YOGYAKARTA, MENARA62.COM — Dr Sabar Aritonang Rajagukguk, Mahasiswa Magister Informatika Fakultas Teknologi Industri, Universitas Islam Indonesia (FTI UII) mengungkapkan Data Pokok Peserta Didik (DAPODIK) hanya digunakan untuk kebutuhan administratif seperti akreditasi sekolah dan penyaluran dana bantuan operasional sekolah (BOS).
Sabar Aritonang mengungkapkan hal tersebut kepada wartawan secara virtual di Yogyakarta, Jumat (24/5/2024). Sabar Aritonang Rajagukguk adalah mahasiswa Magister Informatika FTI UII angkatan 23, tahun 2020 yang mengambil konsentrasi sains data yang diwisuda Sabtu (25/5/2024), dengan IPK 3,94.
Menurut Sabar Aritonang, DAPODIK dapat dieksplorasi untuk menyusun strategi peningkatan prestasi belajar siswa. Bahkan ke depan, penggunaan DAPODIK untuk pengambilan keputusan berbasis data (data-driven decision making) akan semakin meningkat.
“Perubahan terjadi sangat cepat, tidak pasti, kompleks dan ambigu,” tandas Sabar yang didampingi Ir Irving Vitra Paputungan, SKom, MSc, PhD, Ketua Program Studi Informatika, Program Magister, FTI UII dan Ir Dhomas Hatta Fudholi, ST, MEng, PhD, Ketua Program Studi Informatika Program Sarjana dan Dosen Pembimbing.
Sabar menjelaskan cara penggunaan DAPODIK, salah satunya menggunakan Pemodelan Kausal. Pemodelan ini dapat membantu pemangku kepentingan pendidikan dalam merancang strategi yang efektif untuk meningkatkan kualitas pembelajaran dan prestasi akademik siswa.
Pemodelan kausal merupakan pendekatan penting dalam memahami hubungan sebab-akibat antar variabel dalam suatu sistem yang kompleks. “Pemodelan kausal memungkinkan peneliti untuk mengidentifikasi faktor-faktor kunci yang mempengaruhi kinerja siswa,” kata Sabar Aritonang Rajagukguk yang meraih gelar Doktor Ilmu Manajemen di Bina Nusantara University (Binus).
Sabar mengangkat judul tesis ‘Pemodelan Kausal Prestasi Belajar Peserta Didik Sekolah Menengah dengan Algoritma NO TEARS Berdasarkan Data dari Aplikasi DAPODIK.’ Penelitian tesis ini mengkaji kinerja siswa menggunakan metodologi pemodelan kausal berbasis data.
“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,” kata Sabar.
Hasil penelitian menunjukkan nilai rata-rata keterampilan siswa dipengaruhi oleh jarak dari sekolah, tingkat pendidikan dan pendapatan orang tua, serta posisi dalam keluarga. Sedangkan nilai rata-rata pengetahuan dipengaruhi oleh nilai rata-rata keterampilan, urutan dalam keluarga, dan tingkat pendapatan orang tua.
Sabar telah mengembangkan sebuah perangkat lunak 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),” kata Sabar.
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,” kata Sabar. (*)
