlukan adanya suatu metode penggalian data (data maining) dan klasifikasi yang tepat dengan jalan mengolah dan menggali variabel hasil penilaian portofolio dan aspek lain dari profil guru. Kata kunci : Sertifikasi Guru, Portofolio, Data Mining. I. PENDAHULUAN Guru mempunyai kedudukan sebagai tenaga profesional pada jenjang pendidikan dasar, pendidikan menengah, dan pendidikan anak usia dini pada jalur pendidikan formal yang diangkat sesuai dengan peraturan perundang-undangan. Pengakuan kedudukan guru sebagai tenaga profesional tersebut dibuktikan dengan sertifikat pendidik. Lebih lanjut Undang-Undang Nomor 14 Tahun 2005 tentang Guru tersebut mendefinisikan bahwa profesional adalah pekerjaan atau kegiatan yang dilakukan oleh seseorang dan menjadi sumber penghasilan kehidupan yang memerlukan keahlian, kemahiran, atau kecakapan yang memenuhi standar mutu atau norma tertentu serta memerlukan pendidikan profesi. Diharapkan agar guru sebagai tenaga profesional dapat berfungsi untuk meningkatkan martabat dan peran guru sebagai agen pembelajaran dan berfungsi untuk meningkatkan mutu 1

2 pendidikan nasional. Dengan terlaksananya sertifikasi guru, diharapkan akan berdampak pada meningkatnya mutu pembelajaran dan mutu pendidikan secara berkelanjutan. Untuk mengelola data tersebut, dibutuhkan metode yang bisa digunakan untuk menggali informasi informasi dari data tersebut. Metode tersebut dikenal dengan data mining. Dengan bantuan perangkat lunak, data mining melakukan proses analisa data untuk menemukan pola atau aturan tersembunyi dalam lingkup himpunan data konsumen tersebut. Pada studi kasus ini, analisa data mining dilakukan dengan metode clustering yang mengunakan algoritma K-Means yang disimulasikan dengan perangkat lunak. Perangkat lunak ini, yang akan digunakan untuk pengelompokan konsumen berdasarkan data yang ada, sehingga bisa didapatkan kelompok kelompok guru menurut tingkat kompetensinya. A. Maksud dan Tujuan Penelitian Maksud dan tujuan dari penelitian ini, adalah: 1. Memberikan gambaran dan analisa kelebihan dan kekurangan kompetensi guru dengan pemilihan data yang variatif. 2. Bagaimana memanfaatkan data berupa angka-angka hasil penilaian portofolio menjadi sebuah informasi dan pengetahuan tentang kompetensi guru. 3. Menerapkan proses data mining untuk pengolahan nilai portofolio guru dengan metode K-mean clustering untuk mengelompokan kompetensi yang relatif homogen. B. Batasan Masalah Batasan masalah dalam penulisan penelitian ini, meliputi: 1. Basis data yang akan digunakan dalam studi kasus ini adalah basis data ASG dan kemudian akan diolah berdasarkan proses-proses yang ada dalam data mining. 2. Kemiripan antar data dalam studi kasus ini diterjemahkan sebagai jarak kedekatan antar data dengan titik pusat (centroid), sehingga menghasilkan klaster-klaster peserta sesuai dengan tujuan dari studi kasus ini 3. Penggunaan metode clustering untuk mengelompokan peserta dengan menggunakan algoritma k-mean. 4. Untuk simulasi data menggunakan software MATLAB. II. TINJAUAN PUSTAKA 2

3 A. Sertifikasi Guru Dalam konteks sertifikasi guru, portofolio adalah bukti fisik (dokumen) yang menggambarkan pengalaman berkarya/prestasi yang dicapai selama menjalankan tugas profesi sebagai guru dalam interval waktu tertentu. Dokumen ini terkait dengan unsur pengalaman, karya, dan prestasi selama guru yang bersangkutan menjalankan peran sebagai agen pembelajaran. Keefektifan pelaksanaan peran sebagai agen pembelajaran tergantung pada tingkat kompetensi guru yang bersangkutan, yang mencakup kompetensi kepribadian, kompetensi pedagogik, kompetensi sosial, dan kompetensi profesional. Fungsi portofolio dalam sertifikasi guru dalam jabatan adalah untuk menilai kompetensi guru sebagai pendidik dan agen pembelajaran. Kompetensi pedagogik dinilai antara lain melalui dokumen kualifikasi akademik, pendidikan dan pelatihan, pengalaman mengajar, perencanaan dan pelaksanaan pembelajaran. Kompetensi kepribadian dan kompetensi sosial dinilai antara lain melalui dokumen penilaian dari atasan dan pengawas. Kompetensi profesional dinilai antara lain melalui dokumen kualifikasi akademik, pendidikan dan pelatihan, pengalaman mengajar, perencanaan dan pelaksanaan pembelajaran, prestasi akademik, dan karya pengembangan profesi. Sesuai Permendiknas No. 18 Tahun 2007 komponen penilaian meliputi : 1. Kualifikasi Akademik 2. Pendidikan dan Pelatihan 3. Pengalaman Mengajar 4. Perencanaan dan Pelaksanaan Pembelajaran 5. Penilaian dari Atasan dan Pengawas 6. Prestasi Akademik 7. Karya Pengembangan Profesi 8. Keikutsertaan Forum Ilmiah 9. Pengalaman Menjadi Pengurus Organisasi di Bidang Kependidikan dan Sosial 10. Penghargaan yang relevan dengan bidang pendidikan B. Data Mining Data mining merupakan sebuah analisa dari observasi data dalam jumlah besar untuk menemukan hubungan yang tidak diketahui sebelumnya dan metode baru untuk meringkas data agar mudah dipahami serta kegunaannya untuk pemilik data (David Hand et al, 2001). 3

4 C. Metode Clustering Clustering adalah salah satu teknik unsupervised learning dimana kita tidak perlu melatih metode tersebut atau dengan kata lain, tidak ada fase learning. Tujuan dari metode clustering adalah untuk mengelompokkan sejumlah data atau objek kedalam klaster sehingga setiap klaster akan terisi data yang semirip mungkin (Budi Santosa, 2007). D. Algoritma K-means Clustering kelompok yang dikehendaki) dan mengasumsikan/menentukan centroid atau pertengahan cluster. Objek diambil k data pertama sebagai centroid pertama. Dengan algoritma K-means dilakukan langkah berikut hingga ditemukan hasil iterasi yang stabil : 1. Menentukan data centroid, pada sistem ini, ditentukan bahwa centroid pertama adalah n data pertama dari data-data yang akan di-cluster 2. Menghitung jarak antara centroid dengan masing-masing data. 3. Mengelompokkan data berdasarkan jarak minimum. 4. Jika penempatan data sudah sama dengan sebelumnya, maka stop. Jika tidak, kembali III. UJI COBA Gambar 1. Algoritma K-Mean Langkah dasar K-Mean Clustering adalah membagi jumlah cluster K (jumlah Untuk uji coba klaster, data masukan uji coba penelitian ini berdasar asal peserta dari kabupaten / kota baik untuk kompetensi tertentu. Data masukan berupa matriks dengan dimensi yang beragam tergantung jumlah peserta dan komponen pendukung kompetensi. Komponen penilaian sebagai kolom matriks dan jumlah data peserta sebagai baris. Penentuan klaster peserta dan 4

5 ilustrasi grafik-nya menggunakan software MATLAB dengan M-file sebagai berikut : % data contoh X = [ ; ; ] [cidx,ctrs] = kmeans(x,2,'dist','sqeuclidean'); [ctrs] [X cidx] s = xlswrite('tempdata.xls', cidx) plot(x(cidx==1,1),x(cidx==1,2),'ro',x(cidx==2,1),... X(cidx==2,2),'b*',ctrs(:,1),ctrs(:, 2),'kx') title('clustering Pedagogik Kab. Mojokerto') Penjelasan script : 1. Baris pertama memuat variabel X dengan data matriks nilai kompetensi 2. Baris berikutnya mendapatkan nomor klaster (cidx) dan nilai tengah klaster / centroid (ctrs) dengan fungsi kmeans dengan parameter jumlah klaster yang diinginkan (2) dengan menggunakan metode penentuan jarak Squared Euclidean. 3. Perintah xlswrite berfungsi untuk merekam kelompok untuk masingmasing peserta kedalam file tempdata.xls. 4. Perintah plot digunakan untuk menampilkan data dalam bentuk grafik. Gambar 2. Klasterisasi kompetensi guru Pada gambar adalah hasil klasterisasi nilai kompetensi kualifikasi akademik dan perencanaan & Pelaksanaan Pembelajaran. Terbangun 2 kelompok dan bisa disimpulkan bahwa : - kompetensi guru di Kab. Gresik dalam membuat RPP tergolong bagus dan merata dari berbagai kualifikasi akademik. - Tanda (*) adalah kelompok guru-guru yang perlu mendapat perhatian berkaitan dengan kualifikasi akademik yang dibawah rata-rata. V. KESIMPULAN DAN SARAN Berdasar studi kasus yang telah dilakukan bisa ditarik kesimpulan sebagai berikut: 5

6 1) Metode clustering dengan algoritma K- Means Clustering bisa digunakan untuk melakukan pengelompokan kompetensi guru. 2) Selanjutnya, hasil dari penelitian ini bisa dijadikan sebagai acuan dalam proses pengembangan & peningkatan kompetensi guru oleh pihak-pihak terkait. [5] Sarwosri, Darlis Heru Murti, Dian Wijayanti. Sistem Informasi Monitoring Pengembangan Sekolah dengan menggunakan K-Mean Clustering Makalak-makalah Sistem Informasi [6] Tri, A (2001). Desain dan Implementasi Aplikasi Agent untuk Pemetaan Jaringan. Tesis Teknik Elektro. Untuk memaksimalkan hasil, perlu diadakan penelitian lebih mendalam dengan membandingkan dengan metode clustering lainnya. DAFTAR PUSTAKA [1] Budi Santosa, Data Mining: Teknik Pemanfaatan Data Untuk Keperluan Bisnis, Graha Ilmu, Yogyakarta, [2] Direktorat Jenderal Pendidikan Tinggi Departemen Pendidikan Nasional (2009), Buku 3 Pedoman Penyusunan Portofolio, Jakarta. [3] Han, Jiawei (2006). Data Mining Concepts and Techniques Second Edition. University of Illinois. [4] Moertini, Veronika S. (2002). Data Mining sebagai Solusi Bisnis. Integral, vol. 7, no.1 April