LKPD Koding dan Kecerdasan Artifisial Kelas 7: Eksplorasi dan Praktik Klasifikasi Gambar dengan Teachable Machine

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Murid dapat menggunakan perangkat KA sederhana (Teachable Machine) untuk melatih model klasifikasi gambar dengan memberikan data latih yang bervariasi dan bermakna.
2. Murid dapat mengevaluasi kualitas data latih yang digunakan dan merefleksikan pengaruhnya terhadap akurasi hasil klasifikasi model KA.

PETUNJUK UMUM

• Bacalah setiap instruksi dengan cermat sebelum memulai kegiatan
• Kerjakan secara berkelompok (4-5 orang) untuk aktivitas praktik, dan individu untuk refleksi
• Siapkan laptop/komputer dengan kamera dan koneksi internet
• Buka browser dan akses https://teachablemachine.withgoogle.com
• Catat semua pengamatan dan hasil percobaan kalian dengan teliti
• Diskusikan dengan teman kelompok jika menemui kesulitan

KEGIATAN

Kegiatan 1: Mengenal Teachable Machine dan Membuat Model Klasifikasi Pertama

Estimasi: 25 menit

Alat & Bahan:

• Laptop/komputer dengan kamera
• Koneksi internet
• Browser (Chrome, Firefox, atau Edge)
• 2 objek berbeda yang mudah ditemukan (contoh: pensil, buku, penghapus, pulpen)

Petunjuk Pengerjaan:

1. Akses Teachable Machine di https://teachablemachine.withgoogle.com
2. Klik tombol 'Get Started' dan pilih 'Image Project' untuk membuat proyek klasifikasi gambar
3. Perhatikan tiga panel utama: Panel Kelas (kiri), Panel Kamera (tengah), dan Panel Pengujian (kanan)
4. Ganti nama 'Class 1' menjadi nama objek pertama yang akan kalian latih (contoh: 'Pensil')
5. Tambahkan kelas baru dengan mengklik '+ Add a class' dan beri nama objek kedua (contoh: 'Buku')
6. Untuk setiap kelas, klik tombol 'Webcam' dan rekam minimal 30 gambar objek dengan berbagai posisi dan sudut pandang
7. Setelah semua kelas memiliki cukup contoh gambar, klik tombol 'Train Model' dan tunggu proses pelatihan selesai
8. Uji model kalian dengan menunjukkan objek di depan kamera dan amati hasilnya di panel pengujian

Pertanyaan:

1. Tuliskan nama dua kelas objek yang kalian gunakan untuk melatih model!

2. Jelaskan apa yang terjadi ketika kalian menunjukkan objek 'Pensil' di depan kamera setelah model dilatih!

3. Menurutmu, mengapa kita perlu merekam gambar dari berbagai sudut dan posisi untuk setiap kelas?

Tuliskan jawaban pada kolom yang tersedia. Untuk pertanyaan diskusi, tuliskan hasil diskusi kelompok dalam 3-5 kalimat

Kegiatan 2: Bereksperimen dengan Variasi Data Latih

Estimasi: 30 menit

Alat & Bahan:

• Laptop/komputer dengan kamera
• Koneksi internet
• Sumber cahaya yang dapat diatur (lampu atau posisi dekat/jauh jendela)
• 1 objek yang sama untuk kedua kelas

Petunjuk Pengerjaan:

1. Buat proyek baru di Teachable Machine (Image Project)
2. Kali ini, pilih satu objek yang sama untuk dua kelas berbeda (contoh: Kelas 1 'Pensil Terang' dan Kelas 2 'Pensil Gelap')
3. Untuk Kelas 1: rekam 30 gambar pensil dengan pencahayaan terang/normal
4. Untuk Kelas 2: rekam hanya 5 gambar pensil dengan pencahayaan gelap atau dari satu sudut saja
5. Latih model dan uji hasilnya
6. Catat perbedaan akurasi antara kedua kelas
7. Selanjutnya, tambahkan 25 gambar lagi ke Kelas 2 dengan variasi pencahayaan dan sudut
8. Latih ulang model dan bandingkan hasilnya dengan percobaan pertama

Pertanyaan:

1. Lengkapi tabel pengamatan berikut berdasarkan eksperimen kalian!

2. Apa yang terjadi ketika satu kelas hanya memiliki sedikit contoh gambar (5 gambar) dibandingkan kelas lain (30 gambar)?

3. Setelah menambahkan lebih banyak gambar dengan variasi ke Kelas 2, bagaimana perubahan yang kalian amati pada akurasi model?

4. Diskusikan dengan kelompok: Apa tiga faktor penting yang membuat data latih berkualitas baik?

Tabel pengamatan: buat tabel 3 kolom (Percobaan, Jumlah Data, Hasil Akurasi). Pertanyaan uraian dijawab dalam 3-4 kalimat. Hasil diskusi ditulis dalam bentuk poin-poin

Kegiatan 3: Evaluasi dan Perbaikan Model KA

Estimasi: 25 menit

Alat & Bahan:

• Model yang sudah dilatih dari Kegiatan 2
• Berbagai kondisi pencahayaan dan latar belakang
• Alat untuk screenshot (opsional)

Petunjuk Pengerjaan:

1. Gunakan model dari Kegiatan 2 yang sudah kalian latih ulang
2. Uji model dengan skenario berikut: a) Objek dalam kondisi normal, b) Objek dengan latar belakang berbeda, c) Objek dengan pencahayaan ekstrem (sangat terang/gelap)
3. Catat hasil prediksi dan tingkat keyakinan (persentase) untuk setiap skenario
4. Identifikasi situasi di mana model gagal atau ragu-ragu (persentase keyakinan di bawah 70%)
5. Diskusikan cara memperbaiki model: data apa yang perlu ditambahkan
6. Jika waktu tersedia, tambahkan data sesuai diskusi dan uji ulang

Pertanyaan:

1. Buatlah dokumentasi hasil pengujian dalam bentuk tabel dengan kolom: Skenario Pengujian, Prediksi Model, Tingkat Keyakinan (%), Berhasil/Gagal

2. Gambarkan atau screenshoot satu situasi di mana model kalian memberikan prediksi yang salah atau ragu-ragu, lalu jelaskan mengapa hal itu terjadi!

3. Berdasarkan hasil pengujian, tuliskan 3 cara konkret untuk meningkatkan kualitas dan akurasi model kalian!

4.

Refleksikan

Jika kalian ingin membuat aplikasi pengenal sampah organik dan anorganik menggunakan KA, data latih seperti apa yang perlu kalian kumpulkan agar aplikasi akurat?

Tabel dokumentasi: buat tabel 4 kolom sesuai instruksi. Untuk pertanyaan gambar: tempel gambar/screenshot dan tulis penjelasan di bawahnya (2-3 kalimat). Pertanyaan uraian dijawab dalam bentuk poin-poin bernomor

REFLEKSI

1. Apa hal paling menarik yang kamu pelajari tentang cara kerja kecerdasan artifisial dalam mengenali gambar?

2. Bagaimana pengalamanmu melatih model KA mengubah pemahamanmu tentang pentingnya kualitas data?

3. Sebutkan satu contoh penerapan teknologi klasifikasi gambar dalam kehidupan sehari-hari yang bermanfaat, dan jelaskan data apa yang dibutuhkan untuk melatih model tersebut!