Rencana Pelaksanaan Pembelajaran (RPP)
Perencanaan Pembelajaran Mendalam (PPM)
Mata Pelajaran: Koding dan Kecerdasan Artifisial
Kelas/Semester: X / Ganjil
Materi Pokok: Mengenal Koding dan Kecerdasan Artifisial
Alokasi Waktu: 16 JP (8 pertemuan, @2 JP)
Guru: Seftiani Ayu Lestari, [Link].
Sekolah: SMK Al Fattah Kertosono
1. Identifikasi
1.1 Capaian Pembelajaran
Pada akhir pembelajaran, siswa mampu mengenal koding dan kecerdasan artifisial serta
memahami ruang lingkup dasar keduanya dalam konteks pemrograman sederhana
menggunakan bahasa pemrograman Python.
1.2 Tujuan Pembelajaran
1. Siswa dapat memahami ruang lingkup koding dalam pemrograman berbasis teks.
2. Siswa dapat memahami ruang lingkup kecerdasan artifisial dan aplikasinya.
3. Siswa dapat memahami pengelolaan koding untuk meningkatkan efisiensi program.
4. Siswa dapat mengetahui tools kecerdasan artifisial yang relevan dengan kehidupan
nyata.
1.3 Dimensi Profil Lulusan
DPL3 - Penalaran Kritis: Siswa menganalisis ruang lingkup koding dan AI serta
merancang solusi sederhana.
DPL4 - Kreativitas: Siswa menciptakan ide-ide inovatif terkait penggunaan tools AI
dalam proyek sederhana.
DPL5 - Kolaborasi: Siswa bekerja sama dalam kelompok untuk mengeksplorasi dan
mengevaluasi tools koding dan AI.
1.4 Karakteristik Mata Pelajaran
Mata pelajaran Koding dan Kecerdasan Artifisial menekankan keterampilan praktis dan
pemikiran komputasional. Materi mengenal koding dan kecerdasan artifisial melibatkan:
• Pengetahuan Esensial: Konsep dasar ruang lingkup koding, AI, pengelolaan kode, dan
tools AI dalam Python.
• Pengetahuan Aplikatif: Penerapan konsep AI sederhana untuk memecahkan masalah
nyata, seperti pengenalan pola dasar.
• Relevansi: Keterkaitan dengan pengembangan aplikasi sederhana, seperti otomatisasi
tugas atau analisis data.
• Keterampilan Berpikir Tingkat Tinggi: Analisis konsep, desain algoritma dasar, dan
evaluasi tools AI.
2. Desain Pembelajaran
2.1 Praktik Pedagogis
Menggunakan pendekatan pembelajaran berbasis proyek (Project-Based Learning) untuk
mendorong siswa aktif membangun pengetahuan melalui eksplorasi dan pemecahan masalah.
Strategi meliputi diskusi kelompok, simulasi tools AI, dan refleksi mandiri.
2.2 Kemitraan Pembelajaran
Melibatkan kolaborasi dengan siswa lain melalui kerja kelompok untuk mengeksplorasi tools
AI. Guru berperan sebagai fasilitator, memberikan umpan balik dan panduan. Kemitraan
dengan komunitas lokal (misalnya, pelaku UMKM) dapat diintegrasikan untuk memberikan
konteks nyata, seperti menggunakan tools AI untuk analisis data sederhana.
2.3 Lingkungan Pembelajaran
• Fisik: Ruang kelas dengan komputer, proyektor, dan papan tulis untuk simulasi koding.
• Virtual: Platform seperti Jupyter Notebook atau IDE online untuk mengeksplorasi tools
AI.
• Budaya Belajar: Mendorong kolaborasi, refleksi, dan eksplorasi melalui diskusi dan
presentasi proyek.
2.4 Pemanfaatan Digital
• Penggunaan Python di Jupyter Notebook untuk mengeksplorasi konsep koding dan tools
AI.
• Simulasi interaktif untuk memahami ruang lingkup AI.
• Forum diskusi daring untuk berbagi pengetahuan tentang tools AI antar siswa.
3. Pengalaman Belajar
3.1 Memahami (Berkesadaran, Bermakna, Menggembirakan)
• Kegiatan: Guru menjelaskan ruang lingkup koding dan AI melalui analogi (misalnya,
koding sebagai resep masakan, AI sebagai asisten pintar). Siswa melakukan diskusi
kelompok untuk mengidentifikasi contoh nyata ruang lingkup koding dan AI (contoh:
penggunaan AI di sistem rekomendasi).
• Prinsip:
– Berkesadaran: Siswa memahami tujuan pembelajaran dan relevansi koding/AI.
– Bermakna: Kegiatan terkait dengan kehidupan nyata, seperti otomatisasi tugas sehari-
hari.
– Menggembirakan: Aktivitas interaktif dengan simulasi tools AI di Jupyter Notebook.
3.2 Mengaplikasi (Berkesadaran, Bermakna, Menggembirakan)
• Kegiatan: Siswa merancang proyek sederhana (misalnya, program pengenalan pola dasar
menggunakan tools AI) dengan memanfaatkan pengelolaan koding. Siswa bekerja dalam
kelompok untuk mengembangkan dan menguji tools.
• Prinsip:
– Berkesadaran: Siswa menetapkan tujuan proyek dan strategi penerapan.
– Bermakna: Program yang dibuat relevan dengan kebutuhan nyata (misalnya, UMKM
lokal).
– Menggembirakan: Proyek memungkinkan kreativitas dalam desain solusi AI.
3.3 Merefleksi (Berkesadaran, Bermakna, Menggembirakan)
• Kegiatan: Siswa mengevaluasi proyek kelompok melalui penilaian sejawat dan refleksi
diri. Siswa menulis jurnal tentang tantangan dalam pengelolaan koding, tools AI yang
digunakan, dan rencana perbaikan. Guru memfasilitasi diskusi untuk berbagi
pengalaman.
• Prinsip:
– Berkesadaran: Siswa menyadari kekuatan dan kelemahan dalam pemahaman
koding/AI.
– Bermakna: Refleksi membantu siswa memahami pentingnya tools AI yang efisien.
– Menggembirakan: Siswa merayakan keberhasilan proyek (AHA moment) melalui
presentasi.
4. Asesmen
4.1 Asesmen pada Awal Pembelajaran
• Teknik: Pre-test berbasis kuis daring untuk mengukur pengetahuan awal tentang koding
dan AI.
• Instrumen: Soal pilihan ganda dan uraian sederhana (contoh: Jelaskan ruang lingkup
koding).
4.2 Asesmen pada Proses Pembelajaran
• Teknik: Observasi selama diskusi kelompok dan penilaian sejawat pada proyek
sederhana.
• Instrumen: Rubrik penilaian untuk keterlibatan, kolaborasi, dan pemahaman konsep.
4.3 Asesmen pada Akhir Pembelajaran
• Teknik: Penilaian proyek (program sederhana dengan tools AI) dan presentasi kelompok.
• Instrumen: Rubrik penilaian proyek (pemahaman ruang lingkup: 40%, pengelolaan
koding: 30%, pengetahuan tools: 20%, presentasi: 10%).
5. Langkah-Langkah Pembelajaran
5.1 Pertemuan 1: Pengenalan Ruang Lingkup Koding (2 JP)
• Pendahuluan (10 menit): Guru menyapa siswa, apersepsi dengan contoh instruksi sehari-
hari.
• Kegiatan Inti (70 menit): Penjelasan ruang lingkup koding, diskusi kelompok.
• Penutup (10 menit): Refleksi dan tugas rumah.
5.2 Pertemuan 2: Ruang Lingkup Kecerdasan Artifisial (2 JP)
• Pendahuluan (10 menit): Ulasan pertemuan sebelumnya.
• Kegiatan Inti (70 menit): Simulasi AI dasar di Jupyter Notebook.
• Penutup (10 menit): Diskusi tantangan.
5.3 Pertemuan 3: Pengelolaan Koding Dasar (2 JP)
• Pendahuluan (10 menit): Motivasi dengan contoh efisiensi kode.
• Kegiatan Inti (70 menit): Latihan pengelolaan kode sederhana.
• Penutup (10 menit): Refleksi.
5.4 Pertemuan 4: Tools Kecerdasan Artifisial (2 JP)
• Pendahuluan (10 menit): Ulasan.
• Kegiatan Inti (70 menit): Eksplorasi tools seperti scikit-learn.
• Penutup (10 menit): Tugas rumah.
5.5 Pertemuan 5: Aplikasi Proyek Sederhana (2 JP)
• Pendahuluan (10 menit): Panduan proyek.
• Kegiatan Inti (70 menit): Kerja kelompok merancang proyek.
• Penutup (10 menit): Umpan balik.
5.6 Pertemuan 6: Pengujian dan Pengelolaan (2 JP)
• Pendahuluan (10 menit): Ulasan proyek.
• Kegiatan Inti (70 menit): Uji tools AI.
• Penutup (10 menit): Refleksi.
5.7 Pertemuan 7: Evaluasi Proyek (2 JP)
• Pendahuluan (10 menit): Persiapan presentasi.
• Kegiatan Inti (70 menit): Penilaian sejawat.
• Penutup (10 menit): Jurnal refleksi.
5.8 Pertemuan 8: Penutupan dan Kuis Akhir (2 JP)
• Pendahuluan (10 menit): Ringkasan.
• Kegiatan Inti (70 menit): Presentasi dan kuis.
• Penutup (10 menit): Perencanaan perbaikan.
6. Sumber Belajar
• Buku pegangan siswa: Python Crash Course oleh Eric Matthes.
• Platform daring: Jupyter Notebook, Replit.
• Video tutorial tentang pengenalan koding dan AI di Python.
• Lembar kerja siswa (LKS) yang disusun oleh guru.
7. Lampiran
7.1 Contoh Soal Kuis
1. Jelaskan ruang lingkup koding dalam pemrograman.
2. Sebutkan 3 tools kecerdasan artifisial dan fungsinya.
3. Jelaskan keuntungan pengelolaan koding dalam proyek.
7.2 Rubrik Penilaian Proyek
• Pemahaman Ruang Lingkup (40%): Konsep koding dan AI dipahami dengan benar.
• Pengelolaan Koding (30%): Kode terorganisasi dengan baik.
• Pengetahuan Tools (20%): Tools AI digunakan secara inovatif.
• Presentasi (10%): Penyampaian jelas dan menarik.
Nganjuk, 11 September 2025
Mengetahui
Kepala Sekolah Guru Mata Pelajaran
Drs. H. Sudjono, M. M. Seftiani Ayu Lestari, S. Pd.
NIY. 95001039 NIY. 95002415