Human-in-the-Loop dalam Praktik: Contoh Konkret di Alur Penilaian Esai

"Human-in-the-loop" sering disebut sebagai prinsip desain AI yang baik, tapi jarang dijelaskan seperti apa bentuknya secara konkret di layar guru sehari-hari. Artikel ini berhenti di level prinsip dan langsung masuk ke langkah-langkah nyata: apa yang terjadi dari saat siswa submit jawaban esai sampai nilai itu benar-benar sampai ke tangan siswa.

Langkah 1: Siswa Submit, AI Mulai Bekerja di Belakang Layar

Begitu siswa mengumpulkan jawaban esai atau unggahan file (gambar, audio), sistem tidak langsung memberi nilai ke siswa. Yang terjadi di baliknya: job AI berjalan secara asinkron, membaca jawaban siswa beserta rubrik atau expected-answer yang sudah ditetapkan guru saat menyusun soal. Untuk jawaban berupa gambar, ada analisis visual (vision) yang membaca kontennya; untuk jawaban audio, dilakukan transkripsi lebih dulu baru dianalisis secara teks. Selama proses ini berjalan, skor siswa untuk soal itu tetap dihitung nol sementara — bukan karena jawabannya salah, tapi karena belum ada yang mengonfirmasi nilainya.

Langkah 2: Draft Skor dan Feedback Masuk ke Antrian Review

Setelah AI selesai memproses — biasanya dalam hitungan detik sampai beberapa menit tergantung jumlah dan jenis jawaban — hasilnya bukan langsung jadi nilai final. Hasilnya masuk ke halaman Review Feedback AI, sebuah antrian yang bisa dibuka guru kapan saja. Di sana, setiap jawaban esai atau upload ditampilkan berdampingan dengan skor draft yang diusulkan AI dan penjelasan alasannya — misalnya kompetensi mana yang terlihat lemah dari jawaban tersebut, dan bagian mana dari jawaban yang jadi dasar penilaian itu.

Ini bukan sekadar daftar angka. Guru bisa melihat penalaran AI, bukan cuma hasilnya — yang membuat guru bisa menilai apakah alasan AI masuk akal sebelum memutuskan apa pun.

Langkah 3: Guru Meninjau — Tiga Pilihan Konkret

Di titik ini, guru punya tiga pilihan atas setiap draft:

Menyetujui apa adanya, kalau skor dan feedback AI sudah sesuai penilaian guru sendiri. Ini kasus paling umum untuk jawaban yang jelas benar atau jelas salah.

Mengedit sebelum mengirim, misalnya menyesuaikan skor kalau guru merasa AI terlalu ketat atau longgar, atau menambahkan catatan personal yang AI tidak mungkin tahu — misalnya mengaitkan kesalahan siswa ini dengan pola yang sama yang pernah dibahas guru di kelas minggu lalu.

Meminta generate ulang, kalau feedback AI terasa salah membaca maksud jawaban siswa. Proses regenerasi ini dirancang idempoten — tidak menghasilkan baris draft duplikat setiap kali diulang, sehingga guru bisa mencoba lagi tanpa mengotori antrian review dengan versi-versi lama.

Langkah 4: Guru Klik Kirim, Baru Nilai Berubah

Tidak ada nilai yang berubah di layar siswa sampai guru secara sadar menekan kirim pada setiap jawaban yang sudah ditinjau. Begitu dikirim, skor total submission dan persentase per kompetensi dihitung ulang otomatis saat itu juga — inilah momen yang kadang bikin bingung orang tua saat melihat nilai anaknya "berubah" beberapa hari setelah ujian selesai, padahal itu justru tanda proses review sedang berjalan sebagaimana mestinya, bukan bug.

Langkah 5: Rekam Jejak Kelemahan Terbentuk dari Nilai yang Sudah Divalidasi

Setelah nilai esai dikonfirmasi guru, skor per kompetensi yang terbentuk dari situ menjadi bagian dari peta kompetensi siswa yang lebih luas — data yang nanti dipakai untuk diagnosis kelemahan dan rencana belajar berikutnya. Ini penting: karena data yang masuk ke tahap analisis lanjutan sudah melalui validasi guru, bukan draft mentah AI, keakuratan diagnosis di tahap berikutnya juga ikut terjaga.

Kenapa Alur Ini Tidak Dirancang untuk Kecepatan Maksimal

Alur ini bisa saja dipercepat dengan menghilangkan langkah review — AI langsung mengirim skor final tanpa jeda. Itu akan lebih cepat, tapi menghapus satu-satunya titik di mana kesalahan AI bisa ditangkap sebelum memengaruhi rapor siswa. Trade-off yang dipilih di sini secara sengaja: guru perlu buka halaman Review Feedback AI dan mengklik kirim satu per satu, tapi sebagai gantinya, setiap angka yang tampil di layar siswa sudah melalui persetujuan manusia yang memahami konteks siswanya secara langsung.

Ini bukan cuma soal keakuratan. Ini juga soal siapa yang bisa dimintai penjelasan kalau orang tua bertanya kenapa nilai anaknya sekian — jawabannya selalu guru yang mengenal siswa itu, bukan "itu kata sistem".

Berapa Lama Alur Lengkap Ini Berjalan dalam Praktik

Untuk memberi gambaran konkret soal waktu: dari siswa submit jawaban sampai job AI menghasilkan draf biasanya memakan beberapa detik sampai beberapa menit, tergantung jenis jawaban — teks esai biasanya paling cepat, jawaban audio butuh waktu tambahan untuk transkripsi lebih dulu sebelum dianalisis. Waktu guru meninjau di antrian Review Feedback AI jauh lebih bervariasi, tergantung berapa banyak jawaban yang perlu direview dan seberapa kompleks masing-masing. Untuk kelas dengan 30 siswa mengerjakan satu esai, guru yang sudah terbiasa dengan alur ini biasanya bisa menyelesaikan review dalam waktu yang jauh lebih singkat dibanding menilai dari nol, tapi tetap butuh waktu nyata — bukan instan sekali klik untuk semuanya, karena setiap jawaban tetap memerlukan perhatian individual sebelum dikirim.

Apa yang Terlihat di Layar Siswa Selama Proses Ini Berlangsung

Dari sisi siswa, selama jawabannya masih dalam tahap review guru, yang terlihat di layar biasanya status submission "sudah dikumpulkan, menunggu penilaian" — bukan skor kosong yang bisa disalahartikan sebagai nilai nol permanen. Ini detail kecil yang penting: kalau tampilan tidak jelas membedakan "belum dinilai" dari "dinilai nol", siswa dan orang tua bisa panik melihat skor sementara di tengah proses yang sebenarnya masih berjalan normal sesuai rancangan human-in-the-loop-nya.