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.
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
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.
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')
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.
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.
6