Materi Koding dan Kecerdasan Artifisial SMP
Materi Koding dan Kecerdasan Artifisial jenjang SMP Fase D
Pengelolaan Data
Pengelolaan data mengenalkan cara mengumpulkan, menyimpan, membersihkan, dan menyajikan data sederhana yang relevan bagi siswa SMP. Pada tingkat ini peserta didik belajar tentang tipe data (teks, angka, tanggal), cara menyusun tabel, serta teknik dasar validasi dan visualisasi supaya data mudah dipahami. Keterampilan ini penting karena menjadi pondasi untuk analisis, pengambilan keputusan, dan untuk praktik AI selanjutnya.
Pemecahan Masalah Masyarakat
Materi ini mengajak siswa mengidentifikasi permasalahan nyata di lingkungan sekolah atau masyarakat sekitar—misalnya sampah, keamanan, atau akses informasi—lalu merancang solusi berbasis koding atau pemanfaatan data. Prosesnya melatih kemampuan observasi, kolaborasi, dan berpikir kritis sambil menerapkan teknik sederhana yang dapat diimplementasikan secara praktis dalam proyek-proyek kelas.
Algoritma dan Pemrograman Sederhana
Pada bagian ini siswa diperkenalkan kepada logika algoritmik dan pemrograman dasar menggunakan blok visual (mis. Scratch) atau bahasa pemrograman yang ramah pemula. Fokusnya meliputi urutan langkah, kondisi (if), perulangan (loop), dan pemecahan masalah komputasional. Kegiatan praktis dapat berupa membuat permainan sederhana, simulasi, atau alat bantu yang memperkuat keterampilan berpikir sistematis.
Produksi dan Diseminasi Konten Digital
Produksi konten membahas pembuatan materi digital (teks, gambar, audio, video) yang informatif dan bertanggung jawab, serta teknik dasar pengeditan dan penyajian. Diseminasi mencakup saluran berbagi yang aman dan etis—misal blog kelas, presentasi digital, atau kanal pembelajaran—dengan perhatian pada hak cipta, sumber informasi, dan tata krama online.
Konsep dan Cara Kerja Kecerdasan Artifisial
Materi ini menjelaskan konsep dasar AI secara sederhana: perbedaan antara aturan terprogram dan model yang belajar dari contoh, apa itu pembelajaran mesin, serta contoh aplikasi AI sehari-hari (mis. rekomendasi, pengenalan gambar, chatbots). Penjelasan bersifat konseptual agar siswa memahami bagaimana sistem AI membuat prediksi dan keputusan tanpa membahas matematika yang terlalu rumit.
Kualitas Data
Kualitas data menekankan pentingnya data yang bersih, akurat, dan representatif agar hasil analisis dan model AI dapat diandalkan. Siswa belajar mengenali data tidak lengkap, outlier, dan kesalahan input, serta teknik sederhana untuk meningkatkan kualitas data melalui pengecekan dan pembersihan sebelum dipakai dalam proyek.
Manfaat dan Dampak Kecerdasan Artifisial pada Masyarakat
Di sini siswa mengeksplorasi manfaat AI—seperti otomatisasi tugas rutin, peningkatan layanan kesehatan atau pendidikan—serta dampak sosial-ekonomi yang mungkin timbul, termasuk perubahan pekerjaan dan akses layanan. Diskusi diarahkan agar siswa mampu melihat sisi positif dan konsekuensi yang perlu ditangani bersama.
Etika dan Risiko Penggunaan Kecerdasan Artifisial
Materi etika mengajarkan prinsip-prinsip penggunaan AI yang bertanggung jawab: privasi, transparansi, akuntabilitas, dan perlindungan terhadap penyalahgunaan. Siswa diajak berdiskusi tentang dilema nyata—mis. privasi data, pengawasan, dan keputusan otomatis—serta langkah-langkah mitigasi yang dapat diterapkan pada skala sekolah dan komunitas.
Modul praktik Penggunaan Perangkat Kecerdasan Artifisial
Modul praktik menyediakan panduan langkah-demi-langkah untuk mencoba alat AI sederhana yang ramah pendidikan (mis. pengolah teks berbasis AI, layanan pengenalan gambar dengan antarmuka visual). Modul ini menekankan eksperimen aman, pengamatan hasil, dan refleksi atas kegunaan maupun keterbatasan alat tersebut dalam konteks tugas sekolah.
Penulisan Input Bermakna
Pembelajaran penulisan input bermakna mengajarkan cara merancang pertanyaan, prompt, atau instruksi yang jelas sehingga alat AI memberikan keluaran yang relevan. Siswa berlatih membuat contoh input spesifik, menguji variasi, dan mengevaluasi bagaimana perubahan kata, konteks, atau batasan memengaruhi hasil yang diperoleh.
Analisis Bias dan Deep Fake
Bagian ini memperkenalkan konsep bias dalam data dan model, serta fenomena deep fake—konten audio/video/manipulasi yang meniru kenyataan. Siswa belajar mengenali tanda-tanda bias dan manipulasi, memverifikasi sumber, serta langkah pencegahan agar tidak mudah termakan informasi palsu.