KODING & KECERDASAN ARTIFISIAL SHEILA (4).pptx

kodingka

1. Pembiasan Pembelajaran Koding dan Kecerdasan Artifisial (KA) SHEILA MONIKA PURBA Mata Pelajaran Koding dan Kecerdasan Artifisial pada Kurikulum Nasional KKG Kecamatan Bandar Masilam

2. Latar Belakang Indonesia sedang memasuki era Revolusi Industri 4.0 dan Masyarakat 5.0. Koding dan Kecerdasan Artifisial (KA) adalah pilar transformasi digital yang harus dikenalkan sejak pendidikan dasar . Pendidikan KKA diposisikan untuk menyiapkan generasi yang tidak hanya konsumen teknologi , tetapi juga creator dan innovator.

3. Tujuan Pengembangan Mapel KKA Menumbuhkan keterampilan berpikir komputasional. Membangun literasi digital dan etika teknologi. Meningkatkan kreativitas dan kemampuan memecahkan masalah. Menyiapkan peserta didik menghadapi dunia kerja dan sosial berbasis teknologi.

4. Dasar Hukum UU No. 20/2003 tentang Sisdiknas RPJPN 2025–2045 Kebijakan Kemendikdasmen soal transformasi kurikulum & digitalisasi pendidikan

5. Karakteristik Mata pelajaran Koding dan KA memiliki karakteristik pembelajaran sebagai berikut: Menanamkan etika (keadaban) sebagai fondasi bagi penguasaan kompetensi di semua jenjang. Pembelajaran yang kontekstual sesuai dengan situasi yang dihadapi peserta didik sehari-hari dan permasalahan yang terjadi di masyarakat/lingkungan sekitar. Pembelajaran dapat dilaksanakan secara internet-based , plugged , dan unplugged . Penggunaan pendekatan human-centered di mana manusia sebagai fokus dalam pembelajaran, pemanfaatan, dan pengembangan KA.

6. Elemen KKA

7. SEJAUH MANA KAMU PAHAM INFORMATIKA? TEST PEMAHAMAN MU DI JOIN MY QUIZ.COM

8. Koding adalah proses mengonversi keinginan manusia menjadi format yang dapat dipahami oleh komputer menggunakan bahasa pemrograman. Koding juga merujuk pada sub-aktivitas dalam pemrograman atau pemberian instruksi kepada komputer dalam berbagai bentuk seperti PC, server, perangkat IoT, robot dan lainnya, yang menerapkan solusi yang dirumuskan melalui berpikir komputasional. APA ITU KODING?

9. Perbedaan Koding vs Pemrograman: Koding: bagian dari pemrograman yang fokus pada penulisan instruksi. Pemrograman: mencakup seluruh siklus pengembangan perangkat lunak (analisis–implementasi–pemeliharaan). Metode Pembelajaran Koding: Plugged : menggunakan komputer dan software. Unplugged : tanpa komputer, lewat permainan atau simulasi.

10. KA adalah sistem yang mampu memahami, belajar dari data, dan mengambil tindakan cerdas. Definisi berbeda muncul dari berbagai ahli seperti Kaplan, Poole, dan Russell & Norvig, mencakup agen cerdas yang dapat bertindak dan berpikir seperti manusia atau secara rasional. APA ITU KA?

11. Jenis dan Teknologi KA Narrow AI: fokus pada satu tugas spesifik. General AI (AGI): mampu menyelesaikan berbagai tugas secara adaptif. Teknologi utama: machine learning, deep learning, dan neural networks. Disiplin Ilmu dan Pendekatan Interdisipliner Melibatkan komputer, statistik, kognisi, neurosains, dan etika. Penting memperhatikan implikasi sosial, seperti bias, privasi, dan dampak terhadap pekerjaan. Manfaat KA dalam Berbagai Sektor Kesehatan: diagnosis otomatis & efisiensi perawatan. Pendidikan: personalisasi pembelajaran & umpan balik adaptif. Industri: otomatisasi, efisiensi operasional, dan daya saing. Literasi KA untuk Peserta Didik Memahami konsep dasar KA, data, dan pembelajaran mesin. Kritis terhadap bias dan etika KA. Menguasai keterampilan praktis: coding dasar & penggunaan sistem KA. Siap berkontribusi dalam kehidupan digital secara etis dan sadar dampak.

12. ELEMEN DALAM KODING DAN KECERDASAN ARTIFISIAL “Inovasi AI, Masa Depan Kini”

13. BERPIKIR KOMPUTASIONAL Berpikir komputasional, seperti yang didefinisikan oleh Wing (2006), disajikan sebagai keterampilan dan pola pikir dasar yang tidak terbatas pada ilmuwan komputer tetapi dapat diterapkan secara universal. Proses berpikir komputasional dapat dibagi menjadi empat pilar:

14. DEKOMPOSISI Dekomposisi, yaitu proses memecah masalah kompleks menjadi bagian-bagian yang lebih kecil dan lebih dapat dikelola. Ini memungkinkan pendekatan yang lebih sistematis dalam memecahkan masalah. Dekomposisi Pengenalan pola Abstraksi Algoritma

15. PENGENALAN POLA Pengenalan pola, yaitu proses identifikasi pola atau kesamaan yang berulang dalam data atau di berbagai masalah. Mengenali pola-pola ini dapat mengarah pada penerapan solusi yang serupa dalam berbagai konteks. Dekomposisi Pengenalan pola Abstraksi Algoritma

16. ABSTRAKSI Abstraksi, adalah proses menyaring informasi yang tidak perlu dan fokus pada detail yang relevan yang penting untuk memecahkan masalah yang dihadapi. Ini memungkinkan pendekatan yang lebih efisien dan terarah. Dekomposisi Pengenalan pola Abstraksi Algoritma

17. ALGORITMA Algoritma, melibatkan pengembangan urutan instruksi yang logis dan bertahap untuk mencapai solusi. Ini menekankan pendekatan terstruktur dan metodis dalam memecahkan masalah. Dekomposisi Pengenalan pola Abstraksi Algoritma

18. BERPIKIR KOMPUTASIONAL Intinya, berpikir komputasional adalah proses kognitif yang digunakan untuk merumuskan solusi dengan cara yang dapat dilaksanakan oleh komputer. Ini meningkatkan kemampuan analitis seseorang dan dapat mengarah pada tindakan komputasi, yang mencakup penerapan praktis teknologi dan pemrograman. Keterampilan dasar ini sangat penting untuk memahami cara melakukan koding dan untuk memahami prinsip-prinsip di balik kecerdasan artifisial.

19. LITERASI DIGITAL Literasi digital adalah kemampuan menggunakan teknologi secara bijak, kritis, dan bertanggung jawab. Mencakup pemahaman perangkat keras & lunak, sistem operasi, jaringan, serta pemrosesan informasi.

20. LITERASI DIGITAL Peserta didik perlu memahami: Konsep informatika: algoritma, data, dan kecerdasan buatan. Etika media sosial: privasi, keamanan data, hoaks, dan dampak psikologis. Dampak teknologi terhadap lingkungan dan kesehatan. Literasi digital juga melatih evaluasi kritis terhadap informasi online dan membedakan sumber terpercaya.

21. LITERASI KECERDASAN ARTIFISIAL (KA) Literasi kecerdasan artifisial (KA) bagi peserta didik sekolah dasar dan menengah mencakup pemahaman fundamental tentang apa itu KA, bagaimana KA bekerja, dan bagaimana KA diterapkan dalam kehidupan sehari-hari. Peserta didik juga perlu mengetahui lanskap KA, dan bisa membedakan masing-masing modelnya.

22. PENTINGNYA ETIKA KA UNTUK PESERTA DIDIK Sistem KA dibangun oleh manusia dan bisa mengandung bias dari data pelatihan. Perlu penanaman nilai keadilan, akuntabilitas, dan transparansi dalam penggunaan KA.

23. ASPEK KUNCI ETIKA KA DI SEKOLAH Kesadaran akan Bias dan Ketidakadilan → KA bisa menghasilkan keputusan yang diskriminatif jika datanya bias. Privasi dan Keamanan Data → Peserta didik perlu melindungi data pribadi dan sadar risiko berbagi informasi online. Tanggung Jawab dan Akuntabilitas → Pengguna KA bertanggung jawab atas dampaknya terhadap individu, masyarakat, dan lingkungan. Transparansi Algoritma → KA harus dipahami, tidak dianggap sebagai "kotak hitam". Pemahaman algoritma penting untuk kepercayaan dan akuntabilitas. Hak Cipta dalam KA Generatif → Perlu memahami penggunaan data yang adil, menghormati karya yang dilindungi, dan membangun kreativitas yang beretika.

24. TUJUAN PEMBELAJARAN ETIKA KA Membangun kesadaran kritis dan tanggung jawab digital. Menyiapkan peserta didik menjadi pengguna dan pengembang teknologi yang bijak, etis, dan berwawasan sosial.

25. Pemanfaatan dan Pengembangan Kecerdasan Artifisial (KA) Untuk Sekolah Dasar (SD) Fokus pada pengenalan konsep dasar KA secara sederhana dan aplikatif. Contoh: Aplikasi pengenal gambar (untuk belajar makhluk hidup/objek). Pengenalan Sistem blok sederhana dalam bagian Algoritma

26. Beberapa Teknologi KA yang bisa kita kenalkan kepada peserta didik Pengenalan Suara Teknologi pengenalan suara Pengenalan Gambar KA Pengenalan Suara Teknologi pengenalan suara memanfaatkan KA untuk mengubah ucapan menjadi teks dan menginterpretasikan perintah suara. Contoh penerapan KA dalam pengenalan suara bisa ditemukan di berbagai aplikasi yang sering kita gunakan. Pengenalan Gambar KA juga digunakan untuk mengidentifikasi objek, wajah, dan pola dalam gambar atau video. Pengenalan gambar ini sangat berguna dalam berbagai bidang, mulai dari keamanan hingga hiburan.

27. Beberapa Teknologi KA yang bisa kita kenalkan kepada peserta didik Analisis Data Pemanfaatan KA Generatif Rekomendasi dan Prediksi Teknologi KA digunakan untuk menganalisis data dalam jumlah besar untuk menemukan pola tersembunyi yang kadang terlepas dari pantauan manusia . Teknologi ini membantu dalam pengambilan keputusan di berbagai sektor . KA generatif, yang mencakup teknologi dan algoritma seperti LLM, GAN, dan lainnya memberikan banyak peluang bagi didik di sekolah untuk meningkatkan pengalaman belajar mereka. Dengan menggunakan perangkat KA generatif, peserta didik dapat menciptakan konten baru, seperti tulisan, gambar, atau musik, yang dapat mendukung proyek kreatif mereka.

28. PRAKTIK PLUGGED SCRACTHJR FOR WEB

29. TERIMA KASIH Sheila Monika Purba , S.Pd .