Kecerdasan Buatan adalah salah bidang study yang berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi.

1.      PENGERTIAN KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)

Kecerdasan buatan adalah sebuah istilah yang berasal dari bahasa Inggris yaitu “Artificial Intelligence”. Jika diartikan “Artificial” memiliki makna “buatan”, sedangkan “Intelligence” adalah kata sifat yang memiliki makna “cerdas”. Jadi Artificial Intelligence (AI)merupakan suatu buatan atau suatu tiruan yang cerdas. Kecerdasan diciptakan menjadi sebuah algoritma dan dimasukkan ke dalam mesin (komputer) sehingga mesin memiliki kemampuan untuk melakukan pekerjaan seperti yang dapat dilakukan manusia, kepandaian atau ketajaman dalam berpikir, seperti halnya otak manusia dalam menyelesaikan suatu masalah.

Pengertian lain dari kecerdasan buatan adalah bagian ilmu komputer yang membuat agar mesin komputer dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia.

Secara awam kecerdasan buatan diterjemahkan sebagai sebuah sistem saraf, atau sensor atau otak yang diciptakan oleh sebuah mesin. Sebenarnya kecerdasan buatan merujuk kepada mesin yang mampu untuk berpikir, menimbang tindakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan oleh manusia.

Alan Turing, ahli matematika berkebangsaan Inggris yang dijuluki bapak komputer modern dan pembongkar sandi Nazi dalam era Perang Dunia II tahun 1950, dia menetapkan definisi Artificial Intelligent : Jika komputer tidak dapat dibedakan dengan manusia saat berbincang melalui terminal komputer, maka bisa dikatakan komputer itu cerdas, mempunyai intelegensi.

KONSEP KECERDASAN BUATAN

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram. Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas ” pada 1943 yang meletakkan pondasi untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “kecerdasan buatan ” pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

2.      LINGKUP UTAMA KECERDASAN BUATAN ( ARTIFICIAL INTELLIGENCE )

A.    Sustem pakar. Komputer digunakan sebagai saran untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar

B.     Pengolahan bahasa alami. Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.

C.     Pengenalan ucapan. Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.

D.    Robotika dan Sistem sensor

E.     Computer vision, mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui computer

F.      Intelligent Computer aid Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar

3.      PERBEDAAN KEUNTUNGAN KECERDASAN BUATAN DENGAN KECERDASAN ALAMI

Keuntungan Kecerdasan Buatan :

a.       Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.

b.      Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain

c.       Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

d.      Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.

e.       Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

f.       Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami

g.      Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

Keuntungan kecerdasan alami:

a.       Kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun

b.      Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik

c.       Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

4.      SECARA GARIS BESAR  AI (ARTIFICIAL INTELLIGENCE) TERBAGI  DALAM 2 FAHAM PEMIKIR YAITU :

A.    AI Konvensional (CI)

Kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence).

Metoda-metodanya meliputi:Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut. Petimbangan berdasar kasus Jaringan Bayesian AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual

B.     Kecerdasan komputasional (Computational Intelligence)

Melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak.

Metoda-metoda pokoknya meliputi: Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.

Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut) Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

5.      TUJUAN KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) MENURUT WINSTON & PRENDERGAST [1984]

a.       Membuat mesin menjadi lebih pintar (tujuan utama)

b.      Memahami apa itu kecerdasan (tujuan ilmiah)

c.       Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

6.      SEBUAH ANCAMAN (KECERDASAN BUATAN) ?

Kecerdasan buatan itu sesuatu yang diciptakan oleh manusia, untuk menggantikan manusia. Jadi bisa jadi kecerdasan buatan itu merupakan suatu ancaman. Walau pun menyadari bahwa kecerdasan buatan bisa jadi adalah suatu ancaman untuk manusia, tapi manusia masih saja mengembangkan apa yang disebut dengan kecerdasan buatan. Manusia masih saja mencoba mengembangkan / mendapatkan sesuatu (teknologi) yang baru, yang dapat berpikir seperti manusia. Hal ini terjadi karena adanya ketidakpuasan dalam diri manusia, manusia ingin mendapatkan sesuatu dengan cara yang lebih mudah. Lagipula memang ada keterbatasan-keterbatasan dalam diri manusia, seperti otak manusia yang hanya mampu berpikir dengan frekuensi kira-kira 100 Hz dan karena manusia mempunyai rasa capai. Bandingkan dengan komputer sekarang yang mampu mengolah data dengan frekuensi 4 GHz. Komputer juga tidak mempunyai rasa capai walau pun harus mengolah data yang sama berulang-ulang.

Walaupun terasa sangat futuristik dan terlihat berbahaya, karena mesin nantinya akan memiliki kecerdasan dan emosi, para pakar AI menganggap pengembangan disiplin ilmu ini penting karena bisa diterapkan di Internet nantinya. Misalnya saja, di masa mendatang ketika Anda mengunjungi sebuah situs agen perjalanan, maka di layar komputer akan muncul wajah seorang wanita yang sangat sempurna karena semuanya berupa ciptaan komputer. Uniknya, Anda akan mampu bercakap-cakap dengan wanita artifisial ini, seperti layaknya Anda berbicara dengan staff wanita beneran di counter biro perjalanan. Kalau ini tercapai, maka pelayanan dapat diberikan 100% online, dengan akurasi yang sangat tinggi. Terutama dari konsistensi, keramahan, kecepatan dan akurasi pelayanan. Lain kalau kita menggunakan staff manusia asli yang konsistensinya tidak bisa akurat karena terpengaruh kepada kondisi fisik dan emosi saat itu.

Saat ini sudah banyak teknologi kecerdasan buatan yang dihasilkan dan dipakai oleh manusia. Misalnya saja pada robot Asimo yang bisa menari dan berjalan, atau pada permainan komputer yang dirancang untuk membuat manusia berpikir keras untuk mengalahkannya. Contoh lain ada di industri otomotif. Adanya teknologi komputer yang mampu mengolah data dengan cepat dipakai untuk memberikan peringatan pada pengemudi mobil untuk menghindari terjadinya tabrakan.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game. ‘Kecerdasan buatan’ ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.

7.    BEBERAPA PROGRAM KECERDASAN BUATAN (1956 – 1966) 

•Logic Theorist, diperkenalkan pada Dartmouth Conference, dapat membuktikan teorema-teorema matematika

•Sad Sam (Robert K Lindsay – 1960), dapat mengetahui kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban berdasarkan fakta yang didengar dalam sebuah percakapan
•ELIZA diprogram Joseph Weizenbaum (1967), mampu memberi terapi terhadap pasien dengan memberikan beberapa pertanyaan

•Chatbot sebaiknya jangan terlalu serius menanggapi lawan bicara didunia maya. Siapa tahu kenalan baru itu adalah chatbot, yakni robot yang khusus diprogram untuk chatting. Chatbot merupakan program khusus dalam komputer yang berfungsi sebagai penjawab sapaan di ruang chatting. Di masa mendatang, program serupa ini menjadi kembangan dari artificial intelligent (AI) alias kecerdasan buatan. Jabberwacky, sebuah chatbot yang tinggal di dalam hard disk komputer. Ia mampu menggunakan kata-kata pelesetan, humor, kadang juga kata makian, bahkan juga menjadi pembicara yang konfrontatif. Kelebihan Jabberwacky dari chatbot lain adalah: makin banyak ia bercakap dengan para chatter manusia, makin banyak hal yang dipelajarinya. Chatbot jenius ini adalah temuan Rollo Carpenter, finalis Loebner Prize asal Inggris.

3 Belajar matematika

3.1 Memahami teks.

Masalah untuk membedakan antara email yang tidak terpolarisasi dan email biasa menggambarkan perjuangan kecerdasan buatan untuk memahami dan mengklasifikasikan teks tertulis. Salah satu alasan untuk kesulitan ini adalah adanya konteks dalam percakapan. Konteksnya dapat berasal dari pengalaman umum atau percakapan sebelumnya. Masalah yang sering terjadi, pembicara guru atau pembicara adalah bahwa informasi tertulis mungkin masuk akal baginya atau seorang ahli, tetapi tidak untuk audiensi. Ini terutama dalam proses belajar matematika, di mana kita harus berkenalan dengan kerangka formal abstrak.

3.2 Model sederhana untuk memahami Matematika.

Model sederhana untuk memahami konsep matematika adalah membagi proses pembelajaran menjadi empat tingkatan:

Apa ?, Bagaimana? Mengapa? dan kenapa tidak? Keempat tingkat ini adalah:

1) Ketahui definisi

2) Kuasai algoritme

3) Memahami konsep

4) Jadilah inovatif

Setiap konsep dibangun ke yang berikutnya. Sebagai contoh, sulit untuk pergi melalui suatu algoritma, jika objek tidak diketahui. Komputasi fluks dari medan vektor melalui permukaan tidak dapat dilakukan, jika definisi permukaan parametrized, definisi produk silang dan titik dll tidak diketahui. Sulit untuk memahami konsep, jika seseorang tidak dapat menerapkannya. Sebagai contoh, sulit untuk dipahami, mengapa matriks non-simetris secara umum tidak dapat didiagonalkan, jika seseorang tidak mengetahui proses diagonalisasi dalam contoh-contoh spesifik. Pemahaman konsepsional membutuhkan pemahaman algoritmik. Mungkin juga tidak akan kreatif, jika konsepnya tidak dipahami. Sebagai contoh, akan sulit untuk muncul dengan teorema bentuk normal Jordan jika seseorang tidak memahami secara mendalam diagonalisasi dan batas-batasnya. Langkah terakhir, inovasi, adalah yang paling rumit dan kami tidak berusaha untuk melihatnya: itu adalah subjek yang menarik bahkan ketika khusus untuk Matematika. Itu diperlakukan dalam buku-buku klasik seperti [1, 4, 9, 3]. Sejarah matematika memberikan banyak cerita tentang pencapaian yang telah dilakukan.

3.3 Contoh

Mari kita lihat beberapa contoh pada empat bidang pemahaman ini dalam konteks matematika:

• "Apa definisi gradien?" Tugasnya adalah mencari definisi ∇f (x, y) = (fx (x, y), fy (x, y)).

Siswa dapat menghafal jawabannya. Tidak ada masalah bagi mesin untuk menjawabnya.

• Mari kita lihat tugas: "Ekstremize f (x, y) = x2 − y2 di bawah kendala x3 − y3 = 1". Ini adalah algoritma.

Satu harus menyelesaikan sistem persamaan ∇f = λ∇g, g = c. Algoritenya sangat mudah. Satu-satunya

masalah yang dihadapi mahasiswa kalkulus di sini adalah kompleksitas penyelesaian sistem persamaan nonlinier.

• "Gradien besar jika kurva tingkat dekat satu sama lain." Ini adalah masalah konseptual di mana

siswa harus memahami apa arti dari gradien tersebut. Agen yang cerdas akan memilikinya

untuk mengetahui: ukuran gradien besar jika kurva tingkat f (x, y) = kǫ dekat tanpa hafal

fakta itu. Masalah-masalah ujian yang melibatkan jenis bagian konseptual ini sering diselesaikan dengan buruk.

• Mari kita lihat masalah: ”Temukan contoh, di mana masalah dengan kendala tidak dapat diselesaikan

substitusi, tetapi dapat dipecahkan dengan metode pengganda Lagrange. ”Ini adalah tugas yang

membutuhkan kreativitas. Secara umum, masalah Lagrange dapat diselesaikan dengan memasukkan y = h (x) ke dalam

f (x, h (x)) dan memperoleh fungsi dari satu variabel yang mana dapat ekstrem. Pendekatan ini gagal, jika salah

tidak dapat menemukan formula tertutup untuk y. Tugas untuk menemukan contoh, di mana masih mungkin untuk menyelesaikan

Lagrange persamaan tetapi bukan bagian substitusi. Ini membutuhkan pemikiran dan kemampuan untuk bermain

sekitar.

Seperti halnya model lain, model "what-how-why-whynot" adalah penyederhanaan. Dunia nyata jauh lebih kompleks. Misalnya, tingkat yang berbeda terkait dengan tingkat tertentu.

• Pemahaman membantu mempelajari definisi dan algoritme, tetapi "topik pemahaman" tertentu dapat menjadi definisi.

• Ada beberapa kasus, di mana masuk akal untuk memulai dengan pendekatan inovatif terlebih dahulu. Pertanyaan hook-up yang baik ("Hatsumon") dapat bermanfaat untuk memotivasi sebuah cerita, bahkan jika pada awalnya, seseorang tidak melihat, bagaimana hal-hal bekerja.

• Tidak mengetahui semua rincian sebenarnya dapat membantu menemukan hal-hal baru, solusi yang tampaknya gila bagi seseorang yang mengetahui subjek.

• Terkadang, dimungkinkan untuk menguasai suatu algoritma, meskipun demikian objek tersebut tidak diketahui. Sebagai contoh: kebanyakan orang menerapkan aturan komutatif x + y = y + x dengan benar, tanpa mengetahui nama aturannya.

• Terkadang, lebih mudah untuk menguasai suatu algoritma jika konsepnya dipahami. Ada beberapa kasus, di mana menguasai algoritma bahkan membutuhkan pemahaman konsep yang lebih dalam. Ini terutama berlaku untuk algoritma yang tidak linier. Ini terjadi dalam kalkulus ketika menangani seri atau memecahkan sistem persamaan nonlinier dalam topik optimasi kendala. Masalah lain yang membutuhkan imajinasi adalah keputusan apakah suatu seri terbatas atau tidak terbatas dan di mana kadang-kadang majorisasi atau

minorisasi diperlukan.

3.4 Memahami Matematika.

Sebuah mesin dapat menangani dengan baik definisi (apa) dan algoritma (bagaimana). Lebih bermasalah adalah ranah pemahaman (mengapa) serta tingkat inovasi (mengapa tidak). Ini adalah tantangan umum dalam proses mengajar untuk memecahkan "masalah meta" dan untuk mengajarkan memecahkan masalah, memungkinkan seorang siswa untuk memecahkan masalah yang bukan template. Ini adalah cawan suci pendidikan serta AI.

3.5 Bagaimana kita belajar?

Ada berbagai cara, bagaimana kita dapat mempelajari subjek baru: kita membaca, berbicara, menulis, berpikir, memecahkan masalah,

bereksperimen, mengajar, bermain atau bahkan memprogramnya.

Minski [2] mengungkapkan gagasan mengajar sebagai "membangun jaringan yang kuat" di otak.

Karena ini adalah proses yang rumit, berbicara dengan seorang ahli mungkin adalah cara paling efisien untuk mempelajari suatu subjek

cepat. Masalah dengan banyak kurikulum perguruan tinggi adalah rasio murid-guru begitu besar sehingga sulit

untuk setiap siswa dapat berdiskusi rutin dengan guru....

Berikan Tanggapan kalian di kolom komen baik berupa saran maupun kritikan terserah !!

Media Pembelajaran Matematika Berbasis I.C.T

Assalammu’alaikum Wr, Wb

Hello Netizen, kembali lagi bersama saya pada blog kali ini saya akan membagikan sebuah video yang telah saya buat untuk memenuhi tugas mata kuliah “Media Pembelajaran Matematika Berbasis I.C.T”, adapun cuplikan videonya bisa dilihat pada Link berikut.

Ada 5 Prinsip-prinsip pengembangan Multimedia Pembelajaran, yaitu:

1.        Prinsip Kontiguitas

Gambar dengan penjelasannya tidak terpisah.

2.      Prinsip Modalitas

Penjelasan dengan narasi Auditif, mengurangi munculnya teks.

3.      Prinsip Redudansi

Penyajian materi yang berupa Auditif dan Tekstual secara berlebihan, cenderung mempercepat terjadinya beban lebih kognitif.

4.      Prinsip Koherensi

Penambahan materi yang menarik tetapi tidak sesuai dengan konteks

5.      Prinsip Personalisasi.

Menggunakan bahasa penyampaian materi yang ringan/tidak terlalu formal.

Dari 5 prinsip pengembangan multimedia di atas powerpoint yang saya buat sudah sesuai dengan beberapa Prinsip, antara lain ;

Prinsip Kontiguitas. Yaitu gambar dengan penjelasannya tidak terpisah.

Prinsip Koherensi. Yaitu tidak menambahkan animasi, gambar, ataupun teks yang tidak perlu.

Prinsip Personalisasi. Yaitu menggunakan bahasa penyampaian materi yang ringan/tidak terlalu formal.

Demikianlah untuk GOBLOK kali ini, kritik dan saran dari teman-teman sangat membantu untuk kemajuan dari blog saya. Sampai jumpa di GOBLOK selanjutnya.

Wassalam ^_^.

Permasalahan Pembelajaran Matematika di Kelas

Assalammu’alaikum Warahmatullahi Wabarakaatuh

Alhamdulillahi rabbil alamiin, Nahmaduhu wanastaiinu wanastaghfiruhu, wana udzubillahi min syururi anfusina wamin saayyiati a’malina, mayahdillahu fala mudhillalaah wamaayudhlilhu fala haadiya lahu, Allahumma shalli wa sallim a’la sayyidinaa muhammadin wa a’la alihi wa sahbihi ajma’in amma ba’du.

Kembali lagi bersama saya Bj. Nofrian Kurnia, S.Pd, pada hari senin kemaren tepatnya tanggal 10 September 2018 saya selaku penulis dan dua teman saya yaitu Rifni Anjani, S.Pd dan Lesa Taman Sari, S.Pd telah melakukan observasi di salah satu SMP Negeri yang ada di kota Jambi untuk menemukan suatu permasalahan dalam pembelajaran khususnya pada mata pelajaran Matematika dan disini saya meneliti dan mengambil video pada kelas IX. Pada kelas tersebut masih menggunakan kurikulum KTSP serta materi yang disampaikan adalah “Mengidentifikasikan Unsur-unsur Tabung, Kerucut dan Bola. Beberapa permasalahan yang saya dapatkan pada pembelajaran matematika tersebut antara lain :

1.      Di awal pelajaran guru mengucapkan salam dan memberi tahu materi yang akan dipelajari dan langsung menulis di papan tulis tanpa memperhatikan kesiapan belajar siswa dan tidak memotivasi siswa terlebih dahulu.

2.      Guru meminta siswa untuk maju kedepan dan membuat lingkaran serta menuliskan unsur-unsur lingkaran namun siswa hanya diam.

3.      Setelah sekian lama guru menunjuk seorang siswi maju kedepan kelas untuk membuat lingkaran dengan menggunakan busur.

4.      Guru mengamati murid yang membuat lingkaran dari belakang.

5.      Guru meminta murid yang lain untuk menuliskan unsur-unsur lingkaran namun tidak mendapat respon jadi murid yang membuat lingkaran tadi di tunjuk kembali

6.      Guru mengambil alat peraga tabung untuk mengenalkannya kepada siswa

7.      Guru bertanya apa saja benda yang seperti tabung dalam kehidupan sehari-hari dan murid menjawab namun guru tidak menyuruh untuk menemukan di kelas terlebih dahulu.

8.      Guru menggambar tabung dan kerucut di papan tulis serta menjelaskan unsur-unsurnya namun siswa kelihatan mengantuk dan kurang semangat.

9.      Guru memberikan LKS dengan soal tentang Tabung, Kerucut dan Bola dengan di kerjakan secara kelompok namun guru tidak membagi kelompok dan duduk di meja guru serta sesekali guru berjalan dan memperhatikan keadaan siswa dan materi tentang Bola belum di jelaskan.

Proses pendidikan mencakup proses belajar, proses mengajar dan proses berpikir kreatif. Syah (2008:248) mengungkapkan bahwa, “Dalam setiap proses belajar mengajar di sekolah sekurang-kurangnya melibatkan empat komponen pokok, yaitu: individu siswa, guru, ruang kelas dan kelompok siswa”. Semua komponen ini memiliki karakteristik sendiri-sendiri yang unik dan berpengaruh terhadap jalannya proses belajar mengajar. Dalam proses belajar mengajar, pendukung keberhasilan seorang guru dalam pembelajaran tidak hanya dari kemampuannya dalam menguasai materi akan tetapi faktor lain pun dapat mendukung, seperti penggunaan metode dan media yang tepat dalam proses pembelajaran tersebut. Hal ini harus diperhatikan karena akan berpengaruh terhadap pencapaian tujuan pembelajaran.

          Pandangan umum yang masih dianut oleh guru dan masih berlaku sampai sekarang ialah bahwa dalam proses belajar mengajar, pengetahuan dialihkan dari guru kepada siswa. Guru masih menggunakan model pembelajaran konvensional yang berlangsung satu arah yaitu guru menerangkan dan siswa mendengarkan, mencatat lalu menghafalnya sehingga tujuan pembelajaran akan cepat selesai. Dalam proses pembelajaran matematika guru umumnya terlalu berkonsentrasi pada latihan menyelesaikan soal yang lebih bersifat prosedural dan mekanistis daripada menanamkan pemahaman. Dalam kegiatan pembelajaran guru biasanya menjelaskan konsep secara informatif, memberikan contoh soal, dan memberikan soal-soal latihan.

Menurut Armanto (dalam Herman, 2010:3) tradisi mengajar seperti ini merupakan karakteristik umum bagaimana guru melaksanakan pembelajaran di Indonesia. Pembelajaran matematika konvensional bercirikan: berpusat pada guru, guru menjelaskan matematika melalui metode ceramah (chalk-and-talk), siswa pasif, pertanyaan dari siswa jarang muncul, berorientasi pada satu jawaban yang benar, dan aktivitas kelas yang sering dilakukan hanyalah mencatat atau menyalin. Akibatnya siswa menjadi kurang aktif dan pembelajaran merupakan suatu hal yang membosankan bagi siswa, sehingga dapat menurunkan motivasi belajar dan inisiatif siswa untuk bertanya dan mengungkapkan ide.  Karenanya kemampuan guru dalam memilih metode mengajar merupakan hal penting dalam kegiatan belajar mengajar. Kekurangan guru dalam memilih metode mengajar bisa menjadi salah satu penyebab kurang baiknya hasil belajar siswa.

Menyikapi permasalahan-permasalahan yang timbul dalam pendidikan matematika di sekolah, terutama yang berkaitan dengan prestasi belajar siswa, praktek pembelajaran di kelas, pentingnya meningkatkan kemampuan berpikir matematis tingkat tinggi, salah satu solusinya adalah dengan meningkatkan kualitas pembelajaran. Berdasarkan uraian di atas, penulis berpendapat bahwa untuk membuat pelajaran matematika menjadi bermakna, efektif serta banyak disukai oleh siswa maka perlu digunakannya multimedia dan model pembelajaran yang menarik salah satunya adalah model pembelajaran kooperatif.

Model pembelajaran kooperatif merupakan strategi belajar dalam kelompok kecil, yang memungkinkan siswa saling membantu dalam memahami suatu konsep, memeriksa dan memperbaiki jawaban teman sebagai masukan serta kegiatan lain yang bertujuan untuk mencapai hasil belajar yang optimal. Aktivitas pembelajaran kooperatif disamping menekankan pada kesadaran siswa belajar, memecahkan masalah dan mengaplikasikan pengetahuan, konsep serta keterampilan kepada teman lain, siswa akan merasa senang menyumbangkan pengetahuannya kepada teman atau anggota lain dalam kelompoknya. Oleh karena itu belajar kooperatif adalah saling menguntungkan antar siswa yang berkemampuan rendah, sedang dan siswa yang berkemampuan tinggi.

Saat saya observasi di sekolah tersebut guru mengatakan Proyektornya cuma satu dan tidak bisa di gunakan di kelas di karenakan sarana dan pra-sarana yang belum memadai jadi kesimpulannya kembali lagi ke pemerintah, bahwa pemerintah harus memperhatikan sarana dan prasarana di sekolah tersebut. Setelah sarana dan prasarana cukup dan bisa menggunakan proyektor maka saya menyarankan penggunaan Model Kooperatif dan aplikasi PowerPoint, dengan menggunakan powerpoint akan memudahkan kita dalam memberi ilmu kepada murid apalagi materinya bangun ruang sisi lengkung akan lebih mudah menjelaskannya jika murid bisa membayangkan bentuk konkret dari apa benda tersebut. Powerpoint juga sesuai dengan landasan teoritis multimedia pembelajaran terutama landasan teknologis sehingga sesuai dengan perkembangan zaman.

Jika sobat memiliki saran dan solusi lain dari permasalahan yang saya temukan di atas silahkan tinggalkan jejak berupa komen yang membangun untuk penulis, saran dan kritiknya sangat membantu disini untuk kelangsungan Blog saya yang lebih baik.

Terimakasih.

Semoga bermanfaat JJJ

Klik Link https://youtu.be/uxa1zxv19JY untuk melihat video

Dokumen Pendukung :

Gambar 1. LKS Halaman 1

Gambar 2. LKS Halaman 2