Panduan Bimbel

Checklist Membandingkan Vendor Software Analisis Kelemahan Siswa Sebelum Tanda Tangan Kontrak

Tim Produk Lesan

Tim Produk Lesan

16 Oktober 2026

Sebelum tanda tangan kontrak dengan vendor software analisis kelemahan siswa, pastikan Anda sudah menanyakan sepuluh hal ini: loop diagnostic-ke-remedial, peran guru dalam proses AI, transparansi biaya AI, portabilitas data, skalabilitas arsitektur, cakupan fitur sesungguhnya, proses onboarding, model harga, uji dengan data sendiri, dan klaim tertulis dalam kontrak. Checklist ini membantu institusi bertanya hal yang jarang terjawab otomatis saat demo.

Demo vendor software edtech hampir selalu terlihat mengesankan — antarmuka rapi, alur yang mulus, fitur AI yang terlihat canggih saat ditunjukkan dengan data contoh yang sudah disiapkan. Masalahnya baru terasa setelah kontrak diteken dan institusi mulai memakai sistem dengan data riil, kelas riil, dan tim yang belum tentu punya waktu belajar sistem baru dari nol. Checklist ini disusun untuk membantu institusi bertanya hal-hal yang jarang terjawab otomatis di demo, tapi sangat menentukan pengalaman pemakaian jangka panjang.

Apa yang Paling Sering Terlewat Saat Evaluasi Vendor Edtech?

Yang paling sering terlewat adalah transparansi biaya AI dan portabilitas data — dua hal yang jarang muncul otomatis di demo karena vendor cenderung menonjolkan fitur, bukan batasan atau mekanisme biaya. Sepuluh poin checklist berikut membantu menutup celah tersebut secara sistematis.

1. Kejelasan tentang Loop Diagnostic, Bukan Cuma Ujian

Banyak vendor menyebut diri punya "AI analysis", tapi cakupannya bisa sangat berbeda. Tanyakan spesifik: apakah sistem hanya memberi skor dan laporan kelemahan (berhenti di analisis), atau lanjut menyusun rencana belajar dan menjadwalkan retest secara otomatis? Kalau vendor berhenti di analisis, itu bukan berarti buruk — tapi Anda perlu tahu bahwa proses menyusun rencana remedial dari hasil analisis tetap jadi pekerjaan manual tim Anda.

Tanyakan juga apakah kompetensi ditandai secara hierarkis dan granular (misalnya sampai ke sub-kompetensi spesifik), atau hanya kategori besar seperti "matematika" atau "aljabar" saja — granularitas ini menentukan seberapa berguna laporan kelemahan yang dihasilkan.

2. Peran Guru dalam Proses AI — Bukan Sekadar Klaim "Human-in-the-Loop"

Hampir semua vendor AI edukasi mengklaim "guru tetap terlibat", tapi implementasinya bisa sangat berbeda. Tanyakan konkret: pada titik mana guru bisa meninjau, mengedit, atau menolak hasil kerja AI — apakah sebelum siswa melihatnya, atau setelah? Apakah ada log yang menunjukkan mana keputusan AI yang sudah disetujui guru dan mana yang masih draf? Untuk feedback esai berbasis AI, apakah guru bisa mengoreksi sebelum dikirim ke siswa, atau AI langsung mengirim tanpa jeda peninjauan?

Jawaban yang samar atau terlalu umum di sini adalah sinyal untuk menggali lebih dalam — minta demo langsung menunjukkan langkah peninjauan guru tersebut, bukan cuma dijelaskan lisan.

3. Transparansi Biaya AI, Bukan Cuma Harga Paket

Banyak vendor mencantumkan harga paket bulanan tanpa menjelaskan bagaimana biaya AI (generate soal, analisis, feedback) dihitung di dalamnya. Tanyakan: apakah ada batas kuota pemakaian AI per bulan, dan apa yang terjadi kalau kuota habis sebelum akhir periode — apakah fitur berhenti otomatis, atau tagihan membengkak tanpa peringatan? Apakah ada cara melihat riwayat pemakaian AI secara detail (ledger), atau biaya AI "tersembunyi" di dalam harga paket tanpa rincian?

Vendor yang transparan biasanya bisa menunjukkan estimasi pemakaian AI berdasarkan jumlah siswa dan assessment yang Anda rencanakan, bukan sekadar angka harga paket generik.

4. Kepemilikan dan Portabilitas Data

Tanyakan secara eksplisit: kalau suatu saat institusi memutuskan pindah vendor, apakah semua data (bank soal, hasil assessment, profil kompetensi siswa, riwayat retest) bisa diekspor dalam format yang bisa dipakai di sistem lain? Vendor yang tidak punya jawaban jelas untuk pertanyaan ini berisiko membuat institusi "terkunci" — bukan karena sistemnya lebih baik, tapi karena biaya kehilangan data historis terlalu besar untuk pindah.

Tanyakan juga soal isolasi data kalau institusi Anda punya beberapa cabang — apakah data tiap cabang benar-benar terpisah secara teknis, dan siapa saja yang bisa mengakses data lintas cabang.

5. Skalabilitas Arsitektur untuk Pertumbuhan

Seperti dibahas di artikel lain, pertanyaan tentang arsitektur single-tenant vs multi-tenant penting ditanyakan bahkan kalau institusi Anda baru punya satu cabang saat ini. Tanyakan: kalau institusi membuka cabang baru tahun depan, apa proses teknis yang dibutuhkan, dan berapa biaya tambahannya?

6. Cakupan Sesungguhnya vs Cakupan yang Terlihat di Marketing

Banyak vendor mempromosikan diri sebagai "platform lengkap", tapi kedalaman fitur di tiap area bisa sangat berbeda. Tanyakan secara spesifik area mana yang jadi fokus pengembangan utama vendor (biasanya terlihat dari fitur yang paling matang dan sering diperbarui) dan area mana yang masih minim atau belum ada — misalnya proctoring, gamifikasi, billing/SPP siswa, atau presensi umum. Vendor yang jujur akan mengakui gap ini secara terbuka daripada mengklaim semua sudah lengkap.

7. Proses Onboarding dan Dukungan Realistis

Tanyakan berapa lama waktu realistis dari tanda tangan kontrak sampai sistem benar-benar siap dipakai dengan data institusi Anda sendiri — bukan estimasi ideal, tapi rata-rata pengalaman institusi lain dengan ukuran serupa. Tanyakan juga bentuk dukungan yang tersedia kalau ada masalah: apakah ada SLA (service level agreement, komitmen tertulis soal standar layanan dan waktu respons) yang jelas, kanal support yang responsif, atau institusi harus menunggu lama untuk masalah teknis yang mengganggu operasional harian.

8. Model Harga yang Sesuai Skala Institusi Anda

Tanyakan apakah harga bisa disesuaikan bertahap seiring pertumbuhan institusi (tambah kuota siswa, kuota AI secara mandiri) atau institusi harus berpindah ke kontrak baru setiap kali butuh kapasitas lebih besar. Untuk institusi kecil-menengah yang sensitif harga, model self-service dengan add-on granular biasanya lebih fleksibel dibanding kontrak enterprise tahunan besar di muka.

9. Uji dengan Data dan Skenario Institusi Sendiri, Bukan Data Contoh Vendor

Sebelum memutuskan, minta trial atau demo yang bisa diuji dengan data assessment institusi Anda sendiri — bukan hanya melihat data contoh yang sudah dirapikan vendor. Fitur yang terlihat mulus dengan data contoh bisa terasa berbeda begitu dihadapkan dengan kompleksitas riil institusi Anda: jumlah siswa yang lebih banyak, variasi soal yang lebih kompleks, atau struktur kelas yang tidak standar.

10. Minta Semua Klaim Fitur Secara Tertulis dalam Kontrak

Klaim lisan saat demo tidak mengikat secara kontraktual. Kalau vendor menjanjikan fitur tertentu "akan segera hadir" sebagai alasan Anda perlu memutuskan sekarang, minta komitmen tertulis dengan linimasa jelas — atau perlakukan janji itu sebagai belum ada sampai benar-benar tersedia dan bisa diuji langsung.

Menggunakan Checklist Ini Secara Praktis

Checklist ini paling efektif dipakai bukan sebagai daftar pertanyaan yang dibacakan satu-satu ke vendor, tapi sebagai kerangka untuk menyusun tabel perbandingan sendiri antar vendor yang sedang dievaluasi — kolom untuk tiap vendor, baris untuk tiap poin di atas, diisi berdasarkan jawaban konkret yang didapat, bukan kesan umum dari demo. Vendor yang jawabannya paling spesifik dan paling jujur mengakui keterbatasannya biasanya lebih bisa dipercaya dibanding vendor yang selalu menjawab "ya, bisa semua" untuk setiap pertanyaan tanpa detail lebih lanjut.

Singkatnya: sebelum tanda tangan kontrak, uji loop diagnostic, peran guru, transparansi biaya AI, portabilitas data, dan skalabilitas arsitektur vendor dengan data institusi Anda sendiri — bukan hanya data contoh vendor. Vendor yang jujur mengakui keterbatasannya lebih bisa dipercaya dibanding yang mengklaim semua fitur sudah lengkap.

Tim Produk Lesan

Tim Produk Lesan

Product Team

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