Scribd
Unggah
551 tayangan2 halaman

Modul Ajar Deep Learning

Dokumen ini adalah RPP Modul Ajar Deep Learning untuk siswa SMA kelas X dalam mata pelajaran Informatika, dengan fokus pada koding dan kecerdasan artifisial. Tujuan pembelajaran mencakup identifikasi masalah sosial, pemahaman data dan AI, serta pengembangan solusi digital. Pembelajaran dilakukan dalam tiga pertemuan dengan pendekatan mindful, meaningful, dan joyful, serta melibatkan berbagai asesmen dan sumber belajar.

Diunggah oleh

See Sam
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
551 tayangan2 halaman

Modul Ajar Deep Learning

Dokumen ini adalah RPP Modul Ajar Deep Learning untuk siswa SMA kelas X dalam mata pelajaran Informatika, dengan fokus pada koding dan kecerdasan artifisial. Tujuan pembelajaran mencakup identifikasi masalah sosial, pemahaman data dan AI, serta pengembangan solusi digital. Pembelajaran dilakukan dalam tiga pertemuan dengan pendekatan mindful, meaningful, dan joyful, serta melibatkan berbagai asesmen dan sumber belajar.

Diunggah oleh

See Sam
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd

RPP Modul Ajar Deep Learning SMA (Fase E) - Informatika

Identitas - Satuan Pendidikan : SMA - Fase : E (Kelas X) - Mata Pelajaran :


Informatika - Alokasi Waktu : 6 JP (3 Pertemuan @2 JP) - Model
Pembelajaran : Pembelajaran Mendalam (Deep Learning) - Topik : Koding
dan Kecerdasan Artifisial (AI)

I. Tujuan Pembelajaran Setelah mengikuti pembelajaran, peserta didik


mampu: 1. Mengidentifikasi masalah sosial di lingkungan sekitar. 2.
Mendeskripsikan konsep dasar data dan kecerdasan artifisial. 3. Membuat
kode program sederhana untuk menganalisis data atau membuat solusi
digital. 4. Menyampaikan hasil analisis atau solusi secara komunikatif dan
etis.

II. Capaian Pembelajaran Peserta didik mampu: - Menerapkan algoritma


dan struktur data dasar dalam menyelesaikan masalah nyata. - Menjelaskan
penerapan kecerdasan artifisial dalam kehidupan sehari-hari. -
Mengembangkan solusi sederhana berbasis data atau AI. - Menunjukkan
sikap etis dan reflektif dalam penggunaan teknologi.

III. Langkah-Langkah Pembelajaran (Berbasis Deep Learning)


Pertemuan 1 (Mindful) - Kegiatan: Ice breaking, diskusi masalah sosial
(bullying, sampah, polusi), menonton video AI dalam kehidupan nyata. -
Tujuan: Membangun kesadaran, koneksi dengan kehidupan nyata. -
Asesmen: Pertanyaan terbuka, observasi antusiasme.
Pertemuan 2 (Meaningful) - Kegiatan: Pengenalan koding dasar
(Python/Scratch), pengumpulan dan eksplorasi data sederhana, eksplorasi AI
(Teachable Machine atau demo sederhana). - Tujuan: Pemahaman konsep
dan penguatan keterampilan. - Asesmen: Lembar kerja eksplorasi, penilaian
kode awal.
Pertemuan 3 (Joyful) - Kegiatan: Pengerjaan proyek mini (misal: chatbot,
grafik visualisasi data), presentasi hasil, refleksi bersama. - Tujuan:
Kolaborasi, kreativitas, pemaknaan personal. - Asesmen: Rubrik proyek,
presentasi, refleksi tertulis.
IV. Asesmen dan Instrumen - Format: Diagnostik, formatif, sumatif. -
Instrumen: Lembar observasi, rubrik coding, rubrik presentasi, jurnal refleksi.
- Indikator: Relevansi solusi, kreativitas, logika koding, komunikasi, etika.

V. Sumber Belajar & Alat - Google Teachable Machine, Scratch, Google


Colab - Dataset sederhana (CSV lokal, JSON) - Video AI pengantar, LKPD
proyek

VI. Penguatan Profil Pelajar Pancasila - Bernalar kritis, Kreatif, Mandiri,


Gotong royong, Berkebinekaan global

VII. Refleksi dan Tindak Lanjut - Refleksi guru dan siswa terhadap proses
dan hasil proyek. - Tindak lanjut: siswa diberi opsi mengembangkan proyek
lanjutan atau mengusulkan topik baru untuk eksplorasi lanjutan.

Anda mungkin juga menyukai