Tefa EduIntegrator V3
Sistem Perancangan Kurikulum Vokasi Berbasis CP & OBE | SMK Bina Bangsa Dampit
Data terhubung langsung ke Log Sheets Sekolah.
Tahap 1 Input Komponen Makro
Hasil Prompt (Perencanaan Makro)
1. Tefa EduIntegrator V3 (Versi Terpadu Berjenjang)
Secara filosofis, Tefa EduIntegrator V3 (Versi Terpadu Berjenjang) dirancang berlandaskan pada prinsip “Kedaulatan Pedagogis Guru” (Human-in-the-Loop) dan “Esensialisme Kurikulum Vokasi.” Di era kecerdasan buatan (AI) generatif, sering kali peran pendidik tereduksi menjadi penerima pasif dari output mesin yang idealis namun tak membumi. Aplikasi ini membalikkan paradigma tersebut; AI dipaksa tunduk pada realitas kontekstual yang diinputkan oleh guru.
Kewajiban memasukkan Capaian Pembelajaran (CP) sebagai instrumen hulu memastikan bahwa kebebasan berinovasi tidak lepas dari kompas yuridis pendidikan vokasi. Sementara itu, komponen seperti ketersediaan sarana prasarana dan Kesehatan, Keselamatan Kerja, dan Lingkungan Hidup (K3LH) disisipkan untuk mencegah “halusinasi” AI yang kerap menciptakan skenario utopis—mengabaikan rasio 38 siswa per 1 unit alat berat yang nyata terjadi di lapangan.
Pada akhirnya, pendekatan berjenjang (Makro, Mikro, Media, Evaluasi) menegaskan bahwa pendidikan vokasi adalah sebuah alur deduktif yang holistik, di mana etos kerja industri (Profil Pelajar Pancasila) tidak sekadar menjadi sisipan, melainkan jiwa yang terintegrasi secara sistematis mulai dari perencanaan hingga pembuktian rubrik kinerja.
2. Pengembangan
Tefa EduIntegrator V3 berdiri kukuh di atas tiga pilar teori instruksional mutakhir:
Pertama, Constructive Alignment (John Biggs). Teori ini menyatakan bahwa pembelajaran efektif terjadi ketika ada keselarasan vertikal tanpa putus antara Tujuan Pembelajaran (berasal dari CP), Aktivitas/Media (pelaksanaan bengkel/kelas), dan Asesmen (instrumen evaluasi). Aplikasi ini menjamin keselarasan tersebut melalui teknik triangulasi data; keluaran ( output) tahap sebelumnya secara wajib menjadi basis data ( dataset) untuk mem- prompt tahap berikutnya.
Kedua, Context-Grounded Sequential Prompting (Rekayasa Instruksi Sekuensial Berkonteks). Dalam disiplin pemrosesan bahasa alami (NLP), Large Language Models (LLM) seperti ChatGPT atau Gemini rentan mengalami halusinasi atau memproduksi narasi (zero-shot) yang tidak relevan. Dengan memecah permintaan menjadi rantai makro ke mikro secara berurutan dan mengunci AI pada parameter sarpras serta diagnostik awal siswa, aplikasi membatasi ruang LLM untuk “berimajinasi,” dan memaksanya bernalar deduktif (few-shot reasoning) berdasarkan realitas lokal.
Ketiga, Technological Pedagogical Content Knowledge (TPACK). Aplikasi tidak langsung men- generate media, melainkan menyajikan 6 jenis purwarupa (Job Sheet, Modul, LKPD, dll.). Guru sebagai ahli pedagogi yang memilih output media paling presisi, kemudian AI membantu merealisasikan format teknologisnya.
3. Alur Penggunaan Aplikasi
Buka berkas HTML tersebut di browser gawai atau komputer Anda. Isi kolom identitas guru di bagian atas terlebih dahulu.
Tahap A.1: Perencanaan Makro (Silabus)
- Buka Tab A.1.
- Input: Masukkan teks Capaian Pembelajaran (CP) resmi.
- Konteks: Tulis realitas siswa (misal: “siswa sering membolos, kemampuan literasi rendah”). Isi standar industri (DUDI) dan jumlah pertemuan.
- Klik “Rakit Prompt Makro (A.1)”. Sistem akan menghasilkan prompt instruksi untuk AI.
- Klik “Salin ke AI”, buka tab baru untuk mengakses ChatGPT, Gemini, atau Claude, lalu tempel (paste) prompt tersebut di kotak pesannya.
- Simpan Jejak: Klik “Simpan ke DB Sekolah” agar prompt yang baru saja Anda buat terekam di Google Sheets.
Tahap A.2: Perencanaan Mikro (RPP / Skenario)
- Buka Tab A.2.
- Dataset Hibrida: Salin ( Copy) SELURUH jawaban yang diberikan oleh AI pada langkah A.1, lalu tempel (paste) di kotak Dataset Utama. Ini memastikan AI tidak melenceng.
- Tentukan pertemuan ke berapa yang ingin dibuat sintaksnya (misal: Pertemuan 1).
- Tentukan keadaan alat (K3LH & Sarpras) di kotak kuning (misal: “Alat praktik hanya ada 1 untuk 38 siswa”).
- Klik “Rakit Prompt Mikro”, salin kembali ke AI (ChatGPT/Gemini), dan simpan log-nya.
Tahap B: Pelaksanaan (Media & LKPD)
- Buka Tab B.
- Salin seluruh jawaban/rancangan sintaks dari AI pada Tahap A.2, lalu paste ke kotak Dataset di Tab B.
- Pilih jenis media yang dibutuhkan, misalnya “Petunjuk Praktikum (Job Sheet)”.
- Rakit prompt, lemparkan kembali instruksi tersebut ke AI untuk mendapatkan lembar kerja/skenario. Simpan ke database.
Tahap C: Triangulasi Evaluasi (KKTP)
- Tahap kritis: Anda memerlukan dua dataset. Buka Tab C.
- Pada kotak Dataset A.2, salin sintaks dan Tujuan Pembelajaran dari AI pada Tahap A.2.
- Pada kotak Dataset B, salin isi lembar media (Job Sheet) dari AI pada Tahap B.
- Pilih jenis rubrik yang diinginkan (misal: Rubrik Kinerja).
- Klik Rakit Prompt Rubrik. AI kini akan merancang matriks evaluasi dan kriteria ketercapaian secara presisi berdasarkan bukti nyata (dari Job Sheet) dan tujuan hulu (CP).

Leave a Reply