Perangkat Ajar Deep Learning Koding & KA ( AI ) Kelas 10 Terbaru TA 2026/2027

Perangkat Ajar Deep Learning Koding & KA ( AI ) Kelas 10 Terbaru TA 2026/2027

• 1.
  BUTUH FILE LENGKAP SILAKANWA 0853-8611-7714 MODUL AJAR KURIKULUM MERDEKA (Deep Learning) Nama Sekolah : ................................................ Nama Penyusun : ................................................ NIP : ................................................ Mata pelajaran : Koding Dan Kecerdasan Artifisial (KKA) Fase E, Kelas / Semester : X (Sepuluh) / I (Ganjil)
• 2.
  BUTUH FILE LENGKAP SILAKANWA 0853-8611-7714 MODUL AJAR DEEP LEARNING MATA PELAJARAN : KODING DAN KECERDASAN ARTIFISIAL BAB 1 : BERPIKIR KOMPUTASIONAL A. IDENTITAS MODUL Nama Sekolah : ...................................................... Nama Penyusun : ...................................................... Mata Pelajaran : Koding dan Kecerdasan Artifisial Kelas / Fase / Semester : X / E / 1 (Ganjil) Alokasi Waktu : 18 JP (6 kali pertemuan) Tahun Pelajaran : 20.. / 20.. B. IDENTIFIKASI KESIAPAN PESERTA DIDIK ● Pengetahuan Awal: Peserta didik telah mengalami permasalahan sehari-hari namun belum terbiasa membedakan antara masalah sederhana dan masalah kompleks, serta belum memahami struktur penyelesaian masalah secara komputasional. ● Minat: Peserta didik tertarik pada penggunaan teknologi sehari-hari seperti aplikasi peta digital dan media sosial. ● Latar Belakang: Beragam, sebagian peserta didik mungkin sudah terbiasa dengan logika dasar, sementara yang lain masih mengandalkan intuisi. ● Kebutuhan Belajar: ○ Visual: Membutuhkan diagram alur, peta konsep, dan ilustrasi graf (node/edge) untuk memahami rute. ○ Auditori: Membutuhkan diskusi kelompok dan penjelasan verbal mengenai studi kasus. ○ Kinestetik: Membutuhkan aktivitas simulasi fisik (roleplay) atau praktik langsung membuat skema penyelesaian masalah. C. KARAKTERISTIK MATERI PELAJARAN ● Jenis Pengetahuan yang Akan Dicapai: ○ Konseptual: Pengertian Berpikir Komputasional (Dekomposisi, Pengenalan Pola, Abstraksi, Algoritma), Masalah Kompleks, Integrasi AI (Perception, Representation, Reasoning, Learning). ○ Prosedural: Langkah-langkah analisis masalah menggunakan "5 Whys", simulasi pencarian rute tercepat, dan perancangan solusi berbasis data. ● Relevansi dengan Kehidupan Nyata Peserta Didik: Materi ini langsung diterapkan untuk memecahkan masalah keseharian seperti kemacetan, manajemen waktu, dan pengelolaan sampah di sekolah. ● Tingkat Kesulitan: Menengah (membutuhkan logika analisis). ● Struktur Materi: Dimulai dari definisi masalah kompleks, empat pilar berpikir komputasional, hingga integrasinya dengan cara kerja Kecerdasan Artifisial (AI). ● Integrasi Nilai dan Karakter: Melatih ketelitian, berpikir kritis dalam memilah informasi, dan kepedulian terhadap masalah lingkungan sekitar.
• 3.
  BUTUH FILE LENGKAP SILAKANWA 0853-8611-7714 D. DIMENSI PROFIL LULUSAN ● Keimanan dan Ketakwaan terhadap Tuhan Yang Maha Esa, dan Berakhlak Mulia: Menyadari bahwa akal pikiran adalah anugerah Tuhan yang harus digunakan untuk menyelesaikan masalah demi kemaslahatan bersama (etika solusi). ● Kewargaan: Berkontribusi memberikan solusi atas masalah sosial di lingkungan sekitar (misal: sampah atau kemacetan). ● Penalaran Kritis: Mampu menganalisis akar masalah menggunakan metode logis (seperti 5 Whys) dan mengevaluasi validitas solusi. ● Kreativitas: Menghasilkan alternatif solusi yang inovatif dalam menyelesaikan masalah kompleks. ● Kolaborasi: Bekerja sama dalam tim untuk membedah masalah besar menjadi bagian- bagian kecil yang dapat dikerjakan bersama. ● Kemandirian: Mampu mengidentifikasi masalah pribadi (seperti penurunan nilai akademik) dan merancang strategi perbaikan mandiri. ● Kesehatan: Memahami manajemen stres dengan mengurai masalah kompleks agar tidak membebani pikiran (kesehatan mental). ● Komunikasi: Mampu mempresentasikan rancangan algoritma solusi kepada orang lain dengan runtut dan jelas.
• 4.
  BUTUH FILE LENGKAP SILAKANWA 0853-8611-7714 DESAIN PEMBELAJARAN A. CAPAIAN PEMBELAJARAN (CP) Pada akhir Fase E, murid memiliki kemampuan sebagai berikut.  Berpikir Komputasional Menerapkan berpikir komputasional untuk memecahkan permasalahan sehari-hari yang kompleks..  Literasi Digital Menerapkan produksi dan diseminasi konten digital dalam bentuk sajian multimedia.  Algoritma Pemrograman Membandingkan beberapa algoritma dan menerapkan algoritma pemrograman untuk menghasilkan aplikasi..  Analisis Data Memahami konsep dasar basis data dan menerapkan pengolahan data pada basis data.  Literasi dan Etika Kecerdasan Artifisial Memahami bagaimana KA mengenali pola citra dan suara, dan memahami profesi di bidang KA; memahami bahwa manusia harus memikul tanggung jawab etika dan hukum atas penggunaan KA sehingga pada kondisi tertentu pengambilan keputusan tidak sepenuhnya diserahkan pada KA..  Pemanfaatan dan Pengembangan Kecerdasan Artifisial Menerapkan prompt engineering pada KA generatif, mengevaluasi konten berbasis KA, dan memahami AI system design melalui proses design thinking. B. LINTAS DISIPLIN ILMU ● Matematika: Logika graf, perhitungan bobot/jarak dalam penentuan rute. ● Bahasa Indonesia: Kemampuan menyusun teks prosedur (algoritma) yang logis. ● Geografi: Pemahaman peta dan lokasi untuk simulasi rute. C. TUJUAN PEMBELAJARAN ● Pertemuan 1: Memahami konsep masalah kompleks vs sederhana dan menerapkan Dekomposisi. (3 JP) ● Pertemuan 2: Menerapkan Pengenalan Pola dan Abstraksi dalam analisis akar masalah. (3 JP) ● Pertemuan 3: Menyusun Algoritma solusi yang sistematis untuk masalah sehari-hari. (3 JP) ● Pertemuan 4: Mensimulasikan penyelesaian masalah rute tercepat menggunakan prinsip graf dan bobot. (3 JP) ● Pertemuan 5: Memahami integrasi AI dalam berpikir komputasional (Perception & Data Representation). (3 JP) ● Pertemuan 6: Menerapkan integrasi AI (Reasoning & Learning) serta menyajikan solusi masalah kompleks. (3 JP) D. INDIKATOR KETERCAPAIAN TUJUAN PEMBELAJARAN 1. Peserta didik mampu membedakan karakteristik masalah sederhana dan masalah
• 5.
  BUTUH FILE LENGKAP SILAKANWA 0853-8611-7714 kompleks. 2. Peserta didik mampu memecah masalah besar menjadi sub-masalah (dekomposisi). 3. Peserta didik mampu menggunakan teknik "5 Whys" untuk menemukan akar masalah. 4. Peserta didik mampu menyederhanakan informasi dengan membuang detail tidak relevan (abstraksi). 5. Peserta didik mampu menyusun langkah-langkah logis (algoritma) penyelesaian masalah. 6. Peserta didik mampu menjelaskan empat tahapan integrasi AI (Perception, Representation, Reasoning, Learning) dalam konteks berpikir komputasional. E. TOPIK PEMBELAJARAN KONTEKSTUAL Mengangkat studi kasus nyata di lingkungan sekolah seperti: Antrean di kantin, manajemen sampah, rute berangkat sekolah, dan strategi belajar efektif. F. KERANGKA PEMBELAJARAN PRAKTIK PEDAGOGIK ● Model Pembelajaran: Problem Based Learning (PBL). ● Pendekatan: Deep Learning (Mindful, Meaningful, Joyful Learning). ○ Mindful Learning: Mengajak siswa menyadari proses berpikir mereka sendiri (metakognisi) saat menghadapi masalah. ○ Meaningful Learning: Mengaitkan konsep abstrak (seperti algoritma graph) dengan aplikasi nyata (Google Maps/Waze). ○ Joyful Learning: Menggunakan simulasi peran dan teka-teki logika yang menyenangkan. ● Metode Pembelajaran: Diskusi kelompok, observasi lingkungan, studi kasus, presentasi. ● Strategi Pembelajaran Berdiferensiasi: ○ Diferensiasi Konten: Menyediakan materi tambahan berupa video visualisasi graf bagi siswa visual, dan teks naratif bagi siswa verbal. ○ Diferensiasi Proses: Kelompok dengan kemampuan tinggi menganalisis masalah yang lebih abstrak (sistem AI), kelompok lain menganalisis masalah konkret (kantin/sampah). ○ Diferensiasi Produk: Hasil analisis masalah boleh disajikan dalam bentuk diagram (flowchart), narasi tulis, atau presentasi lisan. KEMITRAAN PEMBELAJARAN ● Lingkungan Sekolah: Kantin, perpustakaan, dan area pengelolaan sampah sebagai objek observasi. ● Lingkungan Luar Sekolah/Masyarakat: Orang tua (diskusi rute ke sekolah). ● Mitra Digital: Aplikasi peta digital (Google Maps/Waze) sebagai alat bantu simulasi. LINGKUNGAN BELAJAR ● Ruang Fisik: Pengaturan meja berkelompok untuk diskusi (U-shape atau clusters). ● Ruang Virtual: Google Classroom/LMS untuk mengumpulkan hasil analisis digital. ● Budaya Belajar: Membiasakan bertanya "Mengapa?" (Critical Thinking) dan menghargai ide solusi teman (Empathy).