🍽️ SMART CANTEEN LEARNING LAB

Laboratorium Coding & AI berbasis masalah autentik kantin sekolah

Pengembangan pedagogis dari prototipe Smart Canteen Smecon • AGKI 2026 • Deep Learning

Coding: HTML + CSS + JavaScriptAI: Rule-Based & ExplainableAlgoritma: FIFO • Search • Sort • AggregationModel: SPARK

🎯 Misi Pembelajaran

Siswa belajar dengan memecahkan persoalan nyata: bagaimana membuat antrean kantin lebih teratur, memperkirakan waktu tunggu, dan menggunakan data untuk mengambil keputusan.

📈 Progress

0 dari 5 misi selesai

🧭 Refleksi Deep Learning

Apa masalah paling penting yang kamu temukan?Mengapa algoritma FIFO cocok/tidak cocok untuk kantin?Apa keputusan yang dapat dibuat dari data menu?

🧩 Rubrik Produk Siswa

25%Produk digital berfungsi dan relevan.

25%Computational thinking: decomposition, pattern, algorithm.

20%Literasi AI: memahami data, aturan, keterbatasan.

15%Kolaborasi dan komunikasi.

15%Refleksi dan perbaikan.

🛒 Simulasi Pemesanan

Nama siswa

Kelas

🧺 Keranjang

Belum ada pesanan.

TotalRp0

Belum ada antrean.

📋 Antrean FIFO

Konsep: enqueue di belakang, dequeue dari depan.

📊 Data & Analitik

Pesanan

Item

Belum ada data.

🧑‍🏫 Dashboard Guru — Evidence Based Learning

Dashboard ini dirancang agar guru dapat menunjukkan proses, bukan hanya hasil akhir. Data disimpan lokal di browser melalui localStorage.

Total pesanan

Total item

Misi selesai

0/5

Refleksi

Belum

🔎 5W+1H Inovasi

WhatSmart Canteen Learning Lab: satu aplikasi untuk simulasi kantin dan pembelajaran coding/AI.

WhyMengubah masalah autentik antrean dan data pesanan menjadi konteks belajar bermakna.

WhoGuru sebagai fasilitator; siswa sebagai pemecah masalah dan pencipta solusi.

WhereKelas Informatika dan konteks kantin sekolah.

WhenPada pembelajaran berbasis proyek sesuai perangkat ajar guru.

HowSPARK → eksplorasi → coding → adaptasi → uji → refleksi → berbagi.

🧭 Sintaks SPARK

Stimulate
Bangkitkan masalah autentik dari antrean kantin.

Practice
Latih struktur data, fungsi, kondisi, iterasi, dan debugging.

Adapt
Sesuaikan solusi dengan kebutuhan sekolah dan data siswa.

Reflect & Share
Uji, jelaskan alasan algoritma, refleksikan hasil, presentasikan.

Keep Sustainable
Dokumentasikan, diseminasikan, dan kembangkan berkelanjutan.

🧪 Bukti Implementasi yang Perlu Dikumpulkan

1. Proses
Foto/video siswa berdiskusi, coding, testing.

2. Produk
Screenshot aplikasi, kode/algoritma, hasil modifikasi siswa.

3. Dampak
Pre/post test, rubrik, angket, refleksi, wawancara/feedback.

💻 Coding Lab — Bedah Algoritma

Siswa tidak hanya memakai aplikasi; mereka membaca, menjelaskan, memodifikasi, dan menguji algoritmanya.

Algoritma FIFO

START
  input data pemesan
  pilih menu dan jumlah
  hitung subtotal & total
  buat nomor antrean
  ENQUEUE(pesanan) ke belakang antrean

  saat penjual memproses:
    ambil elemen paling depan
    ubah status → Diproses
    setelah selesai → Selesai
    DEQUEUE dari antrean
END

Algoritma Analisis Menu

INPUT riwayatPesanan
FOR setiap pesanan
  FOR setiap item
    hitungMenu[nama] += jumlah
    pendapatan[nama] += harga × jumlah
SORT berdasarkan jumlah terbesar
HITUNG persentase
BUAT rekomendasi stok
OUTPUT ranking + insight

🧩 Tantangan Modifikasi

🧠 Computational Thinking Checklist

Decomposition
Memecah proses pemesanan menjadi input → proses → output.

Pattern Recognition
Mencari pola menu dan antrean.

Abstraction
Memilih data yang penting untuk keputusan.

Algorithm
Menyusun langkah yang dapat dieksekusi komputer.

🧠 AI Lab — Explainable AI

AI pada prototipe ini dibuat transparan: siswa dapat melihat data, aturan, proses, dan alasan keluaran. Ini bukan klaim model generatif/API eksternal.

Prediksi waktu tunggu

Rumus simulasi: jumlah posisi antrean × rata-rata waktu saji × faktor menu.

estimasi = posisiAntrean × 3 menit × faktorMenu

Rekomendasi menu

Frekuensi item → ranking → persentase → rekomendasi stok.

Jalankan analisis setelah ada pesanan.

✍️ Prompt Studio

Prompt siap pakai untuk aktivitas belajar dengan AI eksternal. Siswa wajib memverifikasi jawaban AI.

⚠️ Literasi AI: Jangan Telan Mentah-Mentah

Data
Pastikan data yang dipakai relevan, tidak sensitif, dan benar.

Bias
Menu terlaris hari ini belum tentu selalu terlaris besok.

Validasi
Keputusan guru/siswa tetap membutuhkan verifikasi manusia.

🏆 AGKI 2026 — Portfolio Builder

Halaman ini membantu mengemas satu produk inovasi sesuai komponen yang diminta pedoman: spesifikasi, langkah pembuatan, storyboard, prompt/algoritma, implementasi, hasil/dampak, dan bukti.

Karya inovasi
Smart Canteen Learning Lab sebagai satu produk terintegrasi.

AI/Coding
HTML, CSS, JavaScript, FIFO, search, aggregation, sort, rule-based AI.

Storyboard
Stimulate → Explore → Practice → Adapt → Test → Analyze → Reflect → Share.

Implementasi kelas
Gunakan Student Lab, Coding Lab, AI Lab, refleksi, dan rubrik.

Diseminasi
Dokumentasikan praktik baik di portofolio/blog/microsite dan forum berbagi.

📌 Identitas Pengembang

Nama pengembang/pesertaSekolahKelas implementasi

Catatan orisinalitas
File sumber mencantumkan atribusi “© 2026 Faradina, S.Kom.”. Jika Anda bukan pemilik/pengembang asli prototipe, jangan mengklaim kode sumber tersebut sebagai karya coding pribadi. Klaimkan hanya pengembangan yang benar-benar Anda lakukan dan cantumkan atribusi/izin yang diperlukan.

🎬 Storyboard Video 3–5 Menit

0:00–0:30
Masalah antrean kantin + tujuan inovasi.

0:30–1:20
Demo pemesanan dan FIFO.

1:20–2:20
Bedah coding dan AI explainable.

2:20–3:30+
Aktivitas siswa, refleksi, data dampak, diseminasi.

📊 Hasil & Dampak — Isi dengan Data Riil

Jangan memasukkan angka simulasi ke naskah lomba. Isi setelah implementasi.

Nilai pre-test

Nilai post-test

Keaktifan (%)

Kepuasan (%)

Belum dihitung.

Smart Canteen Learning Lab • Pengembangan pedagogis berbasis prototipe Smart Canteen Smecon • Data demo tersimpan lokal di browser.
Catatan: atribusi pemilik/prototipe sumber tetap harus dihormati; sesuaikan identitas dan bukti dengan implementasi nyata.