🎯 Tujuan 🔁 Pola Koding & DRY 🤖 Pola Machine Learning 🎮 Pattern Detective Studio 📝 Evaluasi Formatif ✨ Rangkuman & Refleksi
Learn / KKA / Berpikir Komputasional / 03. Pengenalan Pola
🤖 KKA · Unit 01 · Modul 03

Pengenalan Pola dalam Koding & Machine Learning

Kecerdasan artifisial pada hakikatnya adalah mesin pencari pola! Temukan bagaimana programmer mengenali pola berulang untuk menyederhanakan kode (prinsip DRY), serta bagaimana model Machine Learning dilatih mengenali tren dan fitur data tanpa aturan manual.

⏱️ Waktu: 45 Menit 🔍 Konsep: Refactoring & ML Pattern 📝 Evaluasi: 20 Soal (4 Bagian)
🎯

Tujuan Pembelajaran

Kompetensi yang akan kamu kuasai setelah menyelesaikan modul ini

01.
Mengenali Pola Pengulangan dalam Koding

Mengidentifikasi baris kode duplikat dan menyederhanakannya menggunakan Loop atau Fungsi (Prinsip DRY: Don't Repeat Yourself).

02.
Memahami Cara Machine Learning Belajar Pola

Menjelaskan bagaimana algoritma AI mengekstrak pola matematis dari ribuan data contoh (Training Data).

03.
Mendeteksi Anomali & Tren Data

Menemukan titik data janggal (Outlier) yang menyimpang dari pola tren normal pada grafik statistik.

04.
Memahami Bahaya Overfitting

Mengetahui kondisi di mana model AI terlalu menghafal pola data latih sehingga gagal memprediksi data baru di dunia nyata.

1

Refactoring: Menerapkan Pola DRY (Don't Repeat Yourself)

Koding yang bersih dan profesional menghindari penulisan perintah berulang

❌ Kode Buruk (Repetitif):
robot.maju()
robot.maju()
robot.maju()
robot.maju()
robot.maju()

Membuat kode menjadi sangat panjang dan sulit diubah jika langkah bertambah.

✅ Kode Bersih (Dengan Pola Loop):
for i in range(5):
robot.maju()

Ringkas, elegan, dan cukup ubah angka 5 jika ingin melangkah 100 kali.

2

Bagaimana AI Mengekstrak Pola?

Perbedaan fundamental pemrograman konvensional vs machine learning

💻 Pemrograman Klasik

Data + Aturan Logika Manual = Jawaban/Output

Programmer harus menulis setiap aturan perkalian dan rumus if-else secara manual satu per satu.

🤖 Machine Learning (AI)

Data + Jawaban Contoh = Aturan / Pola Model

Komputer menganalisis jutaan foto kucing dan anjing lalu menemukan sendiri rumus pola pembeda telinga dan hidungnya!

🎮

Pattern Detective Studio

Tebak angka atau urutan berikutnya berdasarkan analisis pola komputasi!

Pola 1 dari 3
🔍 Barisan Data Pola:
2, 4, 8, 16, 32, [ ? ]
POLA FORMULA MATEMATIS ● DETECTED
💡 Analisis Pola:
Pilih jawaban di sebelah kiri untuk melihat rumus logika pembentuknya.
📝

Evaluasi Formatif: Pengenalan Pola

Uji kemampuan menemukan pola data, koding DRY, dan konsep training model AI (Total Skor: 100)

Target Kelulusan Minimal 70 Poin
Bagian A

Pilihan Ganda (5 Soal · Bobot: 25 Poin)

1. Prinsip penting dalam penulisan kode program yang menekankan agar tidak menuliskan baris instruksi yang sama berulang-ulang disingkat sebagai...

2. Pada barisan bilangan: 3, 6, 12, 24, 48, ... Pola matematis pembentuk angka berikutnya adalah...

3. Kondisi di mana model Machine Learning terlalu 'menghafal' detail pola data latihan sehingga akurasinya anjlok saat menguji data baru disebut...

4. Titik data yang nilainya sangat jauh menyimpang dari pola umum kumpulan data lainnya (misal suhu badan normal 36-37°C namun ada 1 data tercatat 95°C) disebut...

5. Dalam bidang Biologi Komputasi, pengenalan pola sangat sering diterapkan untuk mencocokkan susunan sekuens...

Bagian B

Benar atau Salah (5 Soal · Bobot: 25 Poin)

1. Refactoring adalah proses merestrukturisasi kode program agar lebih bersih dan efisien tanpa mengubah fungsi perilaku luarnya.
2. Algoritma Machine Learning membutuhkan data latih (training data) yang melimpah untuk dapat menemukan pola statistik yang akurat.
3. Menemukan pola berulang dalam kode selalu diselesaikan dengan cara menyalin-tempel (copy-paste) kode tersebut berkali-kali.
4. Pengelompokan data pelanggan toko berdasarkan kemiripan kebiasaan belanja termasuk aplikasi teknik klasterisasi pola (Clustering).
5. Pada pengenalan citra wajah (Face Recognition), algoritma AI mencari pola jarak antar mata, hidung, dan garis rahang.
Bagian C

Menjodohkan Istilah Pola & Contoh Penerapannya (5 Pasangan · Bobot: 25 Poin)

Bagian D

Urutan Melatih Model AI Menemukan Pola (Bobot: 25 Poin)

Urutkan siklus pelatihan Machine Learning dalam mengenali pola data:

A. Mengumpulkan ribuan data sampel yang sudah diberi label yang benar
B. Membagi data menjadi 2 bagian: Data Latih (Training) dan Data Uji (Testing)
C. Menjalankan algoritma machine learning untuk mengekstrak bobot pola matematis
D. Menguji akurasi model menggunakan data uji baru yang belum pernah dilihat model
E. Menerapkan model pola yang telah terbukti akurat ke dalam aplikasi produksi nyata
✨

Rangkuman Materi & Refleksi Belajar

Tuliskan pemahaman dan pengalaman belajarmu pada materi ini

1. Efisiensi DRY: Mengganti kode berulang dengan struktur perulangan loop menghasilkan program yang bersih dan cepat.

2. Esensi Kecerdasan Artifisial: Kemampuan AI memprediksi sesuatu lahir dari kemampuannya menemukan pola statistik dari data latih.

3. Kepekaan Analitis: Menemukan anomali (outlier) melindungi sistem dari data rusak atau kecurangan transaksi perbankan.