Modul Ajar Informatika Kelas 11 Bab 2: Analisis Data

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. TP 11.2.1 Memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan data
2. TP 11.2.2 Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputer
3. TP 11.2.3 Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimal
4. TP 11.2.4 Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputer

PROFIL LULUSAN

PERTANYAAN PEMANTIK

1. Ketika kalian menemukan informasi atau dataset di internet, bagaimana cara memastikan bahwa data tersebut benar, dapat dipercaya, dan tidak melanggar hukum saat digunakan?
2. Mengapa kita tidak boleh sembarangan memanfaatkan data pribadi orang lain untuk persiapan pengolahan data publik?
3. Bagaimana kita bisa memastikan bahwa suatu data dari internet benar-benar berstatus terbuka dan legal untuk diunduh sebelum diolah?
4. Langkah persiapan apa saja yang harus kita lakukan terhadap kumpulan data mentah dari portal data resmi sebelum siap diproses lebih lanjut?
5. Bagaimana cara kita merangkum dan menghitung data mentah profil siswa jika tidak ada komputer atau aliran listrik?
6. Mengapa proses pembersihan dan pengelompokan data secara manual tetap memerlukan ketelitian langkah komputasi?
7. Bagaimana perangkat lunak lembar kerja komputer membantu kita membersihkan ribuan baris data kotor secara cepat dibandingkan cara manual?
8. Fitur komputer apa saja yang paling krusial digunakan saat mengolah dataset terbuka agar siap dianalisis?
9. Bagaimana cara mengubah tabel angka data terbuka yang rumit menjadi grafik visual yang cepat dan mudah dibaca?
10. Kapan kita harus memilih diagram batang, garis, atau lingkaran dalam memvisualisasikan data tabular terbuka?
11. Bagaimana kita membuktikan bahwa suatu pilihan keputusan lebih baik daripada pilihan lainnya hanya dengan melihat angka hasil olahan data?
12. Mengapa keputusan terbaik tidak selalu dipilih hanya dari satu faktor (misalnya sekadar biaya terendah), melainkan perlu menimbang banyak kriteria secara bersamaan?
13. Bagaimana kita menentukan pilihan terbaik jika tabel data menunjukkan beberapa alternatif dengan kelebihan dan kekurangan yang saling bertolak belakang?
14. Apa perbedaan mendasar antara keputusan yang hanya efektif dengan keputusan yang sekaligus efisien berdasarkan data angka?
15. Bagaimana kita menentukan solusi terbaik jika ada dua pilihan hasil olahan data yang sama-sama tampak menguntungkan?
16. Apa yang membedakan keputusan yang sekadar efektif dan efisien dengan keputusan yang benar-benar optimal berdasarkan data?
17. Bagaimana kita dapat memperkirakan nilai di masa depan jika hanya memiliki data historis tanpa bantuan komputer?
18. Pola atau keteraturan seperti apa pada tabel data yang dapat menjadi dasar pembuatan prediksi yang masuk akal dan optimal?
19. Bagaimana kita memperkirakan nilai di masa depan jika data deret waktu yang kita miliki menunjukkan kecenderungan naik atau turun yang konstan?
20. Bagaimana fitur komputer (seperti trendline dan fungsi peramalan pada lembar kerja) membantu kita menghasilkan prediksi deret waktu secara efisien dan akurat?
21. Bagaimana kita menentukan bahwa sebuah hasil prediksi data sudah efektif, efisien, dan optimal?
22. Mengapa metode prediksi yang paling rumit belum tentu menjadi pilihan yang paling efisien dan optimal untuk suatu kumpulan data?
23. Bagaimana kita membuktikan bahwa data yang kita gunakan benar-benar sah, terbuka, dan layak diolah menjadi dasar keputusan?
24. Bagaimana hasil pengolahan data tabular dapat memandu kita merumuskan prediksi tren ke depan dan mengambil keputusan yang paling efektif serta efisien?

KEGIATAN PEMBELAJARAN

Pertemuan 1 — Memverifikasi Keterbukaan, Keterpercayaan, dan Legalitas Sumber Data — 3 JP (3 x 45 menit = 135 menit)

Tujuan Pertemuan:

• TP 11.2.1 Memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan data

Pendahuluan:

• Guru membuka pelajaran dengan salam, berdoa bersama, memeriksa kehadiran murid, dan menanyakan kabar secara berkesadaran (5 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ini, yaitu memverifikasi serta memanfaatkan sumber data yang terbuka, terpercaya, dan legal sebagai persiapan pengolahan data (5 menit).
• Guru melaksanakan asesmen awal diagnostik singkat menggunakan 3 contoh kasus sumber data untuk memetakan kesiapan murid dalam mengenali kriteria terbuka, terpercaya, dan legal (10 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak penjelasan guru dan membaca buku siswa mengenai 3 pilar data: keterbukaan data (dapat diakses, digunakan kembali, dan dibagikan secara bebas tanpa diskriminasi format), keterpercayaan data (kredibilitas institusi penerbit, keabsahan metodologi pengumpulan, bebas dari manipulasi), serta legalitas data (adanya lisensi penggunaan publik seperti Creative Commons/Open Data Commons, kepatuhan UU Perlindungan Data Pribadi, dan kepemilikan hak cipta) (20 menit).
• Guru memandu tanya jawab mendalam berbasis studi kasus mengenai perbedaan antara data publik resmi pemerintah (open government data) dengan data bocoran (leaked data) yang beredar di forum gelap atau media sosial, dengan menekankan prinsip legalitas dan integritas pemanfaatan data (15 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid berpasangan memainkan kuis cepat 'Detektif Sumber Data' untuk memilah 3 kartu skenario sumber data ke dalam kategori terbuka/tertutup, terpercaya/meragukan, dan legal/ilegal secara antusias dan menggembirakan (15 menit).
• Secara berpasangan, murid mengerjakan Lembar Aktivitas AD-K11-01 untuk menelusuri dan memverifikasi kelayakan 3 sumber data digital nyata (contoh: portal data.go.id, data BPS, dan data dari postingan anonim media sosial) ke dalam tabel verifikasi berdasarkan 3 indikator: Terbuka, Terpercaya, dan Legal untuk persiapan pengolahan data (30 menit).

Merefleksi (Berkesadaran):

• Perwakilan kelompok membacakan hasil analisis tabel verifikasinya, dan murid saling membandingkan temuan verifikasi keabsahan lisensi serta keterpercayaan sumber data yang telah mereka kaji (20 menit).

Penutup:

• Guru memberikan umpan balik dan bersama murid menyimpulkan 3 kriteria utama sumber data yang layak dimanfaatkan sebelum tahap pengolahan data (10 menit).
• Guru menyampaikan tindak lanjut untuk pertemuan ke-2 mengenai pemanfaatan teknis dataset terbuka dan menutup pertemuan dengan doa bersama serta salam (5 menit).

Diferensiasi:

• Konten: Menyediakan tautan langsung ke portal data terbuka resmi (seperti data.go.id atau bps.go.id) dengan panduan lisensi bagi murid yang membutuhkan bantuan; serta menyediakan dataset kompleks dengan lisensi atribusi bersyarat bagi murid yang siap dengan tantangan lebih tinggi.
• Proses: Memberikan bimbingan terstruktur dan daftar periksa (checklist) kriteria verifikasi bagi kelompok yang membutuhkan dukungan tambahan, sedangkan kelompok yang lebih mandiri diarahkan memverifikasi lisensi data internasional (seperti dataset WHO atau World Bank).
• Produk: Format pelaporan tabel verifikasi dapat disajikan dalam lembar kerja cetak maupun lembar kerja digital (spreadsheet) sesuai kesiapan fasilitas murid.

Asesmen Pertemuan:

Awal:

• Guru memberikan diagnostik 3 butir studi kasus sumber data untuk mengidentifikasi pengetahuan awal murid: (1) 'Data statistik sensus penduduk yang diunduh langsung dari situs resmi BPS (bps.go.id)' [Acuan jawaban: Terbuka, Terpercaya, Legal]; (2) 'Tangkapan layar tabel perolehan suara pemilu yang disebarkan akun anonim di Twitter/X tanpa mencantumkan tautan rujukan resmi' [Acuan jawaban: Tidak Terbuka/tidak terstandar, Tidak Terpercaya, Rentan Pelanggaran/Ilegal]; (3) 'Basis data nasabah bank berisi nama lengkap dan nomor telepon yang dijual di forum internet' [Acuan jawaban: Tidak Terbuka secara sah, Tidak Terpercaya integritasnya, Ilegal melanggar UU PDP].

Proses:

• Observasi formatif saat pengerjaan Aktivitas AD-K11-01: Guru memeriksa ketepatan murid dalam menguji 3 sumber data nyata menggunakan kriteria keterbukaan (format terbuka seperti CSV/XLSX), keterpercayaan (reputasi lembaga penerbit resmi), dan legalitas (lisensi Creative Commons/izin penggunaan resmi publik).

Akhir Pertemuan:

• Cek pemahaman akhir melalui tiket keluar (exit ticket) berupa 1 kasus verifikasi cepat: 'Sebuah organisasi nirlaba mempublikasikan data sebaran titik banjir di Jakarta dalam format file CSV di situs resminya dengan lisensi CC-BY (Creative Commons Attribution). Apakah data ini memenuhi kriteria terbuka, terpercaya, dan legal untuk diolah? Tuliskan status ketiganya beserta alasan singkat!' [Acuan jawaban: Terbuka = Ya, karena berformat CSV yang dapat diakses bebas; Terpercaya = Ya, karena diterbitkan resmi oleh organisasi pengembang dengan sumber lokasi jelas; Legal = Ya, karena memiliki lisensi resmi CC-BY yang mengizinkan pemanfaatan ulang dengan atribusi].

Formatif:

• Penilaian proses unjuk kerja pengisian tabel verifikasi Lembar Aktivitas AD-K11-01 (memverifikasi 3 sumber data berdasarkan aspek keterbukaan, keterpercayaan, dan legalitas)

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah murid dapat membedakan dengan jelas antara data yang sekadar gratis di internet dengan data yang secara hukum legal untuk dimanfaatkan?
• Bagian mana dari kriteria keterbukaan, keterpercayaan, dan legalitas yang paling sering disalahpahami oleh murid saat melakukan verifikasi?

Murid:

• Langkah apa yang akan saya lakukan terlebih dahulu sebelum memutuskan untuk menggunakan dataset yang saya temukan di internet?
• Mengapa penting bagi saya untuk menghargai legalitas dan hak cipta ketika mengumpulkan sumber data?

Pertemuan 2 — Memanfaatkan Sumber Data Terbuka dan Legal untuk Persiapan Pengolahan Data — 3 JP (3 x 45 menit = 135 menit)

Tujuan Pertemuan:

• TP 11.2.1 Memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan data

Pendahuluan:

• Guru membuka kelas dengan salam, memeriksa kehadiran murid, dan menyampaikan tujuan pembelajaran yaitu memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan data (5 menit).
• Guru melaksanakan asesmen awal diagnostik melalui 3 pertanyaan cepat lisan tentang konsep lisensi data terbuka dan format persiapan data: (1) Format data apa yang bersifat terbuka dan umum digunakan untuk pertukaran tabel? [Acuan: CSV / TSV / JSON / XML]; (2) Apa arti lisensi Creative Commons Zero (CC0) pada data? [Acuan: Domain publik / bebas digunakan tanpa batasan atribusi]; (3) Berikan contoh portal resmi penyedia data terbuka di Indonesia! [Acuan: data.go.id / bps.go.id / jakarta.go.id / jabarprov.go.id] (10 menit).

Kegiatan Inti:

Memahami (Bermakna, Menggembirakan):

• Murid menyimak penjelasan guru dan mencermati tayangan contoh metadata dari portal Satu Data Indonesia (data.go.id) yang mencakup indikator keterbukaan lisensi (seperti CC-BY, Open Data Commons), atribut keterpercayaan (instansi penerbit resmi), dan legalitas pemanfaatan data untuk persiapan pengolahan (15 menit).
• Dalam aktivitas tantangan cepat berpasangan yang menggembirakan 'Detektif Lisensi', murid secara berpasangan diberikan 3 cuplikan sumber data di layar: Sumber A (data inflasi dari bps.go.id, lisensi CC-BY), Sumber B (tabel unduhan blog pribadi tanpa lisensi resmi), dan Sumber C (dataset kependudukan dari data.go.id format CSV lisensi CC0). Murid mencocokkan status keterbukaan dan legalitasnya; acuan jawaban: Sumber A dan C adalah data terbuka, terpercaya, dan legal untuk diolah; Sumber B tidak memenuhi syarat legalitas keterbukaan (15 menit).

Mengaplikasi (Berkesadaran, Bermakna):

• Murid dalam kelompok beranggotakan 2-3 orang membuka portal data terbuka resmi (seperti data.go.id atau bps.go.id) atau lembar kompilasi metadata resmi yang disediakan guru, lalu memilih dan menelusuri 1 dataset tabular bertema sosial/ekonomi (20 menit).
• Setiap kelompok mengunduh dataset terpilih dan melakukan verifikasi kelayakan persiapan pengolahan dengan mengisi Lembar Persiapan Data yang mencakup 4 aspek: (1) Nama & URL portal resmi, (2) Jenis lisensi keterbukaan data, (3) Dasar legalitas pemanfaatan (vital interest, public interest, atau legitimate interest), dan (4) Format file data (.csv / .xlsx) serta kelengkapan struktur baris-kolom untuk siap olah (25 menit).
• Guru berkeliling memberikan bimbingan, memantau pengisian Lembar Persiapan Data, dan memastikan setiap kelompok mendokumentasikan bukti legalitas serta struktur data dengan tepat sesuai kriteria (15 menit).

Merefleksi (Berkesadaran):

• Perwakilan 2 kelompok membacakan hasil Lembar Persiapan Data mereka di tempat, sementara kelompok lain mencocokkan apakah data yang dipilih rekan mereka sudah benar-benar memenuhi kriteria terbuka, legal, dan terstruktur untuk diolah (15 menit).
• Murid melakukan refleksi terbimbing mengenai pentingnya etika dan legalitas data: menyadari bahwa memanfaatkan data publik menuntut kesadaran hukum dan tanggung jawab agar persiapan pengolahan data tidak melanggar hak privasi maupun hak cipta (10 menit).

Penutup:

• Guru memberikan penguatan terhadap hasil verifikasi persiapan data murid dan merangkum kriteria utama data yang siap olah: bersumber resmi, berlisensi terbuka, dan berformat standar (5 min).
• Guru menyampaikan tindak lanjut untuk membawa file data yang sudah diverifikasi ini pada pertemuan berikutnya untuk praktik pengolahan data, lalu menutup sesi dengan doa dan salam (5 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan kartu panduan periksa lisensi dan dataset siap pakai dari bps.go.id; murid yang lebih mahir diarahkan mengeksplorasi portal data internasional (seperti World Bank Open Data atau Kaggle Open Datasets dengan lisensi CC-BY/CC0).
• Proses: Murid yang memerlukan pendampingan didampingi guru pada tahap penentuan lisensi dan format data; murid mahir melakukan verifikasi mandiri hingga mengecek kelayakan tipe data per kolom.
• Produk: Kelompok pemula mengisi 4 atribut standar pada Lembar Persiapan Data; kelompok mahir menambahkan identifikasi rincian skema atribut kolom (tipe data teks, tanggal, numerik) pada berkas data.

Asesmen Pertemuan:

Awal:

• Pertanyaan diagnostik lisan di awal pembelajaran: (1) Format data apa yang bersifat terbuka dan umum digunakan untuk pertukaran tabel? [Acuan kunci: CSV / TSV / JSON / XML]; (2) Apa arti lisensi Creative Commons Zero (CC0) pada data publik? [Acuan kunci: data berstatus domain publik dan bebas digunakan tanpa keharusan atribusi]; (3) Sebutkan minimal 1 portal resmi penyedia data terbuka di Indonesia! [Acuan kunci: data.go.id atau bps.go.id atau open data pemerintah daerah].

Proses:

• Penilaian formatif Lembar Persiapan Data kelompok dengan kriteria: (1) Ketepatan identifikasi nama portal dan URL resmi (acuan: domain resmi pemerintah .go.id atau lembaga publik terpercaya); (2) Ketepatan identifikasi jenis lisensi data terbuka (acuan: mencantumkan lisensi publik seperti CC0, CC-BY, ODC-By, atau izin pemanfaatan data terbuka instansi); (3) Ketepatan identifikasi dasar legalitas pemanfaatan (acuan: mengidentifikasi kategori public interest atau legitimate interest secara tepat); (4) Ketepatan verifikasi struktur format data persiapan (acuan: file berformat tabular terstruktur seperti .csv/.xlsx dengan header kolom yang jelas).

Akhir Pertemuan:

• Cek pemahaman penutup berupa 2 pertanyaan cek silang: (1) Jelaskan mengapa data yang bersumber dari blog pribadi tanpa lisensi tidak boleh langsung digunakan sebagai dasar pengolahan data resmi! [Acuan kriteria: karena belum terbukti keterpercayaannya, tidak memiliki kejelasan lisensi terbuka, dan berisiko melanggar hak cipta/legalitas]; (2) Apa keuntungan menggunakan format CSV dibandingkan format eksklusif tertutup untuk persiapan pengolahan data? [Acuan kriteria: format CSV bersifat teks terbuka, netral platform, dan dapat dibaca oleh berbagai aplikasi tanpa dependensi perangkat lunak berbayar].

Formatif:

• Tanya jawab diagnostik awal kesiapan lisensi dan portal data terbuka
• Observasi unjuk kerja verifikasi dan pengisian Lembar Persiapan Data saat kerja kelompok

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu penelusuran portal data dan verifikasi lisensi berjalan efektif?
• Bagian mana dari kriteria keterbukaan dan legalitas data yang paling sering membingungkan murid?
• Apakah aktivitas berpasangan berhasil memantik antusiasme murid dalam membedakan data legal dan tidak legal?

Murid:

• Apakah saya sudah bisa membedakan portal data resmi yang legal dengan situs data biasa?
• Hal baru apa yang saya pelajari mengenai lisensi data terbuka dan legalitas penggunaannya?
• Langkah apa yang akan saya lakukan terlebih dahulu sebelum mengunduh data di masa mendatang?

Pertemuan 3 — Mengolah Data Profil Sederhana Tanpa Komputer — 3 JP (3 x 45 menit = 135 menit)

Tujuan Pertemuan:

• TP 11.2.2 Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputer

Pendahuluan:

• Guru membuka pembelajaran dengan salam, memeriksa kesiapan belajar murid, dan memimpin doa (5 menit).
• Guru menyampaikan tujuan pembelajaran hari ini, yaitu mengolah data profil sederhana secara manual (unplugged/tanpa komputer) melalui teknik tabulasi, pembersihan, dan agregasi data (5 menit).
• Guru melaksanakan asesmen awal diagnostik singkat melalui 2 butir pertanyaan di papan tulis untuk mengukur pemahaman dasar pengolahan data manual: (1) Apa yang dilakukan jika menemukan data umur tertulis teks bukan angka? (acuan: membersihkan/menyeragamkan data menjadi angka atau menandainya sebagai data tidak valid); (2) Jika ada 5 data nilai: 10, 20, 20, 30, 20, berapa nilai modus dan totalnya? (acuan: modus = 20, total = 100) (10 menit).

Kegiatan Inti:

Memahami (Bermakna, Menggembirakan):

• Murid mencermati pemodelan di papan tulis mengenai alur pengolahan data tabular tanpa komputer: (1) pencatatan data mentah, (2) pembersihan data/data cleaning (menangani data kosong atau format keliru), (3) pengelompokan/kategorisasi menggunakan metode turus/tally, dan (4) agregasi statistik dasar (frekuensi, jumlah/sum, dan rata-rata/mean) (20 menit).
• Murid secara berpasangan mengikuti tantangan interaktif 'Cek Kilat Turus': guru membacakan 6 entri data kategori hobi mentah secara cepat ('Membaca', 'Olahraga', 'Membaca', 'Seni', 'Olahraga', 'Membaca') dan murid berlomba menuliskan representasi turus dan frekuensi akhirnya di secarik kertas (acuan: Membaca = 3, Olahraga = 2, Seni = 1) (15 menit).

Mengaplikasi (Berkesadaran, Bermakna):

• Murid menerima Lembar Kerja Pengolahan Data Tanpa Komputer yang berisi tabel data mentah profil 10 responden (Kompak-1 s.d. Kompak-10) dari survei legal terbuka mini sekolah yang memuat atribut: Nama, Usia (tahun), dan Waktu Belajar Harian (menit): (1) Adi, 16, 60; (2) Budi, 17, 90; (3) Citra, 16, 60; (4) Doni, -, 120; (5) Eka, 17, 60; (6) Fani, 16, 90; (7) Gita, 16, 60; (8) Hadi, 17, 120; (9) Intan, 16, 60; (10) Joko, 17, 90 (15 menit).
• Murid secara mandiri melakukan pembersihan data (data cleaning) pada tabel lembar kerja dengan mengidentifikasi data tidak lengkap pada responden Doni (Usia = '-') serta mencatat aturan penanganannya (mengeluarkan dari kalkulasi rata-rata usia sehingga n=9 untuk usia, namun tetap memakai n=10 untuk waktu belajar) (20 menit).
• Murid mengolah data tersebut tanpa bantuan alat hitung elektronik ke dalam tabel frekuensi dan menghitung agregasi: (1) tabel frekuensi usia (acuan: usia 16 = 5 orang, usia 17 = 4 orang, tidak lengkap = 1); (2) tabel frekuensi waktu belajar (acuan: 60 menit = 5 orang, 90 menit = 3 orang, 120 menit = 2 orang); (3) total waktu belajar seluruh responden (acuan: 5x60 + 3x90 + 2x120 = 300 + 270 + 240 = 810 menit); (4) rata-rata waktu belajar (acuan: 810 / 10 = 81 menit) (20 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa silang (peer-check) hasil tabel frekuensi dan perhitungan agregasi lembar kerja miliknya dengan kunci rujukan yang dipandu oleh guru di papan tulis untuk mengidentifikasi letak kekeliruan hitung atau tabulasi (10 menit).
• Murid menuliskan refleksi kesadaran metakognitif pada bagian bawah lembar kerja mengenai tingkat ketelitian dan tantangan saat melakukan pembersihan dan pengolahan data tanpa bantuan komputer (5 menit).

Penutup:

• Guru memberikan penguatan konsep bahwa logika pengolahan data tanpa komputer (unplugged) merupakan dasar algoritma yang sama persis saat nantinya menggunakan perangkat lunak spreadsheet pada pertemuan berikutnya (5 menit).
• Guru menutup pertemuan dengan berdoa bersama dan menyampaikan salam penutup (5 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan format tabel frekuensi berstruktur dengan kolom bantuan turus terpandu, sedangkan murid berkemampuan cepat diberikan lembar kerja dengan penambahan 2 baris data mentah ekstra untuk diolah secara mandiri.
• Proses: Guru memberikan bimbingan intensif langkah demi langkah pada meja kelompok murid yang mengalami kesulitan kalkulasi manual.
• Produk: Tingkat kedalaman pengerjaan pada lembar kerja: murid reguler menyelesaikan 4 butir agregasi standar, sedangkan murid cepat menghitung tambahan persentase proporsi tiap kelompok frekuensi.

Asesmen Pertemuan:

Awal:

• Diagnostik tertulis singkat di awal pendahuluan: (1) Cara menangani data kosong/inkonsisten pada kolom numerik (acuan: mengabaikan/membersihkan dari agregasi atau menandai anomali); (2) Menghitung frekuensi modus dan jumlah dari deret angka sederhana 10, 20, 20, 30, 20 (acuan: modus = 20, total = 100).

Proses:

• Observasi formatif saat murid mengelompokkan data dengan turus pada aktivitas 'Cek Kilat Turus' (acuan kunci: Membaca = 3, Olahraga = 2, Seni = 1).
• Pemeriksaan ketepatan pembersihan data (identifikasi Usia Doni kosong) dan ketepatan kalkulasi tabel agregasi frekuensi pada LKPD: frekuensi usia (16 th = 5, 17 th = 4), frekuensi belajar (60 m = 5, 90 m = 3, 120 m = 2), total waktu belajar (810 menit), rata-rata (81 menit).

Akhir Pertemuan:

• Cek pemahaman di akhir sesi melalui verifikasi mandiri hasil hitung pada lembar kerja terhadap 4 acuan hasil olahan data (tabel frekuensi usia, tabel frekuensi waktu belajar, jumlah total 810 menit, dan rata-rata 81 menit) dengan kriteria tuntas jika minimal 3 dari 4 hasil perhitungan tepat.

Formatif:

• Penilaian kinerja pengerjaan Lembar Kerja Pengolahan Data Tanpa Komputer (pembersihan data mentah, pembuatan tabel frekuensi, dan ketepatan perhitungan agregasi sum & mean manual)

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu pengolahan manual 3 JP mencukupi bagi murid yang memiliki kecepatan berhitung dasar yang beragam?
• Bagaimana respons murid terhadap kegiatan unplugged dalam menumbuhkan ketelitian sebelum beralih ke perangkat komputer?

Murid:

• Langkah manakah dalam pengolahan data manual yang menurutmu membutuhkan ketelitian paling tinggi?
• Apa manfaat memahami cara pengolahan data secara manual sebelum menggunakan perangkat lunak komputer?

Pertemuan 4 — Mengolah Data dari Sumber Terbuka Menggunakan Perangkat Komputer — 3 JP (3 x 45 menit = 135 menit)

Tujuan Pertemuan:

• TP 11.2.2 Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputer

Pendahuluan:

• Guru membuka pembelajaran dengan salam pembuka, memeriksa kehadiran murid, serta menyiapkan kesiapan perangkat komputer di laboratorium/kelas (5 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ini, yaitu mempraktikkan pengolahan dataset dari sumber data terbuka menggunakan perangkat lunak lembar kerja di komputer (5 menit).
• Guru melaksanakan asesmen awal diagnostik singkat dengan menampilkan 2 baris data mentah yang memuat kesalahan pemformatan (spasi berlebih dan data teks tercampur angka) di layar proyektor untuk menguji kesiapan murid dalam mengenali teknik pengolahan data dengan komputer (10 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Guru mendemonstrasikan pembukaan berkas dataset tabular terbuka (format .csv data kependudukan terbuka) pada aplikasi lembar kerja komputer, lalu mengidentifikasi masalah data seperti spasi berlebih (fungsi TRIM), inkonsistensi kapitalisasi (fungsi UPPER/LOWER/PROPER), dan nilai kosong/duplikat (Remove Duplicates) (15 menit).
• Murid secara berkesadaran menyimak dan mencoba mandiri di komputer masing-masing fungsi pembersihan dasar (TRIM, PROPER, dan pengurutan/SORT) pada 3 baris data latihan terpandu (15 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid menerima lembar kerja praktik komputer yang memuat dataset terbuka berisikan 10 baris data tabular kependudukan/wilayah yang belum terolah (memuat spasi acak, duplikasi data, kapitalisasi tidak seragam, dan format angka belum baku) (10 menit).
• Dalam suasana menggembirakan melalui tantangan adu tepat bertajuk 'Data Cleansing Sprint', murid secara berpasangan atau mandiri berlomba memproses dan mengolah 10 baris data tersebut di komputer menggunakan rangkaian fitur: Remove Duplicates, fungsi text (TRIM dan PROPER), serta fungsi agregasi perhitungan aritmetika (SUM dan AVERAGE) (40 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa ketepatan hasil olahan data tabelnya di komputer berdasarkan kunci parameter pengolahan data yang ditampilkan guru pada layar (15 menit).
• Murid mengevaluasi kemudahan dan efisiensi pemrosesan data menggunakan komputer dibanding pengolahan data tanpa komputer yang dipelajari pada pertemuan sebelumnya (10 menit).

Penutup:

• Guru dan murid menyimpulkan tahapan inti dalam mengolah data terbuka menggunakan fitur aplikasi pengolah lembar kerja di komputer (5 menit).
• Guru memberikan penguatan terhadap hasil kerja murid dan menyampaikan keterkaitan keterampilan mengolah data ini untuk pembuatan visualisasi data tabular pada pertemuan berikutnya (5 menit).

Diferensiasi:

• Konten: Dataset latihan disediakan dalam 2 tingkat kompleksitas: dataset standar 10 baris dengan 3 jenis ketidakteraturan, dan dataset tantangan 25 baris dengan tambahan kendala missing values untuk murid yang telah mahir.
• Proses: Bagi murid yang masih memerlukan bimbingan disediakan panduan kartu petunjuk sintaks formula lembar kerja (cheatsheet TRIM, PROPER, SUM, AVERAGE); murid mahir mengolah mandiri secara langsung.
• Produk: Seluruh murid menghasilkan tabel data yang bersih dan terolah; murid mahir menambahkan agregasi persentase subtotal menggunakan formula komputer.

Asesmen Pertemuan:

Awal:

• Diagnostik cepat: Menampilkan 2 butir data teks kotor pada proyektor: Butir 1 ' jakarta SELATAN ' dan Butir 2 nilai angka berformat teks ' 1500 '. Murid diminta menentukan nama fitur/fungsi komputer yang tepat untuk memperbaikinya (Acuan: Butir 1 menggunakan fungsi TRIM dan PROPER; Butir 2 menggunakan pembersihan spasi TRIM dan pengubahan tipe data/Value/Number format).

Proses:

• Penilaian unjuk kerja pemrosesan lembar kerja komputer pada dataset terbuka 10 baris data: Memeriksa eksekusi penghapusan 2 baris data duplikat (acuan: tersisa 8 baris unik), penerapan fungsi TRIM & PROPER pada kolom nama wilayah (acuan: seluruh nama wilayah berformat Title Case tanpa spasi berlebih), dan penghitungan total serta rata-rata menggunakan formula =SUM() dan =AVERAGE() secara tepat (acuan: formula terpasang benar dan menghasilkan nilai numerik valid).

Akhir Pertemuan:

• Cek pemahaman di akhir sesi: Murid menjawab 2 butir pertanyaan singkat di layar: (1) Fungsi komputer yang digunakan untuk menghapus spasi ganda tak terlihat di awal/akhir teks data; (2) Formula yang digunakan untuk menghitung rata-rata nilai numerik pada rentang sel C2 sampai C9 (Acuan: (1) Fungsi TRIM; (2) Formula =AVERAGE(C2:C9)).

Formatif:

• Observasi unjuk kerja praktik lembar kerja komputer saat pembersihan dan kalkulasi data tabular
• Pemeriksaan hasil berkas olahan data murid sesuai acuan kunci formula dan ketepatan tabel

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu praktik komputer selama 40 menit mencukupi bagi seluruh murid untuk menyelesaikan pembersihan dan pengolahan data?
• Kendala teknis apa pada perangkat komputer/software yang paling banyak dihadapi murid saat menjalankan formula lembar kerja?

Murid:

• Bagian mana dari langkah pengolahan data dengan komputer (pembersihan teks, penghapusan duplikat, atau penulisan rumus agregasi) yang paling menantang bagimu?
• Bagaimana penggunaan formula komputer mempermudah pekerjaanmu dibandingkan mengolah data secara manual tanpa komputer?

Pertemuan 5 — Mengolah dan Menyusun Visualisasi Data Tabular dari Sumber Terbuka — 3 JP (3 x 45 menit = 135 menit)

Tujuan Pertemuan:

• TP 11.2.2 Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputer

Pendahuluan:

• Guru membuka pelajaran, memeriksa kehadiran murid, dan menyampaikan ruang lingkup aktivitas pertemuan ke-5 mengenai pengolahan dan visualisasi data tabular terbuka menggunakan komputer (5 menit).
• Guru melaksanakan asesmen awal singkat untuk mengecek pemahaman dasar murid tentang kecocokan bentuk visualisasi data dengan mengajukan pertanyaan diagnostik cepat di layar kelas (10 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak panduan guru pada komputer mengenai pengorganisasian data tabular dari portal data terbuka (mengatur header, memastikan format nilai numerik, serta memilih rentang data/range sel yang akan divisualisasikan) (15 menit).
• Murid secara mandiri mencermati lembar kerja visualisasi data mengenai pemilihan jenis visualisasi: diagram batang untuk perbandingan kategori diskret, diagram garis untuk tren data urutan waktu, dan diagram lingkaran untuk proporsi bagian dari totalitas (15 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Tantangan 'Detektif Visualisasi': Murid memainkan kuis visual interaktif berpasangan di komputer masing-masing untuk mencocokkan 3 skenario data terbuka dengan jenis grafik paling tepat secara cepat dan menyenangkan sebelum praktik utama (15 menit).
• Murid membuka perangkat lunak lembar kerja komputer dan mengunduh berkas tabel data terbuka tabular resmi (data produksi komoditas pangan 5 provinsi tahun 2021-2023) untuk dibersihkan dan diolah format numeriknya (25 menit).
• Murid mengolah data tabular tersebut dengan menyusun minimal 2 visualisasi data (1 diagram batang perbandingan antarprovinsi dan 1 diagram garis tren tahunan) lengkap dengan elemen sumbu horizontal, sumbu vertikal, judul grafik, dan legenda data (30 menit).

Merefleksi (Berkesadaran):

• Murid melakukan verifikasi mandiri terhadap visualisasi data yang disusunnya di komputer, memeriksa apakah sumbu koordinat, satuan angka, dan label kategori telah terbaca jelas tanpa distorsi nilai (10 menit).

Penutup:

• Guru bersama murid menyimpulkan prinsip pengolahan dan pembuatan grafik dari data tabular sumber terbuka pada komputer (5 menit).
• Guru memberikan penguatan materi, menginformasikan bahwa data olahan ini akan menjadi bahan untuk menilai alternatif keputusan pada pertemuan ke-6, lalu menutup pembelajaran (5 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan scaffolding diberikan berkas tabular data terbuka yang sudah bersih dari kesalahan tipe data; murid yang mahir diberikan dataset dengan 5 atribut kategori tambahan.
• Proses: Murid yang memerlukan bimbingan dipandu langkah demi langkah memilih range sel dan menu grafik; murid yang mahir secara mandiri mengkombinasikan visualisasi grafik ganda (combo chart).
• Produk: Murid dengan kesiapan belajar awal menghasilkan 2 grafik dasar (batang dan garis); murid yang cepat menghasilkan 3 grafik termasuk visualisasi persentase/proporsi (diagram lingkaran) yang dilengkapi label data persentase.

Asesmen Pertemuan:

Awal:

• Diagnostik pemahaman kesesuaian visualisasi data tabular: Murid menjawab 2 butir pertanyaan di layar: (1) 'Visualisasi apa yang paling tepat untuk menunjukkan perbandingan jumlah produksi padi antar 5 provinsi pada tahun yang sama?' (acuan: diagram batang/bar chart); (2) 'Visualisasi apa yang paling tepat untuk melihat kenaikan atau penurunan produksi beras selama rentang 10 tahun?' (acuan: diagram garis/line chart).

Proses:

• Pengamatan ketercapaian pengerjaan tantangan Detektif Visualisasi pada 3 skenario: Skenario A (Perbandingan data penjualan 4 cabang toko) -> acuan: diagram batang; Skenario B (Tren suhu harian selama 30 hari) -> acuan: diagram garis; Skenario C (Pangsa pasar persentase sistem operasi) -> acuan: diagram lingkaran.
• Pemeriksaan hasil kerja pengolahan lembar kerja komputer: ketepatan pemilihan rentang data tabular terbuka dan kelengkapan elemen visualisasi (memuat judul grafik, label sumbu X dan Y, serta legenda/label data yang tepat).

Akhir Pertemuan:

• Cek pemahaman akhir sesi: Murid mengisi lembar periksa mandiri unjuk kerja visualisasi komputer: (1) Apakah tabel data terbuka sudah memiliki header kolom dan format numerik yang valid? (2) Apakah visualisasi batang telah memuat perbandingan 5 provinsi dengan skala sumbu Y yang tepat? (3) Apakah visualisasi garis telah memuat data deret tahun 2021-2023 secara berurutan? (acuan: ketiga poin tercentang dan terbukti pada berkas lembar kerja murid).

Formatif:

• Asesmen diagnostik awal tentang kesesuaian jenis bagan dengan tipe data tabular
• Observasi unjuk kerja pengolahan tabel dan penyusunan visualisasi data pada lembar kerja komputer

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah murid mengalami kendala teknis saat memilih range sel atau tipe grafik pada perangkat lunak lembar kerja komputer?
• Apakah alokasi waktu praktik visualisasi komputer cukup memfasilitasi murid menyelesaikan dua jenis visualisasi data?

Murid:

• Langkah pengolahan data mana yang paling menantang saat menyusun visualisasi grafik di komputer tadi?
• Kapan kamu merasa sebuah grafik lebih efektif menyampaikan informasi dibanding sekadar tabel angka?

Pertemuan 6 — Menganalisis Hasil Olahan Data untuk Menilai Alternatif Keputusan — 3 JP (3 x 45 menit = 135 menit)

Tujuan Pertemuan:

• TP 11.2.3 Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimal

Pendahuluan:

• Guru membuka kelas dengan salam, doa bersama, dan memeriksa kehadiran murid (5 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ke-6, yaitu menganalisis hasil olahan data tabel keputusan multi-kriteria untuk menilai dan menentukan alternatif keputusan terbaik (5 menit).
• Guru melaksanakan asesmen awal diagnostik singkat secara tertulis menggunakan 1 skenario studi kasus pemilihan vendor server sekolah beserta tabel perbandingannya (10 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid mencermati tabel olahan data kasus pemilihan platform penyimpanan awan (cloud storage) sekolah yang menampilkan 3 opsi (Opsi A: Kapasitas 100GB, Biaya Rp500.000/thn, Downtime 2 jam/thn; Opsi B: Kapasitas 200GB, Biaya Rp800.000/thn, Downtime 1 jam/thn; Opsi C: Kapasitas 50GB, Biaya Rp300.000/thn, Downtime 5 jam/thn) untuk memahami bagaimana matriks kriteria digunakan dalam pengambilan keputusan (15 menit).
• Guru memandu pemodelan analisis terstruktur: cara menentukan bobot kriteria, menghitung skor terbobot, serta mengidentifikasi trade-off (kelebihan dan kekurangan) antar-alternatif secara objektif berbasis angka hasil olahan data (15 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid memainkan permainan peran berpasangan yang menyenangkan 'Tantangan Manajer Data': setiap pasangan menerima Lembar Kerja Analisis Kasus berisi tabel olahan data 3 calon mitra penyedia internet sekolah (Mitra X: Kecepatan 100 Mbps, Biaya Rp1.500.000/bulan, Keandalan 98%; Mitra Y: Kecepatan 150 Mbps, Biaya Rp2.000.000/bulan, Keandalan 99,5%; Mitra Z: Kecepatan 80 Mbps, Biaya Rp1.200.000/bulan, Keandalan 95%) dengan batasan kriteria: anggaran sekolah maksimal Rp2.100.000/bulan, kebutuhan minimal kecepatan 100 Mbps, dan prioritas utama stabilitas koneksi (keandalan) (20 menit).
• Secara berpasangan, murid menganalisis hasil olahan data ketiga alternatif tersebut dengan menghitung pemenuhan syarat ambang batas, menilai efektivitas dan efisiensi masing-masing alternatif, serta menyusun tabel penilaian berbobot (20 menit).
• Murid merumuskan rekomendasi keputusan final yang paling optimal (Mitra Y) disertai justifikasi kuantitatif berbasis data olahan (Mitra Y memenuhi ambang kecepatan, berada di bawah batas anggaran, dan memiliki keandalan tertinggi 99,5% mengungguli X dan Z) (15 menit).

Merefleksi (Berkesadaran):

• Setiap pasangan saling menukarkan lembar hasil analisis dengan pasangan sebelahnya untuk melakukan pemeriksaan silang (peer check) kecocokan perhitungan skor dan kesahihan alasan keputusan berdasarkan data (10 menit).
• Murid menuliskan refleksi kesadaran diri pada lembar kerja mengenai pentingnya bersikap objektif dan tidak tergesa-gesa memilih opsi sebelum seluruh parameter data dihitung secara komprehensif (10 menit).

Penutup:

• Guru memberikan penguatan konsep mengenai prinsip analisis data untuk keputusan yang efektif, efisien, dan optimal serta meluruskan miskonsepsi yang ditemukan saat asesmen proses (5 menit).
• Murid mengerjakan asesmen akhir formatif singkat berupa 2 butir soal analisis data keputusan mandiri untuk mengukur ketepatan penentuan keputusan berbasis data (5 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan tabel olahan data dengan 2 kriteria utama dan rumus bobot yang telah dipandu langkah demi langkah; murid yang mahir diberikan tabel olahan data dengan 4 kriteria serta kendala anggaran ketat.
• Proses: Murid yang masih kesulitan didampingi secara langsung melalui scaffolding terbimbing oleh guru saat menghitung skor terbobot; murid yang sudah mahir menganalisis alternatif keputusan secara mandiri bersama pasangannya.
• Produk: Murid menyajikan hasil analisis keputusan dalam format tabel matriks keputusan terbobot lengkap dengan paragraf rekomendasi berbasis angka data olahan.

Asesmen Pertemuan:

Awal:

• Diagnostik tertulis (diberikan di awal pendahuluan): Disediakan tabel 2 opsi server (Server P: Biaya Sewa Rp2.000.000/bln, Kapasitas 500GB; Server Q: Biaya Sewa Rp2.500.000/bln, Kapasitas 1.000GB). Jika sekolah memerlukan ruang simpan minimal 600GB dengan anggaran maksimal Rp3.000.000, opsi manakah yang memenuhi syarat dan apa alasannya? (Acuan jawaban benar: Server Q, karena kapasitasnya 1.000GB memenuhi kebutuhan minimal 600GB dan biayanya Rp2.500.000 masih dalam batas anggaran sekolah; sedangkan Server P gugur karena kapasitas hanya 500GB).

Proses:

• Pemeriksaan lembar kerja kelompok pada aktivitas 'Tantangan Manajer Data': Guru memeriksa lembar kerja murid untuk memastikan ketepatan evaluasi 3 alternatif mitra internet (Mitra X, Y, Z). (Acuan analisis benar: 1) Mitra Z gugur karena kecepatan 80 Mbps di bawah syarat minimal 100 Mbps; 2) Mitra X memenuhi syarat minimal 100 Mbps dan biaya Rp1.500.000 namun keandalannya 98%; 3) Mitra Y memenuhi syarat biaya <= Rp2.100.000, kecepatan 150 Mbps, dan memiliki keandalan tertinggi 99,5%, sehingga menjadi keputusan yang paling efektif dan optimal).

Akhir Pertemuan:

• Cek pemahaman mandiri di akhir sesi (2 butir soal): Disediakan data perbandingan 2 aplikasi absensi digital sekolah: Aplikasi Alpha (Akurasi GPS 98%, Biaya langganan Rp300.000/bln, Waktu respon teknis 12 jam) dan Aplikasi Beta (Akurasi GPS 90%, Biaya langganan Rp200.000/bln, Waktu respon teknis 4 jam). Soal 1: Jika sekolah memprioritaskan ketepatan pencatatan kehadiran presisi di atas segalanya, alternatif mana yang dipilih? (Acuan: Aplikasi Alpha karena akurasi 98% lebih unggul dari 90%). Soal 2: Jika sekolah memprioritaskan penanganan kendala cepat dan efisiensi biaya rutin, alternatif mana yang dipilih? (Acuan: Aplikasi Beta karena waktu respon teknis 4 jam jauh lebih cepat dan biaya Rp200.000/bln lebih murah).

Formatif:

• Asesmen awal diagnostik tertulis identifikasi kriteria keputusan dari tabel olahan data
• Observasi formatif proses analisis dan penilaian alternatif keputusan pada Lembar Kerja Aktivitas AD-K11-03
• Asesmen akhir formatif berupa soal analisis penentuan keputusan berbasis data olahan

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah desain kasus dan tabel matriks keputusan yang disajikan cukup relevan dan merangsang nalar kritis murid dalam menimbang kriteria data?
• Bagian mana dari analisis data keputusan (penentuan ambang batas, perbandingan rasio, atau trade-off kriteria) yang paling banyak membutuhkan bimbingan guru?

Murid:

• Bagian mana dari proses menganalisis tabel data tadi yang menurutmu paling menantang saat menentukan keputusan terbaik?
• Bagaimana kamu akan menerapkan cara berpikir analitis ini ketika harus mengambil keputusan penting dalam kehidupan sehari-harimu?

Pertemuan 7 — Menganalisis Data Terstruktur untuk Pengambilan Keputusan Secara Efektif dan Efisien — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 11.2.3 Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimal

Pendahuluan:

• Guru membuka kelas dengan salam, memeriksa kehadiran, dan memfasilitasi murid menyiapkan diri untuk belajar secara tertib (3 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ke-7, yaitu menganalisis data terstruktur tabular guna menghasilkan keputusan yang efektif (mencapai target luaran) dan efisien (meminimalkan biaya operasional) (4 menit).
• Guru melaksanakan asesmen diagnostik singkat: murid membaca tabel mini 2 alternatif pengadaan komputer: Vendor X (kecepatan 80 poin, biaya Rp8 juta) vs Vendor Y (kecepatan 85 poin, biaya Rp12 juta) dengan target minimal kecepatan 75 poin, lalu murid menjawab mana yang paling efektif dan efisien (acuan diagnostik: Vendor X, karena telah memenuhi target kecepatan minimal 75 dan biayanya jauh lebih murah/hemat Rp4 juta dibanding Y) (8 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid mencermati konsep analisis multikriteria pada data terstruktur: parameter efektivitas (ketercapaian indikator target) dan parameter efisiensi (rasio luaran per satuan sumber daya/biaya) berdasarkan studi kasus pemilihan server komputasi data sekolah (10 menit).
• Murid mengamati pemodelan cara membaca matriks perbandingan data terstruktur berisi 3 opsi: Opsi A (Kapasitas 10 TB, Kecepatan 500 MB/s, Biaya Rp15 juta/th), Opsi B (Kapasitas 20 TB, Kecepatan 1000 MB/s, Biaya Rp18 juta/th), Opsi C (Kapasitas 25 TB, Kecepatan 1100 MB/s, Biaya Rp30 juta/th), mengidentifikasi trade-off antar-kolom data (10 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid memainkan kuis tantangan berpasangan 'Adu Efisiensi Data': setiap pasangan menerima 2 kartu perbandingan data dan dalam waktu 3 menit harus menentukan kartu mana yang lebih efisien berdasarkan pembagian nilai skor per juta rupiah biaya (10 menit).
• Dalam kelompok berpasangan, murid menganalisis Lembar Kerja Analisis Data Terstruktur berisi data 4 penyedia layanan cloud: Cloud 1 (Reliabilitas 95%, Bandwidth 1 Gbps, Biaya Rp5 jt/bln; Skor/Jt = 19), Cloud 2 (Reliabilitas 99%, Bandwidth 10 Gbps, Biaya Rp8 jt/bln; Skor/Jt = 12.38), Cloud 3 (Reliabilitas 98%, Bandwidth 5 Gbps, Biaya Rp6 jt/bln; Skor/Jt = 16.33), Cloud 4 (Reliabilitas 90%, Bandwidth 2 Gbps, Biaya Rp7 jt/bln; Skor/Jt = 12.86). Target efektivitas: reliabilitas minimal 98% dan bandwidth minimal 5 Gbps (25 menit).

Merefleksi (Berkesadaran):

• Murid membandingkan hasil analisis keputusannya: memverifikasi bahwa alternatif yang lolos syarat efektivitas adalah Cloud 2 dan Cloud 3, dan dari keduanya Cloud 3 adalah keputusan paling efisien karena biaya lebih rendah (Rp6 juta vs Rp8 juta) dengan rasio skor per biaya lebih tinggi (10 menit).

Penutup:

• Murid bersama guru menyimpulkan prinsip analisis data terstruktur: menyaring alternatif berdasarkan batasan efektivitas terlebih dahulu, kemudian memilih alternatif yang paling efisien (5 menit).
• Guru memberikan penguatan terhadap hasil kerja murid, menginformasikan bahwa materi ini akan berlanjut ke analisis optimasi solusi pada pertemuan 8, dan menutup sesi pembelajaran dengan doa serta salam (5 menit).

Diferensiasi:

• Konten: Menyediakan tabel terstruktur dengan 3 variabel untuk kelompok yang membutuhkan bimbingan, dan tabel dengan 5 variabel multikriteria untuk kelompok mahir.
• Proses: Kelompok yang membutuhkan pendampingan dibimbing menggunakan lembar panduan eliminasi bertahap, sementara kelompok mahir menganalisis pembobotan skor efisiensi secara mandiri.
• Produk: Format simpulan analisis keputusan dapat berupa tabel skoring terstruktur atau matriks komparasi ringkas.

Asesmen Pertemuan:

Awal:

• Diagnostik pemahaman data terstruktur: Murid disajikan 2 baris data Vendor X (skor kecepatan 80, biaya Rp8 juta) dan Vendor Y (skor kecepatan 85, biaya Rp12 juta) dengan syarat kecepatan minimal 75. Murid menentukan keputusan paling efektif-efisien. (Acuan kunci: Vendor X dipilih karena memenuhi batas minimal kecepatan 75 dan memerlukan biaya lebih rendah sebesar Rp8 juta dibanding Rp12 juta).

Proses:

• Formatif analisis komparasi 4 opsi cloud pada Lembar Kerja: Murid menentukan alternatif yang memenuhi kriteria efektivitas (reliabilitas >= 98% dan bandwidth >= 5 Gbps) dan memilih yang paling efisien berdasarkan rasio biaya. (Acuan kunci: Alternatif efektif adalah Cloud 2 dan Cloud 3; keputusan paling efisien adalah Cloud 3 karena memenuhi semua target dengan biaya terendah yaitu Rp6 juta/bulan).

Akhir Pertemuan:

• Cek pemahaman akhir: Murid menjawab 1 soal analisis cepat: Diberikan Opsi Alpha (hasil 100 unit, konsumsi energi 50 kWh) dan Opsi Beta (hasil 100 unit, konsumsi energi 35 kWh) untuk target produksi 100 unit. Tentukan opsi yang dipilih dan alasannya. (Acuan kunci: Memilih Opsi Beta karena kedua opsi sama-sama efektif mencapai 100 unit, namun Beta lebih efisien dengan penghematan energi 15 kWh).

Formatif:

• Penilaian kinerja analisis lembar kerja komparasi data terstruktur dan ketepatan pemilihan keputusan efektif-efisien.

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alur analisis dari penyaringan efektivitas ke kalkulasi efisiensi data terstruktur dapat dipahami murid secara logis?
• Bagaimana keterlibatan murid dalam aktivitas tantangan berpasangan dalam mengevaluasi efisiensi data?

Murid:

• Langkah apa yang paling membantumu saat harus memilih satu opsi terbaik dari sekian banyak baris data terstruktur?
• Mengapa kita tidak boleh hanya melihat faktor efektivitas (luaran) saja tanpa memperhitungkan faktor efisiensi (biaya/sumber daya)?

Pertemuan 8 — Menganalisis Solusi Terpilih dari Hasil Olahan Data untuk Pengambilan Keputusan yang Optimal — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 11.2.3 Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimal

Pendahuluan:

• Guru membuka kelas dengan salam, memeriksa kehadiran murid, dan menyampaikan tujuan pembelajaran pertemuan ke-8 yaitu menganalisis hasil olahan data guna menentukan solusi terpilih yang paling optimal (5 menit).
• Guru melaksanakan asesmen awal singkat untuk mengecek kesiapan murid dalam membedakan kriteria efektif, efisien, dan optimal menggunakan 2 kasus komparasi singkat: Kasus 1: 'Opsi A menyelesaikan masalah 100% dengan biaya Rp10.000.000, Opsi B menyelesaikan masalah 100% dengan biaya Rp6.000.000' (acuan jawaban: Opsi B lebih efisien); Kasus 2: 'Opsi C berbiaya Rp5.000.000 menyelesaikan 60% masalah, Opsi D berbiaya Rp6.000.000 menyelesaikan 98% masalah dengan dampak risiko minimal' (acuan jawaban: Opsi D optimal karena keseimbangan terbaik antara hasil, biaya, dan risiko) (10 menit).

Kegiatan Inti:

Memahami (Bermakna):

• Murid mencermati tabel hasil olahan data studi kasus alokasi program konservasi lingkungan yang memuat 3 opsi solusi: Opsi 1 (Restorasi Mangrove: Biaya 50 juta, Serapan Karbon 120 ton/th, Risiko Gagal 10%), Opsi 2 (Penanaman Sengon: Biaya 30 juta, Serapan Karbon 70 ton/th, Risiko Gagal 40%), dan Opsi 3 (Agroforestri: Biaya 45 juta, Serapan Karbon 115 ton/th, Risiko Gagal 15%) (15 menit).
• Murid dipandu guru mengidentifikasi parameter optimasi (trade-off) antara biaya, dampak serapan karbon, dan mitigasi risiko berdasarkan data olahan tersebut (10 menit).

Mengaplikasi (Menggembirakan, Berkesadaran):

• Secara berpasangan, murid memainkan tantangan interaktif 'Optimal Decision Match' menggunakan lembar skenario komparasi data: murid menganalisis perbandingan Opsi 1, 2, dan 3 untuk menetapkan solusi terpilih yang paling optimal beserta justifikasi matematis rasio biaya-dampak-risikonya (20 menit).
• Setiap pasangan murid menuliskan lembar analisis keputusan optimal yang memuat skor pembobotan data dan kesimpulan pemilihan Opsi 1 sebagai solusi optimal (acuan: Opsi 1 memiliki rasio efisiensi 2,4 ton/juta dengan risiko paling rendah 10%, mengungguli Opsi 2 rasio 2,33 ton/juta risiko 40% dan Opsi 3 rasio 2,55 ton/juta tetapi risiko lebih tinggi 15%) (15 menit).

Merefleksi (Berkesadaran):

• Murid bersama pasangan mengevaluasi proses penalaran data mereka: apakah keputusan yang diambil sudah benar-benar mempertimbangkan seluruh variabel secara seimbang atau masih dipengaruhi asumsi subjektif (10 menit).

Penutup:

• Murid dan guru menyimpulkan prinsip pengambilan keputusan optimal berbasis data olahan, yakni memilih alternatif dengan trade-off terbaik antara ketercapaian target, efisiensi sumber daya, dan risiko (3 menit).
• Guru memberikan penguatan terhadap hasil analisis keputusan murid serta menginformasikan keterkaitan pembelajaran hari ini dengan pertemuan berikutnya tanpa mengakhiri bab (2 menit).

Diferensiasi:

• Konten: Menyediakan lembar data olahan dengan panduan matriks bobot penilaian bertingkat bagi murid yang membutuhkan perancah konseptual.
• Proses: Murid yang mahir menganalisis skenario tambahan dengan 4 kriteria multivariat (menambahkan variabel waktu pemulihan), sementara murid yang sedang berkembang fokus pada analisis komparasi 3 kriteria utama.
• Produk: Hasil analisis disajikan dalam bentuk lembar kalkulasi matriks keputusan berbobot terstruktur.

Asesmen Pertemuan:

Awal:

• Tes diagnostik singkat lisan/tulis berdurasi 10 menit dengan 2 butir perbandingan skenario: (1) Menentukan opsi paling efisien dari data Opsi A (biaya 10 juta, hasil 100%) vs Opsi B (biaya 6 juta, hasil 100%) [acuan jawaban: Opsi B paling efisien karena biaya lebih rendah untuk hasil setara]; (2) Menentukan opsi optimal dari Opsi C (biaya 5 juta, hasil 60%, risiko 30%) vs Opsi D (biaya 6 juta, hasil 98%, risiko 5%) [acuan jawaban: Opsi D optimal karena dengan tambahan biaya sedikit memperoleh hasil jauh lebih tinggi dan risiko jauh lebih rendah].

Proses:

• Observasi formatif saat pengerjaan aktivitas 'Optimal Decision Match': memeriksa kemampuan murid menghitung dan membandingkan rasio efektivitas biaya dan risiko dari 3 opsi data olahan pada lembar kerja.

Akhir Pertemuan:

• Pemeriksaan lembar kerja analisis keputusan: murid menetapkan solusi terpilih beserta 3 indikator analisis (efektivitas serapan karbon, efisiensi biaya, dan mitigasi risiko) berdasarkan data olahan kasus konservasi (acuan: Opsi 1 terpilih secara optimal dengan serapan 120 ton, biaya 50 juta, dan risiko terendah 10%).

Formatif:

• Penilaian proses analisis keputusan menggunakan lembar observasi kerja berpasangan
• Cek pemahaman diagnostik awal dan evaluasi lembar analisis matriks keputusan optimal

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah skenario data olahan yang disediakan cukup menantang murid untuk berpikir kritis menimbang trade-off keputusan?
• Bagaimana keterlibatan setiap pasangan murid saat berkolaborasi menentukan opsi solusi yang paling optimal?

Murid:

• Bagian mana dari penentuan keputusan berbasis data yang paling menuntut ketelitian saya dan pasangan?
• Bagaimana data membantu saya menghindari keputusan yang keliru atau bias saat dihadapkan pada beberapa alternatif?

Pertemuan 9 — Menghasilkan Prediksi Pola Data Tanpa Komputer Berdasarkan Hasil Pengolahan Data — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 11.2.4 Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputer

Pendahuluan:

• Guru membuka pelajaran dengan salam, memeriksa kehadiran, dan menyampaikan tujuan pembelajaran yaitu menghasilkan prediksi pola data secara manual (unplugged/tanpa komputer) berdasarkan data historis (5 menit).
• Guru melaksanakan asesmen awal diagnostik melalui kuis lisan singkat: menyajikan deret data luas tutupan hutan fiktif 4 tahun berturut-turut (2020: 100 ha, 2021: 90 ha, 2022: 80 ha, 2023: 70 ha) dan meminta murid menebak nilai tahun 2024 serta menyebutkan pola perubahannya (acuan: nilai 60 ha, pola penurunan konstan sebesar 10 ha/tahun) (10 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak penjelasan guru mengenai konsep prediksi berbasis data historis secara manual melalui identifikasi selisih rata-rata (tren linier sederhana) dan rasio perubahan (15 menit).
• Guru membagikan Lembar Kerja Pola Data yang memuat tabel data historis laju deforestasi hutan fiktif selama 5 tahun berturut-turut: Tahun 1 = 120 ha, Tahun 2 = 110 ha, Tahun 3 = 100 ha, Tahun 4 = 90 ha, Tahun 5 = 80 ha (10 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Dalam kelompok berpasangan, murid memainkan mini tantangan kompetisi tebak tren: menghitung selisih tahunan data historis pada lembar kerja dan menghasilkan angka prediksi luas deforestasi untuk Tahun 6 dan Tahun 7 secara manual dengan strategi perhitungan selisih tetap (acuan: Tahun 6 = 70 ha, Tahun 7 = 60 ha; selisih konstan -10 ha/tahun) (20 menit).
• Murid merumuskan prediksi lanjutan: menentukan pada tahun ke berapa tutupan deforestasi mencapai angka 0 ha jika tren penurunan berlanjut konstan (acuan: Tahun ke-13, perhitungan: 80 ha - (8 x 10 ha) = 0 ha di Tahun 5 + 8 = Tahun 13) (15 menit).

Merefleksi (Berkesadaran):

• Murid membandingkan hasil perhitungan prediksi antar-kelompok dan mendiskusikan faktor asumsi yang membuat prediksi linier manual ini efektif atau memiliki keterbatasan jika pola di lapangan berubah (10 menit).

Penutup:

• Guru memberikan penguatan terhadap hasil prediksi murid dan memberikan umpan balik langsung mengenai ketepatan logika penentuan selisih tren (3 menit).
• Guru menutup pertemuan dengan memberikan apresiasi dan menginformasikan bahwa pertemuan berikutnya akan melanjutkan prediksi deret waktu dengan bantuan perangkat komputer (2 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan tabel data dengan selisih bulat tetap (-10), sedangkan murid yang lebih cepat diberikan data deret dengan variasi selisih bertahap (-10, -12, -8) untuk dihitung rata-rata selisihnya terlebih dahulu.
• Proses: Murid yang kesulitan dipandu langkah demi langkah menghitung kolom selisih (Tahun n - Tahun n-1) sebelum memproyeksikan angka prediksi.
• Produk: Hasil prediksi dituangkan pada tabel proyeksi sederhana lengkap dengan notasi perhitungan selisih deret.

Asesmen Pertemuan:

Awal:

• Diagnostik pemahaman pola deret: Guru menyajikan deret data 100, 90, 80, 70. Murid diminta menentukan nilai berikutnya dan pola perubahan per tahun (acuan kunci: nilai berikutnya 60; pola penurunan konstan sebesar 10 per tahun).

Proses:

• Observasi pengerjaan Lembar Kerja Pola Data: Memeriksa ketepatan langkah penghitungan selisih dan penentuan nilai prediksi Tahun 6 (kunci: 70 ha) dan Tahun 7 (kunci: 60 ha), serta proyeksi nilai 0 ha (kunci: Tahun ke-13).

Akhir Pertemuan:

• Cek pemahaman singkat di akhir sesi: Menyelesaikan satu butir data prediksi manual. Soal: Diketahui data emisi karbon (ton) selama 3 tahun adalah Th 1: 50, Th 2: 65, Th 3: 80. Berapakah prediksi Th 4 jika pola linier berlanjut? (acuan kunci: 95 ton, didapat dari penambahan konstan +15 ton/tahun).

Formatif:

• Penilaian unjuk kerja penghitungan selisih pola dan ketepatan angka prediksi manual pada Lembar Kerja Pola Data

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah murid dapat memahami konsep keteraturan pola data historis secara manual tanpa bergantung pada kalkulasi otomatis komputer?
• Bagian mana dari langkah penentuan prediksi selisih yang paling banyak memerlukan bimbingan guru?

Murid:

• Bagaimana langkah-langkah yang saya lakukan untuk menentukan angka prediksi masa depan berdasarkan tabel data masa lalu?
• Apa tantangan terbesar saat menghitung pola data deret secara manual tanpa kalkulator atau komputer?

Pertemuan 10 — Menghasilkan Prediksi Tren Deret Waktu Menggunakan Komputer Berdasarkan Hasil Pengolahan Data — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 11.2.4 Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputer

Pendahuluan:

• Guru membuka sesi pembelajaran, memeriksa kesiapan teknis komputer murid, dan menyampaikan tujuan pembelajaran terkait pembuatan prediksi deret waktu berbasis komputer (5 menit).
• Murid mengerjakan asesmen awal diagnostik singkat di layar monitor berupa 2 butir soal identifikasi pola tren data historis berurutan: (1) Menentukan arah tren dari data deret waktu [Tahun 2021: 100, 2022: 120, 2023: 140]; (2) Menghitung nilai prediksi sederhana untuk Tahun 2024 jika kenaikan bernilai konstan (acuan kunci diagnostik: (1) Tren linier naik/positif; (2) Nilai prediksi tahun 2024 adalah 160 karena bertambah 20 tiap tahun) (10 menit).

Kegiatan Inti:

Memahami (Bermakna, Menggembirakan):

• Murid menyimak demonstrasi guru di perangkat komputer tentang pengolahan data deret waktu (time series) menggunakan spreadsheet, memetakan scatter plot, dan menambahkan garis tren (trendline) linier beserta persamaan matematis regresi linier (y = mx + c) untuk memproyeksikan nilai masa depan secara efisien (15 menit).
• Murid mengikuti kuis interaktif cepat di komputer 'Tebak Formula Proyeksi' untuk memasangkan 2 komponen fungsi spreadsheet dengan tujuannya: (1) Fungsi FORECAST.LINEAR/TREND dipasangkan dengan 'menghitung nilai prediksi masa depan berdasarkan data historis'; (2) Nilai R-squared (R²) dipasangkan dengan 'mengukur kecocokan garis tren dengan sebaran data asli' (acuan: pasangan di atas) (10 menit).

Mengaplikasi (Berkesadaran, Bermakna):

• Murid membuka berkas data deret waktu deforestasi/tutupan lahan fiktif selama 5 tahun pada aplikasi lembar kerja: Tahun 1 = 500 ha, Tahun 2 = 460 ha, Tahun 3 = 420 ha, Tahun 4 = 380 ha, Tahun 5 = 340 ha (10 menit).
• Secara mandiri di komputer masing-masing, murid mengolah data tersebut dengan menyusun grafik tren dan menerapkan formula proyeksi komputer (`=FORECAST.LINEAR(6; B2:B6; A2:A6)` atau substitusi x=6 pada persamaan garis tren y = -40x + 540) untuk menghasilkan prediksi luasan pada Tahun 6 dan Tahun 7 (acuan target hasil: Tahun 6 = 300 ha, Tahun 7 = 260 ha) (20 menit).

Merefleksi (Berkesadaran):

• Murid mengevaluasi hasil prediksi komputernya terhadap prinsip optimalitas dan efisiensi pengolahan data, memeriksa apakah nilai prediksi Tahun 6 (300 ha) dan Tahun 7 (260 ha) diperoleh secara tepat sesuai formula tanpa galat komputasi (10 menit).

Penutup:

• Murid dan guru menyimpulkan alur teknis peramalan tren deret waktu menggunakan fitur komputer secara efektif dan efisien (5 menit).
• Guru memberikan umpan balik berbasis bukti hasil lembar kerja dan mengarahkan penyimpanan berkas untuk persiapan analisis pada sesi selanjutnya (5 menit).

Diferensiasi:

• Konten: Menyediakan berkas deret waktu dengan rentang nilai bulat untuk latihan reguler dan berkas deret waktu desimal untuk pengayaan.
• Proses: Memberikan panduan pintasan formula lembar kerja bertahap bagi murid yang membutuhkan scaffolding teknis.
• Produk: Murid cepat menambahkan perhitungan prediksi untuk horizon waktu tambahan (Tahun 8 = 220 ha dan Tahun 9 = 180 ha) pada berkas komputernya.

Asesmen Pertemuan:

Awal:

• Tes diagnostik 2 butir soal pada awal sesi: (1) Pola arah tren data [2021: 100, 2022: 120, 2023: 140]; (2) Nilai proyeksi tahun 2024 jika laju pertambahan konstan. Acuan: (1) Tren linier positif/naik; (2) Nilai 160 (karena selisih delta konstan +20).

Proses:

• Pemeriksaan lembar kerja komputer saat murid memformulasikan fungsi prediksi deret waktu untuk Tahun 6 dan Tahun 7. Bukti: Penerapan formula =FORECAST.LINEAR atau persamaan garis tren y = -40x + 540 dengan hasil tepat: Tahun 6 = 300 ha dan Tahun 7 = 260 ha.

Akhir Pertemuan:

• Cek pemahaman singkat (exit ticket digital 1 butir): 'Berdasarkan model y = -40x + 540 yang telah dibuktikan pada komputer, pada tahun ke berapakah nilai luasan diprediksi mencapai angka 100 ha?' Acuan kunci: Tahun ke-11 (penyelesaian matematis komputer: -40(11) + 540 = -440 + 540 = 100).

Formatif:

• Penilaian unjuk kerja pengolahan formula tren deret waktu dan ketepatan nilai prediksi pada aplikasi spreadsheet

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah instruksi teknis formula prediksi di lembar kerja komputer dapat dipahami dan dieksekusi secara mandiri oleh murid?
• Apakah murid telah mampu melihat kaitan antara persamaan garis tren matematis dengan nilai keluaran prediksi komputer?

Murid:

• Apakah saya dapat menjalankan fungsi prediksi deret waktu pada komputer secara mandiri dan akurat?
• Langkah formula mana yang paling membantu saya menentukan angka prediksi masa depan secara efisien?

Pertemuan 11 — Menghasilkan Prediksi Berbasis Data Secara Efektif, Efisien, dan Optimal — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 11.2.4 Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputer

Pendahuluan:

• Guru membuka pembelajaran dengan salam, memeriksa kehadiran murid, dan menciptakan suasana belajar yang kondusif (4 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ke-11: menghasilkan prediksi berbasis data secara efektif, efisien, dan optimal (3 menit).
• Guru memberikan asesmen awal diagnostik singkat berupa 2 pertanyaan untuk memetakan kesiapan murid dalam menghasilkan prediksi berbasis data: (1) 'Jika data deret waktu tahun 2021=100, 2022=120, 2023=140, berapakah prediksi tahun 2024?' (acuan: 160, karena pola bertambah 20 per tahun); (2) 'Apa yang dimaksud dengan prediksi yang efisien?' (acuan: metode prediksi yang memerlukan waktu/langkah perhitungan minimal namun tetap akurat) (8 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak penjelasan perbandingan 2 metode prediksi berbasis data tabular deforestasi/luas tutupan: Metode A (Rata-rata perubahan konstan: langkah hitung singkat, galat sedang) vs Metode B (Regresi kuadratik bertingkat: langkah sangat panjang, galat minimal) guna memahami indikator efektif (akurasi tepat sasaran menjawab kebutuhan), efisien (langkah perhitungan hemat waktu/sumber daya), dan optimal (titik temu terbaik antara ketelitian dan kemudahan komputasi) (15 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid mengikuti tantangan berpasangan kuis 'Tebak Efisiensi Prediksi' di mana setiap pasangan menguji kecepatan dan ketepatan menghasilkan prediksi dari skenario data ringkas 5 baris: Skenario 1 (Tren linear: 10, 20, 30, 40 -> prediksi periode ke-5 adalah 50) dan Skenario 2 (Rata-rata bergerak 3 periode: 12, 14, 16 -> prediksi periode berikutnya adalah (12+14+16)/3 = 14) untuk merasakan secara menggembirakan trade-off efisiensi hitung (15 menit).
• Murid secara mandiri menyelesaikan Lembar Kerja Prediksi Terstruktur berbasis data olahan historis 5 tahun deforestasi suatu provinsi (Tahun 1: 50 ha, Tahun 2: 45 ha, Tahun 3: 40 ha, Tahun 4: 35 ha, Tahun 5: 30 ha): murid menghitung prediksi Tahun ke-6 menggunakan metode perubahan rata-rata linear (acuan hasil: 25 ha, tren berkurang 5 ha/tahun) dan menentukan metode tersebut paling optimal dibanding metode rata-rata total karena konsistensi laju penurunan data (25 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa kesesuaian hasil prediksinya terhadap kriteria efektif (selisih galat minimal), efisien (jumlah tahapan rumus ringkas), dan optimal (pilihan metode paling sesuai dengan pola data), lalu mencatat evaluasi proses pengerjaan prediksi yang telah mereka hasilkan (10 menit).

Penutup:

• Murid dan guru menyimpulkan prinsip menghasilkan prediksi berbasis data yang efektif, efisien, dan optimal (6 menit).
• Guru memberikan umpan balik atas lembar kerja prediksi yang telah diselesaikan serta menginformasikan persiapan untuk pertemuan berikutnya tanpa menutup bab (4 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan lembar data dengan pemandu selisih delta tahunan; murid yang mahir diberikan dataset dengan sedikit fluktuasi data untuk menguji pemilihan metode prediksi yang tetap optimal.
• Proses: Murid yang belum lancar dibimbing secara terstruktur dalam menentukan selisih rata-rata perubahan data; murid mahir bekerja mandiri secara penuh.
• Produk: Semua murid menghasilkan angka prediksi data dan justifikasi keterpilihan metode secara optimal pada lembar kerja sesuai rubrik.

Asesmen Pertemuan:

Awal:

• Tanya jawab diagnostik 2 butir soal: Butir 1: 'Berdasarkan data nilai berkala: 2021=100, 2022=120, 2023=140, tentukan nilai prediksi 2024!' (acuan: 160); Butir 2: 'Sebutkan ciri metode prediksi yang efisien!' (acuan: metode dengan langkah komputasi/rumus ringkas namun menghasilkan estimasi yang memadai).

Proses:

• Pemeriksaan lembar kerja mandiri murid: menghitung angka prediksi Tahun ke-6 dari deret 50, 45, 40, 35, 30 (acuan: 25 ha) serta memilih justifikasi metode linear selisih tetap sebagai pilihan yang efektif, efisien, dan optimal (acuan: selisih konstan -5 ha per tahun memudahkan hitungan tepat tanpa perlu rumus berderajat tinggi).

Akhir Pertemuan:

• Cek pemahaman singkat 1 butir di akhir sesi: 'Diberikan deret data produksi: 10, 15, 20, 25. Tentukan hasil prediksi periode berikutnya serta sebutkan mengapa metode linear adalah pilihan paling optimal untuk data ini!' (acuan: hasil prediksi = 30; optimal karena pola pertambahan konsisten +5 per periode sehingga komputasi sederhana memberikan hasil paling tepat tanpa galat).

Formatif:

• Penilaian proses penyelesaian Lembar Kerja Prediksi Berbasis Data
• Observasi diagnostik awal kesiapan penentuan prediksi

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu 90 menit mencukupi untuk murid memahami konsep efisiensi dan menghasilkan angka prediksi secara mandiri?
• Apakah diferensiasi scaffolding perhitungan selisih delta efektif membantu murid yang mengalami kendala perhitungan matematis?

Murid:

• Apakah saya sudah dapat menentukan metode prediksi yang paling efisien dan menghasilkan angka prediksi yang tepat dari data olahan?
• Bagian mana dari proses penentuan prediksi yang menurut saya paling menantang?

Pertemuan 12 — Asesmen Sumatif Bab — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 11.2.1 Memanfaatkan sumber data yang terbuka, terpercaya, dan legal untuk persiapan pengolahan data
• TP 11.2.2 Mengolah data dari sumber yang terbuka, terpercaya, dan legal tanpa atau dengan komputer
• TP 11.2.3 Menganalisis hasil olahan data untuk pengambilan keputusan secara efektif, efisien, dan optimal
• TP 11.2.4 Menghasilkan prediksi secara efektif, efisien, dan optimal berdasarkan hasil pengolahan data tanpa atau dengan komputer

Pendahuluan:

• Guru membuka sesi asesmen sumatif dengan salam, mengecek kehadiran, dan memfasilitasi doa bersama sebelum memulai unjuk kerja mandiri (3 menit).
• Guru menyampaikan tujuan asesmen sumatif unjuk kerja terpadu yang mencakup verifikasi sumber data, pengolahan data tabular, formulasi prediksi tren, serta perumusan rekomendasi keputusan (2 menit).

Kegiatan Inti:

Memahami (Berkesadaran):

• Guru membagikan lembar instrumen asesmen unjuk kerja terpadu dan dataset terstandar (Data Kasus Komoditas Pangan Sekolah: Data Deret Waktu Produksi Beras 2021-2023 dari portal Satu Data Indonesia dengan lisensi Creative Commons Zero/CC0), lalu membacakan petunjuk teknis pelaksanaan portofolio analitis individual serentak tanpa membuka ruang diskusi isi materi (5 menit).

Mengaplikasi (Bermakna):

• Murid secara individual dan mandiri mengerjakan Tugas Bagian 1: Kinerja Penyiapan dan Pengolahan Data Serentak, yaitu melakukan verifikasi keterbukaan, keterpercayaan, dan legalitas sumber data (acuan: sumber portal Satu Data Indonesia, lisensi terbuka CC0/bebas hak cipta, lembaga resmi BPS/Kementan), membersihkan data yang anomali/rumpang (membuang 1 baris nilai negatif tidak wajar), serta menyusun tabel pengolahan data terstruktur lengkap dengan perhitungan total dan rata-rata tahunan (38 menit).
• Murid secara individual dan mandiri mengerjakan Tugas Bagian 2: Laporan Analisis Prediksi dan Pengambilan Keputusan Serentak, yaitu menghitung proyeksi tren produksi tahun 2024 menggunakan metode rata-rata pertumbuhan/deret waktu sederhana (acuan: formula pertumbuhan rerata = (Produksi 2023 - Produksi 2021) / 2 = kenaikan rata-rata per tahun; proyeksi 2024 = nilai 2023 + kenaikan rata-rata) disertai justifikasi rasional matematis, serta merumuskan minimal 1 rekomendasi keputusan berbasis data yang efektif, efisien, dan optimal untuk ketahanan pangan sekolah (37 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa kembali kelengkapan seluruh dokumen portofolio kerja analitis masing-masing (lembar verifikasi, tabel olahan, rumus prediksi, dan rekomendasi keputusan) sebelum menyerahkannya kepada guru (2 menit).

Penutup:

• Guru mengumpulkan seluruh lembar portofolio kerja analitis murid secara tertib dan serentak (2 menit).
• Guru menutup sesi asesmen sumatif Bab 2 Analisis Data dengan memberikan apresiasi atas kedisiplinan dan integritas seluruh murid dalam menuntaskan asesmen, kemudian mengakhiri pembelajaran dengan doa penutup (1 menit).

Diferensiasi:

• Proses: Akomodasi akses: murid yang memerlukan penyesuaian visual diberikan lembar instrumen dengan ukuran cetak teks/tabel lebih besar (enlarged print) tanpa mengubah isi tugas, batas waktu, maupun kriteria penilaian.

Asesmen Pertemuan:

Sumatif Bab:

• penilaian unjuk kerja terpadu analisis data: portofolio kerja analitis berisi verifikasi sumber data terbuka, tabel pengolahan data terstruktur, formulasi prediksi tren beserta justifikasi rasional, dan rekomendasi keputusan berbasis data
• kinerja penyiapan dan pengolahan data serentak: lembar kerja murid berisi verifikasi legalitas/keterpercayaan sumber data terbuka dan tabel hasil pengolahan data yang disusun seluruh kelas secara serentak (45 menit; individual; instrumen: rubrik analitik verifikasi dan pengolahan data (kriteria: validitas sumber data terbuka, ketepatan pembersihan/transformasi data, dan kejelasan struktur tabel olahan))
• laporan analisis prediksi dan pengambilan keputusan serentak: dokumen rumusan prediksi tren deret waktu/pola data disertai justifikasi metode matematis sederhana serta catatan rekomendasi pengambilan keputusan berbasis hasil interpretasi olahan data (45 menit; individual; instrumen: rubrik analitik penalaran data (kriteria: ketepatan ekstrapolasi/prediksi tren berbasis data, ketajaman justifikasi rasional, dan kelayakan opsi keputusan))

Sumatif:

• penilaian unjuk kerja terpadu analisis data: portofolio kerja analitis berisi verifikasi sumber data terbuka, tabel pengolahan data terstruktur, formulasi prediksi tren beserta justifikasi rasional, dan rekomendasi keputusan berbasis data
• kinerja penyiapan dan pengolahan data serentak: lembar kerja murid berisi verifikasi legalitas/keterpercayaan sumber data terbuka dan tabel hasil pengolahan data yang disusun seluruh kelas secara serentak (45 menit; individual; instrumen: rubrik analitik verifikasi dan pengolahan data (kriteria: validitas sumber data terbuka, ketepatan pembersihan/transformasi data, dan kejelasan struktur tabel olahan))
• laporan analisis prediksi dan pengambilan keputusan serentak: dokumen rumusan prediksi tren deret waktu/pola data disertai justifikasi metode matematis sederhana serta catatan rekomendasi pengambilan keputusan berbasis hasil interpretasi olahan data (45 menit; individual; instrumen: rubrik analitik penalaran data (kriteria: ketepatan ekstrapolasi/prediksi tren berbasis data, ketajaman justifikasi rasional, dan kelayakan opsi keputusan))

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu 90 menit unjuk kerja terpadu mencukupi seluruh murid untuk menyelesaikan penyiapan, pengolahan, prediksi, dan analisis keputusan?
• Bagaimana tingkat kemandirian murid saat membuktikan penguasaan empat TP elemen Analisis Data secara serentak?

Murid:

• Bagian mana dari unjuk kerja analisis data terpadu tadi yang paling menantang untuk diselesaikan secara mandiri?
• Bagaimana keyakinan saya terhadap ketepatan prediksi dan keputusan yang saya rumuskan berdasarkan tabel data yang saya olah?

SUMBER BELAJAR

1. Buku Panduan Guru Informatika SMA/MA Kelas XI (Edisi Revisi), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia
2. Buku Siswa Informatika SMA/MA Kelas XI (Edisi Revisi), Bab 2: Analisis Data
3. Portal Satu Data Indonesia (data.go.id) dan Badan Pusat Statistik (bps.go.id)
4. Lembar Kerja Aktivitas AD-K11-01 dan Kartu Skenario 'Detektif Sumber Data'
5. Buku Panduan Guru Informatika untuk SMA/MA Kelas XI (Edisi Revisi), Pusat Perbukuan Kemendikbudristek
6. Buku Siswa Informatika untuk SMA/MA Kelas XI (Edisi Revisi), Pusat Perbukuan Kemendikbudristek
7. Portal Satu Data Indonesia (https://data.go.id) dan Badan Pusat Statistik (https://bps.go.id)
8. Komputer/gawai dengan koneksi internet untuk mengakses repositori data terbuka
9. Lembar Kerja Siswa: Lembar Persiapan Data Terbuka dan Legal
10. Buku Panduan Guru Informatika SMA/MA Kelas XI (Edisi Revisi), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi, 2023
11. Buku Siswa Informatika SMA/MA Kelas XI (Edisi Revisi), Pusat Kurikulum dan Perbukuan, 2023
12. Lembar Kerja Murid (LKPD) Pengolahan Data Profil Sederhana Tanpa Komputer
13. Papan tulis dan alat tulis kertas/kartu turus
14. Buku Panduan Guru Informatika untuk SMA/MA Kelas XI (Edisi Revisi), Bab 2 Analisis Data
15. Buku Siswa Informatika untuk SMA/MA Kelas XI (Edisi Revisi), Bab 2 Subbab Mengolah dan Memanfaatkan Data
16. Perangkat komputer/laptop dengan aplikasi lembar kerja spreadsheet (Microsoft Excel / Google Sheets / LibreOffice Calc)
17. File dataset tabular terbuka format .csv kependudukan/wilayah dari portal Satu Data Indonesia atau open data daerah
18. Buku Panduan Guru Informatika SMA/MA Kelas XI Revisi
19. Buku Siswa Informatika SMA/MA Kelas XI Revisi
20. Dataset Tabular Terbuka Pangan (format .xlsx/.csv) dari portal data terbuka resmi
21. Perangkat komputer/laptop dengan aplikasi spreadsheet (LibreOffice Calc / Microsoft Excel / Google Sheets)
22. Buku Panduan Guru Informatika untuk SMA/MA Kelas XI (Edisi Revisi), Pusat Kurikulum dan Perbukuan, Kemendikbudristek 2024 (Aktivitas AD-K11-03: Mengambil Keputusan Secara Kritis)
23. Buku Siswa Informatika untuk SMA/MA Kelas XI (Edisi Revisi), Bab 2 Analisis Data, Sub-bab Memanfaatkan Data untuk Pengambilan Keputusan
24. Lembar Kerja Analisis Keputusan Multi-Kriteria (Tantangan Manajer Data)
25. Buku Panduan Guru Informatika SMA/MA Kelas XI (Kemendikbudristek 2024, Bab 2 Analisis Data)
26. Buku Siswa Informatika SMA/MA Kelas XI (Kemendikbudristek 2024, Bab 2 Analisis Data)
27. Lembar Kerja Analisis Multikriteria Data Terstruktur
28. Buku Siswa Informatika SMA/MA Kelas XI, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi RI, 2024
29. Buku Panduan Guru Informatika SMA/MA Kelas XI, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi RI, 2024
30. Lembar Kerja Aktivitas 'Optimal Decision Match' berisi tabel data olahan konservasi lingkungan
31. Buku Panduan Guru Informatika SMA/MA Kelas XI (Edisi Revisi), Bab 2 Analisis Data
32. Buku Teks Siswa Informatika SMA/MA Kelas XI (Edisi Revisi), Bab 2 Analisis Data
33. Lembar Kerja Pola Data Unplugged (Tabel data deforestasi fiktif berurutan)
34. Buku Panduan Guru Informatika SMA Kelas XI (Kemendikbudristek)
35. Buku Siswa Informatika SMA Kelas XI (Kemendikbudristek)
36. Aplikasi spreadsheet/lembar kerja pengolah angka (komputer laboratorium)
37. Lembar kerja dataset digital deret waktu
38. Buku Panduan Guru Informatika SMA/MA Kelas XI (Edisi Revisi), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi
39. Buku Siswa Informatika SMA/MA Kelas XI (Edisi Revisi), Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi
40. Lembar Kerja Siswa: Prediksi Data Tabular Terstruktur
41. Buku Siswa Informatika SMA/MA Kelas XI Revisi 2024, Bab 2: Analisis Data
42. Buku Panduan Guru Informatika SMA/MA Kelas XI Revisi 2024, Bab 2
43. Lembar Instrumen Asesmen Sumatif Unjuk Kerja Terpadu Analisis Data dan Lembar Portofolio Analitis Mandiri