Stmikkomputama.ac.id – Pada jenjang pendidikan menengah atas, kurikulum koding dan Kecerdasan Artifisial (AI) menantang kita untuk memperkenalkan konsep-konsep yang lebih abstrak dan kompleks. Seringkali, tantangan terbesar muncul bagi para guru yang tidak memiliki latar belakang informatika.
Artikel ini dirancang sebagai jembatan, untuk membekali Bapak/Ibu dengan pemahaman dasar tentang machine learning dan memberikan contoh proyek praktis yang dapat diterapkan di kelas, tanpa harus menjadi seorang ahli pemrograman.
Bapak/Ibu Guru SMA/sederajat yang terhormat,
Kecerdasan Artifisial (AI) seringkali diasosiasikan dengan robot canggih atau fiksi ilmiah. Namun, di level sekolah, AI dapat dipahami sebagai sebuah sistem yang dirancang untuk “belajar” dari data dan membuat keputusan atau prediksi berdasarkan data tersebut, tanpa diprogram secara eksplisit untuk setiap tugas (Russell & Norvig, 2020). Cabang AI yang paling relevan untuk pembelajaran ini adalah Machine Learning.
Machine Learning dapat diibaratkan seperti mengajari seorang anak cara membedakan antara kucing dan anjing. Daripada memberikan aturan yang kaku (misalnya, “kucing punya kumis”), kita menunjukkan ribuan gambar kucing dan anjing. Seiring waktu, anak tersebut akan belajar mengenali pola dan karakteristik masing-masing hewan (Domingos, 2012). Proses yang sama juga terjadi pada sistem machine learning yang kita latih.
Proyek Awal: Klasifikasi Sederhana dengan Machine Learning
Untuk mempermudah pemahaman, kita dapat menggunakan pendekatan “klasifikasi”—mengajarkan komputer untuk mengkategorikan suatu objek. Berikut adalah contoh proyek sederhana yang dapat Bapak/Ibu terapkan di kelas menggunakan tools yang ramah bagi pemula.
Proyek: Klasifikasi Gambar Bunga
Tujuan proyek ini adalah untuk melatih komputer membedakan jenis bunga (misalnya, mawar dan melati) berdasarkan gambar yang kita berikan.
Alur Pelaksanaan:
- Pengumpulan Data:
- Minta siswa secara berkelompok untuk mengumpulkan puluhan foto bunga mawar dan melati.
- Ajarkan mereka konsep training data: data yang digunakan untuk melatih model AI.
- Melatih Model:
- Gunakan platform visual seperti Teachable Machine dari Google (https://teachablemachine.withgoogle.com/).
- Unggah gambar-gambar mawar ke dalam satu kategori (“Mawar”) dan gambar-gambar melati ke kategori lainnya (“Melati”).
- Jelaskan bahwa proses ini disebut pelabelan data, di mana kita “memberi tahu” komputer apa nama dari setiap gambar.
- Klik tombol “Train Model”. Jelaskan bahwa saat ini, komputer sedang menganalisis pola dalam data untuk belajar membedakan kedua jenis bunga.
- Pengujian dan Implementasi:
- Setelah model selesai dilatih, minta siswa menguji model tersebut dengan foto-foto bunga baru yang belum pernah dilihat oleh komputer.
- Jelaskan konsep akurasi dan prediksi.
- Sebagai kelanjutan, model yang sudah dilatih ini dapat diintegrasikan ke dalam proyek Scratch atau Python (jika siswa sudah menguasai) untuk membuat aplikasi yang lebih interaktif, misalnya aplikasi yang bisa mengidentifikasi jenis bunga.
Landasan Akademis dan Pedagogis
Pendekatan ini sejalan dengan Naskah Akademik Kemendikdasmen (2025) yang merekomendasikan “pendekatan berbasisproyek” untuk “mengembangkan pemahaman yang mendalam tentang konsep AI.” Model pembelajaran ini juga sesuai dengan kerangka pendidikan berbasis kompetensi abad ke-21, yang menekankan pentingnya kreativitas, kolaborasi, dan pemecahan masalah (World Economic Forum, 2020).
Dengan mengimplementasikan proyek sederhana ini, Bapak/Ibu tidak hanya mengajar tentang AI, tetapi juga menumbuhkan pola pikir analitis dan kemampuan teknis yang akan sangat berguna bagi siswa di masa depan (Wing, 2006; World Bank, 2023).
*Penulis adalah Ketua STMIK Komputama Cilacap
Daftar Pustaka
- Domingos, P. (2012). A few useful things to know about machine learning. Communications of the ACM, 55(10), 78-87.
- Kementerian Pendidikan Dasar dan Menengah Republik Indonesia. (2025). Naskah Akademik: Pembelajaran Koding dan Kecerdasan Artifisial Pada Pendidikan Dasar dan Menengah.
- Russell, S. J., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach. Pearson.
- Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.
- World Bank. (2023). The Vital Role of Digital Skills in Building an Inclusive, Smart, Safe, and Sustainable Digital Economy. World Bank Group: Skills Global Solutions Group.
- World Economic Forum. (2020). Schools of the Future: Defining New Models of Education for the Fourth Industrial Revolution.
