Modul Ajar & RPP Koding dan Kecerdasan Artifisial Kelas X
Masih di Bab 3
Sudah jadi 11 lembar, tinggal tulis nama Anda ✍️
🎁 100% GRATIS · unduh Word + PDF tanpa bayar
Gratis 3 modul, tanpa bayar apa pun.
TERBARUTP 2026/2027Rumus 8-3-3-4Pembelajaran Mendalam
- 8Dimensi Profil Lulusan: keimanan & ketakwaan, kewargaan, penalaran kritis, kreativitas, kolaborasi, kemandirian, kesehatan, komunikasi
- 3Prinsip Pembelajaran: berkesadaran, bermakna, menggembirakan
- 3Pengalaman Belajar: memahami, mengaplikasi, merefleksi
- 4Kerangka Pembelajaran: praktik pedagogis, kemitraan, lingkungan, pemanfaatan digital
📜 Dasar: Permendikdasmen 13/2025 · Standar Proses 1/2026 · CP 046/H/KR/2025 jo. 020/2026
“Lebih fleksibel, mempersingkat waktu, dan jelas.”
Isi modul ini
Di bawah ini 11 lembar A4 pertama, persis seperti yang terunduh. Nama & tema yang Anda pilih di atas sudah terpasang.
| Penyusun | nama Anda |
| Satuan Pendidikan | sekolah Anda |
| Mata Pelajaran | Koding dan Kecerdasan Artifisial |
| Fase / Kelas | E / X |
| Materi Pokok | Masih di Bab 3 |
| Alokasi Waktu | 2 Pertemuan (4 JP: 2 JP × 45 menit = 90 menit per pertemuan) |
| Tahun Pelajaran | 2026/2027 |
| Pendekatan | Pembelajaran Mendalam |
| Model Pembelajaran | Problem Based Learning (PBL) + praktik |
| Bentuk Dokumen | Modul Ajar — memuat RPP |
✍️ Dua baris kuning di atas terisi otomatis saat Anda mengunduh — beserta kop, logo, dan nama sekolah di kepala tiap lembar.
Identifikasi Peserta Didik:
| Kesiapan belajar (kompetensi awal) | Peserta didik telah memiliki pemahaman dasar tentang konsep data dan informasi dalam konteks teknologi digital. |
Dimensi Profil Lulusan yang dikembangkan:
- Penalaran kritis — mengolah informasi, menganalisis, dan menarik simpulan secara logis
- Kreativitas — menghasilkan gagasan dan karya yang orisinal serta bermanfaat
- Kolaborasi — bekerja sama secara efektif untuk mencapai tujuan bersama
🔒 Elemen tiap dimensi beserta wujudnya pada materi ini tersedia di Paket Lengkap.
Capaian Pembelajaran (CP):
| Acuan | Kepka BSKAP No. 046/H/KR/2025 |
| Elemen / Domain | Literasi Kecerdasan Artifisial |
| Rumusan CP Fase | Peserta didik mampu mengidentifikasi dan menjelaskan konsep dasar pengenalan pola pada citra dan suara, serta menganalisis penerapannya dalam berbagai konteks kehidupan nyata. |
Identifikasi materi — 4 dimensi pengetahuan:
| Faktual | Algoritma pengenalan pola digunakan dalam fitur pengenalan wajah di ponsel pintar atau asisten suara digital. |
| Konseptual | Pengenalan pola adalah proses mengidentifikasi dan mengklasifikasikan objek atau peristiwa berdasarkan karakteristik atau fitur tertentu. |
| Prosedural | Langkah-langkah dalam pengenalan pola meliputi akuisisi data, pra-pemrosesan, ekstraksi fitur, klasifikasi, dan evaluasi kinerja. |
| Metakognitif | Kesadaran tentang bagaimana algoritma belajar dari data membantu memahami batasan dan potensi sistem kecerdasan artifisial. |
Tujuan Pembelajaran:
- Melalui demonstrasi dan diskusi kelompok, peserta didik dapat mengidentifikasi konsep dasar pengenalan pola citra dengan tepat.
- Dengan studi kasus aplikasi nyata, peserta didik dapat menjelaskan prinsip kerja pengenalan pola suara secara runtut.
- Setelah melakukan eksperimen sederhana, peserta didik dapat membedakan tahapan utama dalam proses pengenalan pola citra dan suara dengan benar.
- Melalui analisis contoh kasus, peserta didik dapat menganalisis tantangan dan solusi dalam implementasi pengenalan pola pada sistem AI dengan cermat.
Pemahaman bermakna: Memahami prinsip pengenalan pola citra dan suara membantu peserta didik mengembangkan pemikiran kritis terhadap teknologi AI dan mengidentifikasi potensi penerapannya dalam inovasi.
Pertanyaan pemantik: "Bagaimana ponsel pintar kamu bisa tahu itu wajah kamu atau perintah suara kamu?"
| Praktik Pedagogis | Problem Based Learning (PBL) + praktik |
| Lintas Disiplin Ilmu | Bahasa Indonesia: Menganalisis teks ulasan tentang aplikasi AI yang menggunakan pengenalan pola. Matematika: Memahami konsep dasar statistik dan probabilitas yang digunakan dalam algoritma pengenalan pola. Seni Budaya: Mengidentifikasi pola visual dalam karya seni dan membandingkannya dengan pola yang dikenali oleh AI. |
| Kemitraan Pembelajaran | Orang tua dapat diajak berdiskusi tentang penerapan AI dalam kehidupan sehari-hari di rumah, seperti fitur smart home atau asisten virtual. |
| Lingkungan Pembelajaran | Kelas diatur dengan meja kelompok untuk memudahkan diskusi dan akses ke komputer atau perangkat untuk praktik simulasi pengenalan pola. |
| Pemanfaatan Teknologi Digital | Pemanfaatan platform simulasi AI seperti Google Teachable Machine atau lingkungan pemrograman blok untuk eksperimen pengenalan pola citra dan suara secara interaktif. |
| Model Pembelajaran | Problem Based Learning (PBL) |
| Tujuan Pertemuan 1 | Melalui demonstrasi dan diskusi kelompok, peserta didik dapat mengidentifikasi konsep dasar pengenalan pola citra dengan tepat. |
| Tahapan | Alokasi | Kegiatan Pembelajaran |
|---|---|---|
| Kegiatan AwalBerkesadaran (Mindful) | 15 menit |
|
| Inti — MemahamiBermakna (Meaningful) | 20 menit |
|
| Inti — MengaplikasiBermakna (Meaningful) | 25 menit |
|
| Inti — MerefleksiBermakna (Meaningful) | 15 menit |
|
| Kegiatan PenutupMenggembirakan (Joyful) | 15 menit |
|
Tahapan inti mengikuti 3 Pengalaman Belajar Pembelajaran Mendalam: memahami → mengaplikasi → merefleksi; label di kolom kiri menunjukkan prinsip yang diwujudkan tiap tahapan.
| Model Pembelajaran | Problem Based Learning (PBL) + praktik |
| Tujuan Pertemuan 2 | Dengan studi kasus aplikasi nyata, peserta didik dapat menjelaskan prinsip kerja pengenalan pola suara secara runtut. |
| Tahapan | Alokasi | Kegiatan Pembelajaran |
|---|---|---|
| Kegiatan AwalBerkesadaran (Mindful) | 15 menit |
|
| Inti — MemahamiBermakna (Meaningful) | 20 menit |
|
| Inti — MengaplikasiBermakna (Meaningful) | 25 menit |
|
| Inti — MerefleksiBermakna (Meaningful) | 15 menit |
|
| Kegiatan PenutupMenggembirakan (Joyful) | 15 menit |
|
Tahapan inti mengikuti 3 Pengalaman Belajar Pembelajaran Mendalam: memahami → mengaplikasi → merefleksi; label di kolom kiri menunjukkan prinsip yang diwujudkan tiap tahapan.
| Nama | Kelas | Kelompok | |||
|---|---|---|---|---|---|
| Tanggal | Nilai | Paraf Guru |
Waktu pengerjaan: 25 menit
Tujuan: Dengan LKPD ini, kamu akan mengidentifikasi dan membedakan tahapan pengenalan pola pada citra dan suara.
Petunjuk: 1) Berdoalah sebelum mulai. 2) Gunakan APD dan patuhi aturan K3. 3) Kerjakan langkah secara berurutan, catat temuan di tabel, lalu simpulkan.
Info singkat: Kecerdasan Artifisial (AI) semakin meresap dalam kehidupan kita sehari-hari, mulai dari ponsel pintar hingga kendaraan otonom. Salah satu fondasi utama yang memungkinkan AI melakukan banyak hal adalah kemampuannya untuk mengenali pola.
Alat & bahan: Komputer/laptop, koneksi internet, aplikasi Google Teachable Machine.
Langkah kerja:
- Amati gambar 1 yang menampilkan proses pengenalan pola citra. Identifikasi setiap tahapan yang ditunjukkan.
- Buka aplikasi Google Teachable Machine dan pilih proyek 'Audio Project'. Rekam tiga jenis suara berbeda (misalnya, 'tepuk tangan', 'jepret jari', 'diam') masing-masing 20 sampel.
- Latih model pengenalan suara kamu dan uji coba dengan merekam suara baru. Catat hasil pengujianmu.
- Bandingkan tahapan pada pengenalan pola citra (gambar 1) dan pengenalan pola suara yang kamu lakukan. Catat persamaan dan perbedaannya pada tabel.
🔒 Tabel kerja dan lembar refleksi murid tidak ditampilkan di pratinjau — keduanya ada di berkas unduhan.
Asesmen awal (diagnostik):
- Apa yang kamu ketahui tentang 'pola'?
- Bisa sebutkan satu contoh teknologi yang bisa 'melihat' atau 'mendengar'?
- Menurutmu, bagaimana cara teknologi tersebut bisa 'melihat' atau 'mendengar'?
Formatif (proses): Observasi partisipasi aktif peserta didik dalam diskusi kelompok dan praktik simulasi pengenalan pola.
Sumatif (akhir): Penilaian hasil presentasi diagram alir dan demonstrasi model pengenalan suara, serta jawaban LKPD.
🔒 Rubrik KKTP dan kunci jawaban tidak ditampilkan di pratinjau — rubrik ada di berkas unduhan, kunci jawaban khusus member Paket Lengkap.
| No | Tujuan Pembelajaran | Materi | Alokasi | Dimensi |
|---|---|---|---|---|
| 1 | Mengidentifikasi konsep dasar pengenalan pola citra | Konsep dasar pengenalan pola citra | 2 JP | penalaran kritis |
| 2 | Menjelaskan prinsip kerja pengenalan pola suara | Prinsip kerja pengenalan pola suara | 2 JP | penalaran kritis |
| 3 | Membedakan tahapan utama dalam proses pengenalan pola citra dan suara | Perbandingan tahapan pengenalan pola citra dan suara | 2 JP | kreativitas |
| 4 | Menganalisis tantangan dan solusi dalam implementasi pengenalan pola pada sistem AI | Tantangan dan solusi pengenalan pola AI | 2 JP | kolaborasi |
Kecerdasan Artifisial (AI) semakin meresap dalam kehidupan kita sehari-hari, mulai dari ponsel pintar hingga kendaraan otonom. Salah satu fondasi utama yang memungkinkan AI melakukan banyak hal adalah kemampuannya untuk mengenali pola. Modul ini akan membawa kamu memahami bagaimana AI 'melihat' dan 'mendengar' dunia melalui pengenalan pola pada citra dan suara.
1. Apa Itu Pengenalan Pola?
Pengenalan pola adalah cabang dari kecerdasan artifisial yang berfokus pada pengidentifikasian dan pengklasifikasian objek, peristiwa, atau fenomena berdasarkan karakteristik atau 'pola' tertentu. Ini melibatkan proses mengamati data, menemukan keteraturan di dalamnya, dan kemudian menggunakan keteraturan tersebut untuk membuat keputusan atau prediksi. Contohnya, sistem pengenalan wajah mengidentifikasi pola piksel yang membentuk fitur wajah, sedangkan sistem pengenalan suara mencari pola frekuensi dan amplitudo yang membentuk kata atau perintah. Tujuannya adalah agar mesin dapat meniru kemampuan kognitif manusia dalam menginterpretasikan informasi.
2. Pengenalan Pola Citra
Pengenalan pola citra adalah kemampuan AI untuk memahami dan menginterpretasikan informasi visual dari gambar atau video. Proses ini dimulai dengan akuisisi citra, di mana gambar ditangkap oleh kamera. Kemudian, citra melalui pra-pemrosesan untuk membersihkan noise atau meningkatkan kualitas. Setelah itu, fitur-fitur penting seperti tepi, bentuk, atau tekstur diekstraksi. Fitur-fitur ini kemudian digunakan oleh algoritma klasifikasi untuk membandingkan dengan pola yang sudah dikenal dan menentukan apa yang ada dalam citra. Aplikasi pengenalan pola citra sangat luas, termasuk pengenalan wajah, deteksi objek, dan analisis citra medis.
3. Pengenalan Pola Suara
Pengenalan pola suara adalah kemampuan AI untuk menginterpretasikan dan memahami suara manusia atau suara lainnya. Prosesnya mirip dengan citra, dimulai dengan akuisisi suara melalui mikrofon. Data suara mentah kemudian diproses awal untuk menghilangkan kebisingan latar belakang dan menormalisasi volume. Selanjutnya, fitur-fitur akustik penting seperti frekuensi, intensitas, dan durasi diekstraksi. Fitur-fitur ini menjadi masukan bagi model klasifikasi yang telah dilatih untuk mengenali kata, frasa, atau bahkan identitas pembicara. Contoh penerapannya adalah asisten virtual, transkripsi otomatis, dan sistem keamanan berbasis suara.
4. Tahapan Umum Pengenalan Pola
Meskipun detailnya bervariasi antara citra dan suara, proses pengenalan pola umumnya melibatkan beberapa tahapan kunci. Pertama, Akuisisi Data, yaitu pengumpulan data mentah (gambar atau suara). Kedua, Pra-pemrosesan, untuk membersihkan dan menstandarisasi data. Ketiga, Ekstraksi Fitur, yaitu mengidentifikasi karakteristik unik yang relevan. Keempat, Klasifikasi, di mana algoritma membandingkan fitur yang diekstraksi dengan pola yang sudah dipelajari untuk membuat keputusan. Kelima, Evaluasi Kinerja, untuk mengukur seberapa baik sistem bekerja dan melakukan penyempurnaan. Memahami tahapan ini penting untuk merancang sistem AI yang efektif.
5. Tantangan dan Penerapan
Pengembangan sistem pengenalan pola tidak lepas dari tantangan. Variasi dalam data (misalnya, pencahayaan yang berbeda pada citra, aksen suara yang beragam), kualitas data yang buruk, dan kebutuhan akan data pelatihan yang besar adalah beberapa di antaranya. Namun, dengan kemajuan teknologi, banyak solusi telah ditemukan, seperti penggunaan jaringan saraf tiruan yang mendalam (deep learning). Penerapan pengenalan pola sangat luas, dari industri (inspeksi kualitas otomatis) hingga kehidupan sehari-hari (rekomendasi musik, diagnosis medis). Kemampuan ini menjadi kunci inovasi di berbagai sektor.
Rangkuman: Pengenalan pola adalah inti dari banyak aplikasi Kecerdasan Artifisial, memungkinkan mesin untuk 'melihat' dan 'mendengar' dunia. Prosesnya melibatkan akuisisi data, pra-pemrosesan, ekstraksi fitur, klasifikasi, dan evaluasi. Baik pada citra maupun suara, AI mengidentifikasi karakteristik unik untuk membuat keputusan. Meskipun ada tantangan, kemajuan teknologi terus mendorong inovasi dan penerapan pengenalan pola dalam berbagai aspek kehidupan kita.
| Istilah | Arti |
|---|---|
| Akuisisi data | Proses pengumpulan data mentah dari sumbernya. |
| Pra-pemrosesan | Tahap awal pengolahan data untuk membersihkan dan menyiapkan data. |
| Ekstraksi fitur | Proses mengidentifikasi dan mengisolasi karakteristik penting dari data. |
| Klasifikasi | Proses mengelompokkan data ke dalam kategori yang telah ditentukan. |
🔒 Daftar pustaka tidak ditampilkan di pratinjau — ada di berkas unduhan.
Modul ajar "Masih di Bab 3" mata pelajaran Koding dan Kecerdasan Artifisial Kelas X ini disusun sesuai ketentuan Kurikulum Merdeka · Pembelajaran Mendalam dan dinyatakan dapat digunakan dalam pembelajaran Tahun Pelajaran 2026/2027.
Rujukan: Permendikdasmen No. 13 Tahun 2025 (Pembelajaran Mendalam) · Permendikdasmen No. 1 Tahun 2026 (Standar Proses) · CP: Kepka BSKAP No. 046/H/KR/2025
Bukan Masih di Bab 3 yang Anda cari?Pilih dari peta materi setahun di bawah ini 👇
Materi Anda tidak ada di daftar?Tulis judulnya sendiri — tetap gratis, ±1 menitPeta Materi Koding dan Kecerdasan Artifisial Kelas X Setahun
Urutan mengajarnya, bukan urutan pencarian. Yang sudah ada tinggal diunduh; yang belum, disusun atas nama Anda — sama-sama gratis.
Semester 1 / Ganjil1 dari 3 siap unduh
Berpikir KomputasionalBelum tersedia — susun atas nama Anda, gratisAlgoritma dan Pemrograman LanjutModul siap unduh · Word + PDF ber-kopLiterasi dan Etika Kecerdasan ArtifisialBelum tersedia — susun atas nama Anda, gratisSemester 2 / Genap3 materi · siap dibuatkan
Integrasi Prompt Engineering dan Design Thinking pada Kecerdasan ArtifisialBelum tersedia — susun atas nama Anda, gratisKreativitas dan Etika Produksi Konten Media SosialBelum tersedia — susun atas nama Anda, gratisPengelolaan Informasi DigitalBelum tersedia — susun atas nama Anda, gratisModul Koding dan Kecerdasan Artifisial lain yang sudah tersedia
Algoritma dan Notasi PemrogramanKoding dan Kecerdasan Artifisial Kelas X SMKBerpikir Komputasional untuk Pemecahan MasalahKoding dan Kecerdasan Artifisial Kelas X SMKComputational Thinking, Masalah, Dekomposisi, Pola, AbstraksiKoding dan Kecerdasan Artifisial Kelas X SMKDampak Pemanfaatan Kecerdasan ArtifisialKoding dan Kecerdasan Artifisial Kelas X SMKLihat semua Modul Ajar Koding dan Kecerdasan Artifisial Kelas X →Pertanyaan yang Sering Diajukan
Apakah ini modul ajar Koding dan Kecerdasan Artifisial kelas 10 yang saya cari?
Kemungkinan besar ya. Kelas X dan kelas 10 adalah kelas yang sama — yang satu ditulis angka Romawi seperti di dokumen resmi, yang satu angka biasa. Berkas ini perangkat ajar untuk materi Masih di Bab 3 pada Koding dan Kecerdasan Artifisial SMK, Fase E, elemen Literasi Kecerdasan Artifisial.
Modul Masih di Bab 3 ini untuk semester 1 (ganjil) atau semester 2 (genap)?
Mengikuti program semester sekolah Anda. Pilih Semester 1 atau 2 saat mengunduh; pilihan itu tercetak di lembar identitas modul Masih di Bab 3 untuk Koding dan Kecerdasan Artifisial kelas X.
Apakah modul ajar Koding dan Kecerdasan Artifisial materi Masih di Bab 3 ini gratis?
Ya. Modul Masih di Bab 3 untuk kelas X SMK dapat diunduh gratis dalam Word + PDF, lengkap dengan kop sekolah dan nama Anda sebagai penyusun. Tiga modul gratis tersedia bertahap; modul berikutnya terbuka setiap 18 jam.
Bagaimana cara download modul ajar Masih di Bab 3 ini dalam Word (.docx) dan PDF?
Ketuk tombol unduh, isi nama dan sekolah, lalu buka dengan email atau Google dan nomor WhatsApp aktif. Berkas Koding dan Kecerdasan Artifisial kelas X ini turun sebagai Word (.docx) yang bisa diedit dan PDF siap cetak, tanpa iklan dan tanpa tautan Drive.
Berapa lama modul ini tersusun?
Sekitar satu menit. Cukup isi nama, jenjang, sekolah, mapel, dan materi — modul Koding dan Kecerdasan Artifisial kelas X langsung tersusun atas nama Anda.
Bisakah modul Masih di Bab 3 ini diedit?
Bisa. Hasil unduhan berupa dokumen Word yang bisa disunting penuh — tujuan, alokasi waktu, dan langkah kegiatan Masih di Bab 3 dapat Anda sesuaikan dengan murid Koding dan Kecerdasan Artifisial kelas X di sekolah Anda. Sudah ber-kop sekolah dan atas nama Anda, tersedia juga dalam PDF.
Apakah modul ajar Koding dan Kecerdasan Artifisial kelas X ini sesuai kurikulum terbaru?
Ya. Modul Masih di Bab 3 ini mengikuti Kepka BSKAP No. 046/H/KR/2025, pada Fase E untuk kelas X SMK. Profil Pelajar Pancasila (P5) kini dilanjutkan sebagai 8 Dimensi Profil Lulusan; dimensi yang dikembangkan materi Masih di Bab 3 tercantum di lembar identitasnya.
Ini modul ajar, RPP, atau RPM deep learning?
Ketiganya berkas yang sama. Sampulnya memang bertanda Deep Learning · Pembelajaran Mendalam, dan sebagian guru menyebutnya RPM (Rencana Pembelajaran Mendalam). Modul ajar memuat RPP — keduanya bukan dua dokumen terpisah. Sejak Permendikdasmen Nomor 1 Tahun 2026 tentang Standar Proses, istilah resmi untuk dokumen rencananya adalah Rencana Pelaksanaan Pembelajaran (RPP), dengan tiga komponen inti: tujuan pembelajaran, langkah pembelajaran, dan asesmen. Modul ajar adalah ketiganya beserta lampirannya — LKPD, ATP, dan bahan ajar. Berkas Masih di Bab 3 untuk Koding dan Kecerdasan Artifisial kelas X di halaman ini memuat semuanya, jadi dapat disetorkan baik ketika sekolah meminta RPP maupun modul ajar.
Apakah ada soal, kisi-kisi, dan rubrik KKTP-nya?
Ada. Modul Masih di Bab 3 ini memuat bank soalnya sendiri — 5 pilihan ganda dan 3 uraian (kunci jawabannya khusus member Paket Lengkap), ditambah rubrik KKTP pada bagian asesmennya. Yang belum termasuk: paket soal satu semester penuh Koding dan Kecerdasan Artifisial kelas X SMK berikut kisi-kisi dan kartu soalnya — Asesmen Sumatif Tengah Semester (ASTS/PTS) dan Akhir Semester (ASAS/PAS). Penjelasannya ada di halaman Kisi-Kisi & ASAS.
Apakah Kaldik, Prota, dan Promes (Program Semester) ikut di unduhan gratis?
Tidak. Unduhan gratis berisi modul ajar Masih di Bab 3 beserta ATP, LKPD, asesmen, dan bank soalnya. Perangkat pembelajaran pelengkap Koding dan Kecerdasan Artifisial kelas X berupa Program Tahunan (Prota) dan Program Semester (Promes/Prosem), serta CP · ATP · KKTP setahun, Jurnal Mengajar per semester ber-kop sekolah, dan PPT bahan tayang tiap pertemuan tersedia lewat Paket Modul — bersama Kalender Pendidikan (libur nasional & cuti bersama resmi SKB 3 Menteri sudah tercantum) dan Alokasi Waktu yang menghitung minggu efektifnya otomatis.
Modul Koding dan Kecerdasan Artifisial ini cocok untuk SMK negeri maupun swasta?
Ya. Kop, logo, dan nama SMK Anda dipasang otomatis, negeri maupun swasta; sekolah berciri (Muhammadiyah, NU, Islam Terpadu) mendapat kop dan mapel khasnya sendiri saat mengisi borang. Materi Masih di Bab 3 disusun untuk SMK dari kurikulum yang sama.
tuntas.org — administrasi beres, kinerja tuntas. Semua modul disusun sebagai materi bantu belajar yang independen.