<![CDATA[Kemampuan menulis saintifik merupakan fondasi literasi sains, namun penguasaannya menjadi tantangan besar bagi siswa, sementara proses asesmennya seringkali tidak efektif. Asesmen manual oleh guru cenderung subjektif, memakan waktu, dan inkonsisten. Di sisi lain, sistem Automated Essay Scoring (AES) yang ada seringkali hanya mampu menganalisis fitur linguistik permukaan seperti tata bahasa, tanpa mampu mengevaluasi kedalaman penalaran ilmiah dalam sebuah argumen. Menjawab tantangan ini, penelitian ini berfokus pada pengembangan dan evaluasi sistem asesmen otomatis berbasis Large Language Models (LLM) untuk memberikan umpan balik yang substantif, konsisten, dan dapat diskalakan. Menggunakan metodologi Research and Development (R&D) dengan pendekatan iteratif, sebuah prototipe aplikasi web fungsional bernama SCI-ASSIST Lite berhasil dibangun. Sistem ini terintegrasi dengan Google Gemini API, memungkinkan pendidik untuk merancang sesi asesmen dengan rubrik yang dapat disesuaikan dan secara otomatis menghasilkan laporan diagnostik terstruktur bagi siswa. Hasil pengujian fungsional menunjukkan tingkat keberhasilan 100% pada semua skenario penggunaan inti. Meskipun demikian, hasil evaluasi menunjukkani bottleneck signifikan pada latensi respons API (10-30 detik), yang mengonfirmasi kesesuaian sistem untuk asesmen formatif asinkron. Selain itu, analisis arsitektural mengungkap kerentanan keamanan dan skalabilitas yang fundamental akibat pilihan desain awal. Penelitian ini menyimpulkan bahwa integrasi LLM secara teknis layak dan bermakna secara pedagogis, namun implementasi skala produksi memerlukan arsitektur yang matang untuk menjamin keamanan, keandalan, dan skalabilitas.]]>
Copyrights © 2025
