1. SOAL ESSAY BAB 4 (50 SOAL)

A. Pemahaman Konsep

1. Jelaskan apa yang dimaksud dengan model gambar pada Google Teachable Machine!
2. Apa tujuan utama membuat model gambar sederhana?
3. Jelaskan perbedaan antara data training dan data testing!
4. Mengapa jumlah data training memengaruhi hasil model?
5. Apa yang dimaksud dengan kelas (class) dalam model gambar?
6. Mengapa setiap kelas harus memiliki data yang cukup?
7. Jelaskan fungsi kamera dalam Teachable Machine!
8. Apa yang terjadi saat tombol “Train Model” ditekan?
9. Mengapa pencahayaan penting saat mengambil data gambar?
10. Apa risiko jika data training tidak bervariasi?

B. Langkah-Langkah Praktik

11. Sebutkan langkah pertama dalam membuat model gambar!
12. Bagaimana cara menambahkan kelas baru?
13. Jelaskan cara mengambil gambar menggunakan webcam!
14. Berapa minimal data yang disarankan untuk tiap kelas?
15. Apa yang harus dilakukan setelah semua data terkumpul?
16. Jelaskan proses training model secara singkat!
17. Bagaimana cara menguji model yang sudah dibuat?
18. Apa yang dimaksud dengan prediksi?
19. Bagaimana cara mengetahui hasil prediksi?
20. Apa yang dilakukan jika hasil prediksi tidak akurat?

C. Analisis dan Pemahaman

21. Mengapa model bisa salah mengenali objek?
22. Apa pengaruh latar belakang terhadap model?
23. Bagaimana cara meningkatkan akurasi model?
24. Apa dampak jika data hanya berasal dari satu sudut?
25. Mengapa variasi ekspresi atau posisi penting?
26. Apa fungsi label pada setiap kelas?
27. Bagaimana cara memperbaiki model yang buruk?
28. Jelaskan hubungan antara jumlah data dan akurasi!
29. Apa perbedaan model sederhana dan kompleks?
30. Mengapa model perlu diuji sebelum digunakan?

D. Penerapan

31. Buatlah contoh proyek sederhana menggunakan model gambar!
32. Jelaskan langkah membuat model “senyum vs sedih”!
33. Bagaimana cara membuat model mengenali benda di kelas?
34. Buatlah ide aplikasi dari model gambar sederhana!
35. Bagaimana model gambar bisa digunakan di kehidupan sehari-hari?
36. Jelaskan cara membuat model “buku vs bukan buku”!
37. Bagaimana cara menggunakan model untuk edukasi?
38. Buat contoh penggunaan model di sekolah!
39. Jelaskan manfaat model gambar bagi siswa!
40. Bagaimana model dapat membantu pekerjaan manusia?

E. Evaluasi dan Refleksi

41. Apa kesulitan saat membuat model gambar?
42. Bagaimana cara mengatasi kesulitan tersebut?
43. Apa kelebihan Teachable Machine dibanding coding manual?
44. Apa kekurangan dari model sederhana?
45. Mengapa penting memahami AI sejak SMP?
46. Apa pelajaran yang didapat dari praktik ini?
47. Bagaimana perasaanmu setelah membuat model AI?
48. Apa yang akan kamu kembangkan selanjutnya?
49. Bagaimana AI akan memengaruhi masa depan?
50. Mengapa siswa perlu belajar Machine Learning?

2. SOAL PRAKTIK BAB 4 (10 SOAL)

🧪 Praktik 1: Membuat Proyek Baru

1. Buka Google Teachable Machine dan buat proyek Image Project.
   ➤ Jelaskan langkah-langkah yang kamu lakukan sampai berhasil membuat proyek baru.
2. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 2: Membuat Kelas

2. Buat minimal 2 kelas (contoh: “Buku” dan “Bukan Buku”).
   ➤ Jelaskan cara menambahkan dan memberi nama kelas tersebut.
3. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 3: Mengumpulkan Data

3. Ambil minimal 20 gambar untuk setiap kelas menggunakan webcam.
   ➤ Jelaskan proses pengambilan data dan kesulitan yang kamu alami.
4. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 4: Variasi Data

4. Ambil gambar dengan variasi posisi, jarak, dan pencahayaan.
   ➤ Jelaskan mengapa variasi data penting dalam Machine Learning.
5. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 5: Training Model

5. Klik tombol Train Model.
   ➤ Jelaskan apa yang terjadi selama proses training.
6. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 6: Uji Model

6. Uji model menggunakan objek nyata di depan kamera.
   ➤ Catat hasil prediksi dan tingkat akurasinya.
7. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 7: Evaluasi Hasil

7. Jika hasil model kurang akurat, lakukan perbaikan.
   ➤ Jelaskan langkah yang kamu lakukan untuk meningkatkan akurasi.
8. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 8: Eksperimen Kelas Baru

8. Tambahkan satu kelas baru (misalnya: “Tas”).
   ➤ Latih ulang model dan bandingkan hasilnya dengan sebelumnya.
9. Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 9: Dokumentasi Proyek

9. Buat laporan singkat berisi:
   • Nama proyek
   • Kelas yang dibuat
   • Jumlah data
   • Hasil prediksi
     ➤ Jelaskan hasil akhir proyekmu.
   • Screenshoot hasilnya dan kirimkan ke email wijayalabs@gmail.com

🧪 Praktik 10: Refleksi

10. Tuliskan pengalamanmu selama praktik:
    ➤ Apa yang paling menarik dari praktik di atas?
    ➤ Apa kesulitan yang dihadapi selama praktik?
    ➤ Apa manfaat yang kamu pelajari selama praktik langsung?

💡 Catatan Guru

Soal ini bisa dinilai dari:

• Proses (keaktifan & langkah kerja)
• Produk (hasil model)
• Refleksi (pemahaman siswa)

3. SOAL PILIHAN GANDA (50 SOAL)

A. Pilihlah jawaban yang paling tepat!

1. Siswa membuka Google Teachable Machine di browser untuk membuat proyek baru biasa disebut……
   A. Audio Project
   B. Image Project
   C. Text Project
   D. Video Project
2. Guru meminta siswa membuat proyek image untuk mengenali objek di kelas biasa disebut……
   A. Audio
   B. Pose
   C. Image
   D. Text
3. Siswa menambahkan kelas baru pada proyek untuk membedakan objek buku dan bukan buku biasa disebut……
   A. Delete Class
   B. Add Class
   C. Rename Class
   D. Export Class
4. Siswa mengambil gambar menggunakan webcam di Teachable Machine untuk mengumpulkan data biasa disebut……
   A. Upload File
   B. Webcam
   C. Record Audio
   D. Screen Capture
5. Siswa mengumpulkan minimal 30 gambar per kelas agar model lebih akurat biasa disebut……
   A. 5 gambar
   B. 10 gambar
   C. 30 gambar
   D. 2 gambar
6. Siswa menekan tombol Train Model setelah semua data selesai dikumpulkan biasa disebut……
   A. Export
   B. Reset
   C. Train Model
   D. Upload
7. Sistem memproses data training saat siswa menekan tombol Train Model biasa disebut……
   A. Menghapus data
   B. Menyimpan data
   C. Melatih model
   D. Menampilkan hasil
8. Model memberikan hasil prediksi saat siswa menguji objek di depan kamera biasa disebut……
   A. Data training
   B. Output prediksi
   C. Input teks
   D. Variabel
9. Siswa melihat persentase hasil prediksi pada layar setelah model dilatih biasa disebut……
   A. Warna
   B. Nilai angka
   C. Persentase
   D. Grafik
10. Siswa menambahkan variasi data dengan mengambil gambar dari berbagai sudut biasa disebut……
    A. Agar cepat selesai
    B. Agar model akurat
    C. Agar data sedikit
    D. Agar mudah

11. Siswa mengambil gambar dengan pencahayaan berbeda untuk meningkatkan kualitas data biasa disebut……
    A. Mengurangi akurasi
    B. Menambah kesalahan
    C. Meningkatkan akurasi
    D. Menghapus data
12. Siswa menggunakan latar belakang berbeda saat mengambil gambar agar model tidak bias biasa disebut……
    A. Sama saja
    B. Tidak berpengaruh
    C. Mengganggu model
    D. Membantu model
13. Model mengalami kesalahan saat siswa memberikan data yang kurang bervariasi biasa disebut……
    A. Data banyak
    B. Data sedikit variasi
    C. Data lengkap
    D. Data benar
14. Siswa menambahkan kelas “Tas” setelah model awal selesai dibuat biasa disebut……
    A. Menghapus model
    B. Menambah kelas
    C. Mengubah data
    D. Menghapus data
15. Siswa melatih ulang model setelah menambahkan data baru pada setiap kelas biasa disebut……
    A. Reset
    B. Train ulang
    C. Export
    D. Delete
16. Siswa menguji model dengan benda nyata di depan kamera untuk melihat hasil prediksi biasa disebut……
    A. Training
    B. Testing
    C. Input
    D. Output
17. Siswa memperbaiki model dengan menambahkan data baru agar hasil lebih akurat biasa disebut……
    A. Mengurangi data
    B. Menambah data
    C. Menghapus data
    D. Menyalin data
18. Siswa menggunakan label kelas untuk membedakan kategori objek dalam model biasa disebut……
    A. Nama kelas
    B. Warna
    C. Ukuran
    D. Bentuk
19. Siswa membuat model untuk mengenali ekspresi wajah menggunakan image project biasa disebut……
    A. Audio
    B. Text
    C. Image
    D. Video
20. Siswa mengumpulkan data training sebelum melakukan proses training model biasa disebut……
    A. Setelah training
    B. Sebelum training
    C. Saat testing
    D. Setelah export

21. Siswa melihat hasil prediksi dalam bentuk persentase saat menguji model biasa disebut……
    A. Grafik
    B. Angka
    C. Persentase
    D. Warna
22. Model mengenali objek dengan benar ketika data training cukup dan bervariasi biasa disebut……
    A. Salah
    B. Tidak jelas
    C. Benar
    D. Error
23. Siswa mengulang proses training saat hasil prediksi belum akurat biasa disebut……
    A. Testing
    B. Training ulang
    C. Export
    D. Upload
24. Guru menjelaskan bahwa data training digunakan untuk melatih model AI biasa disebut……
    A. Menghapus data
    B. Melatih model
    C. Menguji model
    D. Menampilkan data
25. Siswa menggunakan webcam untuk mengambil gambar secara langsung di aplikasi biasa disebut……
    A. Upload
    B. Kamera
    C. File
    D. Audio

26. Siswa menambahkan data baru setelah hasil model kurang baik biasa disebut……
    A. Mengurangi akurasi
    B. Menambah akurasi
    C. Menghapus model
    D. Menyimpan data
27. Model memberikan prediksi saat siswa memasukkan objek baru biasa disebut……
    A. Training
    B. Testing
    C. Prediksi
    D. Data
28. Siswa membuat dua kelas berbeda untuk membedakan objek dengan jelas biasa disebut……
    A. Satu kelas
    B. Dua kelas
    C. Tiga kelas
    D. Tanpa kelas
29. Siswa menyusun data dengan rapi agar proses training berjalan lancar biasa disebut……
    A. Acak
    B. Rapi
    C. Sedikit
    D. Salah
30. Siswa memahami bahwa semakin banyak data maka model semakin baik biasa disebut……
    A. Salah
    B. Benar
    C. Tidak penting
    D. Tidak berpengaruh

31. Siswa melakukan testing setelah model selesai dilatih biasa disebut……
    A. Sebelum training
    B. Saat training
    C. Setelah training
    D. Tanpa training
32. Siswa melihat hasil model langsung pada layar setelah training selesai biasa disebut……
    A. Input
    B. Output
    C. Data
    D. File
33. Siswa membuat model sederhana untuk mengenali benda di meja kelas biasa disebut……
    A. Audio
    B. Video
    C. Image
    D. Text
34. Siswa menggunakan variasi jarak saat mengambil gambar untuk meningkatkan kualitas model biasa disebut……
    A. Mengurangi kualitas
    B. Meningkatkan kualitas
    C. Tidak berpengaruh
    D. Menghapus data
35. Siswa menambahkan data baru agar model tidak overfitting biasa disebut……
    A. Salah
    B. Benar
    C. Tidak perlu
    D. Tidak penting

36. Model membutuhkan data training sebelum dapat melakukan prediksi biasa disebut……
    A. Setelah prediksi
    B. Sebelum prediksi
    C. Saat testing
    D. Setelah export
37. Siswa menguji model dengan objek yang belum pernah dilatih sebelumnya biasa disebut……
    A. Training
    B. Testing
    C. Input
    D. Output
38. Siswa memperhatikan hasil prediksi untuk mengevaluasi model biasa disebut……
    A. Menghapus
    B. Mengevaluasi
    C. Menyimpan
    D. Menyalin
39. Siswa membuat model AI sederhana tanpa menulis kode program biasa disebut……
    A. Coding
    B. Tanpa coding
    C. Script
    D. Program
40. Siswa menggunakan Teachable Machine untuk belajar konsep Machine Learning biasa disebut……
    A. Game
    B. AI
    C. Video
    D. Musik

41. Siswa mengamati bahwa model bekerja berdasarkan pola dari data biasa disebut……
    A. Random
    B. Pola
    C. Warna
    D. Bentuk
42. Siswa menyimpulkan bahwa data training sangat penting dalam AI biasa disebut……
    A. Tidak penting
    B. Penting
    C. Tidak perlu
    D. Opsional
43. Siswa membuat model yang lebih baik setelah menambah variasi data biasa disebut……
    A. Lebih buruk
    B. Lebih baik
    C. Sama saja
    D. Tidak berubah
44. Siswa menggunakan dua kelas untuk membedakan objek sederhana biasa disebut……
    A. Satu
    B. Dua
    C. Tiga
    D. Empat
45. Siswa menyadari bahwa model membutuhkan latihan berulang untuk hasil optimal biasa disebut……
    A. Sekali
    B. Berulang
    C. Tidak perlu
    D. Jarang

46. Siswa mengamati bahwa model gagal jika data tidak cukup biasa disebut……
    A. Berhasil
    B. Gagal
    C. Sempurna
    D. Akurat
47. Siswa memperbaiki model dengan cara menambah data dan melatih ulang biasa disebut……
    A. Menghapus
    B. Menambah dan melatih
    C. Menyimpan
    D. Mengurangi
48. Siswa memahami bahwa AI belajar dari contoh data yang diberikan biasa disebut……
    A. Tidak belajar
    B. Belajar dari data
    C. Random
    D. Manual
49. Siswa menguji model untuk memastikan hasilnya sesuai dengan harapan biasa disebut……
    A. Menghapus
    B. Menguji
    C. Menyimpan
    D. Menyalin
50. Siswa menyimpulkan bahwa Machine Learning membantu komputer mengenali objek biasa disebut……
    A. Tidak membantu
    B. Membantu
    C. Menghambat
    D. Tidak digunakan

Kirimkan semua jawaban soal ulangan teori dan praktik (Ada 3 soal) pakai WORD ke email wijayalabs@gmail.com dengan subyek jawaban ulangan-nama-kelas-absen!