Modul Ajar Koding dan Kecerdasan Artifisial Kelas 10: Cara Kerja KA dalam Menghasilkan Konten dan Identifikasi Bias KA

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Murid dapat menggambarkan alur kerja sederhana sistem KA dari input hingga output serta memberikan contoh penerapan KA dalam kehidupan sehari-hari
2. Murid dapat menganalisis hasil keluaran KA dan mengidentifikasi jenis bias yang muncul, serta menyimpulkan implikasi etika dan tanggung jawab manusia atas penggunaan KA

PROFIL LULUSAN

PERTANYAAN PEMANTIK

1. Kenapa ada wajah yang dapat dikenali kamera, tapi ada juga yang tidak?
2. Apakah jawaban dari KA selalu benar dan adil untuk semua orang?
3. Siapa yang bertanggung jawab jika KA membuat kesalahan atau keputusan yang tidak adil?

KEGIATAN PEMBELAJARAN

Pertemuan 1

Pendahuluan:

• Guru membuka pembelajaran dengan salam dan mengajak murid berdoa bersama
• Guru mengecek kehadiran dan kesiapan belajar murid
• Guru melakukan asesmen awal dengan menanyakan pengalaman murid menggunakan aplikasi KA (chatbot, face recognition, rekomendasi konten)
• Guru menyampaikan tujuan pembelajaran hari ini: memahami cara kerja KA dan mengidentifikasi bias dalam KA
• Guru melontarkan pertanyaan pemantik: 'Kenapa ada wajah yang dapat dikenali kamera, tapi ada juga yang tidak?' untuk memicu rasa ingin tahu murid

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Guru menjelaskan konsep dasar cara kerja KA: input – proses (pengenalan pola dari data latihan) – output, dengan visualisasi sederhana di papan atau slide
• Murid menghubungkan penjelasan dengan pengetahuan sebelumnya tentang prompt engineering yang telah dipelajari di pertemuan sebelumnya
• Guru memberikan contoh konkret: bagaimana KA mengenali wajah (dari dataset foto wajah yang dilatih), bagaimana chatbot menjawab pertanyaan (dari data teks yang dipelajari)
• Murid mencatat alur kerja KA dan contoh penerapannya dalam kehidupan sehari-hari (face unlock, asisten virtual, rekomendasi film, filter spam email)
• Guru menjelaskan konsep bias dalam KA: ketidakseimbangan atau prasangka dalam data latihan yang menghasilkan output tidak adil
• Guru memberikan contoh kasus bias: aplikasi soal yang hanya dilatih dari data sekolah unggulan sehingga terlalu sulit untuk siswa daerah lain
• Murid mengidentifikasi tiga jenis bias: bias dataset (data tidak seimbang), bias algoritma (desain sistem yang tidak netral), bias pengguna (cara manusia menggunakan KA)

Mengaplikasi (Bermakna, Menggembirakan):

• Guru membagi murid ke dalam kelompok kecil (4-5 orang)
• Setiap kelompok diberikan tugas untuk menganalisis satu kasus output KA yang telah disiapkan guru (misal: hasil pencarian gambar, rekomendasi berita, terjemahan otomatis, atau hasil chatbot)
• Murid dalam kelompok berdiskusi: apakah output tersebut relevan? apakah ada bias yang terdeteksi? jenis bias apa (dataset, algoritma, atau pengguna)?
• Murid mencatat temuan mereka dan menyiapkan presentasi singkat
• Setiap kelompok mempresentasikan hasil analisisnya di depan kelas (5 menit per kelompok)
• Kelompok lain memberikan tanggapan dan pertanyaan kritis
• Guru memfasilitasi diskusi kelas tentang implikasi etika: siapa yang bertanggung jawab atas bias KA? mengapa manusia tidak boleh sepenuhnya menyerahkan keputusan pada KA?

Merefleksi (Berkesadaran, Bermakna):

• Murid secara individu menuliskan refleksi di buku catatan atau lembar refleksi: 'Apa yang saya pelajari hari ini tentang cara kerja dan bias KA?'
• Murid menjawab pertanyaan refleksi: 'Bagaimana saya akan lebih bijak menggunakan KA setelah mengetahui adanya bias?'
• Murid mengidentifikasi satu contoh penggunaan KA di kehidupan mereka sendiri dan menilai apakah mungkin ada bias di dalamnya
• Beberapa murid diminta berbagi refleksi mereka secara sukarela
• Guru memberikan umpan balik dan menegaskan pentingnya tanggung jawab manusia dalam menggunakan teknologi KA secara etis

Penutup:

• Guru memandu murid menyimpulkan pembelajaran hari ini: alur kerja KA (input-proses-output) dan tiga jenis bias (dataset, algoritma, pengguna)
• Guru melakukan asesmen akhir dengan kuis singkat atau pertanyaan lisan untuk mengecek pemahaman
• Guru memberikan penguatan tentang pentingnya etika dan tanggung jawab manusia dalam penggunaan KA
• Guru memberikan pratinjau materi pertemuan berikutnya: Konsep Design Thinking
• Guru menutup pembelajaran dengan doa dan salam

Diferensiasi:

• Konten: Murid yang cepat dapat diberikan kasus bias yang lebih kompleks (misal: bias dalam rekrutmen kerja berbasis KA). Murid yang lambat diberikan kasus sederhana dengan panduan pertanyaan analisis yang lebih terstruktur
• Proses: Murid yang cepat dapat bekerja lebih mandiri dalam kelompok dan diminta mengeksplorasi solusi untuk mengurangi bias. Murid yang lambat mendapat bimbingan lebih intensif dari guru saat diskusi kelompok
• Produk: Murid yang cepat dapat membuat infografik atau diagram visual untuk mempresentasikan temuan mereka. Murid yang lambat cukup menyampaikan temuan dalam bentuk poin-poin sederhana

ASESMEN

Awal:

• Tanya jawab singkat tentang pengalaman murid menggunakan aplikasi berbasis KA
• Pertanyaan pemantik untuk mengukur pengetahuan awal tentang cara kerja teknologi pengenalan wajah atau chatbot

Proses:

• Observasi partisipasi murid saat mendengarkan penjelasan guru di tahap Memahami
• Penilaian diskusi dan analisis kelompok di tahap Mengaplikasi menggunakan rubrik
• Cek pemahaman melalui pertanyaan terbuka selama pembelajaran

Akhir:

• Kuis individu: 3-5 pertanyaan pilihan ganda atau esai singkat tentang alur kerja KA dan jenis bias
• Penilaian refleksi tertulis: kelengkapan jawaban, kedalaman pemahaman, dan kemampuan menghubungkan dengan kehidupan nyata

Formatif:

• Observasi selama diskusi kelompok: kemampuan mengidentifikasi bias dan berargumentasi
• Pertanyaan lisan selama proses pembelajaran untuk mengecek pemahaman konsep
• Penilaian presentasi kelompok dengan rubrik

Sumatif:

• Kuis singkat di akhir pertemuan tentang alur kerja KA dan jenis-jenis bias
• Penilaian hasil refleksi individu

RUBRIK PENILAIAN

REFLEKSI

Refleksi Guru:

• Apakah semua murid dapat memahami konsep cara kerja KA dan bias KA?
• Strategi pembelajaran mana yang paling efektif untuk topik ini?
• Apakah diferensiasi yang saya berikan sudah sesuai dengan kebutuhan murid?
• Apa yang perlu saya perbaiki untuk pertemuan berikutnya?

Refleksi Murid:

• Apa yang saya pelajari hari ini tentang cara kerja KA dan bias KA?
• Bagaimana saya akan lebih bijak menggunakan KA setelah mengetahui adanya bias?
• Apa contoh penggunaan KA di kehidupan saya sendiri yang mungkin mengandung bias?
• Apa yang masih membingungkan bagi saya dan perlu saya pelajari lebih lanjut?
• Bagaimana perasaan saya saat belajar hari ini dan apa yang membuat saya bersemangat atau kesulitan?

SUMBER BELAJAR

1. Buku Siswa: Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikdasmen 2025
2. Buku Guru: Koding dan Kecerdasan Artifisial untuk SMA/MA Kelas X, Kemendikdasmen 2025
3. Laptop/komputer dengan akses internet
4. Aplikasi KA generatif (ChatGPT, Gemini, atau sejenisnya) untuk demonstrasi
5. Contoh kasus output KA yang mengandung bias (disiapkan guru dalam bentuk cetak atau digital)
6. Slide presentasi atau papan tulis untuk visualisasi alur kerja KA
7. Lembar kerja diskusi kelompok
8. Lembar refleksi individu