Modul Ajar / RPP

Mata Pelajaran : Koding dan Kecerdasan Artifisial

Fase : E (Kelas X SMA)

Materi : Pemrograman Kecerdasan Artifisial

Durasi : 6 × 45 menit (3 pertemuan)

1. Capaian Pembelajaran

Peserta didik mampu:

• Menjelaskan konsep dasar pemrograman KA (AI Programming).
• Menerapkan library KA populer (misalnya TensorFlow, Scikit-learn, Pandas) untuk membuat model sederhana berbasis supervised dan unsupervised learning.
• Menganalisis hasil model KA menggunakan metrik evaluasi dan melakukan penyempurnaan.
• Menjelaskan konsep dasar, arsitektur, dan cara kerja Large Language Model (LLM).
• Mengintegrasikan aplikasi KA dengan LLM melalui API sederhana.
• Merefleksikan implikasi etis, lingkungan (adiwiyata), dan tanggung jawab sosial dari penggunaan KA.

2. Dimensi Profil Lulusan

• Beriman, bertakwa kepada Tuhan YME, dan berakhlak mulia: etika penggunaan AI.
• Berkebinekaan global: memahami bias dalam AI dan pentingnya fairness.
• Gotong royong: kolaborasi proyek kelompok.
• Mandiri: mengerjakan coding AI project.
• Bernalar kritis: analisis output model & evaluasi performa.
• Kreatif: mengembangkan aplikasi AI berbasis data sekolah/lingkungan.

3. Materi Pokok

1. Konsep dasar pemrograman KA dan bahasa pemrograman Python.
2. Supervised, Unsupervised, Semi-Supervised, Reinforcement Learning .
3. Proyek KA sederhana: klasifikasi teks/gambar berbasis dataset (tema lingkungan/adiwiyata, misalnya klasifikasi sampah organik vs anorganik).
4. Large Language Model (LLM): konsep, arsitektur, cara kerja, dan integrasi API .
5. Refleksi etis: bias, transparansi, privasi, tanggung jawab sosial.

4. Kegiatan Pembelajaran

Pertemuan 1 – Konsep & Dasar AI (2 JP)

• Pendahuluan (Ice breaking: “AI di sekitar kita”).
• Diskusi konsep dasar AI & perbedaan pemrograman tradisional vs ML/Deep Learning.
• Demo sederhana: Python + Pandas (data lingkungan sekolah).

Pertemuan 2 – Proyek Supervised & Unsupervised (2 JP)

• Kelompok membuat proyek sederhana:
• Supervised: klasifikasi sampah organik vs anorganik (dataset gambar).
• Unsupervised: clustering data tanaman di sekolah.
• Analisis hasil dengan metrik evaluasi (akurasi, confusion matrix).
• Diskusi kesulitan & solusi.

Pertemuan 3 – Integrasi LLM & Refleksi Etis (2 JP)

• Pengenalan LLM (ChatGPT, Hugging Face).
• Praktik integrasi API sederhana ke aplikasi KA.
• Diskusi etis: bias, disinformasi, privasi, tanggung jawab sosial.
• Refleksi pribadi: “Bagaimana AI bisa membantu sekolah adiwiyata dan tetap etis?”

5. Penilaian

a. Sikap

• Etika berdiskusi, kolaborasi kelompok, kesadaran adiwiyata.

b. Pengetahuan

• Tes formatif: konsep supervised vs unsupervised, arsitektur LLM.

c. Keterampilan

• Proyek kelompok: laporan + presentasi aplikasi KA.
• Rubrik: ketepatan kode, kreativitas, dokumentasi, refleksi etis.

6. Pengayaan & Remedial

• Pengayaan: integrasi LLM untuk chatbot sekolah (misalnya chatbot peduli lingkungan).
• Remedial: latihan ulang Python dasar + diskusi tutor sebaya.

7. Sumber Belajar

• Modul 4 SMK Pemrograman Kecerdasan Artifisial .
• Google Colab, Kaggle Dataset Lingkungan.
• Dokumentasi TensorFlow, Hugging Face API