APLIKASI FUZZY INFERENCE SYSTEM (FIS) MAMDANI TERHADAP KINERJA GURU DI SMK N 1 BUKITTINGGI Annisa Ramadhany1), Khairudin 2), Mirza Zoni 3) Mahasiswa Program Studi PTIK FKIP Universitas Bung Hatta Padang 2) Dosen Program Studi PTIK FKIP Universitas Bung Hatta Padang 3) Dosen Program Studi Teknik Elektro FTI Universitas Bung Hatta Padang E-mail :
[email protected]
1)
Abstrak This study aims to produce an assessment with the help of Fuzzy Inference System Mamdani method to analyze and determine the quality of teaching and teacher performance based on Peraturan Mentri Negara Pendayagunaan Aparatur Negara dan Reformasi Birokrasi No. 16 Tahun 2009. It’s because still found of a number of teachers who still have not been concerned with their main task as a teacher which is to educate, teach, train, direct, assess and evaluate students. In this study the number of samples used as much as 5 teachers and 20 students from 2 class of the third grade which are 10 students each class in Computer Engineering and Networks major in Vocational School Number 1 Bukittinggi. Data collection techniques used in this study is the use of a questionnaire distributed to teachers / supervisors and students to assess the performance of the teacher. From the data analysis using the Fuzzy Inference System Mamdani method obtained results the performance of each teacher with the same value in good categories at 85. Keywords : Fuzzy Inference System, Mamdani Methode, Assessment of Teacher Performance
SMK N 1 Bukittinggi, masih ditemukannya
Pendahuluan Dalam UU RI No.14 Tahun 2005
sebagian guru yang belum bisa dikatakan
Tentang Guru dan Dosen Pasal 1 ayat 1
sebagai guru profesional, karena masih ada
telah dinyatakan bahwa “Guru adalah
guru yang hanya mengandalkan bahan ajar,
pendidik profesional dengan tugas utama
media dan perangkat pemebelajaran yang
mendidik,
sudah digunakan tanpa mencoba untuk
mengajar,
membimbing,
mengarahkan,
melatih,
menilai,
dan
mengevaluasi
peserta
didik
pada
memperbaharuinya. Serta masih ada guru yang
hanya
menyampaikan
pendidikan usia dini jalur pendidikan
pembelajaran
formal, pendidikan dasar, dan pendidikan
mementingkan tugas utamanya sebagai
menengah”
seorang guru yaitu mendidik, mengajar,
Dalam observasi penelitian yang
membimbing,
telah dilakukan pada bulan Januari 2015 di
kepada
siswa
materi
mengarahkan,
menilai, dan mengevaluasi siswa. 1
tanpa
melatih,
Serta interaksi antara guru dan
Metodologi
siswa diluar jam pelajaran juga masih
Data yang akan digunakan dalam
kurang. Penilaian secara tidak langsung
penelitian ini yaitu data skunder karena
seperti ini akan dilakukan oleh guru lain
menggunakan data-data yang telah tersedia
terhadap seorang guru yang juga dapat
dan data yang berasal dari hasil penilaian
memepengaruhi pandangan siswa. Hal itu
siswa, guru dan atasan terhadap kinerja
juga akan berdampak kepada kemauan dan
guru di SMK N 1 Bukittnggi melalui
minat siswa untuk belajar dengan guru
angket yang akan disebarkan. Angket yang
tersebut.
akan digunakan dalam penelitian ini ada 2
Seiring berkembangnya teknologi,
macam, yaitu angket untuk guru/atasan
penulis mengemukakan gagasan untuk
berdasarkan Peraturan Menteri Pendidikan
menganalisa
Nasional
kinerja
guru
dengan
No.16/2007
tentang
Standar
menggunakan aplikasi MATLAB (Matrix
Kualifikasi Akademik dan Kompetensi
Laboratory) menggunakan logika fuzzy
Guru
Dengan adanya inovasi ini, diharapkan
berdasarkan
dapat mempermudah guru maupun peneliti
divalidasi terlebih dahulu.
lain yang ingin menganalisa kinerja guru
dan
angket Asto
persepsi Budi
yang
siswa telah
Untuk menganalisis angket yang
secara cepat dan praktis.
akan digunakan dapat dilakukan dengan
Dalam menerapkan metode fuzzy
menganalisis item dengan menggunakan
ini, terdapat dua variabel masukan (input)
bantuan software SPSS (Statistical Product
yang akan digunakan sebagai variabel,
and Service Solution) dengan metode
yaitu siswa dan guru/atasan. Dalam hal ini,
Korelasi Pearson. Untuk menentukan item
kedua masukan akan diberikan masing-
valid atau tidak valid dapat dilihat pada
masing kuisioner untuk mendapatkan data-
nilai signifikansi, jika signifikas >0,05
data yang dibutuhkan. Setelah data diproses
maka
menggunakan fuzzy logic, masukan ini akan
signifikansi <0.05 maka item valid.
item
tidak
valid.
Tetapi
jika
menghasilkan keluaran (output) berupa
Dalam penelitian ini yang menjadi
keputusan baik atau tidak baiknya kinerja
populasi penelitian adalah siswa dan guru-
guru dalam bentuk deffuzifikasi (mengubah
guru SMK N 1 Bukittinggi jurusan Teknik
variabel keluaran kabur menjadi nilai-nilai
Jaringan Komputer. Namun yang akan
tegas berupa angka).
diambil hanya beberapa sampel secara acak yaitu 20 orang siswa kelas XII dan 5 orang guru.
2
Sebelum
melakukan
analisa
Tabel 2. Kriteria PenilaianKinerja Guru
terhadap kinerja guru, tentukan range nilai
Nilai Hasil Kinerja Guru 91 - 100 76 – 90 61 – 75 51 – 60 ≤ 50
kategori variabel input dan output yang akan digunakan, seperti pada tabel berikut : Tabel 1. Himpunan input output fuzzy
Kategori Amat Baik Baik Cukup Sedang Kurang
untuk Penilaian Kinerja Guru Tabel 3. Kriteria Skor Persepsi Siswa Kriteria Skor Persepsi Siswa 81 – 100 61 – 80 41 – 60 21 – 40 0 - 20
Kategori Sangat Baik Baik Sedang Buruk Buruk Sekali
Tahap kedua adalah pembentukan Dalam analisa menggunakan FIS
rules
(aturan)
yaitu
konversi
bentuk
Mamdani ini akan dilakukan tiga tahapan,
fuzzyfikasi menggunakan aturan IF –THEN
yang pertama fuzzifikasi yaitu proses
berdasarkan tabel validasi rules menurut
konversi variabel input kedalam fuzzy
J.S.R Jung, C.T Sun, E.Mizutan, 1997
dimana input yang digunakan ada dua yaitu
berikut :
kinerja guru dan persepsi siswa seperti
Tabel 4. Validasi Rules
gambar 1 berikut :
Dalam proses ini rules yang didapat
Gambar 1. Fuzzifikasi untuk Pembagian
kriteria
penilaian
penilaian
kinerja
guru
adalah
sebanyak 25 buah. Proses pembentukan
variabel input dapat dilihat pada tabel
rule dapat dilihat pada gambar 2 :
berikut :
3
Tabel 6. Nilai Rata-rata Penilaian Kinerja Guru oleh Siswa
Gambar 2. Pembentukan Rules Fuzzy Tahap ketiga adalah defuzzifikasi
Hasil dan Pembahasan
yaitu konversi bentuk rules IF-THEN
Dari
penjelasan
yang
telah
kebentuk yang lebih tegas berupa nilai.
diuraikan diatas, penilaian kinerja guru
Nilai
yang
yang
digunakan
sebagai
input
dilakukan
menggunakan
Fuzzy
didapatkan dari hasil olah data nilai rata-
Inference
rata angket guru dan siswa sehingga
menghasilkan nilai yang sama terhadap
didapatkan nilai output yang dijadikan
kinerja guru yaitu 85 yang berada dalam
sebagai nilai akhir penentuan baik atau
kriteria Baik.
tidaknya kinerja guru di SMK N 1
System
(FIS)
Mamdani
Hasil 85 ini didapatkan pada proses
Bukittiggi. Berikut adalah tabel nilai rata-
defuzzifikasi seperti gambar berikut :
rata penilaian kinerja guru oleh sesama guru.
Tabel 5. Nilai Rata-rata Penilaian Kinerja Guru oleh Sesama Guru
Gambar 3. Defuzzifikasi Guru 1
Pada gambar 3 dapat dilihat bahwa dengan memasukan nilai rata-rata kinerja Untuk
penialain
kinerja
guru
sebesar 98,7 dan nilai rata-rata persepsi
menggunakan persepsi siswa, didapatkan
sebesat 76,7 didapatkan nilai keputusan
nilai rata-rata sebagai berikut :
kinerja guru 1 sebesar 85 yang berada dalam kategori Baik. Cara pada proses defuzzifikasi untuk guru 1 ini juga berlaku pada penilaian guru selanjutnya dengan
4
memasukan nilai rata-rata yang diperoleh
dan saran yang sangat berguna bagi
masing-masing guru.
penulis. 4. Bapak Drs. Khairul, M.Sc selaku Dekan Fakultas Keguruan dan Ilmu Pendidikan
Kesimpulan Berdasarkan pembahasan yang telah
Universitas Bung Hatta.
dikemukakan, analisa kinerja 5 orang guru
5. Ibu Riska Amelia, M.Kom selaku
dengan menggunakan fuzzy logic, didapat
Penasehat Akademik (PA).
bahwa nilai kategori kinerja masing-masing
6. Bapak Drs. Yon Afrizal, M.Pd selaku
guru di SMK N 1 Bukittinggi adalah Baik.
Kepala SMK N 1 Bukittinggi.
Hasil kinerja guru ini didapat dengan
7. Bapak / Ibu staf pengajar beserta siswa
menggunakan 2 input dan menghasilkan 1
SMK N 1 Bukittinggi Program Keahlian
output yaitu penilaian sesama guru / atasan
Teknik Komputer dan Jaringan yang
dan persepsi siswa terhadap kinerja guru
telah
yang akan menghasilkan kategori baik atau
mengisi angket penilaian kinerja guru
tidak baiknya kinerja seorang guru. Analisa
untuk kelancaran penulisan karya ilmiah
kinerja guru ini juga dapat diterapkan
ini.
kepada seluruh guru.
meluangkan
waktunya
untuk
8. Keluarga dan teman-teman yang telah mendukung penulis baik secara moril
Ucapan Terima Kasih
maupun materil serta doa yang selalu
1. Bapak Drs. Khairudin, M.Si, selaku
menyertai penulis.
pembimbing I sekaligus ketua Jurusan Pendidikan
Teknik
Informasi
dan
Daftar Pustaka Arikunto, Suharsimi, 2010. Prosedur Penelitian Suatu Pendekatan Prakitk. Yogyakarta: Rineka Cipta.
Komputer Fakultas Keguruan dan Ilmu Pendidikan Padang
Universitas atas
pengarahan,
Bung
bimbingan,
kritik
serta
Hatta saran,
Jung, J.S.R, dkk, 1997. Neuro Fuzzy and Soft Computing. Prentice Hall.
dukungan
selama penyusunan karya ilmiah ini. 2. Bapak
Mirza
Zoni,
M.T,
Kusumadewi, Sri, 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu..
selaku
pembimbing II atas bimbingan yang telah
diberikan
selama
proses Menteri Negara Pendayagunaan Aparatur Negara dan Reformasi Birokrasi Republik Indonesia, Peraturan Menteri Negara Pendayagunaan Aparatur Negara Dan Reformasi
penyusunan karya ilmiah ini. 3. Ibu Karmila Suryani, M.Kom selaku penguji yang telah memberikan masukan
5
Belajar Mengajar Menggunakan Fuzzy Logic dengan Aplikasi MATLAB. Universitas Putra Indonesia “YPTK”. Padang
Birokrasi Nomor 16 Tahun 2009 Tentang Jabatan Fungsional Guru Dan Angka Kreditnya. Priyatno, Duwi, 2014. SPSS 22 Pengolahan Data Terpraktis. Yogyakarta: Andi
Wirawan, 2001, Evaluasi Kinerja, Jakarta: Erlangga.
Sudijono, Anas, 1995, Pengantar Evaluasi Pendidikan. Yogyakarta: Raja Grafindo Persada.
Yulia S.Y, Rahma, 2014, Efektifitas Metode Fuzzy Inference System (FIS) Mamdani terhadap Motivasi Belajar dalam Menentukan Nilai Akhir Mahasiswa Pendidikan Teknik Informatika dan Komputer (PTIK).Universitas Bung Hatta Padang.
Tompar, Rompis, 2012, Analisa Kepuasan Siswa terhadap Kinerja Guru SMA N 1 IV Koto Aur Malintang Kabupaten Padang Pariaman dalam Proses
6
