Umpan Balik Formatif Berbasis Rubrik untuk Tugas Mahasiswa, Dosen Tetap Pegang Kendali

Setiap akhir semester, ratusan tugas menumpuk di meja dosen. Balasan tercepat biasanya cuma satu angka, misalnya 75, 80, atau 65, tanpa penjelasan dari mana angka itu datang.

Padahal mahasiswa tidak menunggu angka itu. Mereka menunggu satu dua kalimat yang menjelaskan mengapa paragraf kedua lemah, dan bagian mana yang bisa diperbaiki sebelum tugas besar berikutnya datang. Justru di titik itu, banyak kelas kehilangan momen belajar yang paling berharga.

Kini alat bantu AI bisa menyusun komentar semacam itu dalam hitungan detik, bahkan untuk 150 mahasiswa sekaligus. Namun kecepatan itu memunculkan pertanyaan baru. Kalau komentarnya ditulis mesin, siapa yang sebenarnya menilai dan menjamin keadilannya?

Jawaban singkatnya: umpan balik formatif berbasis rubrik adalah komentar yang mengacu pada kriteria penilaian yang jelas dan diberikan saat perbaikan masih mungkin, bukan setelah nilai dikunci. Pada alur yang sehat, dosen tetap menjadi penilai sekaligus penyunting terakhir, AI hanya menyiapkan draf, dan rubrik menjaga arah. Sisa artikel ini membahas cara menjalankannya tanpa kehilangan sentuhan manusia.

Daftar Isi

• Apa Itu Umpan Balik Formatif Berbasis Rubrik?
• Kenapa AI Tidak Boleh Jadi Penilai Tunggal?
• Bagaimana Alur Rubrik, AI, dan Dosen Bekerja?
• Apa Saja Komponen Rubrik yang Wajib Ada?
• Apa Risikonya dan Bagaimana Menjaganya?
• FAQ Seputar Rubrik dan Umpan Balik

Apa Itu Umpan Balik Formatif Berbasis Rubrik?

Rubrik memecah satu tugas menjadi beberapa kriteria, lalu menjelaskan seperti apa wujud pekerjaan yang lemah, cukup, dan sangat baik pada tiap kriteria. Deskripsi itu bekerja ganda, jadi panduan sebelum menulis, sekaligus cermin saat mahasiswa memeriksa pekerjaannya sendiri.

Rubrik yang matang lahir dari pertimbangan pengajar, bukan dari daftar kata yang seragam. "Pada titik terbaiknya, rubrik adalah ekspresi matang dari pertimbangan profesional seorang pengajar," tulis Kiruthika Ragupathi dan Adrian Lee, peneliti di Centre for Development of Teaching and Learning, National University of Singapore, dalam bab buku Diversity and Inclusion in Global Higher Education.

Umpan balik formatif sendiri adalah komentar yang datang saat perbaikan masih mungkin dilakukan. Hasilnya, mahasiswa memakai komentar itu untuk membetulkan langkah berikutnya, bukan sekadar membaca lalu melupakannya.

Rubrik Bukan Kunci Jawaban, Tapi Peta

Banyak yang mengira rubrik mengunci satu bentuk jawaban. Ternyata rubrik yang baik justru menyisakan ruang tafsir, karena ia menjelaskan ciri pekerjaan yang kuat tanpa memaksa semua mahasiswa menulis dengan cara yang sama.

Kenapa Umpan Balik Formatif Beda dari Nilai

Nilai menjawab pertanyaan seberapa bagus, sementara umpan balik formatif menjawab apa langkah berikutnya. Riset memperlihatkan bedanya. Sebuah meta-analisis atas 435 studi dengan 994 perbandingan dan lebih dari 61.000 partisipan menemukan efek umpan balik sebesar 0,48 terhadap hasil belajar.

Namun angka itu bukan harga mati. Riset awal John Hattie dari University of Melbourne dan Helen Timperley sempat melaporkan efek yang lebih tinggi, antara 0,70 dan 0,79. Justru variasi besar inilah petunjuk penting, sebab jenis umpan balik yang menentukan, bukan sekadar ada atau tidaknya komentar.

Sebuah tinjauan tahun 1996 oleh Kluger dan de Nisi atas 131 studi dan lebih dari 12.000 peserta menemukan efek rata-rata 0,38, dan sekitar sepertiga di antaranya justru bernilai negatif. Salah satu pelajarannya sederhana, komentar yang membingungkan bisa memperburuk, bukan memperbaiki.

Akar gagasan ini juga sudah tua. Royce Sadler, peneliti pendidikan dari Australia, menulis pada 1989 bahwa tujuan utama umpan balik adalah mempersempit jarak antara pemahaman mahasiswa saat ini dan tujuan yang ingin dicapai.

Kenapa AI Tidak Boleh Jadi Penilai Tunggal?

Kemampuan AI membaca esai panjang memang mengesankan. Dalam uji buta yang dipimpin Stanford Law School, sejumlah profesor hukum menilai jawaban atas pertanyaan mahasiswa tanpa tahu mana yang ditulis manusia dan mana yang ditulis AI.

Hasilnya mengejutkan. Dari hampir 3.000 perbandingan anonim, jawaban AI menang di 75 persen pertandingan langsung. Jawaban sesama profesor dinilai berpotensi menyesatkan sebanyak 12 persen, jauh lebih sering daripada jawaban AI yang cuma 3,5 persen.

Studi tahun 2026 itu melibatkan 16 profesor dari sejumlah sekolah hukum Amerika Serikat dan 40 pertanyaan kontrak yang biasa diajukan mahasiswa. Kinerja AI-nya bahkan disebut sebanding dengan pengajar manusia terbaik yang ikut dalam pengujian, sebuah temuan yang sulit diabaikan begitu saja.

"Studi ini menantang asumsi penting soal peran AI di pendidikan hukum," kata Julian Nyarko, profesor Stanford Law School yang memimpin laboratorium Legal Innovation through Frontier Technology. "Kami sengaja memilih hukum karena bidang itu menuntut pertimbangan, penalaran halus, dan kemampuan menavigasi ambiguitas, bukan sekadar hafalan fakta."

"Di banyak bidang yang diuji AI, selalu ada jawaban yang benar. Di hukum, sering kali tidak. Dua argumen yang berlawanan bisa sama-sama kuat," kata Sarath Sanga, penulis studi sekaligus profesor di Yale Law School.

Bias AI pada Esai

Meski terdengar menjanjikan, AI belum layak jadi penilai tunggal. Sebuah rangkuman riset di Universitas Ohio State menemukan AI cenderung terlalu longgar menilai esai berperforma rendah dan terlalu keras menilai esai berperforma tinggi. Alhasil, model bahasa lebih aman dipakai untuk umpan balik, bukan keputusan nilai.

Aturan Kampus, Manusia Tetap Penanggung Jawab Nilai

Pedoman University of Utah menegaskan satu hal tanpa ragu. Fakultas memegang tanggung jawab penuh atas nilai, dan AI tidak boleh menjadi satu-satunya penentu keputusan akhir. Aturan itu mewajibkan dosen meninjau keluaran AI sebelum nilai dikunci, sekaligus menuntut identitas mahasiswa dihapus sebelum pekerjaannya diproses.

Bagaimana Alur Rubrik, AI, dan Dosen Bekerja?

Alur yang sehat punya tiga lapis. Rubrik menetapkan kriteria dan standar, AI menyiapkan draf komentar untuk setiap kriteria, lalu dosen menyunting, menambah konteks kelas, dan memutuskan nilai akhir. Konteks kampus di Indonesia sendiri bergerak cepat, seperti terlihat dari kebijakan Unpad yang membebaskan AI untuk tugas kuliah.

Perbandingan itu menjelaskan kenapa kolom terakhir paling menentukan. Siapa yang memegang kendali akhir menentukan seberapa adil hasilnya dirasakan mahasiswa, dan di situlah peran dosen tidak tergantikan.

Untuk gambaran lebih luas soal peran dosen di era AI, ada ulasan tentang cara dosen menyusun materi dan penilaian dengan bantuan agen AI.

Langkah Praktis untuk Dosen

Mulai dari tiga langkah kecil. Kunci rubrik lebih dulu, unggah beberapa contoh pekerjaan sebagai pembanding, lalu minta AI hanya mengusulkan draf komentar per kriteria. Setelah itu, sisihkan waktu meninjau satu per satu sebelum apa pun dikirim ke mahasiswa.

Waktu yang dibutuhkan memang tidak hilang sepenuhnya. Namun pada kelas berisi 150 mahasiswa dengan tugas mingguan selama 14 minggu, mengubah 3 jam menilai menjadi 1 jam menyunting adalah selisih yang terasa di akhir semester.

Hitung saja sejak awal agar ekspektasinya jelas. Menyunting satu tugas biasanya memakan 3 sampai 5 menit per mahasiswa. Untuk 150 mahasiswa, itu berarti 7 sampai 12 jam per tugas, sebelum ditambah waktu menyusun rubrik di awal semester.

Tinjauan sampel juga penting. University of Utah menyarankan uji coba skala kecil lebih dulu, bandingkan sebaran nilai versi dosen dan versi AI, lalu cocokkan pada tugas batas serta tugas berpikir tingkat tinggi.

Apa Saja Komponen Rubrik yang Wajib Ada?

Menurut peneliti rubrik Popham, rubrik yang layak punya tiga unsur, yaitu kriteria penilaian, deskripsi kualitas, dan strategi pemberian skor. Tanpa ketiganya, rubrik hanya jadi daftar kata yang membingungkan mahasiswa maupun pengajar.

Kriteria, Deskripsi, dan Strategi Skor

Kriteria menyebut aspek yang dinilai, misalnya struktur argumen, kualitas rujukan, dan ketepatan data. Deskripsi kualitas menjelaskan beda tingkat mahir dan pemula. Strategi skor menetapkan cara menjumlahkan bagian menjadi satu angka akhir yang bisa dipertanggungjawabkan.

Analitik atau Holistik?

Rubrik analitik memecah penilaian per bagian, jadi lebih cocok untuk umpan balik formatif. Rubrik holistik menilai kesan menyeluruh, lebih pas untuk penilaian akhir. Banyak program studi memakai keduanya, analitik di tengah semester dan holistik di ujian akhir. Modul pengembangan rubrik dari UGM merangkum cara menyelaraskan keduanya dengan capaian pembelajaran lulusan.

Skala penilaian umumnya memakai 3 sampai 5 tingkat, dari pemula sampai mahir. Justru jumlah tingkat yang pas membuat komentar lebih spesifik, sebab mahasiswa bisa melihat posisinya sekarang dan target yang ingin dicapai.

Apa Risikonya dan Bagaimana Menjaganya?

Ada dua risiko yang paling sering muncul. Pertama, privasi data mahasiswa, sebab pekerjaan kuliah termasuk catatan pendidikan yang dilindungi. Kedua, mahasiswa merasa penilaian dilakukan diam-diam oleh mesin tanpa penjelasan yang cukup. Etika dasarnya sudah dirangkum dalam panduan etika penggunaan AI dalam penelitian dan penyusunan dokumen.

De-identifikasi dan Privasi

Sebelum dikirim ke alat AI mana pun, pekerjaan mahasiswa sebaiknya dibersihkan dari nama, nomor induk, dan petunjuk yang bisa mengarah ke identitas seseorang. Pedoman University of Utah menyebut langkah ini wajib, bahkan ketika memakai alat resmi kampus.

Transparansi ke Mahasiswa

Beri tahu mahasiswa bahwa AI membantu menyusun draf komentar, lalu jelaskan bahwa dosen tetap pemegang keputusan akhir. Sediakan juga jalur permintaan peninjauan manusia. Keterbukaan seperti ini menjaga kepercayaan tanpa harus membuka semua seluk-beluk teknis.

Pedoman University of Utah memuat 10 butir aturan inti yang mengarah ke sana. Mahasiswa yang merasa dirugikan punya 2 jalur sederhana, meminta penjelasan bagaimana nilai ditentukan atau mengajukan banding lewat proses resmi yang sudah ada.

Kalau kamu ingin menakar dampaknya sebelum mengubah kebiasaan menilai, ada baiknya membaca kenapa efisiensi adalah metrik yang salah saat mengukur AI di pendidikan.

FAQ Seputar Rubrik dan Umpan Balik

Apakah umpan balik formatif berbasis rubrik tetap efektif di kelas besar?

Efektif, asalkan rubrik dikunci lebih dulu dan komentar ditinjau sebelum dikirim. Pada kelas besar, alur rubrik, AI, dan penyuntingan dosen justru paling terasa, sebab jumlah tugasnya tinggi dan menuntut konsistensi.

Kalau pakai AI, apakah dosen tetap menilai sendiri?

Ya. Dosen tetap memegang tanggung jawab penuh atas nilai akhir. AI hanya menyusun draf komentar per kriteria, sementara dosen menyunting, menambah konteks kelas, dan memutuskan nilai akhir.

Berapa waktu yang biasanya dihemat dari alur ini?

Pada contoh kelas berisi 150 mahasiswa dengan tugas mingguan selama 14 minggu, waktu menilai bisa turun dari sekitar 3 jam menjadi 1 jam per tugas. Sisanya dipakai untuk meninjau sampel dan memperbaiki rubrik.

Apakah mahasiswa perlu diberi tahu bahwa umpan balik dibantu AI?

Perlu. Transparansi soal peran AI menjaga kepercayaan, sekaligus memberi mahasiswa jalur untuk meminta peninjauan manusia bila komentar terasa tidak adil atau tidak jelas.

Bisakah kakak.ai membantu menyusun rubrik dan draf umpan balik?

Bisa. Kakak.ai membantu menyusun kriteria rubrik dan menyiapkan draf komentar per kriteria, lalu dosen menyuntingnya. Akun Basic sudah cukup untuk mencoba, karena setiap hari tersedia kredit harian gratis.

Umpan balik yang berguna tidak butuh alat paling canggih, ia butuh kejelasan dan waktu yang cukup untuk berpikir. Rubrik memberi kejelasan, AI menghemat waktu, dan dosen menjaga yang terpenting, yaitu pertimbangan manusia yang tahu konteks kelasnya. Kalau kamu ingin menyusun rubrik dan draf komentar lebih cepat, kakak.ai bisa jadi tempat memulai dengan kredit harian gratis di akun Basic.