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
[email protected] 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.
bahwa profesional adalah pekerjaan atau I. PENDAHULUAN
kegiatan yang dilakukan oleh seseorang dan
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
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
berfungsi
agen
untuk
pembelajaran
meningkatkan
dan mutu
2005 tentang Guru tersebut mendefinisikan 1
pendidikan nasional. Dengan terlaksananya
2. Bagaimana memanfaatkan data berupa
sertifikasi guru, diharapkan akan berdampak
angka-angka hasil penilaian portofolio
pada meningkatnya mutu pembelajaran dan
menjadi
mutu pendidikan secara berkelanjutan.
pengetahuan tentang kompetensi guru.
Untuk
mengelola
data
tersebut,
dibutuhkan metode yang bisa digunakan untuk menggali informasi – informasi dari data tersebut.
Metode tersebut dikenal
dengan data mining.
Dengan bantuan
sebuah
informasi
dan
3. Menerapkan proses data mining untuk pengolahan nilai portofolio guru dengan metode
K-mean
clustering
untuk
mengelompokan kompetensi yang relatif homogen.
perangkat lunak, data mining melakukan
B. Batasan Masalah
proses analisa data untuk menemukan pola
Batasan masalah dalam penulisan penelitian
atau aturan tersembunyi dalam lingkup
ini, meliputi:
himpunan data konsumen tersebut. Pada
1. Basis data yang akan digunakan dalam
studi
kasus
ini,
analisa
data
mining
studi kasus ini adalah basis data ASG
dilakukan dengan metode clustering yang
dan kemudian akan diolah berdasarkan
mengunakan
algoritma
proses-proses yang ada dalam data
disimulasikan
dengan
K-Means perangkat
yang lunak.
Perangkat lunak ini, yang akan digunakan untuk
pengelompokan
konsumen
mining. 2. Kemiripan antar data dalam studi kasus ini
diterjemahkan
sebagai
jarak
berdasarkan data yang ada, sehingga bisa
kedekatan antar data dengan titik pusat
didapatkan kelompok – kelompok guru
(centroid),
menurut tingkat kompetensinya.
klaster-klaster peserta sesuai dengan
menghasilkan
tujuan dari studi kasus ini
A. Maksud dan Tujuan Penelitian Maksud dan tujuan dari penelitian ini, adalah: 1. Memberikan
sehingga
3. Penggunaan metode clustering untuk mengelompokan
peserta
dengan
menggunakan algoritma k-mean. gambaran
dan
analisa
kelebihan dan kekurangan kompetensi
4. Untuk
simulasi
data
menggunakan
software MATLAB.
guru dengan pemilihan data yang variatif. II. TINJAUAN PUSTAKA 2
A. Sertifikasi Guru
dan
Dalam konteks sertifikasi guru, portofolio
perencanaan dan pelaksanaan pembelajaran,
adalah
prestasi akademik, dan karya pengembangan
bukti
fisik
(dokumen)
menggambarkan berkarya/prestasi
yang
pengalaman yang
dicapai
selama
pelatihan,
pengalaman
mengajar,
profesi.
menjalankan tugas profesi sebagai guru
Sesuai Permendiknas No. 18 Tahun 2007 komponen penilaian meliputi :
dalam interval waktu tertentu. Dokumen ini
1. Kualifikasi Akademik
terkait dengan unsur pengalaman, karya, dan prestasi selama guru yang bersangkutan menjalankan
peran
sebagai
pembelajaran.
Keefektifan
tingkat
kompetensi
pelaksanaan
guru
kompetensi
kompetensi
sosial,
dan
adalah
Pelaksanaan
5. Penilaian dari Atasan dan Pengawas 6. Prestasi Akademik 7. Karya Pengembangan Profesi
kompetensi
8. Keikutsertaan Forum Ilmiah
Fungsi portofolio dalam sertifikasi guru jabatan
dan
pedagogik,
profesional.
dalam
4. Perencanaan Pembelajaran
yang
bersangkutan, yang mencakup kompetensi kepribadian,
3. Pengalaman Mengajar
agen
peran sebagai agen pembelajaran tergantung pada
2. Pendidikan dan Pelatihan
untuk
menilai
kompetensi guru sebagai pendidik dan agen
9. Pengalaman Menjadi Pengurus Organisasi di Bidang Kependidikan dan Sosial 10. Penghargaan yang bidang pendidikan
relevan
dengan
pembelajaran. Kompetensi pedagogik dinilai antara lain melalui dokumen kualifikasi
B. Data Mining
akademik,
pelatihan,
Data mining merupakan sebuah analisa dari
pengalaman mengajar, perencanaan dan
observasi data dalam jumlah besar untuk
pelaksanaan
menemukan hubungan yang tidak diketahui
pendidikan
dan
pembelajaran.
Kompetensi
kepribadian dan kompetensi sosial dinilai
sebelumnya
antara lain melalui dokumen penilaian dari
meringkas data agar mudah dipahami serta
atasan
kegunaannya untuk pemilik data (David
dan
pengawas.
Kompetensi
profesional dinilai antara lain
melalui
dan
metode
baru
untuk
Hand et al, 2001) .
dokumen kualifikasi akademik, pendidikan 3
kelompok
yang
dikehendaki)
dan
mengasumsikan/menentukan centroid atau pertengahan cluster. Objek diambil k data C. Metode Clustering Clustering
pertama sebagai centroid pertama. Dengan
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
algoritma
K-means
dilakukan
langkah
berikut hingga ditemukan hasil iterasi yang stabil : 1. Menentukan data centroid, pada sistem
untuk
ini, ditentukan bahwa centroid pertama
mengelompokkan sejumlah data atau objek
adalah n data pertama dari data-data
kedalam klaster sehingga setiap klaster akan
yang akan di-cluster
terisi data yang semirip mungkin (Budi Santosa, 2007).
2. Menghitung
jarak
antara
centroid
dengan masing-masing data.
D. Algoritma K-means Clustering
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 Gambar 1. Algoritma K-Mean
dengan dimensi yang beragam tergantung jumlah peserta dan komponen pendukung kompetensi. Komponen penilaian sebagai
Langkah dasar K-Mean Clustering adalah membagi
jumlah
cluster
K
(jumlah
kolom matriks dan jumlah data peserta sebagai baris. Penentuan klaster peserta dan 4
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')
Gambar 2. Klasterisasi kompetensi guru
title('Clustering Pedagogik Kab. Mojokerto')
Pada gambar adalah hasil klasterisasi nilai
Penjelasan script :
perencanaan & Pelaksanaan Pembelajaran.
kompetensi
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
xlswrite
berfungsi
merekam kelompok
untuk
masing
kedalam
peserta
untuk
plot
kelompok
dan
dan
bisa
- 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 kualifikasi
akademik
yang
dibawah rata-rata.
masingfile
tempdata.xls. 4. Perintah
2
akademik
disimpulkan bahwa :
dengan
Euclidean. 3. Perintah
Terbangun
kualifikasi
V. KESIMPULAN DAN SARAN Berdasar studi kasus yang telah dilakukan
digunakan
untuk
bisa ditarik kesimpulan sebagai berikut:
menampilkan data dalam bentuk grafik. 5
1) Metode clustering dengan algoritma K-
[5] Sarwosri, Darlis Heru Murti, Dian
Means Clustering bisa digunakan untuk
Wijayanti.
melakukan pengelompokan kompetensi
Monitoring
guru.
dengan
2) Selanjutnya, hasil dari penelitian ini bisa dijadikan sebagai acuan dalam proses pengembangan & peningkatan kompetensi
guru
oleh
pihak-pihak
terkait.
“Sistem
Informasi
Pengembangan
Sekolah
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, 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. 6
