Analisis Kinerja Siswa: Memanfaatkan Gemini dan ChatGPT untuk Prediksi Hasil Belajar.
s2tp.fip.unesa.ac.id, 9 Nopember 2025 - Analisis kinerja siswa untuk memprediksi hasil belajar merupakan strategi proaktif yang sangat penting dalam intervensi pendidikan modern. Model AI canggih seperti Gemini dan ChatGPT kini dapat dimanfaatkan untuk memproses berbagai data akademik dan perilaku siswa guna menghasilkan prediksi yang akurat. Pemanfaatan AI ini memungkinkan guru dan administrator mengidentifikasi siswa yang berisiko mengalami kegagalan akademik sejak dini. Dengan adanya prediksi yang didukung AI, intervensi dapat dilakukan tepat waktu dan disesuaikan, memaksimalkan potensi keberhasilan setiap siswa. Sinergi kedua LLM ini menawarkan alat prediksi yang kuat dan multidimensi.
Gemini memiliki keunggulan signifikan dalam menganalisis data terstruktur dan multimodal yang terkait dengan kinerja siswa. Model ini dapat memproses dataset yang kompleks, seperti nilai ujian, log interaksi pada Learning Management System (LMS), dan data kehadiran siswa. Karena sifat multimodalnya, Gemini bahkan dapat menganalisis output visual tugas siswa (misalnya, kualitas grafik atau diagram) dan menghubungkannya dengan nilai akhir mereka. Analisis data yang cepat dan terintegrasi ini menghasilkan model prediksi yang mampu menyoroti variabel-variabel kinerja yang paling berpengaruh. Kemampuan prediksi berbasis data terstruktur ini adalah aset utamanya.
Sementara itu, ChatGPT unggul dalam menganalisis data kualitatif dan naratif yang juga memengaruhi hasil belajar siswa. Guru dapat memasukkan feedback terbuka yang diterima siswa, komentar evaluasi kualitatif, atau catatan observasi perilaku kelas ke dalam model ini. ChatGPT dapat memproses teks ini untuk mengidentifikasi pola emosional, motivasi, atau tantangan belajar yang bersifat non-akademik. Insight kualitatif ini melengkapi data kuantitatif dari Gemini, memberikan pemahaman yang lebih holistik tentang faktor-faktor yang mendorong hasil belajar. Kombinasi analisis kualitatif dan kuantitatif menghasilkan prediksi yang lebih kaya konteks.
Sinergi terjadi ketika hasil analisis dari Gemini (prediksi berbasis nilai dan data log) digabungkan dengan insight kualitatif dari ChatGPT (prediksi berbasis feedback dan motivasi). Misalnya, Gemini mungkin memprediksi nilai rendah, sementara ChatGPT menjelaskan bahwa penyebabnya adalah kurangnya motivasi dan bukan ketidakmampuan kognitif. Integrasi output ini memungkinkan guru untuk membedakan antara kebutuhan intervensi akademik (misalnya, tutorial) dan intervensi non-akademik (misalnya, konseling atau mentoring). Prediksi yang terintegrasi ini mengarah pada rencana intervensi yang sangat tepat sasaran.
Prediksi hasil belajar yang didukung AI memungkinkan intervensi proaktif dan personalisasi pembelajaran. Ketika AI memprediksi bahwa seorang siswa memiliki risiko 70% untuk gagal di unit berikutnya, guru dapat segera menggunakan ChatGPT untuk membuat materi remedial yang ditargetkan. Pada saat yang sama, Gemini dapat menyarankan materi ajar alternatif atau case study yang memiliki format visual lebih menarik bagi siswa tersebut. Pergeseran dari intervensi reaktif (setelah kegagalan) menjadi intervensi proaktif (sebelum kegagalan) adalah manfaat terbesar dari pemanfaatan AI ini.
Meskipun potensi prediksinya tinggi, penggunaan AI dalam analisis kinerja siswa memerlukan pertimbangan etika dan bias yang sangat hati-hati. Model yang dilatih pada data historis berisiko melanggengkan bias yang sudah ada, misalnya memprediksi hasil yang lebih rendah untuk kelompok demografi tertentu. Guru dan administrator harus secara aktif memverifikasi prediksi Gemini dan ChatGPT untuk memastikan keadilan dan kesetaraan. Prediksi AI harus berfungsi sebagai sinyal peringatan, bukan sebagai vonis; keputusan akhir tentang potensi siswa harus tetap menjadi ranah manusia.
Untuk meningkatkan akurasi, guru dapat menggunakan ChatGPT untuk merumuskan prompt yang menantang Gemini dengan skenario what-if berbasis data. Misalnya, "Jika interaksi siswa X pada LMS meningkat 20%, bagaimana prediksi nilai akhirnya berubah?" Pendekatan iteratif ini membantu guru memahami sensitivitas model prediksi terhadap intervensi tertentu. Kemampuan untuk mensimulasikan dampak perubahan perilaku atau intervensi adalah alat perencanaan yang sangat berharga. Simulasi ini mendukung pengambilan keputusan kurikuler yang strategis.
Aspek efisiensi waktu juga ditingkatkan karena guru tidak perlu lagi menghabiskan waktu berjam-jam untuk analisis data manual. Gemini dapat menyelesaikan analisis regresi kompleks dalam hitungan detik, dan ChatGPT dapat merangkum temuan tersebut ke dalam bahasa yang mudah dipahami untuk komunikasi dengan orang tua. Waktu yang dihemat ini dapat dialokasikan untuk tugas-tugas yang membutuhkan sentuhan manusia, seperti melakukan check-in pribadi dengan siswa yang teridentifikasi berisiko. Efisiensi ini secara langsung mendukung kesejahteraan guru dan kualitas interaksi siswa.
Strategi jangka panjang melibatkan integrasi hasil prediksi AI ke dalam sistem Learning Management System (LMS) sekolah. Sistem dapat secara otomatis menghasilkan feedback atau modul remedial yang didorong oleh prediksi Gemini tentang kelemahan spesifik siswa. Meskipun demikian, guru harus mengawasi sistem otomatis ini untuk memastikan tidak terjadi ketergantungan algoritmik yang berlebihan. Tujuan akhirnya adalah menciptakan ekosistem pendidikan di mana AI bekerja tanpa terlihat untuk mendukung upaya guru dan memastikan tidak ada siswa yang tertinggal.
Pemanfaatan Gemini dan ChatGPT untuk analisis kinerja siswa menawarkan alat yang transformatif untuk prediksi hasil belajar yang akurat dan personal. Gemini unggul dalam data kuantitatif dan multimodal, sementara ChatGPT menyediakan konteks kualitatif yang penting. Integrasi insight dari kedua AI ini memberdayakan pendidik untuk mengambil keputusan yang tepat waktu, adil, dan berbasis data, memastikan setiap siswa mendapatkan dukungan yang mereka butuhkan untuk mencapai potensi akademik penuh mereka.
