LKPD Koding dan Kecerdasan Artifisial Kelas 11: Menjelaskan Konsep Dasar-Dasar Machine Learning dan Paradigma Pembelajaran Mesin

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Menjelaskan konsep dasar-dasar algoritma Machine Learning beserta alur kerjanya

PETUNJUK UMUM

• Bacalah setiap instruksi dan studi kasus dengan cermat secara mandiri atau bersama rekan kelompok.
• Gunakan pengetahuan mengenai logika komputasi dan pengalaman berinteraksi dengan aplikasi digital sehari-hari untuk menyelesaikan aktivitas.
• Tuliskan penjelasan dan hasil analisis secara terstruktur pada format ruang jawaban yang telah disediakan.
• Fokuskan penjelasan pada konsep dasar algoritma Machine Learning dan alur kerjanya sesuai arahan tiap kegiatan.

KEGIATAN

Kegiatan 1: Aktivitas 1: Menjelaskan Konsep Dasar dan Perbedaan Paradigma Pemrograman Tradisional vs Machine Learning

Estimasi: 40 menit

Alat & Bahan:

• Buku Siswa Koding dan Kecerdasan Artifisial Kelas XI
• Alat tulis atau lembar kerja cetak

Petunjuk Pengerjaan:

1. Cermati perbandingan cara kerja komputer konvensional dengan sistem Machine Learning yang disajikan pada stimulus.
2. Diskusikan bersama teman sebangku bagaimana komputer memproses data hingga menghasilkan keluaran pada kedua pendekatan tersebut.
3. Tuliskan penjelasan konsep dasar Machine Learning dan lengkapi tabel perbandingan berdasarkan masukan (input), proses, dan keluaran (output).

Pertanyaan:

1. Berdasarkan pemahamanmu, jelaskan pengertian mendasar dari Machine Learning dan bagaimana sebuah algoritma Machine Learning memanfaatkan data untuk membangun pengetahuannya!

2. Lengkapilah tabel perbandingan antara Pemrograman Tradisional (Rule-Based) dan Machine Learning pada aspek Input, Proses, dan Output!

Nomor 1: Paragraf uraian penjelasan konsep (4-6 kalimat). Nomor 2: Tabel 3 kolom (Kolom 1: Aspek Komparasi [Input, Proses, Output], Kolom 2: Pemrograman Tradisional, Kolom 3: Machine Learning).

Kegiatan 2: Aktivitas 2: Menjelaskan Alur Kerja (Workflow) Algoritma Machine Learning

Estimasi: 45 menit

Alat & Bahan:

• Bagan alur kerja Machine Learning
• Lembar kerja siswa

Petunjuk Pengerjaan:

1. Perhatikan tahapan siklus kerja Machine Learning: Pengumpulan Data, Prapemrosesan Data (Data Preprocessing), Pelatihan Model (Model Training), Evaluasi Model (Model Evaluation), dan Penerapan (Deployment/Prediction).
2. Analisis kasus: Tim pengembang ingin membuat algoritma Machine Learning untuk mendeteksi email spam secara otomatis.
3. Jelaskan rincian aktivitas logis yang dilakukan sistem pada setiap tahapan alur kerja algoritma tersebut.

Pertanyaan:

1. Uraikan alur kerja algoritma Machine Learning secara berurutan mulai dari Data Collection hingga Deployment dalam konteks sistem pendeteksi email spam!

2. Jelaskan mengapa tahapan Pelatihan Model (Training) dan Evaluasi Model (Evaluation) harus dipisahkan dengan menggunakan data yang berbeda (train set dan test set)!

Nomor 1: Tabel 3 kolom (Kolom 1: Urutan Tahap, Kolom 2: Nama Tahapan Alur Kerja, Kolom 3: Penjelasan Aktivitas Sistem pada Kasus Spam). Nomor 2: Paragraf uraian penjelasan logis (3-5 kalimat).

Kegiatan 3: Aktivitas 3: Menjelaskan Paradigma Utama Algoritma Machine Learning Melalui Studi Kasus

Estimasi: 50 menit

Alat & Bahan:

• Lembar Kerja Siswa
• Kartu studi kasus aplikasi Machine Learning

Petunjuk Pengerjaan:

1. Pelajari 3 paradigma dasar Machine Learning: Supervised Learning (Pembelajaran Terawasi), Unsupervised Learning (Pembelajaran Tak Terawasi), dan Reinforcement Learning (Pembelajaran Penguatan).
2. Analisis 3 skenario penerapan teknologi berikut: (A) Pengenalan harga rumah berdasarkan luas tanah dan lokasi berlabel data masa lalu, (B) Pengelompokan profil pelanggan toko online tanpa label kategori, (C) Agen virtual yang belajar memenangkan permainan gim labirin lewat sistem skor/hadiah.
3. Jelaskan karakteristik paradigma algoritma yang bekerja pada masing-masing skenario beserta alasannya.
4. Selesaikan kegiatan presentasi ringkas, refleksi pembelajaran, dan penutup pada alokasi aktivitas ini.

Pertanyaan:

1. Identifikasi dan jelaskan paradigma algoritma Machine Learning yang digunakan pada Skenario A, B, dan C beserta mekanisme belajarnya!

2. Jelaskan perbedaan mendasar karakteristik algoritma Supervised Learning dan Unsupervised Learning dalam hal ketersediaan data latih (training data)!

Nomor 1: Tabel analisis skenario 4 kolom (Skenario, Paradigma ML, Ketersediaan Data/Sinyal Belajar, Penjelasan Alasan Mekanisme). Nomor 2: Uraian perbandingan konseptual (3-5 kalimat).

REFLEKSI

1. Bagian mana dari konsep alur kerja Machine Learning yang paling menantang untuk dipahami dan bagaimana caramu mengatasi kebingungan tersebut?

2. Ketika menggunakan aplikasi seperti YouTube atau Spotify yang memberi rekomendasi konten, paradigma Machine Learning mana yang menurutmu bekerja di balik layar berdasarkan apa yang telah kamu pelajari hari ini?