Universitas di Makassar mengembangkan alat AI untuk membantu guru menilai tugas siswa lebih cepat

Di ruang-ruang kelas yang semakin padat aktivitas, pekerjaan yang paling “sunyi” justru sering memakan waktu paling besar: memeriksa dan memberi umpan balik atas tugas siswa. Banyak guru di Makassar menceritakan pola yang sama—mereka bisa mengajar dengan energi penuh di pagi hari, lalu tenggelam dalam tumpukan tugas hingga malam. Pada saat umpan balik akhirnya kembali ke siswa, momen belajarnya kadang sudah lewat. Di titik inilah kabar dari sebuah Universitas di Makassar menjadi menarik: pengembangan alat AI yang dirancang agar proses menilai bisa lebih cepat, lebih konsisten, dan tetap berpihak pada kualitas pembelajaran.

Pengembangan tersebut tidak sekadar mengikuti tren teknologi atau demam AI. Fokusnya menyentuh kebutuhan paling praktis: memperpendek jarak waktu antara siswa mengumpulkan tugas dan siswa menerima masukan yang bisa langsung dipakai untuk memperbaiki pemahaman. Di tengah pertumbuhan ekosistem digital dan pusat data di Indonesia, pendekatan ini juga menunjukkan bagaimana inovasi kampus dapat diterjemahkan menjadi alat kerja harian bagi pendidik. Bagi sekolah, ini berarti manajemen penilaian yang lebih rapi; bagi siswa, ini berarti “belajar dari kesalahan” saat masih segar; dan bagi guru, ini berarti waktu administratif berkurang sehingga ruang untuk merancang pembelajaran menjadi lebih luas.

En bref

• Universitas di Makassar mengembangkan alat AI untuk membantu guru menilai tugas siswa lebih cepat tanpa mengorbankan kualitas.
• Fitur utama mencakup koreksi pilihan ganda, analisis esai, dan pemeriksaan proyek berbasis data dengan rubrik.
• Umpan balik yang lebih cepat memungkinkan perbaikan belajar segera dan pemantauan progres yang lebih terukur.
• Isu kunci yang dibahas: privasi data siswa, fairness penilaian, dan peran guru sebagai pengambil keputusan akhir.
• Ekosistem pendukung seperti pusat data dan kebijakan etika AI ikut menentukan kesiapan implementasi di sekolah.

Alat AI dari Universitas Makassar: Mengubah Ritme Penilaian di Kelas

Di banyak sekolah, penilaian masih identik dengan proses manual: mengumpulkan lembar jawaban, memeriksa satu per satu, mencatat skor, lalu menulis komentar yang sering kali berulang. Ketika jumlah murid banyak dan frekuensi tugas tinggi, guru berada di persimpangan: memberi umpan balik singkat agar cepat selesai, atau memberi umpan balik mendalam namun memakan waktu. Alat AI yang dikembangkan oleh Universitas Makassar mencoba memutus dilema ini dengan mengotomatisasi bagian-bagian yang bersifat rutin, sambil menjaga ruang profesional guru pada aspek yang memerlukan kebijaksanaan pedagogis.

Bayangkan seorang guru Bahasa Indonesia bernama Bu Rani (tokoh ilustratif) yang mengajar kelas VIII. Dalam seminggu, ia menerima 120 esai pendek. Biasanya, ia perlu tiga hingga empat malam untuk menyelesaikan koreksi dasar: ejaan, struktur paragraf, dan konsistensi argumen. Dengan AI, koreksi teknis bisa diproses terlebih dahulu dalam hitungan menit, lalu Bu Rani fokus pada hal yang tak tergantikan: menilai orisinalitas gagasan, relevansi contoh, serta kedalaman refleksi. Hasilnya, komentar yang diterima siswa lebih cepat dan lebih tajam, karena waktu guru tidak habis untuk hal mekanis.

Secara konseptual, alat ini bekerja sebagai “asisten penilaian”. Ia tidak mengambil alih peran guru, melainkan memberi rekomendasi dan ringkasan temuan: bagian mana yang tidak menjawab pertanyaan, pola kesalahan yang sering muncul, hingga daftar siswa yang membutuhkan bimbingan tambahan. Ini sangat membantu ketika sekolah sedang menjalankan pembelajaran diferensiasi. Pertanyaannya: apakah kelas akan lebih hidup ketika guru tidak lagi kelelahan oleh administrasi penilaian? Jawabannya sering terlihat pada minggu kedua pemakaian—guru mulai punya waktu menyiapkan diskusi, remedial, atau proyek kecil yang selama ini tertunda.

Pengembangan di kampus juga menarik karena biasanya disertai proses uji coba. Di tahap awal, tim pengembang menguji alat pada beberapa jenis tugas: pilihan ganda, isian singkat, esai, dan proyek data sederhana. Hasil uji ini menjadi dasar kalibrasi rubrik agar sesuai dengan konteks kurikulum. Ketika AI memeriksa esai, misalnya, ia perlu “dibiasakan” pada ragam bahasa siswa dan standar penulisan yang berlaku di sekolah. Ini bukan sekadar soal akurasi; ini soal keselarasan dengan tujuan pembelajaran. Jika tujuan tugas adalah melatih argumentasi, maka sistem harus memberi bobot lebih pada struktur argumen daripada semata-mata tata bahasa.

Dalam diskusi pendidikan, kecepatan sering dicurigai sebagai musuh kualitas. Namun di penilaian, cepat justru bisa menjadi pintu menuju kualitas—asal definisinya tepat. Cepat berarti umpan balik datang pada waktu yang relevan, bukan cepat berarti dangkal. Di sinilah alat dari Universitas di Makassar menempatkan desainnya: mempercepat proses “pengolahan awal” dan menyajikan informasi yang memudahkan guru membuat keputusan. Insight kuncinya: penilaian yang cepat adalah penilaian yang tetap memberi ruang bagi guru untuk berpikir.

Kenapa inovasi penilaian dari kampus terasa relevan bagi sekolah

Karena sekolah butuh solusi yang tidak hanya canggih, tetapi juga cocok dengan realitas: koneksi internet yang berbeda-beda, perangkat yang terbatas, dan variasi kemampuan digital guru. Inovasi berbasis kampus cenderung lebih dekat dengan riset pendidikan dan bisa dibangun dari kebutuhan lokal. Di Makassar, konteks bahasa, kebiasaan penugasan, dan gaya belajar siswa bisa memengaruhi cara alat AI “membaca” jawaban. Ketika pengembangan dilakukan di lingkungan yang memahami konteks tersebut, risiko ketidaksesuaian dapat diperkecil.

Ekosistem teknologi Indonesia juga memberi latar yang kuat. Kapasitas komputasi dan pusat data yang berkembang membuat pemrosesan AI makin memungkinkan secara biaya. Diskursus tentang hub data dan tata kelola AI di kota-kota besar menegaskan bahwa pendidikan tidak berdiri sendiri; ia ikut bergantung pada infrastruktur digital. Untuk melihat bagaimana isu kebijakan dan etika AI dibahas di tingkat kota, pembaca bisa menengok panduan etika AI di Jakarta sebagai pembanding kerangka tata kelola.

Di penghujung penerapan awal, yang paling sering dirasakan guru bukan sekadar “hemat waktu”, melainkan “kembali punya energi”. Energi itu biasanya dialihkan pada kegiatan yang lebih bermakna: konferensi mini dengan siswa, perbaikan rancangan rubrik, atau pembelajaran berbasis proyek. Ini mengantar kita pada pertanyaan teknis: bagaimana AI menilai berbagai jenis tugas secara konkret?

Cara Kerja AI untuk Menilai Tugas Siswa: Dari Pilihan Ganda hingga Esai

Penilaian otomatis tidak hanya satu bentuk. Ada spektrum metode yang bisa disesuaikan dengan jenis tugas dan tujuan pembelajaran. Dalam praktiknya, AI dapat mengolah jawaban pilihan ganda dengan ketelitian tinggi, memeriksa isian singkat berbasis kunci jawaban dan variasi sinonim, menganalisis esai untuk aspek bahasa dan struktur, hingga mengecek proyek data untuk konsistensi langkah analisis. Alat AI dari Universitas Makassar dapat dipahami sebagai platform yang menggabungkan beberapa mesin penilaian, lalu menampilkan hasil dalam antarmuka yang mudah dibaca guru.

Untuk pilihan ganda, mekanismenya relatif sederhana: sistem memeriksa jawaban, menghitung skor, lalu menampilkan rekap per indikator. Nilai tambahnya muncul ketika AI mendeteksi pola. Misalnya, jika 70% siswa salah pada soal nomor 8 yang menguji konsep pecahan, sistem menandai indikator itu sebagai “butuh penguatan”. Guru bisa segera merancang pengajaran ulang, bukan menunggu sampai ulangan berikutnya. Di sini AI berperan sebagai analis kecil: mengubah angka menjadi sinyal pedagogis.

Isian singkat lebih menantang karena jawaban bisa beragam. Sistem yang baik biasanya memakai daftar jawaban yang benar beserta variasi ejaan atau sinonim yang lazim. Pada pelajaran IPA, misalnya, jawaban “evaporasi” dan “penguapan” harus diperlakukan setara. AI dapat membantu menstandarkan hal ini, tapi tetap perlu pengaturan awal dari guru. Di tahap implementasi, sekolah biasanya membangun bank jawaban bersama—praktik kolaboratif yang justru memperkuat komunitas guru.

Bagian yang paling sering menimbulkan diskusi adalah esai. Banyak yang takut AI “menghakimi” tulisan secara kaku. Untuk itu, pendekatan yang lebih aman adalah memosisikan AI sebagai pemeriksa aspek teknis (tata bahasa, koherensi paragraf, repetisi, kejelasan kalimat), lalu memberi ringkasan struktur argumen: klaim utama, alasan, bukti, dan kesimpulan. Guru kemudian memutuskan nilai akhir dengan rubrik. Contohnya, siswa bisa menulis dengan bahasa rapi namun argumennya dangkal; AI menandai argumen kurang bukti, dan guru menguatkan penilaiannya pada substansi, bukan kosmetik tulisan.

Untuk proyek data, misalnya tugas membuat grafik dan interpretasi, AI dapat memeriksa apakah siswa memilih jenis grafik yang tepat, apakah label sumbu benar, dan apakah kesimpulan sesuai dengan data. Di banyak sekolah, proyek data mulai populer seiring literasi numerasi. AI dapat membantu mempercepat pemeriksaan teknis, sehingga guru fokus menilai apakah siswa memahami alasan di balik pemilihan metode. Praktik seperti ini sejalan dengan kebutuhan kompetensi masa depan, termasuk data literacy yang kian relevan di pasar kerja digital.

Tabel ringkas: jenis tugas, peran AI, dan peran guru

Di tahap lanjutan, beberapa sekolah menggabungkan AI dengan platform pembelajaran yang sudah ada. Misalnya, tugas dikumpulkan lewat LMS, lalu hasil analisis AI otomatis masuk ke dashboard guru. Integrasi semacam ini memerlukan perencanaan data: format file, penamaan, dan struktur rubrik. Di sinilah keterampilan data menjadi relevan—bukan hanya untuk teknisi, tetapi juga untuk pengelola sekolah. Koneksi ke tema berikutnya menjadi jelas: jika manfaatnya besar, bagaimana memastikan dampak tersebut benar-benar terasa bagi siswa dan guru?

Manfaat Nyata di Sekolah: Efisiensi, Konsistensi, dan Umpan Balik Cepat bagi Guru

Manfaat paling mudah dilihat dari penilaian berbantuan AI adalah penghematan waktu. Namun yang lebih penting adalah apa yang dilakukan dengan waktu yang “kembali” itu. Banyak guru yang awalnya skeptis berubah setelah melihat pola sederhana: ketika umpan balik datang cepat, siswa lebih bersedia memperbaiki tugas. Dalam beberapa kelas, perbaikan (revision) yang dulu dianggap beban kini menjadi kebiasaan, karena siswa tidak harus menunggu berhari-hari untuk mengetahui letak kesalahannya.

Konsistensi juga menjadi nilai tambah. Di penilaian manual, guru bisa dipengaruhi faktor kelelahan, suasana hati, atau beban administrasi. AI membantu menjaga aspek yang bisa distandarkan tetap stabil—misalnya penilaian format, kepatuhan struktur, atau kesesuaian kunci. Hal ini bukan berarti penilaian menjadi “dingin”; justru karena hal teknis konsisten, guru bisa memberikan komentar personal yang lebih berkualitas. Apakah siswa tidak lebih tersentuh oleh komentar yang benar-benar menanggapi gagasannya, bukan hanya menandai salah ketik?

Dalam konteks monitoring kemajuan, AI dapat menyusun peta perkembangan per siswa. Guru bisa melihat siapa yang konsisten lemah pada indikator tertentu dan siapa yang menunjukkan peningkatan. Ini mengubah rapat guru dari sekadar membahas nilai menjadi membahas strategi. Kepala sekolah pun dapat membuat keputusan berbasis data: misalnya menambah sesi penguatan literasi atau mengatur bimbingan kecil. Dalam jangka menengah, sekolah bisa mengurangi “kejutan” saat ujian akhir karena progres terlihat sejak dini.

Untuk menggambarkan manfaatnya, mari kembali ke Bu Rani. Setelah memakai alat, ia mendapati 40% siswanya sering lemah di “menyusun bukti pendukung”. Ia lalu merancang tugas kecil: setiap siswa harus menulis satu klaim dan menyertakan dua bukti dari bacaan. AI membantu memeriksa struktur, Bu Rani memeriksa kualitas bukti. Dua minggu kemudian, ringkasan AI menunjukkan peningkatan koherensi argumen pada sebagian besar siswa. Ini contoh bagaimana teknologi menjadi katalis perubahan pembelajaran, bukan sekadar mesin koreksi.

Perubahan ini selaras dengan arus lebih besar di Indonesia: transformasi digital mendorong kebutuhan talenta dan infrastruktur yang kuat. Diskusi tentang pusat data dan AI tidak hanya milik industri; pendidikan juga akan bergantung pada kesiapan ekosistem. Untuk perspektif tentang penguatan infrastruktur data, relevan melihat konteks seperti pengembangan pusat data untuk AI, karena kualitas layanan penilaian otomatis juga dipengaruhi oleh kapasitas komputasi dan manajemen data.

Daftar praktik baik agar manfaat AI terasa maksimal

1. Mulai dari rubrik yang jelas: AI bekerja lebih baik ketika kriteria penilaian terdefinisi dan dapat diukur.
2. Gunakan AI untuk “first pass”: biarkan sistem memeriksa teknis, guru menilai substansi dan konteks.
3. Tetapkan kebijakan revisi: siswa diberi kesempatan memperbaiki setelah menerima umpan balik cepat.
4. Analisis kelas, bukan hanya individu: cari pola kesalahan untuk memperbaiki pengajaran, bukan sekadar memberi nilai.
5. Bangun bank contoh: kumpulkan contoh jawaban baik dan kurang baik sebagai referensi pembelajaran berikutnya.

Namun manfaat tidak datang tanpa risiko. Semakin banyak data tugas siswa diproses, semakin besar kebutuhan tata kelola. Bagaimana menjaga keadilan penilaian? Bagaimana memastikan privasi siswa terlindungi? Pertanyaan-pertanyaan ini mengantar ke isu tantangan dan etika yang harus dibahas secara setara dengan inovasi.

Tantangan Etika dan Implementasi: Privasi Data, Keadilan, dan Peran Guru

Setiap inovasi AI di pendidikan membawa pertanyaan yang tidak bisa dijawab hanya dengan “akurasi”. Ada persoalan privasi, keadilan, transparansi, dan akuntabilitas. Ketika alat AI memproses tugas siswa, ia berurusan dengan data yang sensitif: identitas siswa, gaya bahasa, rekam capaian, bahkan mungkin opini pribadi dalam esai reflektif. Sekolah perlu memastikan data diproses dengan aman, disimpan dengan kebijakan yang jelas, dan tidak dipakai untuk tujuan di luar pendidikan.

Isu fairness atau keadilan juga penting. AI bisa “berperilaku” berbeda terhadap variasi bahasa, dialek, atau gaya penulisan. Jika sistem terlalu menekankan tata bahasa baku, siswa yang memiliki latar bahasa ibu berbeda bisa dirugikan. Maka, rubrik harus menyeimbangkan: membina kerapian bahasa tanpa mematikan keragaman ekspresi. Di Makassar, konteks kebahasaan dan budaya lokal bisa menjadi alasan mengapa pengembangan berbasis kampus setempat lebih peka dibanding solusi generik.

Peran guru perlu ditegaskan sejak awal: keputusan akhir tetap di tangan guru. AI memberi rekomendasi, guru memberi keputusan. Praktik yang baik adalah menampilkan “alasan penilaian” atau indikator yang dipakai sistem. Ketika siswa bertanya kenapa skornya demikian, guru dapat menjelaskan dengan rubrik dan menunjukkan aspek yang dinilai. Transparansi seperti ini penting agar siswa tidak merasa dinilai oleh “kotak hitam”.

Implementasi juga menuntut pelatihan. Banyak guru tidak perlu menjadi programmer, tetapi perlu memahami cara membaca dashboard, menafsirkan sinyal, dan menyesuaikan rubrik. Sekolah yang sukses biasanya membentuk tim kecil: guru inti, operator TIK, dan wakil kurikulum. Tim ini mengatur SOP: format pengumpulan tugas, jadwal penilaian, dan mekanisme banding jika ada keberatan nilai. Alur banding menjadi penting agar siswa punya ruang dialog—ini menjaga penilaian tetap manusiawi.

Di tingkat kebijakan, sejumlah daerah mulai membicarakan etika dan aturan AI untuk layanan publik. Meski konteksnya berbeda, prinsip dasarnya relevan: akuntabilitas dan perlindungan data. Perspektif tersebut dapat membantu sekolah merancang kebijakan internal yang sejalan dengan arah regulasi. Dengan fondasi etika yang kuat, inovasi AI untuk penilaian tidak hanya menjadi proyek teknologi, tetapi menjadi praktik pendidikan yang bertanggung jawab. Insight penutupnya: AI mempercepat proses, tetapi integritas penilaian tetap ditentukan oleh manusia dan tata kelolanya.