Implementasi Kecerdasan Buatan Dalam Penyusunan Instrumen Tes Kemampuan Akademik (TKA) Bagi Guru Matematika SMK
Abstract
Implementasi kecerdasan buatan atau artificial intelligence dalam penyusunan instrumen Tes Kemampuan Akademik (TKA) Matematika penting dilakukan sebagai upaya penguatan kompetensi profesional bagi guru-guru pengampu mata pelajaran matematika di Sekolah Menengah Kejuruan (SMK). Sebagai upaya mendorong dan mempercepat transformasi pendidikan berbasis kecerdasan buatan, salah satunya melalui program pengabdian masyarakat berupa pelatihan atau workshop, sehingga guru matematika dapat mengembangkan instrumen asesmen yang relevan dengan dunia kerja vokasional melalui pemanfaatan teknologi kecerdasan buatan. Untuk mengukur keberhasilan kegiatan pelatihan digunakan pendekatan One-Group Pretest-Posttest Design pada 76 guru matematika yang terlibat dalam pelatihan. Hasil pretest menunjukkan kemampuan penggunaan kecerdasan buatan dalam penyusunan instrumen asesmen berada pada kategori rendah dan pemahaman terhadap AI juga masih terbatas. Setelah pelatihan, terjadi peningkatan rata-rata kompetensi sebesar 55,48% dan dapat menyusun variasi soal asesmen sebagai bahan latihan atau try out. Kegiatan ini membuktikan efektivitas integrasi kecerdasan buatan dalam penyusunan instrumen asesmen, sekaligus menekankan pentingnya pendampingan berkelanjutan dan pendekatan diferensial untuk mengoptimalkan literasi kecerdasan buatan bagi guru dalam transformasi pendidikan di era modern.
References
Bonate, P. L. (2020). Analysis of Pretest-Posttest Designs. CRC PRESS.
Hake, R. R. (1998). Interactive-engagement Versus Traditional Methods: A Six-Thousand-student Survey of Mechanics Test Data for Introductory Physics Courses. American Journal of Physics, 66(1), 64–74. https://doi.org/10.1119/1.18809
Mardhiyana, D. (2023). Analisis Kesulitan Menyusun Instrumen Tes Pada Penilaian Pembelajaran Matematika. Jurnal Pemikiran dan Penelitian Pendidikan Matematika (JP3M), 6(2), 68–80. https://doi.org/10.36765/jp3m.v6i2.677
May, T. A., Provinzano, K., Koskey, K. L. K., Sondergeld, C. J., Stone, G. E., Archer, J. N., & Rimkunas, N. (2025). Expanding the Team: Integrating Generative Artificial Intelligence into the Assessment Development Process. Applied Sciences, 15(18), 9976. https://doi.org/10.3390/app15189976
Minn, S. (2022). AI-Assisted Knowledge Assessment Techniques for Adaptive Learning Environments. Computers and Education: Artificial Intelligence, 3, 100050. https://doi.org/10.1016/j.caeai.2022.100050
Nurlaily, V. A., Soegiyanto, H., & Usodo, B. (2019). Elementary School Teacher’s Obstacles in The Implementation of Problem-Based Learning Model in Mathematics Learning. Journal on Mathematics Education, 10(2), 229–238. https://doi.org/10.22342/jme.10.2.5386.229-238
OECD. (2023). PISA 2022 Results (Volume I): The State of Learning and Equity in Education. OECD Publishing. https://doi.org/10.1787/53f23881-en
Parmar, K. J., Palaniappan, D., Premavathi, T., & Jain, R. (2025). Revolutionizing Educational Assessments With AI Technology. Dalam C. C. Chinedu, N. Mafarja, M. H. Hussein, & A. Saleem (Ed.), Advances in Computational Intelligence and Robotics (hlm. 227–252). IGI Global. https://doi.org/10.4018/979-8-3693-9062-7.ch011
Pratiwi, I., Samosir, I., Ekowati, D. R., Wicaksono, M. E., Krismahardika, B. G., Rihardika, A., Krisna, F. N., & Martak, Y. F. (2025). Rapor Pendidikan Indonesia 2025: Capaian dan Agenda Perbaikan. Pusat Standar dan Kebijakan Pendidikan Kemendikdasmen.
S. C., V., Vidhyapriya, P., & V. P., A. (2024). The Role of AI in Transforming Assessment Practices in Education: Dalam K. L. Keeley (Ed.), Advances in Educational Marketing, Administration, and Leadership (hlm. 43–70). IGI Global. https://doi.org/10.4018/979-8-3693-5443-8.ch003
Salendab, F. A., Cogo, D. A., Catipay, A. Z., & Millendez, G. J. T. (2025). The Role of Artificial Intelligence (AI) in Personalized Learning and Adaptive Assessments: Dalam J. Moore, S. Gupta, M. Sharma, A. Garg, & H. Josephine V. L. (Ed.), Advances in Computational Intelligence and Robotics (hlm. 93–122). IGI Global Scientific Publishing. https://doi.org/10.4018/979-8-3373-2185-1.ch004
Setiani, N. W., Asikin, M., & Dewi, N. R. (2022). Numerical Literacy Skills of Vocational High School Students in Solving HOTS Problems. AlphaMath : Journal of Mathematics Education, 8(2), 121. https://doi.org/10.30595/alphamath.v8i2.14161
Song, Y., Du, J., & Zheng, Q. (2025). Automatic Item Generation for Educational Assessments: A Systematic Literature Review. Interactive Learning Environments, 33(9), 5386–5405. https://doi.org/10.1080/10494820.2025.2482588
Sugiyono. (2013). Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif, dan R&D (Cet. 6). Alfabeta.
Tan, B., Armoush, N., Mazzullo, E., Bulut, O., & Gierl, M. (2025). A Review of Automatic Item Generation Techniques Leveraging Large Language Models. International Journal of Assessment Tools in Education, 12(2), 317–340. https://doi.org/10.21449/ijate.1602294
Wilchek, M., Hanley, W., Lim, J., Luther, K., & Batarseh, F. A. (2023). Human-in-the-loop for Computer Vision Assurance: A Survey. Engineering Applications of Artificial Intelligence, 123, 106376. https://doi.org/10.1016/j.engappai.2023.106376
This work is licensed under a 