SRIPOKU.COM - Inilah contoh soal esai sumatif akhir semester 2 Koding dan Kecerdasan Artifisial Kelas 6 SD Kurikulum Merdeka lengkap kunci jawaban yang dikutip melalui YouTube Buyung Andis.

Latihan soal esai Sumatif Akhir Semester (SAS) Koding dan Kecerdasan Artifisial Kelas 6 SD ini dirancang untuk melatih kemampuan berpikir kritis siswa, khususnya pada materi Kecerdasan Artifisial (KA), etika teknologi, dan penerapannya dalam kehidupan sehari-hari.

Baca juga: Soal SAS PAI Kelas 6 SD Semester 2 Kurikulum Merdeka Tahun 2026 Lengkap Jawaban, Latihan Terbaru

SOAL

1. Jelaskan tujuan utama dan tertinggi dari pengembangan Kecerdasan Artifisial, dan mengapa tujuan ini harus dipegang sebagai fondasi etika oleh setiap penggunanya!

Jawaban :

Tujuan Utama: Tujuan tertinggi dari penciptaan dan pengembangan KA adalah untuk membantu dan melayani umat manusia serta meningkatkan kesejahteraan manusia.

Fondasi Etika: Tujuan ini harus menjadi fondasi etika karena KA adalah kekuatan besar. Jika KA digunakan untuk merugikan, menyakiti, atau menciptakan ketidakadilan, maka tujuan utamanya (kesejahteraan manusia) akan gagal total. Oleh karena itu, prinsip seperti Empati dan Jangan Menyakiti sangat wajib dipegang teguh untuk memastikan KA selalu diarahkan untuk kebaikan.

Baca juga: Latihan Soal SAS Koding dan Kecerdasan Artifisial Kelas 6 SD Semester 2 Kurikulum Merdeka Tahun 2026

2. Bayangkan sebuah aplikasi pinjaman online menggunakan KA untuk memutuskan siapa yang berhak menerima pinjaman. Jika aplikasi ini selalu menolak pendaftar dari wilayah tertentu karena data historis menunjukkan masyarakat di sana sering terlambat membayar, mengapa hal ini termasuk Bias Algoritma? Dan sebutkan solusi utama untuk mengatasi masalah ini!

Jawaban :

Penyebab Bias Algoritma: Kasus penolakan di wilayah tertentu ini termasuk Bias Algoritma karena KA dilatih dengan data yang tidak adil atau berat sebelah (bias). Keputusan KA bukan berdasarkan kelayakan individu pendaftar, melainkan berdasarkan stereotip atau pola masa lalu yang diskriminatif terhadap seluruh kelompok wilayah tersebut.

Solusi Utama: Memastikan Keadilan Data. Pengembang harus menggunakan data yang lebih beragam dan adil saat melatih KA, serta memasukkan faktor-faktor lain (selain lokasi) yang lebih relevan dan tidak bias dalam model keputusannya.

3. Bayangkan Anda ingin melatih KA untuk mengenali apakah sebuah video berisi "kegiatan olahraga" atau "kegiatan memasak". Jelaskan mengapa Anda harus memastikan Variasi Luas dalam data latih video tersebut!

Jawaban :

Pentingnya Variasi Luas:

Sistem harus memastikan Variasi Luas agar KA tidak hanya "menghafal" data yang ada, tetapi benar-benar mengenali pola umum dari kegiatan tersebut.

Contoh Variasi: Video olahraga harus mencakup berbagai jenis olahraga (sepak bola, renang, basket), dan video memasak harus mencakup berbagai jenis masakan (memotong, mengaduk, menggoreng) dan pencahayaan yang berbeda. Jika tidak, KA mungkin hanya mengenali "memasak" jika hanya ada adegan mengaduk di dapur terang.

4. Jelaskan tiga proses utama yang harus dilalui oleh model KA yang andal sebelum bisa disebut sebagai Model KA Produksi (siap digunakan)!

Jawaban :

Tiga Proses Utama Pengembangan Model KΑ:

1) Pelatihan (Training): Model belajar dari ribuan atau jutaan data input yang berlabel (Kualitas Tinggi, Jumlah Banyak, Variasi Luas) untuk mengenali pola.

2) Pengujian (Testing): Model diuji kemampuannya dengan data baru (yang belum pernah dilihat) untuk melihat seberapa akurat prediksinya.

3) Validasi (Validation): Model diuji kembali dengan data yang berbeda untuk memastikan ia tidak hanya "menghafal" data latih. Jika hasilnya baik, ia siap menjadi Model KA Produksi.

5. Bayangkan Anda menciptakan KA yang menggunakan kamera untuk membantu robot memilah sampah botol plastik. Jelaskan bagaimana Kamera dan Jaringan Saraf Tiruan bekerja sama dalam sistem KA ini!

Jawaban :

Kerja Sama Kamera dan Jaringan Saraf Tiruan:

Kamera: Berfungsi sebagai "mata" atau sensor untuk KA. Kamera menangkap data visual botol plastik (warna, bentuk, tekstur, kondisi) dan mengubahnya menjadi data digital.

Jaringan Saraf Tiruan (JST): Data visual dari kamera dikirim ke JST (otak buatan KA). JST memproses data ini, membandingkan ciri-ciri yang masuk dengan pola botol plastik yang telah dilatih, dan memutuskan (mengklasifikasi) apakah itu "Botol Plastik" atau bukan. Keputusan JST inilah yang kemudian mengaktifkan lengan robot pemilah.