Rencana Pelaksanaan Pembelajaran (RPP)
Mata Pelajaran: Koding dan Kecerdasan Artifisial
Kelas/Semester: XI / Genap
Alokasi Waktu: 1 Semester (16 Pertemuan x 4 JP)
Pertemuan 1
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Pengenalan AI dan Deep Learning, perbedaan Machine Learning dan
Deep Learning.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Pengenalan AI dan Deep Learning, perbedaan Machine Learning dan Deep Learning..
Materi Pembelajaran:
Pengenalan AI dan Deep Learning, perbedaan Machine Learning dan Deep Learning.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Pengenalan AI dan Deep Learning, perbedaan Machine Learning dan Deep
Learning.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 2
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Dasar Python untuk Deep Learning (variabel, fungsi, library dasar:
numpy, matplotlib).
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Dasar Python untuk Deep Learning (variabel, fungsi, library dasar: numpy, matplotlib)..
Materi Pembelajaran:
Dasar Python untuk Deep Learning (variabel, fungsi, library dasar: numpy, matplotlib).
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Dasar Python untuk Deep Learning (variabel, fungsi, library dasar: numpy,
matplotlib).
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 3
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Pengenalan Jupyter Notebook dan Google Colab untuk eksperimen.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Pengenalan Jupyter Notebook dan Google Colab untuk eksperimen..
Materi Pembelajaran:
Pengenalan Jupyter Notebook dan Google Colab untuk eksperimen.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Pengenalan Jupyter Notebook dan Google Colab untuk eksperimen.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 4
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Konsep Neural Network: neuron, layer, activation function.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Konsep Neural Network: neuron, layer, activation function..
Materi Pembelajaran:
Konsep Neural Network: neuron, layer, activation function.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Konsep Neural Network: neuron, layer, activation function.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 5
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Implementasi Neural Network sederhana dengan Python (tanpa
framework).
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Implementasi Neural Network sederhana dengan Python (tanpa framework)..
Materi Pembelajaran:
Implementasi Neural Network sederhana dengan Python (tanpa framework).
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Implementasi Neural Network sederhana dengan Python (tanpa framework).
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 6
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Pengenalan TensorFlow dan Keras.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Pengenalan TensorFlow dan Keras..
Materi Pembelajaran:
Pengenalan TensorFlow dan Keras.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Pengenalan TensorFlow dan Keras.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 7
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Membangun model Deep Learning sederhana (classification).
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Membangun model Deep Learning sederhana (classification)..
Materi Pembelajaran:
Membangun model Deep Learning sederhana (classification).
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Membangun model Deep Learning sederhana (classification).
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 8
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Evaluasi model (loss, accuracy, confusion matrix).
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Evaluasi model (loss, accuracy, confusion matrix)..
Materi Pembelajaran:
Evaluasi model (loss, accuracy, confusion matrix).
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Evaluasi model (loss, accuracy, confusion matrix).
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 9
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Regularisasi dan Optimizer (dropout, Adam, SGD).
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Regularisasi dan Optimizer (dropout, Adam, SGD)..
Materi Pembelajaran:
Regularisasi dan Optimizer (dropout, Adam, SGD).
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Regularisasi dan Optimizer (dropout, Adam, SGD).
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 10
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Computer Vision: pengenalan CNN.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Computer Vision: pengenalan CNN..
Materi Pembelajaran:
Computer Vision: pengenalan CNN.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Computer Vision: pengenalan CNN.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 11
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Implementasi CNN dengan Keras untuk image classification.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Implementasi CNN dengan Keras untuk image classification..
Materi Pembelajaran:
Implementasi CNN dengan Keras untuk image classification.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Implementasi CNN dengan Keras untuk image classification.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 12
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar NLP: pengenalan RNN dan LSTM.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
NLP: pengenalan RNN dan LSTM..
Materi Pembelajaran:
NLP: pengenalan RNN dan LSTM.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi NLP: pengenalan RNN dan LSTM.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 13
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Implementasi RNN untuk teks sederhana.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Implementasi RNN untuk teks sederhana..
Materi Pembelajaran:
Implementasi RNN untuk teks sederhana.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Implementasi RNN untuk teks sederhana.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 14
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Transfer Learning dan Fine Tuning.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Transfer Learning dan Fine Tuning..
Materi Pembelajaran:
Transfer Learning dan Fine Tuning.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Transfer Learning dan Fine Tuning.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 15
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Proyek Mini: Membangun aplikasi AI sederhana.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Proyek Mini: Membangun aplikasi AI sederhana..
Materi Pembelajaran:
Proyek Mini: Membangun aplikasi AI sederhana.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Proyek Mini: Membangun aplikasi AI sederhana.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding
Pertemuan 16
Kompetensi Dasar dan Indikator:
- Memahami konsep dasar Presentasi Proyek dan Evaluasi Akhir Semester.
- Mampu mengimplementasikan secara sederhana materi pada pertemuan ini.
Tujuan Pembelajaran:
Setelah mengikuti pembelajaran, peserta didik diharapkan dapat memahami dan mempraktikkan
Presentasi Proyek dan Evaluasi Akhir Semester..
Materi Pembelajaran:
Presentasi Proyek dan Evaluasi Akhir Semester.
Metode Pembelajaran:
- Ceramah interaktif
- Diskusi
- Demonstrasi dan Praktik langsung
Media dan Sumber Belajar:
- Laptop/PC dengan Python dan Jupyter Notebook / Google Colab
- Modul pembelajaran Deep Learning
- Internet
Langkah-langkah Kegiatan Pembelajaran:
1. Pendahuluan (15 menit)
- Apersepsi dan motivasi
- Penyampaian tujuan pembelajaran
2. Kegiatan Inti (3 x 40 menit)
- Penyajian materi Presentasi Proyek dan Evaluasi Akhir Semester.
- Diskusi dan tanya jawab
- Praktik langsung coding sesuai materi
3. Penutup (15 menit)
- Refleksi pembelajaran
- Pemberian tugas/latihan
- Penyampaian materi pertemuan berikutnya
Penilaian:
- Kehadiran dan partisipasi
- Tugas individu/kelompok
- Hasil praktik coding