Model Penduga Penentuan Guru Berprestasi Menggunakan Adaptive Neuro Fuzzy Inference System: Studi Kasus SLB Negeri 7 Jakarta

research
  • 18 Apr
  • 2018

Model Penduga Penentuan Guru Berprestasi Menggunakan Adaptive Neuro Fuzzy Inference System: Studi Kasus SLB Negeri 7 Jakarta

Guru merupakan komponen utama dalam meningkatkan kualitas sumber daya manusia. Informasi mengenai guru berprestasi bagi sekolah menunjukkan adanya keberhasilan sekolah dalam mencapai tujuan pendidikan nasional dalam meningkatkan kualitas pembelajaran dalam mendidik peserta didiknya. Pada penelitian ini, pemodelan berbasis Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan dalam menentukan guru berprestasi berdasarkan kriteria pemilihan guru berprestasi SD dan SMP tahun 2011. Penelitian ini menggunakan metode hybrid dan backpropagation serta beberapa tipe fungsi keanggotaan untuk menghasilkan nilai root mean square error (RMSE) terendah. Nilai RMSE terendah untuk pemodelan proses training yang paling optimal dengan menggunakan tipe fungsi keanggotaan (membership function) trimf dan trapmf pada metode hybrid. Sedangkan pemodelan   yang   paling   optimal   untuk   proses testing menghasilkan nilai RMSE terendah dengan tipe fungsi keanggotaan gbellmf pada metode hybrid dan backpropagation. Sehingga pemodelan terbaik dalam penelitian ini yaitu dengan menggunakan metode hybrid dan backpropagation  dengan tipe fungsi keanggotaan “gbellmf”. Sedangkan  hasil  pengujian  prototipe berdasarkan kriteria uji  Software  Quality  Assurance  (SQA) secara kualitatif hasilnya baik, berdasarkan hasil pengujian tersebut maka uji kelayakan pada penelitian ini cukup optimal.

Unduhan

 

REFERENSI

Budiharto, Widodo.   Membuat Sendiri Robot Cerdas+CD (REVISI), Jakarta: Elex Media Komputindo, 2009.

Direktorat Pembinaan Pendidik dan Tenaga Kependidikan Pendidikan Dasar, “Pedoman pelaksanaan pemilihan guru berprestasi SD dan SMP tahun 2011”, http://www.docstoc.com/docs/156245161/pedoman-guru-berprestasi [Diakses 4 Mei 2013]

Fausett, Laurene V. Fundamentals of Neural Network: Architectures, Algoritms and Applications, New Jersey: Prentice Hall, 1993.

Kusumadewi,  Sri.,  and  Hartati,  Sri.  Neuro Fuzzy Integrasi sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu, 2010.

Laudon,     Kenneth     C     and   Laudon,  Jane  P. Sistem Informasi Manajemen, Jakarta: Salemba Empat, 2008. 

Widodo,    Prabowo   Pudjo.,   Handayanto, Rahmadya   Trias.   Penerapan   Soft  Computing Dengan Matlab, Bandung: Rekayasa Sains, 2009.