Koding dan Kecerdasan Artifisial

Table of Contents

Koding merupakan tindakan dalam menerjemahkan keinginan (intentions) manusia ke dalam format yang dapat dimengerti komputer melalui bahasa pemrograman (McConnell, 2004). Koding juga mengacu pada salah satu praktik pemrograman atau pemberian instruksi kepada komputer (misalnya, robot, chip, perangkat kecil), yang menerapkan solusi yang dikembangkan melalui pemikiran komputasi. Walaupun pemrograman dan koding memiliki cakupan yang berbeda, namun dalam beberapa artikel pembelajaran koding untuk sekolah, dua istilah tersebut sering digunakan bergantian dan dilihat sebagai sinonim (Mills dkk., 2024).

Pembelajaran koding dapat dilakukan dengan beberapa metode, seperti plugged coding yang menggunakan perangkat komputer dan perangkat lunak; unplugged coding yang mengajarkan konsep pemrograman tanpa menggunakan komputer melalui aktivitas fisik atau game; dan internet-based coding yang memungkinkan pembelajaran melalui platform daring interaktif melalui koneksi internet (Resnick dkk., 2009; Grover & Pea, 2018). Berdasarkan konsep tersebut, maka koding dapat dipahami sebagai praktik pemrograman perangkat komputasi dengan melibatkan kemampuan berpikir komputasional dan algoritma secara internet-based, plugged, dan unplugged.

Kecerdasan Artifisial

Para ahli mendefinisikan KA secara berbeda-beda, tergantung dari sudut pandang masing-masing. Kaplan & Haenlein (2019) mendefinisikan KA sebagai kemampuan sistem untuk dapat menginterpretasikan data eksternal dengan benar, belajar dari data tersebut, dan menggunakan pembelajaran tersebut untuk mencapai tujuan dan tugas tertentu. Menurut Poole & Mackworth (2010), KA dipahami sebagai bidang studi yang mempelajari sintesis dan analisis dari agen komputasional (computational agent) yang dapat bertindak secara cerdas. Russel & Norvig (2010) mendefinisikan KA sebagai studi mengenai agen cerdas yang dapat menerima persepsi lingkungan dan melakukan tindakan. Agen dapat berpikir seperti manusia (thinking humanly), bertindak seperti manusia (acting humanly), berpikir rasional (thinking rationally), dan bertindak rasional (acting rationally). Dalam hal ini, kecerdasan artifisial merujuk kepada bidang dalam ilmu komputer yang berfokus pada pengembangan sistem yang mampu menjalankan tugas-tugas yang biasanya membutuhkan kecerdasan manusia, seperti pengenalan pola, pengambilan keputusan, dan pemrosesan bahasa alami. 

Dalam perkembangannya, KA mencakup berbagai subbidang, seperti pembelajaran mesin (machine learning), pembelajaran mendalam (deep learning), KA generatif, dan model bahasa besar (large language models). Machine Learning berfokus pada pembelajaran sistem dari data tanpa melakukan pemrograman secara eksplisit. Deep Learning menggunakan jaringan syaraf tiruan dengan banyak lapisan mendalam untuk mempelajari pola dari data yang jumlahnya banyak dan dapat digunakan untuk menyelesaikan beberapa tugas kompleks, seperti klasifikasi gambar, deteksi objek, dan segmentasi gambar. Pada 2017, perkembangan KA mengarah kepada KA generatif, di mana model KA dapat menghasilkan teks, gambar, dan suara baru berdasarkan pola yang dipelajari dari data latih yang sudah ada. Model KA generatif yang saat ini sedang berkembang adalah Large Language Models (LLMs), di mana model ini mampu memahami dan menghasilkan teks dengan tingkat kualitas yang mendekati manusia sehingga membuka berbagai peluang dalam bidang pendidikan dan penelitian. Cakupan KA secara visual dapat dilihat pada gambar di atas. Dalam konteks pendidikan, KA diposisikan sebagai sistem atau teknologi yang bertujuan untuk meningkatkan kualitas proses pembelajaran. Dalam proses pembelajaran, KA dapat digunakan untuk personalisasi sesuai kebutuhan belajar peserta didik. Namun, selain diposisikan sebagai teknologi pendukung, pemahaman, pemanfaatan, dan pengembangan KA dapat diposisikan sebagai materi pembelajaran pada berbagai jenjang pendidikan. Pembelajaran Koding dan KA akan dijelaskan pada bagian berikut.