BAB III

Bab III: Logika di Balik AI

Data, Algoritma, Machine Learning & Computational Thinking

Materi Pembelajaran

A. Data: Bahan Bakar Utama Kecerdasan Buatan

Data adalah segala jenis informasi (Teks, Gambar, Suara, Angka) yang dikumpulkan untuk melatih AI. Tanpa data, AI tidak dapat "berpikir" atau belajar.

• **Dataset:** Kumpulan data yang terorganisir.
• **Labeling:** Proses pemberian nama/kategori pada data (misalnya: menandai foto sebagai "anjing").
• **Prinsip Kualitas:** "Garbage In, Garbage Out" (Kualitas output AI bergantung pada kualitas data masukan).

B. Algoritma: Resep Rahasia AI

Algoritma adalah serangkaian langkah terstruktur dan logis (seperti resep) yang digunakan komputer untuk memproses data dan mengambil keputusan.

• **Pohon Keputusan (Decision Tree):** Algoritma klasik yang bekerja dengan serangkaian pertanyaan bercabang (Ya/Tidak) hingga mencapai hasil akhir.

C. Machine Learning (ML): Komputer yang Belajar

ML memungkinkan komputer belajar dari data tanpa diprogram secara eksplisit langkah per langkah. Tiga jenis utama:

• **Supervised Learning:** Belajar dari data yang **sudah diberi label** (ada "guru"). Contoh: klasifikasi kucing vs. anjing.
• **Unsupervised Learning:** Mencari dan mengelompokkan **pola sendiri** dari data yang **tanpa label** (tanpa "guru"). Contoh: mengelompokkan pembeli berdasarkan kebiasaan.
• **Reinforcement Learning:** Belajar melalui **coba-coba** (trial-and-error) dengan sistem **Reward (Hadiah)** dan **Penalty (Hukuman)** untuk memaksimalkan hasil. Contoh: AI bermain game (AlphaGo).

Tontonan Tambahan: Apa itu Reinforcement Learning?

Klik gambar di atas untuk menonton video penjelasan tentang RL (akan terbuka di tab baru).

D. Computational Thinking (CT): Berpikir Ala Komputer

CT adalah empat langkah berpikir logis untuk memecahkan masalah:

• **Decomposition:** Memecah masalah besar menjadi kecil.
• **Pattern Recognition:** Mencari pola berulang.
• **Abstraction:** Fokus pada hal penting, abaikan detail tidak relevan.
• **Algorithm Design:** Menyusun langkah solusi.

2. Lembar Kerja Peserta Didik (LKP)

Jawablah pertanyaan di bawah ini untuk melatih pemahaman Anda tentang konsep Bab III.

Aktivitas 1: Algoritma Roti Bakar (Algorithm Design)

Tuliskan Algoritma (langkah-langkah terstruktur) untuk membuat **"Roti Panggang Cokelat Keju"**. Pastikan tidak ada langkah yang terlewat, bahkan yang paling kecil!

Aktivitas 2: Data dan Labeling (Supervised Learning)

Sebutkan jenis **Data** (minimal 3) dan **Label** yang dibutuhkan oleh AI agar dapat membedakan antara **"Sampah Organik"** dan **"Sampah Anorganik"** di tempat sampah pintar.

Aktivitas 3: Unsupervised vs. Supervised

Jelaskan, mana jenis Machine Learning (ML) yang digunakan dalam kasus berikut:

Kasus A:

AI digunakan untuk memprediksi nilai ujian siswa berdasarkan data nilai harian, PR, dan absensi yang **sudah tercatat dan dilabeli**.

Kasus B:

AI menganalisis data pembeli online dan mengelompokkan mereka menjadi beberapa kelompok (misal: "Pemburu Diskon", "Pembeli Loyal") **tanpa diberi kriteria awal**.

🧠 3. Kuis HOTS (Higher-Order Thinking Skills)

Pilih jawaban yang paling tepat. Setelah memilih, penjelasan akan muncul untuk menguji pemahaman Anda!

Bahan ajar interaktif ini diadaptasi dari Bab III Buku AI SMA.