14
PERANCANGAN SIMULASI BERBASIS AGEN UNTUK
MENGANALISIS STRATEGI PADA SEBUAH SEKOLAH
Dhanan Sarwo Utomo
Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132 e-mail: krigjsman@gmail.com
Abstract: School is an organization, which has certain goals to be achieved. Correct strategy analysis is essential in order to achieve these goals successfully. Interaction exists among stu-dents, teachers, parents and school managers within school organization. Each elements of this interaction have different goals and strategy to achieve their individual goals. Using hy-pothetical data we construct an agent based computer simulation to analyze interaction within school organization. Using this simulation, determine several scenarios that can optimize the outcome of school strategy.
Key Words: strategy analysis, decision analysis, agent-based simulation
Sekolah sebagai sebuah organisasi memiliki sejumlah tujuan yang ingin dicapai, salah satunya adalah tujuan pendidikan nasional. Oleh karena itu, pemilihan strategi yang tepat amat penting dalam ke-suksesan pencapaian tujuan-tujuan sekolah. Dalam pendidikan, strategi ini umumnya dikemas dalam bentuk kegiatan siswa, kegiatan guru, peraturan lah, maupun metode belajar. Dalam organisasi seko-lah juga terjadi interaksi antara siswa, guru, orang tua, dan pengelola sekolah. Hasil dari proses interaksi antarindividu akan mempengaruhi hasil dari penca-paian strategi sekolah secara keseluruhan. Interaksi antarindividu (agen) adalah fenomena yang kompleks karena tiap agen adalah manusia yang memiliki tuju-an, nilai, strategi, karakteristik, dan emosi masing-masing.
Simulasi berbasis agen adalah pendekatan yang dapat menganalisis interaksi antarindividu yang dise-but agen. Masing-masing agen berinteraksi satu de-ngan yang lain dan juga berinteraksi dede-ngan lingku-ngan yang mereka tempati (Smith dan Conrey, 2007). Dalam menganalisis interaksi antaragen, simulasi berbasis agen mempertimbangkan karakteristik, emo-si, tujuan, nilai, dan strategi yang dimiliki tiap agen. Penelitian-penelitian ilmu sosial pada umumnya
di-laksanakan menggunakan deskripsi verbal, model matematika, atau metode statistika. Dibandingkan de-ngan pendekatan-pendekatan tersebut, simulasi ber-basis agen memiliki beberapa keunggulan, antara lain hasil yang diperoleh melalui simulasi lebih mudah di-interpretasi. Dinamika yang terjadi pada proses inter-aksi sosial dan fenomena yang diakibatkannya dapat diamati secara eksperimental melalui simulasi tanpa menimbulkan resiko pada sistem sesungguhnya (Gilbert dan Terna, 1999; Smith dan Conrey, 2007). Model matematis atau pendekatan statistika memang lebih mudah diinterpretasi dibandingkan dengan des-kripsi verbal. Namun, persamaan-persamaan yang di-ajukan sering kali sulit untuk dipecahkan secara ana-litik. Agar dapat dipecahkan, persamaan-persamaan perlu disederhanakan dengan sejumlah asumsi oleh peneliti. Asumsi-asumsi yang diambil kerap tidak re-alistis sehingga teori yang diperoleh sulit untuk dite-rapkan pada dunia nyata (Gilbert dan Terna, 1999). Simulasi berbasis agen membangun sejumlah aksio-ma berdasarkan persepsi yang diajukan tiap agen pa-da dunia nyata, sehingga hasil yang diperoleh lebih aplikatif dalam konteks yang diteliti.
Saat ini simulasi berbasis agen telah diterapkan secara luas dalam bidang manajemen, ekonomi,
de-mografi, dan politik. Namun, berdasarkan kajian pus-taka yang telah dilakukan, tidak ditemukan penelitian simulasi berbasis agen yang bertujuan untuk meng-analisis strategi pada sebuah sekolah. Penelitian ini diharapkan dapat memberikan sumbangan pada per-kembangan simulasi berbasis agen dan ilmu manaje-men pendidikan khususnya di Indonesia.
METODE
Penelitian ini bertujuan mengajukan model awal simulasi berbasis agen yang dapat dimanfaatkan untuk menganalisis penerapan strategi pada sebuah sekolah. Melalui model ini dapat diajukan sejumlah skenario yang mampu mengoptimalkan hasil yang di-peroleh melalui sebuah strategi.
Pada simulasi ini didefinisikan sebuah sekolah berdasarkan data hipotetik. Sekolah tersebut memiliki tujuan meningkatkan kemampuan profesional para gurunya. Indikator keberhasilan pencapaian tujuan ini adalah tingginya motivasi dan meningkatnya ilmu pe-ngetahuan yang dimiliki oleh para guru. Dalam rang-ka mencapai tujuan ini, kepala sekolah tersebut me-netapkan sebuah kebijakan yaitu melakukan evaluasi rutin terhadap kinerja para guru dan memfasilitasi fo-rum diskusi antarguru. Melalui proses simulasi akan dianalisis skenario pelaksanaan strategi yang paling optimal untuk mencapai tujuan sekolah tersebut. PEMBAHASAN
Komponen-Komponen Simulasi Berbasis Agen Simulasi berbasis agen memiliki tiga kompo-nen yaitu, agen, lingkungan, dan kaidah. Deskripsi singkat dari setiap komponen simulasi berbasis agen adalah sebagai berikut.
Agen adalah individu-individu yang terlibat dalam interaksi. Dalam simulasi berbasis agen, agen dapat mewakili orang, kelompok, organisasi, atau ne-gara (Axelrod dan Bennet, 1993). Agen memiliki be-berapa karakteristik, yaitu (Smith dan Conrey, 2007): setiap agen memiliki perilaku, strategi, atau kaidah yang digunakan untuk menanggapi fenomena yang terjadi pada lingkungannya dan berinteraksi dengan agen-agen lain (active); agen memiliki tujuan, nilai, dan karakter masing-masing (autonomous); setiap agen memiliki kaidah masing-masing dalam berinter-aksi (bounded rationality); dan setiap agen berdiri sendiri (discrete).
Lingkungan adalah tempat terjadinya interaksi
antaragen. Pada simulasi berbasis agen, lingkungan dapat merepresentasikan lokasi pada dunia nyata (Schwarz, 2007) atau kegiatan yang dilakukan oleh agen (Niesen dan Levitt, 2004). Kondisi lingkungan dipengaruhi dan mempengaruhi perilaku agen-agen yang terdapat di dalamnya.
Kaidah adalah aturan-aturan yang diperguna-kan agen untuk merespon aksi yang diberidiperguna-kan oleh agen lain, dan perubahan yang terjadi pada lingkung-an (Gilbert dlingkung-an Terna, 1999).
Agen
Pada simulasi ini dianalisa interaksi antara dua jenis agen yaitu seorang kepala sekolah sebagai peng-ambil kebijakan dan sembilan orang guru. Masing-masing agen memiliki beberapa atribut yaitu emosi, tendensi, ilmu pengetahuan, dan kemampuan komu-nikasi. Penjabaran masing-masing atribut agen adalah sebagai berikut.
Emosi
Emosi manusia memegang peran penting da-lam berinteraksi dengan orang lain. Atribut emosi di-integrasikan kepada agen dengan mengadopsi frame-work PAD. Pada frameframe-work ini, keadaan emosi (tem-pramen) yang dimiliki oleh agen dideskripsikan da-lam tiga dimensi yaitu pleasure (P), arousal (A) dan dominance (D) (Mehrabian, 1996). Definisi bagi seti-ap dimensi adalah sebagai berikut: (1) pleasure: pera-saan senang atau tidak senang yang dirasakan agen terhadap suatu kondisi; (2) arousal: intensitas fisik dan kesiagaan yang ditunjukkan agen dalam menang-gapi suatu kondisi; dan (3) dominance: kontrol diri yang dimiliki agen dalam menghadapi suatu kondisi.
Emosi yang ditunjukkan oleh agen dapat dides-kripsikan melalui kombinasi ketiga dimensi ini (Meh-rabian, 1991). Pada keadaan ternormalisasi dengan rata-rata nol dan standar deviasi 1, keadaan emosi da-pat dikodekan dalam nilai dimensi pleasure, arousal, dan dominance {P;A;D} yang terstandarisasi seperti yang terlihat pada tabel 1.
Menurut Jiang, dkk (2004) dan Putro (2007), emosi yang ditunjukkan agen dapat digolongkan da-lam keadaan emosi yang bersifat positif dan keadaan emosi yang bersifat negatif. Keadaan emosi dapat di-formulasikan sebagai fungsi dari P, A, dan D sebagai berikut:
Tabel 1 Dimensi Pleasure, Arousal, Dominance No Dimensi {P;A;D} 1 Angry {-0,51 ; 0,59 ; 0,25 } 2 Bored {-0,65 ; -0.62 ; -0,33 } 3 Curious { 0,22 ; 0,62 ; -0,01 } 4 Dignified { 0,55 ; 0,22 ; 0,61 } 5 Elated { 0,50 ; 0,42 ; 0,23 } 6 Hungry {-0,44 ; 0,14 ; -0,21 } 7 Inhibited {-0,54 ; -0,04 ; 0,41 } 8 Loved { 0,87 ; 0,54 ; -0,18 } 9 Puzzled {-0,41 ; 0,48 ; -0,33 } 10 Sleepy { 0,20 ; -0,70 ; -0,44 } 11 Unconcerned {-0,13 ; -0,41 ; 0,08 } 12 Violent {-0,50 ; 0,62 ; 0,38 } Sumber: (Mehrabian, 1997)
dengan: (1) SEi adalah keadaan emosi yang dimiliki
agen terhadap agen-i, (2) P adalah nilai dimensi plea-sure terhadap agen-i pada waktu itu, (3) A adalah ni-lai dimensi arousal terhadap agen-i pada waktu itu, dan (4) D adalah nilai dimensi dominance terhadap agen-i pada waktu itu. Nilai P, A, dan D berada pada rentang -1 dan 1.
Nilai dimensi P, A, dan D bersifat dinamis dan dipengaruhi oleh stimulus yang diterima oleh agen. Secara umum stimulus dapat dibagi menjadi dua, sti-mulus yang menyenangkan (pleasant) dan stisti-mulus yang tidak menyenangkan (unpleasant) (Bradley, dkk., 2001). Pada penelitian ini, emosi negatif yang diterima agen-i dari agen-j akan menjadi unpleasant stimulus sedangkan emosi positif akan menjadi plea-sant stimulus. Menurut Bradley, dkk (2001) dan Bar-teneva, dkk (2006) unpleasant stimulus akan menu-runkan nilai P dan D pada agen-i sedangkan, plea-sant stimulus akan meningkatkan nilai kedua dimensi ini. Nilai dimensi A yang dimiliki agen-i akan me-ningkat ketika agen menerima emosi positif maupun negatif dari agen-j.
Tendensi
Tendensi adalah kecenderungan yang dimiliki agen untuk menunjukkan suatu perilaku. Tendensi di-pengaruhi oleh keadaan emosi agen pada waktu terse-but. Pada penelitian ini disimulasikan dua jenis ten-densi yang dapat menjadi indikator kesuksesan strate-gi kepala sekolah yaitu achieving tendency dan affili-ation tendency. Kecenderungan agen untuk menyele-saikan tugas dan mencapai target digambarkan oleh achieving tendency (Mehrabian, 1969).
Kecenderung-an agen untuk bersosialisasi, menjalin komunikasi, dan jaringan dengan agen lain diwakili oleh affilia-tion tendency (Mehrabian, 1976). Pada penelitian ini achieving tendency menggambarkan probabilitas seo-rang guru untuk menyelesaikan tugas-tugas profesi-nya sedangkan affiliation tendency menggambarkan probabilitas seorang guru untuk bersosialisasi dan berdiskusi dengan rekan-rekannya.
Seperti halnya keadaan emosi, tendensi agen untuk menunjukkan perilaku tertentu merupakan kombinasi dari dimensi-dimensi emosi. Formulasi bagi achieving tendency (AcT) dan affiliation
tenden-cy (AfT) yang dimiliki oleh agen ditunjukkan pada
persamaan berikut (Mehrabian dan O'Reilly, 1980):
AcT = 0,21 ×××× P + 0,98 ×××× D ... (2)
AfT = 0,89 ×××× P + 0,45 ××× A ... (3) ×
dengan nilai dimensi P, A, dan D distandarisasi de-ngan rata-rata nol dan standar deviasi 1.
Ilmu Pengetahuan
Pada penelitian ini ilmu pengetahuan disimula-sikan dalam bentuk skala dari 0 hingga 100. Ilmu pe- ngetahuan disimulasikan dengan mengadopsi level-level ilmu pengetahuan yang diajukan oleh Henard, dkk (2008), yaitu: (1) individual capability, merupa-kan kemampuan individu untuk mengenali ilmu baru dan mengintegrasikannya dalam stok pengetahuan yang sudah dimiliki. Variabel individual capability diintegrasikan pada agen dalam bentuk persentase da- ri 0 (sangat buruk) hingga 100 (sangat baik). (2)
Ac-Gambar 1 Hubungan Stimulus dengan Nilai Pleasure, Arousal, dan Dominance yang Dimiliki Agen
quired knowledge yaitu sejumlah informasi yang te-lah dimiliki oleh seseorang yang tete-lah siap untuk di-bagi kepada orang lain. Ilmu ini dapat diperoleh sese-orang melalui pengalaman kerja, berdiskusi dengan rekan, dan membaca. (3) Unique knowledge yaitu pengetahuan yang diperoleh melalui hasil perenungan acquired knowledge yang telah dimiliki. (4) Creative knowledge merupakan pengetahuan yang diperoleh dari mengkombinasikan unique knowledge dan ac-quired knowledge.
Kemampuan Komunikasi
Tiap agen memiliki kemampuan komunikasi yang akan mempengaruhi jumlah ilmu pengetahuan yang dapat disampaikannya kepada rekan-rekannya dalam diskusi. Pada penelitian ini, kemampuan ko-munikasi diintegrasikan pada agen sebagai persentase dari 0 (sangat buruk) hingga 100 (sangat baik). Lingkungan
Pada penelitian ini, lingkungan yang ditempati oleh agen-agen dibagi menjadi beberapa buah spot. Spot mewakili lokasi dan aktivitas yang dilakukan oleh agen setiap hari. Interaksi antara guru dan kepala sekolah pada penelitian ini terjadi pada beberapa spot yaitu: pertama, Spot rumah kepala sekolah. Spot ini memuat aktivitas evaluasi yang dilakukan oleh kepa-la sekokepa-lah terhadap kinerja setiap guru. Hasil evaluasi yang dilakukan pada spot ini, akan menentukan SEi
yang dimunculkan kepala sekolah ketika ia berinter-aksi dengan guru-i. Kedua, spot rapat administratif. Pada spot ini kepala sekolah mengkomunikasikan ha-sil evaluasi yang diperolehnya kepada setiap guru de-ngan menggunakan keadaan emosi SEi. Nilai SEi
ke-pala sekolah akan mengubah nilai P, A, D, achieving tendency, dan affiliation tendency guru-i.
Ketiga, spot diskusi. Proses pembagian ilmu
pengetahuan antarguru terjadi pada spot ini. Jumlah ilmu pengetahuan yang dapat dibagi oleh seorang gu-ru akan dipengagu-ruhi oleh jumlah pengetahuan yang dimiliki dan kemampuan komunikasi guru tersebut. Sedangkan jumlah ilmu pengetahuan yang dapat di-peroleh oleh seorang guru pada spot ini akan bergan-tung kemampuan intelektual (intelectual capability) guru tersebut. Keempat, spot kerja administratif: Tu-gas-tugas yang diberikan oleh kepala sekolah akan diselesaikan oleh guru dalam spot ini. Jumlah peker-jaan yang mampu diselesaikan oleh seorang guru akan bergantung pada achieving tendency, kemampu-an intelektual, dkemampu-an ilmu pengetahukemampu-an ykemampu-ang dimiliki guru tersebut.
Kaidah
Pada bagian ini dijabarkan kaidah-kaidah yang dipergunakan masing-masing agen untuk berinteraksi dengan agen lain dan lingkungannya.
Pendefinisian Probabilitas
Telah diungkapkan pada bagian terdahulu bah-wa, probabilitas seorang guru untuk terlibat dalam spot diskusi (Pd) ditentukan oleh nilai affiliation
ten-dency dan probabilitas guru untuk mengerjakan tugas profesinya (Pb) ditentukan oleh achieving tendency.
Karena itu, nilai achieving tendency yang berkisar an-tara -19 dan 1,19 dan nilai affiliation tendency yang berkisar antara -1,34 dan 1,34, perlu ditranformasikan terlebih dahulu ke dalam selang nol sampai dengan satu sebagai berikut:
Pb = AcT + 1,19 ... (4) 2,38 Pd = AfT + 1,34 ... (5) 2,68 Pleasant (+) Unplesant (-) Arousal Pleasant (+) Unpleasant (-) Pleasure, Dominance
Penentuan Rapat
Pada penelitian ini, kepala sekolah diskenario-kan menentudiskenario-kan jadwal rapat evaluasi guru dengan interval tetap misalnya seminggu sekali, tiga hari se-kali, atau setiap hari. Ada atau tidaknya evaluasi guru pada suatu hari ditentukan dengan melakukan pemba-gian bersisa antara jumlah hari simulasi dengan inter-val rapat. Jika sisa pembagian jumlah hari dengan in-terval rapat nol maka pada hari tersebut dilakukan ra-pat evaluasi guru.
Pembagian dan Penyelesaian Tugas
Setiap hari, setiap guru diskenariokan meneri-ma tugas dari kepala sekolah dengan jumlah yang sa-ma yaitu 100%. Ketika guru-i tidak sedang mengajar dan probabilitas Pb terpenuhi maka, guru-i akan
me-ngerjakan tugas yang diterimanya dari kepala seko-lah. Jumlah pekerjaan yang dapat diselesaikan atau pekerjaan tuntas (PT) oleh guru-i setiap jam bergan-tung kepada jumlah ilmu pengetahuan atau know-ledge (K) yang ia miliki dan individual capability (IdC) guru-i. PT = K ×××× IdC ... (6) Jam PT = PT ××× ∆×∆∆∆t ... (7) jam
Jumlah pekerjaan (JP) guru yang tersisa sete-lah mengerjakan tugas adasete-lah:
JP(t) = JP(t – 1) – PT ... (8)
dengan ∆t adalah waktu yang dipergunakan untuk mengerjakan tugas dalam jam. Jumlah pekerjaan yang tersisa dari masing-masing guru kemudian dila-porkan kepada kepala sekolah.
Evaluasi Kinerja Guru
Setelah informasi sisa pekerjaan guru diterima, kepala sekolah melakukan evaluasi terhadap kinerja guru pada hari tersebut. Pada penelitian ini, kepala sekolah diskenariokan memiliki batas minimal kiner-ja guru yaitu 50% dari total pekerkiner-jaan yang diberikan terselesaikan. Jika jumlah pekerjaan yang tersisa le-bih dari 50%, kinerja guru dianggap tidak
memuas-kan (unpleasant). Kondisi ini amemuas-kan menurunmemuas-kan P dan D kepala sekolah terhadap guru-i dan menaikkan A terhadap guru-i (gambar 1). Jika jumlah pekerjaan yang masih tersisa kurang dari 50%, kinerja guru di-anggap memuaskan (pleasant). Kondisi ini akan me-naikkan P, A, dan D kepala sekolah terhadap guru-i. Jika jumlah pekerjaan yang masih tersisa tepat 50%, P, A, dan D kepala sekolah terhadap guru-i tidak ter-pengaruh.
JP > 50 →→→→ ∆∆∆∆Pi∆D∆∆∆ i = -0,1 dan ∆∆∆A∆ i = 0,1 ... (9)
JP < 50 →→ ∆→→∆∆P∆ i, ∆∆D∆∆ i, ∆∆∆∆Ai = 0,1 ... (10)
dengan ∆Pi, ∆Ai, dan ∆Di adalah perubahan P, A, dan
D kepala sekolah terhadap guru-i.
Nilai P, A, dan D kepala sekolah terhadap gu-ru-i, selanjutnya diperbarui. Kemudian, kepala seko-lah akan memperbarui kondisi emosinya (SEi)
terha-dap guru-i, sesuai dengan persamaan 1.
Pi(t) = Pi(t – 1) + ∆∆∆∆Pi ... (11)
Ai(t) = Ai(t – 1) + ∆∆∆∆Ai ... (12)
Di(t) = Di(t – 1) + ∆∆∆D∆ i ... (13)
Kaidah Rapat Evaluasi
Pada kegiatan evaluasi kondisi emosi SEi
kepa-la sekokepa-lah dikirimkan kepada masing-masing guru. Kondisi emosi kepala sekolah yang negatif akan menjadi stimulus unpleasant bagi guru (sesuai de-ngan gambar 1). Kondisi emosi kepala sekolah yang positif akan menjadi stimulus pleasant bagi guru
SEi < 0 →→→→ ∆∆∆Pg∆ i∆Dg∆∆∆ i = -0,1 dan ∆∆∆∆Agi = 0 ... (14)
SEi > 0 →→→→ ∆∆∆P∆ gi, ∆∆D∆∆ gi, ∆∆∆∆Agi = 0 ... (15)
dengan ∆Pgi, ∆Agi, dan ∆Dgi adalah perubahan P, A,
dan D guru-i terhadap kepala sekolah.
Kemudian setiap guru akan memperbarui kon-disi Pg, Ag, dan Dg, mereka masing-masing.
Pgi(t) = Pgi(t – 1) + ∆∆∆∆Pgi ... (16)
Agi(t) = Agi(t – 1) + ∆∆∆∆Agi ... (17)
Dgi(t) = Dgi(t – 1) + ∆∆∆Dg∆ i ... (18)
Nilai Pg, Ag dan Dg baru ini kemudian diper-gunakan untuk memperoleh achieving tendency dan
affiliation tendency masing-masing guru sesuai de-ngan persamaan (2) dan (3). Achieving tendency dan affiliation tendency setiap guru kemudian diubah da-lam bentuk Pb dan Pd sesuai persamaan (4) dan (5).
Kaidah Diskusi
Jika pada hari ke-i tidak diadakan rapat maka, guru-guru yang Pd-nya terpenuhi akan bergerak ke
spot diskusi. Guru akan menyumbangkan sebagian il-mu yang ia miliki kepada spot diskusi. Besarnya ilil-mu yang dapat disumbangkan oleh guru-i bergantung pada kemampuan komunikasinya (K) dan jumlah pe-ngetahuan yang ia miliki (K):
Kdikirim = K ××× K ... (20) ×
Seluruh ilmu pengetahuan yang disumbangkan oleh guru akan dikumpulkan oleh spot diskusi.
Total_K = ∑∑∑ K∑ dikirim ... (21)
Seluruh ilmu pengetahuan ini kemudian didis-tribusikan kembali kepada para guru yang ikut ber-diskusi dengan mengesampingkan kontribusi guru yang bersangkutan.
Kditerima = Total_K – Kdikirim ... (22)
Ilmu yang diperoleh kemudian diintegrasikan pada ilmu yang telah dimiliki masing-masing guru. Jumlah ilmu yang dapat diintegrasikan akan bergan-tung pada kemampuan guru untuk menyerap infor-masi (IdC).
Ki(t) = Ki(t – 1) + Kditerima ××× I× dC ... (23)
Proses Simulasi
Pada tahap awal simulasi setiap karakteristik agen diberi nilai awal. Bagi kepala sekolah karakte-ristik P, A, dan D diberi nilai awal nol sehingga, SEi
kepada seluruh guru bersifat netral (nol).
Bagi setiap guru, nilai P, A, dan D diberi nilai awal yang sama yaitu 0,5 sehingga, setiap guru me-miliki achieving tendency dan affiliation tendency yang sama pula. Jumlah pengetahuan yang dimiliki oleh setiap guru pada awal simulasi sama yaitu 10.
Nilai kemampuan komunikasi dan intelektualitas di-bagi dalam tiga selang yaitu:
Tabel 2 Nilai Kemampuan Komunikasi dan Intelektualitas
Selang Keterangan Nilai
< 0,3 Rendah (L)
0,3 – 0,7 Sedang (M)
> 0,7 Tinggi (H)
Kemudian, kemampuan intelektualitas dan ko-munikasi guru diberi nilai berdasarkan atas kombina-si antara tinggi rendahnya kedua karakter ini.
Tabel 3 Inisialisasi Karakter Intelektualitas dan Kemampuan Komunikasi Guru.
Guru Individual Capability Komunikasi
1 0,2 (L) 0,25 (L) 2 0,25 (L) 0,65 (M) 3 0,6 (M) 0,25 (L) 4 0,2 (L) 0,9 (H) 5 0,8 (H) 0,2 (L) 6 0,6 (M) 0,8 (H) 7 0,8 (H) 0,5 (M) 8 0,4 (M) 0,65 (M) 9 0,9 (H) 0,8 (H)
Pada penelitian ini dilakukan simulasi untuk empat buah skenario interval rapat evaluasi yaitu, tiap hari (skenario 1), tiga hari sekali (skenario 2), se-minggu sekali (skenario 3), dan dua se-minggu sekali (skenario 4). Melalui simulasi, dianalisa rata-rata achieving tendency guru, rata-rata affiliation tenden-cy guru, dan perkembangan ilmu pengetahuan yang dimiliki guru dalam 30 hari. Hasil yang diperoleh pa-da simulasi keempat skenario tersebut pa-dapat dilihat pada gambar 2.
Dapat diamati pada gambar 2 bahwa keempat skenario yang disimulasikan sama-sama berdampak menurunkan nilai rata-rata achieving tendency para guru. Diantara keempat skenario yang disimulasikan skenario yang menurunkan nilai rata-rata achieving tendency paling cepat adalah skenario pertama. Se-dangkan skenario yang paling mampu mempertahan-kan nilai rata-rata achieving tendency para guru da-lam 30 hari adalah skenario keempat.
Gambar 2 Grafik Rata-rata Achieving Tendency
Pada gambar 3 dapat diamati bahwa terdapat dua skenario yang mampu meningkatkan motivasi guru untuk berdiskusi dan berbagi pengetahuan (affi-liation tendency) yaitu skenario ketiga dan skenario keempat. Diantara kedua skenario tersebut, skenario ketiga adalah skenario yang memberikan hasil strate-gi paling optimal.
Pada gambar 4 dapat diamati bahwa terdapat
Gambar 3 Grafik Rata-rata Affiliation Tendency
tiga skenario yang dapat meningkatkan ilmu pengeta-huan yang dimiliki guru yaitu, skenario kedua, ketiga dan keempat. Diantara ketiga skenario tersebut, ske-nario ketigalah yang mampu meningkatkan ilmu pe-ngetahuan yang dimiliki guru paling cepat. Sedang-kan, pelaksanaan strategi dengan menggunakan ske-nario pertama, terbukti tidak dapat meningkatkan il-mu pengetahuan yang dimiliki guru.
KESIMPULAN
Simulasi berbasis agen adalah suatu pendekat-an baru ypendekat-ang dapat dimpendekat-anfaatkpendekat-an untuk mengpendekat-analisis dan mengoptimasi strategi yang dilaksanakan pada sebuah sekolah. Melalui simulasi dapat dibuktikan bahwa strategi rapat evaluasi rutin dan diskusi mam-pu meningkatkan motivasi dan ilmu pengetahuan yang dimiliki oleh para guru. Strategi ini akan mem-peroleh hasil yang optimal jika dilaksanakan dengan menggunakan skenario ketiga.
Model simulasi berbasis agen yang diperguna-kan pada penelitian ini adalah model awal yang diba-ngun dengan menggunakan data hipotetik. Dalam pe-nelitian selanjutnya, model ini perlu diverifikasi de-ngan menggunakan pengukuran secara empirik.
Gambar 4 Grafik Perkembangan Ilmu Pengetahuan
DAFTAR RUJUKAN
Axelrod, R. & Bennet, D. S. 1993. A Landscape The-ory of Aggregation. British Journal of Political Science, 23 (2): 211-233.
Barteneva, D., Lau, N., & Reis, P. L. 2006. Imple-mentation of Emotional Behaviors in Multi Agent System Using Fuzzy Logic and Tempera-mental Decision Mechanism. Makalah disajikan dalam the 4th European Workshop on Multi A-gent Systems.
Bradley, M. M., dkk. 2001. Emotion and Motivation II: Sex Differences in Picture Processing. Emo-tion, 1: 300-319.
Gilbert, N & Terna, P. 1999. How to Build and Use Agent-based Models in Social Science, (Online), (http://web.econ.unito.it/terna/deposito/gil_ter.p df, diakses pada 3 Maret 2008).
Henard, D. H. & McFadyen, M. A. 2008. Making Knowledge Workers More Creative. Research Technology Management. 51(2):40-46.
Jiang, H, Vidal, J. M, & Huhns, M. N. 2006. Incorp-orating Emotions into Automated Negotiation. Makalah disajikan dalam Agent Construction and Emotions Workshop.
Mehrabian, A. 1969. Measures of Achieving Tenden-cy. Educational and Psychological Measure-ment, 29: 445-451.
Mehrabian, A. 1976. Questionnaire Measures of Aff-iliative Tendency and Sensitivity to Rejection. Psychological Reports, 38: 199-209.
Mehrabian, A. 1991. Outline of a general emotion-based theory of temperament. Makalah disajikan
dalam seminar Explorations in temperament: In-ternational perspectives on theory and measure-ment.
Mehrabian, A. 1996. Pleasure-arousal-dominance: A General Framework for Describing and Measu-ring Individual Differences in Temperament. Current Psychology, 14: 261-292.
Mehrabian, A. 1997. Analysis of Affiliation Related Traits in Term of PAD Temperament Model. The Journal of Psychology, 131: 101-117. Mehrabian, A. & O'Reilly, E. 1980, Analysis of
Per-sonality Measures in Terms of Basic Dimensions of Temperament. Journal of Personality and So-cial Psychology, 38: 492-503.
Nissen, M. E. & Levitt, R. E. 2004. Agent-based Mo-deling of Knowledge Dynamics. Knowledge Ma-nagement Research & Practice, 2 (3): 169-183. Putro, U. S, Siallagan, M., & Noviani, S. 2007.
A-gent-based Simulation of Negotiation Process Using Drama Theory. Makalah disajikan dalam The 51st Annual Meeting of Interntional Society for the System Science, Tokyo Institute of Tech-nology, Jepang.
Schwarz, N. 2007. Agent-based Modelling of the Diffusion of Environmental Innovation. Makalah disajikan dalam the 5th International EMAEE Conference on Innovation.
Smith, E. R. & Conrey, F. R. 2007. Agent-Based Mo-deling: A New Approach for Theory Building in Social Psychology. Personality and Social Psy-chology Review, 11 (87): 87-104.
