Kunci Jawaban Koding dan Kecerdasan Artifisial Kelas 7 Halaman 141 142 143 : Aktivitas 1

3. Langkah Ketiga

Klik tulisan "Class 1" lalu tuliskan nama yang sesuai untuk kategori data pertama. Lalu, mulailah mengambil foto data tersebut dengan mengklik tombol "Webcam". Lanjutkan dengan data berikutnya pada bagian "Class 2". Setelah selesai pengambilan data, klik tombol "Train Model" untuk mengajarkan foto-foto tadi ke sistem komputer. Jika komputer sudah selesai mempelajari data yang diberikan, maka di bagian Preview, kalian bisa mencoba menguji hasil belajar komputer.

Setelah melakukan langkah-langkah di atas, tugas kalian adalah mengamati dan mencatat fungsi dari setiap bagian utama pada Teachable Machine. Cobalah mengelompokkan contoh gambar dalam dua atau tiga kelas berbeda, misalnya “Pensil” dan “Buku”. Rekamlah beberapa gambar untuk setiap kelas dari berbagai sudut dan jarak agar komputer bisa belajar dengan lebih baik. Setelah itu, latih model kalian dan uji dengan menunjukkan objek baru ke kamera. Catatlah hasil pengujian, apakah komputer berhasil mengenali objek dengan benar? Objek mana yang paling mudah dikenali dan mana yang paling sulit?

Setelah selesai, diskusikan bersama teman sekelompok tentang pengalaman kalian dengan menjawab pertanyaan berikut.

1. Apa tantangan yang kalian hadapi saat melatih model? Bagaimana kalian mengatasinya?
2. Menurut kalian, apa saja kelebihan dan kekurangan Teachable Machine sebagai alat belajar tentang KA?
3. Tuliskan refleksi kalian di buku catatan, kemudian siapkan cerita singkat untuk dibagikan di kelas!

Melalui aktivitas ini, kalian akan merasakan mudahnya mengajarkan komputer mengenali pola, serta pentingnya data yang beragam dan berkualitas untuk mendapatkan hasil terbaik. Selamat bereksperimen dan jadilah pengembang KA masa depan!

Kunci Jawaban: 

Hasil Pengujian

• Objek yang Diuji : Pensil
  Prediksi Model : Pensil
  Benar/Salah : Benar
  Tingkat Keyakinan Model : 95 persen 
  Catatan/Komentar : Mudah dikenali
• Objek yang Diuji : Buku
  Prediksi Model : Pensil
  Benar/Salah : Salah
  Tingkat Keyakinan Model : 60 persen
  Catatan/Komentar : Latar belakang ramai
• Objek yang Diuji : Buku
  Prediksi Model : Buku
  Benar/Salah : Benar
  Tingkat Keyakinan Model : 88 persen
  Catatan/Komentar : Sudut berbeda

Analisis Singkat: Model paling mudah mengenali pensil karena contoh yang diberikan sangat jelas dan bervariasi. Model kesulitan mengenali buku pada kondisi cahaya redup dan latar belakang ramai.

Diskusi:

1. Apa tantangan yang kalian hadapi saat melatih model? Bagaimana kalian mengatasinya?

Tantangan:

• Komputer kadang gagal mengenali objek jika foto kurang jelas atau sudutnya berbeda-beda.
• Pencahayaan yang berbeda membuat model sulit membedakan objek.

Cara mengatasinya:

• Mengambil banyak foto dari berbagai sudut dan jarak.
• Memastikan pencahayaan cukup dan latar belakang sederhana agar objek lebih jelas.
• Menambahkan lebih banyak variasi data agar model belajar lebih baik.

2. Menurut kalian, apa saja kelebihan dan kekurangan Teachable Machine sebagai alat belajar tentang KA?

Kelebihan:

• Mudah digunakan, bahkan bagi pemula.
• Bisa melatih komputer mengenali gambar tanpa menulis kode.
• Hasilnya bisa langsung diuji secara real-time melalui webcam.

Kekurangan:

• Akurasi model tergantung pada kualitas dan jumlah data.
• Tidak bisa melakukan pengenalan objek yang kompleks tanpa data tambahan.
• Hanya cocok untuk eksperimen sederhana, bukan sistem kecerdasan buatan profesional.

3. Tuliskan refleksi kalian di buku catatan, kemudian siapkan cerita singkat untuk dibagikan di kelas!

Contoh refleksi: