cluster guru
TRANSCRIPT
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
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
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) .
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
Gambar 1. Algoritma K-Mean
Langkah dasar K-Mean Clustering adalah
membagi jumlah cluster K (jumlah
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
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
5
ilustrasi grafik-nya menggunakan software
MATLAB dengan M-file sebagai berikut :
% data contoh X = [20 30 10; 10 15 20 ; 30 40 20]
[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 masing-
masing 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:
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.
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, 2007.
[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 2002.
[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.