SOAL ESSAY BAB 4 (50 SOAL)
A. Pemahaman Konsep
- Jelaskan apa yang dimaksud dengan model gambar pada Google Teachable Machine!
- Apa tujuan utama membuat model gambar sederhana?
- Jelaskan perbedaan antara data training dan data testing!
- Mengapa jumlah data training memengaruhi hasil model?
- Apa yang dimaksud dengan kelas (class) dalam model gambar?
- Mengapa setiap kelas harus memiliki data yang cukup?
- Jelaskan fungsi kamera dalam Teachable Machine!
- Apa yang terjadi saat tombol “Train Model” ditekan?
- Mengapa pencahayaan penting saat mengambil data gambar?
- Apa risiko jika data training tidak bervariasi?
B. Langkah-Langkah Praktik
- Sebutkan langkah pertama dalam membuat model gambar!
- Bagaimana cara menambahkan kelas baru?
- Jelaskan cara mengambil gambar menggunakan webcam!
- Berapa minimal data yang disarankan untuk tiap kelas?
- Apa yang harus dilakukan setelah semua data terkumpul?
- Jelaskan proses training model secara singkat!
- Bagaimana cara menguji model yang sudah dibuat?
- Apa yang dimaksud dengan prediksi?
- Bagaimana cara mengetahui hasil prediksi?
- Apa yang dilakukan jika hasil prediksi tidak akurat?
C. Analisis dan Pemahaman
- Mengapa model bisa salah mengenali objek?
- Apa pengaruh latar belakang terhadap model?
- Bagaimana cara meningkatkan akurasi model?
- Apa dampak jika data hanya berasal dari satu sudut?
- Mengapa variasi ekspresi atau posisi penting?
- Apa fungsi label pada setiap kelas?
- Bagaimana cara memperbaiki model yang buruk?
- Jelaskan hubungan antara jumlah data dan akurasi!
- Apa perbedaan model sederhana dan kompleks?
- Mengapa model perlu diuji sebelum digunakan?
D. Penerapan
- Buatlah contoh proyek sederhana menggunakan model gambar!
- Jelaskan langkah membuat model “senyum vs sedih”!
- Bagaimana cara membuat model mengenali benda di kelas?
- Buatlah ide aplikasi dari model gambar sederhana!
- Bagaimana model gambar bisa digunakan di kehidupan sehari-hari?
- Jelaskan cara membuat model “buku vs bukan buku”!
- Bagaimana cara menggunakan model untuk edukasi?
- Buat contoh penggunaan model di sekolah!
- Jelaskan manfaat model gambar bagi siswa!
- Bagaimana model dapat membantu pekerjaan manusia?
E. Evaluasi dan Refleksi
- Apa kesulitan saat membuat model gambar?
- Bagaimana cara mengatasi kesulitan tersebut?
- Apa kelebihan Teachable Machine dibanding coding manual?
- Apa kekurangan dari model sederhana?
- Mengapa penting memahami AI sejak SMP?
- Apa pelajaran yang didapat dari praktik ini?
- Bagaimana perasaanmu setelah membuat model AI?
- Apa yang akan kamu kembangkan selanjutnya?
- Bagaimana AI akan memengaruhi masa depan?
- Mengapa siswa perlu belajar Machine Learning?
SOAL PRAKTIK BAB 4 (10 SOAL)
🧪 Praktik 1: Membuat Proyek Baru
- Buka Google Teachable Machine dan buat proyek Image Project.
➤ Jelaskan langkah-langkah yang kamu lakukan sampai berhasil membuat proyek baru.
🧪 Praktik 2: Membuat Kelas
- Buat minimal 2 kelas (contoh: “Buku” dan “Bukan Buku”).
➤ Jelaskan cara menambahkan dan memberi nama kelas tersebut.
🧪 Praktik 3: Mengumpulkan Data
- Ambil minimal 20 gambar untuk setiap kelas menggunakan webcam.
➤ Jelaskan proses pengambilan data dan kesulitan yang kamu alami.
🧪 Praktik 4: Variasi Data
- Ambil gambar dengan variasi posisi, jarak, dan pencahayaan.
➤ Jelaskan mengapa variasi data penting dalam Machine Learning.
🧪 Praktik 5: Training Model
- Klik tombol Train Model.
➤ Jelaskan apa yang terjadi selama proses training.
🧪 Praktik 6: Uji Model
- Uji model menggunakan objek nyata di depan kamera.
➤ Catat hasil prediksi dan tingkat akurasinya.
🧪 Praktik 7: Evaluasi Hasil
- Jika hasil model kurang akurat, lakukan perbaikan.
➤ Jelaskan langkah yang kamu lakukan untuk meningkatkan akurasi.
🧪 Praktik 8: Eksperimen Kelas Baru
- Tambahkan satu kelas baru (misalnya: “Tas”).
➤ Latih ulang model dan bandingkan hasilnya dengan sebelumnya.
🧪 Praktik 9: Dokumentasi Proyek
- Buat laporan singkat berisi:
- Nama proyek
- Kelas yang dibuat
- Jumlah data
- Hasil prediksi
➤ Jelaskan hasil akhir proyekmu.
🧪 Praktik 10: Refleksi
- Tuliskan pengalamanmu selama praktik:
➤ Apa yang paling menarik?
➤ Apa kesulitan yang dihadapi?
➤ Apa manfaat yang kamu pelajari?
💡 Catatan Guru
Soal ini bisa dinilai dari:
- Proses (keaktifan & langkah kerja)
- Produk (hasil model)
- Refleksi (pemahaman siswa)
SOAL PILIHAN GANDA (50 SOAL)
A. Pilihlah jawaban yang paling tepat!
- Siswa membuka Google Teachable Machine di browser untuk membuat proyek baru.
A. Audio Project
B. Image Project
C. Text Project
D. Video Project - Guru meminta siswa membuat proyek image untuk mengenali objek di kelas.
A. Audio
B. Pose
C. Image
D. Text - Siswa menambahkan kelas baru pada proyek untuk membedakan objek buku dan bukan buku.
A. Delete Class
B. Add Class
C. Rename Class
D. Export Class - Siswa mengambil gambar menggunakan webcam di Teachable Machine untuk mengumpulkan data.
A. Upload File
B. Webcam
C. Record Audio
D. Screen Capture - Siswa mengumpulkan minimal 30 gambar per kelas agar model lebih akurat.
A. 5 gambar
B. 10 gambar
C. 30 gambar
D. 2 gambar - Siswa menekan tombol Train Model setelah semua data selesai dikumpulkan.
A. Export
B. Reset
C. Train Model
D. Upload - Sistem memproses data training saat siswa menekan tombol Train Model.
A. Menghapus data
B. Menyimpan data
C. Melatih model
D. Menampilkan hasil - Model memberikan hasil prediksi saat siswa menguji objek di depan kamera.
A. Data training
B. Output prediksi
C. Input teks
D. Variabel - Siswa melihat persentase hasil prediksi pada layar setelah model dilatih.
A. Warna
B. Nilai angka
C. Persentase
D. Grafik - Siswa menambahkan variasi data dengan mengambil gambar dari berbagai sudut.
A. Agar cepat selesai
B. Agar model akurat
C. Agar data sedikit
D. Agar mudah
- Siswa mengambil gambar dengan pencahayaan berbeda untuk meningkatkan kualitas data.
A. Mengurangi akurasi
B. Menambah kesalahan
C. Meningkatkan akurasi
D. Menghapus data - Siswa menggunakan latar belakang berbeda saat mengambil gambar agar model tidak bias.
A. Sama saja
B. Tidak berpengaruh
C. Mengganggu model
D. Membantu model - Model mengalami kesalahan saat siswa memberikan data yang kurang bervariasi.
A. Data banyak
B. Data sedikit variasi
C. Data lengkap
D. Data benar - Siswa menambahkan kelas “Tas” setelah model awal selesai dibuat.
A. Menghapus model
B. Menambah kelas
C. Mengubah data
D. Menghapus data - Siswa melatih ulang model setelah menambahkan data baru pada setiap kelas.
A. Reset
B. Train ulang
C. Export
D. Delete - Siswa menguji model dengan benda nyata di depan kamera untuk melihat hasil prediksi.
A. Training
B. Testing
C. Input
D. Output - Siswa memperbaiki model dengan menambahkan data baru agar hasil lebih akurat.
A. Mengurangi data
B. Menambah data
C. Menghapus data
D. Menyalin data - Siswa menggunakan label kelas untuk membedakan kategori objek dalam model.
A. Nama kelas
B. Warna
C. Ukuran
D. Bentuk - Siswa membuat model untuk mengenali ekspresi wajah menggunakan image project.
A. Audio
B. Text
C. Image
D. Video - Siswa mengumpulkan data training sebelum melakukan proses training model.
A. Setelah training
B. Sebelum training
C. Saat testing
D. Setelah export
- Siswa melihat hasil prediksi dalam bentuk persentase saat menguji model.
A. Grafik
B. Angka
C. Persentase
D. Warna - Model mengenali objek dengan benar ketika data training cukup dan bervariasi.
A. Salah
B. Tidak jelas
C. Benar
D. Error - Siswa mengulang proses training saat hasil prediksi belum akurat.
A. Testing
B. Training ulang
C. Export
D. Upload - Guru menjelaskan bahwa data training digunakan untuk melatih model AI.
A. Menghapus data
B. Melatih model
C. Menguji model
D. Menampilkan data - Siswa menggunakan webcam untuk mengambil gambar secara langsung di aplikasi.
A. Upload
B. Kamera
C. File
D. Audio
- Siswa menambahkan data baru setelah hasil model kurang baik.
A. Mengurangi akurasi
B. Menambah akurasi
C. Menghapus model
D. Menyimpan data - Model memberikan prediksi saat siswa memasukkan objek baru.
A. Training
B. Testing
C. Prediksi
D. Data - Siswa membuat dua kelas berbeda untuk membedakan objek dengan jelas.
A. Satu kelas
B. Dua kelas
C. Tiga kelas
D. Tanpa kelas - Siswa menyusun data dengan rapi agar proses training berjalan lancar.
A. Acak
B. Rapi
C. Sedikit
D. Salah - Siswa memahami bahwa semakin banyak data maka model semakin baik.
A. Salah
B. Benar
C. Tidak penting
D. Tidak berpengaruh
- Siswa melakukan testing setelah model selesai dilatih.
A. Sebelum training
B. Saat training
C. Setelah training
D. Tanpa training - Siswa melihat hasil model langsung pada layar setelah training selesai.
A. Input
B. Output
C. Data
D. File - Siswa membuat model sederhana untuk mengenali benda di meja kelas.
A. Audio
B. Video
C. Image
D. Text - Siswa menggunakan variasi jarak saat mengambil gambar untuk meningkatkan kualitas model.
A. Mengurangi kualitas
B. Meningkatkan kualitas
C. Tidak berpengaruh
D. Menghapus data - Siswa menambahkan data baru agar model tidak overfitting.
A. Salah
B. Benar
C. Tidak perlu
D. Tidak penting
- Model membutuhkan data training sebelum dapat melakukan prediksi.
A. Setelah prediksi
B. Sebelum prediksi
C. Saat testing
D. Setelah export - Siswa menguji model dengan objek yang belum pernah dilatih sebelumnya.
A. Training
B. Testing
C. Input
D. Output - Siswa memperhatikan hasil prediksi untuk mengevaluasi model.
A. Menghapus
B. Mengevaluasi
C. Menyimpan
D. Menyalin - Siswa membuat model AI sederhana tanpa menulis kode program.
A. Coding
B. Tanpa coding
C. Script
D. Program - Siswa menggunakan Teachable Machine untuk belajar konsep Machine Learning.
A. Game
B. AI
C. Video
D. Musik
- Siswa mengamati bahwa model bekerja berdasarkan pola dari data.
A. Random
B. Pola
C. Warna
D. Bentuk - Siswa menyimpulkan bahwa data training sangat penting dalam AI.
A. Tidak penting
B. Penting
C. Tidak perlu
D. Opsional - Siswa membuat model yang lebih baik setelah menambah variasi data.
A. Lebih buruk
B. Lebih baik
C. Sama saja
D. Tidak berubah - Siswa menggunakan dua kelas untuk membedakan objek sederhana.
A. Satu
B. Dua
C. Tiga
D. Empat - Siswa menyadari bahwa model membutuhkan latihan berulang untuk hasil optimal.
A. Sekali
B. Berulang
C. Tidak perlu
D. Jarang
- Siswa mengamati bahwa model gagal jika data tidak cukup.
A. Berhasil
B. Gagal
C. Sempurna
D. Akurat - Siswa memperbaiki model dengan cara menambah data dan melatih ulang.
A. Menghapus
B. Menambah dan melatih
C. Menyimpan
D. Mengurangi - Siswa memahami bahwa AI belajar dari contoh data yang diberikan.
A. Tidak belajar
B. Belajar dari data
C. Random
D. Manual - Siswa menguji model untuk memastikan hasilnya sesuai dengan harapan.
A. Menghapus
B. Menguji
C. Menyimpan
D. Menyalin - Siswa menyimpulkan bahwa Machine Learning membantu komputer mengenali objek.
A. Tidak membantu
B. Membantu
C. Menghambat
D. Tidak digunakan
Kirimkan semua jawaban soal ulangan teori dan praktik ke email wijayalabs@gmail.com dengan subyek jawaban ulangan-nama-kelas-absen!