Jangka Waktu Pengerjaan
12 Minggu (Proyek Mandiri)
Peran Saya
Business Analyst · Product Analyst
Apps Digunakan
Figma, Lucidchart, Notion
Proyek Portofolio Mandiri
Data dan permasalahan sekolah adalah real (berdasarkan wawancara/diskusi dengan guru), namun sistem ini belum diimplementasikan secara nyata. Angka proyeksi bersifat estimasi berdasarkan asumsi implementasi.
Proyek portofolio mandiri. Data dan permasalahan sekolah adalah real (berdasarkan wawancara dengan guru), namun sistem ini belum diimplementasikan secara nyata. Angka proyeksi bersifat estimasi berdasarkan asumsi implementasi.
Implementasi
Untuk memastikan sistem EWS dapat membantu wali kelas dan guru secara optimal, saya menerjemahkan prinsip Early Warning System (EWS) dari kerangka kerja (framework) ke fungsi operasional. Transformasi ini dipandu oleh tiga tujuan utama yang akan mendefinisikan wireframe sistem:
Arsitektur Informasi & Blueprints:
Menentukan tata letak data kritis (seperti skor risiko dan timeline kehadiran) agar alur kerja guru menjadi efisien.Inklusi Digital (Adoption over Complexity)
Memprioritaskan aksesibilitas bagi pengguna dengan berbagai tingkat literasi digital serta optimasi perangkat saat offline agar sistem tetap responsif di berbagai kondisi teknis.
Strategi dan Fokus Produk
User Story
Setiap keputusan desain di produk ini didasarkan pada kebutuhan riil pengguna.
ID
User Story
Insight
US-1
Sebagai Wali Kelas, saya ingin mendapatkan sinyal risiko secara real-time agar saya bisa melakukan intervensi sebelum masalah siswa menjadi permanen.
Guru menghabiskan waktu untuk merekap data secara manual (buku absen, Excel, catatan kertas). Karena data ini tersebar dan tidak terpusat, pola perilaku siswa baru terlihat secara jelas saat akumulasi data dilakukan di akhir tengah semester (sekitar minggu ke-8).
US-2
Sebagai Wali Kelas, saya ingin mendapatkan notifikasi otomatis ketika siswa tidak hadir selama 3 atau 7 hari berturut-turut untuk segera menyelidiki penyebabnya.
Absensi 7 hari berturut-turut adalah "jendela kritis". Tanpa alat monitoring aktif, guru sering kali baru menyadari pola ini setelah absen siswa menumpuk dan melewati batas regulasi dropout.
US-3
Sebagai Guru Mata Pelajaran, saya ingin sistem mendeteksi penurunan nilai secara otomatis agar saya tidak perlu membandingkan tren secara manual dari berlembar kertas.
Guru sulit menyadari penurunan performa akademik karena data nilai tersimpan secara terisolasi. Penurunan rata-rata sudah terjadi sejak minggu ke-3, namun sering kali baru terdeteksi secara kolektif setelah UTS/UAS.
US-4
Sebagai Wali Kelas, saya ingin menghubungi orang tua tanpa beban administratif tambahan, sehingga fokus saya tetap pada kualitas dukungan, bukan birokrasi.
Komunikasi saat ini menggunakan WA pribadi tanpa dokumentasi formal. Akibatnya, riwayat komunikasi sering hilang dan guru terbebani manajemen administratif yang berulang.
US-5
Sebagai Wali Kelas, saya ingin mencatat setiap tindakan intervensi dalam satu sistem terpadu agar keputusan masa depan didasarkan pada bukti sejarah yang kuat.
Saat ini intervensi dicatat pada sticky notes atau buku pribadi. Tanpa repositori data yang terpusat, sekolah kehilangan konteks saat harus mengambil keputusan berat seperti kenaikan kelas atau pemindahan siswa.
Scope Proyek
In Scope
Out of Scope
Dashboard prioritas intervensi dengan kategorisasi risiko tiga tingkat (Tinggi, Sedang, Rendah)
Aplikasi mobile untuk siswa/orang tua
Profil siswa terintegrasi antara data absensi, performa akademik, dan riwayat intervensi dalam satu tampilan
Portal orang tua
Alert otomatis berbasis risk score dengan rekomendasi tindakan spesifik
Integrasi dengan sistem akademik eksternal (e-rapor, Dapodik)
Intervention Log dengan form pencatatan wajib (tipe, tanggal, catatan, follow-up)
Notifikasi SMS atau email
Mode offline-first dimana input data tersimpan di local storage perangkat, sinkronisasi otomatis saat koneksi tersedia
Upload dan penyimpanan dokumen fisik siswa (scan nilai, surat, atau arsip administratif)
Sistem tetap menghasilkan risk score meskipun satu kriteria belum diinput (validasi data parsial)
Predictive analytics berbasis machine learning
Tampilan dan hak akses berbeda untuk Wali Kelas, BK, Kepala Sekolah, dan TU (Role-based access)
Integrasi dengan aplikasi chat selain Whatsapp
Notifikasi via WhatsApp Gateway (draft pesan yang bisa diedit, bukan kirim otomatis)
Integrasi real-time dengan database pemerintah atau dinas pendidikan
Laporan mingguan otomatis ke Kepala Sekolah setiap Senin pagi
Sistem komunikasi otomatis langsung ke orang tua tanpa persetujuan wali kelas
Batasan Teknis:
Dioptimalkan untuk laptop; tampilan HP terbatas pada dashboard ringkas dan notifikasi
Input data dilakukan manual oleh TU dan Guru Mapel (belum integrasi otomatis dengan sistem lain)
Risk scoring dijadwalkan harian pukul 17.00 WIB, bukan real-time
Logika Sistem dan Wireframes
Traceability Matrix
ID
User Needs
Logika Sistem
Implementasi
US-1
Deteksi dini tanpa rekap manual > 4 minggu
Real-time Risk Scoring Engine
Priority Dashboard: Notifikasi "Critical" di halaman utama
US-2
Memahami pola presensi siswa (bukan angka statis)
90-hari tracking absensi siswa
Dot-Pattern Timeline: Visualisasi tren kehadiran
US-3
Mengetahui performance siswa dengan lebih baik
> 20% penurunan tracking oleh sistem
Trend Note: Pemberitahuan trend nilai siswa
US-4
Mengurangi beban mental saat intervensi
Tombol aksi tersedia di setiap alert tanpa perlu cari-cari menu
WhatsApp Integration: Integrasi dengan WhatsApp untuk memudahkan wali kelas
US-5
Memastikan akuntabilitas sekolah
Log Intervensi wajib diisi
Form Intervensi: Alert hanya hilang jika ada catatan aksi
High-Fidelity Wireframe Produk
Dokumentasi ini berisi fungsionalitas utama dan User Stories lengkap — panduan untuk tim UI/UX dan Developer saat membangun tampilan dan sistem teknis.
Dashboard Utama
Bagaimana Ini Menjawab User Stories:
User Story
Fitur yang Menjawab
US-1: Monitoring siswa berisiko
Kategori risiko (Normal/Soft/Critical)
Sorting otomatis berdasarkan risiko tertinggi
Ringkasan jumlah siswa per kategori
US-2: Deteksi absensi siswa
Kolom "Days Absent" visible di baris utama
Ahmad Fauzi (9 hari) langsung terlihat sebagai Critical
US-5: Log Intervensi
Kolom "Last Intervention" menunjukkan kapan terakhir siswa mendapat support
Membantu guru melihat siswa yang belum mendapat support
Fitur Kunci Lainnya:
Tombol Pencarian dan Filter → mencari/memfilter siswa dengan cepat tanpa scroll
Call-to-Action → "Lihat Profil" untuk eksplorasi lebih lanjut
Laman Profil Siswa
Bagaimana Ini Menjawab User Stories:
User Story
Fitur yang Menjawab
US-2: Deteksi absensi siswa
"9 hari absent berturut-turut" di Reports
Alert status "Critical Alert" jelas terlihat
US-3: Deteksi performa siswa
Tabel nilai per mata pelajaran dengan indikator "Menurun"
US-4: Komunikasi dengan Orang Tua/Wali
Riwayat pesan ke orang tua tercatat dengan jelas
Tombol "Kirim Pesan" ke Orang Tua/Wali terlihat jelas
US-5: Log Intervensi
Riwayat Intervensi lengkap dengan tanggal dan jenis intervensi
Catatan "Telepon Orang Tua (tidak ada jawaban)" terdokumentasi
Fitur Kunci Lainnya:
Panel Identitas Siswa → memberikan informasi dasar siswa
Riwayat Presensi Siswa → visualisasi kehadiran (walau belum dot pattern di gambar ini, bisa disebut sebagai rencana pengembangan)
Laman Log Intervensi
Bagaimana Ini Menjawab User Stories:
User Story
Fitur yang Menjawab
US-2: Deteksi absensi siswa
"Absen 9 hari berturut-turut" disebut sebagai penyebab alert
"Riwayat Progress Risiko" menunjukkan perjalanan dari 1 hari → 3 hari → 9 hari
US-3: Deteksi performa siswa
"Nilai menurun di pelajaran Matematika dan Web Design" disebut sebagai penyebab alert
US-4: Komunikasi dengan Orang Tua/Wali
Saran intervensi untuk wali kelas
US-5: Log Intervensi
Form Log Intervensi LENGKAP:
- Tipe Intervensi (dropdown)
- Tanggal Intervensi
- Notes (deskripsi hasil diskusi)
- Butuh Follow-Up (Ya/Tidak)
- Tanggal Follow-Up
- Tombol simpan Log Intervensi
Fitur Kunci Lainnya:
Alasan peringatan muncul → transparansi 3 alasan spesifik
Indikator Keberhasilan & Refleksi
Indikator Keberhasilan
Early Warning System dirancang untuk memberikan dampak yang terukur terhadap proses monitoring siswa dan efektivitas intervensi di sekolah. Target peningkatan sistem difokuskan pada kecepatan deteksi, akurasi identifikasi risiko, penurunan dropout, serta efisiensi kerja guru.
Indikator
Indikator Keberhasilan
Keterlambatan Deteksi
Target: -86%
Memangkas waktu identifikasi siswa berisiko dari lebih dari 1 bulan menjadi kurang dari 5 hari, sehingga wali kelas dapat melakukan intervensi sebelum masalah berkembang menjadi permanen.
Akurasi Identifikasi Risiko
Target: +322%
Meningkatkan akurasi identifikasi siswa berisiko dari 19.4% menjadi 81.86% melalui penggunaan risk scoring dan monitoring presensi serta performa akademik secara terintegrasi.*
Tingkat Drop-out
Target: -78%
Menurunkan tingkat siswa yang keluar dari sekolah dari 3.72% menjadi 0.83% dengan pendekatan intervensi dini dan monitoring berkelanjutan.
Tingkat Tahan Kelas
Target: -78%
Mengurangi jumlah siswa yang tidak naik kelas dari 2.16% menjadi 0.48% melalui deteksi penurunan performa akademik sejak awal semester.
Beban Administrasi Guru
Target: -88%
Memangkas waktu rekapitulasi data dan monitoring siswa dari 4–6 jam per minggu menjadi kurang dari 30 menit per minggu, sehingga guru dapat lebih fokus pada intervensi dan pendampingan siswa.
* Target > 80% didasarkan pada threshold minimum efektivitas EWS dalam literatur pendidikan (Ariqah & Anang, 2021).
Refleksi
Point Penting Sebelum Implementasi di Sekolah
Kualitas dan Konsistensi Input Data
Sebelum sistem ini siap, saya harus memastikan bahwa guru mata pelajaran dan wali kelas berkomitmen dan memiliki kapasitas untuk melakukan input data secara disiplin dan tepat waktu. Secanggih apa pun logika risk engine atau slow decay yang saya buat, sistem ini akan gagal jika data yang dimasukkan terlambat atau tidak akurat.
Saya harus memvalidasi apakah alur kerja input data dalam EWS ini benar-benar lebih ringan (atau minimal sama) dengan beban manual mereka saat ini agar adopsi pengguna terjamin. Tanpa user adoption di level akar rumput, sistem ini hanya akan menjadi dasbor yang cantik namun kosong.
Dokumentasi Lengkap
Proyek Early Warning System ini didukung oleh laporan analisis lengkap yang mencakup business process analysis, BPMN, arsitektur sistem, dan wireframe implementasi secara detail.
Download Laporan Lengkap Early Warning System (PDF)