Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP) (Studi Kasus : SMA Brawijaya Smart School)

  Vol. 2, No. 5, Mei 2018, hlm. 2095-2101 http://j-ptiik.ub.ac.id

  

Sistem Pendukung Keputusan Penentuan Guru Berprestasi

Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP)

(Studi Kasus : SMA Brawijaya Smart School)

_{1 2 3} Dewan Rizky Bahari , Edy Santoso , Sigit Adinugroho

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: dewanbahari@gmail.com , edy144@ub.ac.id , sigitadinu@ub.ac.id

  

Abstrak

  Demi mendapatkan hasil kemampuan siswa di SMA Brawijaya Smart School Malang yang berkompentensi dan dapat berprestasi dalam hal akademik, maupun non akademik dibutuhkan tenaga pendidik / guru yang berkompenten. Dalam instansi pendidikan, proses penentuan guru berprestasi relatif sering dilakukan, sekolah memerlukan standar tertentu dalam menetapkan persyaratan bagi seorang guru untuk mendapatkan tunjangan atau menempati jabatan tertentu. Selain itu penilaian ini bertujuan untuk mengevaluasi dan meningkatkan kemampuan kompetensi seorang guru. Pada penelitian ini dibuatlah sebuah sistem pendukung keputusan untuk penilaian kinerja guru menggunakan metode

  

Fuzzy- Analytic Hierarchy Process (F-AHP) studi kasus SMA Brawijaya Smart School dengan

  menggunakan enam kriteria yaitu kompetensi pedagogik, kompetensi profesional, kompetensi pengembangan inovasi, kompetensi pemanfaatan teknologi, kompetensi sosial, dan kompetensi kepribadian. Pada penelitian ini mendapatkan hasil tingkat akurasi sistem hingga 82,501% dengan jumlah kriteria adalah 6 kriteria. Dari hasil perhitungan tersebut maka penerapan metode Fuzzy- Analytic

  

Hierarchy Process (F-AHP) diharapkan dapat membantu menentukan guru berprestasi di SMA

Brawijaya Smart School Malang.

  Kata kunci: SMA, Sistem Pendukung Keputusan, Prestasi Fuzzy- Analytic Hierarchy Process (F-AHP).

  

Abstract

Brawijaya Smart School (BSS) Senior High School Malang in producing competent and achieving

students in both academic and non-academic fields requires educators / teachers with good competence

in the field of education. In educational institutions, the process of determining outstanding teachers

has been done relatively, school requires a certain standard in setting requirements for a teacher to get

an allowance or to occupy a particular position. In addition, this assessment aims to evaluate and

improve te acher’s competence. In this research, a decision support system for assessment of teacher’s

performance using Fuzzy-Analytic Hierarchy Process (F-AHP) case study of SMA Brawijaya Smart

  

School using six criteria there are pedagogic competence, professional competence, innovation

development competence, technology utilization competence, social competence , and personality

competence. The result from testing shown accuracy of system up to 82.501% with six criteria. Results

of calculation, the application of Fuzzy-Analytic Hierarchy Process (F-AHP) method is expected to help

the process for determining of teacher achievement in Brawijaya Smart School Malang Senior High

School.

  

Keywords: Senior High School, Decision support system, Achivment, Fuzzy- Analytic Hierarchy Process (F-AHP)

  yang terbilang cukup baik dalam bidang 1.

   PENDAHULUAN akademik maupun non-akademik. Hal ini tidak

  dapat tercapai tanpa adanya tenaga pendidik / SMA BRAWIJAYA SMART SCHOOL guru yang memiliki kompetensi tinggi. Guna

  (BSS) merupakan salah satu sekolah swasta mendukung hal ini maka dibuat sistem yang terletak di Kota Malang serta mulai pendukung keputusan (SPK) penentuan guru beroperasi pada tahun 2008. Walaupun sekolah berprestasi SMA Brawijaya Smart School ini terbilang baru, kemampuan para siswanya

  Fakultas Ilmu Komputer Universitas Brawijaya

2095

  (BSS). Berdasarkan hasil wawancara dengan pihak humas dari SMA Brawijaya Smart School (BSS) sebenarnya telah ada sistem guna menentukan indeks prestasi guru yang telah digunakan oleh SMA Brawijaya Smart School (BSS), namun pada sistem yang telah ada sistem yang digunakan merupakan sistem yang digunakan oleh sekolah-sekolah yang berstatus negeri. Pada perhitungan dengan sistem itu menggunakan kriteria yang ditentukan oleh pemerintah secara paten, sedangkan seharusnya apabila sekolah tersebut berstatus swasta maka memiliki kebijakan tersendiri terhadap kriteria yang objektif dan setara dengan kriteria yang ditetapkan pemerintah, namun ditetapkan oleh lembaga tersebut. Dengan demikian diharapkan terdapat sistem guna penentuan guru berprestasi sesuai dengan kriteria yang ditentukan.

  Dalam sebuah sistem pendukung keputusan penentuan guru berprestasi dibutuhkan suatu metode yang dapat mempertimbangkan seluruh kriteria sehingga mendapatkan hasil yang baik. Beberapa metode digunakan untuk mendukung pengambilan keputusan, antara, Simple Additive

  Weighting (SAW), TOPSIS, Weighted Product

  (WP), Profile Matching, dan Fuzzy- Analitic Hierarcy Process (F-AHP).

  Pada penelitian sebelumnya terdapat beberapa penelitian yang menggunakan metode F-AHP, seperti yang dilakukan oleh oleh Sarosa pada tahun 2016 tentang Dynamic Multicriteria F-AHP pada sistem pendukung keputusan penentuan peringkat ide kreatif (Studi Kasus : Event Pekan Ide Kreatif PT PJB UP Paiton). Pada penelitian tersebut terdapat 3 kriteria yaitu keunikan, manfaat, dan implementatif, yang pada proses pengujiannya menghasilkan tingkat kecocokan hingga 76%. Kemudian pada penelitian yang lain yang dikerjakan oleh Muhammad Haekal pada tahun 2016 mengenai sistem diagnosis penyakit tanaman kedelai menggunakan FUZZY-AHP. Dimana pada penelitian ini terdapat 3 kriteria penting yaitu daun, batang dan biji. Dimana dalam pengujiannya terdapat rata-rata akurasi hingga 80% kemiripan dengan diagnosis yang dilakukan oleh para pakar.

• Pedagogik: Tercermin dari tingkat pemahaman terhadap peserta didik, perancangan dan pelaksanaan pembelajaran, evaluasi hasil belajar dan pengembangan peserta didik untuk mengaktualisasikan berbagai potensi yang dimilikinya.
• Kepribadian: Tercermin dari kemampuan personal, berupa kepribadian yang mantap, stabil, dewasa, arif dan berwibawa, menjadi teladan bagi peserta didik, masyarakat dan berakhlak mulia.
• Sosial: Tercermin dari kemampuan guru untuk berkomunikasi dan bergaul secara efektif dengan peserta didik, sesama pendidik, tenaga kependidikan, orangtua/wali peserta didik dan masyarakat sekitar.
• Profesional: Tercermin dari tingkat penguasaan materi pembelajaran secara luas dan mendalam, yang mencakup penguasaan materi kurikulum mata pelajaran di sekolah

  Telah dibuktikan dari beberapa penelitian sebelumnya dengan kesimpulan bahwa metode F-AHP dapat diterapkan dan efektif untuk suatu permasalahan dengan multi kriteria. Oleh karena itu, penulis ingin menerapkan metode F-AHP dalam suatu pengambilan keputusan untuk menentukan guru berprestasi dengan harapan dapat mempermudah proses penilaian dan lebih efektif serta tingkat kecocokkannya menjadi lebih tinggi. Penulis menjadikan penelitian ini dengan judul

  “Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan

  Fuzzy- Analytic Hierarchy Process (F-AHP)

  (Studi Kasus : Sma Brawijaya Smart School ”).

  2. KAJIAN PUSTAKA

  2.1. Sistem Pendukung Keputusan

  Menurut Subakti (2012) sistem pendukung keputusan adalah sebuah sistem yang ditujukan untuk manajemen pengambilan keputusan. Pada sistem pendukung keputusan terdapat kemampuan untuk menyelesaikan masalah - masalah yang tidak terstruktur. Pada dasarnya sistem pendukung keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif ini dimaksudkan untuk memudahkan keputusan seperti prosedur, kebijakan, teknik analisis serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan yang bersifat fleksibel.

  2.2. Guru Berprestasi

  Guru berprestasi adalah guru yang memenuhi beberapa kriteria yang sesuai dengan standar yang ditetapkan oleh instansi tersebut. Dimana guru berprestasi harus memenuhi beberapa kriteria diantaranya:

• Pengembangan inovasi: Tercermin dari kemampuan dalam pembaharuan/pengembangan inovasi keilmuan guru yang diterapkan dalam kegiatan belajar mengajar.
• Pemanfaatan teknologi: Tercermin dari kemampuan penggunaan/penerapan teknologi dalam kegiatan belajar mengajar.

  Tahapan pada proses AHP adalah sebagai berikut:

  dan substansi keilmuan yang menaungi materinya serta penguasaan terhadap struktur dan metodologi keilmuannya.

2.3. Metode Fuzzy-Analytic Hierarchy Proces (F-AHP)

  2. Membuat matriks perbandingan keputusan seperti pada Tabel 1

  1. Menyusun hirarki tersturktur.

2.3.1 Analytic Hierarchy Proces (AHP)

  1 kedua elemen sama pentingnya.

  1 ̅

  Metode AHP merupakan salah satu metode pengambilan keputusan yang kemukakan oleh Thomas L. Saaty. Cara kerja dari metode ini hampir mirip dengan cara kerja otak , yaitu dengan cara menguraikan masalah kompleks menjadi masalah lebih yang lebih terstruktur dan sistematis. Penguraian permasalahan ini dilakukan dengan menggunakan prinsip hirarki. Menurut Saaty, hirarki tersebut disusun menjadi struktur yang terdiri dari beberapa tingkatan/level. Urutan tingkatan/level tersebut adalah tujuan, kriteria, sub kriteria dan seterusnya hingga sampai tingkat alternatif. Berikut adalah penjelasan mengenai skala penilaian perbandingan berpasangan seperti pada Tabel

  , (3)

  − −1

  =

  CI dan CR. Rumus untuk mencari 2 variabel tersebut adalah : a.

  6. Menentukan konsistensi CR Menentukan konsistensi adalah langkah terakhir dari algoritma AHP. Untuk menentukan konsistensi, ada 2 variabel yang harus dihitung secara berurutan, yaitu

  5. Cari Lamda Maksimal Untuk mencari lamda maksimal didapatkan dengan cara merata rata hasil perhitungan nilai prioritas.

  Bobot kriteria didapat dengan menghitung rata-rata baris hasil normalisasi. Kemudian mengalikan matriks perbandingan keputusan yang dibuat di langkah 2 dengan bobot kriteria. Setelah itu membagi hasil yang didapat di langkah sebelumnya, dengan bobot kriteria.

  (2) 4. Hitung nilai prioritas

  ̅ = =0

  ̅ = ̅ ∑

  (1) Hasil normalisasi didapat dengan rumus sebagai berikut :

  )

  2 ⋱ ⋮ … ̅

  2 ⋮ ⋮ ̅

  3 1/3 elemen yang satu sedikit lebih penting daripada elemen yang lainnya.

  3. Normalisasi matriks perbandingan keputusan.

  5 1/5 elemen yang satu lebih penting daripada elemen lainnya.

  7 1/7 satu elemen jelas lebih mutlak penting daripada elemen lainnya 9 1/9 satu elemen mutlak penting daripada elemen lainnya 2, 4, 6, 8

  1/2, 1/4, 1/6, 1/8 nilai di antara dua nilai pertimbangan yang berdekatan Kebalikan jika elemen i memiliki salah satu angka di atas ketika dibandingkan elemen j, maka j memiliki nilai kebalikannya ketika dibandingkan elemen i.

  1

  Perbandingan Berpasangan Pasangan Definisi

  Tabel 1. Tabel Skala Perbandingan Berpasangan AHP Skala

  Anggap matriks perbandingan berpasangan sebagai berikut dimana dan menyatakan jumlah kriteria. Jumlah serta urutan selalu sama dengan , begitu pula sebaliknya. Jika

  1 ⋯ ̅

  = , nilai di indeks tersebut otomatis 1 karena merupakan hasil perbandingan dari kriteria yang sama.

  ̅ = { ̅ } = ( ̅

  11 ̅

  1 .

  21 ̅

  22 ⋯ ̅

  12 ̅ Dimana ( ≥

  2 1 ) =

  = Jumlah Kriteria

  1, jika ≥

  2

  1 b.

  0, jika ≥

  1

  2

  (7)

  { 1− 2

  (4) =

  , lainnya ( 2− 2)−( 1− 1)

  Nilai merupakan nilai tetap yang

  4. Nilai Ordinat Defuzzifikasi ( ′) ditentukan berdasarkan jumlah kriteria. Karena Nilai

  ′ didapatkan dengan cara mencari terdapat 6 kriteria, dijelaskan pada Tabel 2 nilai minimal untuk setiap kolom.

  Tabel 2 Tabel RI

  5. Normalisasi Bobot Vektor FUZZY

  Normalisasi bobot vektor FUZZY dilakukan

  1 2 3

  4

  5

  6

  7

  8

  9

  10

  dengan cara sebagai berikut : 0.

  0.

  1.

  1.

  1.

  1.

  1.

  1. 0 0

  ′1

  58

  9

  21

  24

  32

  41

  45

  49

  (8)

  = ∑ =1 ′1

  c.

  Konsistensi Hasil yang didapatkan pada proses ini

  Jika < 0.1, maka matriks perbandingan adalah bobot akhir yang nantinya akan dinyatakan konsisten. digunakan untuk menentukan peringkat alternatif.

2.3.2 Fuzzy Analytic Hierarchy Proces (F- AHP)

  2.4. Pengujian

  Metode FAHP menggunakan rasio FUZZY a. Pengujian fungsional. yang disebut Triangular FUZZY Number (TFN) dan digunakan dalam proses fuzzifikasi. TFN Pengujian fungsional dilakukan untuk memastikan bahwa semua kebutuhan-kebutuhan terdiri dari tiga fungsi keanggotaan, yaitu nilai telah terpenuhi pada sistem aplikasi. Dengan terendah (l), nilai tengah (m), dan nilai tertinggi

  (u). Langkah-langkah metode FAHP adalah demikian fungsi-fungsinya pada aplikasi dapat dijalankan oleh sistem. Pengujian fungsional sebagai berikut (Chang, 1996, seperti dikutip lebih menitik beratkan pada hasil dari proses dalam Jasril, 2011) : Membuat struktur hirarki masalah yang akan diselesaikan. yang dilakukan (Subakti 2012).

  1. perbandingan matriks Menentukan

  b. Pengujian akurasi berpasangan antar kriteria dengan skala TFN Pengujian akurasi adalah suatu ukuran 2. Menentukan nilai Sinstesis FUZZY ( ) kedekatan hasil pengukuran terhadap angka

  Rumus untuk menghitung adalah sebagai sebenarnya (true value / reference value). Pada berikut : penelitian ini pengujian akurasi dilakukan untuk

  1

  mengetahui kemampuan sistem dalam membuat (5)

  = ∑ x

  =1 n m

  ∑ ∑

  keputusan. Seperti dikutip Haekal Akurasi

  i=1 j=1

  dilakukan dengan menghitung jumlah diagnosis Dimana : yang tepat dibagi dengan jumlah data. Tingkat akurasi ini dapat diperoleh dengan perhitungan

  (6) ∑ = ∑ , ∑ , ∑

  =1 =1 =1 =1 pada persamaan 2.9 (Haekal 2016).

  Keterangan:

  ∑

  (9) M = objek (kriteria/subkriteria) = 100%

  ∑

  j = indeks ke-j i = indeks ke-i

  3. METODOLOGI PENELITIAN

  g = jumlah kriteria Metodologi penelitian menjelaskan h = jumlah kriteria langkah-langkah yang akan ditempuh dalam

  l = lower bound

  penyusunan skripsi, yaitu perancangan,

  m = middle

  implementasi dan pengujian dari aplikasi

  u = upper bound

  perangkat lunak yang akan dibuat. Secara 3. Menentukan Nilai Vektor ( ) umum, langkah-langkah penelitian yang

  Rumus untuk menentukan ada pada dilakukan untuk membuat sistem pendukung persamaan dibawah. keputusan.

  _{Studi Literatur} Mulai Pengambilan Data _{Perangkat Lunak Perancangan Perangkat Lunak} Implementasi _{Uji sistem: Tidak Pengambilan} Error ? _Ya Kesimpulan dan _{Selesai Saran} Gambar 1. Diagram Alir Metodologi Penelitian

  3.1. Pengambilan Data

  Data yang digunakan dalam penelitian diperoleh dari SMA Brawijaya Smart School Malang.Pengolahan data untuk menentukan guru berprestasi menggunakan metode F-AHP berdasarkan 6 parameter penilaian, yaitu Pedagogik, Kepribadian, Sosial, Profesional, Pengembangan inovasi, Pemanfaatan teknologi. Pengembangan sistem ini diharapkan memberikan output untuk guru berprestasi.

  Gambar 2. Diagram Alir F-AHP 4. PERANCANGAN

  Perancangan terdiri atas beberapa tahap,

  4.2. Perancangan Antarmuka

  antara lain perancangan proses dari metode F- AHP, perancangan antar muka dan perancangan

  Perancangan antarmuka digunakan untuk pengujian. memudahkan proses implementasi sistem pendukung keputusan seperti yang ditunjukkan

  4.1. Perancangan F-AHP dalam gambar 3 .

  Proses penentuan guru berprestasi menggunakan metode F-AHP terdiri dari beberapa proses seperti dijelaskan pada gambar 2.

  Gambar 3. Perancangan Dashboard Berikutnya adalah perancangan antarmuka untuk perhitungan hasil akhir seperti pada gambar 4.

  Gambar 4. Perhitungan akhir

  Halaman Dashboard awal ketika user melakukan login.

  7. KESIMPULAN

  100% = 32 39 100% = 82,501%

  = ∑ ∑

  Tingkat akurasi

  Proses pengujian merupakan pengujian akurasi, dimana dalam hal ini akan dicari tingkat kesesuaian data yang didapatkan oleh pakar dengan data yang dihitung dengan menggunakan metode F-AHP. Kemudian pada sistem pendukung keputusan penentuan guru berprestasi menggunakan (F-AHP) pada studi kasus SMA Brawijaya Smart School dengan enam kriteria dengan masing-masing bobot pedagogik = 0,224413103 professional = 0,184959076, pengembangan inovasi = 0,149103024, pemanfaatan teknologi = 0,149103024, sosial = 0,14374612, dan kepribadian = 0.148675653 mendapatkan hasil 32 data sesuai.

   PENGUJIAN

  Gambar 6. Perhitungan akhir 6.

  Gambar 5. Dashboard

  4.3. Perancangan Pengujian

  Implementasi antarmuka akan menjelaskan mengenai tiap-tiap halaman dari sistem pendukung keputusan penentuan guru berprestasi menggunakan (F-AHP) pada studi kasus SMA Brawijaya Smart School di bab perancangan.

  5.2. Implementasi Antarmuka

  Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy- Analytic Hierarchy Process (F-Ahp) bahasa yang digunakan adalah pemrograman web antara lain HTML, CSS, PHP serta dengan menggunakan penyimpanan basis data MySQL

  5.1. Implementasi Algoritma

   IMPLEMENTASI

  Tabel 3. Tabel Pengujian Akurasi _{Peringkat Data Sekolah Hasil F-AHP Nilai F- AHP Tingkat Kecocokan 1 ATIK MUDIATUS SAMAWAT,} S.Pd ^{ATIK MUDIATUS SAMAWAT, S.Pd 8.48273 7753 Cocok} 5.

  output dari sistem.

  Perancangan pengujian bertujuan untuk membandingkan hasil dari data asli dengan

  Berdasarkan pada hasil perancangan, implementasi dan pengujian maka dapat disimpulkan: a) Sistem pendukung keputusan ini menggunakan enam kriteria yaitu kompetensi pedagogik, kompetensi profesional, kompetensi pengembangan inovasi, kompetensi pemanfaatan teknologi, kompetensi sosial, dan kompetensi kepribadian, dimana pada hasil perhitungannya nanti akan digunakan untuk menentukan peringkat untuk penentuan guru berprestasi di SMA BSS Malang.

  b) Tingkat akurasi yang didapatkan dari sistem adalah 82,501%, dimana hal ini menunjukan terdapat perbedaan antara hasil perhitungan sistem dengan data yang diterima dari pakar.

  Saran untuk pengembangan lebih lanjut dari penelitian ini :

  Metode ANALYTIV HIERARCHY PROCESS (AHP) untuk Menentukan Pemenang Tender Proyek (Studi Kasus : Dinas Perhubungan DLLAJ Provinsi Jawa Timur). Malang: Fakultas Ilmu Komputer Universitas Brawijaya.

  XXXVI – Part 2. Yuliastuti, Gusti Eka. 2016. Implementasi

  Pourvakhshouri, S.Z., et al. 2006. Decision Support System in Oil Spill Management. International Archives of Photogrammetry, Remote Sensing, and Spatial Information Sciences Vol.

  Institut Teknologi Sepuluh November, Surabaya

  Subakti, Irfan. (2012). Sistem Pendukung Keputusan (Decision Support System).

  Skolastika, Irya, B Yudhi. (2014) Perancangan Sistem Pendukung Keputusan Dengan Metode FUZZY ANALYTIC HIERARCHY PROCESS Dalam Penyeleksian Pemberian Kredit. Jurnal nasional SENTIKA

  Jurnal Sistem Informasi Universitas Dian Nuswantoro

  Pendukung Keputusan Penentuan Guru Berprestasi Pada Smk Bina Nusantara Ungaran Menggunakan Metode Analytic Hierarchy Process (Ahp).

  John Wiley & Sons, Inc. Canada. Sefian, Dwi, Anggoro (2014) “Sistem

  Sauter, Vicky L. (2010). “Decision Support Systems for Business Intellegence”.

  Math Modelling, Vol. 9, No. 3-5 , 161- 176

  Saaty, T. L. (1987). The Analytic Hierarchy Process-What It Is And How It Is Used.

  FUZZY-AHP. Jurnal Informatika Universitas Brawijaya

  Malang: Fakultas Ilmu Komputer Universitas Brawijaya. Muhammad, Haekal (2016) sistem diagnonosis penyakit tanaman kedelai menggunakan

a) Menambah kriteria lain sebagai

  Mahargiyak, Eka. 2014. Implementasi Metode FUZZY ANALYTICAL HIERARCHY PROCESS (F-AHP) Untuk Pemilihan Sumber Daya Manusia Dalam Kepanitiaan Organisasi Mahasiswa.

  Pendukung Keputusan, Penerbit Andi, Yogyakarta

  Seminar Nasional Aplikasi Teknologi Informasi , 36-43. Kusrini, (2007), Konsep dan Aplikasi Sistem

  Jasril, Haerani, E., & Afrianty, I. (2011). Sistem Pendukung Keputusan (SPK) Pemilihan Karyawan Terbaik Menggunakan Metode FUZZY AHP (F-AHP).

  Jani, Rahardjo. (2002) Aplikasi FUZZY ANALYTICAL HIERARCHY PROCESS Dalam Seleksi Karyawan.jurnal Jurusan Teknik Industri, Universitas Kristen Petra

  Henry, Wibowo, Riska. (2009). Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa Bank Bri Menggunakan Fmadm (Studi Kasus: Mahasiswa Fakultas Teknologi Industri Universitas Islam Indonesia). Jurnal Nasional Aplikasi Teknologi Informasi, Yogyakarta

  Faisol, Ahmad. 2014. Komparasi FUZZY AHP dengan AHP pada Sistem Pendukung Keputusan Investasi Properti. Jurnal EECCIS, Vol. 8, no. 2.

  Menerapkan metode lain untuk dapat meningkatkan nilai bobot dan akurasi yang lebih baik.

  b)

  pertimbangan guna mendapat tingkat akurasi yang lebih baik.