ARIGA: GAME EDUKASI BERBASIS PROBLEM BASED LEARNING BERBANTUAN ARTIFICIAL INTELLIGENCE PADA MATERI BANGUN DATAR

Produk yang dibuat adalah game edukasi berbasis Problem-Based Learning (PBL) berbantuan Artificial Intelligence (AI) pada materi bangun datar yang selanjutnya diberi nama Ariga. Tujuan pembuatan Game edukasi Ariga adalah untuk membantu pengguna khususnya siswa untuk belajar sifat-sifat, keliling dan luas bangun datar. Model PBL hadir melalui Fitur melengkapi kalimat rumpang di setiap langkah pemecahan masalah dengan reward berupa bintang. Masalah yang digunakan adalah masalah kontekstual yang dekat dengan kehidupan sehari-hari. Artificial Intelligence (AI) pada game edukasi Ariga berbentuk model machine learning untuk mengklasifikasikan bangun datar yang dilukiskan oleh pengguna. Bangun datar yang dapat diklasifikasikan terdiri dari: lingkaran, layang-layang, jajaran genjang, persegi panjang, belah ketupat, persegi, trapesium dan segitiga. Tujuan penggunaan AI adalah untuk membantu pengguna dalam mengidentifikasi jenis bangun datar berdasarkan sifat-sifatnya.

Prestasi belajar matematika siswa SMP di Indonesia masih jauh dibandingkan dengan siswa SMP di negara-negara lain. Hasil penelitian yang dilakukan Trends in International Mathematics and Science Study (TIMSS) pada tahun 2011 menunjukkan bahwa siswa kelas VIII SMP/MTs di Indonesia menduduki posisi ke lima dari bawah dengan skor 386 dari 42 negara (Mullis dkk., 2012). Selanjutnya, rata-rata skor siswa Indonesia berada pada peringkat rendah dalam bidang geometri dan lainnya, yaitu Aljabar (392), Geometri (377), Statistika dan Peluang (376), dan Bilangan (375) dengan jangkauan skor (0-1000) (Mullis dkk., 2012). Selain itu, hasil ujian nasional tahun pelajaran 2018/2019 jenjang SMP/MTs menunjukkan rata-rata skor pada materi Statistika dan Peluang (55,60), Aljabar (51,24), Geometri dan Pengukuran (42,27), dan Bilangan (39,71) dengan jangkauan skor (0-100) (Puspendik Kemdikbud, 2019).

Instruksi pembelajaran berupa buku teks matematika Indonesia kelas VII memuat lebih sedikit tugas yang kontekstual dalam konteks dunia nyata dibandingkan dengan salah satu buku teks matematika Australia kelas VII, sedangkan jenis tugas ini selalu digunakan dalam penilaian seperti PISA dan TIMSS (Hidayah & Forgasz, 2020). Selain dari instruksi pembelajaran, rendahnya hasil belajar geometri dikarenakan siswa kesulitan dalam menerapkan konsep, kesulitan dalam memvisualisasikan objek geometri, kesulitan dalam memahami prinsip-prinsip, dan kesulitan memahami masalah (Noto dkk., 2019). Terkait dengan hal tersebut, pembelajaran geometri khususnya materi bangun datar di sekolah menengah seharusnya memberi kesempatan siswa mengeksplorasi sifat-sifat, keliling, dan luas bangun datar dan melatih menyelesaikan masalah kontekstual dalam kehidupan nyata.

Proses pembelajaran tidak terlepas dari model pembelajaran, yang dapat diartikan sebagai sudut pandang terhadap proses pembelajaran. Salah satu model pembelajaran matematika adalah Problem-Based Learning (PBL). Langkah-langkah dalam PBL yaitu: a) Orientasikan siswa dengan masalah kontekstual; b) Mengatur siswa untuk meneliti dengan membantu siswa untuk mendefinisikan dan mengatur tugas-tugas belajar yang berkaitan dengan masalah; c) Mengarahkan siswa untuk memecahkan masalah, dengan memotivasi siswa untuk menemukan informasi yang tepat, untuk melaksanakan eksperimen, dan mencari penjelasan dan solusi; d) Memperbaiki dan mempresentasikan hasil pemecahan masalahnya; e) Menganalisis dan mengevaluasi proses dan hasil pemecahan masalah (Hendriana dkk., 2018). PBL mengambil peran yang lebih baik daripada pengajaran konvensional dalam meningkatkan kemampuan pemecahan masalah matematika dan melatih percaya diri siswa dalam bermatematika (Hendriana dkk., 2018).

Selain model pembelajaran, proses pembelajaran juga tidak terlepas dari aspek lain, seperti penggunaan media pembelajaran. Game edukasi merupakan salah satu media pembelajaran yang berisi cakupan materi pembelajaran yang digunakan untuk mendidik dan mengarahkan siswa dalam proses pembelajaran yang menyenangkan (Naimah dkk., 2019). Berbagai game edukasi telah dikembangkan untuk pembelajaran matematika khususnya geometri. Fairuzabadi (2021) mengembangkan game edukasi geometri dimensi dua berbasis mobile dengan model pembelajaran problem solving. Hasil pengujian terhadap siswa menunjukkan game edukasi tersebut melatih kemampuan spasial dan pemecahan masalah siswa. Pada penelitian lain, Math Adventure Educational Games dikembangkan untuk melatih kemampuan berpikir kreatif siswa dalam materi geometri (Kartika dkk., 2019). Berdasarkan penelitian tersebut dapat menunjukkan manfaat dari game edukasi dalam pembelajaran geometri.

Dalam beberapa tahun terakhir, aplikasi big data dan Artificial Intelligence (AI) dalam pendidikan telah membuat kemajuan yang signifikan (Luan dkk., 2020). AI adalah bagian dari mesin, program komputer dan sistem yang melakukan fungsi intelektual dan kreatif seperti manusia, secara mandiri menemukan cara untuk memecahkan masalah, menarik kesimpulan, dan membuat keputusan (Antao, 2019). Teknologi AI dapat mendukung pengajaran dan pembimbingan secara individual (Wang & Liu, 2021). AI merupakan unsur yang sangat berperan penting untuk game dalam perkembangan teknologi (Fujiati dkk., 2016). Penerapan AI ke dalam game edukasi akan meningkatkan minat pengguna terhadap game edukasi itu sendiri (Yunanto dkk., 2019).

Machine learning adalah cabang dari AI (Antonopoulos dkk., 2020). Machine learning adalah teknik untuk menganalisis dan memprediksi dengan belajar data sampel, menemukan pola di dalamnya, dan menerapkannya pada data baru (Nakaura dkk., 2020). Deep learning adalah cabang dari machine learning yang memanfaatkan neural networks untuk memecahkan masalah yang melibatkan dataset besar (Supriyanti & Anggoro, 2021). Convolutional Neural Networks (CNN) adalah salah satu teknik dalam deep learning (Perez dkk., 2019). CNN dapat diterapkan untuk image classification, object tracking, pose estimation, text detection, visual saliency detection, action recognition, speech dan natural language processing (Gu dkk., 2018).

Penelitian yang dilakukan oleh Khrisne dan Hendrawati (2020) menghasilkan game edukasi dengan fitur speech recognition yang menggunakan metode CNN untuk mengenali ucapan pengguna. Game tersebut berguna untuk membantu guru dalam mengajarkan anak cara melafalkan huruf Indonesia pada tahap literasi awal. Briliantio dkk. (2020) menerapkan CNN untuk hand-writing recognition pada aplikasi belajar aritmatika dasar berbasis web. Berdasarkan penelitian tersebut dapat menunjukkan manfaat dari AI dalam media pembelajaran khususnya game edukasi.

Berdasarkan hasil observasi yang peneliti lakukan di SMP Negeri 2 Batang dan wawancara dengan guru matematika kelas VII pada tanggal 15 Februari 2022, diperoleh informasi bahwasanya di sekolah tersebut telah memiliki potensi yang cukup baik yaitu sudah adanya fasilitas seperti komputer, proyektor, Wi-Fi, dan guru pun paham teknologi. Tetapi sampai saat ini, guru masih jarang menggunakan media pembelajaran digital yang interaktif, menyenangkan dan melatih kemampuan pemecahan masalah matematika. Hal ini disebabkan oleh keterbatasan waktu guru dalam menyiapkan media pembelajaran yang baru. Selain itu guru belum terbiasa mengembangkan bahan ajar sesuai tuntutan kurikulum 2013 yaitu menciptakan siswa yang kreatif, inovatif dan mandiri.

Lembar Kerja Siswa (LKS) yang digunakan guru berisi materi, contoh soal beserta jawaban, dan latihan soal dengan tampilan yang kurang menarik karena kurangnya visualisasi terkait masalah kontekstual. Hal itu membuat siswa menjadi kurang tertarik dalam mempelajarinya. Selain itu, LKS masih kurang memfasilitasi proses pemecahan masalah matematika. Pada contoh soal yang disertai jawaban penuh, seharusnya jawaban dibuat kalimat rumpang yang harus dilengkapi siswa, tujuannya untuk melatih kemampuan pemecahan masalah matematika. Sementara itu, wawancara juga dilakukan kepada siswa dan didapatkan informasi bahwa matematika merupakan pembelajaran yang termasuk cukup sulit. Siswa juga kesulitan memahami konsep-konsep matematika yang berhubungan dengan kehidupan sehari-hari. Mereka juga cenderung mengandalkan hafalan rumus, akibatnya mereka tidak mampu menghubungkan ilmu pengetahuan yang dipelajari di kelas dengan penerapannya untuk memecahkan masalah-masalah yang ada di luar kelas.

Oleh karena itu, penting adanya pembuatan game edukasi berbasis PBL berbantuan AI yang dapat digunakan sebagai media pembelajaran matematika khususnya materi bangun datar dalam melatih keterampilan pemecahan masalah yang selanjutnya akan diberi nama Ariga. Tujuan utama game edukasi Ariga adalah untuk membantu mempelajari sifat-sifat, keliling dan luas pada bangun datar. Game edukasi Ariga dikonsep menggunakan masalah kontekstual dan metode CNN untuk mengklasifikasikan bangun datar yang digambarkan oleh pengguna. Tujuannya untuk melatih kemampuan pengguna dalam mengidentifikasi dan mempresentasikan sifat-sifat bangun datar. Diharapkan game edukasi Ariga dapat bermanfaat bagi guru dan siswa untuk digunakan sebagai salah satu media pembelajaran di kelas maupun pembelajaran individu.

Penelitian yang dilakukan oleh Salsabila (2021) dengan judul “Pengembangan Media Pembelajaran Berbantuan Artificial Intelligence (AI) Pada Materi Suhu dan Perubahannya Bagi Siswa Berkebutuhan Khusus Tunanetra”, persamaan produk yang dibuat adalah menggunakan teknologi AI. Sedangkan perbedaannya terletak pada game edukasi Ariga menggunakan model Problem-Based Learning untuk melatih kemampuan pemecahan masalah pada materi bangun datar.

Penelitian yang dilakukan oleh Setyaningsih dan Hernawan (2018) dengan judul “Pengembangan Media Pembelajaran Materi Pelajaran Matematika BAB Bangun Datar Segi Empat dan Segitiga Bagi Kelas 7 Berbasis Web”, persamaan produk yang dibuat adalah berbasis teknologi web dengan materi bangun datar segiempat dan segitiga pada kelas VII SMP/MTs. Sedangkan perbedaannya terletak pada game edukasi Ariga menggunakan model PBL dan berbantuan AI. AI dalam game edukasi Ariga bertujuan untuk melatih pengguna dalam mengidentifikasi jenis bangun datar berdasarkan sifat-sifatnya.

Penelitian yang dilakukan oleh Wisudawan, dkk. (2017) dengan judul “Pengembangan Aplikasi Math Mobile Learning Bangun Datar Berbasis Android Pada Materi Segitiga dan Segiempat Pelajaran Matematika di Tingkat SMP”, persamaan produk yang dibuat adalah materi yang diangkat sama yaitu bangun datar segiempat dan segitiga. Sedangkan perbedaannya terletak pada game edukasi Ariga menggunakan model PBL dan berbantuan AI.

Penelitian yang dilakukan oleh Dewi (2019) dengan judul “Pengembangan Media Pembelajaran Game Math Challenge Berbasis Android Pada Pokok Bahasan Bangun Datar Dengan Pendekatan Etnomatematika”, persamaan produk yang dibuat adalah produk berupa game edukasi dengan materi bangun datar. Sedangkan perbedaannya terletak pada game edukasi Ariga menggunakan model PBL dan berbantuan AI.

Penelitian yang dilakukan oleh Nurjanah, dkk. (2021) dengan judul “Flat Plane Geometry Learning Media Through Macromedia Flash CS3 Program in Online Mathematics Learning”, persamaan produk yang dibuat adalah produk mengusung materi bangun datar. Perbedaan yang dilakukan terletak pada game edukasi Ariga menggunakan model PBL dan berbantuan AI.

Penelitian yang dilakukan oleh Fairuzabadi (2021) dengan judul “Pengembangan Game Edukasi Geometri Dimensi 2 Berbasis Mobile Dengan Model Pembelajaran Problem Solving”, persamaan produk yang dibuat adalah produk berupa game edukasi dan memiliki kesamaan tujuan untuk melatih kemampuan pemecahan masalah khususnya pada materi bangun datar. Sedangkan perbedaannya yaitu: (1) Game edukasi Ariga menggunakan masalah kontekstual; (2) Game edukasi Ariga menggunakan model PBL yang berbeda dengan model Problem Solving, dimana PBL lebih berorientasi pada masalah; (3) Game edukasi Ariga menggunakan AI.

Berdasarkan perbedaan dengan penelitian-penelitian di atas, dapat disimpulkan keunggulan produk game edukasi Ariga sebagai berikut:

  1. Berorientasi Pada Masalah Kontekstual
    Pengguna dilatih untuk mengidentifikasi masalah, mempelajari apa yang ditanya dan diketahui pada masalah dan menerapkan informasi (sifat-sifat, keliling dan luas) yang dibutuhkan untuk memecahkan masalah yang kemudian mengkonstruksikannya sebagai pengetahuan baru.
  2. Klasifikasi Bangun Datar
    Ketika mengidentifikasi jenis-jenis bangun datar berdasarkan sifat-sifatnya, media berperan membantu memvisualisasikannya. Namun, media yang beredar saat ini belum dapat memberikan feedback berupa jenis bangun datar yang divisualisasikan oleh pengguna. Contohnya aplikasi Geogebra yang umumnya digunakan untuk memvisualisasikan bangun datar, belum dapat memberikan feedback berupa jenis bangun datar. Sistem AI pada game edukasi Ariga yang didalamnya terdapat model machine learning berperan memberikan feedback berupa hasil klasifikasi bangun datar terhadap gambar bangun datar yang dilukiskan oleh pengguna. Jenis-jenis bangun datar yang dapat diklasifikasikan terdiri dari: lingkaran, layang-layang, jajaran genjang, persegi panjang, belah ketupat, persegi, trapesium dan segitiga.
  3. Proses Pemecahan Masalah
    Dalam game edukasi Ariga, pengguna dilatih memecahkan masalah dengan langkah-langkah: (1) Memahami masalah; (2) Menyusun rencana pemecahan masalah; (3) Melaksanakan rencana; (4) Memeriksa kembali jawaban. Setiap langkah terdapat bagian rumpang yang perlu dilengkapi dan pengguna akan mendapatkan skor berupa bintang jika benar dalam menjawab.

Nama : MOCHAMMAD GALANG RIVALDO
Alamat : JL RE MARTADINATA, GG TAWES, KEL. KARANGASEM SELATAN, KEC. BATANG, KAB. BATANG
No. Telepon : 085158488664