Idlofi Zahir Rajaba
NALA adalah AI Agent yang mengubah pemetaan minat bakat anak usia 7-14 tahun dari kuesioner kaku menjadi petualangan cerita interaktif bertema Nusantara. Saat anak bermain, NALA mengamati perilaku (pilihan, waktu respons, eksplorasi, refleksi) dan merangkainya menjadi peta bakat naratif yang selaras dengan Profil Pelajar Pancasila, lengkap dengan rekomendasi arah pengembangan yang terhubung ke tren keterampilan 2030 sehingga hasilnya tidak ketinggalan zaman.
Bidang Solusi: Education
Tim | ATEAM |
Kategori Peserta | Umum |
Ketua | Idlofi Zahir Rajaba |
Anggota | Fahmi Agung Maulana Rofi'ah Budi Nadia |
NALA adalah AI Agent yang mengubah pemetaan minat bakat anak usia 7-14 tahun dari kuesioner kaku menjadi petualangan cerita interaktif bertema Nusantara. Saat anak bermain, NALA mengamati perilaku (pilihan, waktu respons, eksplorasi, refleksi) dan merangkainya menjadi peta bakat naratif yang selaras dengan Profil Pelajar Pancasila, lengkap dengan rekomendasi arah pengembangan yang terhubung ke tren keterampilan 2030 sehingga hasilnya tidak ketinggalan zaman.
Saat berhadapan dengan kuesioner tertulis formal, anak cenderung mengalami kecemasan evaluatif dan bias hasrat sosial (social desirability bias). Anak sering kali memilih jawaban normatif yang dianggap disukai orang dewasa, bukan cerminan preferensi autentik mereka.
Kuesioner satu kali jalan tidak menangkap perilaku (keragu-raguan, eksplorasi, ketekunan) - padahal di situlah sinyal bakat sejati.
Kurikulum Merdeka mewajibkan asesmen diagnostik non-kognitif dan pemetaan Profil Pelajar Pancasila, yang hingga kini umumnya dikerjakan manual dengan kertas/Google Form dan rekap berjam-jam [9].
Laporan World Economic Forum (WEF) Future of Jobs Report 2025 menunjukkan bahwa 22% dari total pekerjaan global akan terdisrupsi atau berubah total hingga tahun 2030[11].
Sebanyak 92 juta pekerjaan tradisional yang bersifat rutin seperti klerikal, entri data, kasir, pemrogram entry-level, hingga desainer grafis dasar terancam tergeser oleh otomatisasi Generative AI[11].
Muncul 170 juta peran baru yang menuntut kecakapan analitis, literasi teknologi, AI & big data, serta pemikiran sistemik[12]. Diperkirakan 39% dari core skill set pekerja akan berubah dalam kurun waktu 2025-2030[11]. Tanpa asesmen adaptif, anak berisiko diarahkan ke jurusan yang akan hilang atau usang saat mereka lulus[11].
Sebanyak 92% siswa SMA/SMK mengalami kebingungan menentukan arah masa depan dan 87% mahasiswa merasa salah jurusan.
Rekomendasi sering generik dan ketinggalan zaman, berkontribusi pada fenomena salah jurusan 92% siswa SMA/SMK bingung menentukan masa depan [1] dan 87% mahasiswa merasa salah jurusan [2].
Peran | Siapa | Manfaat |
| Pengguna utama | Siswa usia 7-14 tahun | Mengikuti pemetaan yang menyenangkan tanpa rasa dites melalui eksplorasi cerita interaktif |
| Pengguna data | Guru kelas / Guru BK | Menerima peta sebaran karakter satu kelas secara otomatis untuk efisiensi pengajaran |
| Penerima laporan | Orang tua | Memperoleh laporan naratif deskriptif yang dilengkapi rekomendasi pengembangan berbasis tren keterampilan 2030 |
Generasi yang lahir sepenuhnya di era digital [6], dengan penggunaan perangkat tinggi yang membawa tantangan perkembangan (keterlambatan bicara, keterasingan sosial, minat baca rendah) [7], namun justru paling responsif terhadap media belajar interaktif berbasis teknologi [8]. Kuesioner kertas semakin tidak cocok untuk generasi ini.
PISA 2022 menempatkan skor Indonesia pada 366 (matematika), 359 (membaca), 383 (sains); OECD mencatat hasil tersebut turun dan termasuk yang terendah yang pernah terukur [3]. Sinyal bahwa pendekatan pembelajaran dan asesmen perlu diubah, bukan diperbanyak.
World Economic Forum (2025) melaporkan AI & big data, cyber security, dan literasi teknologi sebagai skill dengan pertumbuhan tercepat, dengan analytical thinking tetap menjadi core skill teratas [4]. Indonesia membutuhkan 9 juta talenta digital pada 2030 [5]. Tanpa pemetaan bakat dini yang baik, bonus demografi berlalu tanpa arah.
Tahap | Isi |
Input (Data) | Merekam pilihan naratif per cabang cerita, telemetri mikro-perilaku (waktu respons, keraguan, penggunaan hint), dan rekaman refleksi kualitatif sesi Api Unggun. |
AI Agent (NALA) | Mengintegrasikan Gemini API via Vercel AI SDK sebagai narator cerita adaptif, pewawancara refleksi, dan perangkum laporan. |
Proses Analisis (ECD Scoring Engine & Triangulation) | Mengonversi log perilaku menjadi evidence rules, memperbarui skor kepercayaan dengan pembobotan Babak 3 > 2 > 1, serta melakukan triangulasi lintas pulau. |
Output (Solusi) | Menghasilkan cerita lanjutan untuk anak, dashboard sebaran karakter kelas untuk guru, dan laporan naratif 2030 untuk orang tua. |
Satu bakat diukur dari banyak konteks (triangulasi), bukan satu pertanyaan.
Merekam variabel latency (durasi keraguan), frekuensi revisi pilihan, dan ketekunan menyelesaikan tantangan.
Wawancara reflektif singkat berbasis teks atau suara menggunakan Web Speech API untuk menganalisis pemikiran kualitatif anak.
Mengonversi akumulasi data menjadi deskripsi naratif yang dipetakan ke 6 dimensi Profil Pelajar Pancasila [9].
Bakat dipetakan ke keterampilan/profesi yang tumbuh berdasarkan WEF Future of Jobs 2025[4], database tren terpisah dan diperbarui 6-12 bulan sekali agar tidak ketinggalan zaman.
Menyajikan peta kekuatan dan sebaran karakter satu kelas secara otomatis.
Komponen | Pilihan | Alasan |
AI Model / LLM | Gemini API (free tier) via Vercel AI SDK; fallback OpenAI | Narasi adaptif, wawancara refleksi, perangkum laporan |
AI Agent Framework | Vercel AI SDK + orkestrasi serverless sederhana | Mudah production di Vercel, tanpa infrastruktur agent berat |
Story Engine | Ink.js (cerita sebagai file JSON) | Penulis cerita tidak perlu menyentuh kode |
Frontend | Next.js + TailwindCSS | Deploy native Vercel |
API & Database | Supabase (Postgres: auth, event telemetri, skor trait, database tren) | Managed, free tier, row-level security |
Suara | Web Speech API (TTS/STT bawaan browser) | Anak 7 tahun yang belum lancar membaca dapat bermain & refleksi lewat suara |
Cloud Platform | Vercel (hosting + serverless functions) | Zero-ops |
Metrik | Target |
Completion rate siswa | ≥ 70% |
Siswa menjawab "tidak terasa seperti tes" | ≥ 80% |
Waktu tersedianya laporan setelah sesi | < 1 menit |
Kesesuaian awal pemetaan NALA vs catatan pengamat pilot | ≥ 70% (bahan iterasi rubrik, bukan klaim validitas) |
Aplikasi berbasis web yang ringan membuat NALA mudah diakses via laboratorium komputer sekolah, Chromebook, maupun HP orang tua. Dengan Marginal Cost per User mendekati Rp 0, platform ini dapat diterapkan secara luas tanpa membebani anggaran sekolah.
Fase | Isi |
0 - Validasi ide | Review rubrik pemetaan dengan 1 guru BK/psikolog pendidikan (wawancara); finalisasi naskah Pulau 1 |
1 - MVP | 1 pulau (3 babak, ±15 titik keputusan, 1 mini-game), NALA refleksi, laporan sederhana |
2 - Micro-pilot | Uji 10-20 anak dari lingkungan pribadi tim (tanpa ketergantungan institusi); ukur metrik target |
3 - Dashboard | Dashboard guru + laporan PDF; iterasi rubrik dari data pilot |
4 - Ekspansi | Pulau 2-3; pembaruan database tren; menjajaki kemitraan sekolah |
https://www.researchgate.net/publication/374502551_Tracer_Study_Universitas_Cenderawasih_Tahun_2017#fullTextFileContent
============================================================
Link Full Proposal: https://docs.google.com/document/d/1vP0rGkZy6WKR3PmvvG-j-fDcaOWjgwuo/edit?usp=sharing&ouid=102777608574382716780&rtpof=true&sd=true
Link Pitch Deck : https://docs.google.com/presentation/d/1ER2xch7LxrL-ZRAhHDiza58YzdrjFAgj/edit?usp=sharing&ouid=102777608574382716780&rtpof=true&sd=true
Link Video Pitch : https://drive.google.com/file/d/1C8IxNawRdghcBCneEDK7vG-Y88LEMh4d/view?usp=sharing
Link Prototype Konsep: https://tenun-nusantara-six.vercel.app/