<![CDATA[Penelitian quasi-eksperimental ini menginvestigasi efektivitas integrasi aplikasi Color Grab dengan analisis kecerdasan buatan ChatGPT dalam meningkatkan keterampilan diagnosis kondisi mesin siswa melalui analisis warna insulator busi pada pendidikan kejuruan. Dilaksanakan di SMKN 1 Sumarorong pada tahun ajaran 2025/2026, penelitian ini menggunakan desain nonequivalent control group dengan 44 siswa kelas XI teknik otomotif (22 eksperimen, 22 kontrol) dari program Teknik Sepeda Motor (TSM) dan Teknik Kendaraan Ringan (TKR). Kelompok eksperimen menerima pembelajaran menggunakan aplikasi Color Grab terintegrasi dengan analisis ChatGPT-4 untuk umpan balik real-time dan penjelasan kontekstual, sementara kelompok kontrol menerima pembelajaran konvensional menggunakan observasi visual dan buku manual servis. Data dikumpulkan melalui tes hasil belajar tervalidasi (24 butir, Cronbach's Ī±=0,914) dan instrumen observasi praktik. Hasil menunjukkan perbedaan signifikan dalam hasil belajar: kelompok eksperimen mencapai rerata posttest 83,14 (SD=6,86) dibandingkan kelompok kontrol 76,70 (SD=8,10), dengan selisih rerata 6,44 poin (t=-2,846, df=42, p=0,007). Kelompok eksperimen juga menunjukkan normalized gain superior (0,74, kategori tinggi) versus kelompok kontrol (0,57, kategori sedang). Analisis distribusi menunjukkan 68,18% siswa eksperimen mencapai kategori Baik atau Sangat Baik, dibandingkan hanya 31,82% pada kelompok kontrol. Temuan ini mengindikasikan bahwa integrasi Color Grab dengan ChatGPT secara signifikan meningkatkan pemahaman konseptual dan keterampilan analitis siswa dalam diagnosis mesin, mendukung integrasi kecerdasan buatan dalam pendidikan teknik kejuruan. Penelitian ini berkontribusi pada body of evidence yang berkembang tentang pembelajaran berbasis AI dalam pendidikan vokasi, khususnya dalam pedagogi teknik otomotif.]]>
