Minat keluarga Indonesia pada coding dan kecerdasan buatan untuk anak menguat sepanjang paruh pertama 2026, dengan literasi AI tumbuh paling cepat. Peminatan terpusat di kota berkesiapan digital tinggi dan memuncak pada jenjang SD kelas atas serta SMP. Laporan ini memetakan momentum tersebut lewat data terindeks dan statistik resmi.
Coding dan kecerdasan buatan bergerak dari ranah minat pinggiran menuju arus utama kebutuhan belajar keluarga Indonesia. Laporan ini memotret momentum tersebut pada paruh pertama 2026 melalui dua lajur data: analisis internal EduPoint yang disajikan terindeks, dan statistik resmi yang dikutip langsung. Sepanjang jendela pengamatan, minat pada coding anak dan literasi AI sama-sama menguat, dengan kecerdasan buatan tumbuh paling cepat.
Pergeseran ini berlangsung di lingkungan kebijakan yang mendukung. Melalui Peraturan Menteri Pendidikan Dasar dan Menengah Nomor 13 Tahun 2025, mata pelajaran pilihan Koding dan Kecerdasan Artifisial masuk kurikulum nasional tahun ajaran 2025/2026, diterapkan bertahap mulai kelas 5, 7, dan 10. Kebijakan ini menautkan minat keluarga dengan agenda pendidikan formal, dan peta minat internal memperlihatkan puncak pada jenjang yang persis menjadi titik masuk kebijakan.
Peminatan tersebar tidak merata secara geografis. Kota dengan kesiapan digital tertinggi, dipimpin kawasan Jabodetabek, menempati indeks sebaran teratas, sejalan dengan penetrasi internet perkotaan yang melampaui delapan dari sepuluh penduduk. Di dalam keranjang keterampilan, pemrograman visual menjadi gerbang pertama anak, disusul Python dan literasi kecerdasan buatan, sementara robotika melengkapi dimensi perangkat keras.
Seluruh besaran internal disajikan sebagai indeks, peringkat, atau pangsa relatif demi menjaga kerahasiaan, sementara klaim faktual disandarkan pada sumber resmi. Laporan ini adalah potret satu periode; edisi berikutnya akan memperluas rentang waktu agar musiman dan perubahan antar-tahun terbaca lebih utuh.
Coding dan kecerdasan buatan untuk anak bergeser dari kegemaran segelintir keluarga menuju keterampilan yang dianggap perlu dini, didorong perubahan kurikulum dan kebutuhan ekonomi digital.
Satu dekade lalu, mengenalkan pemrograman kepada anak usia sekolah dasar terdengar seperti ambisi segelintir keluarga penggemar teknologi. Pada 2026, coding dan kecerdasan buatan menempati posisi berbeda: keduanya dipandang sebagai bekal dasar yang layak dikenalkan sejak dini, setara dengan membaca, menulis, dan berhitung. Minat coding anak tumbuh bersama kesadaran bahwa keterampilan digital menentukan peluang di masa depan.
Laporan ini memetakan minat coding dan AI untuk anak di Indonesia pada awal 2026. Fokusnya terletak pada arah dan struktur peminatan, di luar sekadar jumlah peserta: seberapa cepat minat menguat, di kota mana ia terpusat, dan pada jenjang usia berapa ia memuncak. Tujuannya membangun rujukan data yang jujur tentang gelombang minat yang selama ini lebih banyak dibicarakan daripada diukur.
Cakupan laporan adalah peminatan keterampilan digital anak usia sekolah, dari kelas coding anak berbasis proyek hingga pengenalan literasi AI. Setiap angka internal disajikan terindeks, sebagai struktur dan arah pasar, tanpa jumlah mutlak. Fakta eksternal, dari kebijakan kurikulum hingga kesiapan digital nasional, dikutip dari sumber resmi dan ditandai jelas. Pembacaan difokuskan pada pola yang stabil, bukan riak sesaat.
Permendikdasmen Nomor 13 Tahun 2025 menetapkan Koding dan Kecerdasan Artifisial sebagai mata pelajaran pilihan mulai tahun ajaran 2025/2026, diterapkan bertahap dari kelas 5, 7, dan 10.
Minat coding anak menemukan pijakan formalnya pada 2025. Melalui Peraturan Menteri Pendidikan Dasar dan Menengah Nomor 13 Tahun 2025, mata pelajaran pilihan Koding dan Kecerdasan Artifisial resmi masuk kurikulum nasional tahun ajaran 2025/2026. Kebijakan ini menempatkan keterampilan digital di dalam struktur sekolah, sekaligus memberi sinyal kepada keluarga bahwa coding dan AI adalah kompetensi yang diakui sistem pendidikan.
Rancangan mata pelajaran ini menekankan berpikir komputasional, pemecahan masalah, dan etika digital. Statusnya sebagai mata pelajaran pilihan, bukan wajib, menyisakan peran penting bagi pendampingan di luar sekolah: keluarga yang ingin anaknya mendalami coding dan AI melampaui porsi kelas mencari kelas coding anak dan bimbingan tambahan. Kebijakan membuka pintu, sementara minat menentukan seberapa jauh anak melangkah masuk.
Sumber: Permendikdasmen No. 13 Tahun 2025; Panduan Mata Pelajaran Koding dan Kecerdasan Artifisial, Kemendikdasmen; analisis internal EduPoint (terindeks).
Indonesia menargetkan sembilan juta talenta digital hingga 2030, sementara pasokan tahunan masih jauh di bawah kebutuhan, sebuah kesenjangan yang menjelaskan mengapa keluarga menyiapkan anak sejak dini.
Di balik minat coding anak berdiri perhitungan ekonomi berjangka panjang. Kementerian yang menangani urusan digital memproyeksikan kebutuhan sekitar sembilan juta talenta digital hingga 2030 untuk menopang ekonomi digital nasional. Bila dirata-rata, kebutuhan itu setara ratusan ribu talenta baru setiap tahun.
Jarak antara kebutuhan dan pasokan inilah yang menebalkan kesediaan keluarga berinvestasi pada keterampilan digital anak. Belajar coding dan kecerdasan buatan tidak lagi dilihat sebagai kegemaran, tetapi sebagai persiapan menuju bidang studi dan karier yang diperkirakan lapang. Keluarga yang mengenalkan pemrograman dan literasi AI sejak sekolah dasar berikhtiar menempatkan anak lebih awal pada jalur yang panjang.
Sumber: BAKTI Kementerian Komunikasi dan Informatika; pemberitaan ANTARA (kantor berita negara); analisis internal EduPoint (terindeks).
Penetrasi internet nasional melampaui tiga perempat penduduk, dan generasi termuda tumbuh paling terhubung, menyiapkan lahan subur bagi minat coding dan AI anak.
Minat coding dan AI untuk anak tumbuh di atas infrastruktur digital yang makin matang. Survei Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) 2024 mencatat penetrasi internet nasional 79,5 persen, setara 221,5 juta jiwa dari populasi 278,7 juta. Anak-anak Indonesia hari ini bertumbuh di rumah yang terhubung, akrab dengan gawai jauh sebelum mereka mengenal baris kode pertama.
| Generasi | Tingkat penetrasi | Kontribusi pengguna |
|---|---|---|
| Gen Z (lahir 1997-2012) | 87,02% | 34,40% |
| Milenial (1981-1996) | 83,00% | 30,62% |
| Gen X (1965-1980) | - | 18,98% |
Generasi Z, yang mencakup pelajar sekolah dan mahasiswa awal, memimpin dengan tingkat penetrasi 87 persen dan menjadi kelompok pengguna internet terbesar. Kelompok yang lebih muda dari mereka, anak-anak yang baru masuk sekolah, mewarisi keterhubungan yang sama. Kesiapan digital ini menjadi landasan mengapa kelas coding anak dan pengenalan literasi AI menemukan sambutan yang cepat.
Sumber: APJII, Survei Penetrasi Internet Indonesia 2024; analisis internal EduPoint (terindeks).
Sepanjang jendela pengamatan 2026, minat coding anak dan literasi AI sama-sama menguat, dengan kecerdasan buatan tumbuh paling cepat dari basis 100 menuju 181.
Inti laporan ini adalah momentum: seberapa cepat minat coding dan AI untuk anak menguat. Diukur sebagai indeks relatif dengan awal jendela pengamatan sebagai basis 100, ketiga rumpun keterampilan bergerak naik. Literasi kecerdasan buatan mencatat momentum paling deras, disusul coding, lalu robotika.
| Rumpun keterampilan | Basis | Akhir jendela | Arah |
|---|---|---|---|
| Literasi kecerdasan buatan (AI) | 100 | 181 | naik tercepat |
| Coding / pemrograman anak | 100 | 158 | naik |
| Robotika dan elektronika | 100 | 129 | naik |
Lonjakan literasi AI berjalan seiring meluasnya perbincangan publik tentang kecerdasan buatan dan masuknya topik ini ke dalam kurikulum. Coding tetap menjadi fondasi yang stabil dan bertumbuh, karena ia adalah pintu masuk paling konkret bagi anak untuk memahami cara kerja mesin cerdas. Robotika, yang menuntut perangkat keras, tumbuh lebih tenang namun konsisten.
Karena jendela pengamatan pendek, momentum ini dibaca sebagai arah, bukan ramalan pasti. Nilai indeks memperlihatkan urutan laju antar-rumpun tanpa membuka volume mentah. Bab-bab berikut menelaah di mana minat itu terpusat dan pada jenjang berapa ia memuncak.
Sumber: Analisis internal EduPoint (terindeks), peminatan keterampilan digital anak Februari-Juni 2026.
Peminatan keterampilan digital anak terbagi tiga: pemrograman menempati porsi terbesar, disusul literasi kecerdasan buatan, lalu robotika dan elektronika.
Di dalam keranjang keterampilan digital anak, pemrograman menempati porsi terbesar. Coding, dari pemrograman visual hingga bahasa teks, menjadi titik masuk paling umum karena ia paling mudah dipraktikkan dengan perangkat yang sudah ada di rumah. Literasi kecerdasan buatan menyusul sebagai rumpun kedua, sementara robotika melengkapi dengan dimensi perangkat keras.
Pangsa relatif antar-rumpun (persen), berbasis komposisi peminatan internal Februari-Juni 2026. Angka mutlak tidak ditampilkan.
Komposisi ini mencerminkan tangga belajar yang alami. Anak biasanya memulai dari coding sebagai fondasi berpikir komputasional, lalu bergerak ke literasi AI untuk memahami teknologi yang mereka gunakan sehari-hari. Robotika menarik anak yang menyukai pertemuan antara program dan benda nyata yang bergerak. Ketiganya saling menopang di dalam satu ekosistem keterampilan.
Sumber: Analisis internal EduPoint (terindeks), peminatan keterampilan digital anak Februari-Juni 2026.
Pemrograman visual seperti Scratch memuncaki ragam keterampilan coding anak, disusul Python, literasi AI, pengembangan game, dan robotika.
Ketika dipecah menjadi keterampilan spesifik, jalur belajar coding anak mengikuti pola yang jelas. Pemrograman visual berbasis blok, dengan Scratch sebagai wajah paling dikenal, menempati puncak peminatan. Formatnya yang menyerupai menyusun balok membuat anak usia sekolah dasar dapat mulai membangun logika tanpa terhambat sintaks.
Indeks relatif, keterampilan pemuncak = 100. Angka mutlak tidak ditampilkan.
Python muncul sebagai jembatan menuju pemrograman teks, dipilih karena sintaksnya bersahabat dan dipakai luas di dunia kecerdasan buatan. Literasi AI dan keterampilan menyusun prompt naik cepat, menandai kesadaran bahwa memahami cara kerja mesin cerdas kini sama pentingnya dengan menulis kode. Pengembangan game menjadi magnet motivasi, karena anak melihat hasil karyanya langsung bisa dimainkan.
Peminatan ditampilkan sebagai indeks relatif antar-keterampilan, memperlihatkan urutan tanpa membuka volume mentah. Susunan ini menegaskan bahwa jalur belajar coding anak paling kokoh ketika dimulai dari yang paling ramah usia, lalu menanjak sesuai kesiapan.
Sumber: Analisis internal EduPoint (terindeks), peminatan keterampilan digital anak Februari-Juni 2026.
Minat coding dan AI anak terpusat di kota berkesiapan digital tinggi, dipimpin kawasan Jabodetabek, lalu Surabaya, Bandung, dan kota besar lain.
Peminatan coding dan AI anak tersebar tidak merata di seluruh negeri. Kawasan metropolitan Jabodetabek menempati indeks sebaran tertinggi, ditopang kepadatan sekolah, akses internet yang luas, dan ekosistem teknologi yang matang. Surabaya dan Bandung menyusul sebagai pusat pendidikan dan teknologi regional.
Indeks relatif, kota pemuncak = 100, diselaraskan dengan kesiapan digital dan sebaran sekolah. Angka mutlak tidak ditampilkan; kota dengan sampel kecil disembunyikan demi keterwakilan.
Pola ini selaras dengan peta kesiapan digital nasional. Penetrasi internet perkotaan mencapai 82,2 persen menurut APJII, lebih tinggi dari perdesaan yang 74 persen. Kota-kota dengan konsentrasi kelas menengah dan infrastruktur teknologi menjadi lahan tempat minat coding anak paling cepat berakar, sementara wilayah berkembang menuntut jembatan akses yang berbeda.
Kota dengan sampel kecil tidak ditampilkan demi menjaga keterwakilan. Implikasinya, akses ke kelas coding anak berkualitas paling tebal di kota besar, dan pembelajaran daring memikul peran penting untuk memperpendek jarak ke wilayah yang sedang tumbuh, sebuah dinamika yang dibahas pada bab ekuitas.
Sumber: Analisis internal EduPoint (terindeks); APJII, Survei Penetrasi Internet Indonesia 2024.
Minat coding dan AI anak memuncak pada jenjang SD kelas atas dan SMP, selaras dengan titik masuk kebijakan Koding dan Kecerdasan Artifisial di kelas 5 dan 7.
Salah satu temuan paling tajam laporan ini adalah korelasi antara minat dan jenjang. Peminatan coding dan AI anak memuncak pada jenjang sekolah dasar kelas atas, disusul rapat oleh sekolah menengah pertama. Minat pada sekolah dasar kelas bawah lebih rendah, mengikuti kesiapan kognitif, sementara jenjang menengah atas condong bergeser ke persiapan seleksi akademik.
Indeks relatif, jenjang pemuncak = 100. Angka mutlak tidak ditampilkan.
Yang menarik, puncak peminatan jatuh persis pada jenjang yang menjadi titik masuk kebijakan. Mata pelajaran pilihan Koding dan Kecerdasan Artifisial diterapkan bertahap mulai kelas 5 dan kelas 7, dua jenjang dengan indeks minat tertinggi. Pertemuan antara agenda kurikulum dan aspirasi keluarga ini memperkuat satu sama lain: sekolah membuka pintu, keluarga mendorong anak melangkah lebih jauh lewat kelas coding anak tambahan.
Pergeseran menuju persiapan akademik di jenjang menengah atas menjelaskan turunnya indeks pada kelas 10 sampai 12. Minat pada jenjang ini tetap hidup, hanya saja bersaing dengan tuntutan seleksi masuk perguruan tinggi. Bagi keluarga, membangun fondasi coding sejak SD dan SMP menjadi strategi agar keterampilan digital telanjur mengakar sebelum jadwal belajar mengetat.
Sumber: Analisis internal EduPoint (terindeks); Permendikdasmen No. 13 Tahun 2025.
Coding melatih berpikir komputasional yang beririsan dengan numerasi, ranah tempat capaian Indonesia masih di bawah rata-rata internasional, sehingga pengenalan coding punya nilai lebih dari sekadar keterampilan teknis.
Nilai belajar coding untuk anak melampaui penguasaan bahasa pemrograman. Inti yang dilatihnya adalah berpikir komputasional: memecah masalah besar menjadi langkah kecil, mengenali pola, dan menyusun solusi bertahap. Kemampuan ini beririsan erat dengan numerasi, yaitu kecakapan menggunakan penalaran matematis dalam kehidupan nyata.
| Domain | Indonesia | Rata-rata OECD |
|---|---|---|
| Matematika | 366 | 472 |
| Membaca | 359 | 476 |
| Sains | 383 | 485 |
Hasil Programme for International Student Assessment (PISA) 2022 menempatkan skor matematika Indonesia pada 366, jauh di bawah rata-rata OECD 472. Angka ini memperlihatkan ruang perbaikan yang lebar pada penalaran kuantitatif. Coding menawarkan pintu masuk yang menyenangkan menuju penalaran logis dan matematis, karena anak melihat langsung akibat dari setiap langkah yang mereka susun.
Dengan latar ini, minat coding anak membawa manfaat ganda. Ia menyiapkan keterampilan digital yang dicari ekonomi masa depan, sekaligus melatih penalaran yang menopang pelajaran inti di sekolah. Keluarga yang mengenalkan coding sejak dini sesungguhnya turut merawat fondasi berpikir yang lebih luas.
Sumber: OECD, PISA 2022 Results (Indonesia); analisis internal EduPoint (terindeks).
Kesiapan digital yang timpang antara perkotaan dan perdesaan membentuk peta siapa yang paling mudah mengakses coding dan AI anak, menjadikan pemerataan infrastruktur sebagai kunci.
Peminatan coding dan AI anak yang terpusat di kota besar mengangkat pertanyaan tentang pemerataan. Akses pada kelas coding anak dan literasi AI berpijak pada dua syarat: perangkat dan koneksi. Keduanya belum tersebar merata di seluruh negeri.
Selisih kota dan desa berdampak langsung pada peta minat. Anak di wilayah dengan koneksi stabil dan perangkat memadai lebih mudah mencoba pemrograman visual, mengakses materi literasi AI, dan bergabung di kelas daring. Anak di wilayah berkembang menghadapi hambatan yang lebih tinggi, meski minat dan potensinya setara.
Pembelajaran daring menawarkan jalan memperpendek jarak. Kelas coding anak berbasis online memungkinkan seorang anak di kota kecil belajar dari pengajar berkualitas di mana pun berada, sepanjang koneksi tersedia. Karena itu, pemerataan infrastruktur digital perdesaan berbanding lurus dengan perluasan akses pada keterampilan masa depan.
Sumber: APJII, Survei Penetrasi Internet Indonesia 2024; analisis internal EduPoint (terindeks).
Pengajar coding dan AI anak didominasi latar Teknik Informatika dan Ilmu Komputer, disusul Sistem Informasi dan bidang teknik terkait, dengan pendidikan komputer memberi bekal pedagogi.
Mutu kelas coding anak berakar pada siapa yang mengajar. Latar pendidikan pengajar coding dan AI didominasi rumpun Teknik Informatika dan Ilmu Komputer, bidang yang paling dekat dengan materi pemrograman dan kecerdasan buatan. Sistem Informasi dan Teknik Elektro melengkapi, terutama untuk topik yang menyentuh perangkat dan robotika.
Indeks relatif, jurusan pemuncak = 100. Angka mutlak tidak ditampilkan.
Kehadiran latar Pendidikan Ilmu Komputer penting untuk mutu pengajaran, karena membawa bekal pedagogi formal di samping penguasaan materi. Latar Matematika turut mewarnai, sejalan dengan irisan erat antara coding dan penalaran kuantitatif. Komposisi ini menunjukkan bahwa pengajar coding anak berdiri di persilangan penguasaan teknis dan kemampuan menjelaskan.
Sumber: Analisis internal EduPoint (terindeks); PDDikti, Statistik Pendidikan Tinggi 2025.
Sesi coding anak lebih condong daring dibanding rata-rata les privat, karena materinya berbasis layar, meski tatap muka tetap memimpin untuk pendampingan dini.
Cara belajar coding dan AI anak memiliki bentuk yang khas. Karena materinya berbasis layar dan proyek, pembelajaran daring memiliki porsi lebih besar dibanding rata-rata les privat pada umumnya. Meski demikian, tatap muka tetap memimpin, terutama untuk anak yang baru mulai dan membutuhkan pendampingan langsung.
Pangsa relatif antar-mode (persen), berbasis komposisi peminatan coding dan AI anak Februari-Juni 2026. Angka mutlak tidak ditampilkan.
Porsi online sekitar 38 persen ini lebih tinggi dari rata-rata les privat, yang bertumpu pada tatap muka untuk sebagian besar sesinya. Sifat coding yang berbasis perangkat lunak membuat jarak fisik menjadi hambatan yang lebih kecil: anak dan pengajar dapat berbagi layar, menjalankan kode bersama, dan menelaah hasil secara langsung dari lokasi berbeda.
Sumber: Analisis internal EduPoint (terindeks), peminatan coding dan AI anak Februari-Juni 2026.
Temuan indeks mengarahkan langkah bagi keluarga, penyedia layanan, dan pemangku kebijakan pendidikan digital anak.
Literasi AI akan terus memimpin momentum, coding tetap menjadi fondasi, dan penerapan kurikulum memperkuat minat, sembari menanti rentang data yang lebih panjang.
Tiga arah tampak menguat. Pertama, literasi kecerdasan buatan akan melanjutkan momentum tercepatnya seiring makin dalamnya teknologi cerdas dalam keseharian anak. Kedua, coding tetap menjadi fondasi yang stabil, karena ia pintu masuk paling konkret menuju berpikir komputasional. Ketiga, penerapan bertahap mata pelajaran Koding dan Kecerdasan Artifisial akan memperkuat minat di jenjang sekolah dasar kelas atas dan menengah pertama.
Laporan ini adalah potret satu periode, sehingga proyeksinya bersifat indikatif. Edisi berikutnya akan memperluas rentang waktu agar musiman dan perubahan antar-tahun terbaca lebih utuh, menuju indeks minat keterampilan digital anak yang berkelanjutan.
Laporan ini memadukan dua lajur data. Lajur internal berasal dari peminatan pada platform EduPoint dan disajikan dalam bentuk terindeks (indeks, peringkat, atau pangsa), tanpa angka mutlak. Lajur eksternal berasal dari sumber resmi dan dikutip langsung. Pemisahan ini menjaga kerahasiaan sekaligus kredibilitas.
Data peminatan internal mencakup periode Februari sampai Juni 2026. Karena rentang ini pendek, indeks momentum dibaca sebagai arah dalam jendela pengamatan, bukan proyeksi tahunan. Klaim kebijakan dan musiman bersandar pada dokumen resmi.
Minat coding anak dihitung dari peminatan pada keterampilan pemrograman, literasi kecerdasan buatan, dan robotika untuk peserta usia sekolah. Label yang merujuk keterampilan sama digabung menjadi satu rumpun. Jenjang mengikuti klasifikasi kelas sekolah nasional.
Seluruh besaran internal diubah menjadi indeks, peringkat, atau pangsa relatif. Tidak ada jumlah mutlak, tarif rupiah, atau metrik bisnis yang ditampilkan. Indeks momentum menggunakan basis awal jendela pengamatan bernilai 100. Tujuannya menyajikan struktur dan arah minat tanpa membuka data operasional.
Indeks sebaran kota diselaraskan dengan kesiapan digital resmi (penetrasi internet APJII) dan sebaran sekolah agar mencerminkan struktur peminatan yang sesungguhnya, bukan distorsi sampel.
Sel data dengan sampel kecil disembunyikan untuk menjaga keterwakilan dan privasi. Pembacaan difokuskan pada kota, jenjang, dan kategori dengan dukungan data memadai.
Sebagai potret satu periode, laporan ini belum menangkap musiman penuh maupun perubahan antar-tahun. Indeks momentum bersifat indikatif. Edisi berikutnya akan memperkaya rentang waktu sehingga tren jangka panjang minat coding dan AI anak dapat dibaca.
Lampiran A
Rangkuman seluruh indeks yang dipakai dalam laporan ini. Semua nilai bersifat relatif (terindeks) dan tidak mewakili jumlah mutlak.
| Rumpun | Basis | Akhir jendela |
|---|---|---|
| Literasi kecerdasan buatan (AI) | 100 | 181 |
| Coding / pemrograman | 100 | 158 |
| Robotika dan elektronika | 100 | 129 |
| Kota | Indeks |
|---|---|
| Jabodetabek | 100 |
| Surabaya | 61 |
| Bandung | 58 |
| Medan | 44 |
| Yogyakarta | 41 |
| Makassar | 33 |
| Jenjang | Indeks |
|---|---|
| SD kelas atas (5-6) | 100 |
| SMP (7-9) | 92 |
| SMA (10-12) | 64 |
| SD kelas bawah (1-4) | 43 |
| Mode | Pangsa |
|---|---|
| Tatap muka | ≈54% |
| Online | ≈38% |
| Hibrida dan proyek | ≈8% |
Lampiran B
Adhel Pradita Sugito, & Tim Riset Edupoint. (2026). Indeks Minat Coding dan AI untuk Anak 2026: Momentum, Sebaran, Jenjang. Riset Pendidikan EduPoint. EduPoint Indonesia. https://edupoint.id/id/riset/laporan/indeks-minat-coding-ai-anak-2026
@techreport{edupoint-indeks-minat-coding-ai-anak-2026-2026,
title = {Indeks Minat Coding dan AI untuk Anak 2026: Momentum, Sebaran, Jenjang},
author = {Adhel Pradita Sugito and Tim Riset Edupoint},
institution = {EduPoint Indonesia},
type = {Riset Pendidikan EduPoint},
year = {2026},
url = {https://edupoint.id/id/riset/laporan/indeks-minat-coding-ai-anak-2026},
}EduPoint menghubungkan keluarga dengan pengajar coding dan AI berkualitas di seluruh Indonesia, dari pemrograman visual untuk pemula hingga literasi kecerdasan buatan.
Cari Guru Coding Anak