Algoritma No Tears untuk Pemodelan Kausal Prestasi Siswa Hasil Penelitian Mahasiswa FTI UII
WARTAJOGJA.ID : Mahasiswa Magister Informatika FTI UII angkatan 23, Dr Sabar Aritonang Rajagukguk mengungkap hasil penelitiannya dalam penggunaan
Data peserta didik yang tersimpan secara nasional di Dapodik (Data Pokok Peserta Didik) menggunakan algoritma Non-combinatorial Optimization via Trace Exponential and Augmented Lagrangian for Structure Learning (No Tears).
Ini merupakan sebuah model AI yang telah dibuat guna menunjukkan hubungan kausal antar variabel dalam Dapodik serta mensimulasikan pada kondisi apa prestasi belajar siswa meningkat secara maksimal.
Sebab selama ini Dapodik digunakan untuk kebutuhan administratif seperti akreditasi sekolah dan penyaluran dana bantuan operasional sekolah.
Penggunaan Dapodik dalam menyusun strategi peningkatan prestasi belajar siswa belum banyak dieksplorasi, sedangkan kebutuhan terhadap pengambilan keputusan berbasis data (data-driven decision making) meningkat pada era ini.
Lewat penelitiannya, Sabar menunjukkan potensi penggunaan Dapodik dalam menentukan strategi pendidikan yang lebih efektif melalui pemodelan kausal variabel-variabel yang ada di data pokok tersebut.
"Melalui hubungan kausal tersebut, sekolah diharapkan dapat dengan cepat menemukan anteseden strategis yang perlu dibenahi untuk meningkatkan kualitas pembelajaran dan prestasi peserta didiknya," kata Sabar dalam konferensi pers via zoom, Jumat (24/5).
Riset ini didanai oleh Kementerian Pendidikan dan Kebudayaan Republik Indonesia melalui Hibah Penelitian Tesis Magister ini. Hasil penelitian menunjukkan pengambilan keputusan berbasis data memungkinkan sekolah untuk menyusun strateginya berdasarkan karakteristik sekolahnya.
Menurutnya, hal itu dikarenakan data di Daposik setiap sekolah berbeda. Guna memfasilifasi beragam kebutuhan pengujian hubungan kausal berbasis data, model AI luaran penelitian Prodi Magister Informatika kampus UII Yogyakarta ini juga dapat digunakan untuk pengujian hubungan kausal pada berbagai konteks perusahaan.
Semisal dalam menguji hubungan kausal berbasis data yang mempengaruhi kinerja ROI, ROE, nilai KPI individu, total barang yang diproduksi harian, total sales dan lain sebagainya.
Dalam penelitiannya, akademisi berprestasi yang berafiliasi dengan Universitas Bina Nusantara itu mengkaji kinerja siswa menggunakan metodologi pemodelan kausal berbasis data.
Data dari sekolah menengah pertama negeri di Bali, Indonesia, diproses menggunakan algoritma Notears, dan Bayesian Network untuk mengungkap struktur kausal dan interaksi antar variabel.
"Hal ini dapat membantu pemangku kepentingan pendidikan dalam merancang strategi yang efektif untuk meningkatkan kualitas pembelajaran dan prestasi akademik siswa," kata peraih IPK 3,94 ini.
Hasil menunjukkan, nilai rata-rata keterampilan siswa dipengaruhi oleh jarak dari sekolah, tingkat pendidikan dan pendapatan orang tua, serta posisi dalam keluarga. Adapun nilai rata-rata pengetahuan terutama dipengaruhi oleh nilai rata-rata keterampilan, urutan dalam keluarga, dan tingkat pendapatan orang tua.
Ketua Program Studi Informatika FTI UII Dhomas Hatta Fudholi mengatakan hasil penelitian ini pengambilan keputusan berbasis data memungkinkan sekolah untuk menyusun strateginya berdasarkan karakteristik sekolahnya. Setiap sekolah bisa menganalisis data Dapodiknya.
Kemudian menggunakan cara tersendiri dalam meningkatkan prestasi belajar siswa setelah menganalisi data menggunaan platform tersebut.
"Perangkat lunak dari penelitian yang telah dikembangkan dan dapat diakses secara bebas. Harapan kami sekolah bisa memanfaatkannya, bahkan jika memungkinkan harapan kami Kemendikbud bisa menjadi hasil penelitian ini untuk diterapkan di sekolah-sekolah," katanya
Post a Comment