Konsep AI dan Machine Learning: Studi Kasus dan Lembar Kerja
Pelajari AI, Machine Learning, Pandas, dan scikit-learn melalui prediksi nilai ujian, studi kasus pembanding, diskusi, serta LK tiga halaman yang dapat disimpan siswa.

Bagaimana komputer mengenali gambar, memahami teks, atau memperkirakan nilai dari data? Pada diskusi ini kita mempelajari konsep AI dan Machine Learning, mengenal Pandas serta scikit-learn, lalu mencoba studi kasus prediksi nilai ujian berdasarkan jam belajar.
Tujuan pembelajaran
Menjelaskan hubungan AI, Machine Learning, Deep Learning, dan LLM.
Membedakan dataset, fitur, target, model, training, serta testing.
Memilih jenis pembelajaran sesuai masalah dan data.
Mengolah tabel sederhana dengan Pandas dan melatih Linear Regression.
Menafsirkan prediksi beserta keterbatasannya dan menyampaikan argumen melalui forum.
1. Apa itu AI dan Machine Learning?
Kecerdasan artifisial atau Artificial Intelligence (AI) adalah bidang ilmu komputer yang mengembangkan sistem untuk melakukan tugas seperti pengenalan pola, pemahaman bahasa, dan pengambilan keputusan. Contohnya pengenalan wajah, asisten suara, penerjemahan bahasa, rekomendasi film, dan chatbot.
Machine Learning (ML) merupakan salah satu pendekatan di dalam AI: model mempelajari pola dari data. Deep Learning merupakan bagian dari ML yang menggunakan jaringan saraf berlapis. Large Language Model (LLM) adalah model berbasis deep learning yang berfokus pada bahasa. Hubungannya dapat dibaca sebagai AI mencakup ML, ML mencakup Deep Learning, dan LLM merupakan salah satu penerapan Deep Learning.
2. Komponen utama Machine Learning
Dataset: kumpulan contoh yang dipelajari atau dianalisis, seperti tabel menu kantin, buku perpustakaan, atau komentar siswa.
Fitur (X): masukan untuk model. Contoh: jam belajar, warna buah, atau representasi kata pada teks.
Target/label (y): keluaran yang ingin diprediksi pada supervised learning. Contohnya nilai ujian atau kategori buah.
Model: pola atau fungsi yang dipelajari dari data. Contohnya Decision Tree, Naive Bayes, KNN, dan Linear Regression.
Training: proses mempelajari hubungan atau struktur dalam data latihan.
Testing: pemeriksaan pada data yang tidak dipakai melatih untuk memperkirakan kemampuan model menghadapi contoh baru.
Jumlah data saja tidak menjamin hasil yang baik. Kualitas, keterwakilan, pemilihan fitur, dan cara pengujian turut menentukan apakah model berguna. Hindari memakai kolom yang membocorkan jawaban sebagai fitur.
3. Jenis pembelajaran
Supervised learning: data memiliki fitur dan target, misalnya prediksi nilai ujian atau kategori pesan.
Unsupervised learning: mencari struktur tanpa target berlabel, misalnya mengelompokkan menu kantin berdasarkan harga dan karakteristiknya.
Semi-supervised learning: menggabungkan sedikit data berlabel dengan banyak data tanpa label, misalnya koleksi komentar yang hanya sebagian kategorinya telah diperiksa.
Reinforcement learning: belajar memilih tindakan melalui interaksi dan reward, misalnya agen permainan yang belajar memperoleh skor.
Klasifikasi memprediksi kategori, sedangkan regresi memprediksi nilai numerik. Logistic Regression, meskipun namanya mengandung kata regression, lazim digunakan untuk klasifikasi.
4. Mengenal Pandas
Pandas membantu membaca dan membersihkan data tabel, merangkum statistik, serta menyiapkan fitur dan target. Series adalah struktur satu dimensi berlabel. DataFrame adalah tabel dua dimensi dengan baris dan kolom.
import pandas as pd
# Contoh Series
jam = pd.Series([1, 2, 3], index=["Andi", "Budi", "Citra"])
print(jam)
# Membaca tabel dari CSV jika berkasnya sudah diunggah
# df = pd.read_csv("jam-belajar-nilai-ujian.csv")
# print(df.head())
# df.info()
# print(df.describe())Periksa nilai kosong, tipe kolom, dan duplikasi sebelum melatih model. Perbaiki data dengan alasan yang jelas. Pemrosesan yang mempelajari parameter, seperti StandardScaler, perlu dipelajari dari data latihan agar informasi data uji tidak bocor.
5. Mengenal scikit-learn
Scikit-learn menyediakan algoritma ML dan alat pemrosesan data dengan pola penggunaan yang seragam: buat model, panggil fit untuk melatih, lalu predict untuk menghasilkan prediksi.
Klasifikasi: Logistic Regression, SVM, Random Forest, KNN, dan Naive Bayes.
Regresi: Linear Regression, Ridge/Lasso, Random Forest Regressor, dan SVR.
Clustering: K-Means, DBSCAN, dan Agglomerative Clustering.
Pengurangan dimensi: PCA dan teknik visualisasi seperti t-SNE. Pengurangan fitur tidak otomatis meningkatkan akurasi.
Penyiapan data: StandardScaler, MinMaxScaler, OneHotEncoder untuk fitur kategori, serta pemisahan data latihan dan uji.
Pilihan model mengikuti tujuan, karakteristik data, dan sumber daya. Tidak ada satu batas jumlah baris yang selalu menentukan apakah scikit-learn cocok.
6. Studi kasus utama: prediksi nilai ujian
Seorang guru ingin mempelajari hubungan jam belajar per hari dengan nilai ujian. Data contoh: Andi (1 jam, 50), Budi (2 jam, 60), Citra (3 jam, 65), Dedi (4 jam, 75), dan Eka (5 jam, 85). Fitur X adalah jam belajar. Target y adalah nilai ujian. Karena target berupa angka, masalah ini termasuk supervised learning untuk regresi.
Jalankan kode berikut di notebook Python atau Google Colab. Pada komputer lokal, siapkan paket pandas dan scikit-learn terlebih dahulu.
import pandas as pd
from sklearn.linear_model import LinearRegression
# Menyiapkan dataset contoh
df = pd.DataFrame({
"jam_belajar": [1, 2, 3, 4, 5],
"nilai_ujian": [50, 60, 65, 75, 85]
})
print(df.head())
print(df.describe())
# Memilih fitur dan target
X = df[["jam_belajar"]]
y = df["nilai_ujian"]
# Melatih model
model = LinearRegression()
model.fit(X, y)
# Melihat parameter dan melakukan prediksi
print("Slope:", model.coef_[0])
print("Intercept:", model.intercept_)
baru = pd.DataFrame({"jam_belajar": [6]})
print("Prediksi 6 jam:", model.predict(baru)[0])Pembahasan hasil
Model menghasilkan slope sekitar 8,5 dan intercept 41,5, sehingga persamaannya y = 8,5X + 41,5. Prediksi untuk 6 jam adalah 92,5. Slope positif menunjukkan kecenderungan nilai meningkat pada data contoh. Hubungan tersebut tidak membuktikan bahwa jam belajar menjadi satu-satunya penyebab nilai meningkat.
Enam jam berada di luar rentang latihan 1-5 jam, sehingga prediksi ini merupakan ekstrapolasi. Demikian pula, intercept 41,5 pada 0 jam merupakan keluaran garis model, bukan fakta tentang siswa yang tidak belajar. Lima contoh terlalu sedikit untuk menyimpulkan kemampuan model pada populasi siswa.
Praktik ini sengaja melatih seluruh lima baris untuk memahami mekanisme regresi. Belum ada data uji terpisah, sehingga jangan mengklaim akurasi model. Pengembangan berikutnya memerlukan lebih banyak data yang sesuai, pemisahan latihan dan uji, serta evaluasi seperti Mean Absolute Error (MAE). MAE adalah rata-rata selisih absolut antara nilai sebenarnya dan prediksi pada data uji.
7. Studi kasus pembanding
Klasifikasi pesan perpustakaan: kelompokkan pesan menjadi pertanyaan peminjaman, pengembalian, atau lokasi buku. Fitur berasal dari teks pesan, target berupa kategori. Solusinya mengumpulkan contoh berlabel, membagi data, mengubah teks menjadi representasi numerik, lalu melatih model seperti Naive Bayes atau Logistic Regression. Periksa kategori yang sering tertukar pada data uji.
Pengelompokan menu kantin: kelompokkan menu berdasarkan harga dan jumlah penjualan contoh. Tanpa label kelompok awal, pendekatan yang sesuai adalah clustering. Rapikan dan skalakan fitur sebelum mencoba K-Means. Kelompok yang dihasilkan perlu ditafsirkan dan tidak otomatis menunjukkan menu paling sehat atau paling baik.
8. Lembar kerja siswa
Kerjakan LK tiga halaman: identifikasi fitur dan target, jalankan kode, catat parameter, lalu analisis makna dan batas prediksi. Pertanyaan inti mengikuti LK pada materi, dengan tambahan pertanyaan tentang faktor lain dan pengujian model.
Unduh file PDF lembar kerja melalui tautan di atas, lalu kerjakan seluruh tugas dan pertanyaan di dalamnya. Setelah selesai, simpan hasil pekerjaan dalam format PDF dan unggah ke Google Drive Anda. Pastikan tautannya dapat dibuka oleh guru, kemudian kirim tautan Google Drive hasil pekerjaan beserta nama dan kelas pada kolom Tanggapan di bagian bawah halaman ini.
9. Diskusi di kolom tanggapan
Tulis hasil prediksi 6 jam dan jelaskan apa arti slope positif.
Apakah Anda akan langsung memakai model ini untuk menilai siswa nyata? Jelaskan keterbatasan datanya.
Sebutkan dua faktor lain yang mungkin memengaruhi nilai dan cara memperoleh data tanpa mencantumkan identitas pribadi siswa.
Usulkan satu perbaikan pengujian. Jelaskan perbedaan hasil pada data latihan dengan data uji.
Tanggapi satu pendapat teman secara sopan dengan alasan atau contoh yang relevan.
Gunakan data contoh untuk praktik. Kesimpulan diskusi harus membedakan hasil perhitungan, dugaan, dan hal yang masih perlu diuji.