Materi 3: Konsep Keilmuan Koding dan Kecerdasan Artifisial
SMK Kelas X AKL - Mata Pelajaran Koding dan Kecerdasan Artifisial
Memahami konsep dasar koding, pemrograman, dan kecerdasan artifisial
Konsep Keilmuan Koding dan Kecerdasan Artifisial
Materi ini akan membahas konsep dasar koding, pemrograman, dan kecerdasan artifisial (KA) serta hubungan antara ketiganya dalam dunia teknologi digital.
Koding dan Pemrograman
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.
Koding
Proses mengubah ide/solusi menjadi instruksi yang dapat dipahami komputer menggunakan bahasa pemrograman.
- Sub-aktivitas dalam pemrograman
- Fokus pada penulisan kode
- Menggunakan bahasa pemrograman
Pemrograman
Seluruh siklus pengembangan perangkat lunak, mulai dari perencanaan, analisis, desain, implementasi, pengujian, hingga pemeliharaan.
- Proses yang lebih komprehensif
- Mencakup seluruh siklus pengembangan
- Termasuk koding di dalamnya
Relasi antara Koding dan Pemrograman
Seluruh proses pemrograman mencakup koding, tetapi tidak terbatas pada koding itu sendiri. Koding dianggap sebagai pintu gerbang untuk memahami konsep dasar pemrograman dan logika komputasi.
Analogi: Jika pemrograman adalah proses membuat kue, maka koding adalah tahap mencampur bahan-bahan sesuai resep.
Metode Pembelajaran Koding
Plugged Coding
Memanfaatkan perangkat komputer dan perangkat lunak untuk belajar koding.
Contoh: Visual Studio Code, Scratch, Python IDLE
Unplugged Coding
Mengajarkan konsep pemrograman tanpa menggunakan komputer, melalui aktivitas fisik, simulasi atau permainan.
Contoh: Permainan kartu, aktivitas fisik, puzzle
Internet-based Coding
Pembelajaran melalui platform daring interaktif dengan koneksi internet.
Contoh: Code.org, Replit, Google Colab
Kecerdasan Artifisial (KA)
Kecerdasan Artifisial adalah cabang ilmu komputer yang berusaha mengembangkan sistem yang dapat melaksanakan tugas-tugas yang umumnya memerlukan kecerdasan manusia.
Definisi KA Menurut Para Ahli
| Ahli | Definisi |
|---|---|
| Kaplan & Haenlein (2019) | Kemampuan sistem untuk secara akurat menginterpretasikan data eksternal, belajar dari data tersebut, dan menerapkan pembelajaran tersebut untuk mencapai tujuan |
| Russell & Norvig (2010) | Studi tentang agen cerdas yang mampu menerima persepsi dari lingkungan dan mengambil tindakan |
| Poole & Mackworth (2010) | Bidang kajian yang fokus pada sintesis dan analisis agen komputasional yang dapat bertindak dengan cara yang cerdas |
Kategori Kecerdasan Artifisial
Narrow AI (KA Sempit)
Dirancang untuk melakukan tugas spesifik tertentu.
Contoh: Asisten virtual (Siri, Alexa), sistem rekomendasi, pengenalan wajah
General AI (KA Umum)
Memiliki kapasitas untuk belajar dan memahami berbagai tugas dalam konteks yang lebih luas (masih dalam pengembangan).
Karakteristik: Dapat belajar berbagai keterampilan, beradaptasi dengan situasi baru
Sejarah Perkembangan KA
- 1950: Alan Turing memperkenalkan "Turing Test"
- 1956: Konferensi Dartmouth menandai lahirnya istilah "kecerdasan artifisial"
- 1950-1970: Periode "musim semi KA" dengan kemajuan pesat
- 1980-an: "Musim dingin KA" dengan penurunan pendanaan
- 2000-sekarang: Kebangkitan kembali KA dengan komputasi yang lebih kuat dan ketersediaan big data
Machine Learning dan Deep Learning
Artificial Intelligence
Kecerdasan Buatan secara keseluruhan
↓
Termasuk
Machine Learning
Pembelajaran Mesin
↓
Termasuk
Deep Learning
Pembelajaran Mendalam
↓
Termasuk
Generative AI
KA Generatif
Penjelasan Lanskap KA
Machine Learning
Sistem yang dapat belajar sendiri dari data. Model ML mengambil data dan menyesuaikan dengan algoritma untuk membuat prediksi.
Contoh: Prediksi penjualan, klasifikasi email spam
Deep Learning
Subkategori dari ML yang berbasis pada jaringan saraf tiruan dengan banyak lapisan. Beroperasi pada kumpulan data yang sangat besar.
Contoh: Pengenalan gambar, terjemahan bahasa
Generative AI
Subkategori dari Deep Learning yang dapat menghasilkan konten baru berdasarkan input.
Contoh: ChatGPT, DALL-E, Midjourney
Penerapan KA dalam Kehidupan
Kesehatan
Menganalisis data medis untuk deteksi penyakit, diagnosis, dan rekomendasi pengobatan
Pendidikan
Mempersonalisasi pengalaman belajar dan memberikan umpan balik yang tepat waktu
Industri
Mengotomatiskan proses, mengoptimalkan rantai pasokan, dan meningkatkan produktivitas
Kuis Materi 3: Konsep Keilmuan Koding dan KA
Jawablah pertanyaan-pertanyaan berikut untuk menguji pemahamanmu tentang materi ini.