ENSEMBLE MACHINE LEARNING UNTUK REKOMENDASI PENILAIAN KINERJA GURU BERBASIS WEIGHTED PRODUCT (STUDI KASUS SEKOLAH DASAR DI KECAMATAN ROGOJAMPI)

Repositori Jurnal Mahasiswa PTIIK UB
© 2015 by Doro Jurnal
Volume 5 - Number 7
Year of Publication: 2015
Rifqi Kurniawan, Imam Cholissodin dan Nurul Hidayat
Download Article

 


Abstract

Penilaian kinerja guru merupakan suatu sistem pengelolaan kinerja guru dalam mengevaluasi tingkat kinerja guru secara individu dalam rangka pencapaian kinerja sekolah secara maksimal yang berdampak pada kualitas peserta didik berdasarkan kriteria tertentu. Proses penilaian kinerja guru yang dilakukan di Kecamatan Rogojampi melibatkan 42 Sekolah Dasar yang tersebar di wilayah Kecamatan Rogojampi dengan melibatkan 419 guru yang yang akan dinilai oleh 6 orang penilai. Konsep yang digunakan dalam proses penilaian selama ini sering berubah-ubah dan terdapat tahap dimana dilakukan persetujuan antara penilai dengan pihak yang dinilai. Ketika terdapat ketidaksepakatan maka proses penilaian dilakukan ulang. Apabila hasil penilaian ini dibutuhkan dengan segera dan sangat mendesak dengan belum adanya sistem pengolahan data yang baik sehingga sangat tidak efisien dan tidak cepat. Sehingga dibutuhkan aplikasi yang mampu melakukan learning terhadap penilaian yang dilakukan untuk mendukung keputusan dalam mendapatkan kecocokan hasil yang dilakukan oleh penilai dengan guru yang dinilai serta untuk mengevaluasi kinerja guru pada setiap sekolah secara cepat dan efisien. Ensemble Machine Learning merupakan suatu mesin pembelajaran dengan prosedur penggabungan hasil keluaran dari beberapa metode yang dapat melakukan learning dari data yang sudah ada sehingga akan memberikan hasil yang lebih baik. Dari hasil pengujian, rata-rata tingkat akurasi yang didapat yaitu 88,53% yang berarti implementasi konsep ensemble machine learning untuk rekomendasi penilaian kinerja guru berbasis weighted product sudah cukup baik untuk digunakan.

Keywords

Penilaian kinerja guru, ensemble machine learning, weighted product, kriteria