Edi Surya Negara

Category: EdTech

  • Bukan Kita yang Kurang Pintar, Tapi E-Learning-nya yang Kurang Pengertian

    Bukan Kita yang Kurang Pintar, Tapi E-Learning-nya yang Kurang Pengertian

    Pernahkah Anda merasa bosan setengah mati saat mengikuti kursus online karena materinya terlalu lambat? Atau sebaliknya, Anda malah pusing tujuh keliling karena penjelasan di video terlalu cepat dan bahasanya rumit?

    Masalahnya bukan pada otak Anda. Masalahnya adalah sistem e-learning konvensional yang kita gunakan saat ini masih pakai prinsip “Satu Ukuran untuk Semua” (One-Size-Fits-All). Padahal, kita semua tahu, setiap orang punya kecepatan belajar, tingkat gagap teknologi, hingga koneksi internet yang berbeda-beda.

    Nah, sebuah riset segar yang dipublikasikan di IEEE Xplore (ICCIT 2025) membawa kabar baik untuk dunia pendidikan digital. Para peneliti mengenalkan konsep bernama AI-Powered Adaptive E-Learning.

    Singkatnya: Ini adalah sistem belajar daring yang punya “otak” AI untuk memanjakan kebutuhan unik Anda! Yuk, kita bedah bagaimana teknologi ini bekerja.

    Masalah Nyata: Kuliah Online yang Belum Ramah Semua Orang

    Di atas kertas, e-learning itu luar biasa karena bisa diakses kapan saja dan di mana saja. Tapi kenyataannya? Ada jurang pemisah (kesenjangan) yang besar di masyarakat.

    Para peneliti menyoroti tiga hambatan utama dalam belajar digital saat ini:

    1. Kemampuan Kognitif: Ada orang yang cepat tanggap lewat video, ada yang harus membaca teks pelan-pelan.

    2. Literasi Digital: Tidak semua orang langsung paham cara mengeklik menu-menu yang ribet di aplikasi pembelajaran.

    3. Infrastruktur: Ini masalah klasik di Indonesia dan negara berkembang—sinyal internet yang kadang hilang timbul seperti mantan.

    Solusi Pintar: AI yang “Pengertian” dan Bisa Berubah Wujud

    Untuk mengatasi masalah tersebut, platform e-learning masa depan ini ditanami Algoritma Machine Learning dan Analisis Waktu Nyata (Real-Time Analytics).

    Kerja AI ini mirip seperti guru privat super sabar yang berdiri di samping Anda. Secara instan, AI akan langsung mengubah tiga hal ini saat Anda belajar:

    • Isi Materi (Konten): Kalau Anda sering salah jawab kuis di bab tertentu, AI akan otomatis menurunkan tingkat kesulitan materi berikutnya atau memberikan contoh yang lebih sederhana.

    • Tampilan (Interface): Bagi teman-teman penyandang disabilitas, sistem akan otomatis menyesuaikan diri—misalnya mengubah teks menjadi suara (untuk tunanetra) atau menyederhanakan navigasi.

    • Jalur Belajar (Learning Pathway): Rute belajar Anda tidak akan sama dengan orang lain. Semua tergantung seberapa cepat Anda paham.

    3 Fitur Andalan yang Bikin Geleng-Geleng Kepala

    Ada tiga fitur kunci dalam riset ini yang membuat sistem pembelajaran ini sangat inklusif dan adil untuk semua demografi:

    1. Sistem Deteksi Perilaku Belajar

    Bukan Anda yang dipaksa mengerti sistem, tapi sistem yang membaca kelakuan Anda. AI memantau bagaimana cara Anda mengeklik, membaca, dan merespons materi untuk menentukan format belajar terbaik untuk Anda.

    2. Fitur Aksesibilitas Tanpa Batas

    Pendidikan adalah hak semua orang. Fitur ini memastikan platform ramah untuk pengguna dengan keterbatasan fisik maupun kognitif.

    3. Fitur “Sadar Sinyal” (Bandwidth-Aware)

    Ini fitur favorit saya! Kalau AI mendeteksi bahwa sinyal internet Anda sedang lemah, sistem tidak akan memaksa memutar video resolusi HD yang bikin buffering. Secara otomatis, AI akan mengubah video tersebut menjadi rangkuman teks ringkas atau file audio yang ringan. Belajar jalan terus, kuota pun aman!

    Apa Kata Data? (Hasil Uji Coba Lapangan)

    Para peneliti tidak hanya jualan teori. Mereka menguji sistem ini menggunakan metode evaluasi campuran (mixed-methods) melalui survei kepuasan dan analisis data belajar pengguna asli.

    Hasilnya? Ketika sistem belajar dibuat adaptif, hasil ujian siswa meningkat drastis, tingkat keaktifan (engagement) melonjak, dan pengguna merasa platform ini jauh lebih mudah digunakan.

    Kesimpulan: Akhir dari Era Belajar yang Kaku

    Riset yang dirilis di konferensi ICCIT ini memberikan kontribusi besar bagi masa depan AI in Education (AIEd). Ini adalah cetak biru (framework) nyata bahwa teknologi diciptakan bukan untuk mengkotak-kotakkan manusia, melainkan untuk menyatukan dan memberi kesempatan yang sama bagi siapa saja untuk pintar.

    Di masa depan, tidak ada lagi alasan “tidak bisa ikut kelas karena sinyal jelek” atau “tidak paham karena aplikasinya membingungkan”. Masa depan pendidikan adalah personal, inklusif, dan adaptif!

  • Sisi Lain Adopsi AI di Kampus: Mengapa Faktor Manusia Masih Menang Melawan Algoritma

    Sisi Lain Adopsi AI di Kampus: Mengapa Faktor Manusia Masih Menang Melawan Algoritma

    Di era digital saat ini, kehadiran Artificial Intelligence (AI) seperti ChatGPT atau Gemini telah mendisrupsi berbagai lini kehidupan, termasuk bangku perkuliahan. Banyak orang berasumsi bahwa semakin canggih sistem atau semakin akurat konten sebuah tools AI, maka mahasiswa akan semakin puas menggunakannya. Namun, benarkah demikian di realitas lapangan?

    Sebuah studi ilmiah terbaru yang diterbitkan dalam jurnal Discover Sustainability (2026) oleh Akhmad Habibi, K. A. Rahman, Robi Hendra, Supian Supian, Turki Mesfer Alharmali, Mohd Sofian Omar Fauzee, Hamdy Abdullah, I Wayan Sumandya dan Edi Surya Negara memberikan temuan mengejutkan mengenai adopsi AI di kalangan mahasiswa Indonesia, khususnya di Pulau Sumatera.

    Berikut ulasan mendalam mengenai apa yang sebenarnya membuat mahasiswa puas dan terus ingin menggunakan teknologi AI dalam studi mereka.

    Membedah Metodologi Penelitian

    Penelitian berskala besar ini mengintegrasikan tiga model teoretis sekaligus: Knowledge Management (KM), Information Systems (IS) Success Model, dan Expectation-Confirmation Model (ECM). Tujuannya adalah melihat bagaimana ekosistem teknologi dan manusia saling memengaruhi kepuasan serta niat mahasiswa untuk terus menggunakan AI.

    • Sampel Penelitian: 893 mahasiswa (dengan 805 respons valid) dari enam universitas negeri terkemuka di Sumatera.

    • Profil Responden: Mayoritas adalah perempuan (62,5%), berusia di atas 21 tahun (75%), dan mengambil program studi Ilmu Sosial (60,9%).

    • Representasi Wilayah: Responden tersebar di beberapa provinsi, dengan proporsi terbesar dari Lampung (35%), Jambi (20%), dan Palembang (18,8%).

    • Fakta Unik: Mayoritas mahasiswa yang disurvei menggunakan versi gratis (free version) dari tools AI yang tersedia.

    Temuan Utama: Kualitas Dosen dan Manajemen Pengetahuan adalah Kunci

    Analisis data berbasis Partial Least Squares Structural Equation Modeling (PLS-SEM) menghasilkan poin-poin penting yang mematahkan asumsi awam mengenai adopsi teknologi:

    1. Kualitas Bimbingan Dosen (Instructor Quality) Sangat Vital

    Faktor yang paling signifikan memengaruhi kepuasan mahasiswa bukan terletak pada AI itu sendiri, melainkan pada antusiasme, arahan, dan komunikasi dari dosen mereka terkait penggunaan AI (p = 0,025). Ketika dosen mampu memberikan panduan etis dan menunjukkan cara memanfaatkan AI secara produktif, mahasiswa merasa lebih terbantu dan puas.

    2. Proses Knowledge Management Berjalan Sukses

    Mahasiswa merasa teknologi AI sangat membantu mereka dalam empat aspek manajemen pengetahuan, yang semuanya terbukti meningkatkan kepuasan secara signifikan (p = 0,000):

    • Knowledge Acquisition (Akuisisi Pengetahuan): AI mempermudah pencarian referensi dan pemahaman materi kuliah.

    • Knowledge Application (Aplikasi Pengetahuan): AI mempercepat penyelesaian tugas-tugas akademik.

    • Knowledge Sharing (Berbagi Pengetahuan): AI memfasilitasi diskusi dan kolaborasi antar-mahasiswa.

    3. Konfirmasi Ekspektasi (Confirmation)

    Sesuai dengan teori ECM, ketika performa tools AI berhasil memenuhi atau bahkan melampaui ekspektasi awal mahasiswa dalam belajar dan meneliti, tingkat kepuasan mereka otomatis melonjak tajam. Kepuasan inilah yang menjadi prediktor terkuat bagi mereka untuk terus menggunakan AI di masa depan (β= 0,841).

    Plot Twist: Mengapa Kualitas Konten dan Sistem Teknis Tidak Berpengaruh?

    Ada temuan menarik dalam uji hipotesis penelitian ini. Hipotesis H1, H2, H3, dan H5 justru ditolak. Artinya:

    • Kualitas konten AI (Content Quality) tidak berpengaruh signifikan pada kepuasan (p = 0,372).

    • Kualitas sistem teknis (Technical System Quality) tidak berdampak langsung pada kepuasan (p = 0,888).

    • Persepsi kegunaan (Perceived Usefulness) juga tidak otomatis membuat mahasiswa merasa puas (p = 0,401).

    Mengapa Hal Ini Bisa Terjadi?

    Para peneliti mengaitkan anomali ini dengan dua faktor utama:

    Faktor Ekonomi (Akses Gratis): Karena mayoritas mahasiswa menggunakan AI versi gratis, mereka memiliki keterbatasan akses terhadap fitur premium yang lebih stabil dan konten yang lebih akurat. Alhasil, mereka tidak terlalu menuntut kualitas sistem atau konten yang sempurna; selama alat tersebut bisa digunakan untuk membantu tugas harian, mereka sudah merasa cukup.

    Faktor Budaya Kolektivitas: Budaya Indonesia yang memiliki power distance tinggi membuat peran figur otoritas (seperti dosen) dan interaksi sosial (berbagi pengetahuan dengan teman) jauh lebih penting daripada fitur intrinsik dari teknologi itu sendiri.

    Implikasi untuk Masa Depan Pendidikan di Indonesia

    Hasil riset dari Habibi et al. (2026) ini membawa pesan penting bagi pembuat kebijakan di perguruan tinggi:

    • Jembatani Digital Divide: Pemerintah dan pihak universitas perlu merancang kebijakan atau menyediakan akses AI premium yang terjangkau bagi mahasiswa di daerah guna memastikan inklusivitas pendidikan (mendukung Sustainable Development Goal / SDG 4).

    • Pelatihan untuk Pengajar: Karena kualitas dosen memegang peran sentral, pelatihan integrasi AI dan literasi digital bagi para pengajar harus menjadi prioritas utama.

    • Integritas Akademik & Etika: Institusi harus memperketat regulasi mengenai plagiarisme dan panduan penggunaan AI yang transparan agar teknologi ini tidak disalahgunakan untuk kecurangan akademik.

    Kesimpulan

    Teknologi secanggih apa pun tidak akan memberikan dampak optimal tanpa adanya sentuhan kemanusiaan (human-AI collaboration). Di wilayah Sumatera, kepuasan mahasiswa dalam menggunakan AI terbukti bukan karena sistemnya yang tanpa cela, melainkan karena kehadiran dosen yang adaptif serta kemampuan alat tersebut dalam mendukung ekosistem berbagi pengetahuan di kampus.

    Referensi:

    Habibi, A., Rahman, K. A., Hendra, R., Supian, S., Alharmali, T. M., Fauzee, M. S. O., Abdullah, H., Sumandya, I W., & Negara, E. S. (2026). Satisfaction and intention to use AI tools among Indonesian university students in Sumatra. Discover Sustainability, 7, 477. https://doi.org/10.1007/s43621-026-02745-5

  • Fondasi Teoritis Model Teknologi Pembelajaran

    Fondasi Teoritis Model Teknologi Pembelajaran

    Teknologi merupakan kolektivitas integrasi penerapan pengetahuan dan keterampilan (metode, alat, dan sistem) dalam sebuah bentuk berwujud (mesin, hardware) dan tidak berwujud (software, metode, AI) dengan tujuan aplikatif dan praktis. Secara etimologi, teknologi berasal dari Bahasa Yunani technologia yang berarti keahlian (techno) dan pengetahuan (logia).

    Fungsi utama teknologi adalah untuk mempermudah, mempercepat, dan meningkatkan efisiensi pekerjaan manusia. Penerapan teknologi pada setiap bidang diharapkan dapat memberikan nilai lebih untuk semua proses dengan hasil yang maksimal (efektif dan efisien). Contoh penerapan teknologi yang dapat dilihat pada setiap bidang diantaranya Teknologi Informasi: Perangkat lunak dan keras untuk memproses, menyimpan, dan mengirim data (komputer, internet, aplikasi). Teknologi Komunikasi: Alat pertukaran informasi (smartphone, satelit, email). Teknologi Transportasi: Sarana perpindahan (mobil, pesawat, kereta cepat). Teknologi Kesehatan/Medis: Alat medis dan teknik pengobatan (alat rontgen, robot operasi, AI diagnosis). Teknologi Pertanian: Alat dan teknik budidaya (traktor, sistem irigasi modern). Teknologi Konstruksi: Metode dan alat bangunan. Teknologi Pendidikan (EdTech): Media pembelajaran digital.

    Model teknologi adalah representasi konseptual, matematis, atau fisik yang menggambarkan bagaimana suatu teknologi bekerja, dikembangkan, diterapkan dan memberikan dampak terhadap suatu sistem atau lingkungan tertentu. Model teknologi dapat digunakan untuk memahami, merancang, mengevaluasi, dan mengoptimalisasi teknologi. Dalam konteks yang lebih luas, model teknologi berfungsi sebagai kerangka berfikir yang menghubungkan aspek teknis (engineering) dan aspek sosial, ekonomi dan lingkungan.

    Tujuan utama penggunaan model teknologi antaralain untuk dapat memahami mekanisme kerja teknologi sebelum diimplementasikan. Memprediksi hasil dan dampak penerapan teknologi terhadap sistem (misalnya dampak energi, biaya, atau sosial). Mendukung pengambilan Keputusan dalam inovasi, pengembangan produk, atau kebijakan. Meningkatkan efisiensi dan efektifitas penerapan teknologi. Dan menyediakan dasar untuk simulasi dan evaluasi alternatif teknologi.

    Komponen utama model teknologi yaitu:

    1. Input: Data, sumber daya, atau variabel yang masuk ke dalam sistem teknologi (misalnya energi, bahan, tenaga kerja, data).
    2. Proses: Mekanisme atau algoritma yang menggambarkan bagaimana input diolah oleh teknologi.
    3. Output: Hasil atau keluaran dari sistem teknologi (produk, informasi, efisiensi, dampak lingkungan, dll).
    4. Feedback (Umpan Balik): Informasi yang digunakan untuk memperbaiki atau mengoptimalkan sistem.
    5. Konteks Lingkungan: Faktor eksternal seperti regulasi, ekonomi, sosial, atau budaya yang mempengaruhi penerapan teknologi.

    Model teknologi dapat dibedakan berdasarkan tujuan, bentuk, atau pendekatan yang digunakan.

    Berdasarkan Tujuan:

    1. Model Deskriptif: Menjelaskan bagaimana suatu teknologi bekerja atau digunakan. Contoh: Diagram arsitektur sistem informasi.
    2. Model Prediktif: Digunakan untuk memprediksi hasil dari penerapan teknologi. Contoh: Model simulasi dampak penggunaan energi terbarukan.
    3. Model Preskriptif (Rekomendatif): Memberikan saran atau solusi terbaik berdasarkan kondisi tertentu. Contoh: Model optimasi sistem produksi berbasis AI.

    Berdasarkan Bentuk Representasi:

    1. Model Konseptual: Menggambarkan hubungan antar komponen teknologi secara kualitatif. Contoh: Model teknologi pendidikan TPACK (Technological Pedagogical Content Knowledge).
    2. Model Matematis/Komputasional: Menggunakan persamaan atau algoritma untuk menggambarkan hubungan kuantitatif antar variabel. Contoh: Model regresi prediksi performa mesin.
    3. Model Fisik/Prototipe: Representasi nyata dari suatu teknologi, biasanya dalam bentuk prototipe atau mock-up. Contoh: Model robotika untuk uji sistem sensorik.
    4. Model Simulasi Digital: Menggunakan perangkat lunak untuk mensimulasikan perilaku sistem teknologi. Contoh: Model simulasi Smart City atau model iklim digital.

    Secara pendekatan pengembangan model teknologi yang sering digunakan:

    1. Sistemik (Systems Approach): Melihat teknologi sebagai bagian dari sistem yang kompleks dan saling berhubungan.
    2. Tekno-ekonomi (Techno-Economic Model): Menggabungkan aspek teknis dengan analisis biaya, efisiensi, dan keuntungan.
    3. Tekno-sosial (Techno-Social Model): Memperhatikan interaksi antara teknologi dan manusia (user behavior, budaya, etika).
    4. AI-based Modelling: Menggunakan algoritma kecerdasan buatan (machine learning, deep learning) untuk memprediksi kinerja atau dampak teknologi.

    Model teknologi pembelajaran adalah suatu kerangka konseptual atau representasi sistematis yang menjelaskan bagaimana teknologi pembelajaran dirancang, diterapkan, dan digunakan untuk mendukung proses belajar dan mengajar secara efektif dan efisien. Model ini bukan hanya tentang penggunaan alat (hardware atau software), tetapi mencakup: proses perancangan instruksional (instructional design), interaksi manusia dan teknologi, strategi pembelajaran berbasis media, dan evaluasi hasil belajar serta umpan balik.

    Tujuan utama model teknologi pembelajaran dikembangkan agar pembelajaran dapat lebih efektif dalam meningkatkan pemahaman dan hasil belajar. Lebih efisien dalam menghemat waktu, tenaga dan sumber daya. Lebih menarik dan interaktif dalam memotivasi peserta didik. Lebih adaptif dalam menyesuaikan gaya belajar dan kebutuhan individu. Dan lebih terukur dalam memudahkan evaluasi proses dan hasil belajar.

    Dalam pengembangan model teknologi pembelajaran, prinsip dasar yang digunakan antara lain: berorientasi pada tujuan pembelajaran, teknologi hanya digunakan jika mendukung pencapaian learning outcomes. Berbasis Sistem, semua komponen (peserta, media, strategi, evaluasi) saling berinteraksi secara dinamis. Berorientasi pada peserta didik (Learner-Centered), fokus utama adalah pengalaman belajar yang personal dan interaktif. Adaptif terhadap perkembangan teknologi dan Sosial, model harus mampu beradaptasi terhadap inovasi baru seperti AI, VR, AR, atau metaverse.

    Model Teknologi Pembelajaran adalah peta konseptual yang menggambarkan bagaimana teknologi, manusia, dan proses pendidikan berinteraksi untuk menciptakan pembelajaran yang efektif. Model ini berfungsi sebagai alat bantu perencanaan, implementasi, dan evaluasi pembelajaran digital di berbagai konteks — dari ruang kelas hingga sistem pendidikan nasional. Teknologi bukan sekadar alat bantu, tetapi bagian integral dari ekosistem pembelajaran modern yang berorientasi pada efektivitas, efisiensi, dan humanisasi proses belajar.