LKPD – Koding & Kecerdasan Artifisial

LKPD – Koding & Kecerdasan Artifisial
Materi: Pemrograman Kecerdasan Artifisial (AI Programming)
Fase E – Kelas X SMA
Durasi: 2 × 45 menit

✨ A. Tujuan LKPD

• Siswa bisa menjelaskan konsep dasar KA.
• Siswa bisa mencoba supervised dan unsupervised learning sederhana.
• Siswa bisa merefleksi manfaat AI untuk lingkungan (adiwiyata) dan kehidupan sehari-hari.

📘 B. Ulasan Materi Singkat

1. Apa itu KA?

KA = bikin mesin bisa belajar kayak manusia.

• Kalau kamu belajar dari guru → Supervised Learning.
• Kalau kamu belajar sendiri → Unsupervised Learning.
• Kalau belajar dari trial-error (kayak main game) → Reinforcement Learning.

2. Tools buat KA

• Python = bahasa paling populer buat KA.
• Library keren: Scikit-learn, TensorFlow, Keras, Pandas.
• IDE: Google Colab → gampang dipakai langsung dari browser.

3. Data itu penting!

Data = makanan KA.

• Tanpa data → KA kelaparan 😅.
• Dataset bisa berupa angka, teks, gambar, video.

4. LLM (Large Language Model)

• Contoh: ChatGPT, Hugging Face Model.
• Bisa dipakai buat chatbot, bikin teks otomatis, sampai bantu coding.

📝 C. Aktivitas & Soal LKPD

Aktivitas 1 – Diskusi Ringan (Berpasangan)

1. Sebutkan contoh aplikasi KA yang sering kamu pakai sehari-hari!
2. Menurutmu, KA lebih mirip teman belajar atau asisten pribadi? Kenapa?

---

Aktivitas 2 – Coba Coding Supervised Learning

📌 Buka Google Colab lalu coba jalankan kode berikut:

# Import library

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

from sklearn.neighbors import KNeighborsClassifier

 

# Load dataset bunga iris

iris = load_iris()

X = iris.data

y = iris.target

 

# Bagi data: 80% training, 20% testing

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

 

# Buat model KNN

model = KNeighborsClassifier(n_neighbors=3)

model.fit(X_train, y_train)

 

# Cek akurasi

print("Akurasi model:", model.score(X_test, y_test))

👉 Pertanyaan:

1. Berapa akurasi model yang kamu dapatkan?
2. Kalau n_neighbors diubah jadi 5, apakah akurasinya berubah?

---

Aktivitas 3 – Coba Unsupervised Learning

📌 Masih di Google Colab, jalankan kode berikut:

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

 

# Pakai dataset iris lagi

kmeans = KMeans(n_clusters=3, random_state=42)

kmeans.fit(X)

 

# Visualisasi hasil cluster

plt.scatter(X[:,0], X[:,1], c=kmeans.labels_)

plt.xlabel("Fitur 1")

plt.ylabel("Fitur 2")

plt.title("Clustering Iris dengan KMeans")

plt.show()

👉 Pertanyaan:

1. Apakah hasil clustering sesuai dengan label aslinya?
2. Menurutmu, kelebihan dan kekurangan metode clustering ini apa?

---

Aktivitas 4 – Refleksi Adiwiyata 🌱

Diskusikan dalam kelompok kecil:

1. Kalau KA dipakai untuk mendukung program sekolah adiwiyata, kira-kira project apa yang bisa dibuat?
   (contoh: KA klasifikasi sampah, sensor kelembaban tanah untuk tanaman, chatbot peduli lingkungan).
2. Tuliskan ide kalian dalam 5–6 kalimat.

✅ D. Rubrik Penilaian

Aspek	Skor 4 (Sangat Baik)	Skor 3 (Baik)	Skor 2 (Cukup)	Skor 1 (Kurang)
Diskusi	Aktif & ide kreatif	Aktif	Kurang aktif	Pasif
Coding	Kode jalan lancar, paham output	Kode jalan, paham sebagian	Kode jalan tapi kurang paham	Kode error & tidak paham
Refleksi	Ide original, solutif, nyambung ke adiwiyata	Ide cukup baik	Ide kurang jelas	Tidak ada ide

---