Kategorisasi dan Visualisasi Semantik-Topik Berbasis LLM pada Refleksi Guru Koding dan Kecerdasan Artifisial

Pembekalan bagi guru SMA/SMK calon pengajar mata pelajaran Koding dan Kecerdasan Artifisial (KKA) merupakan strategi penguatan SDM dalam menghadapi transformasi digital. Guru diharapkan memahami capaian pembelajaran mapel KKA serta mampu merancang dan mengimplementasikan pembelajaran berbasis teknologi di sekolah masing-masing. Penelitian ini memanfaatkan teknik kategorisasi berbasis Large Language Model (LLM) untuk menganalisis konten refleksi guru SMA/SMK Kota Malang setelah mengikuti kegiatan pembekalan, guna mengidentifikasi tingkat capaian pembelajaran dan pola pemaknaan guru terhadap pengalaman belajar. Dataset berupa file presentasi dalam format PDF dan PPTX diekstraksi untuk memperoleh konten teks, kemudian diproses oleh LLM untuk dirapikan, dikategorisasi ke dalam sepuluh kategori utama dalam format JSON, dan divisualisasikan sebagai peta gagasan (mindmap) menggunakan skrip Mermaid. Hasil studi menunjukkan bahwa LLM mampu melakukan kategorisasi semantik secara konsisten terhadap data refleksi tidak terstruktur serta menghasilkan representasi visual yang memudahkan interpretasi capaian pembelajaran. Analisis isi refleksi mengungkap motivasi guru untuk meningkatkan kompetensi digital dan pedagogik, keberhasilan penerapan pembelajaran berbasis proyek, serta tantangan baru terkait sikap skeptis terhadap penerapan AI di bidang seni dan desain. Selain itu, perbandingan antara LLM umum (GPT-OSS) dan LLM bertipe coder (seperti GLM-4.6:Coder dan Qwen3-Coder) menunjukkan akurasi yang sebanding dalam menghasilkan struktur JSON dan skrip Mermaid, meskipun LLM non-coder terbukti lebih stabil dalam menjaga koherensi konteks dan kecepatan pemrosesan. Temuan ini menegaskan potensi pemanfaatan LLM dalam analisis teks reflektif sekaligus pentingnya adaptasi pedagogis dan penguatan kompetensi digital guru menuju kemandirian pendidikan berbasis AI.