Modul Ajar Koding dan Kecerdasan Artifisial Kelas 10: Algoritma Rule-Based dan Pengantar Algoritma Machine Learning

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Murid mampu memahami dan menerapkan algoritma rule-based berbasis aturan logika (if-then/nested if) untuk menyelesaikan permasalahan sederhana, seperti diagnosis awal kesehatan atau klasifikasi teks.
2. Murid mampu menjelaskan konsep dasar empat algoritma machine learning (decision tree, linear regression, K-means clustering, naive Bayes) dan membandingkan dengan algoritma rule-based melalui contoh nyata.

PROFIL LULUSAN

PERTANYAAN PEMANTIK

1. Bagaimana sebuah program bisa 'berpikir' hanya dengan aturan-aturan yang kita buat?
2. Apa bedanya aturan yang dibuat manusia dengan mesin yang 'belajar' dari data?
3. Pernahkah kalian melihat rekomendasi produk atau film? Kira-kira algoritma apa yang bekerja di baliknya?

KEGIATAN PEMBELAJARAN

Pertemuan 1

Pendahuluan:

• Guru membuka pembelajaran dengan salam dan mengecek kehadiran murid.
• Guru memberikan asesmen awal (diagnostik) berupa pertanyaan lisan atau kuis singkat untuk mengetahui pemahaman murid tentang pengondisian dan konsep algoritma.
• Guru menyampaikan tujuan pembelajaran dan menampilkan pertanyaan pemantik untuk membangkitkan rasa ingin tahu.
• Guru mengaitkan materi dengan pengalaman murid (contoh: aplikasi diagnosa sederhana atau rekomendasi) yang sudah pernah dijumpai.

Kegiatan Inti:

Memahami (Bermakna, Berkesadaran):

• Murid menyimak penjelasan guru tentang algoritma rule-based menggunakan contoh diagnosa kesehatan (berdasarkan Buku Siswa hlm.57-58).
• Murid secara berpasangan menganalisis flowchart yang diberikan dan mengidentifikasi struktur nested if serta hubungan sebab-akibat di dalamnya.
• Guru memperkenalkan secara singkat konsep dasar empat algoritma machine learning (decision tree, linear regression, K-means clustering, naive Bayes) dengan analogi sederhana, misalnya: decision tree untuk memilih film, linear regression untuk prediksi tinggi badan, K-means untuk mengelompokkan buah, naive Bayes untuk klasifikasi email spam.
• Murid mencatat perbedaan utama: rule-based bergantung pada aturan eksplisit buatan manusia, sedangkan machine learning membangun model dari data.

Mengaplikasi (Bermakna, Menggembirakan):

• Guru membagi kelas menjadi beberapa kelompok kecil (3-4 orang) dan memberikan Lembar Kerja Murid (LKPD) yang berisi dua skenario: (a) klasifikasi hewan berdasarkan ciri (contoh: mamalia/bukan), (b) prediksi kelulusan berdasarkan nilai dan kehadiran.
• Setiap kelompok memilih satu skenario, lalu membuat flowchart atau pseudocode algoritma rule-based untuk menyelesaikannya. Untuk skenario yang lebih menantang, kelompok diminta menuliskan kode Python sederhana jika memungkinkan.
• Kelompok juga mendiskusikan: bagaimana jika permasalahan ini diselesaikan dengan pendekatan machine learning (misal decision tree)? Mereka menuliskan perbedaan pendekatan pada kertas post-it.
• Guru berkeliling memberikan bimbingan, memastikan setiap anggota kelompok terlibat, dan menanyakan proses berpikir (scaffolding).
• Murid diizinkan menggunakan laptop atau kertas untuk menuangkan ide.

Merefleksi (Berkesadaran, Bermakna):

• Dua perwakilan kelompok mempresentasikan hasil flowchart/pseudocode dan perbandingan dengan ML di depan kelas.
• Murid lain memberikan tanggapan atau pertanyaan melalui kegiatan 'dua bintang satu harapan' (two stars and a wish).
• Murid melakukan penilaian diri (self-assessment) menggunakan lembar refleksi: apa yang sudah dipahami, apa yang masih sulit, dan apa yang ingin dipelajari lebih lanjut.
• Guru memandu diskusi ringan: kapan aturan buatan manusia lebih cocok, kapan pembelajaran dari data lebih diperlukan.

Penutup:

• Guru memberikan asesmen akhir berupa kuis singkat (3-5 pertanyaan) untuk mengukur pencapaian TP.
• Guru memberikan penguatan konsep dan meluruskan miskonsepsi yang muncul selama pembelajaran.
• Murid menuliskan satu kalimat kesimpulan di kertas kecil dan menempelkannya di papan 'kesimpulan hari ini'.
• Guru menyampaikan rencana pertemuan selanjutnya dan memberikan tugas membaca materi lanjutan tentang implementasi ML sederhana.
• Guru menutup pembelajaran dengan doa atau salam.

Diferensiasi:

• Konten: Murid dengan pemahaman cepat diberikan tantangan tambahan berupa studi kasus yang lebih kompleks (misal: sistem rekomendasi buku atau klasifikasi email multi kategori). Murid yang lambat diberikan lebih banyak contoh konkret dan bimbingan langkah demi langkah dalam membangun algoritma rule-based.
• Proses: Murid yang sudah mahir dipersilakan langsung menuliskan kode Python dan mengujinya. Murid yang masih perlu banyak bantuan menerima pendampingan intensif dalam kelompok kecil oleh guru atau teman sebaya.
• Produk: Murid dapat menyajikan hasil dalam bentuk flowchart (gambar), pseudocode, atau kode Python sesuai kemampuan. Bagi yang tidak memiliki laptop, diperbolehkan menggunakan kertas dan pensil.

ASESMEN

Awal:

• Pertanyaan lisan: 'Sebutkan contoh pengambilan keputusan dalam kehidupan sehari-hari yang menggunakan aturan jika-maka.' 'Apa yang kalian ketahui tentang algoritma?'
• Kuis singkat (2 soal): 1) Tuliskan contoh sederhana pengondisian if dalam Python. 2) Apa yang dimaksud dengan logika bercabang?

Proses:

• Mengamati kemampuan murid dalam mengonstruksi flowchart rule-based menggunakan rubrik (aspek: ketepatan logika, kelengkapan aturan, kerapian diagram).
• Mengamati diskusi kelompok dan mencatat kontribusi tiap anggota dalam membandingkan rule-based dan ML.
• Mengumpulkan lembar self-assessment yang diisi murid pada tahap refleksi.

Akhir:

• Soal 1: Buatlah flowchart algoritma rule-based untuk menentukan apakah seseorang boleh mendonorkan darah (syarat: usia 17-60 tahun, berat badan > 50 kg, tidak sedang sakit).
• Soal 2: Sebutkan satu perbedaan utama antara algoritma rule-based dan algoritma machine learning decision tree!
• Soal 3: Manakah dari algoritma berikut yang termasuk machine learning? a) nested if b) linear regression c) bubble sort. (pilihan ganda)

Formatif:

• Observasi partisipasi dan diskusi selama kerja kelompok (keaktifan, kerjasama, kualitas argumen).
• Penilaian lembar kerja (flowchart/pseudocode) berdasarkan rubrik.
• Tanya jawab lisan saat guru berkeliling untuk mengecek pemahaman.

Sumatif:

• Kuis tertulis di akhir pembelajaran (soal pilihan ganda dan uraian singkat) yang mencakup penerapan rule-based dan pemahaman dasar ML.

RUBRIK PENILAIAN

REFLEKSI

Refleksi Guru:

• Apakah semua murid dapat memahami perbedaan mendasar antara rule-based dan machine learning?
• Bagaimana respons murid terhadap aktivitas kelompok? Apakah ada yang perlu disesuaikan agar lebih kolaboratif?
• Apakah alokasi waktu untuk setiap tahap sudah cukup?
• Apakah strategi diferensiasi yang diterapkan berjalan efektif?
• Apa yang akan diperbaiki pada pertemuan berikutnya agar pembelajaran lebih mendalam?

Refleksi Murid:

• Apa bagian paling menarik dari pembelajaran hari ini?
• Kesulitan apa yang kamu alami saat membuat aturan logika?
• Menurutmu, kapan sebaiknya kita menggunakan aturan buatan manusia dan kapan sebaiknya menggunakan mesin yang belajar dari data?
• Bagaimana peranmu dalam kelompok? Apakah kamu sudah membantu teman?
• Apa yang ingin kamu pelajari lebih lanjut tentang kecerdasan buatan?

SUMBER BELAJAR

1. Buku Siswa Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X (Kemdikbud), halaman 56-59.
2. Buku Guru Panduan Khusus Bab 2 Algoritma dan Pemrograman Lanjut (Kemdikbud), halaman 79-81.
3. Laptop atau perangkat dengan akses ke Google Colab/Python (jika tersedia).
4. LCD proyektor dan papan tulis.
5. Lembar Kerja Murid (LKPD) yang memuat skenario rule-based dan tabel perbandingan ML.
6. Kertas post-it, spidol, dan kertas plano untuk presentasi.
7. Tayangan presentasi daring tentang contoh rule-based vs. ML (opsional, dapat diunduh dari https://buku.kemdikbud.go.id/s/kka10o).