BAB I

Konsep Keilmuan Koding dan Kecerdasan Artifisial

A. Keilmuan Koding (Pemrograman) dan Kecerdasan Artifisial (Artificial

Intelligence / AI)

a. Keilmuan Koding (Pemrograman Komputer)

Apa itu Koding?

Koding adalah cara kita memberi instruksi kepada komputer menggunakan bahasa
khusus yang disebut bahasa pemrograman.

Ibarat kamu memberi perintah ke robot agar melakukan sesuatu, seperti:

 Menyalakan lampu
 Menggambar bentuk
 Bermain game
 Menghitung angka

Contoh Bahasa Pemrograman:

 Python (mudah dan banyak digunakan pemula)

 Scratch (visual, cocok untuk pemula SMP)
 HTML/CSS/JavaScript (untuk membuat website)

Kenapa Koding Penting?

 Bisa membuat game, aplikasi, dan website

 Melatih logika dan kreativitas
 Banyak dibutuhkan di dunia kerja masa depan

Contoh Sederhana (dalam Python):

b. Kecerdasan Artifisial (AI - Artificial Intelligence)

AI adalah kemampuan komputer untuk “berpikir” dan “belajar” seperti manusia.

Contoh sederhana AI dalam kehidupan sehari-hari:

 Google Translate (menerjemahkan bahasa)

 Siri/Google Assistant (asisten suara)
 Rekomendasi video di YouTube
 Mobil tanpa sopir (self-driving car)

1
Bagaimana AI Bekerja?

AI menggunakan data dan pola untuk:

 Belajar dari pengalaman

 Membuat keputusan
 Memprediksi sesuatu

Contohnya:

Kalau kamu sering menonton video tentang hewan, YouTube akan merekomendasikan video
serupa. Itu kerja AI!

 Jenis AI Sederhana:

 Pengenalan wajah (Face Recognition)

 Chatbot (seperti ChatGPT!)
 AI dalam game (musuh yang bisa mengejar atau menyerang)

 Hubungan Koding dan AI

 AI dibuat dan dikendalikan lewat koding

 Tanpa koding, AI tidak bisa berjalan
 Belajar koding = Langkah awal memahami dan membuat AI

B. Pengertian Koding dan Pemrograman

Koding adalah proses menulis perintah atau instruksi kepada komputer menggunakan
bahasa khusus yang disebut bahasa pemrograman, agar komputer bisa melakukan sesuatu.

Contoh: Menulis kode untuk membuat komputer menampilkan tulisan "Halo, Dunia!"

Pemrograman adalah keseluruhan proses mulai dari:

 Merancang program
 Menulis kode (koding)
 Menguji (testing)
 Memperbaiki kesalahan (debugging)

Sehingga komputer atau perangkat lunak bisa berjalan sesuai yang kita inginkan.

 Komponen Dasar Pemrograman

1. Input – data yang dimasukkan ke komputer.

2. Proses – langkah yang dilakukan komputer.
3. Output – hasil yang diberikan komputer.

 Langkah dalam Membuat Program

1. Identifikasi masalah → Apa yang ingin dibuat?

2. Buat algoritma → Rangkaian langkah.
3. Tulis kode program → Gunakan bahasa pemrograman.
4. Uji coba → Jalankan program.
5. Perbaiki (debug) jika ada kesalahan.

2
 Perbedaan Koding dan Pemrograman:

Koding
Menulis baris kode
Bagian dari pemrograman
Fokus pada penulisan sintaks

Pemrograman
Proses lengkap membuat program

Melibatkan perencanaan & logika

Fokus pada cara kerja keseluruhan

 Ilustrasi sederhana:

Jika membuat roti itu seperti membuat program, maka koding adalah kegiatan mencampur
dan memanggang bahan-bahannya, sedangkan pemrograman adalah merancang resep,
menyiapkan bahan, dan membuat roti dari awal sampai jadi.

 Konsep Dasar dalam Coding

Konsep Penjelasan Contoh

Variabel Tempat menyimpan data nama = "Aldy"
Operator Tanda untuk operasi + (tambah), - (kurang)
Percabangan Memilih langkah if nilai > = 75: → Lulus
Perulangan Mengulang perintah for i in range(5):
Fungsi Kumpulan perintah def sapa(): print("Halo!")

C. Elemen dalam Koding dan Kecerdasan Artifisial

 Berpikir Komputasional

Berpikir komputasional, seperti yang didefinisikan oleh Wing (2006), disajikan sebagai
keterampilan dan pola pikir dasar yang tidak terbatas pada ilmuwan komputer tetapi dapat diterapkan
secara universal.

3
 Proses berpikir komputasional dapat dibagi menjadi empat pilar:
1. Dekomposisi, yaitu proses memecah masalah kompleks menjadi bagian-bagian yang lebih
kecil dan lebih dapat dikelola. Ini memungkinkan pendekatan yang lebih sistematis dalam
memecahkan masalah.

2. Pengenalan pola, yaitu proses identifikasi pola atau kesamaan yang berulang dalam data atau
di berbagai masalah. Mengenali pola-pola ini dapat mengarah pada penerapan solusi yang serupa
dalam berbagai konteks.

3. Abstraksi, adalah proses menyaring informasi yang tidak perlu dan fokus pada detail yang
relevan yang penting untuk memecahkan masalah yang dihadapi. Ini memungkinkan pendekatan
yang lebih efisien dan terarah.

4. Algoritma, melibatkan pengembangan urutan instruksi yang logis dan bertahap untuk
mencapai solusi. Ini menekankan pendekatan terstruktur dan metodis dalam memecahkan
masalah.

Koding dan pemrograman adalah dua istilah yang saling terkait, namun keduanya memiliki
perbedaan sesuai dengan konteksnya. Koding merupakan proses mengkonversi ide, keinginan,
atau solusi menjadi instruksi yang dapat dipahami dan dijalankan oleh sebuah komputer
menggunakan bahasa pemrograman.

Di sisi lain, pemrograman mencakup semua siklus pengembangan perangkat lunak, mulai
dari perencanaan, analisis, desain, pengimplementasian, pengujian, hingga pemeliharaan system.
Dengan kata lain, seluruh proses pemrograman mencakup koding, tetapi tidak terbatas pada
koding itu sendiri.

Relasi antara Koding dan Pemrogramanseperti pada gambar di bawah ini :

Pembelajaran koding dapat dilakukan melalui berbagai metode, antara lain: plugged coding
yang memanfaatkan perangkat komputer dan perangkat lunak; unplugged coding yang
mengajarkan konsep pemrograman tanpa menggunakan komputer, melalui aktivitas fisik,
simulasi atau permainan; serta internet-based coding yang memungkinkan pembelajaran melalui
platform daring interaktif dengan koneksi internet.

Berdasarkan konsep tersebut, koding dapat dipahami sebagai praktik pemrograman pada
perangkat komputasi yang melibatkan kemampuan berpikir komputasional dan algoritma dalam
bentuk internet-based, plugged, dan unplugged.

4
Contoh coding dalam bentuk plugged, Koding Python menggunakan Visual Studio Code :

Koding unplugged adalah kegiatan belajar konsep dasar pemrograman dengan alat sederhana,
seperti kertas, pensil, kartu perintah, atau gerakan tubuh.

Istilah “unplugged” berarti “tidak tersambung ke listrik atau komputer.”

Jadi, koding unplugged membantu siswa memahami cara berpikir seperti komputer tanpa
perlu membuka laptop atau aplikasi.

 Tujuan utama
Melatih cara berpikir komputasional yaitu berpikir logis, sistematis, dan kreatif untuk
menyelesaikan masalah.
 Mengapa Perlu Belajar Koding Unplugged?

Karena melalui kegiatan ini, siswa dapat belajar dasar-dasar penting dari pemrograman seperti:

Konsep
Makna Contoh Aktivitas
Pemrograman
Urutan langkah untuk menyelesaikan
Algoritma Langkah membuat mie instan
masalah
Instruksi yang dilakukan dari awal
Perintah Berurutan Menyusun langkah berpakaian
sampai akhir
Percabangan (IF) Pilihan berdasarkan kondisi tertentu Jika lampu merah → berhenti
Perulangan (Loop) Tindakan yang diulang beberapa kali Melompat 5 kali
Menyadari urutan salah dan
Debugging Mencari dan memperbaiki kesalahan
memperbaikinya

5
Contoh koding dalam bentuk unplugged seperti pada gambar di bawah ini :

6
 BAB II
Kecerdasan Artifisial

A. Kecerdasan Artifisial (KA) atau Artificial Intelligence (AI)

Sejarah perkembangan Kecerdasan Artifisial dimulai pada pertengahan abad ke-20 dengan
munculnya ide-ide awal yang dikemukakan oleh para pemikir seperti Alan Turing, yang pada tahun
1950 memperkenalkan konsep "Turing Test" untuk menentukan kecerdasan mesin (Turing, 1950).
Turing Test adalah sebuah tes yang dirancang oleh Alan Turing untuk mengevaluasi kemampuan
mesin dalam meniru perilaku manusia. Dalam tes ini, seorang penguji berinteraksi dengan dua
entitas: satu manusia dan satu mesin, tanpa mengetahui mana yang mana. Jika penguji tidak dapat
membedakan antara manusia dan mesin berdasarkan jawaban yang diberikan, maka mesin
tersebut dianggap berhasil melewati Turing Test.

Para ahli memiliki berbagai definisi terkait kecerdasan artifisial (KA), tergantung pada
perspektif masing-masing. Kaplan dan Haenlein (2019) mendefinisikan KA sebagai kemampuan
sistem untuk secara akurat menginterpretasikan data eksternal, belajar dari data tersebut, dan
menerapkan pembelajaran tersebut untuk mencapai tujuan dan menyelesaikan tugas tertentu.

Sementara itu, Poole dan Mackworth (2010) mengartikan KA sebagai bidang kajian yang
fokus pada sintesis dan analisis agen komputasional yang dapat bertindak dengan cara yang
cerdas. Russell dan Norvig (2010) lebih lanjut mendefinisikan KA sebagai studi tentang agen
cerdas yang mampu menerima persepsi dari lingkungan dan mengambil tindakan. Agen tersebut
dapat melakukan proses berpikir seperti manusia (thinking humanly), bertindak seperti manusia
(acting humanly), berpikir secara rasional (thinking rationally), dan bertindak secara rasional
(acting rationally).

B. Literasi dan Etika Kecerdasan Artifisial

Literasi kecerdasan artifisial (KA) bagi peserta didik sekolah dasar dan menengah mencakup
pemahaman fundamental tentang apa itu KA, bagaimana KA bekerja, dan bagaimana KA
diterapkan dalam kehidupan sehari-hari. Peserta didik juga perlu mengetahui lanskap KA, dan
bisa membedakan masing-masing modelnya.

Penjelasan dari Lanskap KA:

1. Machine Learning: Ini adalah bagian dari KA yang merujuk pada sistem yang dapat belajar
sendiri. Model pembelajaran mesin mengambil data dan menyesuaikan data tersebut dengan
algoritma, untuk membuat prediksi seperti berapa banyak uang yang mungkin dihasilkan sebuah
toko dalam sehari.

2. Deep Learning: Ini adalah subkategori dari pembelajaran mesin yang berbasis pada jaringan
saraf buatan. Proses pembelajaran ini disebut mendalam karena struktur jaringan saraf buatan

1
terdiri dari beberapa lapisan input, output, dan tersembunyi. Setiap lapisan berisi unit-unit yang
mengubah data input menjadi informasi yang dapat digunakan oleh lapisan berikutnya untuk
suatu tugas prediktif tertentu. Ini beroperasi pada kumpulan data yang sangat besar.

3. KA Generatif: Ini adalah subkategori dari model Deep Learning yang dapat
menghasilkan konten baru berdasarkan apa yang dijelaskan dalam input.
Kumpulan model KA generatif ini dapat menghasilkan bahasa, kode, dan
gambar.

C. Keamanan dan Privacy Artificial Intelligence (AI)

Apa Itu Keamanan dan Privasi dalam AI?

1. Keamanan (Security)

Keamanan berkaitan dengan perlindungan sistem AI dan data dari serangan atau
penyalahgunaan.
Contoh:

 Hacker bisa mencuri data pengguna dari sistem AI.

 Orang bisa mengubah hasil AI agar memberi informasi salah.

Tujuannya: menjaga agar sistem AI tetap aman, benar, dan tidak disalah gunakan.

2. Privasi (Privacy)

Privasi berkaitan dengan hak setiap orang untuk melindungi data pribadinya.
AI sering mengumpulkan data seperti:

 Nama, usia, lokasi

 Riwayat pencarian internet
 Foto atau suara

Tujuannya: memastikan data pribadi tidak dibagikan atau digunakan tanpa izin.

3. Masalah yang Sering Terjadi

 Kebocoran data pribadi

Misalnya, data wajah atau suara disebar tanpa izin.
 AI bias atau tidak adil
Jika data yang dipakai tidak seimbang, hasil AI bisa berat sebelah.
 Manipulasi informasi
AI bisa digunakan untuk membuat berita palsu (deepfake).
 Penyalahgunaan data pengguna
Aplikasi bisa memakai data kita untuk tujuan komersial tanpa izin.

4. Cara Menjaga Keamanan dan Privasi dalam AI

Berikut beberapa cara agar AI digunakan dengan aman dan bertanggung jawab:

Langkah Penjelasan
Gunakan kata sandi kuat Jangan mudah ditebak dan ubah secara berkala
Jangan bagikan data pribadi
Misalnya alamat, nomor HP, atau foto pribadi
sembarangan
Pahami izin aplikasi Saat menginstal aplikasi AI, baca izin akses datanya

2
 Langkah Penjelasan
Jangan gunakan AI untuk menipu, menyebar hoaks, atau
Gunakan AI dengan etika
mengintip privasi orang
Gunakan aplikasi resmi Hindari aplikasi AI dari sumber tidak jelas

5. Contoh Kasus Resiko Keamanan dalam AI

Masalah:
Seorang siswa menggunakan aplikasi AI untuk membuat foto profil. Namun, aplikasi itu
meminta akses ke semua foto di galerinya.

Pertanyaan :

1. Apakah aman memberikan izin akses tersebut?

2. Apa risiko yang bisa terjadi?
3. Bagaimana seharusnya kita bersikap?

Solusi

Pertanyaan 1: Apakah aman memberikan izin akses tersebut?

Jawaban:
Tidak selalu aman. Jika aplikasi tidak resmi atau tidak jelas sumbernya, izin akses ke seluruh
galeri bisa berbahaya. Aplikasi tersebut mungkin menyimpan atau menggunakan foto-foto kita
tanpa izin.

Pertanyaan 2: Apa risiko yang bisa terjadi?

Jawaban:
Beberapa risiko yang mungkin terjadi antara lain:

1. Kebocoran data pribadi – Foto atau gambar pribadi bisa tersebar di internet.
2. Penyalahgunaan data – Foto kita bisa digunakan untuk membuat konten palsu (seperti
deepfake).
3. Kecurangan digital – Identitas kita bisa dipalsukan untuk hal negatif.
4. Kehilangan privasi – Orang lain bisa mengetahui hal pribadi dari foto-foto kita.

Pertanyaan 3: Bagaimana seharusnya kita bersikap?

Jawaban:
Kita harus bijak dan berhati-hati sebelum memberikan izin akses.
Beberapa langkah yang bisa dilakukan:

 Pastikan aplikasi AI berasal dari sumber resmi (Play Store, App Store).
 Baca izin akses dengan teliti sebelum menekan “Izinkan”.
 Tolak jika aplikasi meminta akses yang tidak relevan (misalnya, aplikasi edit foto tapi
ingin mengakses kontak atau lokasi).
 Gunakan aplikasi AI yang terpercaya dan punya kebijakan privasi yang jelas.

3
D. Tanggung Jawab dan Akuntabilitas dalam AI

1. Tanggung Jawab (Responsibility)

➡ Tanggung jawab berarti kesadaran dan kewajiban untuk berbuat dengan benar serta
siap menanggung akibat dari perbuatan kita.

Dalam konteks AI:

 Pengembang (pembuat AI) harus memastikan sistem AI tidak disalahgunakan.

 Pengguna harus menggunakan AI untuk hal yang bermanfaat, bukan untuk menipu atau
merugikan orang lain.

Contoh:
Jika seseorang menggunakan AI untuk menyebar gambar palsu, maka dia harus bertanggung
jawab atas akibatnya.

2. Akuntabilitas (Accountability)

➡ Akuntabilitas berarti keterbukaan dan kesediaan untuk menjelaskan dan

mempertanggungjawabkan tindakan atau keputusan yang diambil.

Dalam konteks AI:

 Jika terjadi kesalahan dari sistem AI (misalnya keputusan salah dari robot atau aplikasi),
harus ada pihak yang bisa dimintai pertanggungjawaban.
 Setiap sistem AI harus punya catatan yang jelas: siapa yang membuat, siapa yang
mengelola, dan bagaimana cara kerjanya.

Contoh:
Jika ada AI yang menolak lamaran kerja seseorang karena kesalahan data, maka perusahaan
pengembang harus menjelaskan dan memperbaikinya, bukan menyalahkan sistem.

3. Mengapa Tanggung Jawab dan Akuntabilitas Penting dalam AI?

Alasan Penjelasan
Agar AI tidak digunakan untuk kejahatan, seperti penipuan atau
Mencegah
penyebaran hoaks
penyalahgunaan
Menjamin keadilan Supaya keputusan AI tidak bias terhadap kelompok tertentu
Masyarakat lebih percaya menggunakan AI jika ada tanggung
Menumbuhkan
jawab yang jelas
kepercayaan
Melatih etika digital Membiasakan berpikir sebelum menggunakan teknologi

E. Pemanfaatan dan Pengembangan AI

➡ Pemanfaatan AI berarti menggunakan kecerdasan artifisial untuk membantu pekerjaan

manusia agar lebih cepat, tepat, dan efisien.

Contoh Pemanfaatan AI:

4
 Bidang Contoh Penggunaan AI
Pendidikan Chatbot pembelajaran, koreksi otomatis, penerjemah teks
Kesehatan AI mendeteksi penyakit lewat foto rontgen
Transportasi Mobil tanpa sopir, sistem navigasi pintar
Pertanian AI memantau kondisi tanah dan cuaca
Bisnis Rekomendasi produk, analisis penjualan
Hiburan Filter wajah, musik atau video yang disarankan otomatis

➡ Pengembangan AI

Pengembangan AI berarti proses membuat, melatih, dan menyempurnakan sistem AI agar

bisa melakukan tugas tertentu dengan lebih baik.

Langkah-langkah pengembangan AI secara sederhana:

1. Mengumpulkan data → misalnya gambar, suara, atau teks

2. Melatih AI dengan data tersebut → agar AI belajar pola
3. Menguji hasilnya → apakah AI sudah bisa bekerja dengan benar
4. Menyempurnakan sistemnya → memperbaiki kesalahan agar hasil lebih akurat

Contoh sederhana di kehidupan nyata:

 Mengajarkan AI untuk mengenali hewan dan tanaman.

 Membuat chatbot sederhana yang bisa menjawab pertanyaan tentang pelajaran.

 Hubungan antara Pemanfaatan dan Pengembangan AI

Keduanya saling berkaitan:

 Pengembangan AI menghasilkan teknologi baru.

 Pemanfaatan AI membuat teknologi itu berguna bagi kehidupan manusia.

Jadi, semakin banyak AI dikembangkan, semakin banyak pula cara manusia bisa
memanfaatkannya.

 Keuntungan dan Tantangan AI

Keuntungan Tantangan
Membantu pekerjaan lebih cepat Risiko penyalahgunaan data
Mengurangi kesalahan manusia Ketergantungan berlebihan pada teknologi
Meningkatkan efisiensi dan inovasi Butuh pelatihan dan pengawasan
Memberi peluang belajar baru Bisa menggantikan beberapa pekerjaan manusia

 Pemanfaatan AI di Sekitar Kita

 Google Translate → mengenali bahasa

 Chatbot layanan pelanggan → menjawab pertanyaan otomatis
 Kamera HP → mengenali wajah
 Game → lawan komputer yang pintar

5
  Aplikasi cuaca → memprediksi kondisi hari esok

Semakin sering kita menggunakan teknologi, semakin banyak AI yang bekerja di balik layar
membantu kita.

 Dampak Positif dan Negatif Pemanfaatan AI

Dampak Positif Dampak Negatif

Membantu pekerjaan manusia Mengurangi lapangan kerja di bidang tertentu
Membuat keputusan lebih cepat dan akurat Bisa salah jika datanya keliru
Meningkatkan efisiensi dan kenyamanan Risiko penyalahgunaan data pribadi
Menumbuhkan kreativitas dalam belajar Ketergantungan berlebihan pada teknologi

BAB III

Pengelolaan data dan Penyusunan Instruksi

A. Pengelolaan data

Berpikir komputasional adalah cara berpikir untuk memecahkan suatu masalah dengan
pendekatan logis dan sistematis. Konsep berpikir komputasional erat kaitanya dalam pengelolaan
data, terutama dalam konteks data science dan kecerdasan artifisial. Mengacu pada definisi
operasional berpikir komputasional kita dapat mengasah kecakapan dekomposisi, abstraksi,
pengenalan pola, dan algoritma sehingga bisa membantu seseorang dalam memecahkan masalah
secara efisien efektif dan optimal.

Pada bab ini kita akan mengembangkan kemampuan berpikir kritis dengan menerapkan 4
cornerstone berpikir komputasional yaitu kemampuan dekomposisi, abstraksi, pengenalan pola
dan algoritmik untuk memecahkan masalah logistik untuk menghitung waktu tempuh berkendara
yang mendekati keadaan sebenarnya dengan langkah-langkah yang terstruktur.

1. Mengelola data dalam kehidupan sehari – hari

Pengelolaan data yang baik memiliki peranan penting untuk membantu sebuah pengambilan
keputusan dengan cara mengumpulkan data, menganalisis data suatu kegiatan agar dapat
memberikan informasi yang jelas dan akurat. Pengelolaan data yang baik harus melalui tahapan
pengolahan dan penyajian data yang sistematis. Proses pengolahan data yang baik bertujuan
untuk menyusun data mentah menjadi informasi yang lebih sederhana sehingga mudah dipahami
serta dapat digunakan untuk keperluan analisis lebih lanjut.

Definisi "Pengelolaan Data" (Data Management) dalam literatur akademis dan profesional
cukup beragam, seringkali mencerminkan fokus atau konteks spesifik dari sumbernya, seperti
orientasi bisnis, penelitian, teknis, atau kerangka kerja standar. Meskipun demikian, terdapat
benang merah yang konsisten mengenai tujuan dan aktivitas utamanya. Bagian ini akan
menyajikan berbagai definisi inti yang ditemukan dalam sumber-sumber yang dirujuk.

6
 Beberapa definisi, terutama dari sumber yang lebih awal atau lebih sederhana, cenderung
menekankan aspek "pengolahan data" (data processing). Penting untuk dicatat bahwa meskipun
fokusnya pada pengolahan, tujuannya tetap untuk menghasilkan informasi yang berguna atau
mencapai tujuan.

Data dapat peroleh melalui kegiatan eksperimen atau kegiatan bukan eksperimen. Berikut adalah
aktivitas penyelesaian pengelolaan data dengan menerapkan berpikir komputasional :

 Dekomposisi

Proses dekomposisi merupakan proses pemecahan masalah besar menjadi sub masalah yang
lebih kecil sehingga data lebih mudah dikelola. Kegiatan yang kita lakukan adalah
mengidentifikasi data yang diperlukan dan sumber data.

 Pengenalan Pola

Mengidentifikasi pola bertujuan untuk menemukan tren data yang dapat memberikan
informasi berharga dengan cara mengelompokkan data, pembersihan data, dan klasifikasi data.
Pembersihan data perlu dilakukan untuk memeriksa data guna menghindari adanya kesalahan
seperti duplikasi dan nilai yang hilang, serta data yang tidak valid.

Data yang telah diperiksa kemudian diklasifikasikan berdasarkan kategori tertentu

berdasarkan faktor yang relevan. Ketika diidentifikasi, Anda dapat menggunakan berbagai teknik
pembersihan data, yaitu:

 Standardisasi

Ketidak konsistenan muncul ketika data direpresentasikan dalam format atau struktur yang
berbeda dalam kumpulan data yang sama. Sebagai contoh, ketidaksesuaian yang umum terjadi
adalah format tanggal, seperti "MM-DD-YYYY" dangan "DD-MM-YYYY."

 Mengatasi outlier

Outlier adalah titik data yang menyimpang secara signifikan dari yang lain dalam kumpulan
data, yang disebabkan oleh kesalahan, kejadian langka, atau anomali yang sebenarnya. Nilai-
nilai ekstrem ini dapat mendistorsi analisis dan akurasi model dengan memiringkan rata-rata atau
tren.

 Deduplikasi

Deduplikasi data adalah proses perampingan di mana data yang berlebihan dikurangi dengan
menghilangkan salinan ekstra dari informasi yang sama. Catatan duplikat terjadi ketika titik data
yang sama diulang karena masalah integrasi, kesalahan entri data manual, atau gangguan sistem.

 Mengatasi missing values

Missing values muncul ketika titik data tidak ada karena pengumpulan data yang tidak
lengkap, kesalahan input, atau kegagalan sistem. Kesenjangan ini dapat mendistorsi analisis,
menurunkan akurasi model, dan membatasi utilitas kumpulan data.

 Validasi

7
 Tinjauan di akhir proses pembersihan data sangat penting dalam memverifikasi bahwa data
sudah bersih, akurat, dan siap untuk dianalisis atau divisualisasikan.

 Abstraksi
Menyederhanakan informasi yang berfokus pada data penting dan mengabaikan data yang
tidak relevan dalam pengelolaan data tersebut, yang kita lakukan adalah mengekstraksi fitur-fitur
penting dari data mentah yang dapat digunakan untuk analisis lebih lanjut.

B. Penyusunan Instruksi

Tahap akhir dalam pengolahan data sehingga bisa membantu dalam mengambil sebuah
keputusan yang kita lakukan adalah analisis waktu tempuh yang melibatkan beberapa komponen
utama. Setelah melakukan tahap dekomposisi, abstraksi, dan mengenal pola kita dapat
mengembangkan algoritma untuk menghitung waktu tempuh berkendara dengan langkah-
langkah yang sistematis.

Contoh pemecahan masalah logistik dalam menghitung waktu tempuh berkendara dengan
instruksi yang efektif dengan membagi masalah menjadi langkah-langkah yang dapat diikuti
dengan mudah. Setiap langkah harus dirumuskan dengan jelas dan logis. Algoritma yang dibuat
harus mengikuti urutan yang benar dalam proses perhitungan. Langkah-langkah dalam
penyusunan instruksi bisa dilihat seperti dibawah ini:

Berikut ini adalah contoh langkah-langkah yang dapat digunakan dalam menghitung
waktu tempuh:
Langkah 1: Tentukan jarak yang akan ditempuh
Tentukan jarak antara titik asal dan tujuan, misalnya 100 km.

Langkah 2: Tentukan kecepatan rata-rata kendaraan

Tentukan kecepatan rata-rata kendaraan berdasarkan kondisi jalan dan jenis kendaraan, misalnya
60 km/jam.

Langkah 3: Hitung waktu tempuh dasar

Gunakan rumus dasar:
Waktu Tempuh = Jarak / Kecepatan Rata-rata

Contoh jika jarak adalah 100 km dan kecepatan rata-rata 60 km/jam, maka:
Waktu Tempuh = 100 / 60
= 1.67 jam

Langkah 4: Tambahkan waktu ekstra sebagai faktor eksternal

Mempertimbangkan faktor seperti kemacetan atau cuaca buruk. Misalnya, jika perjalanan
diperkirakan melalui daerah yang padat pada jam sibuk, tambah waktu tempuh sebesar 30 menit.

Langkah 5: Tambahkan waktu istirahat

Jika perlu berhenti untuk istirahat, tambahkan waktu istirahat. Misalnya, waktu istirahat selama
15 menit.

Langkah 6: Hitung total waktu tempuh

8
Total waktu tempuh keseluruhan adalah jumlah waktu tempuh dasar, waktu tambahan karena
kemacetan, dan waktu istirahat.

Contoh:
5.1. Perhitungan dengan Formula Dasar
Waktu Tempuh (jam) = Jarak (km) ÷ Kecepatan Rata-rata (km/jam)
Waktu Tempuh = 100 / 60 = 1.67 jam

5.2. Perhitungan dengan Formula Koreksi

Total Waktu Tempuh = Waktu Tempuh + Faktor Lalu Lintas + Faktor Jenis Jalan
Total Waktu Tempuh =1.67 jam + 0.5 jam (kemacetan) + 0.25 jam (istirahat)
= 2.42 jam

Penerapan perhitungan waktu tempuh dengan aplikasi pemrograman berbasis blockly :

Output: Tampilkan waktu total yang diperlukan untuk mencapai tujuan :

BAB IV
Produksi Konten dan Desiminasi Konten Digital

9
A. Produksi Konten Digital

Memahami perkembangan digital dalam konteks komunikasi, maka diperlukan pemahaman

dasar komunikasi terutama unsur-unsur komunikasi yaitu komunikator, pesan, media,
komunikan, dan efek/timbal balik, dimana keseluruhan aspek tersebut dapat bekerja secara
bersamaan guna menghasilkan pesan yang efektif.

Jenis konten media digital dibagi menjadi enam yaitu konten tulisan/teks, konten suara,
konten visual, video, game interaktif dan konten berbasis kecerdasan artifisial.

Pembuatan konten di media digital yang perlu diperhatikan adalah strategi dalam penyusunan
pesan, diantaranya adalah penentuan tujuan, target audiens, penulisan dengan gaya bercerita,
fokus pada inti pesan, nilai emosional, manfaat isi pesan, visual yang menarik dan relevan. Jenis
media digital yang relevan bisa kita gunakan tagar serta link/tautan agar pesan semakin banyak
diakses oleh sasaran audiens.

Layout menurut bahasa memiliki arti tata letak, sedangkan menurut istilah, layout merupakan
kegiatan untuk menyusun, menata, mengatur dan memadukan unsur-unsur komunikasi grafis
(teks, gambar, bidang dll) menjadi komposisi karya visual yang komunikatif, estetik, persuasif
dan menarik.

 Secara umum prinsip-prinsip dalam penyusunan tata letak atau layout, terdiri atas:
1. Kesatuan (Unity) dan keselarasan (Harmony)
Kesatuan atau unity merupakan salah satu prinsip yang menekankan pada keselarasan unsur-
unsur yang disusun, desain bisa dikatakan menyatu apabila secara keseluruhan tampak harmonis.

2. Keseimbangan ( Balance )
Keselarasan merupakan prinsip desain yang dapat diartikan sebagai keteraturan tatanan
diantara bagian satu dengan bagian yang lainya pada suatu karya. Keselarasan dalam desain
merupakan pembentukan unsur-unsur keseimbangan, keteraturan, kesatuan, dan perpaduan yang
mana masing-masing prinsip desain bisa saling mengisi. Harmoni dapat diwujudkan dengan 2
cara, yaitu:

a. Harmoni dari segi bentuk yang dilihat dari bentuk ialah dimana adanya keserasian dalam
penempatan unsur-unsurnya.

b. Harmoni dari segi warna memiliki pengaruh yang besar karena setiap warna memiliki
sifatnya masing-masing,

3. Kesebandingan (proportion)
Kesebandingan (proporsi) merupakan perbandingan ukuran yang digunakan untuk
menentukan perbandingan yang dianggap tepat antara panjang dengan lebar, bagian satu dengan
bagian lain atau bagian dengan unsur secara keseluruhan.

4. Irama (rhythm)
Irama adalah pola tata letak (layout) yang dibuat dengan melakukan pengulangan unsur-unsur
tata letak secara teratur agar menciptakan kesan yang menarik.

5. Penekanan /Fokus
Dominasi merupakan salah satu prinsip dasar tatarupa yang harus ada dalam karya seni dan
desain.

6. Kontras (contrast)

10
 Kontras yaitu adanya perbedaan yang mencolok pada beberapa unsur tata letak. Kontras dapat
anda lakukan dengan beberapa cara, misalnya dengan menggunakan warna yang berbeda
sehingga lebih mencolok.

7. Repetisi (Repetition)
Repetisi adalah sebuah “permainan” pengulangan dalam rangkaian
komposisi desain.

Beberapa alat dan platform untuk produksi konten digital meliputi:

1. Teks editor dan blog: Platform seperti WordPress, Medium, atau Google Docs yang
memungkinkan pembuatan dan pengeditan artikel atau posting blog.

2. Perangkat lunak desain grafis Anda bisa gunakan Adobe Photoshop, Illustrator, atau Canva
untuk membuat dan mengedit gambar, infografis, dan elemen visual lainnya.

3. Perangkat lunak pengeditan video Anda bisa gunakan Adobe Premiere Pro, Final Cut Pro,
DaVinci Resolve, dan aplikasi lainya.

4. Perangkat lunak pengeditan audio Anda bisa gunakan Audacity, Adobe Audition, atau
GarageBand untuk memproduksi dan mengedit podcast, musik, atau konten audio lainnya.

5. Alat animasi dan 3D Anda bisa gunakan Blender, Maya, atau After Effects untuk membuat
animasi, model 3D, dan efek visual.

6. Perangkat lunak tangkap layar Anda bisa gunakan Snagit, ScreenPal, Screenpresso,
TechSmith, Adobe Captivate, Loom, Ashampoo Snap, PicPick, Snipping Tool, WinSnap.

B. Diseminasi Konten Digital

Diseminasi konten digital merujuk pada distribusi atau penyebaran konten yang telah
diproduksi ke audiens yang lebih luas melalui berbagai saluran digital.

Beberapa platform yang dapat digunakan untuk diseminasi konten digital adalah:

1. Media Sosial: seperti Facebook, Instagram, X/Twitter, LinkedIn, dan TikTok digunakan
untuk membagikan konten kepada audiens yang luas dan berinteraksi dengan mereka secara
langsung.

2. Platform Video: YouTube dan TikTok adalah platform utama untuk mengunggah dan
menyebarkan konten video.

3. Podcasting Platforms: Spotify, Apple Podcasts, dan Google Podcasts memungkinkan

penyebaran konten audio seperti podcast.

4. Situs Web dan Blog: Publikasi konten di situs web atau blog pribadi atau perusahaan yang
bisa diakses oleh pengunjung.

5. Email Marketing: Penggunaan email sebagai alat untuk menyebarkan konten kepada
pelanggan atau subscriber.

6. Streaming Platforms: Platform seperti Twitch atau YouTube Live memungkinkan

penyebaran konten secara langsung melalui streaming.

11
7. Marketplace Digital: Platform seperti Amazon, eBay, atau Etsy yang digunakan untuk
menjual konten digital seperti e-book, musik, atau desain grafis.

8. Platform Berbagi Dokumen: Scribd atau SlideShare untuk menyebarkan dokumen,

presentasi, dan e-book.

C. Literasi Digital

Literasi Digital adalah kemampuan untuk menggunakan, memahami, dan menilai teknologi
digital secara bijak dan bertanggung jawab.

Artinya, bukan hanya bisa memakai HP atau komputer, tapi juga tahu cara menggunakannya
dengan aman dan bermanfaat.

Contoh literasi digital:

 Mengetahui cara mencari informasi yang benar di internet.

 Menjaga data pribadi agar tidak bocor.
 Menggunakan media sosial dengan sopan dan bertanggung jawab.
 Memahami etika berkomunikasi di dunia maya (digital etiquette).

 Hubungan Koding dengan Literasi Digital

Koding adalah bagian penting dari literasi digital tingkat lanjut.

Aspek Literasi Digital Koding

Memahami dan menggunakan teknologi
Tujuan : Membuat dan mengendalikan teknologi
dengan bijak
Menganalisis, menilai, melindungi diri di Berpikir komputasional, memecahkan
Kemampuan:
dunia digital masalah
Mengelola akun media sosial dengan Membuat program sederhana di Scratch
Contoh :
aman atau Python

Dengan literasi digital, kita menggunakan teknologi dengan cerdas, sedangkan dengan koding,
kita menciptakan teknologi baru.

 Manfaat Mempelajari Koding dan Literasi Digital

1. Melatih berpikir logis dan kreatif

2. Meningkatkan kesadaran keamanan digital
3. Belajar bekerja sama secara daring (kolaborasi digital)
4. Mempersiapkan diri menghadapi dunia digital dan AI
5. Mendorong siswa menjadi pencipta teknologi, bukan hanya pengguna

 Pentingnya Literasi Digital dalam Belajar Koding

1. Melindungi data pribadi saat menggunakan platform coding online (seperti Scratch atau
Replit).
2. Menghargai karya orang lain dengan tidak menyalin kode tanpa izin (plagiarisme
digital).
3. Berpikir kritis terhadap hasil AI atau kode otomatis — tidak semua hasil dari teknologi
benar.

12
 4. Beretika dalam kolaborasi - menulis kode dengan sopan, memberi kredit kepada
pembuat asli.
5. Menggunakan koding untuk hal positif - membuat program yang membantu orang lain
atau menyebarkan nilai kebaikan.

 Contoh Penerapan Literasi Digital dalam Koding

Aktivitas Koding Nilai Literasi Digital yang Diterapkan

Membuat animasi di Scratch Menyampaikan pesan positif dan edukatif
Menggunakan kode Python di Replit Tidak membagikan password akun
Menyalin potongan kode dari
Menyebutkan sumbernya (etika digital)
internet
Membuat chatbot sederhana Tidak menyebarkan data pribadi pengguna
Bertanggung jawab atas dampak yang mungkin
Menguji hasil program
muncul

 Etika Digital dalam Dunia Koding

Beberapa aturan penting yang harus dipahami oleh “programmer muda”:

1. Jujur – tidak menyalin kode tanpa izin.

2. Menghargai – memberi kredit kepada pembuat asli.
3. Bijak – tidak membuat program yang merugikan orang lain.
4. Aman – melindungi data diri dan data pengguna.
5. Tanggung jawab – memperbaiki kesalahan kode yang menimbulkan masalah.

Kesimpulannya adalah :

Literasi digital dalam koding berarti mampu membuat dan menggunakan program komputer
dengan bijak, aman, dan bertanggung jawab.

Koding tanpa literasi digital bisa menimbulkan risiko seperti pencurian data, plagiarisme, atau
penyalahgunaan teknologi.

Siswa harus menjadi pencipta teknologi yang beretika, bukan hanya pengguna teknologi.

 Keamanan digital (digital security) adalah usaha untuk melindungi data dan sistem
komputer dari ancaman seperti:

 Pencurian data,
 Peretasan (hacking),
 Penyebaran virus,
 Penyalahgunaan akses program.

Dalam koding, keamanan digital berarti menulis dan menggunakan kode dengan aman, serta
menjaga privasi akun dan data pribadi.

Contoh Situasi Nyata

Situasi Etika Digital Keamanan Digital

Menyalin program dari internet Menyebut sumber kode Pastikan kode tidak berisi virus
Membagikan hasil coding ke Minta izin sebelum
Jangan membagikan data sensitif
teman memodifikasi
Mengunggah proyek ke platform Gunakan akun yang aman dan
Gunakan bahasa yang sopan
online sandi kuat

13
D. Contoh Aktivitas Penerapan Kecrdasan Artifisial Generatif dalam Bidang Pendidikan

Kecerdasan Artifisial Generatif (Generative AI) adalah teknologi AI yang dapat membuat
atau menghasilkan sesuatu yang baru seperti teks, gambar, musik, atau video — berdasarkan data
yang sudah dipelajarinya.

Kata “generatif” berarti “mampu menghasilkan”.

Artinya, AI jenis ini tidak hanya mengenali data, tetapi juga menciptakan konten baru.

Contoh Sederhana AI Generatif

Beberapa contoh AI generatif yang sering digunakan:

 ChatGPT → menghasilkan teks, ide, atau menjawab pertanyaan.

 DALL·E / Canva Magic Studio → membuat gambar dari teks perintah.
 Soundraw / MusicLM → membuat musik otomatis.
 Khanmigo / Google Gemini → membantu menjelaskan pelajaran dan memberikan
latihan.

 Penerapan AI Generatif dalam Dunia Pendidikan :

Bidang Contoh Penerapan AI Generatif Manfaat Bagi Siswa dan Guru

Bahasa dan AI membantu menulis karangan, membuat Meningkatkan kemampuan menulis
Sastra puisi, atau merangkum teks. dan memahami isi bacaan.
AI membantu memahami kode,
Membantu siswa belajar koding
Informatika menjelaskan logika program, atau memberi
dengan cepat.
contoh kode.
AI menghasilkan gambar untuk ilustrasi Membantu siswa mengekspresikan
Seni dan Desain
atau proyek sekolah. ide kreatif.
AI membuat simulasi eksperimen atau Mempermudah pemahaman konsep
Sains
menjelaskan konsep sulit. sains abstrak.
Administrasi AI membantu guru membuat soal, laporan, Menghemat waktu guru dan
Sekolah atau bahan ajar. meningkatkan efisiensi.

 Manfaat AI Generatif dalam Pendidikan

1. Membantu siswa berpikir kreatif dan kritis.

2. Menyediakan sumber belajar yang lebih menarik dan variatif.
3. Mempermudah pemahaman konsep sulit.
4. Menghemat waktu guru dan siswa.
5. Menumbuhkan budaya belajar mandiri dan inovatif.

 Bentuk Pemanfaatan AI di Sekolah

Berikut contoh nyata penerapan AI dalam dunia pendidikan yang dekat dengan kehidupan siswa
SMP:

No Jenis Pemanfaatan Contoh Aplikasi / Aktivitas Manfaat

Chatbot seperti ChatGPT, Google Membantu menjawab pertanyaan
1 Asisten Belajar Digital
Bard, atau Duolingo AI dan latihan belajar
Google Translate, Microsoft
2 Penerjemah Otomatis Membantu belajar bahasa asing
Translator

14
No Jenis Pemanfaatan Contoh Aplikasi / Aktivitas Manfaat
Sistem Pembelajaran Platform seperti Ruangguru AI, Menyesuaikan materi sesuai
3
Adaptif Khanmigo kemampuan siswa
Membantu menjaga kejujuran
4 Deteksi Plagiarisme Turnitin, Grammarly AI
dalam tugas
Pengenalan Suara dan Aplikasi pengucapan bahasa, Membantu praktik interaktif dan
5
Gambar aplikasi sains berbasis gambar eksperimen
6 Pembuatan Media Canva AI, PowerPoint Designer Membuat poster dan presentasi

 Manfaat AI dalam Pembelajaran

AI memberikan banyak keuntungan jika digunakan dengan bijak:

Bagi Guru:

 Membantu menilai tugas lebih cepat.

 Memberi saran pembelajaran sesuai kebutuhan siswa.
 Membuat rencana pembelajaran otomatis.

Bagi Siswa:

 Mendapatkan penjelasan kapan pun dibutuhkan.

 Belajar dengan cara yang menyenangkan dan interaktif.
 Mendapatkan umpan balik langsung.

Bagi Sekolah:

 Mengelola data siswa dengan efisien.

 Memantau perkembangan belajar secara real time.

 Tantangan dan Resiko Penggunaan AI di Pendidikan

Meskipun AI sangat bermanfaat, penggunaannya juga perlu diawasi agar tidak menimbulkan
dampak negatif.

Beberapa risiko yang perlu diwaspadai:

1. Ketergantungan berlebihan pada AI.

2. Kurangnya kreativitas karena terlalu sering menggunakan AI.
3. Penyalahgunaan untuk menyontek atau meniru.
4. Masalah privasi data siswa.

Solusinya adalah:
Gunakan AI sebagai alat bantu, bukan pengganti usaha belajar.
Guru dan siswa harus tetap aktif berpikir, berkreasi, dan berkolaborasi.

Adapun Dampak Positif AI dalam Pendidikan adalah :

 Membantu belajar lebih cepat dan mudah

 Membantu guru dalam administrasi
 Menumbuhkan kreativitas
 Mempermudah siswa dengan kebutuhan khusus

Cara Kerja AI dalam Pembelajaran

15
AI bekerja dengan mengumpulkan, memproses, dan mempelajari data dari kegiatan belajar
siswa.
Dari data tersebut AI bisa:

 Mengenali kemampuan siswa.

 Memberikan soal atau materi yang sesuai tingkat kesulitan.
 Memberikan umpan balik (feedback) agar siswa bisa memperbaiki kesalahan.
 Membantu guru memahami kemajuan belajar siswa.

16