Modul Ajar Koding dan Kecerdasan Artifisial Kelas 10 Bab 3: Literasi dan Etika Kecerdasan Artifisial

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. TP 10.3.1 Menjelaskan cara kerja KA mengenali pola citra
2. TP 10.3.2 Menjelaskan cara kerja KA mengenali pola suara
3. TP 10.3.3 Mengidentifikasi profesi di bidang KA
4. TP 10.3.4 Menganalisis tanggung jawab etika dan hukum atas penggunaan KA yang harus dipikul manusia
5. TP 10.3.5 Mengevaluasi batasan pengambilan keputusan pada KA agar kondisi tertentu tidak sepenuhnya diserahkan pada KA

PROFIL LULUSAN

PERTANYAAN PEMANTIK

1. Bagaimana sebuah komputer atau ponsel pintar dapat mengenali wajah seseorang saat membuka kunci layar?
2. Ketika kita menggambar sebuah sketsa sederhana, dari mana sistem kecerdasan artifisial dapat menebak objek yang kita gambar?
3. Bagaimana asisten virtual di ponselmu dapat mengenali kata yang kamu ucapkan meskipun suara bising?
4. Ciri akustik apa saja dari suara manusia yang dianalisis oleh sistem kecerdasan artifisial untuk membedakan satu kata dari kata lainnya?
5. Siapa saja orang-orang di balik layar yang membuat aplikasi kecerdasan artifisial seperti ChatGPT atau pengenal wajah dapat berfungsi?
6. Jika sebuah sistem KA menghasilkan keputusan yang bias atau tidak adil, profesi apa yang bertugas mencegah dan mengevaluasi masalah tersebut?
7. Jika sebuah sistem KA menghasilkan konten palsu (deepfake) yang merugikan orang lain atau melanggar hak cipta, siapakah yang secara hukum dan moral harus bertanggung jawab: pembuat program, pengguna, atau sistem KA itu sendiri?
8. Mengapa tanggung jawab etika dan hukum tidak pernah bisa dialihkan kepada algoritma kecerdasan artifisial?
9. Jika sebuah sistem KA medis merekomendasikan tindakan amputasi pada seorang pasien, apakah dokter boleh langsung melaksanakannya secara otomatis tanpa pemeriksaan ulang?
10. Mengapa dalam situasi yang menyangkut nyawa, keadilan hukum, dan moralitas manusia, keputusan akhir tidak boleh diserahkan sepenuhnya kepada kecerdasan artifisial?
11. Bagaimana kita membuktikan bahwa pemahaman teknis mengenai pola citra dan suara KA berkaitan erat dengan tanggung jawab etika pengembangnya?
12. Mengapa keputusan penting dalam kehidupan manusia tidak boleh sepenuhnya diserahkan kepada algoritma kecerdasan artifisial?

KEGIATAN PEMBELAJARAN

Pertemuan 1 — Menjelaskan Cara Kerja KA Mengenali Pola Citra — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 10.3.1 Menjelaskan cara kerja KA mengenali pola citra

Pendahuluan:

• Guru membuka pelajaran dengan salam, berdoa bersama, dan mengecek kehadiran murid (3 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ini, yaitu menjelaskan bagaimana kecerdasan artifisial mengenali pola citra melalui data visual (2 menit).
• Guru melaksanakan asesmen awal diagnostik melalui 2 pertanyaan lisan terarah: (1) 'Apa perbedaan cara mata manusia melihat gambar kucing dengan cara komputer melihat file gambar?' (acuan: manusia melihat makna/objek utuh, komputer melihat kumpulan angka/piksel matriks warna); (2) 'Sebutkan 3 komponen visual yang ada pada sebuah gambar yang dapat diekstraksi komputer!' (acuan: bentuk, warna, tekstur, atau kontur garis) (10 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak tayangan slide pengantar mengenai representasi citra digital: bagaimana citra tersusun atas matriks piksel, nilai warna (RGB/grayscale), dan bagaimana fitur visual berupa garis tepi (kontur), bentuk, warna, serta tekstur diekstraksi oleh algoritma KA (15 menit).
• Murid dalam kelompok kecil (2-3 orang) mencermati Tabel Perbandingan Komponen Pola Citra (bentuk, warna, tekstur, kontur) dan mendiskusikan alur kerja pengenalan citra: input citra -> pemrosesan piksel -> ekstraksi fitur -> pencocokan dengan pola data latih -> klasifikasi/prediksi (10 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Secara berpasangan, murid menjalankan aktivitas interaktif menggembirakan 'Quick, Draw!' (Aktivitas LEKA-K10-02) di laptop/ponsel masing-masing, menggambar 3 objek acak berdasarkan instruksi sistem dalam batas waktu tertentu dan mengamati tebakan KA secara langsung (15 menit).
• Murid membuka data set publik pada 'Quick, Draw! Data' untuk mengeksplorasi ribuan contoh coretan gambar yang digunakan untuk melatih sistem mengenali pola visual objek tersebut (10 menit).
• Setiap pasangan murid mengerjakan Lembar Kerja Pengenalan Pola Citra berisi 4 pertanyaan analisis alur kerja: (1) Menjelaskan bentuk representasi data gambar saat dibaca sistem KA (acuan: matriks angka nilai piksel); (2) Menjelaskan 3 fitur visual utama yang diekstraksi dari sketsa gambar (acuan: bentuk garis/kontur, orientasi goresan, ketebalan); (3) Menjelaskan peran data latih dalam mengenali pola baru (acuan: sebagai referensi pembanding/pembelajaran pola sebelumnya); (4) Menjelaskan penyebab sistem salah mengenali gambar (acuan: gambar tidak lengkap, pola goresan menyimpang dari data latih, atau ambiguitas fitur visual) (15 menit).

Merefleksi (Berkesadaran):

• Dua perwakilan kelompok menjelaskan kembali alur kerja KA mengenali pola citra di hadapan kelas berdasarkan temuan eksperimen mereka (5 menit).

Penutup:

• Murid bersama guru menyimpulkan alur kerja pengenalan pola citra pada kecerdasan artifisial (input piksel -> ekstraksi fitur visual -> pencocokan data latih -> hasil klasifikasi) (3 menit).
• Guru memberikan asesmen akhir singkat (exit ticket) secara mandiri untuk mengecek pemahaman konsep alur kerja KA pola citra (acuan terlampir pada asesmen akhir) (2 menit).

Diferensiasi:

• Konten: Bagi murid yang memerlukan bimbingan, disediakan kartu panduan alur visual 4 langkah (Piksel -> Ekstraksi Garis -> Data Latih -> Tebakan). Bagi murid yang cepat, diberikan studi kasus citra foto nyata multi-warna selain sketsa biner.
• Proses: Murid yang membutuhkan pendampingan diarahkan untuk fokus pada 2 fitur visual mendasar (bentuk dan kontur), sedangkan murid yang cepat mengeksplorasi pengaruh variasi piksel warna RGB.
• Produk: Penjelasan lembar kerja murid dapat berupa diagram alur skematis berlabel atau uraian teks terstruktur yang sama-sama menjelaskan mekanisme ekstraksi pola citra.

Asesmen Pertemuan:

Awal:

• Tanya jawab lisan diagnostik di awal pembelajaran: (1) 'Apa perbedaan cara mata manusia melihat gambar dengan komputer?' (Acuan jawaban: manusia melihat objek/makna secara holistik, komputer membaca citra sebagai matriks angka/piksel); (2) 'Sebutkan 3 komponen visual yang terkandung dalam gambar!' (Acuan jawaban: bentuk, warna, tekstur, kontur).

Proses:

• Penilaian formatif pengerjaan Lembar Kerja Pengenalan Pola Citra (4 butir soal): (1) Representasi citra (acuan: matriks piksel berangka); (2) Tiga fitur visual yang diekstraksi (acuan: kontur, bentuk, orientasi garis/warna); (3) Peranan data latih (acuan: dasar pengenalan/pencocokan pola); (4) Alasan kesalahan prediksi KA (acuan: goresan berbeda dari pola umum data latih/fitur ambigu).

Akhir Pertemuan:

• Exit ticket mandiri berisi 1 soal: 'Tuliskan secara berurutan 4 tahapan bagaimana sistem KA dapat mengenali gambar sebuah benda!' (Acuan jawaban urut: [1] Menerima input citra/matriks piksel, [2] Melakukan ekstraksi fitur visual seperti kontur/bentuk, [3] Membandingkan fitur dengan pola data latih, [4] Mengklasifikasikan/memprediksi nama objek).

Formatif:

• Tanya jawab diagnostik awal kesiapan konsep citra digital
• Observasi unjuk kerja saat eksplorasi ekstraksi pola pada aplikasi interaktif
• Pemeriksaan Lembar Kerja Analisis Alur Kerja Pengenalan Pola Citra

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah aktivitas interaktif Quick Draw efektif membantu murid memahami konsep ekstraksi fitur visual dan data latih secara nyata?
• Bagian tahapan penjelasan cara kerja mana yang paling membutuhkan visualisasi tambahan bagi murid?

Murid:

• Hal baru apa yang kamu pahami tentang cara komputer 'melihat' dan membedakan gambar?
• Menurutmu, mengapa komputer bisa salah mengenali objek yang kita gambar?

Pertemuan 2 — Menjelaskan Cara Kerja KA Mengenali Pola Suara — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 10.3.2 Menjelaskan cara kerja KA mengenali pola suara

Pendahuluan:

• Guru membuka pelajaran, memeriksa kesiapan belajar, dan memimpin doa bersama (3 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ini: menjelaskan cara kerja KA dalam mengenali pola suara (2 menit).
• Guru melaksanakan asesmen diagnostik singkat: murid menjawab kuis 2 butir pada lembar cepat terkait komponen akustik suara (butir 1: gelombang suara diubah menjadi data digital; butir 2: 4 fitur suara yaitu frekuensi, amplitudo, tempo, timbre) (10 menit).

Kegiatan Inti:

Memahami (Bermakna, Berkesadaran):

• Murid menyimak tayangan diagram alur kerja pemrosesan suara pada KA: input sinyal audio melalui mikrofon -> konversi analog ke digital -> ekstraksi fitur akustik (frekuensi, amplitudo, tempo/durasi, timbre) -> pencocokan pola/klasifikasi dengan data latih -> output teks/perintah (15 menit).
• Murid dalam kelompok kecil (berpasangan) mendiskusikan lembar telaah konsep: membedakan 4 fitur akustik utama (frekuensi = tinggi/rendah nada, amplitudo = kuat/lemah suara, tempo = kecepatan pengucapan, timbre = warna suara khas) yang diekstraksi komputer (10 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid secara berpasangan menjalankan permainan uji coba deteksi suara menggunakan aplikasi demo pengenalan suara (misalnya SpeechDemo / Teachable Machine Audio) dengan memasukkan 3 variasi perintah vokal (nada normal, nada tinggi/cepat, dan berbisik) lalu mengamati perubahan grafik spektrogram/akurasi deteksi (20 menit).
• Setiap pasangan menyusun penjelasan tertulis dalam lembar kerja LEKA-K10-02 tentang bagaimana sistem KA memproses ketiga variasi suara tersebut melalui tahapan: input sinyal -> ekstraksi fitur akustik -> klasifikasi pola (15 menit).

Merefleksi (Berkesadaran):

• Dua perwakilan pasangan membacakan penjelasan alur kerja pengenalan pola suara mereka di depan kelas dan saling membandingkan faktor penyebab kesalahan deteksi (misalnya gangguan derau atau perubahan tempo) (10 menit).

Penutup:

• Murid bersama guru menyimpulkan 3 tahapan utama cara kerja KA mengenali pola suara (akuisisi audio digital, ekstraksi fitur akustik, dan pencocokan pola data latih) (3 menit).
• Guru memberikan umpan balik terhadap ketepatan penjelasan teknis alur pengenalan suara yang dibuat murid serta menyampaikan topik pertemuan berikutnya mengenai profesi di bidang KA (2 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan kartu panduan alur ekstraksi fitur suara (tabel definisi frekuensi, amplitudo, timbre); murid yang cepat diarahkan menelaah pengaruh noise/derau latar terhadap grafik spektrogram.
• Proses: Pada tahap Mengaplikasi, murid yang membutuhkan bimbingan didampingi guru mengeksplorasi 2 variasi suara, sedangkan murid mandiri mengeksplorasi 4 variasi suara (volume rendah, tinggi, cepat, intonasi berbeda).
• Produk: Format penyusunan penjelasan alur kerja dapat berupa bagan berurutan dengan keterangan tertulis atau tabel analisis bertahap.

Asesmen Pertemuan:

Awal:

• Soal diagnostik tertulis singkat (10 menit) dengan 2 butir pertanyaan: (1) Bagaimana getaran suara dari pita suara manusia dapat diterima oleh komputer? (Acuan jawaban: getaran ditangkap mikrofon dan diubah dari sinyal analog menjadi data digital/angka-angka gelombang); (2) Sebutkan 4 komponen atau ciri suara yang dianalisis oleh komputer! (Acuan jawaban: frekuensi/pitch, amplitudo/volume, tempo/kecepatan, timbre/warna suara).

Proses:

• Penilaian lembar kerja LEKA-K10-02 selama tahap Mengaplikasi: murid menuliskan penjelasan alur kerja KA mengenali pola suara berdasarkan data uji coba 3 variasi suara. Acuan ketepatan: memuat urutan runtut (1) Perekaman/akuisisi sinyal audio, (2) Ekstraksi fitur akustik (minimal memuat frekuensi dan amplitudo), dan (3) Pencocokan pola dengan model data latih untuk menghasilkan klasifikasi teks/perintah.

Akhir Pertemuan:

• Cek pemahaman di akhir sesi (penutup) berupa 1 pertanyaan reflektif-konseptual: 'Jelaskan mengapa sistem KA mengenali kata yang sama yang diucapkan dengan berbisik memiliki akurasi berbeda dibandingkan dengan suara lantang?' (Kriteria penerimaan operasional: jawaban mengaitkan perbedaan tersebut dengan perubahan nilai fitur amplitudo dan frekuensi gelombang suara yang diterima sistem, sehingga pola spektrum akustiknya bergeser dari data latih).

Formatif:

• Asesmen diagnostik awal (2 butir konsep gelombang dan komponen suara).
• Observasi unjuk kerja dan lembar telaah penjelasan alur kerja pengenalan pola suara (tahap Mengaplikasi).

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah aktivitas interaktif menggunakan aplikasi demo audio membantu murid memahami konsep abstrak tentang ekstraksi pola gelombang suara?
• Bagian tahapan alur kerja mana yang paling banyak mengalami miskonsepsi oleh murid?

Murid:

• Ciri suara apa yang paling mudah dan paling sulit dikenali oleh aplikasi pengenal suara saat kamu melakukan percobaan?
• Setelah pembelajaran ini, bagaimana caramu menjelaskan kepada teman tentang bagaimana asisten suara di ponsel bisa memahami ucapanmu?

Pertemuan 3 — Mengidentifikasi Profesi di Bidang KA — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 10.3.3 Mengidentifikasi profesi di bidang KA

Pendahuluan:

• Guru membuka kelas dengan salam, memeriksa kehadiran murid, dan menyampaikan tujuan pembelajaran yaitu mengidentifikasi jenis-jenis profesi di bidang Kecerdasan Artifisial (KA) beserta peran utamanya (5 menit).
• Guru melakukan asesmen awal diagnostik singkat dengan mengajukan pertanyaan lisan: 'Sebutkan 1 contoh profesi yang merancang atau mengawasi kecerdasan artifisial beserta tugas singkatnya!' (acuan jawaban: Data Scientist menganalisis data, Machine Learning Engineer membangun model algoritma, AI Research Scientist meneliti algoritma baru, Robotics Engineer merancang robot berbasis KA, atau AI Ethics Specialist mengawasi etika dan dampak sosial KA) untuk memetakan pemahaman awal murid (10 menit).

Kegiatan Inti:

Memahami (Bermakna, Menggembirakan):

• Murid menyimak penjelasan guru dan mencermati paparan mengenai 5 profesi utama di bidang KA: (1) Data Scientist (mengumpulkan, membersihkan, dan menganalisis dataset besar untuk melatih model KA); (2) Machine Learning (ML) Engineer (membangun, menguji, dan mengoptimalkan model/arsitektur machine learning ke dalam sistem produksi); (3) AI Research Scientist (meneliti dan menemukan algoritma baru untuk mendorong batas kemampuan KA); (4) Robotics Engineer (mengintegrasikan perangkat lunak KA dengan perangkat keras robotik untuk aksi fisik); (5) AI Ethics Specialist (mengevaluasi kepatuhan etika, bias data, keadilan algoritma, dan regulasi keselamatan sistem KA) (15 menit).
• Murid dalam kelompok kecil memainkan mini game tebak profesi cepat (Match the Role Game), di mana guru membacakan kata kunci/skenario mini dan perwakilan kelompok berebut menyebutkan nama profesi yang tepat untuk menciptakan suasana belajar yang menyenangkan dan interaktif (10 menit).

Mengaplikasi (Berkesadaran, Bermakna):

• Murid bekerja sama dalam kelompok beranggotakan 4 orang untuk menyelesaikan lembar aktivitas analisis kasus (Aktivitas LEKA-K10-07), yaitu mengidentifikasi profesi yang paling tepat untuk 4 kasus spesifik berikut: Kasus 1: 'Sebuah rumah sakit membutuhkan model algoritma pendeteksi sel kanker dari jutaan citra rontgen yang siap dioperasikan dalam server aplikasi dokter' (acuan: Machine Learning Engineer); Kasus 2: 'Sebuah perusahaan e-commerce menemukan bahwa algoritma rekomendasi belanjanya diskriminatif terhadap kelompok pengguna tertentu dan membutuhkan peninjauan prinsip keadilan serta kepatuhan aturan' (acuan: AI Ethics Specialist); Kasus 3: 'Sebuah laboratorium teknologi ingin menciptakan metode baru pemrosesan bahasa alami yang melampaui kemampuan model transformer saat ini' (acuan: AI Research Scientist); Kasus 4: 'Pabrik mobil pintar ingin merancang lengan mekanik berbasis sensor visi KA yang dapat merakit baterai otomatis di lantai pabrik' (acuan: Robotics Engineer) (25 menit).
• Setiap kelompok mencocokkan dan mengidentifikasi profesi yang bersesuaian pada lembar jawaban serta menyampaikan hasil identifikasi mereka secara bergiliran untuk diverifikasi bersama guru (10 menit).

Merefleksi (Berkesadaran):

• Murid secara individu memeriksa kembali hasil pekerjaannya, mencatat profesi mana yang perannya sudah dipahami dengan sangat jelas dan profesi mana yang masih memerlukan penegasan perbedaan perannya (misalnya pembeda tugas antara Data Scientist dan ML Engineer) (10 menit).

Penutup:

• Guru memberikan penguatan terhadap kesimpulan materi mengenai 5 profesi di bidang KA dan memberikan umpan balik atas ketepatan identifikasi kasus kelompok (3 menit).
• Guru menginformasikan agenda pertemuan berikutnya mengenai Tanggung Jawab Etika dan Hukum atas Penggunaan KA dan menutup pembelajaran dengan doa serta salam (2 menit).

Diferensiasi:

• Konten: Menyediakan kartu ringkasan visual peran 5 profesi KA bagi murid yang membutuhkan bantuan visual dan studi kasus tambahan bagi murid yang cepat.
• Proses: Memberikan bimbingan terarah pada kelompok yang kesulitan membedakan fungsi ML Engineer dan AI Research Scientist, sementara kelompok mahir diminta mengidentifikasi keterkaitan kerja sama antardua profesi dalam satu proyek.
• Produk: Format penyampaian identifikasi kasus dapat berupa tabel isian singkat terstruktur atau diagram alur penugasan profesi.

Asesmen Pertemuan:

Awal:

• Pertanyaan diagnostik lisan di pendahuluan: 'Sebutkan 1 contoh profesi yang merancang atau mengawasi kecerdasan artifisial beserta tugas singkatnya!' (Acuan jawaban: Data Scientist = mengolah/menganalisis dataset; Machine Learning Engineer = membangun/mengimplementasikan model ML; AI Research Scientist = meneliti/mengembangkan algoritma baru; Robotics Engineer = mengintegrasikan sistem KA ke perangkat keras robot; AI Ethics Specialist = mengawasi keadilan, etika, dan mitigasi bias sistem KA).

Proses:

• Penilaian formatif pada pengerjaan 4 studi kasus kelompok (Aktivitas LEKA-K10-07). Acuan ketepatan identifikasi profesi: (1) Kasus 1 = Machine Learning Engineer; (2) Kasus 2 = AI Ethics Specialist; (3) Kasus 3 = AI Research Scientist; (4) Kasus 4 = Robotics Engineer.

Akhir Pertemuan:

• Cek pemahaman tertulis singkat (5 butir menjodohkan profesi KA): Pasangkan profesi berikut dengan deskripsi tugasnya: (1) AI Ethics Specialist, (2) Data Scientist, (3) Robotics Engineer, (4) Machine Learning Engineer, (5) AI Research Scientist. Acuan Kunci Jawaban Lengkap: 1 -> Meninjau bias algoritma dan kepatuhan etika sistem KA; 2 -> Mengumpulkan, membersihkan, dan menganalisis data besar untuk melatih model; 3 -> Merancang integrasi sistem sensor KA pada komponen fisik mesin bergerak/robot; 4 -> Mengembangkan dan menerapkan arsitektur model KA ke dalam perangkat lunak aplikasi; 5 -> Melakukan riset teoretis untuk menemukan model dan algoritma KA generasi baru.

Formatif:

• Tanya jawab diagnostik awal mengenai nama profesi KA dan peran singkatnya
• Observasi diskusi kelompok dalam mencocokkan profesi KA pada 4 studi kasus (Aktivitas LEKA-K10-07)
• Cek pemahaman individu di akhir sesi berupa tes objektif singkat memasangkan 5 profesi KA dengan fungsi utamanya

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu untuk aktivitas mengidentifikasi profesi KA pada studi kasus berjalan cukup efektif?
• Profesi manakah yang paling sering tertukar pemahamannya oleh murid dan bagaimana memperbaikinya pada pertemuan selanjutnya?

Murid:

• Profesi di bidang Kecerdasan Artifisial mana yang paling menarik minat belajarmu dan apa peran kuncinya?
• Apakah kamu sudah dapat membedakan peran antara insinyur yang membuat model (ML Engineer) dengan ahli yang mengawasi keadilannya (AI Ethics Specialist)?

Pertemuan 4 — Menganalisis Tanggung Jawab Etika dan Hukum atas Penggunaan KA yang Dipikul Manusia — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 10.3.4 Menganalisis tanggung jawab etika dan hukum atas penggunaan KA yang harus dipikul manusia

Pendahuluan:

• Guru membuka pelajaran dengan salam, memeriksa kesiapan belajar murid, dan menyampaikan tujuan pembelajaran mengenai analisis tanggung jawab etika dan hukum atas penggunaan KA yang dipikul manusia (5 menit).
• Guru melaksanakan asesmen awal diagnostik singkat dengan menampilkan 2 pertanyaan pemantik di layar: (1) 'Apakah sistem KA dapat dipenjara atau dituntut secara hukum jika melakukan kesalahan?' (Acuan jawaban benar: Tidak, karena KA bukan subjek hukum/badan hukum/manusia; manusialah yang memikul tanggung jawab etika dan hukum); (2) 'Sebutkan 1 pihak manusia yang memikul tanggung jawab hukum atas hasil keluaran sistem KA!' (Acuan jawaban benar: pembuat program/pengembang, perusahaan penyedia layanan, atau pengguna akhir yang mengoperasikan) (10 menit).

Kegiatan Inti:

Memahami (Bermakna, Menggembirakan):

• Murid menyimak pemaparan materi dari guru mengenai prinsip akuntabilitas KA: bahwa KA adalah alat teknologis dan bukan subjek hukum independen, sehingga konsekuensi pelanggaran etika (seperti plagiarisme, bias, pelanggaran privasi) dan pelanggaran hukum (seperti penyebaran fitnah melalui deepfake, pelanggaran hak cipta) sepenuhnya berada di pundak manusia yang merancang, menyebarkan, dan menggunakannya (15 menit).
• Murid secara berpasangan mengikuti kuis cepat 'Siapa Bertanggung Jawab?' yang disajikan guru lewat proyektor secara interaktif dan menyenangkan untuk melatih ketajaman pemahaman konsep sebelum studi kasus (10 menit).

Mengaplikasi (Berkesadaran, Bermakna):

• Guru membagikan Lembar Analisis Kasus yang memuat 2 skenario konkret: Skenario 1: 'Siswa A menggunakan generator teks KA untuk menulis artikel lomba, menyalinnya utuh tanpa sitasi, dan mengklaim sebagai karyanya sendiri' (Fokus etika: kejujuran akademik dan atribusi karya); Skenario 2: 'Pengguna B mengunggah rekaman suara tokoh masyarakat ke perangkat lunak kloning KA untuk membuat perintah palsu transfer donasi' (Fokus hukum: penipuan identitas dan manipulasi data pihak lain) (5 menit).
• Murid secara mandiri menganalisis kedua skenario tersebut dengan membedah: (a) aspek pelanggaran etika atau hukum yang terjadi, (b) pihak manusia yang harus memikul tanggung jawab (pengguna/pengembang), dan (c) konsekuensi etika atau sanksi hukum yang patut dipikul oleh manusia pelaku sesuai prinsip akuntabilitas (20 menit).

Merefleksi (Berkesadaran):

• Murid bersama guru membahas hasil analisis kedua skenario untuk memverifikasi ketepatan identifikasi subjek penanggung jawab dan rujukan etika/hukumnya secara mendalam (10 menit).

Penutup:

• Guru memberikan penguatan konsep bahwa pemanfaatan kecerdasan artifisial selalu terikat pada batasan hukum dan etika manusia, serta mengonfirmasi bahwa pertemuan berikutnya akan membahas batasan pengambilan keputusan pada KA (5 menit).
• Guru membagikan tiket keluar (exit ticket) berisi 1 soal cek pemahaman akhir untuk mengukur ketuntasan analisis tanggung jawab etika dan hukum sebelum menutup sesi dengan salam (10 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan kartu panduan kata kunci pembeda antara tanggung jawab etika (moral, kejujuran, hak cipta non-formal) dan tanggung jawab hukum (pidana/perdata, manipulasi data ITE).
• Proses: Murid yang cepat menyelesaikan analisis kedua skenario diberikan skenario tambahan yang lebih kompleks (misalnya: pertanggungjawaban hukum ketika sistem rekomendasi KA perusahaan e-commerce menyebarkan data pribadi pelanggan tanpa izin).
• Produk: Analisis dapat disajikan dalam bentuk poin-poin terstruktur tabel analisis pertanggungjawaban atau paragraf esai argumentatif berlandaskan logika etika dan hukum.

Asesmen Pertemuan:

Awal:

• Dua pertanyaan diagnostik awal: (1) 'Apakah sistem KA dapat dipenjara atau dituntut secara hukum jika melakukan kesalahan?' (Acuan jawaban: Tidak, KA adalah alat teknis/bukan subjek hukum; manusia yang merancang/menggunakannya yang memikul tanggung jawab hukum); (2) 'Sebutkan 1 pihak manusia yang memikul tanggung jawab hukum atas hasil keluaran sistem KA!' (Acuan jawaban: pengembang/pemrogram algoritma, perusahaan pemilik sistem KA, atau pengguna manusia yang mengeksekusi sistem).

Proses:

• Pemeriksaan Lembar Kerja Analisis Kasus (2 Skenario): Skenario 1 (Plagiarisme teks artikel lomba oleh Siswa A) dan Skenario 2 (Penipuan transfer donasi via kloning suara KA oleh Pengguna B). Kriteria penilaian: (1) Ketepatan mengidentifikasi dimensi pelanggaran (Skenario 1: pelanggaran etika integritas akademik dan hak cipta; Skenario 2: tindak pidana penipuan dan pelanggaran hukum privasi/data ITE); (2) Ketepatan menentukan subjek manusia yang memikul tanggung jawab (Skenario 1: Siswa A sebagai pengguna; Skenario 2: Pengguna B sebagai pelaku penyalahgunaan); (3) Ketepatan merumuskan konsekuensi/akuntabilitas yang harus dipikul manusia (diskualifikasi/sanksi moral akademik untuk Skenario 1; tuntutan pidana ganti rugi/hukum untuk Skenario 2).

Akhir Pertemuan:

• Cek pemahaman akhir (Tiket Keluar): 'Sebuah video deepfake manipulasi wajah dibuat menggunakan KA dan disebarkan ke media sosial hingga mencemarkan nama baik seseorang. Analisislah: (a) Siapa subjek manusia yang memikul tanggung jawab hukum utama? dan (b) Apa dasar pertanggungjawaban hukumnya?' (Acuan jawaban benar: (a) Manusia yang membuat dan menyebarkan konten deepfake tersebut [pengguna/kreator]; (b) Dasarnya adalah pelanggaran hukum pencemaran nama baik dan manipulasi informasi elektronik secara melawan hukum, di mana KA hanya instrumen/alat dan tidak dapat dimintai pertanggungjawaban hukum).

Formatif:

• Asesmen Awal: Diagnostik tertulis/lisan mengenai status subjek hukum KA dan manusia penanggung jawab.
• Asesmen Proses: Pemeriksaan lembar analisis 2 skenario studi kasus (Skenario 1: plagiarisme akademik KA, Skenario 2: penipuan kloning suara) mencakup identifikasi pelanggaran etika/hukum, penetapan subjek manusia penanggung jawab, dan konsekuensi tanggung jawabnya.
• Asesmen Akhir: Tiket keluar tertulis membedah pertanggungjawaban pada kasus penyebaran deepfake video.

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah murid telah memahami secara utuh bahwa kecerdasan artifisial bukanlah subjek hukum sehingga tanggung jawab etika dan hukum selalu melekat pada manusia?
• Bagian mana dari analisis kasus hukum dan etika yang paling banyak memicu kebingungan bagi murid?

Murid:

• Mengapa saya sebagai pengguna KA harus selalu berhati-hati dan bertanggung jawab secara etika dan hukum atas konten atau data yang saya proses menggunakan KA?
• Apa tindakan konkret yang akan saya ambil jika menemukan penggunaan KA yang melanggar hukum atau etika di lingkungan sekitar saya?

Pertemuan 5 — Mengevaluasi Batasan Pengambilan Keputusan pada KA agar Kondisi Tertentu Tidak Sepenuhnya Diserahkan pada KA — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 10.3.5 Mengevaluasi batasan pengambilan keputusan pada KA agar kondisi tertentu tidak sepenuhnya diserahkan pada KA

Pendahuluan:

• Guru membuka pembelajaran dengan salam, memeriksa kehadiran, dan menyampaikan tujuan pembelajaran yaitu mengevaluasi batasan pengambilan keputusan pada KA (3 menit).
• Guru melaksanakan asesmen awal diagnostik melalui 2 pertanyaan tertulis singkat di papan tulis mengenai batasan peran KA dalam pengambilan keputusan untuk memetakan kesiapan murid (7 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak pemaparan guru tentang konsep 'Human-in-the-Loop' dan batasan pengambilan keputusan oleh KA pada domain berisiko tinggi (high-stakes decisions) seperti peradilan hukum, vonis medis, dan persenjataan otonom militer (15 menit).
• Murid menganalisis penjelasan mengenai 3 alasan utama mengapa KA tidak boleh mengambil keputusan final secara otonom: ketiadaan empati/kesadaran moral, risiko bias data algoritma, dan perlunya akuntabilitas hukum manusia (15 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid bermain peran dalam aktivitas simulasi interaktif berkelompok 'Dewan Etik KA' yang menantang dan menggembirakan, di mana setiap kelompok menerima 3 lembar skenario dilema pengambilan keputusan KA: Skenario 1 (Sistem KA Pengadilan menjatuhkan vonis penjara 5 tahun pada terdakwa secara otomatis), Skenario 2 (Sistem KA Diagnostik menyarankan operasi darurat pada pasien kritis), dan Skenario 3 (Drone militer otonom mendeteksi target di area pemukiman padat dan siap menembak otomatis) (20 menit).
• Setiap kelompok berdiskusi mengevaluasi batasan keputusan pada ketiga skenario tersebut dengan menentukan: (a) apakah keputusan boleh 100% diserahkan ke KA atau wajib melibatkan manusia, (b) alasan batasannya berdasarkan risiko dan empati, serta (c) peran manusia dalam mengesahkan keputusan akhir tersebut (15 menit).

Merefleksi (Berkesadaran):

• Perwakilan kelompok membacakan ringkasan hasil evaluasi batasan keputusan KA, lalu guru memvalidasi kesimpulan bersama bahwa teknologi KA berfungsi sebagai sistem pendukung keputusan (decision support system), bukan pembuat keputusan mutlak pada situasi krusial (10 menit).

Penutup:

• Murid bersama guru menyimpulkan prinsip batasan pengambilan keputusan KA bahwa keputusan bernilai moral, keselamatan jiwa, dan hukum mutlak membutuhkan kendali serta pertimbangan manusia (3 menit).
• Guru memberikan umpan balik atas hasil evaluasi lembar skenario kelompok dan menyampaikan rencana kegiatan pertemuan berikutnya yaitu asesmen sumatif bab (2 menit).

Diferensiasi:

• Konten: Menyediakan lembar kasus dengan panduan pertanyaan pemandu bagi kelompok yang memerlukan bantuan belajar, serta teks kasus dilema algoritma yang lebih kompleks bagi kelompok cepat.
• Proses: Kelompok yang membutuhkan bimbingan didampingi guru dalam membedah risiko skenario, sedangkan kelompok mahir mengevaluasi implikasi risiko skenario secara mandiri.
• Produk: Kelompok dapat menyajikan hasil evaluasi keputusan berupa tabel telaah batasan keputusan atau diagram alur hierarki penentu keputusan.

Asesmen Pertemuan:

Awal:

• Dua pertanyaan diagnostik tertulis: (1) 'Apakah sistem kecerdasan artifisial boleh diberi wewenang mutlak menentukan kelulusan atau hukuman penjara seseorang tanpa campur tangan manusia? Jelaskan alasannya singkat!' (acuan: Tidak boleh, karena KA tidak memiliki kesadaran moral/empati dan rentan bias data sehingga keputusan berisiko tinggi harus dipertanggungjawabkan manusia); (2) 'Sebutkan 1 bidang yang keputusannya tidak boleh diserahkan sepenuhnya pada KA!' (acuan: peradilan hukum / vonis medis darurat / komando militer bersenjata).

Proses:

• Pengamatan keterlibatan dan ketepatan murid saat mengevaluasi 3 skenario pada lembar kerja 'Dewan Etik KA'. Kriteria keberhasilan: murid mampu mengevaluasi secara tepat batasan pada ketiga skenario dengan acuan: (1) Skenario Pengadilan: Wajib kendali hakim manusia karena pertimbangan keadilan moral dan konteks kemanusiaan; (2) Skenario Medis: KA hanya pemberi rekomendasi, keputusan operasi wajib di tangan dokter penanggung jawab; (3) Skenario Drone Militer: Wajib otorisasi komandan manusia karena menyangkut nyawa dan aturan hukum perang internasional.

Akhir Pertemuan:

• Cek pemahaman tertulis singkat individu di akhir sesi: 'Jelaskan mengapa pada kondisi darurat medis atau peradilan hukum, pengambilan keputusan tidak boleh sepenuhnya diserahkan kepada KA?' (kriteria penerimaan: jawaban memuat minimal 2 poin esensial yaitu ketiadaan empati/kesadaran moral pada algoritma KA dan perlunya manusia memegang akuntabilitas tanggung jawab hukum/etika).

Formatif:

• Asesmen awal berupa tes tulis singkat diagnostik 2 butir soal di awal pertemuan
• Penilaian kinerja diskusi dan telaah evaluasi 3 skenario lembar kerja batasan keputusan KA menggunakan rubrik observasi

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah skenario kasus dilema pengambilan keputusan KA yang diberikan cukup kontekstual dan memicu penalaran kritis murid?
• Apakah murid telah memahami secara utuh konsep batasan peran KA sebagai sistem pendukung keputusan dan bukan pemutus mutlak?

Murid:

• Setelah mempelajari materi ini, mengapa kamu merasa manusia tetap harus menjadi pihak yang mengambil keputusan akhir dalam urusan penting kehidupan?
• Bagian mana dari evaluasi skenario batasan keputusan KA yang paling menantang untuk dianalisis bersama teman kelompokmu?

Pertemuan 6 — Asesmen Sumatif Bab — 2 JP (2 x 45 menit = 90 menit)

Tujuan Pertemuan:

• TP 10.3.1 Menjelaskan cara kerja KA mengenali pola citra
• TP 10.3.2 Menjelaskan cara kerja KA mengenali pola suara
• TP 10.3.3 Mengidentifikasi profesi di bidang KA
• TP 10.3.4 Menganalisis tanggung jawab etika dan hukum atas penggunaan KA yang harus dipikul manusia
• TP 10.3.5 Mengevaluasi batasan pengambilan keputusan pada KA agar kondisi tertentu tidak sepenuhnya diserahkan pada KA

Pendahuluan:

• Guru membuka sesi asesmen sumatif dengan salam, doa bersama, dan presensi kehadiran murid (2 menit).
• Guru menyampaikan tujuan dan tata tertib asesmen sumatif kombinasi: unjuk kerja lisan terstruktur individual bergiliran di meja guru dan pengerjaan portofolio tertulis mandiri di meja masing-masing (2 menit).
• Guru membagikan bundel lembar kerja asesmen sumatif tertulis kepada seluruh murid dan mengondisikan meja uji lisan (1 menit).

Kegiatan Inti:

Memahami (Berkesadaran):

• Murid membaca secara seksama instruksi kerja, rubrik penilaian, serta pembagian waktu pengerjaan asesmen sumatif: Bagian 1 Unjuk Kerja Lisan (alur pola citra), Bagian 2 Tertulis (pola suara dan infografik profesi KA), serta Bagian 3 Tertulis (analisis etika/hukum dan batasan keputusan KA) (5 menit).

Mengaplikasi (Bermakna):

• Murid secara mandiri dan serentak mengerjakan Bagian 2 Lembar Kerja Tertulis mengenai cara kerja KA mengenali pola suara (meliputi: input gelombang audio, konversi sinyal analog ke digital, ekstraksi fitur frekuensi/spektrogram, pemetaan pola akustik ke fonem/kata) serta menyusun infografik ringkas inventarisasi 4 profesi KA (AI Engineer, Data Scientist, Prompt Engineer, AI Ethicist/Compliance Specialist) dengan rincian peran masing-masing; sambil menunggu giliran uji lisan (23 menit).
• Murid secara mandiri dan serentak melanjutkan pengerjaan Bagian 3 Lembar Kerja Tertulis berupa laporan analisis studi kasus: menganalisis tanggung jawab etika dan hukum atas kegagalan sistem KA yang dibebankan pada pengembang/pengguna manusia, serta mengevaluasi batasan pengambilan keputusan pada KA (argumen kritis mengapa keputusan vonis pidana peradilan atau diagnosis medis kritis tidak boleh diserahkan mutlak pada KA) (15 menit).
• Secara bergiliran dan paralel dengan pengerjaan tertulis, setiap murid dipanggil satu per satu ke meja guru (28 murid x 1,5 menit) untuk melaksanakan tes lisan terstruktur: menjelaskan secara sistematis 4 tahapan alur pengenalan pola citra oleh KA (1. Input data gambar pixel matriks; 2. Pra-pemrosesan/normalisasi ukuran & kontras; 3. Ekstraksi fitur visual garis/sudut/tekstur; 4. Klasifikasi label objek dengan kalkulasi probabilitas) (37 menit).

Merefleksi (Berkesadaran):

• Setiap murid memeriksa kembali kelengkapan lembar jawaban tertulis dan mengisi kolom refleksi regulasi diri singkat tentang kejujuran serta kesiapan penguasaan materi Literasi dan Etika KA yang telah ditempuh (2 menit).

Penutup:

• Guru mengumpulkan seluruh bundel lembar kerja portofolio tertulis murid secara teratur (2 menit).
• Guru memberikan apresiasi atas kedisiplinan dan integritas seluruh murid selama asesmen berlangsung, menyampaikan rencana umpan balik hasil sumatif pada pertemuan mendatang, serta menutup sesi dengan doa (1 menit).

Diferensiasi:

• Konten: Akomodasi format: menyediakan teks soal dengan tingkat keterbacaan kontras tinggi bagi murid dengan hambatan penglihatan ringan tanpa mengubah substansi indikator soal.
• Proses: Akomodasi akses: murid yang memiliki kecemasan berbicara dapat diberi waktu jeda 10 detik untuk menarik napas sebelum pemaparan lisan di meja guru dimulai.
• Produk: Standar bukti capaian tetap sama dan seragam: lembar kerja tertulis dan rekaman rubrik lisan individual sesuai kriteria ketuntasan.

Asesmen Pertemuan:

Awal:

• Pengecekan kesiapan mental dan sarana: verifikasi kehadiran dan ketersediaan alat tulis murid untuk melaksanakan rangkaian asesmen sumatif (acuan: murid siap mengikuti asesmen mandiri secara tertib).

Proses:

• Pengamatan keteraturan dan kepatuhan terhadap alur rotasi uji lisan bergiliran serta ketertiban pengerjaan penugasan portofolio tertulis serentak.

Sumatif Bab:

• Asesmen kombinasi: unjuk kerja lisan terstruktur bergiliran dan penugasan analisis portofolio kasus tertulis: Rekaman lembar observasi penjelasan lisan alur pengenalan pola citra KA secara sistematis (1,5 menit per murid untuk 28 murid) serta bundel lembar kerja tertulis yang memuat uraian pola suara, inventarisasi profesi KA, laporan analisis kasus tanggung jawab etika dan hukum, serta lembar argumen kritis batasan pengambilan keputusan pada KA
• tes lisan terstruktur individual bergiliran: penjelasan alur kerja pengenalan pola citra oleh kecerdasan artifisial secara sistematis dinilai 1,5 menit per murid secara rotasi ke meja guru sementara murid lain mengerjakan tugas portofolio tertulis di mejanya (45 menit / 1,5 menit = 30 slot, mencakup 28 murid satu kelas) (45 menit; individual; instrumen: rubrik unjuk kerja tes lisan alur pengenalan pola citra)
• penugasan tertulis dan infografik terintegrasi serentak: lembar kerja tertulis yang memuat uraian sistematis cara kerja KA mengenali pola suara serta infografik ringkas berisi inventarisasi jenis dan peran profesi di bidang kecerdasan artifisial yang dikerjakan serentak di kelas (25 menit; individual; instrumen: pedoman penskoran dan rubrik infografik profesi KA)
• penugasan analisis studi kasus tertulis serentak: laporan analisis studi kasus tertulis mengenai pembagian tanggung jawab etika dan hukum manusia atas KA disertai lembar argumen kritis evaluasi batasan kondisi di mana keputusan mutlak tidak boleh diserahkan sepenuhnya kepada KA (20 menit; individual; instrumen: rubrik analitik studi kasus etika dan batasan keputusan KA)

Sumatif:

• Asesmen kombinasi: unjuk kerja lisan terstruktur bergiliran dan penugasan analisis portofolio kasus tertulis: Rekaman lembar observasi penjelasan lisan alur pengenalan pola citra KA secara sistematis (1,5 menit per murid untuk 28 murid) serta bundel lembar kerja tertulis yang memuat uraian pola suara, inventarisasi profesi KA, laporan analisis kasus tanggung jawab etika dan hukum, serta lembar argumen kritis batasan pengambilan keputusan pada KA
• tes lisan terstruktur individual bergiliran: penjelasan alur kerja pengenalan pola citra oleh kecerdasan artifisial secara sistematis dinilai 1,5 menit per murid secara rotasi ke meja guru sementara murid lain mengerjakan tugas portofolio tertulis di mejanya (45 menit / 1,5 menit = 30 slot, mencakup 28 murid satu kelas) (45 menit; individual; instrumen: rubrik unjuk kerja tes lisan alur pengenalan pola citra)
• penugasan tertulis dan infografik terintegrasi serentak: lembar kerja tertulis yang memuat uraian sistematis cara kerja KA mengenali pola suara serta infografik ringkas berisi inventarisasi jenis dan peran profesi di bidang kecerdasan artifisial yang dikerjakan serentak di kelas (25 menit; individual; instrumen: pedoman penskoran dan rubrik infografik profesi KA)
• penugasan analisis studi kasus tertulis serentak: laporan analisis studi kasus tertulis mengenai pembagian tanggung jawab etika dan hukum manusia atas KA disertai lembar argumen kritis evaluasi batasan kondisi di mana keputusan mutlak tidak boleh diserahkan sepenuhnya kepada KA (20 menit; individual; instrumen: rubrik analitik studi kasus etika dan batasan keputusan KA)

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu 1,5 menit per murid untuk unjuk kerja lisan terstruktur alur pola citra terlaksana secara efektif dan tidak mengganggu konsentrasi murid yang sedang menyelesaikan tugas tertulis?
• Bagaimana ketercapaian murid secara keseluruhan pada bab ini, dan aspek mana (teknis pola citra/suara vs analisis etika/batasan) yang paling memerlukan penguatan lanjutan?

Murid:

• Apakah saya mampu menjelaskan alur teknis pola citra dan suara secara runtut tanpa bergantung pada hafalan semata?
• Bagaimana pemahaman saya tentang etika dan batasan keputusan KA dapat memandu sikap saya saat memanfaatkan teknologi kecerdasan artifisial sehari-hari?

SUMBER BELAJAR

1. Buku Panduan Guru Koding dan Kecerdasan Artifisial SMA/MA Kelas X (Kemendikdasmen, 2025)
2. Buku Siswa Koding dan Kecerdasan Artifisial SMA/MA Kelas X Bab 3
3. Aplikasi web interaktif Google Quick, Draw! (https://quickdraw.withgoogle.com/) dan Quick, Draw! Data
4. Komputer/laptop/smartphone dengan koneksi internet dan peramban web
5. Slide presentasi representasi piksel dan pengenalan citra digital
6. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikdasmen 2025 (Bab 3)
7. Buku Siswa Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikdasmen 2025
8. Aplikasi web demo deteksi suara (SpeechDemo / Google Teachable Machine Audio / Pictoblox)
9. Perangkat komputer/laptop dengan mikrofon dan koneksi internet
10. Buku Siswa Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Bab 3 Literasi dan Etika Kecerdasan Artifisial
11. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X
12. Lembar Kerja Aktivitas LEKA-K10-07 (Studi Kasus Peran Profesi KA)
13. Paparan materi LCD Proyektor mengenai ragam karier Kecerdasan Artifisial
14. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikbudristek RI.
15. Buku Teks Siswa Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikbudristek RI.
16. Bahan ajar/lembar kerja studi kasus etika dan regulasi kecerdasan artifisial.
17. Buku Siswa Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Pusat Perbukuan Kemendikbudristek
18. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikbudristek
19. Lembar Kasus Skenario 'Dewan Etik KA' (Pengadilan Algoritmik, Rekomendasi Medis Bedah, dan Senjata Militer Otonom)
20. Perangkat LCD Proyektor dan Komputer/Laptop
21. Buku Siswa Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kementerian Pendidikan Dasar dan Menengah RI, 2025, Bab 3 Literasi dan Etika Kecerdasan Artifisial.
22. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, 2025.
23. Lembar Asesmen Sumatif Bab 3: Format Penilaian Lisan Pola Citra dan Bundel Studi Kasus Etika KA.