AI & Pendidikan

Apa Itu Learning Plan Otomatis, dan Bedanya dengan Rekomendasi Belajar Biasa

Tim Produk Lesan

Tim Produk Lesan

3 November 2026

Learning plan otomatis adalah rencana belajar terstruktur dan bertahap yang disusun sistem AI berdasarkan hasil analisis kelemahan siswa dari test yang sudah dikerjakan, lengkap dengan urutan materi dan estimasi waktu per item — berbeda dari rekomendasi belajar biasa yang biasanya hanya berupa saran materi umum tanpa keterkaitan langsung dengan data kelemahan spesifik siswa tersebut.

Istilah "rencana belajar personal" atau "rekomendasi belajar AI" sering dipakai secara longgar di pemasaran produk edtech, sehingga sulit dibedakan mana yang benar-benar berbasis data kelemahan siswa, dan mana yang sebenarnya hanya rekomendasi generik yang disajikan seolah personal.

Apa Bedanya Learning Plan Otomatis dengan Rekomendasi Belajar Biasa?

Rekomendasi belajar biasa sering bekerja dengan logika yang relatif sederhana — misalnya berdasarkan topik yang sedang dipelajari di kelas, atau materi populer yang banyak diakses siswa lain. Rekomendasi semacam ini bisa berguna, tapi tidak benar-benar dipersonalisasi berdasarkan kelemahan spesifik siswa tertentu.

Learning plan otomatis yang sesungguhnya dibangun di atas data hasil analisis kelemahan — artinya urutan dan pilihan materi yang muncul di rencana belajar seorang siswa ditentukan oleh kompetensi apa yang terdeteksi lemah dari hasil test siswa itu sendiri, bukan dari pola umum. Dua siswa di kelas yang sama bisa mendapat learning plan yang sangat berbeda, karena kelemahan kompetensi mereka memang berbeda, meski mereka mengerjakan test yang sama.

Bagaimana Learning Plan Otomatis Disusun di Lesan?

Di Lesan, learning plan disusun sebagai bagian dari siklus TEST-SCORING-WEAKNESS ANALYSIS-LEARNING PLAN-RETEST. Setelah kompetensi lemah siswa teridentifikasi dari tahap WEAKNESS ANALYSIS, AI menyusun draf rencana belajar yang menyasar kompetensi-kompetensi tersebut — termasuk urutan materi berdasarkan prioritas kelemahan, dan estimasi waktu untuk tiap item latihan.

Draf ini kemudian ditinjau oleh guru sebelum ditugaskan ke siswa. Guru bisa menyesuaikan urutan, menambah atau mengurangi item, atau mengubah prioritas berdasarkan pertimbangan yang mungkin tidak sepenuhnya tertangkap data — misalnya kondisi siswa tertentu atau jadwal belajar yang perlu disesuaikan. Setelah siswa menyelesaikan rencana belajarnya, siklus berlanjut ke RETEST untuk melihat apakah kelemahan yang menjadi dasar penyusunan rencana tersebut sudah teratasi.

Apa Ciri Learning Plan Otomatis yang Benar-Benar Berbasis Data?

Beberapa ciri yang membedakan learning plan otomatis yang benar-benar berbasis data kelemahan dari sekadar rekomendasi umum:

  • Terhubung langsung ke hasil analisis kelemahan — item dalam rencana bisa dijelaskan alasannya: kompetensi apa yang mendasari kenapa item itu direkomendasikan.
  • Berbeda antar siswa berdasarkan hasil test masing-masing — bukan daftar materi seragam yang sama untuk semua siswa di kelas yang sama.
  • Terstruktur bertahap dengan urutan prioritas — bukan daftar datar tanpa urutan, melainkan mempertimbangkan kompetensi mana yang perlu diperkuat lebih dulu sebagai fondasi untuk kompetensi lain.
  • Terhubung ke siklus retest — ada mekanisme untuk mengecek apakah rencana belajar itu memang efektif mengatasi kelemahan yang mendasarinya, bukan berhenti setelah rencana diberikan.

Kenapa Perbedaan Ini Penting Saat Institusi Memilih Software?

Saat vendor menawarkan fitur "rencana belajar personal AI", penting bagi institusi menanyakan lebih detail: berdasarkan data apa rencana itu disusun? Apakah benar-benar terhubung ke hasil analisis kelemahan siswa dari test yang sudah dikerjakan, atau hanya rekomendasi umum berdasarkan kurikulum atau popularitas materi?

Perbedaan ini menentukan seberapa besar manfaat nyata yang didapat institusi. Rencana belajar yang benar-benar dipersonalisasi berdasarkan kelemahan spesifik punya kemungkinan jauh lebih tinggi untuk benar-benar meningkatkan hasil belajar siswa dibanding rekomendasi generik yang terlihat personal di permukaan tapi sebenarnya sama untuk banyak siswa.

Contoh Perbandingan: Rekomendasi Biasa vs Learning Plan Otomatis

Bayangkan dua siswa, Dinda dan Fajar, sama-sama mendapat skor 70 di test matematika kelas 9. Dengan rekomendasi belajar biasa berbasis kurikulum, keduanya kemungkinan besar akan diberi daftar materi yang sama — mengulang seluruh bab yang sedang berjalan di kelas, karena sistem tidak tahu apa yang spesifik salah pada masing-masing siswa.

Dengan learning plan otomatis yang berbasis analisis kelemahan, hasilnya bisa sangat berbeda: Dinda ternyata lemah di soal cerita yang menuntut penerjemahan ke bentuk aljabar, sementara Fajar lemah di operasi pecahan dasar. Learning plan Dinda berisi latihan menerjemahkan soal cerita, sementara learning plan Fajar berisi latihan operasi pecahan — dua rencana belajar yang sama sekali berbeda meski skor awal mereka sama persis.

Bagaimana Retest Membuktikan Learning Plan Benar-Benar Efektif?

Satu ciri yang sering luput dari perhatian saat menilai learning plan otomatis adalah keterhubungannya dengan retest. Rencana belajar yang bagus di atas kertas tidak banyak berguna kalau institusi tidak pernah mengecek apakah rencana itu memang berhasil mengatasi kelemahan yang mendasarinya. Retest berfungsi sebagai pembuktian — setelah siswa menyelesaikan learning plan, mereka diuji ulang pada kompetensi yang sama untuk melihat apakah skornya membaik.

Tanpa siklus retest, institusi hanya bisa berasumsi learning plan itu efektif, tanpa data konkret untuk memverifikasinya. Dengan retest yang terhubung langsung ke kompetensi yang sama, institusi punya bukti nyata — bukan sekadar kesan — tentang apakah pendekatan remedial yang dipakai memang berhasil, atau perlu disesuaikan lagi untuk siklus berikutnya.

Ringkasan

Learning plan otomatis adalah rencana belajar terstruktur yang disusun berdasarkan hasil analisis kelemahan siswa dari test nyata, berbeda dari rekomendasi belajar biasa yang umumnya tidak terhubung langsung dengan data kelemahan spesifik. Institusi yang mengevaluasi fitur ini sebaiknya menanyakan dasar data di balik rencana belajar yang ditawarkan vendor, karena itulah yang menentukan apakah fitur tersebut benar-benar personal atau hanya terlihat personal.

Tim Produk Lesan

Tim Produk Lesan

Product Team

Tim yang membangun dan merawat Lesan — infrastruktur pembelajaran bertenaga AI untuk bimbel, sekolah, dan lembaga pelatihan.