Konsentrasi belajar merupakan salah satu faktor kunci yang menentukan keberhasilan pembelajaran. Konsentrasi merupakan kemampuan siswa dalam memusatkan perhatian terhadap materi yang dipelajari dalam jangka waktu tertentu. Penurunan konsentrasi dapat menyebabkan rendahnya pemahaman konsep, menurunnya motivasi belajar, serta berkurangnya efektivitas proses pembelajaran di kelas (Mesghina et. al., 2021). Dalam praktiknya, kondisi seperti kelelahan, stres, lingkungan yang tidak kondusif, hingga paparan distraksi digital sering kali menyebabkan siswa mengalami penurunan fokus tanpa terdeteksi secara dini.

Permasalahan utama yang muncul adalah belum tersedianya sistem pembelajaran yang mampu mengukur dan memantau tingkat konsentrasi siswa secara objektif dan berkelanjutan. Sebagian besar evaluasi yang dilakukan masih bersifat subjektif, seperti observasi guru atau melihat hasil akademik, yang tidak sepenuhnya mencerminkan kondisi fokus belajar siswa secara real-time. Selain itu, belum banyak sistem yang mengintegrasikan data fisiologis siswa dengan kondisi lingkungan kelas untuk menganalisis keterkaitan keduanya terhadap konsentrasi belajar.

Transformasi digital telah membawa perubahan signifikan dalam praktik pembelajaran di era modern. Salah satu inovasi yang berkembang adalah konsep smart classroom, yaitu ruang belajar yang mengintegrasikan teknologi Internet of Things (IoT) dan Artificial Intelligence (AI) untuk menciptakan lingkungan pembelajaran yang adaptif, interaktif, dan berbasis data. Pemanfaatan kedua teknologi tersebut memungkinkan proses pembelajaran berlangsung lebih responsif terhadap kebutuhan siswa, sekaligus membuka peluang penerapan sistem evaluasi yang lebih objektif dan terstruktur (Khoir, 2024).

Namun demikian, implementasi smart classroom yang ada saat ini masih cenderung berfokus pada optimalisasi aspek fisik lingkungan belajar, seperti pengaturan suhu, pencahayaan, dan kualitas udara (Zilni & Wibisono, 2025). Pendekatan tersebut belum sepenuhnya menyentuh aspek internal siswa, khususnya kondisi fisiologis dan psikologis yang berperan penting dalam proses belajar.

Berdasarkan permasalahan tersebut, penelitian ini mengembangkan “Neuro Class”, yaitu kelas cerdas berbasis IoT dan AI yang dirancang untuk memantau dan menganalisis konsentrasi belajar siswa melalui pendekatan fisiologis dan lingkungan. Sistem ini memanfaatkan perangkat smartband dengan sensor fisiologis, seperti detak jantung dan SpO? (Saturasi Oksigen Perifer), serta didukung oleh sensor lingkungan kelas yang meliputi suhu, kelembapan, kebisingan, intensitas cahaya, dan konsentrasi gas CO?.

Data yang diperoleh kemudian diolah menggunakan algoritma AI untuk mengidentifikasi pola konsentrasi siswa secara real-time dan menghasilkan rekomendasi adaptif, baik dalam bentuk penyesuaian kondisi lingkungan maupun indikator visual sederhana yang dapat dipahami oleh guru. Dengan pendekatan ini, sistem tidak hanya memantau kondisi fisik ruang belajar, tetapi juga mengintegrasikan data fisiologis dan perilaku (behavioral data) untuk mendukung pembelajaran yang lebih personal, responsif, dan berbasis data (Zhang et al., 2024).

Melalui inovasi ini, diharapkan tercipta suatu ekosistem pembelajaran yang lebih peka terhadap kondisi siswa, sehingga mampu meningkatkan konsentrasi belajar secara optimal dan berkelanjutan. Selain itu, “Neuro Class” juga menawarkan pendekatan baru dalam pengembangan smart classroom yang tidak hanya berorientasi pada teknologi, tetapi juga pada pemahaman mendalam terhadap kondisi fisiologis dan psikologis siswa dalam proses belajar.

Daftar Pustaka

A. Zilni dan Iwan Setiawan Wibisono. (2025). IoT-Based Smart Classroom Prototype Using NodeMCU and Blynk for Environmental Monitoring. Journal of Information Systems and Informatics, 7(4), 3989-4013. https://doi.org/10.63158/journalisi.v7i4.1356 .

Almaz Mesghina, Joseph T. Wong, Elizabeth L. Davis, Bella S. Lerner, Bryant J. Jackson-Green, Lindsey E. Richland. (2021). Distressed to Distracted: Examining Undergraduate Learning and Stress Regulation During the COVID-19 Pandemic. AERA Open, 7(1), 1-20. https://doi.org/10.1177/23328584211065721.

Khoir, Q. (2024). Smart Classrooms: Mengintegrasikan IoT dan AI untuk Pembelajaran yang Lebih Interaktif dan Terukur. Andragogi: Jurnal Pendidikan Dan Pembelajaran, 4(1), 1–10. https://doi.org/10.31538/adrg.v4i1.1301

Xiaochen Zhang, Yiran Ding, Xiaoyu Huang, Wujing Li, Liumei Long, dan Shiyao Ding. 2024. Smart Classrooms: How Sensors and AI Are Shaping Educational Paradigms. Sensors, 24(17), 5487. https://doi.org/10.3390/s24175487.

Penelitian ini dikembangkan untuk menghadirkan lingkungan belajar yang lebih perhatian terhadap kondisi siswa. Sistem ini tidak hanya terfokus pada pengaturan lingkungan kelas, tetapi juga memahami kondisi belajar siswa secara real-time, sehingga pembelajaran dapat berlangsung nyaman dan optimal. Berikut perbandingan keunggulan inovasi “Neuro Class” yang dibandingkan dengan inovasi/penelitian sejenis lainnya.

Tabel 1. Perbandingan keunggulan inovasi Neuro Class dibandingkan dengan inovasi sejenis

Berdasarkan tabel perbandingan di atas, secara lebih rinci keunggulan inovasi ini yaitu:

1. Integrasi data fisiologis siswa dan sensor lingkungan kelas secara simultan, sehingga memberikan gambaran terkait situasi pembelajaran yang lebih utuh dibandingkan sistem yang hanya berfokus pada aspek lingkungan saja;
2. Pemantauan real-time yang memungkinkan sistem mendeteksi perubahan fokus, kelelahan, dan indikasi stres siswa sejak dini untuk memahami kondisi belajar secara komprehensif;
3. Data yang terkumpul ditampilkan sekaligus dianalisis menggunakan AI untuk mengidentifikasi pola konsentrasi serta memberikan respons secara adaptif;
4. Penerapan mekanisme kendali ambang batas (threshold control) yang sederhana dan responsif untuk mengaktifkan multiaktuator secara otomatis;
5. Sistem bersifat modular dan aplikatif sehingga memungkinkan implementasi bertahap di lingkungan sekolah, sesuai dengan kebutuhan dan ketersediaan sarana;
6. Mendukung guru dalam memahami kondisi siswa secara objektif berbasis data, sehingga intervensi pembelajaran menjadi lebih tepat dan personal;
7. Sistem menyediakan indikator kuantitatif konsentrasi belajar, seperti durasi fokus dan frekuensi distraksi, yang belum banyak diusung dalam sistem pembelajaran sejenis;
8. Berpotensi menciptakan suasana belajar yang lebih kondusif serta mendukung peningkatan fokus dan kesejahteraan emosional siswa; serta
9. Menyediakan visualisasi data konsentrasi siswa dalam dashboard yang komunikatif dan mudah dipahami yang dapat diimplementasikan langsung sebagai dasar evaluasi pembelajaran sekaligus pemantauan kondisi siswa.