📖 Pengenalan SIPUTS
SIPUTS (Sistem Identifikasi Putus Sekolah) adalah sebuah platform sistem pakar (*expert system*) berbasis kecerdasan buatan (*Artificial Intelligence*) yang memanfaatkan metode logika fuzzy (*Fuzzy Logic*) tipe Mamdani. Sistem ini dirancang secara khusus untuk memetakan, menganalisis, dan memprediksi tingkat kerentanan siswa terhadap risiko putus sekolah pada jenjang pendidikan dasar hingga menengah secara dini (*early warning system*).
1. Latar Belakang & Urgensi
Angka anak putus sekolah merupakan salah satu tantangan terbesar dalam dunia pendidikan nasional. Kompleksitas penyebab siswa berhenti sekolah tidak pernah bersumber dari satu faktor tunggal, melainkan merupakan akumulasi dari berbagai aspek yang saling memengaruhi, seperti kemerosotan prestasi akademik, tingginya tingkat ketidakhadiran (absensi), ketidakstabilan ekonomi keluarga, minimnya perhatian orang tua, serta melemahnya motivasi belajar internal siswa.
Seringkali, pihak sekolah terlambat menyadari gejala-gejala penurunan kualitas diri siswa hingga akhirnya siswa tersebut memutuskan untuk berhenti sekolah secara permanen. Oleh karena itu, diperlukan sebuah alat bantu berbasis data (*data-driven*) yang mampu merangkum parameter kuantitatif dan kualitatif secara objektif guna memproyeksikan persentase tingkat risiko putus sekolah sedini mungkin.
2. Mengapa Menggunakan Logika Fuzzy Mamdani?
Dalam dunia nyata, keputusan penilaian siswa seringkali bersifat subjektif dan tidak dapat diukur dengan batas hitam-putih (logika biner Ya/Tidak). Sebagai contoh, bagaimana mendefinisikan dukungan orang tua yang "cukup"? Atau bagaimana menilai motivasi siswa yang "sedang"?
Di sinilah keunggulan Fuzzy Logic Mamdani bekerja. Algoritma ini meniru pola pikir pakar bimbingan konseling dan pendidik untuk mengolah data input yang tidak presisi (linguistik) menjadi suatu nilai keluaran numerik risiko (0% s/d 100%) yang logis, melalui tiga tahapan utama:
3. Tujuan & Manfaat Utama
Implementasi SIPUTS bertujuan untuk mewujudkan ekosistem sekolah yang responsif dan proaktif dengan memberikan manfaat sebagai berikut:
- Bagi Guru BK & Wali Kelas: Memperoleh basis data diagnosa siswa yang terorganisir untuk mempermudah pemetaan prioritas penanganan konseling individual.
- Bagi Kepala Sekolah: Mendapatkan laporan statistik yang akurat untuk mendukung pengambilan kebijakan bantuan sekolah (seperti KIP/beasiswa) secara tepat sasaran.
- Bagi Orang Tua: Menjadi jembatan komunikasi antara pihak sekolah dan keluarga demi menyelaraskan pola asuh dan perhatian belajar siswa di rumah.
🎯 Deteksi Dini, Investasi Masa Depan
Menyelamatkan satu anak dari risiko putus sekolah bukan hanya sekadar menyelamatkan masa depan pendidikannya, melainkan bentuk investasi nyata dalam memutus rantai kemiskinan dan meningkatkan indeks pembangunan manusia.
📋 Panduan Formulir Diagnosa
Formulir diagnosa menggunakan alur wizard 4-langkah untuk memudahkan pengisian data parameter siswa.
Langkah 1: Informasi Siswa & Sekolah
Masukkan Nomor Pokok Sekolah Nasional (NPSN) 8-digit. Jika terdaftar, sistem akan otomatis melakukan pencarian lokal dan mengisi nama sekolah. Isi juga data profil dasar siswa seperti Nama Lengkap, NISN, Kelas, Jenjang (SD/SMP/SMA/SMK), dan Status Sekolah.
Langkah 2: Kondisi Akademik & Kehadiran
Masukkan nilai kuantitatif siswa. Rata-rata nilai rapor diisi dengan angka desimal/bulat (skala 0-100) dan Persentase kehadiran diisi (skala 0% s/d 100%). Kehadiran di bawah 80% akan sangat mempengaruhi naiknya nilai risiko.
Langkah 3: Keluarga & Motivasi
Pilih kondisi kualitatif siswa berdasarkan 3 dropdown: Kondisi Ekonomi Keluarga (Sangat Kurang - Sangat Mampu), Dukungan Orang Tua (Kurang Sekali - Sangat Mendukung), dan Motivasi Belajar Siswa (Kurang Sekali - Sangat Tinggi).
Langkah 4: Hasil Diagnosa & Rekomendasi
Sistem akan menampilkan indikator visual tingkat risiko siswa (0-100%) dan kategori warna (Rendah/Hijau, Sedang/Kuning, Tinggi/Oranye, Sangat Tinggi/Merah) serta ringkasan rekomendasi tindakan konkret yang bisa dilakukan oleh guru BK atau wali kelas.
🧠 Penjelasan Variabel & Parameter Fuzzy
Penghitungan risiko didasarkan pada 5 parameter utama berikut yang diolah dengan aturan inferensi fuzzy:
| Parameter | Tipe Data | Deskripsi | Kategori/Skala |
|---|---|---|---|
| Akademik (Nilai Rapor) | Angka (0 - 100) | Menggambarkan pencapaian belajar siswa. Prestasi akademis rendah sering kali berkolerasi dengan risiko putus sekolah. | Rendah (<60), Sedang (60-80), Tinggi (>80) |
| Kehadiran (Absensi) | Angka (0 - 100%) | Menilai kepatuhan kehadiran siswa di sekolah. Ketidakhadiran berulang adalah alarm kerentanan terbesar. | Buruk (<75%), Cukup (75-90%), Baik (>90%) |
| Ekonomi Keluarga | Pilihan (Dropdown) | Faktor kemampuan finansial wali murid untuk memenuhi kebutuhan sekolah (biaya operasional, buku, dll). | Sangat Kurang, Kurang, Cukup, Mampu, Sangat Mampu |
| Dukungan Orang Tua | Pilihan (Dropdown) | Keterlibatan orang tua dalam memotivasi belajar, memantau tugas, dan berkomunikasi dengan pihak sekolah. | Kurang Sekali, Kurang, Cukup, Mendukung, Sangat Mendukung |
| Motivasi Belajar Siswa | Pilihan (Dropdown) | Faktor internal dalam diri siswa untuk bersungguh-sungguh dan memiliki keinginan kuat menamatkan sekolah. | Kurang Sekali, Kurang, Cukup, Tinggi, Sangat Tinggi |
⚡ Import Excel & Backup JSON
SIPUTS dilengkapi fitur untuk melakukan analisis data dalam jumlah besar secara sekaligus (Bulk Diagnosis) menggunakan file Excel.
📊 Cara Import Masal (Excel)
- Tekan tombol Download Template yang terletak pada header form diagnosa.
- Buka berkas Excel tersebut. Silakan masukkan data siswa per baris.
- PENTING: Gunakan pilihan dropdown yang telah disediakan di kolom Ekonomi, Dukungan Ortu, dan Motivasi. Pengisian manual dengan mengetik ejaan yang salah akan menghasilkan galat (error) saat import.
- Setelah data terisi lengkap, simpan file dalam ekstensi
.xlsx. - Kembali ke aplikasi, tekan tombol Import Excel, pilih berkas Anda, dan tunggu proses pengolahan fuzzy selesai.
💾 Backup & Restore (JSON)
Karena data riwayat disimpan pada memori lokal browser (LocalStorage), data tersebut rentan terhapus jika Anda melakukan pembersihan berkas sampah / cache browser. Gunakan fitur backup:
- Backup (JSON): Mengunduh semua riwayat diagnosa lokal ke dalam file format
.json. - Restore (JSON): Mengunggah berkas JSON cadangan untuk memulihkan seluruh riwayat diagnosa yang pernah disimpan sebelumnya.
❓ Pertanyaan Umum & Solusi
Daftar pemecahan masalah yang sering dihadapi pengguna:
Sistem merujuk pada himpunan keanggotaan fuzzy (Fuzzy Set) untuk setiap variabel masukan. Mesin fuzzy kemudian mengevaluasi puluhan aturan inferensi logika AND/OR, lalu melakukan defuzzifikasi metode centroid (titik tengah) untuk memetakan output nilai risiko 0-100%.
Hal ini umumnya dikarenakan batas limitasi respons dari Apps Script/Google Sheets API. Pastikan Anda memiliki koneksi internet yang stabil karena sistem melakukan permintaan HTTP fetch ke cloud.
Periksa kembali status otorisasi browser Anda. Pastikan cookie dan session storage aktif. Jika API Google Apps Script belum dideploy ulang dengan opsi "Anyone", browser akan menolak otentikasi login admin.