Claim Missing Document
Check
Articles

Found 3 Documents
Search

Desain Strategi Pembelajaran Pasca Pendidikan dan Pelatihan berbasis Sosial Learning Network berbantuan Instagram Fitrah Izul Falaq
Advances In Education Journal Vol. 2 No. 4 (2026): Advances In Education Journal (Februari)
Publisher : Yayasan Al-Afif

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pendidikan dan pelatihan merupakan proses pembinaan pengetahuan, sikap, dan keterampilan yang terstruktur. Dalam praktiknya, banyak lembaga pelatihan menerapkan diklat berjenjang, namun pendampingan pasca pelatihan sering tidak berjalan optimal akibat keterbatasan waktu, tempat, dan infrastruktur. Padahal, pembelajaran pasca pelatihan berperan penting dalam memperkuat pemahaman dan keberlanjutan kompetensi peserta. Penelitian ini menggunakan metode literature review dengan mengkaji berbagai penelitian terdahulu terkait pembelajaran daring dan pemanfaatan media sosial dalam pendidikan. Hasil kajian menunjukkan bahwa pembelajaran berbasis media sosial, khususnya Instagram, dinilai efektif dan efisien sebagai alternatif strategi pembelajaran pasca pelatihan. Penelitian ini bertujuan merancang desain strategi pembelajaran pasca pelatihan berbasis social learning network (SLN) dengan memanfaatkan Instagram. Strategi yang dirumuskan mencakup sintaks penggunaan Instagram sebagai SLN, penyediaan sumber belajar, serta tahapan pengaturan lingkungan belajar daring. Pemanfaatan fitur Instagram diharapkan mampu meningkatkan motivasi, keberanian, interaksi, dan pengetahuan peserta pasca pelatihan.
Deteksi Teks Akademik berbasis Generative AI: Studi Akurasi ZeroGPT dan Implikasinya terhadap Keadilan Evaluasi Pembelajaran Fitrah Izul Falaq
Jurnal Cahaya Edukasi Vol 3 No 1 (2026): Jurnal Cahaya Edukasi
Publisher : Cahaya Smart Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63863/jce.v3i1.316

Abstract

Integrasi generative ai yang berkembang pesat dalam dunia pendidikan menimbulkan kekhawatiran terhadap integritas akademik, khususnya dalam evaluasi tugas tertulis. Penelitian ini bertujuan untuk menilai akurasi ZeroGPT sebagai alat deteksi teks yang dihasilkan kecerdasan buatan. Penelitian ini menggunakan pengujian dengan model evaluasi klasifikasi kinerja yang diinterpretasikan menggunakan analisa deskriptif kuantitatif dan kualitatif berdasarkan studi literatur. Objek penelitian berupa 80 teks akademik berbahasa Indonesia dengan topik materi evaluasi pembelajaran, secara rinci terdiri dari 40 teks hasil generasi AI dan 40 teks yang ditulis oleh mahasiswa program sarjana. Hasil pengujian menggunakan confussion matriks menunjukkan ZeroGPT mencapai akurasi keseluruhan sebesar 37,5%, dengan tingkat recall sebesar 55% untuk teks hasil AI serta tingkat kesalahan positif palsu (false positive) sebesar 80% pada teks yang ditulis manusia. Temuan ini menunjukkan keterbatasan reliabilitas ZeroGPT, sehingga menjadikannya tidak layak digunakan sebagai alat pendeteksi tunggal penilaian sumatif. Penelitian ini merekomendasikan agar pendidik: (1) menerapkan penelaahan manual dan pertimbangan profesional; (2) menggunakan ZeroGPT semata-mata sebagai alat pendukung; dan (3) merancang evaluasi yang menekankan proses, refleksi, dan pemahaman konseptual guna meminimalkan risiko otomatisasi.
PENGEMBANGAN RETRIEVAL-AUGMENTED GENERATION (RAG) CHATBOT MENGGUNAKAN METODE DESIGN THINKING UNTUK MENDUKUNG PERSONALIZED LEARNING Fitrah Izul Falaq; Nugroho Saputra; Nathanael Paskal
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 9 No. 2 (2025): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.9.2.1

Abstract

Pemanfaatan AI dalam bidang pendidikan membawa dampak yang positif, salah satunya melalui penerapan chatbot berbasis generative ai. Implementasi chatbot dalam pembelajaran sering dimanfaatkan untuk memfasilitasi pembelajaran mandiri. Sayangnya, hambatan chatbot sering dihadapi oleh permasalahan halusinasi, bias, dan jawaban di luar konteks. Salah satu teknik untuk mengatasi hal tersebut adalah Retrieval-Augmented Generation (RAG). Implementasi RAG Chatbot berpotensi mendukung personalized learning. Metode penelitian ini menggunakan model Design Thinking yang terdiri dari tahap empathize, define, ideate, prototype dan test. Metode pengembangan ini cocok karena penekanannya pada empati pengguna, iterasi prototipe cepat, dan validasi kebutuhan nyata. Berdasarkan hasil uji fungsionalitas menggunakan metode black-box testing, memperoleh skor 15/15 (100%). Sedangkan uji kegunaan menggunakan penilaian SUS memperoleh skor 74 (B), skor di atas rata-rata. Kesimpulannya, chatbot diterima dan layak digunakan untuk mendukung personalized learning. Pengguna merasa nyaman dan puas, namun perlu ditingkatkan agar pengguna aktif merekomendasikan.