PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAM PENILAIAN KINERJA GURU: STUDI KASUS SMK XYZ MUHAMMAD MAHMUD, M.ENG1 DUDIH GUSTIAN, S.T, M.KOM2 PROGRAM STUDI TEKNIK INFORMATIKA1, PROGRAM STUDI SISTEM INFORMASI2, STT NUSA PUTRA SUKABUMI, INDONESIA (Email: [email protected]1 dan [email protected]2) ABSTRAK: Guru adalah komponen kunci dari pencapaian target pemerintah. Oleh karena itu, pemerintah memberikan aturan yang pasti untuk meningkatkan kinerja guru dalam proses belajar dapat berjalan seperti yang diharapkan. Namun, kondisi lapangan, harapan pemerintah ini belum terealisasi sepenuhnya, ini disebabkan kasus maksimal dalam pengawasan khusus dari manajemen sekolah dalam menilai kinerja guru yang ditemukan di beberapa mengajar di sekolah dan kegiatan belajar yang tidak diharapkan untuk mengalami kualitas. Salah satu kendala tersebut adalah tidak adanya sistem informasi tertentu yang dapat memberikan dukungan bagi para pengambil keputusan adalah kepala sekolah, sehingga sulit menghasilkan keputusan yang optimal. Selain data pendukung yang diperlukan sebagai dasar untuk pengambil keputusan harus menunggu hasil musyawarah, sehingga proses pengambilan keputusan memakan waktu lama. Dalam rangka untuk menentukan kinerja guru yang buruk, dan cukup baik, maka Kepala Sekolah harus membuat kriteria atau persyaratan yang digunakan sebagai dasar dalam menentukan penilaian kinerja guru. Salah satu cara untuk melakukannya adalah dengan menggunakan pendekatan logika fuzzy Infrence Sistem Mamdani. kriteria penilaian dapat dilakukan dengan melihat Pedagogik Kompetensi, Kompetensi Profesional, Kompetensi Kepribadian dan Kompetensi Sosial dimiliki oleh guru masing-masing. Dari kriteria tersebut, maka dibuat suatu Sistem Pendukung Keputusan. Penentuan kriteria kinerja guru yang kemudian diolah dengan pendekatan logika fuzzy. Dengan bantuan software Matlab. Hasil penelitian ini diharapkan Principal mampu menentukan kinerja guru dalam Islam SMK XYZ dengan efekif, efisien, dan obyektif dengan batas nilai ≥ 7,5, cukup <7,5 dan kurang dari <5 dengan kriteria yang layak untuk membatasi 8.53 dan setelah diuji pada guru menghasilkan nilai yang baik yaitu sekitar 82, yang berarti bahwa GUI yang dibuat dapat diterima sehingga nantinya dapat diterapkan dilembagakan. KATA KUNCI: Decision Support Systems, Fuzzy Logic, Master, Mamdani method, defuzzyfication, Matlab. 1. PENDAHULUAN 1.2 Masalah Penelitian 1.1. Latar Belakang Masalah 1.2.1 Identifikasi Identifikasi Masalah Guru merupakan jabatan atau profesi yang memerlukan keahlian khusus sebagai guru. Pekerjaan ini tidak bisa dilakukan oleh orang yang tidak memiliki keahlian untuk melakukan kegiatan atau pekerjaan sebagai guru. Guru yang profesional diharapkan mampu berpartisipasi dalam pembangunan nasional untuk mewujudkan insan Indonesia yang bertakwa kepada Tuhan YME, unggul dalam ilmu pengetahuan dan teknologi, memiliki jiwa estetis, etis, berbudi pekerti luhur, dan berkepribadian. Oleh sebab itu, profesi guru perlu dikembangkan secara terus menerus dan proporsional menurut jabatan fungsional guru. Dalam Panduan Sertifikasi Guru bagi LPTK Tahun 2006 yang dikeluarkan Direktur Ketenagaan Dirjen Dikti Depdiknas disebutkan bahwa kompetensi merupakan kebulatan penguasaan pengetahuan, keterampilan dan sikap yang ditampilkan melalui unjuk kerja. Untuk mewujudkan tujuan pendidikan nasional yaitu visi dan misi sekolah, maka sekolah perlu memilih kinerja guru yang dijadikan teladan atau contoh bagi guru lainnya dalam mengajar. Menetapkan kinerja guru dapat mendorong peningkatan mutu pendidikan dan meningkatkan motivasi dan profesionalisme guru dalam pelaksanaan tugas, agar dapat diwujudkan kinerja guru tersebut, maka kepala sekolah membuat kriteria atau persyaratan untuk menentukan kinerja guru. 50 VOLUME 2 TAHUN II MARET 2016 Sistem verifikasi kelayakan masih belum obyektif. Hasil pengukuran yang dilakukan oleh sekolah dengan pengawas belum sinkron, sehingga terjadi dua kali pengukuran 1.2.2 Batasan Masalah Penelitian ini dilaksanakan dengan 40 sampel dari total guru sebanyak 120 yang ada. Penelitian ini hanya merupakan pembuatan suatu model dalam penentuan kinerja seorang guru yang dapat membantu pihak manajemen Sekolah dalam penentuan kinerja guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar. Penelitian ini dilakukan dengan sampel pada tahun 1993 dan 1994. 1.2.3 Rumusan Masalah Bagaimana penilaian kinerja guru penentuan kinerja guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar metode FIS? Seberapa besar kehandalan GUI yang dibuat dapat diterima oleh pihak manajemen dalam menentukan kelayakan seorang guru agar dapat meningkatkan mutu proses kegiatan belajar mengajar? www.nusaputra.ac.id JURNAL Nusa Putra 2.indd 50 4/7/2016 1:32:58 PM
12
Embed
PROTOYPE LOGIKA FUZZY INFRENCE SYSTEM DALAM … · Dengan bantuan software Matlab. Hasil penelitian ini diharapkan Principal mampu menentukan kinerja guru dalam Islam SMK XYZ dengan
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
PROTOYPE LOGIKA FUZZY INFRENCE
SYSTEM DALAM PENILAIAN KINERJA
GURU: STUDI KASUS SMK XYZ MUHAMMAD MAHMUD, M.ENG1 DUDIH GUSTIAN, S.T, M.KOM2 PROGRAM STUDI TEKNIK INFORMATIKA1, PROGRAM STUDI SISTEM
Berdasarkan fungsi keanggotaan dari variabel output himpunan
tinggi, pada saat α 22 = 0,2 diperoleh nilai:
b = (d22) = α 22(d[22]-3)/7 = 0,2
d[22] = 1,4 + 3 = 4,4
54
VOLUME 2 TAHUN II MARET 2016
www.nusaputra.ac.id
JURNAL Nusa Putra 2.indd 54
4/7/2016 1:33:00 PM
ISSN 2407- 8301 SK N O. 0005.049/JI.3.2./SK.ISSN/2015.01 - 20 JANUAR I 2015
4.5 Komposisi Aturan
Metode Max digunakan untuk mentukan komposisi aturan. Variabel output. Derajat kebenaran himpunan BAIK
= Max (α 21 ; α22)
= Max (0,66 ; 0,2) = 0,66
Daerah hasil inferensi tertinggi adalah 0,66 dan terendah 0,2
4.6 Defuzzifikasi
Metode yang digunakan untuk fuzzifikasi adalah centroid.
(x)= 0,2
; 4,4 ≤ d_21 ≤7,62
0,66 ; 7,62 ≤ d_21 ≤10
M1 = 7,62▒
4,4 (0,2) xdx
= 0,1x2
7,62 ┤ = 5,81 – 1,9 = 3,91
4,4
M2 = 10 (0,66)xdx 7,62▒
= 0,33x2
10 = 33 – 19 = 14
7,62
L1 = 0,2 (7,62 – 4,4) = 0,6
L2 = 0,66 (10 – 7,62) = 1,5
Nilai crisp output dihitung dengan:
M1+M2 14 + 3,91
z* =
=
= 8,53 A1+A2 0,6 + 1,5
Batas nilai output kinerja guru yang telah ditetapkan oleh kepala sekolah selaku pimpinan yang melakukan penilaian
kinerja guru adalah:
a. Guru berkinerja “BURUK” batas nilai output < 5
b. Guru berkinerja “CUKUP” batas nilai output < 7,5
c. Guru berkinerja “BAIK” batas nilai output ≥ 7,5
4.7 Hasil Pengujian Prototipe Perangkat Lunak
Untuk memastikan bahwa perangkat lunak yang dibuat memiliki standar minimal kualitas, maka digunakan metoda untuk
pengukuran kualitas perangkat lunak secara kuantitatif adalah metoda SQA (Software Quality Assurance).
Tabel 10. Hasil Evaluasi SQA
Skor rata-rata yang dihasilkan adalah 82, sedangkan nilai optimal untuk sebuah perangkat lunak yang memenuhi standar
kualitas berdasarkan uji SQA adalah 80.
V. PENUTUP 5.1 Kesimpulan
Beberapa kesimpulan yang dapat dikemukakan, diantaranya sebagai berikut:
1. Dari hasil penelitian dengan metode FIS mamdani yang dilakukan dengan tools matlab diperoleh batasan baik dengan
batas nilai ≥ 7,5, cukup < 7,5 dan kurang < 5 dengan criteria layak dengan batas 8.53
2. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka
www.nusaputra.ac.id
JURNAL Nusa Putra 2.indd 55
diperoleh nilai rata-rata sekitar 82. 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 yang dilakukan secara acak.
5.2 SARAN
Beberapa saran yang dapat dikemukakan, diantaranya sebagai berikut ini: 1. Perlu adanya kesiapan sistem yang berjalan dengan baik. Hal ini dilakukan agar sistem dapat memberikan dukungan
hasil keputusan untuk pimpinan 2. Pihak sekolah hendaknya dapat menerapkan model perangkat lunak dalam penelitian ini, sehingga proses pemilihan
kelayakan seorang guru dalam mendapatkan sertifikasi dapat lebih objektif dengan menilai kinerja dari beberapa
kompetensi yang dinilai dari sekolah. Hal ini tentu saja berlainan dengan proses pemilihan selama ini yang digunakan
secara manual. 3. Sistem yang digunakan harus mendukung untuk memberikan hasil yang terbaik. Dengan ditunjang Sarana dan prasarana yang
diperlukan terdiri dari hardware, software, dan infrastruktur yang baik. 4. Hasil penelitian ini perlu disosialisasikan kepada seluruh guru, sehingga guru dapat diberikan reward dan punishment
sebagai tindakan dari hasil kerjanya masing-masing. 5. Implikasi aspek manajerial dapat ditinjau dari Organisasi dan Suber Daya Manusia (SDM) diperlukan Standard
Operasional Prosedur (SOP) yang mengatur tata laksana operasional bidang Teknologi Informasi. 6. Perlu diadakannya penelitian lebih lanjut dengan jarak penelitian
2 sampai 3 tahun dengan menambah kriteria (variabel maupun indikator). DAFTAR PUSTAKA [1] Kusumadewi, S. (2002). ”Analisis & Design Sistem Fuzzy Menggunakan Tool Box Matlab” [2] Kusumadewi, S. (2004). “Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan”, Yogyakarta: Graha Ilmu [3] Klir, George J, Yuan, Bo. (1995). “Fuzzy Sets and Fuzzy Logic, Theory and
Application” Prentice Hall International, Inc [4] Mangkoesapoetra, Arief. (2004). “Statistika: Analisa Multivariat. Seri
metode Kuantitatif”. Jakarta: STMIK Nusa Mandiri [5] Maman. (2006). “Sistem Pendukung Keputusan: Model Penentuan Siswa Teladan pada SMK YP-KARYA 1 Tangerangdengan
Pendekatan Logika
Fuzzy”. Jakarta: Universitas Budi Luhur [6] Marimin, Nurul. (2010). “Aplikasi Teknik Pengambila Keputusan dalam
Rantai Pasok” , Bogor: Cetakan 1 IPB Press. [7] Sri, Hari. (2010). “Aplikasi Logika Fuzzy untuk Pendukung Keputusan” . Yogyakarta: Edisi 2 Graha Ilmu. [8] Agusnaba. (2009). “Belajar Cepat Fuzzy Logic Menggunakan Matlab” . Yogyakarta: Andi [9] Sri Kusuma Dewi, Hartati, ”Neuro Fuzzy, Integrasi Sistem Fuzzy dan
Jaringan Syaraf” Yogyakarta: Graha Ilmu. [10] Efraim Turban., Jay E. Aronson., & Ting-Peng Liang. (2005). “Decision
Support System And Intelligent System – 7th Ed”, Pearson Education, Inc. Upper Saddle River, New Jersey. [11] Prabowo, Rahmadya. (2009). “Data maining dengan Matlab“ [12] Prabowo, Rahmadya. ( ). “Soft computing “ [13] Sri, Hari. (2010). “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan“ [14] Fatoni. (2011). “Aplikasi Perhitungan Kalori Harian Penderita Diabetes
Melitus Menggunakan Logika Fuzzy”, Palembang, Universitas Bina Darma.