Koding dan Kecerdasan Artifisial (KA) untuk jenjang SMP.
1.
Mata Pelajaran Koding dan Kecerdasan Artifisial (KKA) pada Kurikulum Nasional
Mata
pelajaran Koding dan Kecerdasan Artifisial (KKA) diintegrasikan ke dalam
kurikulum untuk membekali peserta didik dengan keterampilan abad ke-21 yang
esensial di era digital.
Tujuan
Utama:
- Membentuk keterampilan
berpikir komputasional untuk menyelesaikan masalah secara logis,
sistematis, dan kreatif.
- Menciptakan warga digital
yang literat, produktif, dan bertanggung jawab.
- Memberikan keterampilan
dalam mengelola dan memanfaatkan data.
- Mengajarkan cara berkarya
melalui koding dan pemanfaatan KA.
Karakteristik
Pembelajaran:
- Kontekstual: Sesuai
dengan situasi kehidupan sehari-hari.
- Fleksibel: Dapat
dilaksanakan secara plugged (dengan perangkat) maupun unplugged
(tanpa perangkat).
- Berpusat pada Manusia:
Menekankan etika dan menempatkan manusia sebagai fokus utama dalam
pengembangan KA.
Posisi
dalam Kurikulum:
Mapel
KKA adalah mata pelajaran pilihan dari kelas 5 hingga 12, melengkapi mata
pelajaran wajib Informatika di jenjang SMP dan SMA1. Pembelajarannya diarahkan
untuk membangun keterampilan praktis yang lebih mendalam dibandingkan
Informatika.
2.
Literasi Algoritma dan Konten Digital
Bagian
ini berfokus pada dua pilar utama: pengelolaan data menggunakan berpikir
komputasional dan produksi konten digital.
Berpikir
Komputasional dalam Pengelolaan Data:
Ini
adalah pendekatan logis dan sistematis untuk memecahkan masalah yang terdiri
dari empat pilar utama:
- Dekomposisi: Memecah
masalah kompleks menjadi bagian-bagian yang lebih kecil dan mudah dikelola.
Contohnya, saat menghitung waktu tempuh, masalah dipecah menjadi
identifikasi jarak, waktu, jenis jalan, dan kondisi lalu lintas.
- Pengenalan Pola:
Mengidentifikasi tren atau kesamaan dalam data untuk memberikan informasi
berharga. Ini mencakup pembersihan data dari kesalahan seperti duplikasi
atau nilai yang hilang.
- Abstraksi: Fokus
pada informasi yang penting dan mengabaikan detail yang tidak relevan. Contohnya,
menghitung kecepatan rata-rata berdasarkan kategori jalan tanpa
memperhatikan setiap detail kecil perjalanan.
- Algoritma:
Mengembangkan langkah-langkah terstruktur untuk menyelesaikan masalah. Contohnya,
menyusun instruksi untuk menghitung total waktu tempuh dengan rumus dasar
dan menambahkan faktor eksternal seperti kemacetan.
Produksi
dan Diseminasi Konten Digital:
- Produksi Konten: Melibatkan
pembuatan berbagai jenis konten (teks, gambar, video) dengan memperhatikan
strategi pesan, audiens, dan prinsip desain grafis seperti kesatuan,
keseimbangan, dan kontras.
- Diseminasi Konten:
Proses penyebaran konten melalui berbagai platform digital seperti media
sosial, blog, dan platform video (YouTube, TikTok) untuk menjangkau
audiens yang lebih luas.
3.
Etika dan Risiko Kecerdasan Artifisial
Modul
ini membahas secara spesifik
KA
Generatif, yaitu model deep learning yang mampu menghasilkan konten
baru seperti teks, gambar, atau suara.
Prinsip
Kerja:
KA
Generatif bekerja berdasarkan model yang dilatih menggunakan data dalam jumlah
besar (dataset). Kualitas model sangat bergantung pada kualitas data
latihnya. Jika data tidak akurat atau bias, hasilnya juga akan buruk.
Etika
dan Risiko:
- Penyalahgunaan dan
Hoaks: Kemampuan KA Generatif untuk menciptakan konten realistis
membuka risiko penyebaran informasi palsu atau hoaks.
- Bias Data: Jika data
pelatihan mengandung bias (misalnya, bias gender atau ras), maka hasil
yang dikeluarkan oleh KA juga akan bias, menghasilkan keputusan yang tidak
adil.
- Hak Cipta: Muncul
tantangan mengenai kepemilikan karya yang dihasilkan oleh KA, karena
sebagian besar aturan hak cipta hanya berlaku untuk karya buatan manusia.
- Deepfake: Ini adalah
teknik manipulasi video atau audio menggunakan KA untuk menciptakan konten
palsu yang sangat meyakinkan. Penting untuk dapat mengenali ciri-ciri
deepfake, seperti kejanggalan pada ekspresi wajah, kedipan mata, atau
gerakan bibir.
4.
Komunikasi Melalui Tools Kecerdasan Artifisial
Modul
ini menjelaskan bagaimana manusia berinteraksi dengan sistem KA melalui
berbagai perangkat.
Jenis
Perangkat KA untuk Komunikasi:
- Chatbot: Program
yang menjawab pertanyaan pengguna secara otomatis (contoh: ChatGPT,
DeepSeek).
- Asisten Virtual: Membantu
pencarian informasi dan pengelolaan jadwal (contoh: Google Assistant,
Siri).
- Penerjemah Otomatis:
Memfasilitasi komunikasi antarbahasa (contoh: Google Translate).
Cara
Kerja Sistem KA:
Sistem
KA bekerja melalui tiga tahap dasar:
- Input: Menerima data
dari pengguna (teks, suara, gambar).
- Proses: Menganalisis
data menggunakan algoritma.
- Output: Memberikan
respons atau hasil yang sesuai.
Klasifikasi
dalam KA:
Klasifikasi
adalah proses mengelompokkan data ke dalam kategori tertentu. Salah satu
metodenya adalah
Supervised
Machine Learning, di mana model dilatih menggunakan data yang sudah diberi
label (contoh: gambar buah diberi label "apel" atau
"jeruk") untuk dapat mengenali dan mengklasifikasikan data baru.
5.
Prinsip Pedagogik dalam Pembelajaran KKA
Untuk
mengajarkan Koding dan KA secara efektif, guru perlu menerapkan prinsip-prinsip
pedagogik modern.
- Pembelajaran Berbasis
HOTS (High Order Thinking Skills): Fokus pada keterampilan berpikir
tingkat tinggi seperti menganalisis, mengevaluasi, dan mencipta, bukan
sekadar mengingat atau memahami. Tujuannya adalah agar siswa
mampu mentransfer pengetahuan ke situasi baru (
transfer
of knowledge), memecahkan masalah (problem solving), serta berpikir
kritis dan kreatif.
- Kerangka TPACK
(Technological Pedagogical Content Knowledge): Sebuah model yang
mengintegrasikan tiga komponen utama pengetahuan guru: Teknologi (TK),
Pedagogi (PK), dan Konten (CK). Guru yang efektif mampu memadukan
ketiganya untuk menciptakan pengalaman belajar yang relevan dan
memanfaatkan teknologi secara optimal.
- Pendekatan Pembelajaran
Mendalam (Deep Learning): Sebuah pendekatan yang menekankan pemahaman
konsep yang bermakna, bukan hafalan. Ini dicapai melalui tiga elemen:
- Meaningful Learning:
Peserta didik merasa materi relevan dengan kehidupannya.
- Mindful Learning:
Peserta didik sadar dan terlibat aktif dalam proses belajarnya
(metakognisi).
- Joyful Learning:
Menciptakan pengalaman belajar yang positif dan menyenangkan.
