Contoh Soal Esai Sumatif Akhir Semester (SAS) Koding dan Kecerdasan Artifisial Kelas 6 SD Kurikulum Merdeka
Materi yang diujikan dalam soal esai Sumatif Akhir Semester (SAS) Koding dan Kecerdasan Artifisial kelas 6 SD Kurikulum Merdeka dirancang untuk menguji pemahaman siswa tentang konsep dasar kecerdasan artifisial, etika penggunaan teknologi, serta proses pengembangan model. Soal-soal ini juga bertujuan untuk melatih kemampuan berpikir kritis dan memahami bagaimana teknologi dapat digunakan secara bertanggung jawab dalam kehidupan sehari-hari.
Materi yang Diangkat dalam Soal
Beberapa topik utama yang dibahas dalam soal esai mencakup:
- Tujuan kecerdasan artifisial untuk kesejahteraan manusia
- Bahaya dari bias algoritma
- Pentingnya data yang adil dan tidak diskriminatif
- Cara kerja sistem kecerdasan artifisial
Dengan demikian, siswa tidak hanya diberikan pengetahuan teoritis, tetapi juga dilatih untuk memahami implikasi sosial dan etika dari penggunaan teknologi.
Contoh Soal dan Jawaban
Berikut adalah beberapa contoh soal esai beserta jawaban yang bisa menjadi referensi bagi siswa maupun guru:
1. Jelaskan tujuan utama dan tertinggi dari pengembangan Kecerdasan Artifisial, dan mengapa tujuan ini harus dipegang sebagai fondasi etika oleh setiap penggunanya!
Jawaban:
Tujuan utama dari pengembangan kecerdasan artifisial adalah untuk membantu dan melayani umat manusia serta meningkatkan kesejahteraan manusia. Tujuan ini harus menjadi fondasi etika karena kecerdasan artifisial merupakan kekuatan besar yang jika digunakan secara salah dapat merugikan, menyakiti, atau menciptakan ketidakadilan. Oleh karena itu, prinsip seperti Empati dan Jangan Menyakiti sangat penting untuk dipegang teguh agar kecerdasan artifisial selalu digunakan untuk kebaikan.
2. Bayangkan sebuah aplikasi pinjaman online menggunakan KA untuk memutuskan siapa yang berhak menerima pinjaman. Jika aplikasi ini selalu menolak pendaftar dari wilayah tertentu karena data historis menunjukkan masyarakat di sana sering terlambat membayar, mengapa hal ini termasuk Bias Algoritma? Dan sebutkan solusi utama untuk mengatasi masalah ini!
Jawaban:
Kasus penolakan di wilayah tertentu ini termasuk bias algoritma karena kecerdasan artifisial dilatih dengan data yang tidak adil atau berat sebelah. Keputusan yang diambil bukan berdasarkan kelayakan individu, melainkan berdasarkan stereotip atau pola masa lalu yang diskriminatif. Solusi utamanya adalah memastikan keadilan data dengan menggunakan data yang lebih beragam dan adil saat melatih sistem, serta memasukkan faktor-faktor lain yang relevan dan tidak bias dalam model keputusannya.
3. Bayangkan Anda ingin melatih KA untuk mengenali apakah sebuah video berisi “kegiatan olahraga” atau “kegiatan memasak”. Jelaskan mengapa Anda harus memastikan Variasi Luas dalam data latih video tersebut!
Jawaban:
Variasi luas dalam data latih sangat penting agar sistem tidak hanya “menghafal” data yang ada, tetapi benar-benar mengenali pola umum dari kegiatan tersebut. Misalnya, video olahraga harus mencakup berbagai jenis olahraga seperti sepak bola, renang, dan basket, sedangkan video memasak harus mencakup berbagai jenis masakan dan pencahayaan yang berbeda. Tanpa variasi yang cukup, sistem mungkin hanya mengenali “memasak” jika hanya ada adegan mengaduk di dapur terang.
4. Jelaskan tiga proses utama yang harus dilalui oleh model KA yang andal sebelum bisa disebut sebagai Model KA Produksi (siap digunakan)!
Jawaban:
Tiga proses utama dalam pengembangan model kecerdasan artifisial adalah:
1) Pelatihan (Training): Model belajar dari ribuan atau jutaan data input yang berlabel (kualitas tinggi, jumlah banyak, variasi luas) untuk mengenali pola.
2) Pengujian (Testing): Model diuji kemampuannya dengan data baru (yang belum pernah dilihat) untuk melihat seberapa akurat prediksinya.
3) Validasi (Validation): Model diuji kembali dengan data yang berbeda untuk memastikan ia tidak hanya “menghafal” data latih. Jika hasilnya baik, ia siap menjadi Model KA Produksi.
5. Bayangkan Anda menciptakan KA yang menggunakan kamera untuk membantu robot memilah sampah botol plastik. Jelaskan bagaimana Kamera dan Jaringan Saraf Tiruan bekerja sama dalam sistem KA ini!
Jawaban:
Kamera berfungsi sebagai “mata” atau sensor untuk KA. Kamera menangkap data visual botol plastik (warna, bentuk, tekstur, kondisi) dan mengubahnya menjadi data digital. Data visual dari kamera kemudian dikirim ke Jaringan Saraf Tiruan (JST), yang memproses data ini, membandingkan ciri-ciri yang masuk dengan pola botol plastik yang telah dilatih, dan memutuskan apakah itu “Botol Plastik” atau bukan. Keputusan JST inilah yang kemudian mengaktifkan lengan robot pemilah.
