Modul Ajar Koding dan Kecerdasan Artifisial Kelas 5 Bab 4: Belajar Bersama Kecerdasan Artifisial: Si Cerdas yang

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. TP 5.4.1 Mengklasifikasi benda konkret berdasarkan sifatnya dalam konteks pengenalan kerja kecerdasan artifisial
2. TP 5.4.2 Menyimulasikan secara sederhana kerja kecerdasan artifisial saat mengenali pola dari benda konkret
3. TP 5.4.3 Menganalisis keterkaitan prediksi sistem kecerdasan artifisial yang dipengaruhi input benda konkret
4. TP 5.4.4 Menerapkan pemecahan masalah secara sistematis dalam mengelompokkan data berdasarkan aturan terstruktur

PROFIL LULUSAN

PERTANYAAN PEMANTIK

1. Bagaimana caramu memisahkan benda-benda yang berserakan di atas meja agar menjadi kelompok yang rapi?
2. Jika sebuah komputer atau kecerdasan artifisial ingin mengenali barangmu, ciri apa yang paling mudah ia amati terlebih dahulu?
3. Jika kamu diminta merapikan benda di atas mejamu, apakah kamu mengelompokkannya berdasarkan ukurannya atau berdasarkan kegunaannya?
4. Bagaimana sistem komputer atau kecerdasan artifisial dapat membedakan benda berukuran besar dengan benda berukuran kecil di sekitar kita?
5. Bagaimana sebuah aturan yang jelas dapat membantu kita memilah barang-barang yang berserakan dengan cepat dan rapi?
6. Apa yang akan terjadi jika kita mengelompokkan sekumpulan benda tanpa menentukan satu aturan pemilah terlebih dahulu?
7. Jika sebuah benda memiliki fungsi yang sama tetapi ukurannya berbeda, bagaimana cara kita memisahkannya ke dalam kelompok yang lebih teratur?
8. Mengapa kita memerlukan lebih dari satu tingkat aturan saat mengelompokkan data benda yang jumlahnya banyak?
9. Bagaimana sebuah kamera pintar atau ponsel dapat mengenali bahwa sebuah benda adalah apel dan bukan bola kasti?
10. Jika kita berpura-pura menjadi mesin Kecerdasan Artifisial (KA), ciri visual apa yang harus kita periksa agar tidak salah mengenali benda?
11. Bagaimana kita bisa menebak benda berikutnya jika ada urutan benda konkret yang berulang?
12. Bagaimana sebuah sistem kecerdasan artifisial dapat meniru cara kita mengenali pengulangan urutan benda tersebut?
13. Jika kita ingin mesin kecerdasan artifisial (KA) mengenali buah apel dengan tepat, contoh benda apa saja yang harus kita masukkan ke mesin?
14. Apa yang akan diprediksi oleh sistem KA jika kita hanya memasukkan contoh buah apel merah, lalu tiba-tiba diberi apel hijau?
15. Jika sebuah sistem KA hanya pernah melihat contoh apel berwarna merah, apa prediksi sistem tersebut saat diberikan apel berwarna hijau?
16. Mengapa variasi contoh benda konkret yang dimasukkan ke sistem KA dapat mengubah hasil tebakannya?
17. Bagaimana aturan pengelompokan membantu sistem kecerdasan artifisial mengenali pola benda konkret?
18. Mengapa perbedaan data input contoh benda dapat mengubah ketepatan hasil prediksi sistem kecerdasan artifisial?
19. Bagaimana sebuah aturan logis membantu kita mengelompokkan berbagai benda di sekitar kita tanpa ada yang terlewat?
20. Mengapa kecerdasan artifisial bisa salah atau berubah tebakannya jika contoh data benda yang kita berikan berbeda?

KEGIATAN PEMBELAJARAN

Pertemuan 1 — Mengklasifikasi Benda Konkret Berdasarkan Ciri Fisik Warna dan Bentuk — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.1 Mengklasifikasi benda konkret berdasarkan sifatnya dalam konteks pengenalan kerja kecerdasan artifisial

Pendahuluan:

• Guru membuka pembelajaran dengan salam, menyapa murid, dan memandu doa singkat (3 menit).
• Guru menyampaikan tujuan pembelajaran hari ini, yaitu belajar mengelompokkan (mengklasifikasi) benda konkret berdasarkan ciri fisik warna dan bentuk sebagaimana cara kerja awal sistem kecerdasan artifisial (2 menit).
• Guru melakukan asesmen awal diagnostik singkat dengan menunjukkan 4 benda konkret di meja guru (apel merah bulat, jeruk orange bulat, buku tulis merah persegi panjang, dan map plastik biru persegi panjang) lalu meminta murid menyebutkan pengelompokannya berdasarkan warna dan bentuk (5 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid mengamati penjelasan guru mengenai konsep klasifikasi benda konkret bahwa kecerdasan artifisial (KA) memerlukan data ciri fisik yang jelas seperti warna dan bentuk agar dapat mengenali dan mengelompokkan objek secara tepat (8 menit).
• Murid secara interaktif menanggapi contoh pemilahan 4 kartu objek visual pada papan tulis: (1) Balok merah kubus, (2) Kancing merah lingkaran, (3) Balok hijau kubus, (4) Kancing hijau lingkaran ke dalam kategori warna atau bentuk (acuan: kategori warna merah = 1 dan 2, warna hijau = 3 dan 4; kategori bentuk kubus = 1 dan 3, bentuk lingkaran = 2 dan 4) (7 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Guru membagi murid ke dalam kelompok kecil (3-4 orang) dan membagikan satu wadah berisi 6 benda konkret nyata: (1) Tutup botol biru lingkaran, (2) Penjepit kertas biru lonjong, (3) Tutup botol merah lingkaran, (4) Penggaris merah persegi panjang, (5) Kertas lipat kuning persegi, (6) Kancing kuning lingkaran (5 menit).
• Secara bergembira melalui tantangan kelompok 'Detektif KA', murid memilah dan mengelompokkan 6 benda konkret tersebut ke dalam wadah bertanda berdasarkan ciri fisik warna (Kelompok Biru: 1 dan 2; Kelompok Merah: 3 dan 4; Kelompok Kuning: 5 dan 6) dan mencatat hasilnya pada Lembar Kerja Klasifikasi (10 menit).
• Murid menata ulang 6 benda konkret yang sama dengan aturan ciri fisik bentuk ke dalam nampan bentuk (Kelompok Lingkaran: 1, 3, dan 6; Kelompok Segiempat/Persegi/Persegi Panjang: 4 dan 5; Kelompok Bentuk Lain/Lonjong: 2) lalu mendokumentasikan hasilnya pada lembar kerja (10 menit).

Merefleksi (Berkesadaran):

• Setiap kelompok memeriksa kecocokan hasil pemilahan benda antarkelompok dengan panduan verifikasi guru untuk melihat konsistensi aturan klasifikasi (5 menit).
• Murid merefleksikan proses belajar dengan menyimpulkan bersama bahwa perubahan aturan ciri fisik (dari warna ke bentuk) mengubah susunan anggota kelompok data yang dipelajari sistem (5 menit).

Penutup:

• Guru memberikan umpan balik langsung terhadap ketepatan klasifikasi yang dilakukan seluruh kelompok pada lembar kerja (5 menit).
• Guru memandu murid merapikan kembali alat peraga benda konkret, menyampaikan rencana materi pertemuan berikutnya tentang klasifikasi berdasarkan ukuran dan fungsi, serta menutup pertemuan dengan doa (5 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan 4 benda dengan kontras warna dan bentuk yang sangat mencolok (merah vs kuning; lingkaran vs persegi), sedangkan murid mahir diberikan 8 benda konkret dengan variasi gradasi warna dan bentuk geometri campuran.
• Proses: Murid pemula diarahkan memilah warna terlebih dahulu secara terpandu, sementara kelompok mandiri langsung menyelesaikan klasifikasi warna dan bentuk secara simultan.
• Produk: Format pelaporan klasifikasi berupa penempelan stiker label warna/bentuk untuk kelompok pemula dan penulisan tabel matriks ciri fisik untuk kelompok yang lebih cepat.

Asesmen Pertemuan:

Awal:

• Tanya jawab lisan diagnostik menggunakan 4 benda konkret di meja guru: apel merah bulat, jeruk orange bulat, buku tulis merah persegi panjang, dan map biru persegi panjang. Pertanyaan: 'Sebutkan 2 kelompok jika benda-benda ini dipisahkan berdasarkan warnanya, dan sebutkan kelompoknya jika dipisahkan berdasarkan bentuknya!' (Acuan jawaban: Warna merah = apel dan buku tulis; warna non-merah/orange/biru = jeruk dan map. Bentuk bulat = apel dan jeruk; bentuk persegi panjang = buku tulis dan map).

Proses:

• Penilaian kinerja kelompok saat memilah 6 benda konkret ke dalam wadah warna dan bentuk pada tahap Mengaplikasi. Kriteria pengamatan mencakup: (1) ketepatan memilah benda ke dalam kelompok warna (wadah biru = tutup botol dan penjepit; wadah merah = tutup botol dan penggaris; wadah kuning = kertas lipat dan kancing), (2) ketepatan memilah benda ke dalam kelompok bentuk (lingkaran = 3 benda: tutup botol biru, tutup botol merah, kancing kuning; segiempat = 2 benda: penggaris merah, kertas lipat kuning; lonjong = 1 benda: penjepit kertas biru).

Akhir Pertemuan:

• Cek pemahaman tertulis singkat (tiket keluar) berisi penugasan klasifikasi 4 kartu objek visual: (A) Daun hijau oval, (B) Jeruk kuning bulat, (C) Bola tenis meja kuning bulat, (D) Rumput hijau panjang. Murid menuliskan pengelompokan: Berdasarkan warna (Kelompok Hijau: A dan D; Kelompok Kuning: B dan C) dan Berdasarkan bentuk bulat (Kelompok Bulat: B dan C; Kelompok Tidak Bulat: A dan D). Kriteria tuntas: Murid tepat menempatkan minimal 3 dari 4 kartu pada kedua kategori.

Formatif:

• Observasi unjuk kerja klasifikasi benda konkret berdasarkan ciri fisik warna dan bentuk menggunakan Lembar Observasi Formatif
• Pemeriksaan hasil pencatatan pengelompokan benda pada Lembar Kerja Klasifikasi

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah penyediaan benda-benda konkret di kelas sudah cukup memfasilitasi pemahaman murid tentang klasifikasi data visual kecerdasan artifisial?
• Bagian langkah pembelajaran mana yang paling membuat murid antusias dalam mengelompokkan objek?
• Apakah ada murid yang mengalami kebingungan saat berpindah dari aturan warna ke aturan bentuk?

Murid:

• Ciri benda mana yang paling mudah kamu amati dan kelompokkan hari ini, apakah warnanya atau bentuknya?
• Mengapa satu benda yang sama bisa berpindah kelompok ketika aturan pengelompokannya diubah?

Pertemuan 2 — Mengklasifikasi Benda Konkret Berdasarkan Ukuran dan Fungsi Penggunaan — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.1 Mengklasifikasi benda konkret berdasarkan sifatnya dalam konteks pengenalan kerja kecerdasan artifisial

Pendahuluan:

• Guru membuka kelas dengan salam, menyapa murid, memeriksa kehadiran, dan memfasilitasi doa bersama sebelum belajar (3 menit).
• Guru menyampaikan tujuan pembelajaran hari ini, yaitu mengklasifikasi benda konkret berdasarkan sifat ukuran dan fungsinya dalam konteks cara kerja kecerdasan artifisial mengenali data (3 menit).
• Guru melaksanakan asesmen awal singkat: guru menunjukkan 2 benda konkret (penghapus pensil kecil dan buku paket tebal besar), lalu meminta murid menjawab cepat klasifikasi ukurannya (acuan jawaban: penghapus = benda berukuran kecil; buku paket = benda berukuran besar) (4 menit).

Kegiatan Inti:

Memahami (Bermakna):

• Murid mengamati 4 benda konkret di meja guru: penggaris panjang 30 cm, rautan pensil kecil, gunting kertas, dan tempat pensil besar (7 menit).
• Guru memodelkan pengelompokan benda konkret berdasarkan sifat ukuran (kategori: Kecil vs Besar) dan sifat fungsi penggunaan (kategori: Alat Pemotong/Pemisah vs Alat Penampung/Penyimpan), serta menghubungkannya dengan konsep bahwa kecerdasan artifisial membutuhkan ciri sifat yang jelas untuk memilah data konkret (8 menit).

Mengaplikasi (Menggembirakan, Berkesadaran):

• Murid dibagi ke dalam kelompok kecil (3-4 orang) dan menerima wadah berisi 6 benda konkret: (1) klip kertas kecil, (2) botol minum besar, (3) rautan pensil kecil, (4) kotak bekal besar, (5) gunting, dan (6) lem kertas (5 menit).
• Tantangan 'Detektif KA' (Joyful): Tiap kelompok bermain mengklasifikasikan ke-6 benda tersebut ke dalam 2 babak pemilahan pada nampan berlabel: Babak 1 memilah berdasarkan sifat Ukuran (wadah 'Kecil' vs 'Besar'); Babak 2 memilah berdasarkan sifat Fungsi Penggunaan (wadah 'Menyimpan Makanan/Minuman' vs 'Keperluan Tulis/Pengerjaan Kertas') (acuan babak 1: Kecil = klip kertas, rautan pensil; Besar = botol minum, kotak bekal, gunting, lem kertas. Acuan babak 2: Menyimpan Makanan/Minuman = botol minum, kotak bekal; Keperluan Tulis/Pengerjaan Kertas = klip kertas, rautan pensil, gunting, lem kertas) (15 menit).
• Murid secara mandiri mencatat hasil pengelompokan 6 benda konkret tersebut pada Lembar Klasifikasi masing-masing sesuai kategori sifat yang diuji (7 menit).

Merefleksi (Berkesadaran, Bermakna):

• Murid bersama kelompok mencocokkan hasil pemilahan benda konkret dengan kunci verifikasi di papan tulis untuk menyadari pentingnya ketepatan ciri sifat saat melatih sistem klasifikasi (6 menit).
• Murid menyimpulkan bahwa satu benda konkret yang sama dapat dikelompokkan secara berbeda jika sifat pengelompokannya diubah dari ukuran menjadi fungsi (4 menit).

Penutup:

• Guru memberikan penguatan terhadap hasil klasifikasi murid dan menegaskan keterkaitannya dengan cara kecerdasan artifisial mengolah input data sifat benda (5 menit).
• Guru dan murid menutup pembelajaran dengan mengucap syukur dan berdoa bersama (3 menit).

Diferensiasi:

• Konten: Menyediakan kartu penanda kategori ukuran (Kecil/Besar) dan fungsi bertuliskan teks besar serta warna pembeda untuk kelompok yang membutuhkan scaffolding.
• Proses: Kelompok yang membutuhkan bimbingan memilah satu per satu benda dengan panduan langsung guru, sedangkan kelompok yang mahir mengelompokkan 6 benda secara mandiri dan cepat.
• Produk: Format lembar klasifikasi murid dapat berupa ceklis pada tabel kategori atau menempelkan kartu nama benda pada kolom yang sesuai.

Asesmen Pertemuan:

Awal:

• Pertanyaan diagnostik lisan dengan menunjukkan 2 benda konkret (penghapus pensil kecil dan buku paket besar): 'Manakah yang termasuk benda berukuran kecil dan manakah yang berukuran besar?' (acuan jawaban benar: penghapus pensil = ukuran kecil; buku paket = ukuran besar).

Proses:

• Observasi keterlibatan dan ketepatan murid saat memilah 6 benda konkret ke dalam wadah kategori ukuran (Kecil: klip kertas, rautan; Besar: botol minum, kotak bekal, gunting, lem kertas) dan wadah fungsi (Penyimpan makanan/minuman: botol minum, kotak bekal; Keperluan tulis/pengerjaan kertas: klip kertas, rautan, gunting, lem kertas).

Akhir Pertemuan:

• Cek pemahaman individu melalui 2 butir soal klasifikasi pada lembar keluar (exit ticket): (1) Klasifikasikan penghapus papan tulis dan jarum pentul berdasarkan ukuran (acuan: besar = penghapus papan tulis; kecil = jarum pentul); (2) Klasifikasikan sendok makan dan pensil warna berdasarkan fungsi (acuan: alat makan = sendok makan; alat tulis/mewarnai = pensil warna).

Formatif:

• Unjuk kerja pemilahan 6 benda konkret berdasarkan sifat ukuran dan fungsi penggunaan pada nampan kategori
• Pemeriksaan lembar kerja klasifikasi data benda konkret

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah variasi benda konkret yang disediakan sudah cukup jelas membedakan sifat ukuran dan fungsinya bagi murid kelas 5?
• Bagaimana keterlibatan murid dalam aktivitas 'Detektif KA' saat melakukan pemilahan benda konkret?

Murid:

• Apakah kamu merasa mudah atau sulit saat mengelompokkan benda berdasarkan fungsinya?
• Ciri apa yang paling mudah kamu amati saat membedakan benda berukuran besar dan kecil?

Pertemuan 3 — Menerapkan Pemecahan Masalah Secara Sistematis dengan Aturan Pengelompokan Tunggal — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.4 Menerapkan pemecahan masalah secara sistematis dalam mengelompokkan data berdasarkan aturan terstruktur

Pendahuluan:

• Guru membuka sesi pembelajaran, menyapa murid, serta mengondisikan kesiapan belajar di kelas (3 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ini, yaitu memecahkan masalah pengelompokan data secara sistematis dengan menggunakan satu aturan tunggal yang terstruktur (2 menit).
• Guru melaksanakan asesmen awal diagnostik singkat dengan menampilkan 3 benda (pensil kayu, penggaris plastik, penghapus karet) dan menguji pemilahan berdasarkan 1 aturan sifat bahan: 'terbuat dari kayu' (acuan jawaban: pensil kayu masuk kelompok; penggaris plastik dan penghapus karet tidak masuk kelompok) (5 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid mengamati penjelasan guru mengenai konsep berpikir komputasional dalam menyusun algoritma aturan tunggal berbentuk logika YA/TIDAK (If/Else sederhana) untuk menyortir data (7 menit).
• Murid secara berkesadaran menganalisis contoh kasus pemilahan sekumpulan data kartu benda di papan tulis menggunakan satu aturan terstruktur 'Apakah benda merupakan alat tulis?' (acuan: buku tulis, pensil, pulpen = YA; apel, bola kasti = TIDAK) (8 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid mengikuti permainan simulasi 'Mesin Penyortir Cepat', di mana murid berpasangan mengambil kartu data benda konkret dan mengujinya secara bergantian menggunakan satu aturan tunggal yang ditentukan (kartu data: gunting, kertas origami, botol minum, jangka; aturan: 'Apakah benda terbuat dari kertas?') (12 menit).
• Murid secara mandiri menyelesaikan Lembar Kerja Pemecahan Masalah Sistematis untuk mengelompokkan daftar 6 data benda berdasarkan 1 aturan pengelompokan tunggal: 'Apakah fungsi utama benda untuk memotong?' terhadap data benda: (1) Gunting, (2) Cutter, (3) Lem kertas, (4) Pisau lipat, (5) Pensil warna, (6) Penggaris (acuan jawaban tepat: Masuk Kelompok Aturan = Gunting, Cutter, Pisau lipat; Tidak Masuk Kelompok = Lem kertas, Pensil warna, Penggaris) (18 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa kembali hasil pengelompokannya secara sistematis, mengecek apakah ada data benda yang keliru ditempatkan atau melanggar batasan aturan tunggal yang telah ditetapkan (5 menit).

Penutup:

• Guru bersama murid menyimpulkan alur sistematis dalam pemecahan masalah pengelompokan data menggunakan satu aturan pemilah yang pasti (5 menit).
• Murid mengerjakan cek pemahaman akhir singkat dan menerima umpan balik sebelum guru menutup sesi pembelajaran (5 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan kartu data bergambar konkret dengan ciri yang kontras, sedangkan murid yang siap diberikan daftar data teks konseptual.
• Proses: Murid dengan pemahaman awal bertahap dibimbing menggunakan kartu alur ya/tidak secara bertahap, sementara murid mahir langsung menyortir secara mandiri.
• Produk: Format penyajian pengelompokan dapat berupa tabel isian pemilahan dua kolom atau diagram kotak pemisah biner sederhana.

Asesmen Pertemuan:

Awal:

• Uji diagnostik tertulis/lisan singkat pemilahan 3 benda konkret berdasarkan 1 aturan tunggal sifat bahan 'terbuat dari kayu': (1) pensil kayu, (2) penggaris plastik, (3) penghapus karet (acuan jawaban benar: pensil kayu masuk kelompok; penggaris plastik dan penghapus karet di luar kelompok).

Proses:

• Lembar observasi keteraturan murid dalam menerapkan langkah sistematis pemecahan masalah saat menguji 6 data benda menggunakan aturan tunggal 'Apakah fungsi utama benda untuk memotong?' pada data: (1) Gunting, (2) Cutter, (3) Lem kertas, (4) Pisau lipat, (5) Pensil warna, (6) Penggaris (acuan benar: Kelompok Memotong = Gunting, Cutter, Pisau lipat; Bukan Memotong = Lem kertas, Pensil warna, Penggaris).

Akhir Pertemuan:

• Cek pemahaman tertulis akhir: Murid memilah 4 data benda berikut menggunakan aturan tunggal 'Apakah benda memiliki permukaan bundar/lingkaran?': (1) Koin logam, (2) Penghapus balok, (3) Tutup botol, (4) Kotak pensil persegi (acuan kunci jawaban tepat: Masuk kelompok = Koin logam, Tutup botol; Tidak masuk kelompok = Penghapus balok, Kotak pensil persegi).

Formatif:

• Observasi unjuk kerja saat simulasi pemilahan data dengan aturan tunggal
• Penilaian kinerja pengerjaan lembar kerja pengelompokan data sistematis terstruktur

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alur langkah pemecahan masalah secara terstruktur dengan aturan tunggal dapat dipahami murid dengan mudah?
• Bagaimana keterlibatan murid selama kegiatan simulasi pengelompokan data berlangsung?

Murid:

• Apakah kamu merasa terbantu memilah benda secara teratur saat menggunakan satu aturan yang jelas?
• Langkah mana yang paling menantang ketika kamu menguji apakah suatu benda memenuhi aturan atau tidak?

Pertemuan 4 — Menerapkan Pemecahan Masalah Secara Sistematis Menggunakan Aturan Bertingkat — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.4 Menerapkan pemecahan masalah secara sistematis dalam mengelompokkan data berdasarkan aturan terstruktur

Pendahuluan:

• Guru membuka kelas dengan salam dan menyiapkan murid secara fisik maupun mental untuk belajar (2 menit).
• Guru melaksanakan asesmen awal diagnostik dengan meminta murid mengelompokkan 2 benda cepat berdasarkan satu aturan tunggal fungsi (kunci: pensil dan penghapus = alat tulis) untuk mengecek penguasaan prasyarat aturan tunggal (4 menit).
• Guru menyampaikan tujuan pembelajaran, yaitu memecahkan masalah pengelompokan data menggunakan aturan bertingkat (Tingkat 1: Fungsi, Tingkat 2: Ukuran) (4 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Guru mendemonstrasikan bagan aturan bertingkat di papan tulis: Tingkat 1 menyaring fungsi (Alat Tulis vs Mainan/Peraga), kemudian Tingkat 2 menyaring ukuran (Kecil vs Besar) untuk 4 kategori akhir: Alat Tulis Kecil, Alat Tulis Besar, Non-Alat Tulis Kecil, Non-Alat Tulis Besar (8 menit).
• Murid secara berkesadaran menyimak urutan penyaringan data langkah demi langkah agar memahami mengapa data harus lolos aturan pertama sebelum masuk ke aturan kedua (7 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Guru membagikan Lembar Kerja 'Misi Klasifikasi Bertingkat' berisi daftar 6 benda konkret kelas: (1) Penghapus kecil, (2) Buku pelajaran tebal/besar, (3) Rautan kecil, (4) Penggaris panjang 30 cm/besar, (5) Bola bekel kecil, (6) Globe pajangan besar (5 menit).
• Murid melaksanakan tantangan mandiri yang menggembirakan 'Sortir Kilat Bertingkat' untuk mengelompokkan ke-6 benda ke dalam 4 kotak kategori akhir dengan menerapkan aturan Tingkat 1 (Fungsi: Alat Tulis atau Non-Alat Tulis) lalu Tingkat 2 (Ukuran: Kecil atau Besar) (20 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa ketepatan hasil pengelompokannya secara mandiri mencocokkan jalur pohon keputusan yang dibuat guru di papan tulis (kunci: Kotak A 'Alat Tulis Kecil' = Penghapus kecil, Rautan kecil; Kotak B 'Alat Tulis Besar' = Buku pelajaran, Penggaris panjang; Kotak C 'Non-Alat Tulis Kecil' = Bola bekel; Kotak D 'Non-Alat Tulis Besar' = Globe) (7 menit).
• Murid merefleksikan proses berpikir komputasionalnya: apa kesulitan yang muncul jika urutan penyaringan tingkat 1 dan tingkat 2 dibalik atau tidak dijalankan runtut (5 menit).

Penutup:

• Guru bersama murid menyimpulkan bahwa aturan bertingkat memecahkan masalah pengelompokan yang rumit secara sistematis tahap demi tahap (5 menit).
• Guru memberikan penguatan terhadap pengerjaan mandiri murid dan menutup kegiatan pembelajaran dengan salam tanpa menutup bab materi (3 menit).

Diferensiasi:

• Konten: Bagi murid yang membutuhkan bimbingan, lembar kerja dilengkapi bagan pohon visual berpanah dua cabang; bagi murid mahir, daftar benda ditambah 2 benda ekstra (Peniti kecil, Papan tulis miniatur besar).
• Proses: Murid yang masih kesulitan dipandu menyelesaikan Tingkat 1 terlebih dahulu hingga selesai, baru lanjut ke Tingkat 2; murid cepat menyelesaikan seluruh alur secara mandiri penuh.
• Produk: Format luaran dapat berupa bagan pohon keputusan atau tabel klasifikasi bertingkat 4 kolom.

Asesmen Pertemuan:

Awal:

• Pengecekan prasyarat aturan tunggal: 'Sebutkan kelompok dari pensil dan penghapus jika aturan penyaringannya adalah fungsi alat!' (Acuan jawaban: Keduanya masuk kelompok alat tulis/alat menggambar).

Proses:

• Pengamatan saat murid memecahkan masalah penyortiran 6 benda konkret kelas: (1) Penghapus kecil, (2) Buku pelajaran, (3) Rautan kecil, (4) Penggaris panjang, (5) Bola bekel, (6) Globe menggunakan aturan bertingkat (Tingkat 1: Fungsi [Alat Tulis / Non-Alat Tulis], Tingkat 2: Ukuran [Kecil / Besar]).

Akhir Pertemuan:

• Pengecekan hasil akhir Lembar Kerja Sortir Bertingkat untuk 6 benda target dengan acuan kunci: Kategori Alat Tulis Kecil = (1) Penghapus kecil, (3) Rautan kecil; Kategori Alat Tulis Besar = (2) Buku pelajaran, (4) Penggaris panjang; Kategori Non-Alat Tulis Kecil = (5) Bola bekel; Kategori Non-Alat Tulis Besar = (6) Globe.

Formatif:

• Penilaian kinerja pengerjaan Lembar Kerja Misi Klasifikasi Bertingkat pada 6 data benda konkret
• Observasi sistematisasi pemecahan masalah murid saat menerapkan aturan Tingkat 1 dilanjutkan Tingkat 2

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alokasi waktu 18 menit pada tahap Mengaplikasi mencukupi bagi semua murid untuk menerapkan 2 tingkat aturan secara sistematis?
• Apakah panduan visual diagram pohon membantu murid yang mengalami kendala dalam memisahkan aturan tingkat 1 dan tingkat 2?

Murid:

• Apakah kamu lebih mudah menemukan kelompok suatu benda setelah menerapkan aturan penyaringan satu per satu?
• Langkah penyaringan mana yang menurutmu paling membutuhkan ketelitian saat mengerjakan misi tadi?

Pertemuan 5 — Menyimulasikan Secara Sederhana Kerja Kecerdasan Artifisial Mengenali Pola Visual Benda Konkret — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.2 Menyimulasikan secara sederhana kerja kecerdasan artifisial saat mengenali pola dari benda konkret

Pendahuluan:

• Guru mengondisikan kelas, menyapa murid, mengecek kehadiran, dan mengarahkan perhatian murid pada topik pengenalan pola visual (3 menit).
• Guru melakukan asesmen awal diagnostik singkat dengan menunjukkan 2 gambar konkret: Apel Merah dan Bola Kasti Hijau, lalu meminta murid menyebutkan 2 ciri pola visual pembeda utamanya (acuan jawaban benar: ciri visual apel = warna merah/memiliki tangkai/cekungan atas; ciri visual bola kasti = warna hijau cerah/memiliki garis lengkung timbul) (5 menit).
• Guru menyampaikan tujuan pembelajaran pertemuan ini, yaitu menyimulasikan kerja kecerdasan artifisial dalam mengenali pola visual benda konkret (2 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid menyimak demonstrasi guru tentang konsep bagaimana Kecerdasan Artifisial (KA) 'melihat' benda bukan dengan mata manusia, melainkan dengan memeriksa ciri-ciri pola visual (bentuk garis tepi, warna dominan, tekstur permukaan) (5 menit).
• Guru memperkenalkan 'Kartu Detektor Pola KA' berisi 3 aturan pengenalan pola visual konkret: (1) Bentuk Lingkaran + Tangkai = Pola Buah Apel; (2) Bentuk Lingkaran + Garis Sambungan = Pola Bola Tenis; (3) Bentuk Persegi Panjang + Layar Kaca = Pola Gawai (5 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Secara berpasangan, murid menjalankan permainan peran simulasi mesin KA: satu murid bertindak sebagai 'Pemberi Input Benda Konkret' dan satu murid bertindak sebagai 'Mesin Detektor KA' yang memegang Kartu Detektor Pola (10 menit).
• Murid yang menjadi Mesin Detektor menerima 4 kartu gambar benda konkret nyata dan menyimulasikan deteksi pola visual langkah demi langkah: Kartu 1 (Apel Fuji Merah bertangkai), Kartu 2 (Bola Tenis Bulu Kuning bergaris lengkung), Kartu 3 (Kotak Pensil Persegi Berresleting), Kartu 4 (Jeruk Bulat Oranye berpori) (12 menit).
• Murid mencatat hasil simulasi pengenalan pola visual pada Lembar Kerja Simulasi KA dengan mencocokkan ciri visual benda dengan aturan pola: Kartu 1 cocok dengan Pola Buah (prediksi: Apel), Kartu 2 cocok dengan Pola Bola (prediksi: Bola), Kartu 3 cocok dengan Pola Kotak/Tempat Pensil (bukan gawai), Kartu 4 cocok dengan Pola Buah (prediksi: Jeruk) (13 menit).

Merefleksi (Berkesadaran):

• Murid bersama pasangannya membandingkan hasil simulasi: murid memeriksa apakah 'Mesin Detektor KA' mereka berhasil mengenali semua pola benda dengan tepat sesuai aturan visual atau ada yang keliru akibat kemiripan ciri visual (misalnya membedakan bentuk bulat bola dan jeruk) (7 menit).

Penutup:

• Murid dan guru menyimpulkan alur kerja simulasi KA: KA mengenali benda konkret dengan cara mendeteksi pola visual ciri-cirinya secara terstruktur (5 menit).
• Guru memberikan penguatan terhadap keberhasilan simulasi kelas dan menginformasikan bahwa pada pertemuan berikutnya simulasi akan dilanjutkan dengan pola yang berulang (3 menit).

Diferensiasi:

• Konten: Menyediakan kartu gambar benda dengan tingkat kejelasan ciri visual yang sangat kontras untuk murid yang memerlukan bimbingan, dan gambar benda dengan sudut pengambilan berbeda untuk murid yang siap tantangan.
• Proses: Murid yang membutuhkan bimbingan didampingi guru membaca panduan ciri visual pada kartu satu demi satu; murid yang mahir mencoba menyimulasikan pencocokan pola visual pada 6 kartu benda konkret sekaligus secara mandiri.
• Produk: Format lembar pencatatan simulasi menyediakan opsi centang ciri visual terpandu atau penulisan daftar ciri visual visual secara mandiri.

Asesmen Pertemuan:

Awal:

• Tanya jawab diagnostik mengenali ciri pola visual 2 benda konkret: Guru menunjukkan gambar Apel Merah dan Bola Kasti Hijau. Murid diminta menyebutkan ciri visual pembedanya. (Acuan: Murid tepat menyebutkan minimal 1 ciri visual bentuk/warna spesifik tiap benda: apel = warna merah/memiliki tangkai; kasti = hijau cerah/bergaris lengkung timbul).

Proses:

• Pengamatan saat simulasi berpasangan: Mengamati apakah murid yang berperan sebagai 'Mesin Detektor KA' mampu menyimulasikan pemeriksaan 3 ciri pola visual (bentuk dasar, warna dominan, detail ciri khusus) pada 4 kartu benda uji: (1) Apel Merah (bulat bertangkai), (2) Bola Tenis (bulat bergaris lengkung), (3) Kotak Pensil (persegi panjang resleting), (4) Jeruk (bulat berpori).

Akhir Pertemuan:

• Cek pemahaman tertulis singkat (3 menit): Menentukan status kecocokan 3 pernyataan simulasi kerja KA mengenali pola visual: (1) KA mengenali benda berdasarkan kumpulan ciri pola visualnya [Acuan: Benar]; (2) KA melihat gambar sama persis seperti mata manusia tanpa perlu mengenali pola garis/warna [Acuan: Salah]; (3) Apel dan bola tenis dapat dibedakan mesin KA karena pola garis lengkung dan tangkainya berbeda [Acuan: Benar].

Formatif:

• Observasi unjuk kerja simulasi peran Mesin Detektor KA saat mencocokkan pola visual benda konkret
• Pemeriksaan lembar kerja simulasi pengenalan pola visual konkret 4 kartu objek

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah aktivitas bermain peran sebagai mesin KA efektif membantu murid memahami cara kerja algoritma pengenalan pola visual?
• Apakah durasi simulasi berpasangan cukup bagi semua murid untuk mencoba peran sebagai mesin detektor?

Murid:

• Bagian mana dari simulasi memeriksa pola visual benda tadi yang paling seru dan mudah kamu pahami?
• Menurutmu, apa yang terjadi jika ciri pola visual pada kartu benda digambar buram atau tidak jelas?

Pertemuan 6 — Menyimulasikan Secara Sederhana Kerja Kecerdasan Artifisial Mengenali Pola Berulang dari Kumpulan Benda Konkret — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.2 Menyimulasikan secara sederhana kerja kecerdasan artifisial saat mengenali pola dari benda konkret

Pendahuluan:

• Guru menyapa murid, mengajak berdoa bersama, memeriksa kehadiran, dan menyiapkan perlengkapan berupa kumpulan benda konkret (pensil, penghapus, klip kertas, tutup botol) (3 menit).
• Guru melaksanakan asesmen awal diagnostik singkat dengan menunjukkan 1 deret benda di meja: Pensil - Penghapus - Pensil - Penghapus - [?], lalu meminta murid menebak benda berikutnya (acuan jawaban: Pensil) untuk memetakan kesiapan murid mengenali urutan berulang (4 menit).
• Guru menyampaikan tujuan pembelajaran hari ini, yaitu menyimulasikan cara kerja kecerdasan artifisial dalam mengenali pola berulang pada kumpulan benda konkret (3 menit).

Kegiatan Inti:

Memahami (Berkesadaran, Bermakna):

• Murid mengamati peragaan guru mengenai deret benda konkret dan menyimak penjelasan konsep bahwa kecerdasan artifisial mengenali keteraturan dengan cara membaca urutan contoh data yang berulang secara teratur (7 menit).
• Guru memperkenalkan aturan simulasi algoritma pengenalan pola AI sederhana: 'Deteksi Pola Dasar (Unit Pengulangan) -> Cocokkan Urutan Berulang -> Prediksi Benda Berikutnya' (8 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Dalam kelompok berpasangan, murid memainkan tantangan interaktif 'Simulasi Mesin Pintar': murid A menyusun 3 pola berulang menggunakan benda konkret dan bertindak sebagai 'Pemberi Data Input', sementara murid B berperan sebagai 'Mesin AI' yang menyimulasikan pembacaan urutan dan menebak benda kelanjutannya (15 menit).
• Murid secara bergiliran menuntaskan lembar simulasi pengenalan pola berulang untuk 4 deretan kumpulan benda konkret berikut: (1) Tutup Botol Merah - Tutup Botol Biru - Tutup Botol Merah - Tutup Botol Biru -> kelanjutan: Tutup Botol Merah; (2) Klip - Klip - Penghapus - Klip - Klip -> kelanjutan: Penghapus; (3) Pensil Panjang - Pensil Pendek - Pensil Panjang -> kelanjutan: Pensil Pendek; (4) Tutup Botol - Klip - Penghapus - Tutup Botol - Klip -> kelanjutan: Penghapus (15 menit).

Merefleksi (Berkesadaran):

• Murid dan guru memeriksa bersama hasil simulasi pada keempat deretan benda konkret dan mencocokkannya dengan acuan kunci hasil simulasi (5 menit).
• Murid merefleksikan bagaimana langkah pencocokan urutan berulang membantu proses simulasi kerja kecerdasan artifisial mengenali benda selanjutnya secara tepat tanpa menebak sembarangan (5 menit).

Penutup:

• Guru memberikan penguatan terhadap hasil simulasi pengenalan pola berulang benda konkret yang telah dilakukan seluruh murid (3 menit).
• Guru memandu asesmen akhir singkat secara lisan untuk mengecek ketepatan simulasi pada satu deret baru dan memberikan umpan balik sebelum menutup pembelajaran dengan doa bersama (2 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan deretan benda konkret dengan pola 2 elemen berulang (A-B-A-B), sedangkan murid yang siap pengayaan diberikan variasi pola 3 elemen berulang (A-B-C-A-B-C) atau pola frekuensi ganda (A-A-B-A-A-B).
• Proses: Murid yang memerlukan pendampingan dibantu dengan memberi sekat pembatas fisik antarsiklus pola berulang, sedangkan murid mandiri menyimulasikan deteksi siklus pola secara langsung.
• Produk: Hasil simulasi dituangkan dalam lembar kerja berupa pencatatan unit pengulangan dan penentuan benda konkret kelanjutannya.

Asesmen Pertemuan:

Awal:

• Diagnostik cepat di awal pembelajaran: Murid mengamati deret benda konkret di meja guru (Pensil - Penghapus - Pensil - Penghapus - [?]) dan menebak benda berikutnya (acuan: Pensil) untuk mengetahui kesiapan mengenali aturan urutan berulang.

Proses:

• Formatif proses selama simulasi berpasangan: Guru mengamati ketepatan murid menyimulasikan langkah kerja AI saat mendeteksi unit pola berulang dan menentukan benda konkret lanjutan pada 4 set data konkret: (1) Tutup Botol Merah - Tutup Botol Biru - Tutup Botol Merah - Tutup Botol Biru -> Tutup Botol Merah; (2) Klip - Klip - Penghapus - Klip - Klip -> Penghapus; (3) Pensil Panjang - Pensil Pendek - Pensil Panjang -> Pensil Pendek; (4) Tutup Botol - Klip - Penghapus - Tutup Botol - Klip -> Penghapus.

Akhir Pertemuan:

• Cek pemahaman di penutup: Murid menentukan benda lanjutan dari deret pengulangan konkret yang ditunjukkan guru: Klip - Tutup Botol - Klip - Tutup Botol - [?] (acuan jawaban benar: Klip).

Formatif:

• Observasi unjuk kerja saat murid berpasangan menyimulasikan algoritma pendeteksian pola berulang kecerdasan artifisial pada kumpulan benda konkret
• Pemeriksaan lembar kerja simulasi pengenalan 4 deret pola berulang benda konkret

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah pemilihan media benda konkret (pensil, klip, tutup botol, penghapus) memudahkan murid memahami cara kerja kecerdasan artifisial membaca data berulang?
• Apakah alur bermain peran dalam simulasi berpasangan efektif melibatkan seluruh murid secara aktif dan menggembirakan?

Murid:

• Bagian mana dari simulasi meniru kerja kecerdasan artifisial tadi yang paling menarik bagiku?
• Apakah aku sudah dapat menemukan bagian yang berulang dari kumpulan benda konkret untuk menebak benda berikutnya?

Pertemuan 7 — Menganalisis Keterkaitan Prediksi Sistem Kecerdasan Artifisial Berdasarkan Input Contoh Benda yang Tepat — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.3 Menganalisis keterkaitan prediksi sistem kecerdasan artifisial yang dipengaruhi input benda konkret

Pendahuluan:

• Guru membuka pelajaran, menyapa murid, dan memandu doa bersama (2 menit).
• Guru menyampaikan tujuan pembelajaran bahwa hari ini murid akan menganalisis bagaimana ketepatan contoh benda konkret (input) memengaruhi keakuratan prediksi sistem kecerdasan artifisial (3 menit).
• Guru melaksanakan asesmen awal singkat: murid menjawab pertanyaan lisan diagnostik tentang peran contoh benda bagi mesin KA (5 menit).

Kegiatan Inti:

Memahami (Bermakna):

• Guru mendemonstrasikan konsep latihan mesin KA menggunakan model 'Kotak Pemindai Cerdas': jika mesin diberi data latih berupa 4 benda contoh buah jeruk (jeruk nipis hijau, jeruk medan oranye, jeruk bali kuning besar, jeruk mandarin kecil), mesin akan memprediksi benda baru berbentuk bulat berpori sebagai kelompok jeruk (10 menit).
• Murid menyimak dan menganalisis penjelasan bahwa sistem KA menghasilkan prediksi benar hanya jika input contoh benda yang diberikan relevan, tepat, dan mewakili ciri objek yang dipelajari (5 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Murid berpasangan memainkan permainan tantangan interaktif 'Detektif Data Input': satu murid menjadi 'Pelatih Data' yang memilih kartu contoh benda konkret dan murid pasangannya berperan sebagai 'Mesin KA' yang memprediksi label berdasarkan kecocokan contoh yang diterima (10 menit).
• Secara berpasangan, murid mengerjakan Lembar Kerja Analisis Input Prediksi KA yang memuat 4 kasus keterkaitan input benda konkret dan prediksinya: (1) Input data latih: 4 kartu gambar aneka apel (apel fuji merah, apel manalagi hijau, apel gala bergaris, apel royal bulat) -> Benda uji: apel hijau lokal; Prediksi sistem KA: [Apel / Bukan Apel]; Keterkaitan: Prediksi tepat karena contoh input mewakili variasi bentuk dan warna apel. (2) Input data latih: 4 kartu gambar aneka penggaris (penggaris kayu panjang, penggaris plastik segitiga, penggaris besi lurus, busur derajat) -> Benda uji: penggaris fleksibel; Prediksi sistem KA: [Alat Ukur Panjang / Bukan Alat Ukur Panjang]; Keterkaitan: Prediksi tepat karena contoh input memuat benda dengan skala ukur. (3) Input data latih: 4 kartu gambar bola (bola basket, bola voli, bola kasti, bola tenis) -> Benda uji: jeruk nipis bulat; Prediksi sistem KA: [Bola / Bukan Bola]; Keterkaitan: Prediksi keliru/bingung karena contoh input hanya berdasar bentuk bulat tanpa ciri tekstur/fungsi. (4) Input data latih: 4 kartu aneka tempat pensil (bahan kain resleting, kaleng bertutup, plastik jepit, rajut) -> Benda uji: kotak pensil kayu; Prediksi sistem KA: [Tempat Pensil / Bukan Tempat Pensil]; Keterkaitan: Prediksi tepat karena data contoh mencakup beragam wadah penyimpan alat tulis (15 menit).

Merefleksi (Berkesadaran):

• Murid bersama pasangannya menganalisis dan mendiskusikan mengapa contoh input yang tepat menghasilkan prediksi sistem KA yang akurat, sedangkan input contoh yang salah/kurang menyebabkan prediksi keliru (10 menit).

Penutup:

• Murid dan guru menyimpulkan keterkaitan langsung antara kualitas contoh benda konkret sebagai data masukan dengan keberhasilan prediksi sistem KA (5 menit).
• Guru memberikan penguatan, melaksanakan cek pemahaman akhir melalui 2 pertanyaan lisan terarah, dan menutup sesi pertemuan (5 menit).

Diferensiasi:

• Konten: Menyediakan kartu benda konkret dengan gambar bertekstur/nyata bagi kelompok yang membutuhkan visualisasi jelas, dan kartu berbasis data deskripsi ciri sifat bagi kelompok yang siap tantangan lebih tinggi.
• Proses: Memberikan panduan bertahap (scaffolding) bagi pasangan yang kesulitan mengidentifikasi kesesuaian ciri antara input contoh dan benda uji.
• Produk: Kelompok yang lebih cepat menyelesaikan 4 kasus lembar kerja diminta menganalisis 1 kasus pengayaan tambahan dengan tingkat ambiguitas ciri benda lebih tinggi.

Asesmen Pertemuan:

Awal:

• Diagnostik lisan di awal pembelajaran: 'Jika sebuah mesin KA dilatih hanya menggunakan 3 gambar mobil berwarna merah, apakah mesin itu pasti bisa menebak mobil berwarna biru sebagai mobil? Mengapa?' (Acuan jawaban benar: Mesin mungkin belum bisa memprediksi dengan tepat atau salah tebak, karena input contoh yang diberikan kurang bervariasi/kurang lengkap cirinya).

Proses:

• Observasi sistematis keterlibatan pasangan murid dalam menganalisis 4 kasus pada lembar kerja: memastikan murid menganalisis alasan di balik ketepatan atau kekeliruan prediksi mesin KA berdasarkan kesesuaian contoh benda masukan (acuan: tepat mengidentifikasi status prediksi dan keterkaitan data pada minimal 3 dari 4 kasus).

Akhir Pertemuan:

• Cek pemahaman akhir sesi: Murid menjawab pertanyaan refleksi singkat: 'Sebutkan apa syarat contoh benda konkret (input) agar sistem KA dapat memprediksi benda baru dengan benar!' (Acuan jawaban benar: Contoh benda konkret harus tepat, sesuai dengan kelompok yang dipelajari, dan memiliki variasi ciri yang mewakili objek sebenarnya).

Formatif:

• Pengamatan unjuk kerja berpasangan saat menganalisis lembar kasus keterkaitan data input dan prediksi mesin KA
• Pertanyaan diagnostik lisan pada awal sesi
• Pemeriksaan lembar kerja analisis keterkaitan input benda konkret dan prediksi KA

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah penggunaan alat peraga kartu benda konkret berhasil memahamkan murid mengenai keterkaitan input data contoh dengan hasil prediksi sistem KA?
• Bagaimana keterlibatan aktif pasangan murid dalam menyelesaikan analisis kasus keterkaitan data input?

Murid:

• Apa yang terjadi pada tebakan mesin KA jika contoh benda yang kita berikan salah atau kurang lengkap?
• Bagian mana dari kegiatan menganalisis kasus hari ini yang paling menarik bagiku?

Pertemuan 8 — Menganalisis Keterkaitan Perubahan Prediksi Sistem Kecerdasan Artifisial Akibat Variasi Input Benda Konkret — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.3 Menganalisis keterkaitan prediksi sistem kecerdasan artifisial yang dipengaruhi input benda konkret

Pendahuluan:

• Guru membuka kelas dengan salam, memeriksa kesiapan murid, dan menyampaikan fokus belajar hari ini yaitu menganalisis perubahan prediksi sistem Kecerdasan Artifisial (KA) akibat variasi input benda konkret (3 menit).
• Guru melaksanakan asesmen awal diagnostik singkat dengan menampilkan 2 pertanyaan lisan terstruktur di papan tulis: (1) 'Jika sistem KA dilatih hanya dengan 5 buah jeruk oranye bulat, lalu diberi input lemon kuning lonjong, apakah KA langsung yakin memprediksinya sebagai jeruk?' (acuan: Tidak yakin/bisa salah prediksi karena ciri warna dan bentuknya berbeda dari input latih); (2) 'Bagaimana cara agar sistem KA tidak salah mengenali lemon tersebut?' (acuan: Menambahkan variasi input contoh lemon ke dalam data latih sistem) (7 menit).

Kegiatan Inti:

Memahami (Bermakna, Berkesadaran):

• Guru memberikan demonstrasi konsep menggunakan papan simulasi kotak prediksi KA: memperlihatkan himpunan input awal 4 apel merah bulat mulus, lalu memasukkan benda uji apel hijau dan apel berbercak, untuk menunjukkan bagaimana keterbatasan variasi input menyebabkan prediksi sistem menjadi ragu atau keliru (8 menit).
• Murid secara berkelompok mengamati lembar skenario variasi input dan mencermati hubungan sebab-akibat antara keberagaman contoh benda konkret (warna, tekstur, bentuk) dengan kestabilan prediksi sistem KA (7 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Tantangan Menggembirakan 'Uji Detektif Robot KA': Setiap kelompok menerima kit berisi 4 kartu skenario variasi input benda konkret untuk dianalisis hasil prediksinya: Skenario 1 (Input latih: 5 pisang kuning melengkung; Benda uji: pisang hijau lurus; Pertanyaan: Apa perubahan prediksi sistem dan penyebabnya? Acuan: Prediksi keliru/tidak mengenali pisang karena variasi warna hijau dan bentuk lurus belum ada di data input); Skenario 2 (Input latih: 4 bola kasti hijau berbulu dan 4 bola bekel karet merah; Benda uji: bola tenis meja oranye mulus; Pertanyaan: Bagaimana prediksi sistem? Acuan: Sistem bingung/salah mengelompokkan karena ciri permukaan mulus dan warna oranye belum dipelajari); Skenario 3 (Input latih awal: 3 daun mangga hijau lonjong -> sistem salah menebak daun puring merah; Input latih diperbarui: ditambahkan 4 variasi daun merah, kuning, dan bercak; Pertanyaan: Apa perubahan prediksinya? Acuan: Prediksi menjadi tepat mengenali daun karena variasi warna daun telah ditambahkan pada input); Skenario 4 (Input latih: 4 botol plastik silinder transparan; Benda uji: botol minum alumunium kotak biru; Pertanyaan: Mengapa prediksi berubah dari yakin menjadi tidak tepat? Acuan: Karena ada perbedaan variasi bentuk kotak dan bahan/warna yang tidak ada pada input latih awal) (11 menit).
• Setiap kelompok berdiskusi mengisi tabel analisis 4 skenario tersebut dengan merumuskan keterkaitan antara perubahan variasi input benda konkret dan ketepatan prediksi sistem KA (12 menit).

Merefleksi (Berkesadaran, Bermakna):

• Murid bersama guru mencocokkan hasil analisis dari keempat skenario dengan acuan kunci, serta mendiskusikan mengapa variasi data input konkret menentukan keberhasilan prediksi sistem cerdas (10 menit).

Penutup:

• Murid mengerjakan asesmen akhir berupa cek pemahaman tertulis singkat 2 butir analisis keterkaitan variasi input terhadap prediksi KA (8 menit).
• Guru memberikan umpan balik langsung, menyimpulkan bersama pentingnya variasi input yang lengkap pada sistem KA, dan menginfokan fokus pertemuan berikutnya untuk menyimulasikan alur klasifikasi lengkap (4 menit).

Diferensiasi:

• Konten: Murid yang membutuhkan bimbingan diberikan kartu panduan visual yang menyoroti atribut fisik benda konkret (warna, bentuk, permukaan) yang mengalami perubahan pada skenario. Murid yang lebih cepat diberikan skenario tambahan dengan 3 atribut variasi sekaligus.
• Proses: Kelompok bertingkat kemandirian: kelompok yang memerlukan dukungan didampingi secara terstruktur oleh guru saat membandingkan ciri input latih dan benda uji, sedangkan kelompok mandiri menganalisis langsung keempat skenario secara kolaboratif.
• Produk: Analisis dituangkan dalam lembar kerja tabel keterkaitan; murid dapat menuliskan analisis dalam poin ringkas atau uraian terstruktur sesuai kriteria acuan.

Asesmen Pertemuan:

Awal:

• Tanya jawab lisan diagnostik di awal pembelajaran: (1) 'Jika sistem KA dilatih hanya dengan 5 buah jeruk oranye bulat, lalu diberi input lemon kuning lonjong, apakah KA langsung yakin memprediksinya sebagai jeruk?' (Acuan: Tidak yakin/bisa salah prediksi karena ciri fisik warna kuning dan bentuk lonjong tidak ada dalam input contoh awal); (2) 'Bagaimana cara agar sistem KA tidak salah mengenali lemon tersebut?' (Acuan: Menambahkan variasi contoh benda lemon kuning lonjong ke dalam himpunan data input latihan sistem).

Proses:

• Penilaian lembar kerja kelompok analisis keterkaitan variasi input terhadap prediksi sistem KA pada 4 skenario konkret: Skenario 1 pisang hijau lurus (acuan: prediksi keliru/ragu karena variasi warna hijau dan bentuk lurus belum ada pada data latih awal); Skenario 2 bola tenis meja oranye (acuan: prediksi bingung/salah karena variasi warna oranye dan permukaan mulus belum dipelajari sistem); Skenario 3 penambahan variasi daun puring merah (acuan: prediksi berubah dari salah menjadi tepat karena variasi input diperkaya dengan contoh daun beraneka warna); Skenario 4 botol alumunium kotak (acuan: prediksi keliru akibat variasi bentuk kotak dan tekstur yang berbeda dari botol silinder transparan pada input awal).

Akhir Pertemuan:

• Cek pemahaman tertulis individu (2 butir): Butir 1: 'Sistem KA mengenali cangkir keramik putih. Ketika dimasukkan cangkir berbahan kayu cokelat, prediksi sistem salah menebaknya sebagai balok mainan. Mengapa prediksi sistem tersebut berubah/salah?' (Acuan: Prediksi salah karena sistem belum pernah menerima variasi input cangkir dengan warna cokelat dan bahan/tekstur kayu); Butir 2: 'Tindakan apa yang harus dilakukan pada input benda konkret agar sistem KA dapat memprediksi cangkir kayu tersebut dengan tepat?' (Acuan: Memasukkan variasi contoh konkret cangkir kayu berwarna cokelat ke dalam himpunan data input latihan sistem).

Formatif:

• Asesmen awal diagnostik lisan tentang respon sistem terhadap benda di luar data latih
• Observasi diskusi kelompok dan unjuk kerja analisis 4 skenario variasi input pada LKPD

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah penggunaan skenario benda konkret kontekstual (buah, daun, bola, botol) mempermudah murid memahami konsep pengaruh variasi input terhadap hasil prediksi KA?
• Bagian mana dari analisis perubahan prediksi yang masih membuat murid keliru antara atribut input dengan mekanisme prediksi sistem?

Murid:

• Apa yang terjadi pada tebakan sistem cerdas (KA) jika kita hanya memberikan contoh benda yang warnanya sama terus-menerus?
• Mengapa memberikan contoh benda yang bermacam-macam bentuk dan warnanya membuat sistem KA menjadi semakin pintar memprediksi?

Pertemuan 9 — Menyimulasikan dan Menganalisis Alur Klasifikasi Data Benda Konkret Menuju Prediksi Sistem Kecerdasan Artifisial — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.1 Mengklasifikasi benda konkret berdasarkan sifatnya dalam konteks pengenalan kerja kecerdasan artifisial
• TP 5.4.2 Menyimulasikan secara sederhana kerja kecerdasan artifisial saat mengenali pola dari benda konkret
• TP 5.4.3 Menganalisis keterkaitan prediksi sistem kecerdasan artifisial yang dipengaruhi input benda konkret
• TP 5.4.4 Menerapkan pemecahan masalah secara sistematis dalam mengelompokkan data berdasarkan aturan terstruktur

Pendahuluan:

• Guru membuka kelas dengan salam, memeriksa kesiapan murid, dan mengondisikan suasana belajar yang teratur (3 menit).
• Guru menyampaikan tujuan pembelajaran serta alur aktivitas mengenai simulasi dan analisis alur klasifikasi benda konkret hingga prediksi sistem kecerdasan artifisial (3 menit).
• Guru melaksanakan asesmen diagnostik singkat dengan menunjukkan 3 benda konkret (apel merah bulat, jeruk oranye bulat, lemon kuning lonjong) dan mengajukan 2 pertanyaan kesiapan: (1) 'Berdasarkan aturan sifat bentuk bulat, benda mana saja yang masuk kelompok?' (acuan: apel merah dan jeruk oranye); (2) 'Jika sistem kecerdasan artifisial hanya diberi input contoh benda bulat berwarna oranye, apakah sistem dapat memprediksi lemon kuning lonjong sebagai kelompok yang sama?' (acuan: Tidak, karena input contoh berbeda dalam sifat bentuk dan warna) (4 menit).

Kegiatan Inti:

Memahami (Bermakna, Berkesadaran):

• Murid mengamati demonstrasi guru mengenai alur kerja kecerdasan artifisial: (1) Input data benda konkret (kartu benda konkret: A1=Apel merah bulat licin, A2=Jeruk oranye bulat pori, A3=Tomat merah bulat licin, A4=Pisang kuning melengkung mulus); (2) Pengelompokan terstruktur berdasarkan aturan bertingkat (Aturan 1: Bentuk = Bulat; Aturan 2: Warna = Merah); (3) Pengenalan pola visual; (4) Prediksi sistem terhadap benda uji baru (7 menit).
• Murid menyimak penjelasan keterkaitan bagaimana variasi input menentukan pola yang terbentuk, sehingga jika aturan terstruktur diubah, hasil pengelompokan dan prediksi sistem terhadap benda uji juga akan berubah (5 menit).

Mengaplikasi (Menggembirakan, Bermakna):

• Dalam kelompok berpasangan, murid memainkan tantangan simulasi interaktif 'Mesin Cerdas Detektif Benda' dengan 6 kartu benda konkret: B1=Semangka (bulat, hijau, besar), B2=Melon (bulat, hijau, sedang), B3=Jeruk nipis (bulat, hijau, kecil), B4=Pisang (panjang melengkung, kuning, sedang), B5=Pepaya (lonjong, jingga, besar), B6=Lemon (lonjong, kuning, kecil) (10 menit).
• Murid menerapkan pemecahan masalah sistematis dengan mengelompokkan ke-6 data benda tersebut berdasarkan aturan bertingkat terstruktur pada Lembar Simulasi: Aturan Tingkat 1 'Bentuk Bulat' (lolos: B1, B2, B3; gugur: B4, B5, B6), dilanjutkan Aturan Tingkat 2 'Warna Hijau' (lolos: B1, B2, B3) (acuan: kelompok akhir B1, B2, B3) (10 menit).
• Murid menyimulasikan peran sistem kecerdasan artifisial yang mengenali pola berulang dari kelompok akhir (pola visual: semua bulat dan hijau), lalu menguji 2 data benda baru: Uji 1=Apel malang hijau bulat; Uji 2=Jagung kuning panjang, untuk menentukan prediksi kecocokan sistem (acuan: Uji 1 diprediksi cocok/masuk kelompok pola; Uji 2 diprediksi tidak cocok/keluar dari pola) (8 menit).
• Murid menganalisis keterkaitan prediksi sistem apabila input contoh diubah secara bervariasi dengan menambahkan Pepaya (lonjong) ke data latih, dan mencatat bagaimana perubahan variasi input tersebut mengubah prediksi sistem terhadap Lemon (lonjong) menjadi cocok (acuan: penambahan input berkarakteristik lonjong memperluas pengenalan pola sistem sehingga mengenali benda lonjong sebagai pola yang valid) (7 menit).

Merefleksi (Berkesadaran):

• Murid secara mandiri memeriksa kembali ketepatan alur kerja pada lembar simulasi mereka, mengecek kesesuaian penerapan aturan terstruktur, pengenalan pola, dan analisis prediksinya (5 menit).
• Murid menuliskan refleksi singkat terbimbing tentang apa yang terjadi jika data input yang dimasukkan ke sistem kecerdasan artifisial tidak teratur atau salah sifatnya (acuan: aturan terstruktur gagal terbentuk, pengenalan pola menjadi salah, dan prediksi sistem menjadi tidak akurat) (3 menit).

Penutup:

• Guru memandu murid menyimpulkan alur klasifikasi data konkret menuju prediksi sistem kecerdasan artifisial berdasarkan kegiatan yang telah dilakukan (3 menit).
• Guru melaksanakan asesmen akhir berupa 2 soal cek pemahaman singkat: Soal 1 'Jika aturan terstruktur adalah bentuk bulat dan kulit licin, dari apel merah licin, salak cokelat berduri, dan anggur ungu licin, benda mana yang lolos?' (acuan: apel merah licin dan anggur ungu licin); Soal 2 'Mengapa variasi input data benda konkret sangat memengaruhi hasil prediksi sistem kecerdasan artifisial?' (acuan: karena sistem kecerdasan artifisial mengenali pola berdasarkan contoh input yang diberikan, sehingga input yang berbeda menghasilkan pola dan prediksi yang berbeda) (2 menit).

Diferensiasi:

• Konten: Menyediakan kartu benda konkret dengan gambar visual dan daftar atribut tertulis jelas bagi murid yang membutuhkan scaffolding, serta kartu benda konkret dengan 4 atribut sifat (bentuk, warna, tekstur, ukuran) untuk murid dengan kesiapan belajar lebih tinggi.
• Proses: Memberikan panduan bagan alur langkah bertahap untuk kelompok yang memerlukan bimbingan, serta memberikan tantangan penambahan 1 aturan bertingkat ekstra (tingkat 3: tekstur) secara mandiri bagi murid yang belajar lebih cepat.
• Produk: Format penyajian lembar simulasi dapat berupa pengisian diagram alur kotak centang atau penulisan formulasi aturan klasifikasi dan tabel analisis prediksi.

Asesmen Pertemuan:

Awal:

• Tanya jawab diagnostik di awal pembelajaran menggunakan 3 benda konkret (apel merah bulat licin, jeruk oranye bulat pori, lemon kuning lonjong pori) untuk mengecek: (1) Kemampuan mengelompokkan berdasarkan sifat bentuk bulat (acuan benar: apel merah dan jeruk oranye); (2) Analisis pengaruh input contoh benda bulat oranye terhadap prediksi lemon kuning lonjong (acuan benar: sistem memprediksi tidak cocok karena sifat bentuk dan warna berbeda).

Proses:

• Pengamatan keterlibatan dan ketepatan murid dalam menerapkan aturan bertingkat pada 6 kartu benda konkret (B1 s.d. B6) sesuai acuan (Tingkat 1: B1, B2, B3 bulat; Tingkat 2: B1, B2, B3 warna hijau)
• Pemeriksaan ketepatan simulasi pengenalan pola sistem kecerdasan artifisial dan prediksi terhadap 2 benda uji baru (acuan: Uji 1 cocok, Uji 2 tidak cocok)
• Pemeriksaan ketepatan analisis tertulis terkait pengaruh perubahan variasi input (penambahan pepaya lonjong) terhadap perubahan hasil prediksi sistem terhadap lemon (acuan: prediksi berubah dari tidak cocok menjadi cocok karena variasi lonjong masuk ke pola)

Akhir Pertemuan:

• Cek pemahaman tertulis singkat 2 butir pada penutup: Butir 1 menentukan benda yang lolos aturan bentuk bulat dan kulit licin dari apel merah licin, salak cokelat berduri, anggur ungu licin (acuan: apel merah licin dan anggur ungu licin); Butir 2 keterkaitan variasi input terhadap hasil prediksi sistem kecerdasan artifisial (acuan: sistem membuat pola berdasarkan data input, sehingga perbedaan data input mengubah pola dan hasil prediksi).

Formatif:

• Observasi unjuk kerja simulasi klasifikasi terstruktur dan pengenalan pola sistem kecerdasan artifisial
• Pemeriksaan lembar kerja simulasi alur klasifikasi data menuju prediksi sistem kecerdasan artifisial

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Apakah alur simulasi konkret membantu murid memahami konsep klasifikasi dan prediksi kecerdasan artifisial secara mendalam?
• Bagian mana dari langkah pemecahan masalah terstruktur yang masih membutuhkan bimbingan intensif bagi murid?

Murid:

• Apa hal baru yang kamu pelajari tentang cara kecerdasan artifisial mengenali pola dan membuat prediksi?
• Bagian mana dari kegiatan pengelompokan menggunakan aturan bertingkat yang paling menantang bagimu?

Pertemuan 10 — Asesmen Sumatif Bab — 2 JP (2 x 35 menit = 70 menit)

Tujuan Pertemuan:

• TP 5.4.1 Mengklasifikasi benda konkret berdasarkan sifatnya dalam konteks pengenalan kerja kecerdasan artifisial
• TP 5.4.2 Menyimulasikan secara sederhana kerja kecerdasan artifisial saat mengenali pola dari benda konkret
• TP 5.4.3 Menganalisis keterkaitan prediksi sistem kecerdasan artifisial yang dipengaruhi input benda konkret
• TP 5.4.4 Menerapkan pemecahan masalah secara sistematis dalam mengelompokkan data berdasarkan aturan terstruktur

Pendahuluan:

• Guru membuka sesi asesmen sumatif dengan salam, doa bersama, serta memeriksa kehadiran dan kesiapan meja kerja murid (3 menit).
• Guru menyampaikan tujuan asesmen sumatif Bab 4 mengenai klasifikasi benda konkret, aturan pemilahan sistematis, simulasi pengenalan pola kecerdasan artifisial (KA), dan analisis pengaruh data input terhadap prediksi sistem (2 menit).
• Guru membagikan berkas Lembar Kerja Sumatif Bab 4 yang terdiri dari Bagian 1 (Pemecahan Masalah dan Klasifikasi Terstruktur) dan Bagian 2 (Simulasi Pola dan Analisis Prediksi KA) serta membacakan tata tertib pengerjaan mandiri serentak (3 menit).

Kegiatan Inti:

Memahami (Berkesadaran):

• Murid menyimak penjelasan petunjuk teknis Bagian 1, yaitu mengisi tabel klasifikasi untuk 4 benda konkret dan menyusun bagan alur pemilahan data dengan aturan bertingkat (kondisi bentuk dan fungsi) sesuai format yang tertera pada lembar kerja (4 menit).

Mengaplikasi (Bermakna):

• Murid secara individual dan serentak mengerjakan Bagian 1 Tugas Pemecahan Masalah Tertulis: (1) Mengklasifikasikan 4 objek ke tabel sifat: Penggaris Plastik Panjang (Sifat: Persegi panjang, keras, fungsi mengukur/menggambar garis), Jeruk Nipis (Sifat: Bulat, berair/lunak, fungsi bahan minuman/konsumsi), Kotak Pensil Kain (Sifat: Balok/persegi panjang, lentur, fungsi menyimpan alat tulis), dan Bola Kasti (Sifat: Bulat, membal/padat, fungsi olahraga); (2) Menerapkan aturan pemilahan bertingkat dengan bagan sistematis: Aturan 1 'Bentuk bulat?' -> Ya: Jeruk Nipis, Bola Kasti; Tidak: Penggaris Plastik Panjang, Kotak Pensil Kain; dilanjutkan Aturan 2 untuk kelompok Ya 'Apakah fungsi olahraga?' -> Ya: Bola Kasti; Tidak: Jeruk Nipis; dan Aturan 2 untuk kelompok Tidak 'Apakah lentur dan berfungsi menyimpan?' -> Ya: Kotak Pensil Kain; Tidak: Penggaris Plastik Panjang (30 menit).
• Murid menyimak penjelasan petunjuk teknis Bagian 2 mengenai simulasi pengenalan pola KA dan analisis dampak perubahan input data terhadap prediksi model (2 menit).
• Murid secara individual dan serentak mengerjakan Bagian 2 Tugas Analisis Kasus dan Simulasi Tertulis: (1) Menyimulasikan alur KA mengenali pola dari 4 sampel latih visual berupa Buah Berkulit Kuning (Pisang, Lemon, Belimbing, Mangga Kuning) dengan mengekstrak ciri warna 'kuning' dan permukaan tekstur; (2) Menganalisis prediksi KA pada Kasus A: Jika sistem diberi input uji berupa 'Apel Merah', bagaimana prediksi KA? (Kunci: Sistem ragu atau salah memprediksi bukan buah latih karena warna merah tidak ada di data latih); (3) Menganalisis prediksi KA pada Kasus B: Jika data latih ditambah dengan 4 contoh buah merah (Apel Merah, Stroberi, Ceri, Tomat), bagaimana perubahan hasil prediksi KA? (Kunci: Prediksi menjadi akurat karena data input bertambah variatif sehingga KA mampu mengenali pola kelompok buah warna merah dan kelompok warna kuning) (21 menit).

Merefleksi (Berkesadaran):

• Murid memeriksa kembali kelengkapan seluruh jawaban pada lembar kerja sumatif secara hening dan mandiri sebelum diserahkan kepada guru (2 menit).

Penutup:

• Murid mengumpulkan seluruh lembar kerja asesmen sumatif Bab 4 secara tertib dan serentak ke meja guru (1 menit).
• Guru mengapresiasi integritas dan kemandirian seluruh murid dalam menyelesaikan rangkaian pembelajaran serta asesmen Bab 4 tentang Kecerdasan Artifisial dan Berpikir Komputasional (1 menit).
• Guru mengajak murid melakukan refleksi singkat mengenai pengalaman belajar sepanjang Bab 4 dan menutup pertemuan dengan doa bersama (1 menit).

Diferensiasi:

• Konten: Lembar kerja asesmen sumatif distandarisasi untuk seluruh murid; bagi murid yang memerlukan dukungan membaca soal diberikan lembar kerja dengan cetakan teks berukuran lebih besar dan tata letak kotak isian yang lebih lapang.
• Proses: Pengerjaan dilakukan secara mandiri dan serentak tanpa intervensi konsep; fasilitasi guru terbatas pada penegasan instruksi teknis bagi murid yang memerlukan kejelasan pembacaan soal.
• Produk: Seluruh murid menghasilkan produk lembar kerja terstruktur seragam yang memuat tabel klasifikasi, bagan aturan bertingkat, serta catatan analisis simulasi input-prediksi KA.

Asesmen Pertemuan:

Awal:

• Pemeriksaan kesiapan asesmen melalui konfirmasi kelengkapan alat tulis murid dan pemahaman terhadap petunjuk lembar kerja sumatif tanpa bantuan rekan sejawat (acuan: murid siap alat tulis dan lembar kerja telah diterima lengkap).

Proses:

• Observasi kepatuhan tata tertib kerja mandiri selama 70 menit pelaksanaan asesmen sumatif serentak di kelas.

Sumatif Bab:

• penugasan lembar kerja simulasi dan pemecahan masalah secara tertulis serentak: berkas lembar kerja murid berisi pengelompokan benda konkret berdasar sifat, bagan alur simulasi pengenalan pola KA, penjelasan dampak variasi input terhadap hasil prediksi, serta langkah terstruktur pemilahan data
• penugasan pemecahan masalah tertulis serentak: tabel klasifikasi benda konkret yang memuat kriteria sifat benda dan bagan langkah sistematis pemilahan objek sesuai instruksi aturan bertahap yang dikerjakan seluruh kelas secara bersamaan (35 menit; individual; instrumen: rubrik penilaian pemecahan masalah dan klasifikasi data)
• penugasan analisis kasus dan simulasi tertulis serentak: lembar kerja simulasi yang mencatat alur penentuan pola dari contoh konkret serta jawaban analisis tertulis mengenai perubahan hasil prediksi KA saat input benda diubah atau ditambah yang dikerjakan serentak oleh seluruh murid (35 menit; individual; instrumen: pedoman penskoran dan rubrik analisis keterkaitan input-prediksi)

Sumatif:

• penugasan lembar kerja simulasi dan pemecahan masalah secara tertulis serentak: berkas lembar kerja murid berisi pengelompokan benda konkret berdasar sifat, bagan alur simulasi pengenalan pola KA, penjelasan dampak variasi input terhadap hasil prediksi, serta langkah terstruktur pemilahan data
• penugasan pemecahan masalah tertulis serentak: tabel klasifikasi benda konkret yang memuat kriteria sifat benda dan bagan langkah sistematis pemilahan objek sesuai instruksi aturan bertahap yang dikerjakan seluruh kelas secara bersamaan (35 menit; individual; instrumen: rubrik penilaian pemecahan masalah dan klasifikasi data)
• penugasan analisis kasus dan simulasi tertulis serentak: lembar kerja simulasi yang mencatat alur penentuan pola dari contoh konkret serta jawaban analisis tertulis mengenai perubahan hasil prediksi KA saat input benda diubah atau ditambah yang dikerjakan serentak oleh seluruh murid (35 menit; individual; instrumen: pedoman penskoran dan rubrik analisis keterkaitan input-prediksi)

Rubrik Pertemuan:

Refleksi Pertemuan:

Guru:

• Bagaimana distribusi ketercapaian murid pada keempat TP Bab 4 berdasarkan hasil asesmen sumatif tertulis serentak ini?
• Bagian tugas manakah (pemilahan aturan bertingkat atau analisis input KA) yang paling banyak memerlukan penguatan bagi murid yang belum tuntas?

Murid:

• Apakah aku sudah mampu mengurutkan aturan pengelompokan benda secara bertahap tanpa bingung?
• Bagian mana dari cara kerja kecerdasan artifisial mengenali data yang paling aku pahami setelah menyelesaikan tugas ini?

SUMBER BELAJAR

1. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Kemendikbudristek 2025, Bab 4 Halaman 199-204
2. Buku Siswa Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Bab 4 Halaman 137-142
3. Benda konkret manipulatif: Tutup botol, kancing warna-warni, penjepit kertas, kertas lipat warna, penggaris kecil, wadah/nampan sortir warna, dan kartu gambar objek
4. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V
5. Buku Siswa Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V Bab 4
6. Benda konkret di kelas: klip kertas, rautan, botol minum, kotak bekal, gunting, lem kertas, penggaris, buku, penghapus
7. Nampan/wadah label kategori pemilahan
8. Buku Siswa Koding dan Kecerdasan Artifisial SD/MI Kelas V
9. Buku Panduan Guru Koding dan Kecerdasan Artifisial SD/MI Kelas V
10. Kartu data benda konkret dan lembar kerja pemecahan masalah pengelompokan data
11. Benda konkret di kelas (penghapus kecil, buku pelajaran, rautan kecil, penggaris panjang, bola bekel, globe pajangan)
12. Lembar Kerja Misi Klasifikasi Bertingkat
13. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V (Bab 4)
14. Buku Siswa Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V
15. Perangkat kartu benda konkret (gambar apel, bola tenis, kotak pensil, jeruk) dan Kartu Detektor Pola KA
16. Lembar Kerja Simulasi Pengenalan Pola Visual KA
17. Benda konkret di kelas: pensil berbagai ukuran, tutup botol warna-warni, penghapus, klip kertas
18. Lembar Aktivitas Simulasi Pola Berulang AI
19. Buku Siswa Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Bab 4
20. Set kartu gambar benda konkret (apel, alat ukur, bola, tempat pensil)
21. Model 'Kotak Pemindai Cerdas' dari kardus untuk simulasi input data
22. Buku Siswa Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Bab 4 (Kementerian Pendidikan Dasar dan Menengah, 2025)
23. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Bab 4
24. Kit Kartu Skenario Variasi Benda Konkret (buah pisang, ragam bola, daun beraneka warna, botol)
25. Papan simulasi kotak input dan prediksi sistem KA
26. Buku Panduan Guru Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Kemendikdasmen 2025
27. Buku Siswa Koding dan Kecerdasan Artifisial untuk SD/MI Kelas V, Kemendikdasmen 2025
28. Set kartu benda konkret (apel, jeruk, tomat, pisang, semangka, melon, jeruk nipis, pepaya, lemon, salak, anggur, jagung)
29. Lembar Kerja Simulasi Alur Klasifikasi dan Prediksi Sistem Kecerdasan Artifisial
30. Lembar Kerja Asesmen Sumatif Bab 4: Bagian 1 (Tabel Klasifikasi & Bagan Pemilahan Terstruktur) dan Bagian 2 (Lembar Simulasi Pola & Kasus Analisis Input KA)