Guru SMKN Jateng Semarang Diajak Memahami “Bagaimana AI Diciptakan”, dari Data hingga Prediksi

SEMARANG — Kecerdasan artifisial atau artificial intelligence (AI) kini semakin dekat dengan kehidupan sehari-hari, termasuk dalam dunia pendidikan. Namun, memahami AI tidak cukup hanya dengan mengetahui cara menggunakan berbagai tools berbasis AI. Pemahaman mengenai bagaimana AI belajar, mengolah data, mengenali pola, hingga menghasilkan sebuah prediksi menjadi bagian penting agar teknologi tersebut dapat dimanfaatkan secara kritis dan bertanggung jawab.

Semangat tersebut menjadi latar belakang pelaksanaan kegiatan Berbagi Praktik Baik bertajuk “Bagaimana AI Diciptakan” yang digelar di Ruang AVA SMKN Jateng di Semarang, Jumat (14/8/2026). Kegiatan yang dimulai pukul 13.00 WIB tersebut diikuti oleh bapak dan ibu guru serta karyawan SMKN Jateng di Semarang.

Kegiatan dipandu oleh Maulana Muhammad Fathul Alim, S.Pd. sebagai pemateri. Melalui kegiatan tersebut, peserta tidak hanya diperkenalkan pada istilah AI, tetapi juga diajak memahami proses sederhana yang terjadi di balik kemampuan sebuah sistem AI dalam menghasilkan keputusan atau prediksi.

Pada awal kegiatan, peserta memperoleh pengantar mengenai konsep dasar kecerdasan artifisial dan machine learning. Materi disampaikan dengan pendekatan sederhana agar konsep yang secara teknis cukup kompleks dapat dipahami oleh peserta dari berbagai latar belakang bidang keahlian.

Maulana menjelaskan bahwa kemampuan AI dalam menghasilkan sebuah keputusan tidak muncul begitu saja. Di balik sebuah sistem AI terdapat proses pembelajaran yang memanfaatkan data. Data menjadi bahan yang digunakan sistem untuk mengenali pola sebelum pola tersebut digunakan dalam menghasilkan prediksi.

“AI pada dasarnya membutuhkan data untuk belajar mengenali pola. Dari data tersebut dilakukan proses training, kemudian terbentuk model yang dapat digunakan untuk menghasilkan prediksi,” jelas Maulana Muhammad Fathul Alim dalam pemaparannya.

Penjelasan tersebut kemudian dikembangkan melalui sebuah praktik langsung yang membuat peserta dapat melihat proses pembelajaran AI secara lebih konkret. Peserta diajak menggunakan AI for Oceans yang dikembangkan oleh Code.org, sebuah aktivitas pembelajaran yang memperkenalkan konsep machine learning melalui proses pengenalan gambar.

Dalam praktik tersebut, peserta ditempatkan seolah-olah menjadi “guru” bagi sebuah AI. Mereka memberikan contoh dengan memberi label pada berbagai gambar untuk membedakan mana yang termasuk ikan dan mana yang bukan ikan. Contoh-contoh tersebut kemudian menjadi data yang digunakan untuk melatih AI.

Aktivitas sederhana itu membuat peserta dapat melihat bahwa kemampuan AI sangat berkaitan dengan contoh yang diberikan. Semakin jelas dan relevan contoh yang digunakan dalam proses pembelajaran, semakin baik pula peluang model untuk mengenali pola pada data baru. Sebaliknya, contoh yang kurang tepat dapat memengaruhi kemampuan AI dalam melakukan prediksi.

Peserta kemudian mengamati bagaimana AI menggunakan hasil pembelajaran dari contoh-contoh sebelumnya untuk memberikan prediksi terhadap gambar yang belum pernah dilihat. Dengan demikian, konsep yang sebelumnya disampaikan secara teoritis menjadi pengalaman belajar yang dapat diamati secara langsung.

Melalui praktik tersebut, peserta diperkenalkan pada alur sederhana pembelajaran AI, yakni Data → Training → Model → Prediksi. Rangkaian tersebut menjadi gambaran dasar mengenai bagaimana sebuah sistem machine learning memanfaatkan data untuk membentuk kemampuan melakukan prediksi.

“Dalam kegiatan ini peserta diajak melihat bahwa AI tidak sekadar memberikan jawaban. Ada proses pembelajaran dari data di belakangnya. Karena itu, kita perlu memahami dari mana data berasal dan bagaimana data tersebut memengaruhi hasil yang diberikan AI,” kata Alim saat menjelaskan tujuan praktik kepada peserta.

Pendekatan praktik langsung juga memberikan ruang bagi peserta untuk melakukan eksperimen. Peserta tidak hanya mengikuti contoh yang telah disediakan, tetapi juga diajak mencoba memberikan data atau contoh yang kurang tepat. Dari percobaan tersebut, peserta dapat mengamati perubahan hasil prediksi yang dihasilkan AI.

Eksperimen tersebut menjadi pintu masuk untuk membahas salah satu persoalan penting dalam penggunaan AI, yakni bias dan kesalahan prediksi. Peserta diajak memahami bahwa AI dapat menghasilkan keputusan yang kurang tepat apabila data yang digunakan untuk melatihnya tidak memadai, tidak beragam, atau mengandung pola tertentu yang menyebabkan model mengambil kesimpulan yang keliru.

Pemahaman tersebut dinilai penting bagi pendidik karena penggunaan AI di lingkungan pendidikan terus berkembang. Guru dan tenaga kependidikan tidak hanya berhadapan dengan berbagai aplikasi AI yang dapat membantu pekerjaan, tetapi juga perlu memiliki kemampuan untuk menilai hasil yang diberikan oleh teknologi tersebut.

Dalam konteks pembelajaran, kemampuan memahami cara AI bekerja dapat membantu guru bersikap lebih kritis ketika menggunakan teknologi. Jawaban yang dihasilkan AI tidak serta-merta dapat dianggap benar hanya karena disampaikan dengan bahasa yang meyakinkan. Hasil AI tetap perlu diperiksa, dibandingkan dengan sumber yang relevan, dan dinilai berdasarkan konteks penggunaannya.

“Yang penting bukan hanya bagaimana menggunakan AI, tetapi juga memahami mengapa AI bisa menghasilkan jawaban tertentu dan mengapa AI bisa melakukan kesalahan. Di sinilah peran manusia tetap penting untuk melakukan evaluasi,” ujar Maulana.

Kegiatan Berbagi Praktik Baik tersebut sekaligus menjadi ruang refleksi bagi peserta mengenai perubahan peran manusia di tengah perkembangan teknologi kecerdasan artifisial. AI dapat membantu manusia mengolah informasi dan menyelesaikan berbagai pekerjaan, tetapi kualitas hasilnya tetap berkaitan erat dengan kualitas data, proses pembelajaran, serta bagaimana manusia menggunakan dan mengevaluasi teknologi tersebut.

Melalui pendekatan yang interaktif, peserta memperoleh pengalaman bahwa konsep AI sebenarnya dapat dipelajari melalui aktivitas sederhana dan dekat dengan kehidupan. Proses memberi contoh, melakukan pelatihan, mengamati hasil, kemudian mengevaluasi kesalahan menjadi pengalaman yang membantu peserta memahami prinsip dasar machine learning tanpa harus terlebih dahulu menguasai pemrograman yang kompleks.

Bagi dunia pendidikan, pemahaman semacam ini menjadi semakin relevan. Perkembangan AI menghadirkan peluang untuk mendukung pembelajaran, administrasi, pencarian informasi, hingga pengembangan berbagai bentuk kreativitas. Di sisi lain, perkembangan tersebut juga menghadirkan tantangan berupa kebutuhan untuk memastikan penggunaan teknologi dilakukan secara bijak dan tetap menempatkan manusia sebagai pengendali proses pengambilan keputusan.

Kegiatan “Bagaimana AI Diciptakan” menunjukkan bahwa pengenalan AI kepada pendidik tidak harus dimulai dari pembahasan teknologi yang rumit. Konsep dapat diperkenalkan melalui pengalaman sederhana yang memungkinkan peserta melihat sendiri hubungan antara data, proses training, model, dan prediksi.

Dengan pengalaman tersebut, guru dan karyawan SMKN Jateng di Semarang diharapkan tidak berhenti pada kemampuan menjadi pengguna berbagai aplikasi AI. Lebih dari itu, mereka dapat membangun pemahaman kritis mengenai cara kerja teknologi, mengenali kemungkinan kesalahan, mempertanyakan kualitas data, serta menyadari pentingnya evaluasi manusia dalam setiap pemanfaatan AI.

Pada akhirnya, kegiatan berbagi praktik baik ini menegaskan bahwa literasi AI bukan semata-mata tentang kemampuan menggunakan teknologi terbaru. Literasi AI juga menyangkut kemampuan memahami proses di balik teknologi tersebut. Ketika pendidik memahami bagaimana AI belajar dari data dan mengapa sebuah prediksi dapat benar atau salah, pemanfaatan AI di lingkungan pendidikan dapat dilakukan dengan lebih sadar, kritis, dan bertanggung jawab.

Melalui kegiatan yang berlangsung di Ruang AVA SMKN Jateng di Semarang tersebut, peserta mendapatkan pengalaman langsung untuk mengenal AI dari sisi yang lebih mendasar. Bukan sekadar melihat AI sebagai sebuah alat yang mampu menghasilkan jawaban, melainkan memahami bahwa di balik kemampuan tersebut terdapat data, proses pembelajaran, model, prediksi, sekaligus kemungkinan kesalahan yang tetap membutuhkan penilaian manusia.