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
soboparan@yahoo.com

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
menjadi sumber penghasilan kehidupan
profesional pada jenjang pendidikan dasar,
yang memerlukan keahlian, kemahiran, atau
pendidikan menengah, dan pendidikan anak
kecakapan yang memenuhi standar mutu
usia dini pada jalur pendidikan formal yang
atau norma tertentu serta memerlukan
diangkat sesuai dengan peraturan
pendidikan profesi. Diharapkan agar guru
perundang-undangan. Pengakuan kedudukan
sebagai tenaga profesional dapat berfungsi
guru sebagai tenaga profesional tersebut
untuk meningkatkan martabat dan peran
dibuktikan dengan sertifikat pendidik. Lebih
guru sebagai agen pembelajaran dan
lanjut Undang-Undang Nomor 14 Tahun
berfungsi untuk meningkatkan 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 sebuah informasi dan
mutu pendidikan secara berkelanjutan. pengetahuan tentang kompetensi guru.
3. Menerapkan proses data mining untuk
Untuk mengelola data tersebut,
pengolahan nilai portofolio guru dengan
dibutuhkan metode yang bisa digunakan
metode K-mean clustering untuk
untuk menggali informasi – informasi dari
mengelompokan kompetensi yang relatif
data tersebut. Metode tersebut dikenal
homogen.
dengan data mining. Dengan bantuan
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 K-Means yang proses-proses yang ada dalam data
disimulasikan dengan perangkat lunak. mining.
Perangkat lunak ini, yang akan digunakan 2. Kemiripan antar data dalam studi kasus
untuk pengelompokan konsumen ini diterjemahkan sebagai jarak
berdasarkan data yang ada, sehingga bisa kedekatan antar data dengan titik pusat
didapatkan kelompok – kelompok guru (centroid), sehingga menghasilkan
menurut tingkat kompetensinya. klaster-klaster peserta sesuai dengan
tujuan dari studi kasus ini
A. Maksud dan Tujuan Penelitian
3. Penggunaan metode clustering untuk
Maksud dan tujuan dari penelitian ini,
mengelompokan peserta dengan
adalah:
menggunakan algoritma k-mean.
1. Memberikan gambaran dan analisa 4. Untuk simulasi data menggunakan
kelebihan dan kekurangan kompetensi software MATLAB.
guru dengan pemilihan data yang variatif.
II. TINJAUAN PUSTAKA
2 

 
A. Sertifikasi Guru dan pelatihan, pengalaman mengajar,
Dalam konteks sertifikasi guru, portofolio perencanaan dan pelaksanaan pembelajaran,
adalah bukti fisik (dokumen) yang prestasi akademik, dan karya pengembangan
menggambarkan pengalaman profesi.
berkarya/prestasi yang dicapai selama
Sesuai Permendiknas No. 18 Tahun 2007
menjalankan tugas profesi sebagai guru komponen penilaian meliputi :
dalam interval waktu tertentu. Dokumen ini 1. Kualifikasi Akademik
terkait dengan unsur pengalaman, karya, dan
2. Pendidikan dan Pelatihan
prestasi selama guru yang bersangkutan
3. Pengalaman Mengajar
menjalankan peran sebagai agen
4. Perencanaan dan Pelaksanaan
pembelajaran. Keefektifan pelaksanaan Pembelajaran
peran sebagai agen pembelajaran tergantung
5. Penilaian dari Atasan dan Pengawas
pada tingkat kompetensi guru yang
6. Prestasi Akademik
bersangkutan, yang mencakup kompetensi
kepribadian, kompetensi pedagogik, 7. Karya Pengembangan Profesi

kompetensi sosial, dan kompetensi 8. Keikutsertaan Forum Ilmiah

profesional. 9. Pengalaman Menjadi Pengurus
Organisasi di Bidang Kependidikan dan
Fungsi portofolio dalam sertifikasi guru Sosial
dalam jabatan adalah untuk menilai 10. Penghargaan yang relevan dengan
bidang pendidikan
kompetensi guru sebagai pendidik dan agen
pembelajaran. Kompetensi pedagogik dinilai
antara lain melalui dokumen kualifikasi B. Data Mining
akademik, pendidikan dan pelatihan, Data mining merupakan sebuah analisa dari
pengalaman mengajar, perencanaan dan observasi data dalam jumlah besar untuk
pelaksanaan pembelajaran. Kompetensi menemukan hubungan yang tidak diketahui
kepribadian dan kompetensi sosial dinilai sebelumnya dan metode baru untuk
antara lain melalui dokumen penilaian dari meringkas data agar mudah dipahami serta
atasan dan pengawas. Kompetensi kegunaannya untuk pemilik data (David
profesional dinilai antara lain melalui 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 pertama sebagai centroid pertama. Dengan
algoritma K-means dilakukan langkah
Clustering adalah salah satu teknik
berikut hingga ditemukan hasil iterasi yang
unsupervised learning dimana kita tidak
stabil :
perlu melatih metode tersebut atau dengan
kata lain, tidak ada fase learning. Tujuan 1. Menentukan data centroid, pada sistem
dari metode clustering adalah 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
2. Menghitung jarak antara centroid
Santosa, 2007).
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
kolom matriks dan jumlah data peserta
membagi jumlah cluster K (jumlah
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(:, Gambar 2. Klasterisasi kompetensi guru
2),'kx')

title('Clustering Pedagogik Kab. Pada gambar adalah hasil klasterisasi nilai

Mojokerto')
kompetensi kualifikasi akademik dan
Penjelasan script : perencanaan & Pelaksanaan Pembelajaran.
Terbangun 2 kelompok dan bisa
1. Baris pertama memuat variabel X
disimpulkan bahwa :
dengan data matriks nilai kompetensi
- kompetensi guru di Kab. Gresik dalam
2. Baris berikutnya mendapatkan nomor
membuat RPP tergolong bagus dan
klaster (cidx) dan nilai tengah klaster /
merata dari berbagai kualifikasi
centroid (ctrs) dengan fungsi kmeans
akademik.
dengan parameter jumlah klaster yang
- Tanda (*) adalah kelompok guru-guru
diinginkan (2) dengan menggunakan
yang perlu mendapat perhatian berkaitan
metode penentuan jarak Squared
dengan kualifikasi akademik yang
Euclidean.
dibawah rata-rata.
3. Perintah xlswrite berfungsi untuk
merekam kelompok untuk masing-
masing peserta kedalam file
V. KESIMPULAN DAN SARAN
tempdata.xls.
Berdasar studi kasus yang telah dilakukan
4. Perintah plot 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. “Sistem Informasi
melakukan pengelompokan kompetensi Monitoring Pengembangan Sekolah
guru. dengan menggunakan K-Mean
2) Selanjutnya, hasil dari penelitian ini Clustering” – Makalak-makalah Sistem
bisa dijadikan sebagai acuan dalam Informasi
proses pengembangan & peningkatan
[6] Tri, A (2001). Desain dan Implementasi
kompetensi guru oleh pihak-pihak
Aplikasi Agent untuk Pemetaan
terkait.
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