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

Proceeding Seminar Nasional Teknik Industri & Kongres BKSTI VI 2011 Hal IIB - 365

EVALUASI PROSES PENGAJARAN TAHAP PERSIAPAN BERSAMA MENGGUNAKAN KNOWLEDGE CONVERSION DI INSTITUT TEKNOLOGI TELKOM BANDUNG Ryani Sabrina Purba, Luciana Andrawina, Amelia Kurniawati. Fakultas Rekayasa Industri Institut Teknologi Telkom Jl. Telekomunikasi No. 1. Terusan Buah Batu, Bandung Email: [email protected], [email protected], [email protected]

Abstrak Evaluasi hasil belajar di perguruan tinggi merupakan komponen penting dalam setiap situasi pembelajaran. Evaluasi hasil belajar dapat dilakukan dengan mengonversi data menjadi informasi dan informasi menjadi knowledge. Penelitian ini dilakukan dengan menggunakan model SECI 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 TPB mencapai lebih dari 20% 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 : Evaluasi Proses Pengajaran, konversi data-informasi-knowledge, model SECI.

I. Pendahuluan Latar Belakang Evaluasi 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, 2002). Evaluasi meliputi berbagai macam bentuk kegiatan, mulai dari observasi informal terhadap reaksi mahasiswa, observasi kinerja terstruktur, penggunaan diskusi dan catatan harian (Zaini, dkk, 2002). Pada saat ini proses evaluasi masih belum dilakukan di IT TELKOM, hal ini dapat dilihat dari keberhasilan sebuah mata kuliah, dapat dilihat satu mata kuliah yang sering kali menjadi bahan dasar mengakibatkan seseorang harus mengulang atau dengan mata kuliah ini

membuat mahasiswa menjadi Drop Out. Kalkulus I adalah salah satu mata kuliah Tahap Persiapan Bersama yang sering kali 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 TPB yang dihasilkan oleh mahasiswa IT TELKOM cenderung masih rendah. Hal ini dapat dilihat dari nilai pada mata kuliah Tahap Persiapan Bersama (TPB) yang tergolong rendah. Dapat dilihat dari data pada tahun 2005 – 2010 pada Tabel I.1

Proceeding Seminar Nasional Teknik Industri & Kongres BKSTI VI 2011 Hal IIB - 366 Tabel 1 Data nilai mata kuliah kalkulus I periode II. Metodologi Penelitian 2005-2010 Model Konseptual

TAHUN Nilai A B C D E T Mengulang Jumlah

20052006 235 250 217 94 109 2

20062007 228 206 205 202 162 9

20072008 374 334 323 233 208 1

20082009 236 285 510 348 350 19

20092010 259 351 412 394 394 3

133 907

117 1012

148 1474

153 1749

257 1813

Dengan demikian, IT TELKOM 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 SECI model. Model yang digunakan untuk pemecahan masalah tersebut adalah dengan menggunakan SECI 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. Tujuan 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 IT TELKOM yang mengonversi data menjadi informasi yang kemudian dieksternalisasikan menjadi knowledge. Selanjutnya data yang diperoleh dikonversi menjadi informasi dan kemudian dapat diolah dengan SECI model pada konversi knowledge fase externalization. Input berupa data mata kuliah kalkulus I, kalkulus II dan matriks vektor periode 20052010 sebagai explicit knowledge, dan data berupa kuesioner mahasiswa, kuesioner terbuka dosen, wawancara mahasiswa dan wawancara ahli sebagai tacit knowledge, yang akan diproses menggunakan model SECI 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 TPB, yaitu mata kuliah kalkulus I, kalkulus II, dan matriks vektor periode 2005-2010. Proses pengolahan data dilakukan dengan dua cara, yaitu konversi data menjadi informasi menggunakan 5C, yaitu Contextualized, Categorized, Calculated, Corrected, dan Condensed , yang kedua

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.

Jumlah Mahasiswa

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 2005-2010, walaupun nilai yang diperoleh dinyatakan tidak lulus. Nilai yang dinyatakan tidak lulus adalah nilai E, sedangkan nilai T dianggap tidak mengulang.

300 250 200 150 100 50 0 Jumlah Mahasiswa

E

T

258

7

Gambar 2. Data Mahasiswa yang Tidak Lulus dan Tidak Mengulang Mata Kuliah Kalkulus I Periode 2005-2010

400 300 200 100 0 Jumlah Mahasiswa

E

T

392

49

Gambar 3. Data Mahasiswa yang Tidak Lulus Mata dan Tidak Mengulang Mata Kuliah Kalkulus II Periode 2005-2010 Jumlah Mahasiswa

IV.

150 100 50 0 Jumlah Mahasiswa

E

T

125

6

Gambar 4. Data Mahasiswa yang Tidak Lulus Mata dan Tidak Mengulang Mata Kuliah Matriks Vektor Periode 2005-2010 Gambar IV.4 sampai IV.6, akan diuraikan secara berturut-turut mahasiswa mengulang mata kuliah kalkulus I, kalkulus II, dan matriks vektor periode 2005-2010 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.

Jumlah Mahasiswa

konversi informasi menjadi knowledge dilakukan dengan 4C yaitu. Comparison, Consequence, Connections, dan Conversations.

Jumlah Mahasiswa

Proceeding Seminar Nasional Teknik Industri & Kongres BKSTI VI 2011 Hal IIB - 367

120 100 80 60 40 20 0 Series1

2 kali 112

3 kali 95

4 kali 5

Gambar 5. Data Mahasiswa yang Mengulang Mata Kuliah Kalkulus I Periode 2005-2010

Proceeding Seminar Nasional Teknik Industri & Kongres BKSTI VI 2011 Hal IIB - 368 vektor periode 2005-2010 yang diolah menggunakan software Microsoft Excel.

200 100 0 Series1

2 kali 238

3 kali 16

Jumlah Mahasiswa

Gambar 6. Data Mahasiswa yang Mengulang Mata Kuliah Kalkulus II Periode 2005-2010 300 250 200 150 100 50 0 2 kali

3 kali

4 kali

5 kali

Jumlah 267 Mahasiswa

99

18

1

Gambar 7. Data Mahasiswa yang Mengulang Mata Kuliah Matriks Vektor Periode 2005-2010 3. 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 Excel. Data-data tersebut diolah secara manual menggunakan software Microsoft Excel, dari mulai proses pengumpulan data, pencarian mahasiswa yang tidak lulus mata kuliah tersebut, sampai dengan mencari mahasiswa yang tidak lulus, mengulang di berapa kali 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 Tabel IV.6 sampai Tabel IV.8 mengenai nilai mata kuliah kalkulus I, kalkulus II dan matriks

4. Corrected : menghilangkan kesalahan dari data. Data-data yang salah seperti data yang tidak valid, dapat dihilangkan. Tetapi pada pengolahan data kali 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 E dan T pada periode 20052010 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 2005-2010 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. Jumlah Mahasiswa

300

400 300 200 100 0 Kalkulus I

E 258

T 7

Kalkulus II

392

49

Matriks Vektor

125

6

Gambar 8. Data Mahasiswa yang Tidak Lulus Kalkulus I, Kalkulus II, dan Matriks vektor pada periode 2005-2010

Proceeding Seminar Nasional Teknik Industri & Kongres BKSTI VI 2011 Hal IIB - 369

Gambar 9. Data Mahasiswa yang Mengulang Kalkulus I, Kalkulus II, dan Matriks vektor pada periode 2005-2010 Analisis Konversi Informasi Menjadi Knowledge 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.

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 TPB yang diambil contoh kasusnya adalah mata kuliah kalkulus I, kalkulus II dan matriks vektor pada periode 2005-2010 dan jumlah mahasiswa yang melakukan pengulangan mata kuliah tersebut, menurut bapak / ibu aspek-aspek apa saja yang mungkin memmengaruhi tingginya tingkat ketidaklulusan 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 TPB, 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 TPB pada periode yang berbeda. 2. Informasi yang telah dikumpulkan ditambah dengan informasi yang didapatkan dari mahasiswa dan dosen pengampu mata kuliah TPB, 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.

Proceeding Seminar Nasional Teknik Industri & Kongres BKSTI VI 2011 Hal IIB - 370 Daftar Pustaka [1].

Adam, G.S. & Torgerson, T.L. 1964. Measurement and Evaluation in Education, Psychology, and Guidance. N.Y.: Holt Renehart and Winston. [2]. Anantatmula, V.,”Knowledge Management Criteria”, Chapter 11 in Stankosky., (ed.) Creating The Discipline of Knowledge Management, Elsevier Inc., 2005. [3]. Bellinger, G.,Castro, D., Mills,A., Data, Information, Knowledge, and Wisdom available from http: //www.systemthinking.org/dikw.htm,retrieved June 2006. [4]. Choo, C.W. 1998. The Knowing Organization: How Organization Use Information to Construct Meaning, Create Knowledge, and Decision Making. New York : Oxford University Press. [5]. Davenport, T.H., and Prusak, L., Working Knowledge, Harvard Business School Press, 1998. [6]. Devinney, T.M., Midgley, D.F. and Venaik, S. (1999). The Organizational Imperative and the Optimal Performance of the Global Firm: Formalizing and extending the integration–responsiveness framework, Organization Science. [7]. McInerney, Claire (2002).Journal of the American Society for Information Science and Technology 53 (12): 1009–1018. [8]. Mulyana. 2006. Standar Kompetensi dan Sertifikasi Guru. PT.Remaja Rosdakarya. Bandung. [9]. Nonaka, Ikujiro dan Hirotaka Takeuchi. 1995. The KnowledgeCreating Company: How Japanese Companies Create the Dynamic of Innovation. New York: Oxford University Press. [10]. Nonaka, Ikujiro, dalam The Strategic Management of Intellectual Capital and Organization(ed. Chun Wei Choo & Nick Bontis). 2000. New York: Oxford University Press, Inc.pp. 438439.

[11]. Quinn,J.B., 1999. Intelligent Enterprise: A Knowledge and Services Based Paradigm for Industry. New York: The Free Press [12]. Tiwana, A., The Essential Guide to Knowledge Management, New Jersey: Prentice Hall PTR, 2000. [13]. Tobing, Paul L,Knowledge Management: Konsep, Arsitektur dan Implementasi, Graha Ilmu, 2007. [14]. Tobing, Paul L, Knowledge Management: Manajemen Knowledge Sharing berbasis komunitas, Knowledge Management Society Indonesia, 2011. [15]. Tuomi, Ikka, 1999. Corporate Knowledge: Practice of Intelligent Organization. Helsinki, Finland: Metaxis.pp.21. [16]. Zaini, dkk. 2002. Desain Pembelajaran di Perguruan Tinggi. Yogyakarta : CTSD IAIN Sunan Kalijaga.