Peningkatan Efisiensi Penugasan Guru di Provinsi Daerah Istimewa Yogyakarta Melalui Penghapusan Outlier
Abstract
Pada sistem pendidikan nasional, guru merupakan komponen utama keberhasilan sistem. Selama ini penugasan guru hanya didasarkan pada kebutuhan sekolah, tidak memandang alamat rumah dari guru yang ditugaskan. Hal ini berakibat adanya sejumlah guru yang harus menempuh perjalanan yang sangat jauh untuk mengajar. Keterlambatan datang dan kelelahan guru menjadikan proses belajar mengajar kurang efektif. Guru yang demikian ini dapat dipandang sebagai outlier. Outlier merupakan objek yang berbeda dibandingkan objek-objek lainnya. Pada penelitian ini akan dilakukan deteksi outlier dalam penugasan guru di Propinsi Daerah Isimewa Yogyakarta. Pada kasus ini, outlier merupakan guru-guru yang harus menempuh perjalanan sangat jauh untuk mencapai sekolah tempat mengajarnya. Deteksi outlier dilakukan dengan menggunakan metode Boxplot. Untuk mengurangi jarak tempuh guru maka diusulkan pertukaran penempatan kerja guru. Metode Greedy digunakan untuk memilih pasangan pertukaran penempatan guru sehingga distribusi guru merata dan jarak tempuh guru secara keseluruhan dapat dikurangi.References
Aggarwal, C.C. and Yu, P.S., 2010, Outlier Detection for High Dimensional Data, Proceedings ofthe 2001ACM SIGMOID International Conference on Management of Data (SIGMOD’01).
Bakar, Z.A., Mohemad, R., Ahmad, A., and Deris, M.M., 2006, A Comparative Study for OutlierDetection Techniques in Data Mining, IEEE Conference on Cybernetics and Intelligent Systems.
Benjamini, Y., 1988, Opening the box of the boxplot, American Statistician, 42(4), 257-262.
Bessai, K. And Charoy, F., 2016, Business process tasks-assignment and resource allocation inCrowdsourcing context, Proceedings of the 2016 IEEE 2nd International Conference onCollaboration and Internet Computing.
Cavallo, R. and Jain, S., 2012, Efficient Crowdsourcing Contests, Proceedings of the 11thInternational Conference on Autonomous Agents and Multiagent Systems (AAMAS 2012), 4-8 June2012, Valencia, Spain.
Chandola, V., Banerjee, A., dan Kumar, V., 2009, Anomaly Detection: A Survey, ACM ComputingSurveys, Vol. 41, No. 3, Article 15, Publication date: July 2009.
Dovoedo, Y.H, 2011, Outlier detection for multivariate skew-normal data: a comparative study,Journal of Statistical Computation and Simulation, 83, 773-778.
Han, J. and Kamber, M., 2006, Data Mining : Concepts and Techniques , Morgan KaufmannPublishers, Inc.
Karger, D.R., Oh, S., and Shah, D., 2013, Efficient Crowdsourcing for Multi-class Labeling,SIGMETRICS’13, June 17-21, 2013, Pittsburgh, PA, USA.
McGill, R., Tukey, J.W., Larsen, W.A., 1978, Variations of Box Plots, The American Statistican,vol.32, No.1, pp.12-16.
Menteri Pendidikan dan Kebudaayaan RI, 2016, Surat Edaran No. 36186/MPK/KP/2016 tentangPemerataan Penempatan Guru dan Tenaga Kependidikan.
Nata, G.N.M., 2013, Deteksi Outlier Transaksi Menggunakan Visualisasi-Olap Pada DataWarehouse Perguruan Tinggi Swasta, Journal of Applied Intelligent System, Vol. 1, No. 2, Juni2016: 77-8.
Pemerintah Republik Indonesia, 2014, Undang-Undang Republik Indonesia No 23 Tahun 2014tentang Pemerintah Daerah.
Rahman, M.A., 2016, A Framework to Support Massive Crowd: A smart City Perspective,Proceedings of the 2016 IEEE International Conference on Multimedia & Expo Workshops(ICMEW), 11-15 July 2016
Sadewo, 2013, Pemodelan inflasi Propinsi Riau menggunakan ARIMA dengan Deteksi Outlier danmodel Intervensi, Working Paper, Researchgate.
Sincich, T., 1987, Statistics by Example, Dellen Publishing Company, Canada, USA.
Singh, K. and Upadhyaya, S., 2012, Outlier Detection: Applications And Techniques, IJCSIInternational Journal of Computer Science Issues, Vol. 9, Issue 1, No 3, January 2012, ISSN(Online): 1694-0814, www.IJCSI.org
Tarable, A., Nordio, A., Leonardi, E., and Marsan, M.A., 2017, Information in Microtask-BasedCrowd Work Systems, IEEE Transactions On Parallel And Distributed Systems, Vol. 28, No. 2,February 2017.
Trist, E. L., 1981, The evolution of socio-technical systems: A conceptual framework and an actionresearch program, Occasional, Paper No 2.
Yan, X., Ding, X., and Gu, N., 2016 Crowd Work with or without Crowdsourcing Platforms,Proceedings of the 2016 IEEE 20 th International Conference on Computer Supported CooperativeWork in Design.
