Bayangkan sore hari sepulang sekolah. Di meja Bapak/Ibu Guru menumpuk rekap nilai ulangan harian, hasil asesmen sumatif, dan file Excel unduhan dari Platform Merdeka Mengajar yang belum sempat dibuka. Semua data itu sebenarnya menyimpan cerita penting: siapa yang sudah paham, siapa yang masih tertinggal, dan bagian mana dari materi yang perlu diulang. Masalahnya, menemukan cerita itu dari ratusan baris angka bukan pekerjaan lima menit.

Kondisi ini bukan keluhan yang berlebihan. Riset terhadap guru pengguna Platform Merdeka Mengajar menemukan bahwa mayoritas guru mengajar 24–30 jam pelajaran per minggu, dan hampir 8 dari 10 responden merasa beban administrasi mereka justru bertambah sejak memakai platform digital tersebut. Guru dengan jam mengajar di atas standar bahkan tercatat mengalami stres kerja hampir dua kali lipat dibanding guru dengan beban kerja yang seimbang.

Singkatnya: AI untuk analisis hasil belajar siswa adalah penggunaan kecerdasan buatan untuk membaca data nilai, menemukan pola kemampuan siswa, lalu membantu guru menentukan tindak lanjut pembelajaran secara lebih cepat.

Di tengah beban kerja yang sudah tinggi, AI hadir bukan sebagai pengganti guru, tetapi sebagai asisten yang mempercepat salah satu pekerjaan paling menyita waktu: membaca ratusan angka nilai dan menerjemahkannya menjadi langkah nyata di kelas.

Apa Itu AI untuk Analisis Hasil Belajar Siswa?

Secara lebih lengkap, AI untuk analisis hasil belajar siswa adalah pemanfaatan kecerdasan buatan untuk mengolah data nilai, hasil asesmen, dan aktivitas belajar siswa secara otomatis, dengan tujuan menemukan pola, mengidentifikasi kesulitan belajar, dan merumuskan rekomendasi tindak lanjut pembelajaran. Secara konsep, ini adalah bagian dari bidang yang lebih luas bernama learning analytics dalam pendidikan, yaitu proses pengumpulan dan analisis data pembelajaran untuk memahami dan meningkatkan proses belajar-mengajar.

Bedanya dengan analisis manual, AI mampu memproses ratusan hingga ribuan titik data dalam hitungan detik, mengenali pola yang sulit dilihat mata telanjang, sekaligus menyajikan hasilnya dalam bahasa yang mudah dipahami. Kalau sebelumnya guru harus membuka satu per satu lembar jawaban atau baris Excel untuk menyimpulkan “anak-anak kelas ini lemah di bagian mana”, AI bisa merangkumnya sekaligus lengkap dengan rekomendasi. Ini sejalan dengan perkembangan lebih luas soal AI dalam assessment pendidikan, di mana kecerdasan buatan tidak hanya membantu membuat soal, tetapi juga membaca makna di balik hasilnya.

Mengapa Analisis Hasil Belajar dengan AI Makin Dibutuhkan di Indonesia

1. Data pendidikan yang harus dibaca guru makin kompleks

Sejak Rapor Pendidikan diperkenalkan, guru dan kepala sekolah dituntut membaca data dari banyak sumber sekaligus: hasil Asesmen Nasional (AKM, survei karakter, survei lingkungan belajar), data Dapodik, data pendidikan Kemenag, platform digital guru dan kepala sekolah, tracer study SMK, hingga data BPS. Struktur Rapor Pendidikan sendiri terdiri dari beberapa area dan dimensi, dengan indikator berjenjang mulai dari indikator level 1 hingga level 2, yang harus diurai satu per satu untuk menemukan indikator prioritas dan akar masalahnya. Kemendikdasmen secara eksplisit mendorong sekolah untuk menganalisis indikator input dan proses guna menemukan akar masalah dari rendahnya capaian, bukan sekadar melihat angka akhirnya. Membaca data sebanyak dan sekompleks ini secara manual jelas menyita waktu — dan di sinilah AI bisa membantu meringkas serta menyorot bagian yang paling perlu ditindaklanjuti.

2. Guru sudah kelebihan beban administrasi

Riset terhadap guru pengguna Platform Merdeka Mengajar mencatat bahwa 79,1% responden merasa platform digital menambah beban administrasi mereka, dan sebagian bahkan harus menyelesaikan tugas administratif itu di sela jam mengajar. Penelitian lain tentang dampak beban administrasi Kurikulum Merdeka menemukan bahwa beban yang berlebihan berkontribusi pada waktu yang terbuang, meningkatnya stres, menurunnya kolaborasi antarguru, dan terhambatnya inovasi pembelajaran. Studi kasus di SMK Tegallalang bahkan menemukan guru dengan beban mengajar di atas standar mengalami stres kerja 1,8 kali lebih tinggi dibanding guru dengan beban seimbang, dan bagian administrasi yang paling membebani adalah pengelolaan kinerja guru dan modul ajar. Jika proses analisis nilai dan penyusunan rencana tindak lanjut bisa dipercepat dengan AI, waktu guru bisa dialihkan kembali ke hal yang lebih penting: merancang pembelajaran yang lebih baik.

3. Adopsi AI di kalangan pendidikan Indonesia sudah berjalan

AI bukan lagi teknologi asing di dunia pendidikan Indonesia. Survei Tirto bersama Jakpat pada Mei 2024 menemukan bahwa 86,21% pelajar Indonesia usia 15–21 tahun mengaku memakai bantuan AI setidaknya sebulan sekali untuk mengerjakan tugas, dan angka ini dikonfirmasi Kementerian Komunikasi dan Digital yang menyebut 87% pelajar Indonesia sudah menggunakan AI untuk tugas sekolah. Di sisi dunia kerja, survei Populix mencatat 45% pekerja dan pengusaha Indonesia sudah memakai aplikasi AI, dengan ChatGPT sebagai yang paling populer. Ketika siswa sudah terbiasa dengan AI dan tuntutan analisis data pendidikan makin tinggi, wajar jika guru pun mulai melirik AI sebagai alat bantu profesional — bukan cuma untuk membuat materi, tapi juga untuk membaca hasil belajar siswanya sendiri.

Bagaimana AI Membantu Menganalisis Hasil Belajar Siswa

Secara garis besar, ada empat kemampuan utama AI yang relevan untuk analisis hasil belajar siswa di kelas maupun tingkat sekolah:

Mendeteksi kesulitan belajar sejak dini. Kajian sistematis mengenai AI berbasis learning analytics pada pembelajaran matematika menunjukkan bahwa pendekatan ini memiliki potensi besar untuk mendeteksi dini kesulitan belajar siswa sekaligus memungkinkan intervensi yang lebih tepat sasaran, misalnya lewat teknik pemantauan pola belajar secara berkelanjutan. Artinya, guru tidak perlu menunggu nilai ulangan turun drastis untuk tahu ada siswa yang mulai kesulitan.

Mengenali pola dan gaya belajar siswa. Sistem learning analytics generasi terbaru dapat mengenali tanda-tanda siswa mulai kehilangan keterlibatan (disengagement), seperti menurunnya interaksi, keterlambatan mengumpulkan tugas, atau berkurangnya waktu belajar harian, bahkan sebelum hal ini tercermin pada nilai. Dengan menganalisis riwayat data siswa dari waktu ke waktu, sistem semacam ini bisa memperkirakan siswa yang berisiko mengalami kesulitan sebelum masalahnya membesar.

Memantau aktivitas dan hasil belajar secara real-time. Penelitian implementasi learning analytics pada sistem informasi pembelajaran berbasis web menunjukkan bahwa sistem yang memberikan informasi hasil evaluasi dan aktivitas belajar secara real-time memudahkan guru dalam memantau, mengevaluasi, sekaligus mengambil keputusan pembelajaran dengan lebih cepat, dibanding harus merekap manual di akhir periode.

Memprediksi tren kinerja dan risiko siswa. Penerapan learning analytics dan educational data mining pada data pendidikan biasa dipakai untuk mendeteksi potensi keberhasilan atau kegagalan siswa, menganalisis gaya belajar, mengkaji efektivitas bahan ajar, memprediksi tren kinerja peserta didik, hingga mengidentifikasi siswa yang berisiko putus belajar (dropout) — informasi yang kemudian bisa dipakai untuk merancang langkah intervensi yang lebih efektif.

Keempat kemampuan ini saling melengkapi proses asesmen yang selama ini sudah dikenal guru, mulai dari asesmen formatif dan sumatif di kelas sehari-hari, sampai asesmen diagnostik untuk memetakan kondisi awal siswa. Bedanya, dengan bantuan AI, proses membaca dan menyimpulkan data dari asesmen-asesmen tersebut menjadi jauh lebih cepat dan sistematis.

Ilustrasi sederhana. Bayangkan satu kelas berisi 40 siswa mengerjakan ulangan dengan tiga indikator soal: A, B, dan C. Setelah data dimasukkan, AI membaca seluruh nilai dalam hitungan detik dan menyimpulkan: 32 dari 40 siswa gagal mencapai KKM pada indikator B, sementara indikator A dan C relatif aman. Kesimpulannya jelas — indikator B perlu diremedial untuk hampir seluruh kelas, sementara 8 siswa yang justru sudah unggul di semua indikator lebih cocok diberi soal pengayaan. Guru tidak perlu membuka satu per satu lembar jawaban untuk sampai pada kesimpulan ini.

AI vs Analisis Manual: Apa Bedanya?

[INFOGRAFIS — Alur Analisis Hasil Belajar Siswa dengan AI: (1) Data nilai & aktivitas belajar dikumpulkan dari ulangan, bank soal, atau LMS → (2) AI mengolah data: mengelompokkan, mencari pola, dan memprediksi risiko → (3) AI menyajikan insight: siapa yang tuntas, siapa yang perlu bimbingan, dan pada indikator apa → (4) Guru memvalidasi dan menyusun rencana tindak lanjut (remedial/pengayaan). Infografis akan dibuat setelah draf artikel final, satu infografis utuh, tidak mengulang diagram ekosistem CP→Modul→Materi→…→Analisis yang sudah dipakai di artikel cluster lain.]

Langkah Praktis Menggunakan AI untuk Analisis Hasil Belajar Siswa

Berikut alur kerja yang bisa langsung Bapak/Ibu Guru terapkan, baik untuk satu kelas maupun satu angkatan.

1. Kumpulkan dan rapikan data hasil belajar (± 10 menit)

Sumber data bisa dari hasil ujian di aplikasi ujian online berbasis CBT, rekap nilai dari bank soal digital, atau sekadar file Excel manual. Pastikan data minimal memuat nama/kode siswa, nilai per indikator atau per butir soal, dan tanggal pengambilan data. Semakin rapi datanya, semakin akurat hasil analisis AI.

2. Tentukan indikator yang ingin dianalisis (± 5 menit)

Jangan langsung minta AI “menganalisis semua”. Tentukan dulu fokusnya: apakah ingin melihat ketuntasan capaian pembelajaran per bab, kesiapan menghadapi ujian, atau akar masalah dari rendahnya nilai literasi/numerasi seperti pada struktur Rapor Pendidikan. Indikator ini idealnya sudah dirancang sejak soal disusun, misalnya lewat kisi-kisi soal yang dibuat dengan AI — karena kisi-kisi yang jelas akan membuat hasil ujian lebih mudah dipetakan per indikator saat dianalisis nanti. Menentukan fokus indikator sejak awal juga sejalan dengan langkah yang sama saat menyusun asesmen diagnostik di awal pembelajaran.

3. Susun prompt yang jelas dan berikan data secara terstruktur (± 5 menit)

AI bekerja jauh lebih baik ketika instruksinya spesifik: siapa persona AI, apa tujuannya, format data seperti apa yang diberikan, dan format keluaran yang diinginkan. Bagian berikutnya di artikel ini akan memberikan contoh prompt siap pakai. Jika Bapak/Ibu Guru belum terbiasa menyusun prompt, silakan pelajari dulu dasarnya lewat panduan prompt ChatGPT untuk guru.

4. Minta AI mengelompokkan siswa berdasarkan capaian (± 2 menit)

Minta AI mengkategorikan siswa ke beberapa kelompok, misalnya “tuntas”, “perlu bimbingan”, dan “perlu pengayaan”. Pengelompokan ini akan sangat memudahkan guru merancang pembelajaran berdiferensiasi tanpa harus membaca satu per satu nilai siswa.

5. Minta AI merumuskan rencana tindak lanjut / RTL (± 3 menit)

Setelah pola dan kelompok siswa teridentifikasi, minta AI menyusun rekomendasi tindak lanjut: materi remedial apa yang perlu diulang, jenis soal seperti apa yang cocok untuk kelompok yang masih kesulitan, atau materi pengayaan untuk siswa yang sudah tuntas. Rekomendasi ini bisa langsung ditindaklanjuti dengan membuat soal remedial dengan AI atau menyusun ulang bank soal dengan AI sesuai kebutuhan tiap kelompok siswa.

6. Validasi hasil AI dengan pertimbangan profesional guru (± 10 menit)

AI hanya mengolah apa yang terlihat dari data. Ia tidak tahu bahwa seorang siswa sedang sakit saat ujian, atau bahwa nilai rendah di satu bab disebabkan jaringan internet yang buruk saat asesmen daring. Karena itu, hasil analisis AI wajib divalidasi dengan pengamatan guru di kelas sebelum diputuskan sebagai kesimpulan akhir.

7. Dokumentasikan dan pantau perkembangannya (± 5 menit)

Simpan hasil analisis secara berkala agar bisa dibandingkan dari waktu ke waktu, misalnya lewat rapor digital sekolah atau dashboard sekolah digital yang memudahkan kepala sekolah dan guru memantau tren capaian siswa secara berkelanjutan, bukan hanya sesekali menjelang rapor.

Total waktu dari data mentah sampai rencana tindak lanjut siap: sekitar 40 menit — jauh lebih singkat dibanding menganalisis manual satu per satu yang bisa memakan waktu berjam-jam.

Contoh Prompt Siap Pakai untuk Analisis Hasil Belajar Siswa

Berikut contoh prompt yang bisa langsung disalin dan disesuaikan dengan data kelas Bapak/Ibu Guru:

Anda adalah asisten analisis data pendidikan yang membantu guru SD/SMP/SMA di Indonesia.

Tugas Anda: menganalisis hasil ulangan harian materi Pecahan kelas 5 SD berikut ini,
lalu mengelompokkan siswa ke dalam tiga kategori: Tuntas, Perlu Bimbingan, dan Perlu Pengayaan
(KKM = 70).

Data nilai per indikator soal:
Nama Siswa | Indikator 1 (Penjumlahan Pecahan) | Indikator 2 (Pecahan Senilai) | Indikator 3 (Soal Cerita)
Ahmad | 80 | 60 | 55
Bunga | 90 | 85 | 88
Citra | 50 | 45 | 40
(lanjutkan sesuai jumlah siswa di kelas Anda)

Setelah mengelompokkan siswa, tolong:
1. Sebutkan indikator mana yang paling banyak menjadi titik lemah di kelas ini.
2. Berikan rekomendasi kegiatan remedial singkat untuk kelompok "Perlu Bimbingan".
3. Berikan rekomendasi kegiatan pengayaan singkat untuk kelompok "Perlu Pengayaan".
4. Sajikan hasilnya dalam bentuk tabel yang mudah saya salin ke laporan.

Gunakan bahasa Indonesia yang jelas dan sistematis.

Prompt Mini untuk Kebutuhan Cepat

Tidak semua analisis butuh prompt panjang seperti di atas. Untuk pertanyaan cepat di sela jam mengajar, prompt singkat berikut ini justru yang paling sering dipakai guru sehari-hari:

• “Dari data nilai ini, cari indikator dengan tingkat ketuntasan paling rendah.”
• “Kelompokkan siswa berikut menjadi tiga kategori: tuntas, perlu bimbingan, perlu pengayaan.”
• “Siapa saja siswa yang nilainya turun dibanding ulangan sebelumnya?”
• “Ringkas hasil ulangan ini dalam tiga kalimat untuk saya sampaikan ke orang tua.”

Contoh Hasil Analisis AI

Berikut simulasi hasil yang biasanya dikeluarkan AI dari prompt di atas. Selain tabel detail per siswa, AI biasanya juga bisa diminta merangkum hasilnya dalam bentuk ringkasan cepat seperti ini:

Ringkasan Analisis AI — Kelas 5A, Materi Pecahan

• Jumlah siswa: 36
• Tingkat ketuntasan: 74%
• Indikator paling lemah: Operasi Pecahan (Soal Cerita)
• Siswa prioritas untuk bimbingan: 12 anak
• Saran utama: latihan soal cerita dengan visualisasi gambar sebelum masuk ke soal abstrak

Ringkasan seperti ini yang biasanya langsung bisa ditempel di catatan guru atau dilaporkan ke wali kelas, sebelum masuk ke tabel rincian per siswa berikut:

Dari contoh di atas, guru langsung mendapat gambaran bahwa indikator “soal cerita” adalah titik lemah yang paling sering muncul di kelas ini — sebuah kesimpulan yang jika dilakukan manual dari puluhan siswa bisa memakan waktu berjam-jam, tapi dengan AI bisa didapat dalam hitungan menit.

Tools yang Bisa Digunakan

Pilihan tool sebaiknya disesuaikan dengan kebutuhan dan bentuk data yang dimiliki:

Untuk analisis skala kecil (satu kelas, satu ulangan), chatbot AI umum di atas sudah cukup — cukup gunakan prompt seperti contoh sebelumnya. Untuk kebutuhan yang lebih rutin dan skala sekolah, akan lebih efisien menggunakan platform yang memang sudah mengintegrasikan hasil ujian dengan fitur analisis, sehingga guru tidak perlu berulang kali menyalin-tempel data secara manual. Misalnya, sekolah yang sudah menerapkan aplikasi ujian online CBT atau aplikasi e-learning dari e-Ujian umumnya sudah mendapatkan rekap hasil belajar yang lebih terstruktur, sehingga proses analisis lanjutan dengan AI menjadi lebih cepat karena data sudah rapi sejak awal.

Alur Kerja Khas Guru Indonesia: dari Nilai sampai RTL

Berbeda dengan konteks pendidikan di negara lain yang datanya biasanya sudah terpusat dalam satu sistem sekolah, guru di Indonesia umumnya harus meloncat dari satu platform ke platform lain sebelum data siap dianalisis. Alurnya biasanya seperti ini:

Nilai ulangan → direkap manual di Excel → sebagian dilaporkan lewat Platform Merdeka Mengajar (PMM) → sebagian lagi sudah otomatis lewat CBT → baru kemudian dianalisis (manual atau dengan AI) → disusun jadi rencana tindak lanjut (RTL).

Titik paling melelahkan dari alur ini justru ada di tengah: memindahkan data dari satu format ke format lain, lalu menyimpulkannya secara manual. AI paling efektif dipakai tepat di titik tersebut — mengambil alih proses membaca dan menyimpulkan, sehingga guru bisa langsung meloncat dari data mentah ke rencana tindak lanjut tanpa harus menghabiskan sore hari membaca ratusan angka satu per satu.

Tantangan dan Hal yang Perlu Diperhatikan

Akurasi bergantung pada kualitas data. AI hanya sebaik data yang diberikan. Data nilai yang tidak konsisten, banyak yang kosong, atau salah input akan menghasilkan analisis yang menyesatkan. Ada beberapa hal yang tidak bisa diketahui AI hanya dari angka nilai, misalnya:

• siswa sedang sakit atau kurang fit saat mengerjakan ujian
• siswa mencontek atau bekerja sama saat asesmen daring
• siswa salah klik jawaban karena kendala teknis, bukan karena tidak paham materi
• guru salah input nilai saat merekap manual

Karena itu, hasil analisis AI sebaiknya diperlakukan sebagai titik awal untuk investigasi lebih lanjut, bukan sebagai kesimpulan final yang langsung dipercaya begitu saja.

Privasi data siswa harus dijaga. Hindari memasukkan data pribadi siswa yang sensitif (misalnya NISN lengkap, alamat, atau kondisi keluarga) ke dalam chatbot AI publik. Gunakan nama inisial atau kode siswa saat menyusun prompt.

AI membantu, bukan menggantikan keputusan pedagogis guru. Rekomendasi AI perlu selalu disaring dengan pengetahuan guru tentang kondisi masing-masing siswa secara personal.

Literasi digital guru masih menjadi tantangan. Sejumlah studi tentang beban administrasi Kurikulum Merdeka mencatat bahwa kurangnya pengetahuan dan keterampilan digital menjadi salah satu faktor yang membuat guru merasa terbebani oleh tuntutan administrasi berbasis platform. Karena itu, pelatihan singkat tentang cara menyusun prompt yang baik menjadi kunci agar AI benar-benar meringankan, bukan menambah kebingungan baru.

Pertanyaan yang Sering Diajukan

Apakah AI bisa menggantikan tugas guru BK dalam mendiagnosis kesulitan belajar? Tidak. AI hanya membantu mengolah data secara cepat. Diagnosis kesulitan belajar tetap memerlukan observasi, wawancara, dan penilaian holistik dari guru maupun guru BK, sebagaimana lazim dilakukan dalam layanan diagnostik kesulitan belajar di sekolah.

Apakah hasil analisis AI bisa langsung dipakai untuk mengisi Rapor Pendidikan? Bisa dijadikan bahan refleksi awal, tetapi data resmi untuk Rapor Pendidikan tetap bersumber dari hasil Asesmen Nasional dan Dapodik yang diunduh langsung dari platform resmi Kemendikdasmen.

Apakah butuh aplikasi khusus untuk mulai menganalisis nilai dengan AI? Tidak wajib. Chatbot AI gratis sudah cukup untuk kelas kecil. Aplikasi khusus atau platform CBT yang terintegrasi analitik lebih cocok jika ingin menganalisis data dalam skala sekolah secara rutin.

Apakah AI bisa mendeteksi siswa yang berisiko putus sekolah? Beberapa penerapan learning analytics memang sudah dipakai untuk memprediksi siswa berisiko dropout berdasarkan pola nilai dan aktivitas belajar, meski akurasinya tetap perlu dikombinasikan dengan pemantauan langsung guru dan wali kelas.

Apakah AI bisa menganalisis file Excel hasil rekap nilai? Bisa. Sebagian besar chatbot AI modern (ChatGPT, Gemini, Claude) sudah bisa membaca file Excel atau CSV yang diunggah langsung, atau Bapak/Ibu Guru cukup menyalin-tempel isi tabelnya ke dalam prompt seperti contoh di artikel ini.

Kesimpulan

Menganalisis hasil belajar siswa adalah salah satu tugas guru yang paling penting sekaligus paling menyita waktu, apalagi di tengah tuntutan membaca data Rapor Pendidikan yang berlapis dan beban administrasi yang sudah tinggi. AI hadir bukan untuk menggantikan peran guru, melainkan mempercepat proses membaca pola dari data, sehingga waktu dan energi guru bisa lebih banyak dialihkan untuk hal yang paling berdampak: mendampingi siswa belajar.

Dengan data yang rapi, prompt yang jelas, dan validasi profesional guru, guru tidak perlu lagi menghabiskan sore hari membaca ratusan angka satu per satu di lembar Excel. Cukup beberapa menit, dan AI sudah bisa menunjukkan siapa yang perlu dibimbing, materi apa yang perlu diulang, dan langkah apa yang paling tepat diambil selanjutnya — sementara keputusan akhirnya tetap ada di tangan guru.

Referensi

1. Puslapdik Kemendikdasmen. (2025). Kemendikdasmen Terbitkan Rapor Pendidikan 2022–2024.
2. Pusat Informasi Rapor Pendidikan Kemendikdasmen. (2024). Bagaimana Cara Memaknai atau Membaca Hasil dari Rapor Pendidikan?
3. Pusat Informasi Rapor Pendidikan Kemendikdasmen. (2023). FAQ Rapor Pendidikan – PBD untuk Satuan Pendidikan Dasar dan Menengah.
4. Panduan Memahami Data Rapor Pendidikan 2024.
5. Haeri & Afriansyah. (2024). Eksplorasi Beban Digital Guru: Survei Pemanfaatan Platform Merdeka Mengajar (PMM) oleh Guru. Aspirasi: Jurnal Masalah-masalah Sosial.
6. Rosyada, A., Syahada, P., & Chanifudin, C. (2024). Kurikulum Merdeka: Dampak Peningkatan Beban Administrasi Guru terhadap Efektivitas Pembelajaran. Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran (JIEPP), 4(2), 238–244.
7. Windasari, N. W., Antari, N. K. Y., & Diah, I. D. A. (2025). Studi Kasus: Problematika Tekanan Beban Administrasi dan Dampaknya Terhadap Kesejahteraan Psikologis Guru. Jurnal Pengabdian Masyarakat dan Riset Pendidikan.
8. Tirto & Jakpat. (2024). Survei Penggunaan AI oleh Pelajar Indonesia. Diakses melalui tirto.id.
9. Populix. (2024). Survei Penggunaan Aplikasi AI oleh Pekerja dan Pengusaha Indonesia. Diakses melalui GoodStats.
10. Prosiding Seminar Nasional FKIP Universitas Muslim Maros. (2025). Implementasi Artificial Intelligence Berbasis Learning Analytics untuk Deteksi Dini Kesulitan Belajar Siswa dalam Pembelajaran Matematika: Systematic Literature Review.
11. Puskarsa UMA. (2025). Learning Analytics 2.0: Membaca Pola Belajar Siswa.
12. Daulay, dkk. (2025). Implementasi Learning Analytics pada Sistem Informasi Pembelajaran Berbasis Web untuk Monitoring Aktivitas dan Hasil Belajar Siswa secara Realtime. Informatika.
13. Learning Analytics dan Educational Data Mining pada Data Pendidikan. ResearchGate.