🎯 Tujuan 💡 Materi Asyik 🎮 Tantangan Interaktif 📝 Evaluasi Formatif ✨ Rangkuman & Refleksi
Learn / KKA / Literasi & Etika AI / 02. Cara Kerja Machine Learning 🧠
🤖 KKA · Unit 03 · Modul 02

Cara Kerja Machine Learning 🧠 🚀

Bagaimana komputer bisa belajar tanpa diprogram langkah demi langkah? Pelajari konsep seru Machine Learning seperti melatih hewan peliharaan!

⏱️ Waktu: 40 Menit 💡 Level: Kelas 7 SMP (Seru & Mudah) 📝 Evaluasi: 20 Soal (4 Bagian)
🎯

Tujuan Pembelajaran

Setelah mempelajari materi ini, kamu akan bisa:

01.
Memahami Konsep Belajar Mesin

Mengerti bahwa Machine Learning adalah cara komputer menemukan pola sendiri dari contoh data.

02.
3 Jenis Pembelajaran AI

Mengenal Supervised, Unsupervised, dan Reinforcement Learning.

03.
Pentingnya Data Latihan

Menyadari jika data latihannya salah, tebakan AI juga keliru (Garbage In, Garbage Out).

04.
Uji Akurasi Model AI

Menguji seberapa tepat tebakan model AI terhadap data baru.

1

Analogi Seru: Mengajari Adik vs Melatih AI 🐱

Kenapa kita tidak perlu menuliskan jutaan aturan?

🖥️ Koding Tradisional (Zaman Dulu)

Kamu harus menulis rumus kaku: "Jika ada 2 telinga segitiga dan punya kumis maka kucing." Kalau kucingnya terpotong foto, kodingan langsung gagal!

🧠 Machine Learning (Zaman AI Sekarang)

Kamu cukup masukkan 10.000 foto kucing. Komputer akan mencari sendiri ciri-ciri rahasia yang membedakan kucing dari hewan lain secara otomatis!

🎮 Game: Tebak Tipe Machine Learning

1. AI belajar main catur dengan diberi hadiah (+1 poin) saat menang dan penalti saat kalah.

2. Menunjukkan 5.000 foto apel berlabel 'Apel' dan 5.000 foto jeruk berlabel 'Jeruk'.

3. AI mengelompokkan pelanggan toko berdasarkan kebiasaan belanja tanpa diberi tahu kategorinya.

📝

Evaluasi Formatif: Cara Kerja Machine Learning 🧠

Uji pemahamanmu secara mandiri (Total Nilai: 100 Poin)

Target Kelulusan Minimal 70 Poin
Bagian A

Pilihan Ganda (5 Soal · Bobot: 25 Poin)

1. Apa perbedaan utama Machine Learning dengan koding biasa?

2. Pada Supervised Learning, data yang dimasukkan ke AI wajib memiliki...

3. Istilah 'Garbage In, Garbage Out' pada dunia AI memiliki arti...

4. Metode Machine Learning di mana AI belajar melalui sistem hadiah (reward) dan hukuman (penalty) disebut...

5. Mengapa kita perlu menguji model AI dengan 'Testing Data' yang baru?

Bagian B

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

1. Machine Learning membutuhkan data contoh untuk mempelajari pola.
2. Pada Supervised Learning, model AI belajar sendiri tanpa perlu ada label nama pada datanya.
3. AI bermain game seperti catur sering menggunakan metode Reinforcement Learning.
4. Model AI yang dilatih dengan 10 foto saja sudah dijamin memiliki akurasi 100% sempurna.
5. Akurasi model diukur dari persentase tebakan AI yang benar saat diuji dengan data baru.
Bagian C

Menjodohkan Konsep & Penjelasan (5 Pasangan · Bobot: 25 Poin)

Bagian D

Mengurutkan Langkah Alur Kerja (Bobot: 25 Poin)

A. Mengumpulkan data contoh yang banyak dan bersih (Data Collection)
B. Memberi label dan membersihkan data yang rusak (Data Preprocessing)
C. Melatih model AI menemukan pola matematika dari data (Model Training)
D. Menguji akurasi tebakan model dengan data uji baru (Model Testing)
E. Menerapkan model AI ke dalam aplikasi nyata untuk membantu pengguna (Deployment)
✨

Rangkuman Materi & Refleksi Belajar

Poin penting yang wajib kamu ingat

1. Belajar dari Pola: Machine Learning membuat komputer cerdas dengan mencari pola dari ribuan contoh data.

2. 3 Pendekatan: Supervised (dengan label), Unsupervised (tanpa label), dan Reinforcement (hadiah & penalti).

3. Kualitas Data Nomor 1: Data yang bersih, beragam, dan banyak menghasilkan AI yang akurat.