Sertifikasi guru merupakan proses penilaian terhadap guru yang terdiri dari tes tertulis, tes praktik, lokakarya, partisipasi proses pembelajaran, dan penilaian teman sejawat. Pada penilaian sebelumnya, proses penilaian sertifikasi guru menggunakan metode pembobotan. Penilaian sertifikasi menggunakan bobot dirasa kurang adil. Oleh karena itu, metode fuzzy di gunakan sebagai metode alternatif lain dalam penilaian tersebut.
Fuzzy sangat baik untuk menyelesaikan permasalahan yang memiliki kebenaran parsial jika terdapat pengetahuan pakar sebagai informasi untuk mendukung sistem fuzzy tersebut. Jika informasi tersebut tidak diketahui, maka akan sulit untuk menentukan solusi dari sistem fuzzy. Permasalahan ini dapat diselesaikan dengan melakukan optimasi terhadap fuzzy. Salah satunya menggunakan Evolutionary Algorithm’s (EAs). Pada tugas akhir ini Eas yang digunakan untuk mengoptimasi fuzzy adalah Genetic Algorithm (GA). GA menggunakan serangkaian proses evolusi untuk menemukan solusi. GA digunakan untuk mencari parameter fuzzy yang optimal, dimana parameter optimal tersebut nantinya diujikan ke dalam sistem fuzzy untuk menentukan hasil kelulusan. Proses ini diimplementasikan untuk penilaian sertifikasi guru menggunakan data dummy. Keseluruhan proses pada system ini selanjutnya disebut hybrid fuzzy.
Berdasarkan hasil pengujian hybrid fuzzy, didapatkan solusi optimal yang di hasilkan dari ukuran populasi 200, probabilitas crossover 0.9, probabilitas mutasi 0.1 serta jumlah individu yang di evaluasi sebanyak 1000, dengan akurasi pelatihan 64.7% dan akurasi pengujian 84%. Berdasarkan hasil learning hybrid fuzzy dengan menggunakan perhitungan confusion matrix diperoleh precission 76.82%, dan recall 97.19%. Berdasarkan hasil perbandingan dengan metode pembobotan jurnal dengan proses learning hybrid fuzzy, terdapat 73 peserta yang diluluskan yang di luluskan dengan proses learning hybrid fuzzy.