Kunci Jawaban Koding dan Kecerdasan Buatan Kelas 7 Halaman 155-159: Aktivitas 4

Industri teknologi kembali dihebohkan dengan kabar terbaru. Sorotan publik kali ini tertuju pada Kunci Jawaban Koding dan Kecerdasan Buatan Kelas 7 Halaman 155-159: Aktivitas 4 yang menawarkan spesifikasi menarik. Berikut ulasan lengkapnya.

Aktivitas 4: Projek Mini Kontrol Gim Sederhana dengan Pose

Dalam mata pelajaran Koding dan Kecerdasan Artifisial Kelas 7 SMP/MTs, peserta didik diajak untuk menjawab soal pada Aktivitas 4. Materi ini termasuk dalam Bab 4 Mengembangkan Sistem Kecerdasan Artifisial. Pada Aktivitas 4, guru memastikan perangkat komputer/laptop dengan kamera, akses internet, dan browser yang mendukung sudah siap digunakan setiap kelompok. Guru juga memperkenalkan peserta didik pada fitur "Pose Project" di Teachable Machine.

AIOTRADE

TRADING OTOMATIS 24 JAM NONSTOP yang MEMBELI OTOMATIS saat harga turun dan MENJUAL OTOMATIS saat harga naik di MARKET SPOT (bukan future/Bebas Margin Call), tersedia sekarang di Binance, Bitget, Tokocrypto, dan segera hadir di OKX serta Pasar SAHAM.

Daftar Sekarang Gabung WhatsApp

Jika dimungkinkan, platform Scratch dan ekstensi Playground RAISE MIT dapat digunakan. Materi ini terdapat dalam buku Koding dan Kecerdasan Artifisial untuk SMP/MTs Kelas VII oleh Indra Budi Aji dkk., yang diterbitkan oleh Kementerian Pendidikan Dasar dan Menengah Tahun 2025. Salah satu tugas dalam buku tersebut, yakni terletak di halaman 155-159: Aktivitas 4.

Agar siswa lebih mudah mengerjakan tugas dan memahami materi, berikut penjelasan mengenai Koding dan Kecerdasan Artifisial Kelas 7 Halaman 155-159.

Projek Mini: Kontrol Gim Sederhana dengan Pose

Pada aktivitas ini, kalian akan merancang dan melatih model pengenalan pose untuk mengendalikan sebuah permainan sederhana. Bersama kelompok kalian, tentukan beberapa pose utama yang akan digunakan sebagai kontrol gim, misalnya mengangkat satu tangan, kedua tangan di atas kepala, atau membungkuk ke samping. Setiap anggota kelompok akan melakukan dan merekam pose-pose tersebut menggunakan kamera laptop atau komputer, kemudian mengunggah hasilnya ke Teachable Machine.

Setelah semua data pose terkumpul, latih model KA hingga mampu mengenali setiap pose yang telah direkam. Uji model dengan melakukan pose baru yang belum pernah direkam untuk melihat seberapa baik KA mengenali gerakan yang berbeda. Selanjutnya, integrasikan model yang telah dilatih ke dalam sebuah gim sederhana, misalnya gim Scratch (menggunakan versi khusus yang sudah memiliki Extension Teachable Machine pada alamat ) sehingga setiap pose dapat digunakan untuk mengendalikan karakter di dalam permainan. Catat hasil pengujian dan diskusikan bersama kelompokmu, tantangan apa yang dihadapi saat merekam pose, bagaimana akurasi model, dan ide-ide untuk mengembangkan gim berbasis pose ini agar lebih menarik dan bermanfaat.

Langkah-langkah Pengerjaan Aktivitas

Langkah pertama
Buka alamat url di browser, lalu klik "Get Started" dan pilih "Pose Project".
Langkah kedua
Beri nama jenis "Pose Project", lalu rekam pose atau langsung unggah pose. Lakukan kembali langkah 1 dan 2 untuk pose yang lain. Klik "train model" dan klik "export model".
Langkah ketiga
Pastikan button "Upload (shareable link)" yang tersorot aktif. Lalu salin link yang muncul di bawah tulisan "Your shareable link".
Langkah keempat
Buka website di tab baru. Setelah itu, klik tombol "Add Extension" yang terletak paling kiri bawah.
Langkah kelima
Pilih ekstensi Teachable Machine dari daftar ekstensi yang muncul.
Langkah keenam
Dari sini, buatlah gim baru atau sebagaimana yang telah kamu buat sebelumnya di bab 1. Setelah itu, masukkan link model sebelumnya yang telah disalin ke kotak yang berisi tulisan "Paste URL here!". Kamu juga bisa menggunakan gim yang sudah tersedia dari link berikut .

Akhiri aktivitas dengan presentasi kelompok mengenai pengalaman, hasil yang diperoleh, serta refleksi tentang bagaimana teknologi pengenalan pose dapat diterapkan untuk membantu aktivitas sehari-hari di sekolah atau rumah. Melalui pengalaman ini, kalian akan memahami secara langsung bagaimana KA memproses dan mengenali gerakan tubuh, sekaligus mengasah kreativitas, kolaborasi, dan kemampuan problem solving.

Setelah menyelesaikan aktivitas ini, kalian siap melanjutkan materi berikutnya tentang menulis input bermakna (prompt engineering) untuk berinteraksi secara efektif dengan sistem KA.

Contoh Jawaban Aktivitas 4

(Contoh Laporan Peserta Didik)
Pose/Kelas : Tangan di Atas
Sumber Pose : Peserta didik 1
Hasil Prediksi Model : Tangan di Atas
Benar/Salah : Benar
Tantangan/Komentar : Mudah dikenali

Pose/Kelas : Melambaikan Tangan
Sumber Pose : Peserta didik 2
Hasil Prediksi Model : Merentangkan Tangan
Benar/Salah : Salah
Tantangan/Komentar : Variasi pose terlalu mirip

Pose/Kelas : Jongkok
Sumber Pose : Peserta didik 3
Hasil Prediksi Model : Jongkok
Benar/Salah : Benar
Tantangan/Komentar : Cahaya kurang dan sedikit delay

Analisis Singkat

Model mampu mengenali pose sederhana dengan baik apabila data rekaman cukup bervariasi. Namun, untuk pose yang memiliki kemiripan tinggi, model masih berpotensi melakukan kesalahan prediksi.

Saran

Perlu penambahan variasi data pose serta memastikan posisi tubuh, pencahayaan, dan latar belakang relatif konsisten agar akurasi model dapat meningkat.

Kesimpulan: Bagaimana pendapat Anda mengenai teknologi ini? Apakah layak ditunggu? Tuliskan opini Anda di kolom komentar di bawah.