SMECON CANTEEN
LEARNING LAB
Laboratorium Coding & AI Berbasis Masalah Autentik Kantin Sekolah: Mengubah Antrean Menjadi Algoritma, Mengubah Siswa Menjadi Pencipta Solusi.
Ketika Teknologi Hanya Dihafal, Bukan Dipahami
Antrean Panjang, Waktu Belajar & Istirahat Terbuang
Saat bel istirahat berbunyi, kantin sekolah mengalami lonjakan antrean serentak. Pesanan tidak teratur dan siswa menghabiskan waktu istirahat hanya untuk menunggu.
Inovasi
Hafal Sintaks Program, Belum Memahami Esensi
Di kelas Informatika, siswa sering menulis ulang baris kode secara mekanis tanpa memahami bagaimana struktur data menyelesaikan masalah di dunia nyata.
let arr = ["A", "B", "C"];
arr.push("D"); // Sekadar dihafal
arr.shift(); // Tanpa konteks nyata
Pertanyaan Pemantik Inovasi
“Bagaimana jika masalah nyata di kantin menjadi bahan belajar Coding dan AI di kelas?”
SmeCon Canteen Learning Lab
Beranda Misi Belajar Kontekstual
1. Amati Masalah Kantin
Siswa mengobservasi kepadatan pesanan kantin sekolah dan mendefinisikan kebutuhan sistem antrean yang adil.
2. Bedah Struktur Data
Menghubungkan transaksi kantin dengan Array, Object, serta operasi push() dan shift().
3. Rancang Prediksi AI
Merumuskan logika aturan (Rule-Based AI) untuk menghitung estimasi waktu tunggu pelanggan secara transparan.
Katalog Menu Kantin SmeCon (Klik untuk Pesan ke Antrean FIFO)
Soto Sokaraja SmeCon
Waktu saji: ~3 menit
Mendoan Hangat Paket
Waktu saji: ~2 menit
Es Teh Kampul Segar
Waktu saji: ~1 menit
Simulasi Interaktif Antrean FIFO Kantin
Prinsip FIFO: Pesanan yang masuk pertama (index [0]) wajib dilayani lebih dulu menggunakan antrean.shift().
Eksplorasi Array, Object, push() & shift()
- •
Array & Object: Menyimpan daftar pesanan siswa. - •
push(): Menambah pesanan baru di urutan akhir. - •
shift(): Melayani & menghapus antrean terdepan.
Prediksi Waktu Tunggu & Rekomendasi Berbasis Aturan
Visualisasi Menu Terpopuler Kantin
Dari grafik simulasi ini, siswa belajar bahwa data transaksi dapat membantu pengelola kantin menyiapkan stok bahan lebih tepat sehingga waktu antrean berkurang.
Implementasi Sintaks PGRI POWER–SPARK
Dashboard Hasil Belajar & Transformasi Siswa
Perbandingan Pretest vs Posttest Siswa
*Catatan Akademik: Angka default (45%→85% dan 30%→75%) merujuk pada bahan paparan dan dilengkapi fitur input dinamis untuk verifikasi asesmen kelas riil.
5 Dimensi Kompetensi yang Tumbuh
“Saya baru sadar, ternyata membuat aplikasi itu lebih seru daripada sekadar memakainya.”
Roadmap Pengembangan & Keberlanjutan Inovasi
Simulasi Interaktif
Aplikasi demonstrasi antrean kantin berbasis FIFO, Coding Lab, & Rule-Based AI di kelas.
Integrasi Database
Penyimpanan pesanan real-time dan pencatatan riwayat transaksi kantin secara persisten.
Dashboard Analitik
Visualisasi kepadatan antrean, metrik waktu tunggu harian, dan analitik menu populer.
Pengembangan AI
Peningkatan model prediksi waktu tunggu yang dievaluasi berdasarkan data histori nyata.
Uji Coba & Privasi
Evaluasi bersama warga sekolah dengan menjunjung privasi dan keamanan data pengguna.
Replikasi Luas
Adaptasi model lab kontekstual untuk jurusan lain (Koperasi, Perpustakaan, UKS) & sekolah lain.
“DARI ANTREAN KANTIN, LAHIR ALGORITMA; DARI DATA, TUMBUH KECERDASAN.”
Terima Kasih — Wassalamu'alaikum warahmatullahi wabarakatuh.