Analisis Pengaruh Penilaian Asesor terhadap Kinerja Guru Mata Pelajaran dengan k-Means Clustering
DOI:
https://doi.org/10.24246/icm.v4i1.5063Keywords:
Clustering, k-means, Asesor, Kinerja, GuruAbstract
Penilaian kinerja guru menjadi salah satu aset penting untuk mengawasi perkembangan dan proses kerja pendidik dalam proses belajar mengajar di sekolah. Adanya penilaian kinerja guru dapat memberikan apresiasi terhadap guru yang memiliki kinerja sangat baik guna meningkatkan semangat dalam proses kerjanya. Guru dengan hasil penilaian yang kurang baik mendapatkan pelatihan yang sesuai. Pada penelitian ini kriteria penilaian kinerja guru yang digunakan yaitu penilaian kinerja guru oleh asesor dan penilaian hasil perhitungan angka kredit dalam satu tahun. Tujuan dari penelitian ini adalah untuk mengetahui kinerja guru berdasarkan standar penilaian dengan mengelompokkan menjadi tiga cluster, yaitu sangat baik, baik, dan cukup baik. Nilai kriteria tersebut diolah dengan metode clustering k-means. Penelitian ini juga membandingkan penilaian kinerja guru dari kedua kriteria nilai tersebut. Hasil dari perbandingan tersebut yaitu terdapat 37.5% guru yang tidak mengalami perpindahan cluster, sementara guru yang mengalami perpindahan cluster sebesar 62.5%. Hasil tersebut membuktikan bahwa walaupun penilaian yang dilakukan oleh asesor memiliki persentase nilai paling besar, yaitu sebesar 70%, tidak menjadi acuan penilaian kinerja guru. Penilaian lain selain penilaian dari asesor, yang berupa penilaian dari rekan sejawat, peserta didik, dan orang tua siswa mempengaruhi hasil dari proses clustering.
Downloads
References
H. E. Mulyasa, “Uji Kompetensi dan Penilaian Kinerja Guru,” Cet.2., Jakarta: Remaja Rosda Karya, 2013.
D. Darmansah, “Analisa Penyebab Kerusakan Tanaman Cabai Menggunakan Metode K-Means,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 126–134, 2020.
D. Sukrianto, “Penerapan Data Mining Untuk Kinerja Dosen Menggunakan Metode K–Means Clustering (Studi Kasus Di Amik Mahaputra Riau),” J. PI-Cache, vol. 5, No 1, pp. 54–63, 2016.
A. Nurzahputra, M. A. Muslim, and M. Khusniati, “Penerapan Algoritma K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa,” Techno.Com, vol. 16, No. 1, pp. 17–24, 2017.
L. Hakim, “Perancangan Aplikasi Penilaian Mahasiswa Berprestasi Universitas XYZ Menggunakan Algoritma K-Means Clustering,” J. SITECH Sist. Inf. dan Teknol., vol. 2, No 1, pp. 79–86, 2019.
N. Br Sitepu, “Analisis Algoritma Decision Tree dengan Algoritma Random Forest pada Discretize By Frequency,” Universitas Sumatera Utara, Medan, 2019.
N. C. Sudharmono and M. Ayub, “Penerapan Metode KMeans dan Cobweb Terhadap Analisis Prestasi Akademik Mahasiswa yang Mengikuti Kegiatan Kemahasiswaan,” J. Tek. Inform. dan Sist. Inf., vol. 1, No. 2, pp. 102–110, 2015
F. Irhamni, F. Damayanti, B. Khusnul K, and M. A, “Optimalisasi Pengelompokan Kecamatan Berdasarkan Indikator Pendidikan Menggunakan Metode Clustering dan Davies Bouldin Index,” Semin. Nas. dan Teknol. UMJ, no. 11, pp. 1–5, 2014.
S. Nawrin, M. Rahatur, and S. Akhter, “Exploreing K-Means with Internal Validity Indexes for Data Clustering in Traffic Management System,” Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 3, 2017.
C. Sundar, “An Analysis on the Performance of K-Means Clustering Algorithm for Cardiotocogram Data Clustering,” Int. J. Comput. Sci. Appl., vol. 2, no. 5, pp. 11–20, 2012.
Downloads
Published
How to Cite
Issue
Section
License
Indonesian Journal of Computing and Modeling is licensed under a Creative Commons Attribution 4.0 International License.
