beritabernas.com – Pemodelan kausal merupakan pendekatan penting dalam memahami hubungan sebab-akibat antar variabel dalam suatu sistem yang kompleks. Dalam konteks pendidikan, pemodelan kausal memungkinkan peneliti untuk mengidentifikasi faktor-faktor kunci yang mempengaruhi kinerja siswa.
Pemodelan kausal juga dapat membantu pemangku kepentingan pendidikan dalam merancang strategi yang efektif untuk meningkatkan kualitas pembelajaran dan prestasi akademik siswa.
Hal itu disampaikan Dr Sabar Aritonang Rajagukguk, Mahasiswa Magister Informatika FTI UII, dalam jumpa pers secara daring melalui zoom meeting, Jumat 24 Mei 2024. Ia menguraikan hasil penelitiannya yang berjudul Pemodelan Kausal Prestasi Belajar Peserta Didik Sekolah Menengah dengan Algoritma NO TEARS Berdasarkan Data dari Aplikasi DAPODIK.
- Angkat Isu Limbah Fashion, Mahasiswi Prodi Teknik Industri UII Raih Gelar MBA di Taiwan
- UII Dirikan Pusat Studi Agama dan Demokrasi
Menurut Sabar Aritonang Rajagukguk, penelitian ini mengkaji kinerja siswa menggunakan metodologi pemodelan kausal berbasis data. Ia mengambil data dari sekolah menengah pertama negeri di Bali, Indonesia, diproses menggunakan algoritma Non-combinatorial Optimization via Trace Exponential and Augmented lagRangian for Structure Learning (NOTEARS) dan Bayesian Network untuk mengungkap struktur kausal dan interaksi antar variabel.
Hasil penelitian itu menunjukkan bahwa nilai rata-rata keterampilan siswa dipengaruhi oleh jarak dari sekolah, tingkat pendidikan dan pendapatan orangtua serta posisi dalam keluarga. Sedangkan nilai rata-rata pengetahuan terutama dipengaruhi oleh nilai rata-rata keterampilan, urutan dalam keluarga dan tingkat pendapatan orangtua.
Menurut Sabar Aritononang, sebuah perangkat lunak telah dikembangkan untuk mengatasi kelemahan model dalam menjembatani domain knowledge dengan pendekatan NOTEARS yang murni data-driven. Perangkat lunak ini memungkinkan pengguna memilih variabel eksogen dan endogen, mengunggah set data, melakukan pra-pemrosesan, memvisualisasikan hubungan kausal dan menemukan conditional probability distribution (CPD).
Validasi hasil temuan pemodelan dan kemudahan penggunaan perangkat lunak dilakukan melalui wawancara dengan enam narasumber, yang terdiri dari para pimpinan sekolah dan para guru. Hasil studi dan pengembangan perangkat lunak ini menunjukkan implikasi praktis yang potensial dalam mengevaluasi kembali pendekatan terhadap pendidikan dengan menganalisis data melalui metode yang diusulkan.
Dapodik
Dikatakan, data peserta didik yang tersimpan secara nasional di Dapodik (Data Pokok Peserta Didik) selama ini digunakan untuk kebutuhan administratif seperti akreditasi sekolah dan penyaluran dana bantuan operasional sekolah (BOS). Penggunaan Dapodik dalam menyusun strategi peningkatan prestasi belajar siswa belum banyak dieksplorasi, sementara kebutuhan terhadap pengambilan keputusan berbasis data (data-driven decision making) meningkat pada era ini, di mana perubahan terjadi sangat cepat, tidak pasti, kompleks dan ambigu.
Menurut Sabar Aritonang, penelitian ini menunjukkan potensi penggunaan Dapodik dalam menentukan strategi pendidikan yang lebih efektif melalui pemodelan kausal variabel-variabel yang ada di Dapodik.
Menggunakan algoritma Non-combinatorial Optimization via Trace Exponential and Augmented Lagrangian for Structure Learning (NOTEARS), sebuah model AI telah dibuat guna menunjukkan hubungan kausal antar variabel dalam Dapodik dan mensimulasikan pada kondisi apa prestasi belajar siswa meningkat secara maksimal.
Melalui hubungan kausal tersebut, menurut Sabar Aritponang, sekolah diharapkan dapat dengan cepat menemukan anteseden strategis yang perlu dibenahi untuk meningkatkan kualitas pembelajaran dan prestasi peserta didik.
Riset yang didanai oleh Kementerian Pendidikan dan Kebudayaan Republik Indonesia melalui Hibah Penelitian Tesis Magister ini menunjukkan bahwa pengambilan keputusan berbasis data memungkinkan sekolah untuk menyusun strategi berdasarkan karakteristik sekolah.
Hal ini terjadi karena data di Dapodik setiap sekolah tentunya berbeda. Misalnya, apakah nilai rata-rata keterampilan siswa dipengaruhi oleh jarak dari sekolah, tingkat pendidikan dan pendapatan orangua, serta posisi dalam keluarga. Atau apakah nilai rata-rata pengetahuan siswa dipengaruhi oleh nilai rata-rata keterampilan, urutan dalam keluarga, dan tingkat pendapatan orangtua.Hal inilah yang tentunya berbeda pada setiap sekolah.
Guna memfasilifasi beragam kebutuhan pengujian hubungan kausal berbasis data, model AI luaran penelitian Prodi Magister Informatika UII ini juga dapat digunakan untuk pengujian hubungan kausal pada berbagai konteks perusahaan. Misalnya, dalam menguji hubungan kausal berbasis data yang mempengaruhi kinerja ROI, ROE, nilai KPI individu, total barang yang diproduksi harian, total sales dan sebagainya.
Ir Irving Vitra Paputungan S.Kom MSc Ph.D, Ketua Program Studi Informatika, Program Magister, FTI UII, mengatakan, Dr Sabar Aritonang Rajagukguk tercatat sebagai Mahasiswa Magister Informatika FTI UII angkatan 23 tahun 2020 dengan konsentrasi sains data. Ia lulus tahun 2024 ini dengan IPK, 3,94.
“Sabar Aritonang Rajagukguk adalah seorang akademisi dan peneliti berprestasi yang berafiliasi dengan Universitas Bina Nusantara (BINUS) Indonesia. Mengharapkan, kecakapan pengetahuan serta ketrampilan harus selalu dijaga dan ditingkatkan seiring berkembangnya ilmu pengetahuan dan teknologi saat ini. Selain kecakapan, para alumni harus memiliki keluhuran sikap dan menjaga akhlak yang mulia, sehingga dapat ditularkan di lingkungannya,” kata Irving Vitra Paputungan yang mendampingi Sabar Aritonang dalam jumpa pers bersama Ir Dhomas Hatta Fudholi ST M.Eng PhD, Ketua Program Studi Informatika, Program Sarjana dan Dosen Pembimbing Sabar Aritonang. (lip)
There is no ads to display, Please add some