PatasAI sebagai Solusi

Blueprint PatasAI

1. Tujuan Utama

PatasAI — Asisten Cerdas Ekosistem SASTI

Fungsinya bukan hanya menjawab pertanyaan, tetapi membantu pengguna:

memahami data,

menemukan informasi,

melakukan analisis,

membuat ringkasan,

menyiapkan tindak lanjut,

dan nantinya menjalankan aksi tertentu dengan persetujuan pengguna.

Tagline yang cocok:

Memahami data, membantu mengambil langkah, tetap memanusiakan keputusan.

2. Arsitektur Besar

Saya sarankan arsitekturnya:

User → PatasAI Chat → AI Orchestrator → Permission Check → SASTI Data / Knowledge Base → AI Response

Ada 3 sumber utama:

A. Database SASTI

siswa

guru

kelas

presensi

keterlambatan

pelanggaran

reward

BK

nilai

kuis

ekskul

izin

jurnal

perpustakaan

dan modul lain.

B. Knowledge Base

tata tertib,

SOP,

kalender akademik,

panduan SASTI,

aturan sekolah,

dokumen BK,

panduan kegiatan,

FAQ.

C. AI Model Digunakan untuk memahami pertanyaan dan menyusun jawaban.

AI tidak boleh diberi akses database langsung secara bebas. Semua akses harus melalui fungsi/tool yang sudah Bapak tentukan.

3. PatasAI v1

Untuk tahap awal, fokus pada 3 fitur.

Chat with SASTI

Contoh:

“Berapa siswa terlambat hari ini?”

“Siswa kelas XI-2 yang terlambat lebih dari tiga kali bulan ini.”

“Berapa siswa belum tuntas Informatika?”

“Ekskul dengan kehadiran terendah bulan ini?”

PatasAI kemudian memanggil fungsi database yang sesuai.

Knowledge Base

Contoh:

“Bagaimana prosedur izin siswa?”

“Berapa poin pelanggaran rambut?”

“Bagaimana prosedur home visit?”

“Bagaimana tata cara mengikuti ekstrakurikuler?”

Jawaban hanya berdasarkan dokumen sekolah.

Jika informasi tidak ditemukan:

“Informasi tersebut belum tersedia dalam Knowledge Base SASTI.”

Bukan mengarang jawaban.

Student 360 Summary

Contoh:

Ringkas kondisi Nizar Ahmad bulan ini.

PatasAI dapat menampilkan:

Kehadiran

95%

Terlambat

4 kali

Pelanggaran

2 catatan

Reward

3 penghargaan

Akademik

2 mata pelajaran belum tuntas

Ekstrakurikuler

Pramuka – kehadiran 87%

Kemudian AI menulis:

“Dalam 30 hari terakhir, siswa memiliki kehadiran yang cukup baik, namun terdapat empat keterlambatan. Terdapat dua hasil evaluasi yang belum tuntas dan dapat menjadi bahan tindak lanjut.”

Tidak memberi label:

❌ siswa bermasalah

❌ siswa nakal

❌ berisiko tinggi

4. Role PatasAI

Ini sangat penting.

Role

Akses PatasAI

Siswa

Data dirinya sendiri

Orang tua

Data anaknya

Guru Mapel

Data pembelajaran siswa yang diajar

Wali Kelas

Data siswa kelas binaannya

BK

Kesiswaan + konseling sesuai kewenangan

Pembina Ekskul

Anggota ekskulnya

Wakasek

Data sesuai bidang

Kepala Sekolah

Dashboard agregat sekolah

Admin

Konfigurasi, bukan otomatis seluruh data sensitif

Contoh:

Guru Informatika bertanya:

“Tampilkan catatan konseling pribadi siswa X.”

PatasAI harus menjawab:

Anda tidak memiliki izin untuk mengakses informasi tersebut.

5. Struktur Database PatasAI

Saya sarankan jangan campur seluruh tabel AI dengan tabel existing SASTI.

Buat modul sendiri.

ai_conversations

conversation_id

user_id

title

role_context

created_at

updated_at

ai_messages

message_id

conversation_id

user_id

role

message

model

tokens_input

tokens_output

created_at

ai_tool_logs

tool_log_id

conversation_id

user_id

tool_name

parameters

result_summary

status

created_at

Ini penting untuk audit.

ai_knowledge_documents

document_id

title

category

source_file

status

created_by

created_at

updated_at

ai_knowledge_chunks

chunk_id

document_id

content

embedding

metadata

created_at

Ini menjadi fondasi RAG.

ai_prompt_templates

Untuk prompt cepat.

prompt_id

title

prompt

role_access

category

icon

is_active

Contoh:

Analisis keterlambatan

Analisis data keterlambatan hari ini dan tampilkan pola yang perlu mendapat perhatian.

6. AI Tools

Ini bagian paling penting dari PatasAI.

Jangan memberikan AI:

SELECT * FROM …

secara bebas.

Buat fungsi terbatas seperti:

get_student_profile()

get_student_attendance()

get_student_lateness()

get_student_violations()

get_student_rewards()

get_class_summary()

get_class_attendance()

get_exam_results()

get_exam_analysis()

get_bk_timeline()

get_extracurricular_summary()

get_school_dashboard()

AI hanya memilih fungsi yang dibutuhkan.

Contoh user:

“Bagaimana kondisi kelas XI-3 minggu ini?”

AI bisa memanggil:

get_class_attendance()

get_class_lateness()

get_class_academic_summary()

get_class_reward_summary()

Kemudian menyusun kesimpulan.

7. UI PatasAI

Saya membayangkan menu:

✨ PatasAI

Bagian atas:

Selamat pagi, Pak Nizar.

Apa yang ingin Anda ketahui tentang sekolah hari ini?

Chat box:

Tanyakan sesuatu kepada PatasAI…

Di bawahnya ada Quick Action:

Keterlambatan Hari Ini

Analisis Kelas Saya

Siswa Perlu Perhatian

Analisis Pembelajaran

Cari Tata Tertib

Buat Ringkasan

Saat AI menemukan data, jangan hanya berupa teks.

Misalnya:

Kondisi Kelas XI-3

36 Siswa

4 Terlambat

7 Belum Tuntas

5 Reward

Kemudian:

Perhatian utama

Terdapat tiga siswa dengan keterlambatan berulang dalam dua minggu terakhir.

Button:

Lihat Siswa

Analisis

Buat Tindak Lanjut

8. Context Awareness

PatasAI sebaiknya mengetahui siapa yang sedang login.

Misalnya wali kelas XI-3 membuka PatasAI.

Dia cukup bertanya:

“Bagaimana kelas saya?”

Tidak perlu:

“Bagaimana kelas XI-3?”

Karena context sudah mengetahui:

user = Nizar

role = wali_kelas

kelas = XI-3

Ini akan membuat PatasAI terasa benar-benar menyatu dengan SASTI.

9. Action AI — Tahap Berikutnya

Setelah kemampuan membaca stabil, baru AI boleh melakukan tindakan.

Contoh:

“Buatkan pesan untuk orang tua siswa yang terlambat tiga kali.”

AI membuat draft:

Yth. Bapak/Ibu orang tua/wali…

Kemudian muncul:

Preview Pesan

Edit

Batal

Kirim

AI tidak langsung mengirim.

Harus ada:

Konfirmasi pengguna

Konsep ini kita gunakan juga untuk:

WA orang tua,

membuat surat,

membuat laporan,

mencatat tindak lanjut,

membuat pengumuman,

membuat rekap.

10. Fitur PatasAI Tahap Lanjutan

Setelah v1 stabil, kita masuk ke:

PatasAI Insight

Misalnya:

“Apa yang terjadi di sekolah minggu ini?”

AI menjawab:

Keterlambatan turun 12%

Reward naik 18%

Pelanggaran penampilan terjadi peningkatan

Pembelajaran 87% siswa telah menyelesaikan evaluasi

Lalu:

“Ada peningkatan keterlambatan pada hari Senin dan Selasa yang dapat menjadi perhatian tim kesiswaan.”

PatasAI Daily Brief

Ketika Kepala Sekolah/Wakasek login:

Briefing Sekolah Hari Ini

1.424 siswa aktif

46 terlambat

8 catatan penampilan

5 siswa izin

3 kegiatan ekstrakurikuler

2 agenda sekolah

Lalu AI memberikan ringkasan.

Ini bisa menjadi salah satu fitur PatasAI yang sangat menarik.

11. Guardrail

Saya ingin bagian ini dibuat sejak awal.

PatasAI tidak boleh:

memberi diagnosis psikologis siswa,

menilai “anak nakal”,

menentukan sanksi otomatis,

membuat keputusan BK otomatis,

mengirim pesan tanpa konfirmasi,

membuka data lintas role,

memperlihatkan data siswa lain kepada siswa,

membuat jawaban seolah-olah berasal dari database padahal datanya tidak tersedia.

Setiap jawaban berbasis SASTI idealnya punya indikator:

Sumber: Data SASTI

atau:

Sumber: Tata Tertib SMA Negeri 4 Tasikmalaya

Ini sangat penting untuk kepercayaan.

12. Roadmap Step 1–10

Step

Pekerjaan

1

Audit database dan role SASTI

2

Buat modul PatasAI

3

Conversation + chat interface

4

Integrasi AI API

5

Tool / Function Calling ke SASTI

6

Role & Permission AI

7

Knowledge Base + RAG

8

Student 360 + Class Summary

9

AI Insight & Quick Action

10

AI Action + Confirmation

Saya tidak akan mulai dari RAG atau chatbot dulu.

Step 1 harus:

memetakan database SASTI, role pengguna, dan fungsi mana yang aman dibaca PatasAI.

Karena SASTI yang Bapak miliki sudah besar. AI justru harus mengikuti struktur SASTI, bukan SASTI dipaksa mengikuti AI.

Konsep akhirnya

Bayangkan seorang wali kelas membuka SASTI.

Dia tidak lagi membuka:

Keterlambatan → Presensi → Nilai → Reward → BK → Ekskul

satu per satu.

Dia cukup bertanya:

“PatasAI, apa yang perlu saya perhatikan dari kelas saya minggu ini?”

PatasAI membaca modul yang memang boleh diakses wali kelas, kemudian menjawab:

“Ada 5 hal yang perlu mendapat perhatian minggu ini.”

Lalu data pendukung ditampilkan.

Itulah menurut saya nilai sebenarnya dari PatasAI.

Bukan sekadar:

SASTI + chatbot

tetapi:

SASTI + Intelligence Layer

dan ini bisa menjadi fase transformasi berikutnya SASTI setelah 2022–2026.