Foto User
NALA: AI Agent Gamifikasi Naratif Nusantara

Idlofi Zahir Rajaba

Sosial Media


0 orang menyukai ini
Suka

Summary

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.

Description

PROPOSAL AI PROJECT


 

NALA: AI Agent Berbasis Gamifikasi Naratif Nusantara dan Stealth Assessment untuk Pemetaan Minat Bakat Adaptif Pada Platform Tenun Nusantara

Bidang Solusi: Education


 

Tim

ATEAM

Kategori Peserta

Umum

Ketua

Idlofi Zahir Rajaba

Anggota

Fahmi Agung Maulana

Rofi'ah Budi Nadia



 

SUMMARY

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.

PROBLEM STATEMENT

Permasalahan yang Ingin Diselesaikan

  1. Kecemasan Evaluatif (Test Anxiety) dan Bias Jawaban

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.

  1. Kerapuhan Data (Data Thinness)

Kuesioner satu kali jalan tidak menangkap perilaku (keragu-raguan, eksplorasi, ketekunan) - padahal di situlah sinyal bakat sejati.

  1. Beban Administrasi Pendidik yang Masif

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].

  1. Transformasi 22% Pekerjaan Global

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].

  1. Pergeseran Pekerjaan Rutin oleh AI

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].

  1. Risiko Pengarahan ke Jurusan Usang (Obsolete)

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].

  1. Tingginya Angka Disorientasi Pendidikan

Sebanyak 92% siswa SMA/SMK mengalami kebingungan menentukan arah masa depan dan 87% mahasiswa merasa salah jurusan.

  1. Hasil pemetaan tidak terhubung ke masa depan

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]. 

  1. Target Pengguna

Peran

Siapa

Manfaat

Pengguna utamaSiswa usia 7-14 tahun

Mengikuti pemetaan yang menyenangkan tanpa rasa dites melalui eksplorasi cerita interaktif

Pengguna dataGuru kelas / Guru BK

Menerima peta sebaran karakter satu kelas secara otomatis untuk efisiensi pengajaran

Penerima laporanOrang tua

Memperoleh laporan naratif deskriptif yang dilengkapi rekomendasi pengembangan berbasis tren keterampilan 2030

Alasan Permasalahan Ini Penting

  • Konteks Generasi Alpha

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.

  • Konteks kemampuan dasar

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.

  • Konteks masa depan

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.

AI AGENT SOLUTION

Solusi yang Ditawarkan

Platform Tenun Nusantara yang digerakkan oleh NALA (Nusantara Adaptive Learning & Aptitude Agent) membawa anak berpetualang melintasi pulau tematik Nusantara:

Pulau Candi: Mengukur Logika-Matematika, Analytical Thinking, dan Systems Thinking.

Pulau Pasar Terapung: Mengukur Interpersonal, Kepemimpinan, dan Social Influence.

Pulau Rimba: Mengukur Naturalis, Pemecahan Masalah Ekologis, dan Sustainability.

Pulau Harmoni: Mengukur Seni, Ekspresi Kreatif, dan Creative Thinking.

Pulau Aksara: Mengukur Linguistik, Komunikasi, dan Narrative Literacy.

Workflow AI Agent

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.

Fitur Utama

  1. Cerita interaktif Nusantara 3 babak

Satu bakat diukur dari banyak konteks (triangulasi), bukan satu pertanyaan.

  1. Telemetri Perilaku (Stealth Telemetry)

Merekam variabel latency (durasi keraguan), frekuensi revisi pilihan, dan ketekunan menyelesaikan tantangan.

  1. Refleksi Api Unggun (Multimodal Qual-Data)

Wawancara reflektif singkat berbasis teks atau suara menggunakan Web Speech API untuk menganalisis pemikiran kualitatif anak.

  1. Laporan Naratif Profil Pelajar Pancasila

Mengonversi akumulasi data menjadi deskripsi naratif yang dipetakan ke 6 dimensi Profil Pelajar Pancasila [9].

  1. Mesin Rekomendasi Tren 2030

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.

  1. Dashboard Pembelajaran Berdiferensiasi Guru

Menyajikan peta kekuatan dan sebaran karakter satu kelas secara otomatis.

Nilai Inovasi

Efisiensi Waktu Pendidik

Memangkas waktu rekapitulasi asesmen diagnostik non-kognitif yang biasanya membutuhkan berjam-jam menjadi otomatisasi real-time kurang dari 1 menit.

Kejelasan dan Aksesibilitas Laporan

Menghilangkan pelabelan skor angka kaku dan menggantinya dengan uraian deskriptif yang menyajikan langkah eksplorasi nyata bagi orang tua.

Keakuratan Berbasis Telemetri

Mengombinasikan pilihan naratif, telemetri mikro-perilaku, dan refleksi kualitatif untuk hasil pemetaan yang jauh lebih akurat dibanding kuesioner statis.

Efisiensi Biaya Operasional (Zero-Ops)

Menggunakan arsitektur serverless cloud tanpa biaya perawatan server fisik sehingga hemat anggaran.

TECHNOLOGY & ARCHITECTURE

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

IMPACT & FUTURE DEVELOPMENT

Manfaat AI Agent

Siswa: Mengenali potensi diri melalui petualangan cerita tanpa rasa takut dinilai atau diuji.

Guru: Pemetaan otomatis yang memangkas waktu administrasi dan memfasilitasi rancangan pembelajaran berdiferensiasi.

Orang Tua: Mendapatkan wawasan naratif dan arahan eksplorasi yang relevan dengan tren karir era AI.

Dampak yang Diharapkan

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)

Potensi Implementasi

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.

Rencana Pengembangan Selanjutnya

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



 

DAFTAR REFERENS

  1. Skystar Ventures. (2018, 14 April). Youthmanual: Angka siswa yang salah pilih jurusan masih tinggi. https://skystarventures.com/blog/youthmanual-angka-siswa-yang-salah-pilih-jurusan-masih-tinggi/
  2. Riset ICCN 2017 - Tracer Study Universitas Cenderawasih Tahun 2017

https://www.researchgate.net/publication/374502551_Tracer_Study_Universitas_Cenderawasih_Tahun_2017#fullTextFileContent

  1. OECD. (2023). PISA 2022 results (volume I and II): Country notes - Indonesia. https://www.oecd.org/en/publications/pisa-2022-results-volume-i-and-ii-country-notes_ed6fbcc5-en/indonesia_c2e1ae0e-en.html
  2. World Economic Forum. (2025). The future of jobs report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/
  3. Kementerian Komunikasi dan Digital RI. (2025, 30 Januari). Mencetak lagi ribuan talenta digital. https://www.komdigi.go.id/berita/masyarakat-digital/detail/mencetak-lagi-ribuan-talenta-digital
  4. Fadlurrohim, I., Husein, A., Yulia, L., Wibowo, H., & Raharjo, S. T. (2019). Memahami perkembangan anak generasi alfa di era industri 4.0. Focus: Jurnal Pekerjaan Sosial, 2(2), 178-186. https://jurnal.unpad.ac.id/focus/article/viewFile/26235/12729
  5. Zendrato, J. F. C., & Ziliwu, N. M. P. (2025). Dampak teknologi dalam pembentukan karakter Gen Alpha. Jurnal Ilmu Ekonomi, Pendidikan dan Teknik (IDENTIK), 2(1), 1-6. https://doi.org/10.70134/identik.v2i1.154
  6. Gunawan, R., Billah, M. Z., Silalahi, R., & Tuka, H. (2024). Gaya belajar Gen Alpha di era digital. Dewantara: Jurnal Pendidikan Sosial Humaniora, 3(4), 277-297. https://doi.org/10.30640/dewantara.v3i4.3661
  7. Akbar, M. A., Ariska, R. N., Khairunnisa, K., & Pepayosa, E. (2024). Asesmen diagnostik non kognitif gaya belajar siswa kelas XI di SMAN 1 Pangkalan Susu. Jurnal Ilmiah Profesi Pendidikan, 9(2), 1396-1401. https://doi.org/10.29303/jipp.v9i2.2308
  8. Undang-Undang Republik Indonesia Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi.
  9. Career Industry Council of Australia (CICA). (2025, 16 Januari). The future of jobs report 2025 - World Economic Forum [Ringkasan laporan]. https://cica.org.au/the-future-of-jobs-report-2025-world-economic-forum/
  10. World Economic Forum. (2025, 8 Januari). Future of jobs report 2025: 78 million new job opportunities by 2030 but urgent upskilling needed to prepare workforces [Siaran pers]. https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78-million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-to-prepare-workforces/


============================================================
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/

Informasi Course Terkait
  Kategori: Algoritma dan Pemrograman
  Course: Artificial Intelligence