You are here
RG Elektronika Industri dan Pembelajarannya FT UNY Perkuat Kompetensi IoT dan AIoT di SMK Muhammadiyah 2 Yogyakarta
Primary tabs

Yogyakarta. Kelompok Research Group (RG) Elektronika Industri dan Pembelajarannya, Departemen Pendidikan Teknik Elektronika dan Informatika, Fakultas Teknik Universitas Negeri Yogyakarta (FT UNY), melaksanakan kegiatan Pengabdian kepada Masyarakat (PkM) bertajuk “Optimalisasi Pembelajaran Teknologi Digital Berbasis IoT dan UI/UX di SMK Muhammadiyah 2 Yogyakarta.” Kegiatan ini menjadi bagian dari upaya FT UNY dalam mendukung peningkatan kompetensi digital guru dan siswa sekolah menengah kejuruan melalui pembelajaran teknologi yang dekat dengan kebutuhan dunia kerja.
Tim PkM terdiri atas Dr. phil. Ir. Mashoedah, M.T., Dr. Umi Rochayati, M.T., Dr. Pipit Utami, S.Pd.T., M.Pd., dan Nadhir Fachrul Rozam, M.Pd. Kegiatan melibatkan 30 peserta yang terdiri atas 20 siswa dan 10 guru SMK Muhammadiyah 2 Yogyakarta dari beberapa bidang keahlian. Program dirancang tidak hanya sebagai pelatihan satu kali, tetapi melalui rangkaian identifikasi kebutuhan, asesmen awal, pembelajaran tatap muka, evaluasi, serta pendampingan lanjutan.
Tahap awal kegiatan diawali dengan konsultasi dan identifikasi kebutuhan sekolah pada Mei 2026. Selanjutnya, asesmen awal dilaksanakan pada 23 Juli 2026 untuk mengetahui pengalaman peserta dalam menggunakan teknologi IoT, pemahaman awal, serta relevansi teknologi tersebut terhadap bidang vokasi. Kegiatan utama dilaksanakan pada 30 Juli 2026, kemudian dilanjutkan dengan pendampingan secara daring pada 3 sampai 14 Agustus 2026.
1. Belajar IoT dari Masalah Nyata
Pelatihan dirancang menggunakan pendekatan pembelajaran berbasis masalah yang membawa peserta dari pemahaman konsep menuju praktik. Peserta terlebih dahulu diajak mengenali berbagai permasalahan di lingkungan sekitar yang dapat diselesaikan melalui teknologi digital. Dari permasalahan tersebut, peserta mempelajari alur kerja sistem mulai dari sensor dan pengambilan data, pemrosesan, komunikasi, hingga menghasilkan tindakan atau keluaran tertentu.
Materi pembelajaran mencakup pengenalan UI/UX menggunakan Figma, pembelajaran interaktif menggunakan Mentimeter, simulasi rangkaian IoT melalui Wokwi, praktik menggunakan ESP32, RFID, sensor dan aktuator, serta monitoring dan pengendalian perangkat melalui Blynk. Tahapan tersebut memberikan kesempatan kepada peserta untuk melihat hubungan antara rancangan virtual dengan implementasi perangkat keras secara langsung.
Salah satu perangkat utama yang digunakan adalah Training Kit Internet of Things berbasis ESP32 yang dikembangkan untuk mendukung pembelajaran praktik. Training kit mengintegrasikan sejumlah sensor, aktuator, mikrokontroler, dan perangkat pendukung dalam satu media pembelajaran portabel. Melalui perangkat tersebut, peserta dapat mengamati secara langsung bagaimana sebuah sensor membaca kondisi lingkungan, data diproses oleh ESP32, kemudian sistem memberikan respons melalui aktuator maupun antarmuka digital.
Dalam sesi praktik, peserta dibagi menjadi enam kelompok dan mendapatkan pengalaman menerapkan logika sistem IoT melalui contoh aplikasi RFID smart-door lock dan smart-lamp control. Simulasi melalui Wokwi digunakan sebagai tahap persiapan sebelum peserta berinteraksi dengan perangkat fisik. Pola pembelajaran ini membantu peserta memahami hubungan antara pemrograman, rangkaian elektronik, sensor, aktuator, dan antarmuka IoT.
2. Pemahaman IoT dan Relevansi terhadap Dunia Kerja Meningkat
Hasil evaluasi menunjukkan adanya perkembangan positif setelah peserta mengikuti rangkaian kegiatan. Nilai rata-rata pemahaman konseptual IoT dan Artificial Intelligence of Things (AIoT) meningkat dari 10,87 menjadi 11,60 dari skor maksimum 16. Hasil analisis menunjukkan perubahan tersebut signifikan secara statistik dengan p = 0,037 dan Cohen's d = 0,40. Sebanyak 17 peserta mengalami peningkatan skor, lima peserta memperoleh skor tetap, dan delapan peserta mengalami penurunan.
Perubahan yang menarik juga terlihat pada persepsi peserta mengenai relevansi teknologi terhadap pendidikan vokasi. Seluruh tujuh indikator relevansi vokasional mengalami peningkatan. Peningkatan paling menonjol ditemukan pada pemahaman mengenai pemanfaatan teknologi untuk menyelesaikan permasalahan nyata dan kontribusinya terhadap kesiapan memasuki dunia kerja.
Peserta juga memberikan respons positif terhadap metode pembelajaran yang digunakan. Penjelasan interaktif berbasis masalah memperoleh skor rata-rata 4,50 dari 5, simulasi IoT menggunakan Wokwi sebesar 4,50, praktik perangkat keras IoT sebesar 4,47, transisi dari simulasi menuju perangkat fisik sebesar 4,43, dan penggunaan Blynk untuk monitoring serta kontrol memperoleh skor 4,47. Temuan ini memperlihatkan bahwa kombinasi penjelasan, simulasi, praktik perangkat keras, dan penggunaan antarmuka digital diterima dengan baik oleh peserta.
3. Mengenalkan AIoT yang Bertanggung Jawab
Pelatihan juga memperluas wawasan peserta dari IoT menuju Artificial Intelligence of Things (AIoT). Peserta diajak memahami bahwa pengembangan sistem cerdas tidak hanya berkaitan dengan kemampuan teknologi dalam membaca dan mengolah data, tetapi juga perlu memperhatikan aspek manusia.
Diskusi mencakup penggunaan AI untuk mendukung monitoring dan pengambilan keputusan, termasuk pengenalan penggunaan informasi ekspresi wajah sebagai salah satu informasi tambahan dalam sistem pembelajaran. Tim menekankan pentingnya persetujuan pengguna, privasi data, transparansi, kesadaran terhadap potensi bias, serta pengawasan manusia ketika AI digunakan untuk mengolah informasi yang berkaitan dengan seseorang.
Hasil evaluasi memperlihatkan bahwa peserta memberikan dukungan sangat tinggi terhadap penggunaan AI yang tetap mempertahankan keputusan guru, dengan skor 4,90 dari 5. Peserta juga menilai pentingnya interpretasi berdasarkan situasi, privasi, persetujuan pengguna, transparansi, serta hak pengguna untuk menolak penggunaan data. Sementara itu, penggunaan informasi ekspresi wajah memperoleh penilaian yang lebih hati-hati. Temuan tersebut memperkuat pandangan bahwa AI sebaiknya berfungsi sebagai teknologi pendukung, sedangkan keputusan pendidikan tetap berada di bawah pertimbangan manusia.
4. Dari Pelatihan Menuju Pembelajaran Berkelanjutan
Kegiatan PkM tidak berhenti setelah pelaksanaan pelatihan tatap muka. Pendampingan lanjutan dilakukan untuk membantu peserta mengembangkan pemahaman teknis, mengeksplorasi proyek, dan menyelesaikan persoalan yang ditemukan ketika mencoba mengimplementasikan IoT.
Masukan peserta menunjukkan bahwa praktik lanjutan masih sangat dibutuhkan, khususnya dalam pemrograman, wiring, debugging, konektivitas, dan integrasi sistem. Sebanyak 20 dari 30 peserta mengharapkan waktu praktik yang lebih panjang, penambahan perangkat atau pembentukan kelompok yang lebih kecil, materi praktik yang lebih terstruktur, serta pendampingan debugging. Peserta juga mengharapkan pengembangan proyek dan contoh penerapan AIoT yang lebih banyak.
Melalui kegiatan ini, RG Elektronika Industri dan Pembelajarannya FT UNY mendorong terbentuknya pola pembelajaran teknologi yang bergerak dari permasalahan nyata, penguatan konsep, simulasi virtual, praktik perangkat keras, hingga pemanfaatan IoT dan AIoT yang bertanggung jawab. Pendekatan tersebut diharapkan dapat membantu guru dan siswa mengembangkan kompetensi digital yang tidak berhenti pada kemampuan mengoperasikan teknologi, tetapi juga mencakup kemampuan memecahkan masalah dan memahami penggunaan teknologi secara tepat.
Kerja sama antara FT UNY dan SMK Muhammadiyah 2 Yogyakarta juga diharapkan terus berkembang melalui pendampingan, pengembangan media dan modul pembelajaran, serta eksplorasi proyek IoT dan AIoT yang dapat diterapkan dalam berbagai bidang keahlian di SMK. Kegiatan ini sekaligus menjadi wujud kontribusi Departemen Pendidikan Teknik Elektronika dan Informatika FT UNY dalam memperkuat hubungan antara perguruan tinggi, sekolah vokasi, perkembangan teknologi, dan kebutuhan kompetensi masa depan.
(JUN, OED)
Contact Us
Address : Kompleks Fakultas Teknik Kampus Karangmalang, Yogyakarta, 55281
Telephone : +62 274554686
Email : pte_ft@uny.ac.id
Copyright © 2026,