Pengembangan AI tutor berbasis LLM dengan retrieval-augmented generation pada pembelajaran AI
Abstract
Pesatnya perkembangan teknologi kecerdasan buatan menuntut integrasi materi Artificial Intelligence (AI) sejak tingkat Sekolah Menengah Kejuruan (SMK). Namun, karakteristik materi AI yang kompleks sering kali menyulitkan siswa dalam melakukan pembelajaran mandiri di luar kelas. Sebagian besar penelitian terdahulu mengenai implementasi Large Language Model (LLM) di dunia pendidikan masih berfokus pada tingkat perguruan tinggi dengan cakupan materi yang umum. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi AI Tutor yang dikonfigurasikan secara spesifik untuk mendukung kebutuhan kurikulum AI tingkat SMK Kelas X pada platform pembelajaran KABIRU. Untuk memastikan akurasi konten, AI Tutor dibangun menggunakan arsitektur Retrieval-Augmented Generation (RAG) yang mengintegrasikan model bahasa Deepseek dengan basis pengetahuan lokal berupa modul produktif sekolah. Evaluasi sistem dilakukan melalui metode evaluasi ganda (dual-layer evaluation framework). Kualitas teknis sistem diuji secara objektif menggunakan kerangka kerja RAGAS, sementara pengalaman pengguna dievaluasi secara empiris melalui adaptasi kuesioner berbasis framework QUEST kepada siswa. Hasil pengujian RAGAS menunjukkan performa sistem yang terukur dengan skor Faithfulness sebesar 0,9190, Answer Relevancy 0,8395, Context Precision 0,8500, dan Context Recall 0,9500. Di sisi lain, hasil evaluasi QUEST menunjukkan tingkat kegunaan (usability) yang baik dengan skor rata-rata keseluruhan sebesar 4,05 dari…
Read the paper
Related studies
- Knowledge Management Perspective of Generative Artificial Intelligence
- Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work
- Characterizing the evolving research on enterprise content management
- Large language models and multimodal foundation models for precision oncology
- From Generative AI to Extended Reality: Multidisciplinary Perspectives on the Challenges, Opportunities, and Future of Educational Computing
- Generative Artificial Intelligence: A New Engine for Advancing Environmental Science and Engineering
Go deeper in Evidence Hub
Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.