LKPD Koding dan Kecerdasan Artifisial Kelas 11: Menyelesaikan Permasalahan Sederhana Sehari-hari dengan Menggunakan KA Melalui Pengujian Masukan Data Baru

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Menyelesaikan permasalahan sederhana dalam kehidupan sehari-hari dengan menggunakan KA

PETUNJUK UMUM

• Bacalah setiap skenario permasalahan sehari-hari dan petunjuk kerja dengan saksama.
• Kerjakan tugas secara mandiri pada Kegiatan 1, lalu berkolaborasi dalam kelompok kecil (3-4 orang) pada Kegiatan 2 dan 3.
• Gunakan data masukan baru yang disediakan untuk menguji dan menyelesaikan permasalahan klasifikasi/prediksi KA.
• Tuliskan hasil analisis dan keputusan penyelesaian masalah pada format ruang jawaban yang telah disediakan.

KEGIATAN

Kegiatan 1: Menyelesaikan Masalah Pemilahan Sampah Kantin Sekolah Menggunakan Model Klasifikasi KA

Estimasi: 35 menit

Alat & Bahan:

• Lembar kerja murid
• Alat tulis
• Kartu data masukan sampah (teks/gambar)

Petunjuk Pengerjaan:

1. Cermati permasalahan penumpukan sampah di kantin sekolah yang belum terpilah secara otomatis.
2. Gunakan aturan klasifikasi dari model KA pengenal citra/karakteristik sampah: Sampah Organik (sisa makanan, daun, kulit buah), Sampah Anorganik Daur Ulang (botol plastik bersih, kaleng, kardus), Sampah Residu (plastik berminyak, tisu kotor, styrofoam).
3. Ujilah 4 data masukan baru berikut ke dalam model: Masukan A (Kemasan kotak susu UHT bersih), Masukan B (Kulit pisang sisa bekal), Masukan C (Wadah styrofoam bekas seblak berkuah), Masukan D (Struk kertas thermal belanjaan licin).
4. Tentukan label keluaran KA dan tentukan tindakan penyelesaian masalah pengelolaan sampah untuk masing-masing masukan data baru tersebut.

Pertanyaan:

1. Isilah tabel keputusan penyelesaian masalah berdasarkan hasil pengujian 4 data masukan baru pada model KA pemilah sampah.

2. Berdasarkan pengujian data masukan baru di atas, bagaimana model KA tersebut berhasil menyelesaikan masalah penumpukan sampah kantin yang sebelumnya tercampur?

Tabel 4 baris dan 4 kolom: [Data Masukan Baru | Karakteristik Utama | Hasil Prediksi Model KA | Tindakan Penyelesaian Masalah], diikuti 3 baris kosong untuk uraian jawaban pertanyaan nomor 2.

Kegiatan 2: Menyelesaikan Masalah Antrean Presensi Perpustakaan Sekolah Berbasis Data Masukan Wajah

Estimasi: 45 menit

Alat & Bahan:

• Lembar kerja kelompok
• Simulasi lembar data profil presensi
• Alat tulis

Petunjuk Pengerjaan:

1. Perhatikan masalah keterlambatan pencatatan kehadiran pengunjung perpustakaan saat jam istirahat yang menyebabkan antrean panjang.
2. Model KA pengenal wajah memiliki tingkat keyakinan (confidence score) dengan ambang batas (threshold) penyelesaian otomatis: >= 85% (Presensi Berhasil/Pintu Terbuka), < 85% (Perlu Verifikasi Ulang Kartu Pelajar).
3. Lakukan pengujian terhadap 3 data masukan baru siswa: Siswa 1 (Wajah jelas tanpa aksesoris, pencahayaan cukup: confidence score 94%), Siswa 2 (Wajah tertutup masker tebal dan topi rendah: confidence score 52%), Siswa 3 (Wajah sedikit miring saat menoleh cepat: confidence score 87%).
4. Diskusikan dalam kelompok bagaimana sistem KA mengambil tindakan untuk menyelesaikan masalah antrean dan mengatasi masukan data yang tidak memenuhi ambang batas.

Pertanyaan:

1. Lengkapi tabel verifikasi pengujian data masukan presensi KA untuk ketiga siswa beserta status penyelesaian masalah antreannya.

2. Jelaskan langkah penyelesaian masalah yang harus diterapkan sistem KA saat menemukan masukan data baru yang menghasilkan prediksi di bawah ambang batas (seperti kasus Siswa 2) agar antrean perpustakaan tetap terurai cepat.

Tabel 3 baris berisi kolom: [Nama Data Masukan | Skor Prediksi KA | Status Ambang Batas (>=85% / <85%) | Keputusan Tindakan Sistem], dilanjutkan kotak catatan diskusi kelompok minimal 4 kalimat.

Kegiatan 3: Menyelesaikan Masalah Penjadwalan Penyiraman Tanaman Hidroponik Sekolah Berdasarkan Uji Data Sensor KA

Estimasi: 55 menit

Alat & Bahan:

• Tabel skenario parameter sensor
• Lembar kerja
• Pena/pensil

Petunjuk Pengerjaan:

1. Pelajari masalah tanaman hidroponik sekolah yang sering layu akibat jadwal penyiraman pompa air manual yang tidak menentu.
2. Model KA pembuat keputusan penyiraman menerima masukan data baru dari 3 sensor: Kelembapan Media (Kering/Lembap/Basah), Suhu Lingkungan (Tinggi/Sedang/Rendah), dan Intensitas Cahaya (Terik/Redup).
3. Aturan inferensi model KA: Jika Kelembapan Kering DAN Suhu Tinggi/Sedang -> Pompa Nyala Deras; Jika Kelembapan Lembap DAN Suhu Tinggi -> Pompa Nyala Perlahan; Jika Kelembapan Basah ATAU Lingkungan Redup-Lembap -> Pompa Mati.
4. Uji 3 kondisi data masukan lingkungan baru berikut: Kondisi X (Kelembapan: Kering, Suhu: Tinggi 34°C, Cahaya: Terik), Kondisi Y (Kelembapan: Basah, Suhu: Rendah 24°C, Cahaya: Redup), Kondisi Z (Kelembapan: Lembap, Suhu: Tinggi 33°C, Cahaya: Terik).
5. Tentukan tindakan operasional pompa air untuk menyelesaikan masalah pengairan, lalu selesaikan refleksi dan penutup pembelajaran.

Pertanyaan:

1. Berdasarkan ketiga kondisi data baru di atas, tentukan status aktivasi pompa air yang dihasilkan oleh model KA untuk menyelesaikan masalah kebutuhan air tanaman.

2. Uraikan mengapa penyelesaian masalah penyiraman tanaman berbasis pengujian data masukan baru oleh KA lebih efektif dibandingkan penyiraman terjadwal berbasis jam dinding konvensional.

Kolom isian status untuk Kondisi X, Y, Z, diikuti bidang paragraf uraian penjelasan (minimal 1 paragraf berisi alasan efektivitas).

REFLEKSI

1. Bagaimana pengujian data masukan baru membantu kamu memastikan bahwa model KA benar-benar mampu menyelesaikan masalah sehari-hari dengan tepat?

2. Masalah sederhana apa lagi di lingkungan rumah atau sekolahmu yang paling mendesak untuk diselesaikan menggunakan sistem cerdas berbasis masukan data baru?

3. Apa kendala terbesar yang kamu hadapi saat menentukan tindakan penyelesaian masalah ketika masukan data baru menghasilkan nilai prediksi yang meragukan?