Kemampuan berbicara bahasa Inggris merupakan kompetensi penting bagi mahasiswa, namun perkembangannya sering terhambat oleh terbatasnya kesempatan praktik, kecemasan berbicara, dan kurangnya umpan balik personal. Penelitian ini bertujuan mengembangkan Adaptive English Speaking Chatbot (AESC) berbasis Large Language Model (LLM) serta mengevaluasi efektivitas, faktor pendukung dan penghambat, dan persepsi mahasiswa terhadap penggunaannya. Penelitian menggunakan pendekatan Design-Based Research dengan empat fase, yaitu analisis kebutuhan, desain dan pengembangan, evaluasi formatif, dan evaluasi sumatif. AESC dirancang dengan arsitektur LLM multi-agen yang mengintegrasikan pengenalan ucapan otomatis, mesin scaffolding adaptif, dan modul umpan balik pengucapan. Evaluasi sumatif melibatkan 96 mahasiswa dari dua universitas di Indonesia melalui desain kuasi-eksperimental pretest-posttest control group selama 12 minggu. Skor posttest IELTS Speaking kelompok eksperimen (M=6.5, SD=0.8) lebih tinggi secara signifikan dibandingkan kelompok kontrol (M=5.6, SD=0.9), t(94)=5.12, p<0.001, d=1.04, dan perbedaan tersebut tetap signifikan setelah skor pretest dikontrol melalui ANCOVA. Analisis tematik mengidentifikasi tiga peran AESC, yaitu sebagai mitra berbicara berkecemasan rendah, pelatih pengucapan adaptif, dan perancah percakapan. Tantangan yang teridentifikasi meliputi kealamian dialog yang terbatas, risiko ketergantungan berlebihan, dan keterbatasan pemahaman konteks pragmatik. Penelitian ini menghasilkan prototipe chatbot berbicara yang dapat diadaptasi untuk pendidikan tinggi Indonesia beserta rekomendasi integrasinya dalam pembelajaran berbicara.
Copyrights © 2026