PERANCANGAN SIMULASI BERBASIS AGEN UNTUK MENGANALISIS STRATEGI PADA SEBUAH SEKOLAH Dhanan Sarwo Utomo
Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132 e-mail:
[email protected]
Abstract: School is an organization, which has certain goals to be achieved. Correct strategy analysis is essential in order to achieve these goals successfully. Interaction exists among students, teachers, parents and school managers within school organization. Each elements of this interaction have different goals and strategy to achieve their individual goals. Using hypothetical data we construct an agent based computer simulation to analyze interaction within school organization. Using this simulation, determine several scenarios that can optimize the outcome of school strategy. Key Words: strategy analysis, decision analysis, agent-based simulation
Sekolah sebagai sebuah organisasi memiliki sejumlah tujuan yang ingin dicapai, salah satunya adalah tujuan pendidikan nasional. Oleh karena itu, pemilihan strategi yang tepat amat penting dalam kesuksesan pencapaian tujuan-tujuan sekolah. Dalam pendidikan, strategi ini umumnya dikemas dalam bentuk kegiatan siswa, kegiatan guru, peraturan sekolah, maupun metode belajar. Dalam organisasi sekolah juga terjadi interaksi antara siswa, guru, orang tua, dan pengelola sekolah. Hasil dari proses interaksi antarindividu akan mempengaruhi hasil dari pencapaian strategi sekolah secara keseluruhan. Interaksi antarindividu (agen) adalah fenomena yang kompleks karena tiap agen adalah manusia yang memiliki tujuan, nilai, strategi, karakteristik, dan emosi masingmasing. Simulasi berbasis agen adalah pendekatan yang dapat menganalisis interaksi antarindividu yang disebut agen. Masing-masing agen berinteraksi satu dengan yang lain dan juga berinteraksi dengan lingkungan yang mereka tempati (Smith dan Conrey, 2007). Dalam menganalisis interaksi antaragen, simulasi berbasis agen mempertimbangkan karakteristik, emosi, tujuan, nilai, dan strategi yang dimiliki tiap agen. Penelitian-penelitian ilmu sosial pada umumnya di-
laksanakan menggunakan deskripsi verbal, model matematika, atau metode statistika. Dibandingkan dengan pendekatan-pendekatan tersebut, simulasi berbasis agen memiliki beberapa keunggulan, antara lain hasil yang diperoleh melalui simulasi lebih mudah diinterpretasi. Dinamika yang terjadi pada proses interaksi sosial dan fenomena yang diakibatkannya dapat diamati secara eksperimental melalui simulasi tanpa menimbulkan resiko pada sistem sesungguhnya (Gilbert dan Terna, 1999; Smith dan Conrey, 2007). Model matematis atau pendekatan statistika memang lebih mudah diinterpretasi dibandingkan dengan deskripsi verbal. Namun, persamaan-persamaan yang diajukan sering kali sulit untuk dipecahkan secara analitik. Agar dapat dipecahkan, persamaan-persamaan perlu disederhanakan dengan sejumlah asumsi oleh peneliti. Asumsi-asumsi yang diambil kerap tidak realistis sehingga teori yang diperoleh sulit untuk diterapkan pada dunia nyata (Gilbert dan Terna, 1999). Simulasi berbasis agen membangun sejumlah aksioma berdasarkan persepsi yang diajukan tiap agen pada dunia nyata, sehingga hasil yang diperoleh lebih aplikatif dalam konteks yang diteliti. Saat ini simulasi berbasis agen telah diterapkan secara luas dalam bidang manajemen, ekonomi, de14
Utomo, Perancangan Simulasi Berbasis Agen untuk Menganalisa Strategi pada Sebuah Sekolah
mografi, dan politik. Namun, berdasarkan kajian pustaka yang telah dilakukan, tidak ditemukan penelitian simulasi berbasis agen yang bertujuan untuk menganalisis strategi pada sebuah sekolah. Penelitian ini diharapkan dapat memberikan sumbangan pada perkembangan simulasi berbasis agen dan ilmu manajemen pendidikan khususnya di Indonesia. METODE Penelitian ini bertujuan mengajukan model awal simulasi berbasis agen yang dapat dimanfaatkan untuk menganalisis penerapan strategi pada sebuah sekolah. Melalui model ini dapat diajukan sejumlah skenario yang mampu mengoptimalkan hasil yang diperoleh melalui sebuah strategi. Pada simulasi ini didefinisikan sebuah sekolah berdasarkan data hipotetik. Sekolah tersebut memiliki tujuan meningkatkan kemampuan profesional para gurunya. Indikator keberhasilan pencapaian tujuan ini adalah tingginya motivasi dan meningkatnya ilmu pengetahuan yang dimiliki oleh para guru. Dalam rangka mencapai tujuan ini, kepala sekolah tersebut menetapkan sebuah kebijakan yaitu melakukan evaluasi rutin terhadap kinerja para guru dan memfasilitasi forum diskusi antarguru. Melalui proses simulasi akan dianalisis skenario pelaksanaan strategi yang paling optimal untuk mencapai tujuan sekolah tersebut. PEMBAHASAN Komponen-Komponen Simulasi Berbasis Agen Simulasi berbasis agen memiliki tiga komponen yaitu, agen, lingkungan, dan kaidah. Deskripsi singkat dari setiap komponen simulasi berbasis agen adalah sebagai berikut. Agen adalah individu-individu yang terlibat dalam interaksi. Dalam simulasi berbasis agen, agen dapat mewakili orang, kelompok, organisasi, atau negara (Axelrod dan Bennet, 1993). Agen memiliki beberapa karakteristik, yaitu (Smith dan Conrey, 2007): setiap agen memiliki perilaku, strategi, atau kaidah yang digunakan untuk menanggapi fenomena yang terjadi pada lingkungannya dan berinteraksi dengan agen-agen lain (active); agen memiliki tujuan, nilai, dan karakter masing-masing (autonomous); setiap agen memiliki kaidah masing-masing dalam berinteraksi (bounded rationality); dan setiap agen berdiri sendiri (discrete). Lingkungan adalah tempat terjadinya interaksi
15
antaragen. Pada simulasi berbasis agen, lingkungan dapat merepresentasikan lokasi pada dunia nyata (Schwarz, 2007) atau kegiatan yang dilakukan oleh agen (Niesen dan Levitt, 2004). Kondisi lingkungan dipengaruhi dan mempengaruhi perilaku agen-agen yang terdapat di dalamnya. Kaidah adalah aturan-aturan yang dipergunakan agen untuk merespon aksi yang diberikan oleh agen lain, dan perubahan yang terjadi pada lingkungan (Gilbert dan Terna, 1999). Agen Pada simulasi ini dianalisa interaksi antara dua jenis agen yaitu seorang kepala sekolah sebagai pengambil kebijakan dan sembilan orang guru. Masingmasing agen memiliki beberapa atribut yaitu emosi, tendensi, ilmu pengetahuan, dan kemampuan komunikasi. Penjabaran masing-masing atribut agen adalah sebagai berikut. Emosi Emosi manusia memegang peran penting dalam berinteraksi dengan orang lain. Atribut emosi diintegrasikan kepada agen dengan mengadopsi framework PAD. Pada framework ini, keadaan emosi (tempramen) yang dimiliki oleh agen dideskripsikan dalam tiga dimensi yaitu pleasure (P), arousal (A) dan dominance (D) (Mehrabian, 1996). Definisi bagi setiap dimensi adalah sebagai berikut: (1) pleasure: perasaan senang atau tidak senang yang dirasakan agen terhadap suatu kondisi; (2) arousal: intensitas fisik dan kesiagaan yang ditunjukkan agen dalam menanggapi suatu kondisi; dan (3) dominance: kontrol diri yang dimiliki agen dalam menghadapi suatu kondisi. Emosi yang ditunjukkan oleh agen dapat dideskripsikan melalui kombinasi ketiga dimensi ini (Mehrabian, 1991). Pada keadaan ternormalisasi dengan rata-rata nol dan standar deviasi 1, keadaan emosi dapat dikodekan dalam nilai dimensi pleasure, arousal, dan dominance {P;A;D} yang terstandarisasi seperti yang terlihat pada tabel 1. Menurut Jiang, dkk (2004) dan Putro (2007), emosi yang ditunjukkan agen dapat digolongkan dalam keadaan emosi yang bersifat positif dan keadaan emosi yang bersifat negatif. Keadaan emosi dapat diformulasikan sebagai fungsi dari P, A, dan D sebagai berikut: SEi = P (1 + A) – D ... (1)
16
Jurnal Pendidikan Inovatif, Jilid 4, Nomor 1, September 2008, hlm. 14-21
Tabel 1
Dimensi Pleasure, Arousal, Dominance
No
Dimensi
1 2 3 4 5 6 7 8 9 10 11 12
Angry Bored Curious Dignified Elated Hungry Inhibited Loved Puzzled Sleepy Unconcerned Violent
{P;A;D} {-0,51 {-0,65 { 0,22 { 0,55 { 0,50 {-0,44 {-0,54 { 0,87 {-0,41 { 0,20 {-0,13 {-0,50
; ; ; ; ; ; ; ; ; ; ; ;
0,59 -0.62 0,62 0,22 0,42 0,14 -0,04 0,54 0,48 -0,70 -0,41 0,62
; ; ; ; ; ; ; ; ; ; ; ;
0,25 } -0,33 } -0,01 } 0,61 } 0,23 } -0,21 } 0,41 } -0,18 } -0,33 } -0,44 } 0,08 } 0,38 }
Sumber: (Mehrabian, 1997)
dengan: (1) SEi adalah keadaan emosi yang dimiliki agen terhadap agen-i, (2) P adalah nilai dimensi pleasure terhadap agen-i pada waktu itu, (3) A adalah nilai dimensi arousal terhadap agen-i pada waktu itu, dan (4) D adalah nilai dimensi dominance terhadap agen-i pada waktu itu. Nilai P, A, dan D berada pada rentang -1 dan 1. Nilai dimensi P, A, dan D bersifat dinamis dan dipengaruhi oleh stimulus yang diterima oleh agen. Secara umum stimulus dapat dibagi menjadi dua, stimulus yang menyenangkan (pleasant) dan stimulus yang tidak menyenangkan (unpleasant) (Bradley, dkk., 2001). Pada penelitian ini, emosi negatif yang diterima agen-i dari agen-j akan menjadi unpleasant stimulus sedangkan emosi positif akan menjadi pleasant stimulus. Menurut Bradley, dkk (2001) dan Barteneva, dkk (2006) unpleasant stimulus akan menurunkan nilai P dan D pada agen-i sedangkan, pleasant stimulus akan meningkatkan nilai kedua dimensi ini. Nilai dimensi A yang dimiliki agen-i akan meningkat ketika agen menerima emosi positif maupun negatif dari agen-j.
an agen untuk bersosialisasi, menjalin komunikasi, dan jaringan dengan agen lain diwakili oleh affiliation tendency (Mehrabian, 1976). Pada penelitian ini achieving tendency menggambarkan probabilitas seorang guru untuk menyelesaikan tugas-tugas profesinya sedangkan affiliation tendency menggambarkan probabilitas seorang guru untuk bersosialisasi dan berdiskusi dengan rekan-rekannya. Seperti halnya keadaan emosi, tendensi agen untuk menunjukkan perilaku tertentu merupakan kombinasi dari dimensi-dimensi emosi. Formulasi bagi achieving tendency (AcT) dan affiliation tendency (AfT) yang dimiliki oleh agen ditunjukkan pada persamaan berikut (Mehrabian dan O'Reilly, 1980): AcT = 0,21 × P + 0,98 × D ... (2) AfT = 0,89 × P + 0,45 × A ... (3) dengan nilai dimensi P, A, dan D distandarisasi dengan rata-rata nol dan standar deviasi 1. Ilmu Pengetahuan
Tendensi Tendensi adalah kecenderungan yang dimiliki agen untuk menunjukkan suatu perilaku. Tendensi dipengaruhi oleh keadaan emosi agen pada waktu tersebut. Pada penelitian ini disimulasikan dua jenis tendensi yang dapat menjadi indikator kesuksesan strategi kepala sekolah yaitu achieving tendency dan affiliation tendency. Kecenderungan agen untuk menyelesaikan tugas dan mencapai target digambarkan oleh achieving tendency (Mehrabian, 1969). Kecenderung-
Pada penelitian ini ilmu pengetahuan disimulasikan dalam bentuk skala dari 0 hingga 100. Ilmu pengetahuan disimulasikan dengan mengadopsi levellevel ilmu pengetahuan yang diajukan oleh Henard, dkk (2008), yaitu: (1) individual capability, merupakan kemampuan individu untuk mengenali ilmu baru dan mengintegrasikannya dalam stok pengetahuan yang sudah dimiliki. Variabel individual capability diintegrasikan pada agen dalam bentuk persentase dari 0 (sangat buruk) hingga 100 (sangat baik). (2) Ac-
Utomo, Perancangan Simulasi Berbasis Agen untuk Menganalisa Strategi pada Sebuah Sekolah
Pleasure, Dominance
Unpleasant (-)
Gambar 1
17
Arousal
Pleasant (+)
Unplesant (-)
Pleasant (+)
Hubungan Stimulus dengan Nilai Pleasure, Arousal, dan Dominance yang Dimiliki Agen
quired knowledge yaitu sejumlah informasi yang telah dimiliki oleh seseorang yang telah siap untuk dibagi kepada orang lain. Ilmu ini dapat diperoleh seseorang melalui pengalaman kerja, berdiskusi dengan rekan, dan membaca. (3) Unique knowledge yaitu pengetahuan yang diperoleh melalui hasil perenungan acquired knowledge yang telah dimiliki. (4) Creative knowledge merupakan pengetahuan yang diperoleh dari mengkombinasikan unique knowledge dan acquired knowledge. Kemampuan Komunikasi Tiap agen memiliki kemampuan komunikasi yang akan mempengaruhi jumlah ilmu pengetahuan yang dapat disampaikannya kepada rekan-rekannya dalam diskusi. Pada penelitian ini, kemampuan komunikasi diintegrasikan pada agen sebagai persentase dari 0 (sangat buruk) hingga 100 (sangat baik).
pengetahuan antarguru terjadi pada spot ini. Jumlah ilmu pengetahuan yang dapat dibagi oleh seorang guru akan dipengaruhi oleh jumlah pengetahuan yang dimiliki dan kemampuan komunikasi guru tersebut. Sedangkan jumlah ilmu pengetahuan yang dapat diperoleh oleh seorang guru pada spot ini akan bergantung kemampuan intelektual (intelectual capability) guru tersebut. Keempat, spot kerja administratif: Tugas-tugas yang diberikan oleh kepala sekolah akan diselesaikan oleh guru dalam spot ini. Jumlah pekerjaan yang mampu diselesaikan oleh seorang guru akan bergantung pada achieving tendency, kemampuan intelektual, dan ilmu pengetahuan yang dimiliki guru tersebut. Kaidah Pada bagian ini dijabarkan kaidah-kaidah yang dipergunakan masing-masing agen untuk berinteraksi dengan agen lain dan lingkungannya.
Lingkungan Pendefinisian Probabilitas Pada penelitian ini, lingkungan yang ditempati oleh agen-agen dibagi menjadi beberapa buah spot. Spot mewakili lokasi dan aktivitas yang dilakukan oleh agen setiap hari. Interaksi antara guru dan kepala sekolah pada penelitian ini terjadi pada beberapa spot yaitu: pertama, Spot rumah kepala sekolah. Spot ini memuat aktivitas evaluasi yang dilakukan oleh kepala sekolah terhadap kinerja setiap guru. Hasil evaluasi yang dilakukan pada spot ini, akan menentukan SEi yang dimunculkan kepala sekolah ketika ia berinteraksi dengan guru-i. Kedua, spot rapat administratif. Pada spot ini kepala sekolah mengkomunikasikan hasil evaluasi yang diperolehnya kepada setiap guru dengan menggunakan keadaan emosi SEi. Nilai SEi kepala sekolah akan mengubah nilai P, A, D, achieving tendency, dan affiliation tendency guru-i. Ketiga, spot diskusi. Proses pembagian ilmu
Telah diungkapkan pada bagian terdahulu bahwa, probabilitas seorang guru untuk terlibat dalam spot diskusi (Pd) ditentukan oleh nilai affiliation tendency dan probabilitas guru untuk mengerjakan tugas profesinya (Pb) ditentukan oleh achieving tendency. Karena itu, nilai achieving tendency yang berkisar antara -19 dan 1,19 dan nilai affiliation tendency yang berkisar antara -1,34 dan 1,34, perlu ditranformasikan terlebih dahulu ke dalam selang nol sampai dengan satu sebagai berikut:
Pb =
AcT + 1,19 2,38
... (4)
Pd =
AfT + 1,34 2,68
... (5)
18
Jurnal Pendidikan Inovatif, Jilid 4, Nomor 1, September 2008, hlm. 14-21
Penentuan Rapat Pada penelitian ini, kepala sekolah diskenariokan menentukan jadwal rapat evaluasi guru dengan interval tetap misalnya seminggu sekali, tiga hari sekali, atau setiap hari. Ada atau tidaknya evaluasi guru pada suatu hari ditentukan dengan melakukan pembagian bersisa antara jumlah hari simulasi dengan interval rapat. Jika sisa pembagian jumlah hari dengan interval rapat nol maka pada hari tersebut dilakukan rapat evaluasi guru. Pembagian dan Penyelesaian Tugas Setiap hari, setiap guru diskenariokan menerima tugas dari kepala sekolah dengan jumlah yang sama yaitu 100%. Ketika guru-i tidak sedang mengajar dan probabilitas Pb terpenuhi maka, guru-i akan mengerjakan tugas yang diterimanya dari kepala sekolah. Jumlah pekerjaan yang dapat diselesaikan atau pekerjaan tuntas (PT) oleh guru-i setiap jam bergantung kepada jumlah ilmu pengetahuan atau knowledge (K) yang ia miliki dan individual capability (IdC) guru-i. PT ... (6) = K × IdC Jam PT PT = × ∆t ... (7) jam Jumlah pekerjaan (JP) guru yang tersisa setelah mengerjakan tugas adalah:
kan (unpleasant). Kondisi ini akan menurunkan P dan D kepala sekolah terhadap guru-i dan menaikkan A terhadap guru-i (gambar 1). Jika jumlah pekerjaan yang masih tersisa kurang dari 50%, kinerja guru dianggap memuaskan (pleasant). Kondisi ini akan menaikkan P, A, dan D kepala sekolah terhadap guru-i. Jika jumlah pekerjaan yang masih tersisa tepat 50%, P, A, dan D kepala sekolah terhadap guru-i tidak terpengaruh. JP > 50 → ∆Pi∆Di = -0,1 dan ∆Ai = 0,1 ... (9) JP < 50 → ∆Pi, ∆Di, ∆Ai = 0,1 ... (10) dengan ∆Pi, ∆Ai, dan ∆Di adalah perubahan P, A, dan D kepala sekolah terhadap guru-i. Nilai P, A, dan D kepala sekolah terhadap guru-i, selanjutnya diperbarui. Kemudian, kepala sekolah akan memperbarui kondisi emosinya (SEi) terhadap guru-i, sesuai dengan persamaan 1. Pi(t) = Pi(t – 1) + ∆Pi ... (11) Ai(t) = Ai(t – 1) + ∆Ai ... (12) Di(t) = Di(t – 1) + ∆Di ... (13) Kaidah Rapat Evaluasi Pada kegiatan evaluasi kondisi emosi SEi kepala sekolah dikirimkan kepada masing-masing guru. Kondisi emosi kepala sekolah yang negatif akan menjadi stimulus unpleasant bagi guru (sesuai dengan gambar 1). Kondisi emosi kepala sekolah yang positif akan menjadi stimulus pleasant bagi guru
JP(t) = JP(t – 1) – PT ... (8) dengan ∆t adalah waktu yang dipergunakan untuk mengerjakan tugas dalam jam. Jumlah pekerjaan yang tersisa dari masing-masing guru kemudian dilaporkan kepada kepala sekolah. Evaluasi Kinerja Guru Setelah informasi sisa pekerjaan guru diterima, kepala sekolah melakukan evaluasi terhadap kinerja guru pada hari tersebut. Pada penelitian ini, kepala sekolah diskenariokan memiliki batas minimal kinerja guru yaitu 50% dari total pekerjaan yang diberikan terselesaikan. Jika jumlah pekerjaan yang tersisa lebih dari 50%, kinerja guru dianggap tidak memuas-
SEi < 0 → ∆Pgi∆Dgi = -0,1 dan ∆Agi = 0 SEi > 0 → ∆Pgi, ∆Dgi, ∆Agi = 0
... (14) ... (15)
dengan ∆Pgi, ∆Agi, dan ∆Dgi adalah perubahan P, A, dan D guru-i terhadap kepala sekolah. Kemudian setiap guru akan memperbarui kondisi Pg, Ag, dan Dg, mereka masing-masing. Pgi(t) = Pgi(t – 1) + ∆Pgi Agi(t) = Agi(t – 1) + ∆Agi Dgi(t) = Dgi(t – 1) + ∆Dgi
... (16) ... (17) ... (18)
Nilai Pg, Ag dan Dg baru ini kemudian dipergunakan untuk memperoleh achieving tendency dan
Utomo, Perancangan Simulasi Berbasis Agen untuk Menganalisa Strategi pada Sebuah Sekolah
affiliation tendency masing-masing guru sesuai dengan persamaan (2) dan (3). Achieving tendency dan affiliation tendency setiap guru kemudian diubah dalam bentuk Pb dan Pd sesuai persamaan (4) dan (5).
Nilai kemampuan komunikasi dan intelektualitas dibagi dalam tiga selang yaitu:
Tabel 2
Nilai Kemampuan Komunikasi dan Intelektualitas
Kaidah Diskusi Jika pada hari ke-i tidak diadakan rapat maka, guru-guru yang Pd-nya terpenuhi akan bergerak ke spot diskusi. Guru akan menyumbangkan sebagian ilmu yang ia miliki kepada spot diskusi. Besarnya ilmu yang dapat disumbangkan oleh guru-i bergantung pada kemampuan komunikasinya (K) dan jumlah pengetahuan yang ia miliki (K): Kdikirim = K × K ... (20) Seluruh ilmu pengetahuan yang disumbangkan oleh guru akan dikumpulkan oleh spot diskusi. Total_K = ∑ Kdikirim ... (21) Seluruh ilmu pengetahuan ini kemudian didistribusikan kembali kepada para guru yang ikut berdiskusi dengan mengesampingkan kontribusi guru yang bersangkutan. Kditerima = Total_K – Kdikirim ... (22) Ilmu yang diperoleh kemudian diintegrasikan pada ilmu yang telah dimiliki masing-masing guru. Jumlah ilmu yang dapat diintegrasikan akan bergantung pada kemampuan guru untuk menyerap informasi (IdC). Ki(t) = Ki(t – 1) + Kditerima × IdC ... (23) Proses Simulasi Pada tahap awal simulasi setiap karakteristik agen diberi nilai awal. Bagi kepala sekolah karakteristik P, A, dan D diberi nilai awal nol sehingga, SEi kepada seluruh guru bersifat netral (nol). Bagi setiap guru, nilai P, A, dan D diberi nilai awal yang sama yaitu 0,5 sehingga, setiap guru memiliki achieving tendency dan affiliation tendency yang sama pula. Jumlah pengetahuan yang dimiliki oleh setiap guru pada awal simulasi sama yaitu 10.
19
Selang
Keterangan Nilai
< 0,3 0,3 – 0,7 > 0,7
Rendah (L) Sedang (M) Tinggi (H)
Kemudian, kemampuan intelektualitas dan komunikasi guru diberi nilai berdasarkan atas kombinasi antara tinggi rendahnya kedua karakter ini.
Tabel 3
Inisialisasi Karakter Intelektualitas dan Kemampuan Komunikasi Guru.
Guru
Individual Capability
Komunikasi
1 2 3 4 5 6 7 8 9
0,2 (L) 0,25 (L) 0,6 (M) 0,2 (L) 0,8 (H) 0,6 (M) 0,8 (H) 0,4 (M) 0,9 (H)
0,25 (L) 0,65 (M) 0,25 (L) 0,9 (H) 0,2 (L) 0,8 (H) 0,5 (M) 0,65 (M) 0,8 (H)
Pada penelitian ini dilakukan simulasi untuk empat buah skenario interval rapat evaluasi yaitu, setiap hari (skenario 1), tiga hari sekali (skenario 2), seminggu sekali (skenario 3), dan dua minggu sekali (skenario 4). Melalui simulasi, dianalisa rata-rata achieving tendency guru, rata-rata affiliation tendency guru, dan perkembangan ilmu pengetahuan yang dimiliki guru dalam 30 hari. Hasil yang diperoleh pada simulasi keempat skenario tersebut dapat dilihat pada gambar 2. Dapat diamati pada gambar 2 bahwa keempat skenario yang disimulasikan sama-sama berdampak menurunkan nilai rata-rata achieving tendency para guru. Diantara keempat skenario yang disimulasikan skenario yang menurunkan nilai rata-rata achieving tendency paling cepat adalah skenario pertama. Sedangkan skenario yang paling mampu mempertahankan nilai rata-rata achieving tendency para guru dalam 30 hari adalah skenario keempat.
20
Jurnal Pendidikan Inovatif, Jilid 4, Nomor 1, September 2008, hlm. 14-21
tiga skenario yang dapat meningkatkan ilmu pengetahuan yang dimiliki guru yaitu, skenario kedua, ketiga dan keempat. Diantara ketiga skenario tersebut, skenario ketigalah yang mampu meningkatkan ilmu pengetahuan yang dimiliki guru paling cepat. Sedangkan, pelaksanaan strategi dengan menggunakan skenario pertama, terbukti tidak dapat meningkatkan ilmu pengetahuan yang dimiliki guru. KESIMPULAN
Pada gambar 3 dapat diamati bahwa terdapat dua skenario yang mampu meningkatkan motivasi guru untuk berdiskusi dan berbagi pengetahuan (affiliation tendency) yaitu skenario ketiga dan skenario keempat. Diantara kedua skenario tersebut, skenario ketiga adalah skenario yang memberikan hasil strategi paling optimal. Pada gambar 4 dapat diamati bahwa terdapat
Simulasi berbasis agen adalah suatu pendekatan baru yang dapat dimanfaatkan untuk menganalisis dan mengoptimasi strategi yang dilaksanakan pada sebuah sekolah. Melalui simulasi dapat dibuktikan bahwa strategi rapat evaluasi rutin dan diskusi mampu meningkatkan motivasi dan ilmu pengetahuan yang dimiliki oleh para guru. Strategi ini akan memperoleh hasil yang optimal jika dilaksanakan dengan menggunakan skenario ketiga. Model simulasi berbasis agen yang dipergunakan pada penelitian ini adalah model awal yang dibangun dengan menggunakan data hipotetik. Dalam penelitian selanjutnya, model ini perlu diverifikasi dengan menggunakan pengukuran secara empirik.
Gambar 3
Gambar 4
Gambar 2
Grafik Rata-rata Achieving Tendency
Grafik Rata-rata Affiliation Tendency
Grafik Perkembangan Ilmu Pengetahuan
Utomo, Perancangan Simulasi Berbasis Agen untuk Menganalisa Strategi pada Sebuah Sekolah
21
DAFTAR RUJUKAN Axelrod, R. & Bennet, D. S. 1993. A Landscape Theory of Aggregation. British Journal of Political Science, 23 (2): 211-233. Barteneva, D., Lau, N., & Reis, P. L. 2006. Implementation of Emotional Behaviors in Multi Agent System Using Fuzzy Logic and Temperamental Decision Mechanism. Makalah disajikan dalam the 4th European Workshop on Multi Agent Systems. Bradley, M. M., dkk. 2001. Emotion and Motivation II: Sex Differences in Picture Processing. Emotion, 1: 300-319. Gilbert, N & Terna, P. 1999. How to Build and Use Agent-based Models in Social Science, (Online), (http://web.econ.unito.it/terna/deposito/gil_ter.p df, diakses pada 3 Maret 2008). Henard, D. H. & McFadyen, M. A. 2008. Making Knowledge Workers More Creative. Research Technology Management. 51(2):40-46. Jiang, H, Vidal, J. M, & Huhns, M. N. 2006. Incorporating Emotions into Automated Negotiation. Makalah disajikan dalam Agent Construction and Emotions Workshop. Mehrabian, A. 1969. Measures of Achieving Tendency. Educational and Psychological Measurement, 29: 445-451. Mehrabian, A. 1976. Questionnaire Measures of Affiliative Tendency and Sensitivity to Rejection. Psychological Reports, 38: 199-209. Mehrabian, A. 1991. Outline of a general emotionbased theory of temperament. Makalah disajikan
dalam seminar Explorations in temperament: International perspectives on theory and measurement. Mehrabian, A. 1996. Pleasure-arousal-dominance: A General Framework for Describing and Measuring Individual Differences in Temperament. Current Psychology, 14: 261-292. Mehrabian, A. 1997. Analysis of Affiliation Related Traits in Term of PAD Temperament Model. The Journal of Psychology, 131: 101-117. Mehrabian, A. & O'Reilly, E. 1980, Analysis of Personality Measures in Terms of Basic Dimensions of Temperament. Journal of Personality and Social Psychology, 38: 492-503. Nissen, M. E. & Levitt, R. E. 2004. Agent-based Modeling of Knowledge Dynamics. Knowledge Management Research & Practice, 2 (3): 169-183. Putro, U. S, Siallagan, M., & Noviani, S. 2007. Agent-based Simulation of Negotiation Process Using Drama Theory. Makalah disajikan dalam The 51st Annual Meeting of Interntional Society for the System Science, Tokyo Institute of Technology, Jepang. Schwarz, N. 2007. Agent-based Modelling of the Diffusion of Environmental Innovation. Makalah disajikan dalam the 5th International EMAEE Conference on Innovation. Smith, E. R. & Conrey, F. R. 2007. Agent-Based Modeling: A New Approach for Theory Building in Social Psychology. Personality and Social Psychology Review, 11 (87): 87-104.