Tujuan Pembelajaran

Memahami konsep dasar kecerdasan buatan (AI) berbasis aturan
Menganalisis fondasi kerja aplikasi AI berbasis teks (Chatbot)
Memahami proses analisis data tekstual sederhana
Mengimplementasikan struktur data Dictionary dalam Python
Menganalisis keterbatasan AI berbasis rule-based

📚 Materi Pembelajaran

1. Mengenal InfoTerms Bot

InfoTerms Bot adalah chatbot sederhana yang berfungsi sebagai kamus digital interaktif untuk istilah-istilah Informatika. Bot ini menggunakan pendekatan AI Berbasis Aturan (Rule-Based AI).

📖 Analogi Sederhana:
Bayangkan InfoTerms Bot seperti seorang pustakawan yang jujur tapi kaku. Dia memiliki buku kamus tebal di mejanya. Saat Anda bertanya, dia mencari di indeks bukunya. Kalau ada, dia bacakan definisinya. Kalau tidak ada, dia jujur bilang “Maaf, tidak ada di database saya.”

2. Kode Program InfoTerms Bot

# Modul 1: Basis Data Kamus (Data AI)
kamus_ai = {
    “ai”: “Artificial Intelligence atau Kecerdasan Buatan adalah teknologi yang membuat komputer bisa berpikir seperti manusia.”,
    “data”: “Kumpulan fakta mentah yang belum diolah, bisa berupa angka, teks, atau gambar.”,
    “python”: “Bahasa pemrograman populer yang sering digunakan untuk membangun aplikasi AI dan analisis data.”,
    “algorithm”: “Urutan langkah-langkah logis dan sistematis untuk menyelesaikan suatu masalah.”
}

def cari_istilah(kata_kunci):
    # Mengubah teks menjadi huruf kecil agar pencocokan data akurat
    pesan = kata_kunci.lower()
    
    # Memeriksa apakah kata kunci ada di dalam basis data kamus
    if pesan in kamus_ai:
        return kamus_ai[pesan]
    elif “halo” in pesan or “hai” in pesan:
        return “Halo! Mau belajar istilah Informatika apa hari ini? Ketik kata kuncinya (contoh: AI, Data, Python).”
    elif “keluar” in pesan or “bye” in pesan:
        return “Sampai jumpa! Teruslah belajar Informatika. 🚀”
    else:
        return “Maaf, istilah tersebut belum ada di database kamus saya.”

def mulai_kamus_bot():
    print(“=========================================”)
    print(”   Welcome to InfoTerms Bot (Kamus AI)   “)
    print(” (Ketik ‘keluar’ atau ‘bye’ untuk berhenti)”)
    print(“=========================================\n”)
    
    berjalan = True
    while berjalan:
        input_user = input(“Tanya Istilah: “)
        respons_bot = cari_istilah(input_user)
        print(“Bot: “ + respons_bot + “\n”)
        
        if “keluar” in input_user.lower() or “bye” in input_user.lower():
            berjalan = False

# Jalankan Program
mulai_kamus_bot()
            

3. Penjelasan Konsep Penting

a. Dictionary (Struktur Data)

Dictionary adalah struktur data Python yang menyimpan informasi dalam bentuk pasangan kunci-nilai (key-value pairs).

Komponen	Penjelasan	Contoh
Key	Kata kunci untuk pencarian (harus unik)	“ai”, “data”, “python”
Value	Nilai/definisi yang disimpan	“Artificial Intelligence…”

b. Pra-pemrosesan Data (Text Preprocessing)

Baris pesan = kata_kunci.lower() sangat penting karena:

Komputer bersifat case-sensitive (peka huruf besar/kecil)
“AI”, “Ai”, dan “ai” dianggap berbeda oleh komputer
Dengan .lower(), semua input dinormalisasi menjadi huruf kecil

c. Logika Percabangan (if-elif-else)

Program mengevaluasi kondisi secara berurutan:

if: Cek apakah input ada di kamus
elif: Cek apakah pengguna menyapa
elif: Cek apakah pengguna ingin keluar
else: Default jika tidak ada yang cocok

d. Perulangan (while loop)

Variabel berjalan = True berfungsi sebagai saklar yang mengontrol apakah program terus berjalan atau berhenti.

📝 LEMBAR KERJA PESERTA DIDIK (LKPD)

Analisis Fondasi Aplikasi AI

Bagian 1: Analisis Logika & Pemrosesan Data Skor: 40

1. Tahap Pra-pemrosesan Data (Text Preprocessing)

Pada fungsi cari_istilah, terdapat baris pesan = kata_kunci.lower(). Mengapa tahapan ini sangat krusial dalam pemrosesan bahasa alami (NLP) pada AI? Apa yang akan terjadi jika baris tersebut dihapus dan pengguna mengetik “HALO”?

2. Analisis Aturan (Rule-Based System)

Chatbot ini menggunakan pendekatan AI berbasis aturan (Rule-Based). Jelaskan bagaimana program menentukan respons yang tepat berdasarkan input dari pengguna!

3. Alur Program (Control Flow)

Perhatikan fungsi mulai_kamus_bot(). Jelaskan peran perintah while berjalan: dan bagaimana program memastikan bahwa aplikasi tidak berjalan selamanya (infinite loop)!

Bagian 2: Pengujian & Analisis Celah AI Skor: 40

1. Analisis Ambiguitas Kata Kunci

Jika pengguna mengetik kalimat: “Saya tidak mau keluar rumah hari ini”, apakah chatbot akan terus berjalan atau berhenti? Jelaskan mengapa hal tersebut terjadi berdasarkan logika if pada fungsi mulai_kamus_bot()!

2. Keterbatasan AI Kontekstual

Jika pengguna mengetik: “Kabar saya buruk hari ini”, apa respons yang akan diberikan oleh bot? Apakah respons tersebut relevan dan menunjukkan empati? Hubungkan jawabanmu dengan keterbatasan AI berbasis aturan (rule-based) dibanding AI modern berbasis LLM (seperti ChatGPT)!

3. Analisis Data Input Tambahan

Gambarkan atau tuliskan alur (flowchart sederhana) bagaimana data teks mengalir dari saat pengguna mengetik di keyboard hingga bot menampilkan jawaban di layar!

Bagian 3: Tantangan Pengembangan Skor: 20

1. Modifikasi Logika

Tuliskan potongan kode (code snippet) tambahan berupa fungsi elif baru agar chatbot mampu mengenali kata kunci tentang “informatika” atau “belajar AI” dan memberikan respons yang edukatif!

2. Peningkatan Kecerdasan Bot

Bagaimana cara kamu mengubah program ini agar jika pengguna mengetik kata yang salah (typo), misalnya “hlo” atau “hay”, bot tetap bisa mengenali bahwa maksud pengguna adalah menyapa? (Sebutkan konsepnya, tidak wajib menuliskan kodenya).

Eksperimen: Modifikasi Kode

🎯 Tantangan 1: Tambah Istilah Baru

Tambahkan 3 istilah baru ke dalam kamus_ai:

machine learning
internet
database

# Tambahkan kode ini ke dictionary kamus_ai:
“machine learning”: “Subset dari AI yang memungkinkan komputer belajar dari data tanpa diprogram secara eksplisit.”,
“internet”: “Jaringan global yang menghubungkan komputer di seluruh dunia untuk bertukar informasi.”,
“database”: “Kumpulan data yang terorganisir dan disimpan secara sistematis untuk kemudahan akses dan pengelolaan.”
            

🎯 Tantangan 2: Tambah Respons Baru

Buat respons baru untuk kata kunci:

“terima kasih”
“siapa kamu”
“bantuan”

Demo Interaktif: Simulasi Chatbot

Coba simulasi chatbot di bawah ini:

Bot: Selamat datang! Ketik “ai”, “data”, “python”, atau “algorithm” untuk belajar.

🔍 Analisis Keterbatasan & Solusi

Keterbatasan InfoTerms Bot:

No	Keterbatasan	Penyebab	Solusi yang Mungkin
1	Tidak toleran typo	Pencocokan eksak (exact matching)	Fuzzy matching, Levenshtein distance
2	Tidak paham konteks	Rule-based system	NLP, Machine Learning
3	Kosakata terbatas	Database statis	Dynamic database, API integration
4	Tidak ada empati	Tidak ada sentiment analysis	Sentiment analysis model

Perbandingan: Rule-Based AI vs LLM

Aspek	Rule-Based AI (InfoTerms Bot)	LLM (ChatGPT)
Cara Kerja	Pencocokan pola & aturan	Generasi teks berbasis probabilitas
Kecepatan	Sangat cepat	Relatif lebih lambat
Fleksibilitas	Kaku, terbatas	Fleksibel, adaptif
Resource	Ringan, bisa jalan di PC biasa	Butuh GPU & komputasi tinggi
Pemahaman Konteks	Tidak ada	Baik hingga sangat baik

Bangun Chatbot Sederhana Anda Sendiri!

📋 Proyek Akhir: Personal Assistant Bot

Buat chatbot dengan tema pilihan Anda (misal: bot kesehatan, bot olahraga, bot musik, dll)

Langkah-langkah:

Tentukan Tema: Pilih topik yang Anda kuasai
Buat Database: Siapkan minimal 10 istilah/FAQ dengan jawabannya
Implementasi: Tulis kode Python berdasarkan template InfoTerms Bot
Testing: Uji dengan berbagai input
Dokumentasi: Catat keterbatasan dan ide pengembangan

# Template untuk proyek Anda
database_saya = {
    “kata_kunci_1”: “Jawaban 1”,
    “kata_kunci_2”: “Jawaban 2”,
    # Tambahkan minimal 10 entri
}

def proses_input(pesan_user):
    pesan = pesan_user.lower()
    
    if pesan in database_saya:
        return database_saya[pesan]
    elif “halo” in pesan:
        return “Halo! Saya siap membantu Anda…”
    else:
        return “Maaf, saya belum mengerti pertanyaan Anda.”

# Lengkapi dengan fungsi main dan loop!
            

Kriteria Penilaian Proyek:

Kriteria	Bobot
Kelengkapan database (minimal 10 entri)	30%
Fungsionalitas program (berjalan tanpa error)	30%
Kreativitas tema dan respons	20%
Dokumentasi dan analisis	20%

📖 Resources & Referensi

Bacaan Tambahan:

Tools yang Direkomendasikan:

Python IDLE atau VS Code untuk coding
Replit.com untuk coding online
Google Colab untuk eksperimen AI