Model Prediktif Untuk Akreditasi Sekolah Tingkat Sekolah Menengah Pertama (Smp)

Abstract

Aspek utama yang menentukan keberhasilan suatu bangsa adalah pendidikan. Oleh sebab itu, pemerintah memutuskan untuk seluruh sekolah perlu diberikan nilai kelayakan (akreditasi). Dalam kajian ini ingin membangun satu model prediksi untuk akreditasi sekolah di tingkat SMP. Pendekatan dengan teknik mechine learning digunakan pada pemodelan ini. Beberapa algoritma yang diterapkan memiliki nilai akurasi pada rentang 76% sampai dengan 79%, hal ini masih dapat ditingkatkan kembali. Namun berdasarkan nilai AUC sebesar 76% model Random Forest memiliki prediksi yang baik dibandingkan model lainnya. Karena model Random Forest mampu memprediksi kelas minoritas tipe "akreditasi A" lebih tinggi. Kata kunci: Prediktif; Akreditasi Sekolah; Mechine Learning; PENDAHULUAN Dalam rangka meningkatkan kualitas pendidikan sesuai amanat UUD Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional. Salah satunya adalah pemerintah mengeluarkan keputusan secara tegas bahwa sekolah negeri maupun swasta agar diakreditasi. Berhubungan dengan hal tersebut pemerintah membentuk satuan badan lembaga untuk menentukan nilai kelayakan satuan pendidikan yakni Badan Akreditasi Nasional Sekolah/Madrasah (BAN-S/M). Kegiatan yang dilakukan lembaga BAN-S/M adalah merumuskan kebijakan operasional, melakukan sosialisasi kebijakan dan melaksanakan akreditasi Sekolah/Madrasah. Hasil penilaian kelayakan tersebut berupa peringkat akreditasi sekolah yang dinyatakan dalam huruf A (sangat baik), B (baik), C (cukup) dan tidak terakreditasi (Badan Akreditasi Nasional, 2016). Lebih lanjut, terdapat banyak satuan pendidikan di Indonesia dari tingkat sekolah dasar dan menengah. Sehingga mustahil akan dievaluasi satu persatu tiap sekolah dengan banyaknya parameter penilaian yang ada. Oleh karena itu, perlu dibangun suatu model statistik pada dataset BAN-S/M untuk meramalkan satuan pendidikan dalam hal kelayakan. Hal tersebut yang mendorong penulis untuk mengkaji pemodelan variabel-variabel akreditasi sekolah tingkat SMP. Model yang dihasilkan

Komparasi Algoritma Klasifikasi Untuk Menentukan Evaluasi Kinerja Terbaik Pada Status Akreditasi Sekolah/Madrasah Kalimantan Timur Berdasarkan Iasp 2020

“…Peraturan Pemerintah No. 19 Tahun 2005 pada dasarnya merupakan proses penilaian akreditasi mengacu pada standar nasional pendidikan sesuai tentang Standar Nasional Pendidikan pasal 2 ayat (1) bahwa cakupanya antara lain (1) standar isi (2) standar proses (3) standar kompetensi lulusan (4) standar pendidik dan tenaga kependidikan (5) standar sarana dan prasarana (6) standar pengelolaan (7) standar pembiayaan dan (8) standar penilaian pendidikan. Pada tahun 2018 kemudian Badan Akreditasi Nasional Sekolah/Madrasah (BAN-S/M) telah melakukan rancangan dan menerapkan perubahan sistem akreditas, dari sebuah paradigma berbasis kepatuhan administratif (compliance) menjadi berbasis pada kinerja (performance) yang diberi istilah IASP 2020.…”

“…Disimpulkan bahwa model algoritma Random Forest menghasilkan nilai prediksi lebih baik dari 3 model lainnya. Namun, hasil akurasi ini tidak semata-mata memberikan gambaran bahwa model Random Forest merupakan model yang lebih baik daripada model model lainnya dalam semua kasus pemodelan data klasifikasi [7]. Dilanjutkan penerapan klasifikasi akreditasi dengan algoritma k-nearest neighbor (KNN) pada data sekolah menengah atas, yang menghasilkan nilai tertinggi diperoleh pada penggunaan atribut sebanyak 8 dan nilai k = 3, sehingga menghasilkan nilai akurasi sebesar 80,7051%.…”