A. Tujuan Pembelajaran
Setelah mengikuti pembelajaran ini, peserta didik mampu:
Mengevaluasi konten berbasis AI (teks, gambar, rekomendasi) dengan kriteria akurasi, bias, etika, dan relevansi.
Merancang sistem AI sederhana menggunakan pendekatan 5 tahap Design Thinking.
Menyelesaikan proyek aplikasi sederhana berupa prototipe solusi AI untuk masalah di bidang TJKT, Tata Busana, atau Otomotif Sepeda Motor.
B. Materi Inti
1. Evaluasi Konten AI (30 menit)
a. Apa itu Konten AI?
Konten AI adalah segala informasi (teks, gambar, suara, video, rekomendasi) yang dihasilkan oleh kecerdasan buatan, misalnya ChatGPT, Midjourney, atau sistem rekomendasi di e-commerce.
b. Mengapa Perlu Dievaluasi?
AI bisa hallusinasi (menghasilkan informasi salah tapi meyakinkan).
AI mengandung bias dari data pelatihan.
Etika dan keamanan: deepfake, plagiarisme, diskriminasi.
c. 4 Kriteria Evaluasi Konten AI
| Kriteria | Pertanyaan Evaluasi | Contoh |
|---|---|---|
| Akurasi | Apakah faktanya benar? | ChatGPT memberi kode program yang tidak jalan. |
| Relevansi | Apakah sesuai konteks jurusan? | AI merekomendasikan bahan katun untuk jaket hujan (salah). |
| Bias | Apakah merugikan kelompok tertentu? | AI rekrutmen lebih memilih pria untuk teknisi motor. |
| Transparansi & Etika | Apakah sumbernya jelas? Ada watermark? | Gambar AI yang dipakai tanpa izin. |
d. Metode Evaluasi Praktis
Cross-check dengan sumber terpercaya (buku, jurnal, standar industri).
Tes A/B (bandingkan output AI dengan manusia ahli).
Prompt audit (ubah sedikit prompt, lihat perubahan output).
Latihan kilat (5 menit): Tampilkan satu gambar busana hasil AI dan satu teks rekomendasi perawatan motor dari ChatGPT. Murid mengevaluasi menggunakan 4 kriteria di atas.
2. Design Thinking untuk Perancangan Sistem AI (50 menit)
Design Thinking adalah pendekatan human-centered yang cocok untuk merancang sistem AI karena memastikan solusi benar-benar dibutuhkan pengguna.
Lima Tahap Design Thinking
| Tahap | Aktivitas | Output untuk Sistem AI |
|---|---|---|
| 1. Empathize | Wawancara/observasi pengguna (montir, siswa busana, teknisi jaringan) | User journey map, pain points |
| 2. Define | Merumuskan masalah spesifik | POV (Point of View) statement |
| 3. Ideate | Brainstorming fitur AI | Daftar ide: klasifikasi, rekomendasi, deteksi, dll. |
| 4. Prototype | Buat mockup/flowchart sederhana | Wireframe atau skenario penggunaan |
| 5. Test | Uji coba dengan pengguna (simulasi) | Feedback & iterasi |
Contoh Penerapan per Jurusan
TJKT:
Masalah: Sulit mendeteksi serangan DDoS di jaringan kecil.
Ide AI: Sistem deteksi anomali lalu lintas paket menggunakan supervised learning.
Prototype: Flowchart input data paket → klasifikasi normal/anomali → alert.
Tata Busana:
Masalah: Sulit memadukan warna dan motif kain secara cepat.
Ide AI: Sistem rekomendasi padu-padan berbasis color harmony dan tren.
Prototype: Mockup aplikasi kamera kain → AI rekomendasi kombinasi.
Otomotif Sepeda Motor:
Masalah: Diagnosis suara mesin tidak konsisten antar montir.
Ide AI: Klasifikasi suara mesin (normal/rusak) dengan spectrogram + CNN.
Prototype: Flowchart rekam suara → analisis → rekomendasi perbaikan.
3. Perancangan Sistem AI Sederhana (20 menit)
Tidak perlu coding dalam pertemuan ini, cukup rancangan logis berupa:
Input data (apa yang dibutuhkan AI? misal: teks, gambar, sensor suara)
Proses (algoritma sederhana: klasifikasi, regresi, rekomendasi)
Output (tampilan hasil ke pengguna)
Evaluasi (bagaimana mengukur keberhasilan? akurasi, waktu respons)
Contoh sistem AI sederhana untuk OTSM:Input: rekaman suara mesin 5 detik.Proses: ekstraksi fitur MFCC → perbandingan dengan database suara normal.Output: "Suara mesin normal" atau "Indikasi klep renggang".Evaluasi: uji coba dengan 10 rekaman suara riil.
C. Tugas Proyek
Judul Tugas:
"Rancang Solusi AI untuk Masalah di Jurusanmu dengan Design Thinking"
Format Output:
Satu lembar kerja yang diisi kelompok (3-4 orang). Boleh digambar/ditulis tangan atau digital.
Langkah Pengerjaan:
Tahap 1: Empathize & Define (15 menit)
Pilih satu masalah nyata di bengkel/sekolah/tempat praktik terkait jurusan.
Tulis POV (Point of View): "Pengguna [siapa] membutuhkan [kebutuhan] karena [insight]".
Contoh OTSM: Montir motor membutuhkan cara cepat mendeteksi kerusakan busi hanya dari suara karena suara motor sering tertutup kebisingan.
Tahap 2: Ideate (10 menit)
Minimal 3 ide solusi AI. Pilih satu yang paling memungkinkan.
Tentukan jenis AI (klasifikasi, rekomendasi, deteksi objek, NLP, dll.)
Tahap 3: Prototype (20 menit)
Buat skenario penggunaan (user flow) dan sketsa antarmuka sederhana.
Jelaskan input → proses → output.
Tahap 4: Evaluasi (15 menit)
Gunakan 4 kriteria evaluasi konten AI pada output sistem yang dirancang.
Tulis kemungkinan bias dan cara mengatasinya.
Contoh Jawaban untuk Tiap Jurusan
Untuk TJKT:
Masalah: Helpdesk kewalahan menjawab pertanyaan konfigurasi VLAN.
Solusi AI: Chatbot berbasis LLM yang di-fine-tune dengan dokumen konfigurasi.
Evaluasi bias: Chatbot hanya mengacu pada satu vendor (misal Cisco) – solusi: tambah dataset dari Mikrotik, Huawei.
Untuk Tata Busana:
Masalah: Kesulitan memprediksi sisa kain dari pola jahit.
Solusi AI: CNN untuk segmentasi pola kain + rekomendasi tata letak.
Evaluasi bias: Model hanya dilatih kain katun – solusi: augmentasi data dengan kain wool, sutra.
Untuk Otomotif Sepeda Motor:
Masalah: Teknisi lupa jadwal perawatan berkala tiap tipe motor.
Solusi AI: Sistem reminder prediktif berdasarkan odometer + riwayat servis.
Evaluasi bias: Data servis didominasi motor matik – solusi: kumpulkan data motor bebek dan sport.
. Kesimpulan & Refleksi (5 menit di akhir)
AI bukanlah dewa, harus selalu dievaluasi.
Design Thinking memastikan sistem AI manusiawi dan relevan.
Selamat merancang! 🚀
