LKPD Koding dan Kecerdasan Artifisial Kelas 11: Mengembangkan Model KA Sederhana: Prapemrosesan Dataset Sehari-hari dan Penyiapan Fitur

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Mengembangkan model KA sederhana untuk menyelesaikan permasalahan sehari-hari

PETUNJUK UMUM

• Bacalah setiap instruksi kerja dan skenario permasalahan sehari-hari dengan saksama.
• Kerjakan aktivitas secara kolaboratif bersama kelompok (3-4 orang) dengan pembagian peran yang seimbang.
• Gunakan lembar kerja yang tersedia untuk mendokumentasikan setiap tahapan pengembangan model KA sederhana.
• Fokuskan pekerjaan pada perancangan dan penyiapan komponen model: fitur masukan, target luaran, serta penanganan dataset mentah.
• Manfaatkan waktu pengerjaan secara optimal sesuai alokasi tiap tahapan kegiatan.

KEGIATAN

Kegiatan 1: Merumuskan Masalah dan Memetakan Fitur Model KA Sehari-hari

Estimasi: 35 menit

Alat & Bahan:

• Lembar kerja murid
• Alat tulis
• Buku Siswa Koding dan Kecerdasan Artifisial Kelas XI

Petunjuk Pengerjaan:

1. Cermati studi kasus sehari-hari: 'Sistem Prediksi Keterlambatan Tiba di Sekolah bagi Siswa'.
2. Tentukan label target (output) yang ingin diprediksi oleh model KA sederhana.
3. Identifikasi minimal 4 fitur masukan (variabel penentu) yang relevan dan berpengaruh terhadap target tersebut.
4. Kelompokkan jenis data setiap fitur masukan (numerik kontinu, numerik diskrit, atau kategorikal).
5. Tuliskan hasil perumusan fitur ke dalam tabel identifikasi yang telah disediakan.

Pertanyaan:

1. Berdasarkan permasalahan keterlambatan tiba di sekolah, tentukan target prediksi (label) model KA dan isikan 4 fitur masukan beserta tipe datanya ke dalam tabel rancangan fitur!

2. Jelaskan mengapa pemilihan fitur masukan yang relevan sangat menentukan keberhasilan pengembangan model KA sederhana dalam memprediksi keterlambatan!

Format tabel 3 kolom untuk nomor 1: Kolom 1 'Nama Fitur Masukan', Kolom 2 'Tipe Data', Kolom 3 'Alasan Keterkaitan dengan Target'. Bagian atas tabel dilengkapi baris khusus 'Target Prediksi (Label)'. Format nomor 2: Paragraf uraian 3-5 kalimat.

Kegiatan 2: Prapemrosesan Dataset Mentah dan Penyiapan Fitur (Feature Engineering)

Estimasi: 45 menit

Alat & Bahan:

• Lembar kerja dataset simulasi
• Kalkulator/perangkat hitung sederhana

Petunjuk Pengerjaan:

1. Amati tabel dataset mentah berisi 5 sampel catatan perjalanan siswa yang mengandung nilai hilang (missing value), format tidak konsisten, dan data kategorikal teks.
2. Lakukan pembersihan data: identifikasi baris bermasalah dan tentukan teknik penanganannya (imputasi nilai rerata/modus atau penghapusan data tak valid).
3. Lakukan pengkodean fitur (encoding) untuk data kategorikal teks agar dapat diproses oleh model KA numerik.
4. Tuliskan dataset hasil prapemrosesan siap latih ke dalam tabel data bersih.

Pertanyaan:

1. Terdapat data mentah: Baris 1 [Jarak: 4 km, Cuaca: Cerah, Transportasi: Motor, Status: Tepat]; Baris 2 [Jarak: NaN, Cuaca: Hujan, Transportasi: Mobil, Status: Terlambat]; Baris 3 [Jarak: 3 km, Cuaca: Cerah, Transportasi: Jalan Kaki, Status: Tepat]; Baris 4 [Jarak: 5 km, Cuaca: 'hujan lebat', Transportasi: Motor, Status: Terlambat]; Baris 5 [Jarak: 2 km, Cuaca: Cerah, Transportasi: -, Status: Tepat]. Tentukan tindakan perbaikan prapemrosesan untuk Baris 2, 4, dan 5!

2. Lakukan transformasi fitur kategorikal 'Cuaca' (Cerah, Hujan) dan 'Status' (Tepat, Terlambat) menjadi representasi biner (0 dan 1) agar siap digunakan dalam pengembangan model KA sederhana!

Format isian terstruktur untuk nomor 1 dengan rincian identifikasi masalah dan tindakan per baris data. Format tabel untuk nomor 2 dengan kolom: 'ID Sampel', 'Jarak (km)', 'Cuaca_Encoded (0/1)', 'Transportasi', 'Status_Target (0/1)'.

Kegiatan 3: Simulasi Pengembangan Aturan Keputusan Model KA dan Pengujian Kasus Baru

Estimasi: 55 menit

Alat & Bahan:

• Lembar kerja murid
• Papan tulis/kertas plano presentasi kelompok

Petunjuk Pengerjaan:

1. Gunakan fitur bersih hasil prapemrosesan pada Kegiatan 2 untuk merumuskan pohon keputusan/logika klasifikasi model KA sederhana.
2. Susun aturan logika prediksi (IF-THEN rules) berdasarkan batas nilai fitur (threshold).
3. Uji model yang telah dikembangkan menggunakan 2 data kasus baru yang belum pernah dilihat model sebelumnya.
4. Diskusikan keandalan logika model tersebut dalam menyelesaikan permasalahan nyata keterlambatan siswa.
5. Alokasikan 10 menit terakhir kegiatan ini untuk sesi refleksi individu dan penutup pembelajaran.

Pertanyaan:

1. Kembangkan logika aturan keputusan model KA sederhana (berupa struktur IF - THEN) yang mengkombinasikan fitur Jarak, Cuaca, dan Moda Transportasi untuk memprediksi Status Keterlambatan!

2. Ujilah model KA yang telah kamu buat pada 2 kasus baru berikut: Kasus A (Jarak: 5 km, Cuaca: Cerah, Transportasi: Motor); Kasus B (Jarak: 4 km, Cuaca: Hujan, Transportasi: Mobil). Tentukan hasil prediksi statusnya dan berikan alasan logisnya!

Format uraian untuk nomor 1: Penulisan minimal 3 klausa aturan keputusan IF-THEN. Format tabel analisis untuk nomor 2: Kolom 'Kasus', 'Fitur Masukan', 'Hasil Prediksi Model', dan 'Justifikasi Logika'.

REFLEKSI

1. Bagian mana dari tahapan pengembangan model KA (pemilihan fitur, prapemrosesan data, atau pembentukan logika keputusan) yang paling menantang bagi kelompokmu? Jelaskan alasannya!

2. Bagaimana kualitas data mentah sehari-hari yang tidak bersih (seperti data kosong atau tidak seragam) mempengaruhi ketepatan model KA yang kamu kembangkan?

3. Permasalahan sehari-hari apa lagi di lingkungan sekolah yang menurutmu dapat diselesaikan dengan mengembangkan model KA serupa?