KKA -SMA - MODUL 2

Modul 2 - SMA/SMK

By Redhina Aulia

Pengoperasian, Pengaplikasian, dan Kolaborasi Perangkat Kecerdasan Artifisial

By Redhina Aulia

Tujuan Pelatihan

1. Peserta pelatihan mampu memahami dan mengaplikasikan perangkat kecerdasan artifisial pada area pemanfaatan secara umum dan khusus

2.Peserta pelatihan mampu menentukan perangkat kecerdasan artifisial yang sesuai untuk berkolaborasi.

3.Peserta pelatihan mampu menghasilkan konten hasil kolaborasi dengan perangkat kecerdasan artifisial

4.Peserta pelatihan mampu memilih model, metode, dan pendekatan pembelajaran yang tepat untuk mengintegrasikan kecerdasan artifisial dalam proses pembelajaran

Pokok Bahasan

1. Perangkat Kecerdasan Artifisial

2. Pengoperasian dan Pengaplikasian Perangkat Kecerdasan Artifisial di bidang umum dan khusus

3. Profesi di Bidang KA

4. Kolaborasi melalui perangkat/tools Kecerdasan Artifisial dalam bidang:

• Desain Kreatif

• Penelitian dan Analisis Data

• Penyuntingan Tulisan

• Pemrograman

• Bidang Lainnya

ICE BREAKING

Open Ended

Tebak JUDUL LAGU-nya!

Open Ended

Tebak JUDUL LAGU-nya!

Open Ended

Tebak JUDUL LAGU-nya!

Open Ended

Tebak JUDUL LAGU-nya!

Open Ended

Tebak JUDUL LAGU-nya!

Draw

Bapak ibu, silahkan gambar SATU benda, yang itu menggambarkan diri Bapak Ibu banget!

Pengoperasian, Pengaplikasian, dan Kolaborasi Perangkat Kecerdasan Artifisial

By Redhina Aulia

Open Ended

menurut bapak ibu, apa itu Kecerdasan Artifisial?

John McCarthy (1956) – Bapak AI

"AI adalah ilmu dan rekayasa untuk membuat mesin cerdas, terutama program komputer cerdas."
📚 Sumber: McCarthy, J. (Stanford University)

Elaine Rich (1983) – Pakar AI dan penulis buku Artificial Intelligence

"AI adalah studi tentang bagaimana membuat komputer melakukan hal-hal yang saat ini dapat dilakukan lebih baik oleh manusia."

📚 Sumber: Rich, E. (1983). Artificial Intelligence. McGraw-Hill.

IBM (2020) – Pemimpin global dalam teknologi AI

"AI memanfaatkan komputer dan mesin untuk meniru kemampuan pemecahan masalah dan pengambilan keputusan manusia."

📚 Sumber: IBM, What is Artificial Intelligence (AI)?

​Definisi Kecerdasan Artifisial

Seiring berjalannya waktu, pengertian tentang Kecerdasan Artifisial (KA) terus mengalami perkembangan, kerap bersentuhan dengan pertanyaan filosofis mengenai makna sejati dari "kecerdasan" dan sejauh mana mesin dapat dikatakan benar-benar cerdas. Namun dalam praktiknya, KA mengacu pada sistem yang memungkinkan komputer belajar dari data, mengenal pola, serta membuat prediksi atau keputusan secara mandiri.

​Definisi Kecerdasan Artifisial

KA belajar dari data (Machine Learning)

KA bisa belajar dari data yang diberikan kepadanya (Russell & Norvig, 2021).

Semakin banyak data yang ia pelajari, semakin baik kemampuannya.

KA mampu beradaptasi dan meningkatkan performanya

Jika KA awalnya sering melakukan kesalahan, ia bisa memperbaiki dirinya sendiri dengan belajar dari kesalahan tersebut (Goodfellow et al., 2016).

KA bekerja berdasarkan algoritma dan model prediktif

KA bekerja dengan aturan dan langkah-langkah matematis yang disebut algoritma. Dengan algoritma ini, KA bisa memprediksi sesuatu sebelum terjadi berdasarkan pola data yang telah dipelajari (Domingos, 2015).

KA mampu mengenali pola dan membuat keputusan secara otomatis

KA tidak hanya melihat data, tetapi juga bisa menemukan pola yang tidak terlihat oleh manusia. Dari pola-pola ini, KA bisa membantu mengambil keputusan secara otomatis (Mitchell, 1997).

Karakterisitik Kecerdasan Artifisial (KA)

Kecerdasan Artifisial Versus Manusia

Open Ended

Manakah yang lebih baik?
Manusia atau AI?
Coba jelaskan jawaban bapak ibu!

Kecerdasan Artifisial	Kecerdasan Manusia
Tidak memiliki perasaan, hanya mengikuti instruksi	Bisa berpikir sendiri dan memiliki perasaan, serta kreativitas untuk berinovasi dan menciptakan ide baru
Belajar dari data dan program yang diberikan	Bisa belajar banyak hal yang berbeda dan beradaptasi dengan lingkungan melalui interaksi sosial
Hanya memahami hal yang ada dalam datanya	Bisa memahami konteks yang luas
Hanya bisa membuat keputusan berdasarkan angka dan pola	Bisa membuat keputusan dengan mempertimbangkan emosi, nilai moral, dan etika

Komponen Utama KA

Prinsip Kerja Kecerdasan Artifisial

Evolusi dan Faktor Pendorong Perkembangan KA

• ​Era Simbolik

  Sistem awal yang mengandalkan logika dan aturan eksplisit.

• Pembelajaran Mesin

  Peralihan ke algoritma yang dapat belajar dari data tanpa pemrograman yang eksplisit.

• Deep Learning

  Puncak evolusi KA dengan jaringan syaraf tiruan yang mendalam, didorong oleh peningkatan daya komputasi, ketersediaan big data, dan algoritma yang lebih efisien.

Tiga Subkategori Kecerdasan Artifisial

Tiga Subkategori Kecerdasan Artifisial

​

Level	Nama & Kata kunci	Gambaran singkat	Contoh nyata (2025)	Status riset & tantangan
Stage 1 – Artificial Narrow Intelligence (ANI)Machine Learning	• Spesialis satu bidang • Belajar dari data & algoritma spesifik	Dirancang memecahkan satu jenis masalah saja—misalnya mengenali wajah atau menebak kata berikutnya.	- Siri, Alexa, Google Assistant- Rekomendasi Netflix / Spotify- Deteksi penipuan kartu kredit- Kamera HP yang otomatis fokus wajah	Sudah matang. Kuat di akurasi dan kecepatan, tetapi “buta” di luar domain latihannya. (Coursera, Site Title)
Stage 2 – Artificial General Intelligence (AGI)Machine Intelligence	• Kognisi multi‑domain • Fleksibel seperti manusia	Komputer yang sama pintarnya dengan manusia di sebagian besar tugas: logika, bahasa, kreativitas, motorik, dll.	Belum tercapai. Kandidat awal: GPT‑4o, Gemini Ultra, Claude 3—mereka masih “ANI‑+”: mengesankan, tapi belum memahami konteks seluas manusia.	Para peneliti memprediksi dekade ini krusial—bisa tercapai sebelum 2030 atau justru stagnan karena biaya komputasi & data melonjak. Perdebatan etika dan keamanan makin sengit. (80,000 Hours, Financial Times)
Stage 3 – Artificial Super Intelligence (ASI)Machine Consciousness	• Kecerdasan melampaui manusia • Potensial “kesadaran mesin”	Kecerdasan yang jauh lebih unggul dari otak terbaik manusia di hampir semua bidang: sains, seni, strategi, emosi.	Murni hipotetik. Hanya hidup di fiksi ilmiah dan makalah filsafat.	Tantangan terbesar: bagaimana mengendalikannya agar selaras dengan nilai manusia, sekaligus pertanyaan “mungkinkah benar‑benar sadar?”. (IBM)

Kecerdasan Artifisial Berdasarkan Fungsinya

Kecerdasan Artifisial Berdasarkan Fungsinya

​

Kelas AI	Karakteristik Inti	Contoh Nyata / Status	Kelebihan	Keterbatasan
1. Reactive Machine AI(Mesin Reaktif, stateless)	• Tidak punya memori jangka panjang • Merespons input saat ini saja, berdasarkan aturan/pola yang sudah dipelajari	• IBM Deep Blue mengalahkan Garry Kasparov (1997) • Engine catur/Go konvensional • Sistem rekomendasi Netflix, YouTube, Spotify (hanya melihat pola klik → rekomendasi langsung)	• Sangat cepat & presisi di domain sempit • Arsitektur sederhana, andal	• Tidak bisa belajar dari pengalaman baru sendiri • Tidak “ingat” apa yang terjadi sebelumnya
2. Limited Memory AI(short‑term memory)	• Menyimpan data historis terbatas (beberapa detik – berjam‑jam) • Belajar berkelanjutan dari pengamatan terbaru	• Model generatif & chatbot (GPT‑4o, Claude 3) – menyimpan konteks percakapan • Mobil self‑driving – men‑“tracking” posisi kendaraan sekitar • Deteksi penipuan kartu kredit: melihat pola transaksi terakhir	• Adaptif: kinerja membaik seiring data bertambah • Cocok untuk tugas dinamis (lalu‑lintas, dialog)	• Memori tetap terbatas; lupa konteks lawas • Risiko bias jika data historis sempit/timpang
3. Theory of Mind AI(Belum terwujud)	• Mampu memodelkan niat, emosi, keyakinan makhluk lain • Bagian dari AGI yang “sosial”	• Masih di laboratorium: proyek robot sosial & simulasi kognitif • Penelitian di psikologi komputasional, multi‑agent reasoning	• Fondasi bagi asisten robotik yang benar‑benar empatik dan kolaboratif	• Belum ada teknik yang stabil; butuh pemahaman emosi & kesadaran yang kompleks
4. Self‑Aware AI(Hipotetik, ASI)	• Mempunyai kesadaran diri, refleksi internal, mungkin emosi • Inteligensi melebihi manusia di hampir semua bidang	• Hanya ada di fiksi ilmiah & diskursus etika (mis. film Her, Ex Machina)	• Teoretis: bisa memecahkan masalah ilmiah besar, eksplorasi antariksa, dst.	• Risiko eksistensial & etika: bagaimana memastikan nilai AI selaras dengan manusia?

Kategori Perangkat KA dan Contoh Aplikasinya

Categorize

Options (16)

ChatGPT (OpenAI)

Gemini (Google)

Claude (Anthropic)

Jasper AI

Sora (OpenAI)

Veo (Google DeepMind)

Synthesia

Invideo AI

DALL·E (OpenAI)

Leonardo.ai

Bing Image Creator

Canva Magic Media (image)

Suno AI

MusicGen (Meta)

Soundraw.io

Loudly

Bapak ibu, silahkan kategori-kan alat‑alat AI dengan contoh platform‑nya

Gen-AI music

Gen-AI gambar / foto

Gen-AI video

Gen-AI Teks / Dokumen

Pengoperasian Perangkat KA

​1. Input Data
Pengoperasian KA dimulai dengan mengumpulkan data berupa teks, gambar, suara, video, atau data sensor lainnya. Data ini menjadi "bahan bakar" bagi KA untuk belajar dan bekerja.

2. Pemrosesan Data (Processing)
Data yang telah dikumpulkan kemudian diproses menggunakan algoritma KA, seperti machine learning, deep learning, atau natural language processing. Proses ini dilakukan oleh komputer, server, atau perangkat khusus seperti chip KA (misalnya NVIDIA Jetson, Google Coral, dsb.).

3. Pelatihan Model (Model Training)
Pada tahap ini, KA dilatih menggunakan data untuk mengenali pola atau melakukan klasifikasi. Misalnya, mengenali wajah, menerjemahkan bahasa, atau menganalisis perilaku.

4. Inferensi (Inference)
Setelah dilatih, KA dapat mengambil keputusan atau memberikan prediksi berdasarkan data baru. Contoh: sistem KA dapat mengenali apakah seseorang memakai masker atau tidak melalui kamera.

Pengoperasian Perangkat KA

5. Output atau Tindakan
Hasil dari pemrosesan ditampilkan dalam bentuk jawaban, rekomendasi, peringatan, atau tindakan otomatis. Contohnya : Asisten suara memberikan jawaban; Mobil pintar melakukan pengereman otomatis ; Aplikasi menampilkan rekomendasi konten.

6. Umpan Balik dan Pembelajaran Berkelanjutan
Beberapa sistem AI dapat belajar dari kesalahan atau masukan pengguna (feedback loop) untuk meningkatkan akurasi dan kinerja di masa depan.

Contoh Perangkat yang Menggunakan KA

Smartphone (face unlock, kamera pintar), Smart speaker (Google Home, Alexa), Robot edukasi

Kamera pengawas pintar, Aplikasi rekomendasi (YouTube, Netflix)

Sistem pendeteksi penyakit berbasis citra medis

Aplikasi KA dalam Berbagai Bidang

Categorize

Options (12)

Menganalisis gaya belajar & nilai → personalisasi materi

Memberi umpan balik otomatis (esai, kuis)

Menjadi tutor percakapan 24/7

Mendeteksi penyakit dari citra (X‑ray, MRI, kulit)

Meramalkan risiko pasien (sepsis, stroke)

Mendesain obat & protein baru lewat simulasi

Skoring kredit alternatif (data non‑tradisional)

Deteksi transaksi mencurigakan real‑time

Bot layanan nasabah 24 jam

Menyusun daftar putar musik/film sesuai mood

Menghasilkan konten (video, gambar, naskah)

Memoderasi komentar & konten otomatis

Apa saja yang AI kerjakan di tiap bidang? silahkan bapak ibu kategorikan yang AI lakukan dengan bidangnya!

Pendidikan & Pembelajaran

Kesehatan & Medis

Keuangan & Perbankan

Bidang Apa yang AI lakukan? (aksi/ tugas

Profesi‑profesi Utama di Bidang Kecerdasan Artifisial (KA) dan Tugas Intinya

Peta Profesi Masa Depan: Siapa Bertahan, Siapa Tergeser oleh AI?

​Pekerjaan yang tumbuh cepat didominasi oleh bidang teknologi digital, data, keamanan siber, AI/ML, kendaraan listrik, DevOps, dan energi terbarukan. Keterampilan analitik, pemrograman, dan literasi data menjadi kunci.

Pekerjaan yang menurun cepat umumnya bersifat rutin, administratif, dan mudah otomatisasi, seperti entri data, kasir, teller, percetakan, serta penjualan tradisional.

Implikasi pendidikan & karier:

Tingkatkan kompetensi STEM, data science, cloud, AI, cyber‑security, dan green tech.

Bangun soft‑skills kreatif (desain UI/UX) dan kolaboratif (DevOps) untuk melengkapi kemampuan teknis.

Pekerjaan administratif perlu reskilling ke peran bernilai tambah lebih tinggi yang sulit digantikan mesin.

Pemahaman tentang profesi berbasis KA penting untuk kesiapan karier.

Pendidikan perlu menyesuaikan diri antara lain dengan cara fokus pada literasi teknologi dan keterampilan adaptif.

Pembelajaran KA harus dirancang untuk membekali siswa menghadapi perubahan kerja.

Kolaborasi Manusia dan KA : Transformasi Berbagai Bidang

Kuadran Kolaborasi Manusia-KA

Audio Response

dari quadran yang re berikan barusan, bapak ibu tolong jelaskan satu saja dengan merekam penjelasan bapak ibu dalam bentuk suara. waktu merekam maksimal 1 menit dan waktu menjawab soal ada 5 menit.

Open Audio Recorder

​​Optimisasi dan empati
Manusia yang membungkus KA. KA bekerja di balik layar.

Diagnosis medis dengan KA:

Dokter membuat keputusan final dan merupakan kontak primer untuk pasien, di mana dokter menyediakan perawatan yang penuh kasih (compassionate).

Desain arsitektur:

KA menghasilkan gambar arsitektur untuk optimalisasi perencanaan bangunan, sedangkan manusia membangun bangunan fisiknya.

Kreasi/Strategi dan Empati
Sebagian besar dikerjakan manusia, KA hanya menjadi suplemen.

Perangkat kreatif real-time:

Seniman (manusia) menyediakan arahan kreatif dan visi, sedangkan KA menggambar sketsa, mengatur ukuran, dan mewarna (sebagaimana manusia menggunakan kalkulator untuk menghitung operasi matematika)

​Kreasi/Strategi tanpa Empati
Separuh KA/ separuh manusia. KA bertanggung jawab atas

bagian tugas tertentu, sementara juga bekerja berdampingan dengan manusia.

Jurnalis KA:

KA menjadi penulis pembantu (cowriter), mendeteksi pola/peluang cerita

awal, menghasilkan berita pendek di samping konten yang ditulis/disunting

oleh manusia.

​​Optimisasi tanpa Empati
Hanya KA: KA bekerja secara mandiri untuk menyelesaikan tugas dari awal hingga akhir.

Kendaraan Otomatis:

Kendaraan yang bisa menyetir diri sendiri, drone otonom, dan berbagai robot industri.

​Intinya:

Semakin butuh empati berarti peran manusia menguat.

Semakin kreatif/strategis berarti manusia tetap jadi sutradara, AI jadi akselerator.

Proses rutin tanpa empati? Serahkan sepenuhnya ke AI agar tim fokus pada tugas bernilai tambah.

Mengatasi Tantangan Implementasi KA

Tantangan	Apa yang Terjadi	Mengapa Penting	Cara Mengatasinya (ringkas)
Halusinasi Data	Model KA (mis. LLM) “mengarang” fakta yang tampak meyakinkan.	Informasi salah MAKA keputusan bisa jadi salah.	• Gunakan human‑in‑the‑loop untuk memverifikasi output .• Terapkan protokol validasi data (cross‑check sumber, fact‑checking otomatis).
Bias Algoritma	Dataset tidak seimbang MAKA mengakibatkan KA menguatkan stereotip/ ketidakadilan.	Risiko diskriminasi & kerugian reputasi/hukum.	• Audit data & model berkala dengan alat fairness (contoh: IBM AI Fairness 360) • Diversifikasi dataset dan tetapkan bias‑bounty program bagi penguji eksternal.
Overdependensi pada KA	Tim terlalu percaya hasil mesin AKHIRNYA kemampuan analisis kritis manusia melemah.	Kurangi kualitas keputusan saat konteks berubah atau model keliru.	• Latih pengguna untuk selalu melakukan sense‑check. • Tentukan batas kewenangan: kapan KA memberi rekomendasi, kapan manusia memutuskan.
Studi Kasus: Vaksin COVID‑19	Moderna memakai KA untuk merancang urutan mRNA lebih cepat.	Bukti nyata sinergi KA‑manusia dalam riset kritis.	• Terapkan rasio “70 % KA – 30 % validasi manusia” (atau serupa) pada proyek ilmiah. • Pastikan uji laboratorium & peer‑review tetap menjadi penentu akhir.

Open Ended

ada pernyataan?

Open Ended

bapak ibu, tuliskan 2 hal yang paling menarik dari paparan re, mengenai modul 2 tadi..

​YEAAAAAAAAAAAAYYYYY
SELAMAT BAPAK IBU
SUDAH MENYELESAIKAN MODUL DUA tahap satu.

masih ada tahap 2 dan 3.