Bikin materi & laporan les bahasa Inggris lebih cepat pakai Claude Code

Jumat malam jam 10. Lembar latihan untuk les besok pagi masih kosong melompong.

Saya punya kenalan yang menjalankan les bahasa Inggris seorang diri. 15 murid, dan hampir semuanya beda level, beda tujuan. Siang dipakai habis untuk mengajar, jadi waktu bikin materi cuma ada sesudah kelas selesai. Belum lagi laporan untuk orang tua murid yang terus menumpuk. “Saya suka mengajar bahasa Inggris, tapi malah hampir tewas karena urusan di luar bahasa Inggris,” keluhnya.

Masalah “waktu menyiapkan kelas lebih panjang daripada waktu mengajar” ini pasti dialami siapa pun yang mengelola les bahasa Inggris. Kali ini saya tulis sampai sejauh mana hal itu bisa dipangkas dengan Claude Code dan AI generatif, berdasarkan yang benar-benar saya coba sendiri.

Poin penting

• Sebagian besar repotnya les bahasa Inggris bukan di kelasnya, tapi menumpuk di “bikin materi” dan “nulis laporan”.
• Saat bagian itu dioper ke Claude Code, persiapan satu sesi terasa menyusut dari sekitar 30 menit jadi 10 menitan.
• Yang boleh dioper adalah “draf, kerangka kasar, dan merapikan”. Penilaian level dan cek akhir tetap wajib disentuh pengajar.
• Jangan serahkan nama asli atau kontak murid mentah-mentah ke AI. Wajib diganti dengan nama samaran atau simbol.
• Saya siapkan template prompt yang langsung jalan dan skrip verifikasi untuk menjadikan laporan sebagai template sekaligus.

Pertama, di mana macetnya pekerjaan les bahasa Inggris

Saya perjelas dulu pembacanya. Artikel ini ditujukan untuk pemilik atau pengajar les perorangan atau skala kecil dengan sekitar 10 sampai 50 murid. Merangkap kelas privat dan kelas kecil, tanpa staf administrasi, atau kalaupun ada cuma satu. Materi maupun komunikasi diurus sendiri sambil lalu oleh pengajarnya.

Kalau alur kerja les bahasa Inggris dijejer, kira-kira begini.

1. Menggali level dan tujuan murid lewat les percobaan.
2. Menyiapkan materi atau lembar latihan sesuai level setiap kali.
3. Menjalankan les.
4. Mencatat isi les lalu mengirim laporan ke orang tua atau murid.
5. Merangkum progres di akhir bulan dan menyusun rencana bulan depan.

Dari semua itu, nomor 2 dan 4 adalah pencuri waktu. Les aslinya (nomor 3) menyenangkan, dan di sini cuma manusia yang sanggup. Tapi nomor 2 dan 4, kalau ditulis manual dari nol tiap kali, satu sesi les bisa makan 40 sampai 60 menit untuk persiapan dan beres-beresnya. Pengajar dengan 20 sesi seminggu, hanya untuk itu saja sudah hilang belasan jam per minggu.

Kesalahan dan kerepotan yang sering muncul

Saya kumpulkan “yang sering kejadian” dari cerita kenalan saya.

• Materi dibuat terlalu detail, tapi pas hari H tidak cocok dengan level murid sehingga separuhnya tak terpakai.
• Lembar kosakata yang mirip minggu lalu dibuat ulang tiap pekan, aset lama tidak terpakai kembali.
• Laporan ditunda terus sampai menumpuk, lalu dikebut sambil menangis di akhir bulan.
• Nada tulisan diubah untuk tiap orang tua, satu surat saja makan 15 menit.
• Catatan tulisan tangan berserakan, isi les tiga bulan lalu sudah lupa.

Benang merahnya: “selalu menulis dari nol” dan “tumpukan masa lalu tidak terpakai”. Nah, di sinilah wilayah jagoan AI generatif yang piawai bikin kerangka kasar.

Use case 1: bikin draf lembar materi per level dalam 10 menit

Pemakaian pertama adalah draf lembar materi. Kalau Anda kasih tahu level dan tema murid, AI langsung mengeluarkan kerangka lengkap: daftar kosakata, contoh kalimat, soal latihan, sampai model percakapan.

Yang saya coba adalah kasus membuat lembar bertema “memesan di kafe” untuk murid level CEFR A2 (kira-kira setara baru selesai bahasa Inggris SMP). Promptnya saya tulis begini.

Anda adalah pengajar les bahasa Inggris yang berpengalaman. Buatkan draf lembar les dengan syarat berikut.

# Info murid
- Level: CEFR A2 (setara selesai bahasa Inggris tingkat SMP)
- Rentang usia: pekerja 20-40 tahun
- Tema hari ini: memesan di kafe

# Yang ingin saya dapatkan
1. 10 kosakata yang dipelajari hari ini (tabel: Inggris - cara baca - terjemahan Indonesia)
2. Satu contoh kalimat untuk tiap kosakata
3. Model percakapan memesan (pelayan dan pelanggan, sekitar 6 giliran)
4. 5 soal isian rumpang (jawaban di kolom terpisah)
5. 3 topik percakapan bebas

# Batasan
- Hindari istilah teknis dan ungkapan sulit, pakai ekspresi yang wajar diucapkan di level A2
- Tambahkan 1 catatan soal pelafalan atau intonasi yang sering bikin orang Indonesia tersandung

Draf yang kembali sudah pada taraf 80 persen bisa langsung dipakai. Tabel kosakatanya rapi, model percakapannya pun natural. Sisanya 20 persen, yaitu penyesuaian semacam “murid ini minggu lalu sudah belajar would like, jadi masukkan saja”, tinggal ditambah pengajar. Menulis dari nol yang 30 menit berubah jadi menyesuaikan yang 10 menit.

Pakai Claude Code, bagian ini makin enteng. Taruh lembar-lembar lama di folder les, lalu beri instruksi “jangan sampai kosakatanya tumpang tindih dengan lembar yang lama”, maka ia akan membaca file dan menghindari pengulangan. Pekerjaan setingkat folder seperti ini tidak bisa dilakukan AI chat sekali pakai, tapi justru jadi keahlian Claude Code. Buat yang masih ragu soal mulainya, baca dulu cara mulai untuk non-engineer supaya lebih sedikit tersandung.

Use case 2: jadikan laporan les sebagai template dan produksi massal

Yang kedua adalah laporan les. Refleksi hari itu yang dikirim ke orang tua atau murid sendiri. Kalau ini ditulis dari nol tiap kali, satu surat makan 15 menit.

Kuncinya: serahkan poin-poin catatan, lalu serahkan tugas menyalin rapi saja ke AI. Catatan kasar yang diambil saat les cukup sesederhana ini.

- Murid: K (nama samaran)
- Hari ini: kalimat tanya bentuk lampau, cerita kenangan liburan
- Berhasil: bentuk lampau kata kerja beraturan lancar
- Tantangan: kata kerja tak beraturan seperti go -> went masih ragu
- Berikutnya: ulang pakai kartu kata kerja tak beraturan
- PR: tulis kejadian akhir pekan dalam 3 kalimat

Tempelkan catatan ini ke prompt berikut, maka ia berubah jadi laporan yang sopan untuk orang tua.

Rapikan catatan les berikut menjadi laporan yang dikirim ke orang tua murid.

# Nada
- Lembut dan positif. Sebut dulu yang berhasil, lalu tantangan disandingkan dengan saran perbaikan
- Tanpa istilah teknis, pakai kata yang dimengerti orang tua yang tidak paham bahasa Inggris
- Sekitar 300-400 karakter, tutup dengan satu kalimat semangat untuk pertemuan berikutnya

# Catatan les
(tempel catatan di atas di sini)

Dengan mengunci nada ke “lembut dan positif”, waktu yang habis untuk pusing memikirkan kalimat per orang tua pun hilang. Pola pikir membuat template ini juga saya bahas di penerapan lanjutan prompt engineering, dan laporan les bahasa Inggris justru pekerjaan yang sangat cocok dipola.

Batas yang dioper ke AI dan batas yang wajib diputuskan manusia

Kalau ini dibiarkan kabur, bisa celaka. Garis pembatasnya saya buat dalam tabel.

Pekerjaan	Dioper ke AI	Wajib diputuskan manusia
Draf kosakata dan contoh kalimat materi	Ya, keluarkan kerangka kasar	Cek akhir apakah level benar-benar pas
Membuat soal latihan	Ya, bikin soal dan jawaban	Cek mata apakah jawaban benar
Menyalin rapi laporan	Ya, ubah catatan jadi kalimat	Cek apakah ada ungkapan yang tak sesuai fakta
Penilaian level murid	Sebatas pendapat referensi	Pengajar yang putuskan akhir
Keputusan naik kelas atau pindah kelas	Tidak	Pengajar atau pengelola yang putuskan
Mengirim ke orang tua	Tidak	Wajib dibaca manusia dulu baru dikirim

Prinsipnya sederhana. Oper “menulis” dan “merapikan” ke AI, pegang sendiri “memutuskan” dan “mengirim”. AI generatif santai saja menyelipkan kebohongan yang kelihatan meyakinkan, jadi jawaban dan fakta wajib lewat mata manusia. Asal ini dijaga, Anda hanya menerima kecepatan kerangka kasarnya saja.

Catatan keamanan dan data pribadi

Les bahasa Inggris menangani nama asli, kontak, info pembayaran murid, bahkan kadang sampai data anak-anak. Di sini kita harus hati-hati.

• Jangan masukkan nama asli, alamat, nomor telepon, atau email murid mentah-mentah ke AI. Ganti dengan nama samaran atau simbol seperti “Murid K” atau “Murid A”.
• Info anak-anak harus ekstra hati-hati. Jangan serahkan foto, nama sekolah spesifik, atau alamat.
• Laporan setelah dibuat wajib dibaca manusia, betulkan dulu kesalahan nama atau fakta baru dikirim.
• Dokumentasikan aturan operasional di les. Rangkum dalam satu lembar: apa yang boleh dimasukkan dan apa yang tidak.

Cukup dengan disiplin pakai nama samaran, sebagian besar risiko sudah terhindar. Untuk membuat aturan per proyek, cara menulis CLAUDE.md bisa jadi acuan. Kalau di folder les Anda tulis jelas “data pribadi harus dijadikan nama samaran”, Claude Code akan bergerak dengan memperhatikan kebijakan itu.

Siap copas: skrip verifikasi untuk menjadikan laporan template sekaligus

Saat catatan sudah menumpuk banyak, menempel satu per satu itu merepotkan. Maka saya tulis skrip verifikasi yang membaca JSON catatan lalu menghasilkan template laporan sekaligus. Asal ada Node.js, ini jalan. Tanpa pakai API key Anthropic, ini versi template untuk memastikan dulu “apakah polanya bisa dialirkan dengan benar”.

// report-template.mjs
// Skrip verifikasi: bikin template laporan sekaligus dari catatan les (JSON)
import { readFile, writeFile, mkdir } from "node:fs/promises";

// Info murid wajib dibuat nama samaran (jangan masukkan nama asli)
const notes = [
  { alias: "K", topic: "kalimat tanya bentuk lampau", good: "kata kerja beraturan lancar", issue: "kata kerja tak beraturan masih ragu", next: "ulang pakai kartu kata kerja tak beraturan" },
  { alias: "M", topic: "ungkapan menunjuk arah", good: "turn left/right sudah melekat", issue: "pemakaian kata depan", next: "praktik pakai peta" },
];

function buildReport(n) {
  return [
    `[Laporan Les ${n.alias}]`,
    ``,
    `Hari ini kami mengerjakan "${n.topic}".`,
    `Yang baik: ${n.good}. Murid mengerjakannya dengan tenang.`,
    `Tantangan berikutnya: ${n.issue}. Pertemuan berikutnya kita latihan bersama lewat ${n.next}.`,
    ``,
    `Saya terus mendukung. Sampai jumpa di pertemuan berikutnya.`,
  ].join("\n");
}

await mkdir("./reports", { recursive: true });
for (const n of notes) {
  const body = buildReport(n);
  await writeFile(`./reports/report-${n.alias}.txt`, body, "utf8");
  console.log(`Dibuat: reports/report-${n.alias}.txt`);
}
console.log(`Menghasilkan ${notes.length} template.`);

Menjalankannya cuma ini.

node report-template.mjs

Di folder reports akan berjejer template per murid. Setelah itu tinggal serahkan teksnya ke Claude Code lalu minta “buat nada lebih lembut lagi”, maka penyalinan rapi pun langsung beres. Kunci polanya dulu pakai mesin, baru gemukkan kalimatnya. Urutan inilah rahasia agar laporan tidak berantakan. Buat yang ingin kerja makin cepat, silakan lihat trik kecil menaikkan produktivitas.

Oh ya, bagi yang masih samar soal pembagian level CEFR, sebaiknya tengok sekali penjelasan CEFR dari British Council supaya tidak bingung saat menginstruksikan tingkat kesulitan materi.

Perkiraan kasar ROI-nya

Mari lihat juga dari angka. Ini sekadar perkiraan kasar.

• Lembar materi: dulu 30 menit jadi 10 menit dengan draf AI plus penyesuaian. Hemat 20 menit per sesi.
• Satu laporan: dulu 15 menit jadi 5 menit dengan catatan plus salin rapi. Hemat 10 menit per surat.
• Pengajar dengan 20 sesi dan 20 laporan per minggu: (20 menit x 20) + (10 menit x 20) = hemat 10 jam per minggu.

Kalau dihitung dengan tarif Rp 100.000 per jam, sekitar Rp 1 juta nilai waktu per minggu jadi tersisa. Waktu itu bisa dialihkan ke menjaring murid lewat les percobaan, atau merawat tiap murid satu per satu. Bisa mengembalikan waktu yang dipangkas itu ke “waktu mengajar” adalah efek paling besarnya menurut saya.

Pertanyaan umum

T. Apakah aman memberikan materi buatan AI langsung ke murid? J. Sebagai kerangka kasar memang bagus, tapi saya tidak sarankan diberikan apa adanya. Bisa ada salah jawaban atau ungkapan yang tak cocok dengan level murid itu. Pengajar wajib memeriksanya dan menyesuaikan dulu sebelum dipakai.

T. Apakah contoh kalimat bahasa Inggrisnya tidak jadi janggal? J. Model terbaru sudah cukup tinggi kealamian bahasa Inggrisnya. Tapi campuran gaya lisan dan tulisan, serta perbedaan wilayah (AS vs Inggris) tetap muncul. Bagian yang mengganjal bisa dirapikan dengan instruksi tambahan seperti “buat lebih kasual seperti percakapan lisan”.

T. Apakah bisa dipakai meski tidak jago komputer? J. Kalau cuma copas prompt, tidak butuh keterampilan khusus. Kalau ragu soal pemasangan Claude Code itu sendiri, mulai saja dari panduan pemasangan pertama supaya lebih tenang.

T. Saya cemas memasukkan info murid. J. Jangan masukkan nama asli atau kontak. Asal diganti dengan nama samaran atau simbol, penyalinan laporan maupun pembuatan materi tetap lancar. Lebih aman lagi kalau aturan input dirangkum dalam satu lembar di les Anda.

T. Apakah cocok untuk perorangan maupun penerapan di les? J. Untuk belajar mandiri atau pengajar sampingan, mulai dari PDF gratis atau materi. Untuk diterapkan sebagai bagian kerja di les, mulai dari konsultasi desain operasional. Lihat CTA di bawah.

Kalau serius mau menanamkannya ke pekerjaan les

Semua prompt dan skrip di atas bisa Anda coba sendiri dulu. Yang ingin memakainya sambil belajar mandiri, paling praktis mulai dari PDF gratis dan materi.

Sebaliknya, kalau di les dengan beberapa pengajar Anda ingin “menyatukan cara bikin materi dan laporan sebagai sistem” atau “merapikan aturan pemakaian data pribadi”, lebih cepat dirancang daripada gaya sendiri-sendiri. Untuk penerapan seluruh les, atau pelatihan dan konsultasi operasional untuk pengajar, silakan hubungi lewat loket pelatihan dan konsultasi.

Hasil yang benar-benar saya coba

Terakhir, saya tulis jujur apa yang saya buktikan sendiri dengan tangan saya.

Lembar materi benar-benar saya generate dengan tema “memesan di kafe” untuk level A2. Tabel kosakata, model percakapan, sampai soal isian rumpang keluar lengkap, perbaikannya sekitar 20 persen. Jelas lebih cepat daripada menulis dari nol. Di sisi lain, ada satu jawaban soal isian rumpang yang agak janggal terselip, jadi saya makin yakin cek mata memang tak bisa dilewatkan.

Untuk laporan, skrip verifikasi di atas benar-benar saya jalankan, dan saya pastikan sampai 2 template nama samaran keluar di folder reports. Begitu polanya dikunci mesin, goyangan saat menyalin rapi pun lenyap. Saya juga coba pemakaian nama samaran, dan memastikan laporan rampung tanpa memasukkan satu pun nama asli.

Kesimpulannya, “waktu di luar mengajar” pada les bahasa Inggris bisa dipangkas cukup banyak dengan AI generatif dan Claude Code. Tapi yang bisa dipangkas hanya sampai draf dan perapian. Penilaian level dan cek akhir, bagian yang menunjukkan kelihaian pengajar, tetap utuh tersisa. Justru karena itu, waktu yang dioper ke mesin bisa dikembalikan jadi waktu untuk menghadapi murid.