NAMA : ERLINDA JUNIAR
NIM : 20180040021
KAJIAN KINERJA GURU BERDASARKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK MENGUKUR KELAYAKAN SERTIFIKASI :
STUDI KASUS SMK NEGERI 1 KOTA SUKABUMI
Latar belakang
Guru adalah pendidik profesional dengan tugas utama mendidik, mengajar, membimbing, mengarahkan, melatih, menilai, dan mengevaluasi peserta didik pada pendidikananak usia dini jalur pendidikan formal, pendidikan dasar,dan pendidikan menengah.
Pada penelitian ini digunakan Adaptive Neuro Fuzzy Inference System (ANFIS) mengolah kinerja Guru untuk mengukur kelayakan sertifikasi, sehingga hasil prediksi lebihakurat.
Tujuan
1. Mengukur kelayakan seorang guru dengan melakukan penilaian kinerja
2. Menggunakan tolak ukur yang ada untuk penilaian kinerja
3. Menghasilkan tingkat akurasi dari metode ANFIS yang digunakan untukmengukur kinerja guru dengan tolak ukur yang ada.
Tujuan adanya Sertifikasi Guru, diantaranya untuk menentukan kelayakan guru dalam melaksanakan tugas, sebagai agen pembelajaran dan mewujudkan tujuan pendidikan nasional, meningkatkan proses dan mutu hasil pendidikan, meningkatkan martabat guru dan meningkatkan profesionalitas guru.
Sementara manfaatnya adalah untuk melindungi profesi guru dari praktik-praktik yang tidak kompeten, yang dapat merusak citra profesi guru, melindungi masyarakat
dari praktik-praktik pendidikan yang tidak bermutu dan tidak professional dan meningkatkan kesejahteraan guru.
Metode yang di gunakan :
1. Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dengan penalaran fuzzy.
2. Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatuinformasi.
3. ANFIS (Adaptive Neuro Fuzzy Inference Systems) merupakan salah satu sistem dalam kelompok neuro-fuzzy yaitu sistem hybrid dalam soft computing. Sistem hybrid merupakan padupadan atau gabungan dari setidaknya dua metode soft computing dengan tujuan untuk memperoleh algoritma yang lebih sempurna.
Kerangka pemikiran
 |
Metodologi Penelitian
Dalam melakukan penelitian ini yang dilakukan pada SMK Negeri 1 Kota Sukabumi, langkah pertama yang dilakukan adalah mengumpulkan informasi yang dibutuhkan antara lain komptensi pedagogik yang meliputi pelaksanaan pembelajaran di kelas, kompetensi professional yang meliputi penilaian rencana pembelajaran dan kehadiran jumlah jam wajib, kompetensi kepribadian yang meliputi kehadiran, penampilan dan sikap dan kompetensi kedisiplinan yang meliputi kedisiplinan datang dan pulang saat KBM sesuai dengan jadwal yang telah ditemtukan kurikulum.
Data yang diperoleh kemudian dimasukkan sebagai input dari Adaptive Neuro Fuzzy Inference Sistem (ANFIS), Sedangkan outputnya adalah kelayakan sertifikasi seorang guru dengan layak dan tidak layak.
Range nilai dari masing-masing kompetensi dapat diterangkan sebagai berikut ini
1. Kompetensi Pedagogik
a. Kurang = ≤ 60
b. Cukup = 61 - 74
c. Baik = 75 – 100
Hasil penelitian
a. Hasil
Data pada penelitian ini dibagi menjadi dua bagian, yaitu :
1. 40 data pertama digunakan sebagai data training (data pembelajaran)
2. 17 data kedua digunakan sebagai data testing (data validitas)
b. Simulasi ANFIS
Adapun tahapan proses simulasi meliputi beberapa tahapan, diantaranya sebagai berikut ini :
1. Tahapan load data (pemasukan data)
2. Tahapan generate FIS (membangkitkan FIS)
3. Tahapan Training FIS (pembelaranFIS)
4. Tahapan Testing FIS (validasi FIS)
c. Tahap Load Data
Dalam tahapan ini, terjadi proses pemasukan data setelah terlebih dahulu melalui pengolahan. Dalam hal ini data yang dimasukan ber-ekstensi DAT yang diedit dari editor notepad. Data yang dimasukan merupakan data training yang terdiri dari 40 sampel guru dan 13 sampel untuk data testing.
d. Tahap Generate FIS
Pada tahapan ini dibangkitkan terlebij dahulu struktur dari model FIS yang nantinya akan dibuat, sebelum melakukan proses pembelajaran.
e. Tahapan Training
Dalam tahapan ini model akan dirancang menjadi 2 algoritma, yaitu :
1. Algortitma Hybrid (backpropagation + leas squareestimation)
2. Algoritma backpropagation
Kesimpulan
1. Dari hasil simulasi ANFIS yang dilakukan dengan Matlab dengan dengan menggunakan algoritma hybrid dan backpropasi serta proses pembelajaran dan validasi yang dilakukan, diperoleh nilai yang paling optimal dari proses pembelajaran menghasilkan RMSE 7,8166 x 10-5menggunakan fungsi keanggotaan Trimf dengan algoritma hybrid, sementara proses validasi nilai yang paling optimal menghasilkan RMSE 23,995 menggunakan fungsi keanggotaan Gbellmf dengan algoritma hybrid.
2. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka diperoleh nilairata- rata sekitar 81,7. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi standar SQA yakni 80, meskipun demikian nilai tersebut belum bisa dikatakan sepenuhnya
benar, karena audience yang menguji GUI ini hanya 5 orang dari jabatan/posisi yang berbeda, sehingga nilai rata-rata yang sebaiknya minimal terdiri ¾ dari sampling guru yang diuji dalam penelitian ini.
