Dashboard
Bank Soal
Naskah Siswa
Kunci & Rubrik Guru
PDF
Word (.docx)
Cetak
Mata Pelajaran • SMA/SMK (Fase F / Kls XI)
Sumatif Tengah Semester Ganjil
Topik: Koding dan Penggunaan AI | Alokasi: 60 Menit
SMKS NURUL HAROMAIN PUJON
PENILAIAN PEMBELAJARAN MENDALAM (DEEP LEARNING)
Jl. Brigjen Abdul Manan Wijaya, Krajan, Pujon Lor, Kec. Pujon, Kab. Malang
--- **PEMERINTAH PROVINSI / YAYASAN PENDIDIKAN** **SMKS NURUL HAROMAIN** **ASESMEN PEMBELAJARAN MENDALAM (DEEP LEARNING)** **TAHUN AJARAN 2024/2025** --- * **Mata Pelajaran** : Informatika (Koding & Kecerdasan Artifisial) * **Fase / Kelas** : F / XI (Sebelas) * **Hari / Tanggal** : [........................................] * **Waktu** : 60 Menit * **Nama Siswa** : [........................................] * **Kelas / Jurusan** : [........................................] --- ### PETUNJUK UMUM 1. Berdoalah sebelum mengerjakan soal. 2. Periksa dan baca setiap soal dengan teliti sebelum Anda menjawabnya. 3. Kerjakan pada lembar jawaban yang telah disediakan menggunakan pulpen hitam/biru. 4. Untuk soal Pilihan Ganda, pilihlah satu jawaban yang paling tepat dengan memberikan tanda silang (X) pada huruf A, B, C, D, atau E. 5. Untuk soal Pilihan Ganda Kompleks, Menjodohkan, Isian Singkat, dan Uraian, ikuti instruksi khusus pada masing-masing bagian soal. 6. Periksa kembali pekerjaan Anda sebelum diserahkan kepada pengawas ruang. --- ## I. PILIHLAH SALAH SATU JAWABAN YANG PALING TEPAT! (No. 1 - 10) **Stimulus 1 (Untuk Soal Nomor 1 dan 2)** Sebuah perusahaan manufaktur komponen otomotif menerapkan sistem *Computer Vision* berbasis kecerdasan artifisial (AI) pada jalur perakitan (*conveyor belt*) untuk mendeteksi cacat produk secara real-time. Sistem ini menggunakan model *Convolutional Neural Network* (CNN) yang dilatih dengan ribuan gambar produk standar dan produk cacat. Saat kamera industri menangkap citra produk dengan tingkat kemiripan di bawah ambang batas (*threshold*) 85%, sistem akan memicu aktuator pneumatik untuk membuang produk tersebut dari jalur. 1. Berdasarkan skenario industri di atas, peran utama dari model CNN yang dilatih adalah... A. Mengatur kecepatan putaran motor *conveyor belt* secara otomatis. B. Mengekstraksi fitur visual citra produk untuk melakukan klasifikasi status kelayakan. C. Menghitung total biaya produksi harian berdasarkan jumlah produk yang lolos. D. Mengirimkan sinyal listrik tegangan tinggi langsung ke aktuator pneumatik. E. Menyimpan log data kehadiran operator mesin ke dalam database cloud. 2. Jika pada tahap pengujian lapangan ternyata sistem sering melakukan *False Positive* (produk bagus dianggap cacat dan dibuang), tindakan perbaikan algoritmik yang paling tepat dilakukan oleh tim *Data Science* adalah... A. Menurunkan kecepatan *conveyor belt* hingga 50% dari kapasitas normal. B. Mengganti seluruh perangkat keras kamera dengan resolusi 4K tanpa mengubah parameter model. C. Menambah variasi dataset citra produk bagus yang merepresentasikan kondisi pencahayaan berbeda, lalu melakukan *fine-tuning* model. D. Mematikan fitur AI dan mengembalikan proses inspeksi sepenuhnya kepada operator manusia. E. Menaikkan ambang batas (*threshold*) keputusan dari 85% menjadi 95%. **Stimulus 2 (Untuk Soal Nomor 3 dan 4)** Seorang pengembang perangkat lunak di *software house* sedang membangun sistem pemesanan tiket bioskop berbasis *web service*. Ia menulis fungsi Python berikut untuk menghitung total harga tiket berdasarkan hari dan status keanggotaan (*member*): ```python def hitung_total(harga_dasar, hari, is_member): diskon = 0 if hari.lower() == "sabtu" or hari.lower() == "minggu": if is_member: diskon = 0.15 else: diskon = 0.05 else: if is_member: diskon = 0.25 else: diskon = 0.10 total = harga_dasar - (harga_dasar * diskon) return total ``` 3. Kompleksitas logika percabangan bersarang (*nested conditional*) di atas dapat disederhanakan tanpa mengubah fungsionalitasnya. Manakah pernyataan yang benar mengenai struktur kode tersebut? A. Kode tersebut mengalami *syntax error* karena kurang tanda kurung siku pada fungsi *lower()*. B. Variabel diskon bernilai negatif jika *harga_dasar* bernilai negatif. C. Logika diskon memberikan potongan lebih besar pada hari kerja (*weekday*) dibandingkan akhir pekan (*weekend*) untuk kategori yang sama. D. Fungsi tersebut tidak dapat dieksekusi karena tipe data *is_member* bukan string. E. Parameter *hari* bersifat *case-sensitive* murni tanpa fungsi *.lower()*. 4. Jika seorang pelanggan adalah *member* (`is_member = True`) dan memesan tiket pada hari Rabu (`hari = "Rabu"`) dengan harga dasar Rp50.000, berapakah nilai yang dikembalikan oleh fungsi `hitung_total`? A. Rp37.500 B. Rp40.000 C. Rp42.500 D. Rp45.000 E. Rp47.500 5. Dalam pengembangan aplikasi berbasis AI generatif menggunakan API *Large Language Model* (LLM), teknik rekayasa prompt (*prompt engineering*) yang menggunakan pendekatan *Few-Shot Prompting* dicirikan oleh... A. Memberikan satu instruksi mutlak tanpa contoh kasus sama sekali. B. Menyertakan beberapa contoh input dan output yang diinginkan sebelum memberikan tugas aktual kepada model. C. Memerintahkan model untuk berpikir langkah demi langkah (*Chain of Thought*). D. Mengabaikan konteks percabangan sebelumnya demi efisiensi token. E. Menggunakan bahasa pemrograman tingkat rendah untuk mengakses memori GPU secara langsung. 6. Perhatikan potongan kode pendek bahasa Python berikut: ```python data = [10, 20, 30, 40, 50] hasil = [x * 2 for x in data if x > 25] print(hasil) ``` Output yang dicetak oleh program di atas adalah... A. `[20, 40, 60, 80, 100]` B. `[60, 80, 100]` C. `[30, 40, 50]` D. `[50, 70, 90]` E. `[20, 40, 60]` 7. Sebuah perusahaan logistik menggunakan algoritma *Machine Learning* regresi untuk memprediksi waktu pengiriman paket berdasarkan jarak tempuh, cuaca, dan kepadatan lalu lintas. Metrik evaluasi standar yang paling tepat digunakan untuk mengukur performa model regresi ini dalam satuan waktu (menit atau jam) adalah... A. *Accuracy* dan *Precision* B. *Recall* dan *F1-Score* C. *Mean Absolute Error* (MAE) atau *Root Mean Squared Error* (RMSE) D. *Confusion Matrix* E. *Area Under Curve* (AUC-ROC) 8. Dalam Standar Operasional Prosedur (SOP) keamanan data perusahaan, penerapan *Generative AI* untuk menulis ulang kode program internal dilarang keras jika... A. Kode program tersebut menggunakan bahasa Python versi terbaru. B. Kode program mengandung data sensitif perusahaan seperti *API Keys*, kredensial database, atau informasi privat pelanggan. C. Jumlah baris kode program melebihi 1.000 baris per file. D. Komputer klien menggunakan sistem operasi berbasis *Open Source*. E. Jaringan internet perusahaan menggunakan protokol HTTPS. 9. Manakah di bawah ini yang merupakan karakteristik utama dari bahasa pemrograman tingkat tinggi yang berorientasi objek (*Object-Oriented Programming* / OOP) dalam pengembangan perangkat lunak modular? A. Menggunakan alamat memori fisik secara langsung (pointer aritmatika). B. Hanya dapat dieksekusi pada satu arsitektur perangkat keras tertentu. C. Mengenkapsulasi data dan fungsi ke dalam bentuk *class* dan *object* untuk mendukung *reusability*. D. Tidak mengenal tipe data variabel (*dynamically untyped* secara mutlak). E. Mengharuskan pemrogram menulis kode biner murni secara manual. 10. Ketika melatih model *Machine Learning*, fenomena di mana model memiliki performa sangat baik pada data latih (*training data*), tetapi sangat buruk saat diuji pada data baru (*unseen data*) disebut sebagai... A. *Underfitting* B. *Overfitting* C. *Data Drift* D. *Gradient Descent* E. *Tokenization* --- ## II. PILIHAN GANDA KOMPLEKS (No. 11 - 15) *Petunjuk: Pilihlah **LEBIH DARI SATU** jawaban yang benar dengan memberikan tanda centang ($\checkmark$) pada kotak pilihan yang tersedia, atau tentukan status Benar/Salah pada pernyataan tabel.* **11. (Pilihan ganda dengan lebih dari 1 jawaban benar)** Manakah dari pernyataan berikut yang merupakan praktik baik (*best practices*) dalam menulis kode program (*coding*) yang bersih (*clean code*) dan mudah dipelihara? (Pilih dua jawaban yang benar) - [ ] Menggunakan penamaan variabel yang deskriptif dan mencerminkan fungsinya (misal: `total_gaji_karyawan` alih-alih `x`). - [ ] Menulis seluruh program dalam satu fungsi utama yang sangat panjang agar mudah dibaca sekaligus. - [ ] Memberikan komentar pada baris kode yang kompleks atau bagian algoritma yang tidak intuitif. - [ ] Menghindari penggunaan fungsi modular atau pemecahan modul program agar struktur file tetap sedikit. **12. (Pilihan ganda dengan lebih dari 1 jawaban benar)** Dalam implementasi kecerdasan artifisial (AI) generatif berbasis teks, risiko etis dan teknis apa saja yang sering muncul jika tidak diawasi oleh manusia (*human-in-the-loop*)? (Pilih dua jawaban yang benar) - [ ] Halusinasi AI, di mana model menghasilkan informasi yang salah secara faktual tetapi disajikan seolah-olah benar. - [ ] Peningkatan kecepatan komputasi CPU komputer klien secara eksponensial. - [ ] Potensi kebocoran hak kekayaan intelektual atau data rahasia yang dimasukkan ke dalam *prompt*. - [ ] Penurunan otomatis suhu perangkat keras GPU pusat data. **13. (Pernyataan Benar / Salah)** Tentukan apakah pernyataan berikut mengenai karakteristik *Artificial Intelligence* (AI), *Machine Learning* (ML), dan *Deep Learning* (DL) bernilai Benar atau Salah! | Pernyataan | Benar | Salah | | :--- | :---: | :---: | | A. *Deep Learning* adalah sub-bidang dari *Machine Learning* yang menggunakan jaringan saraf tiruan berlapis banyak (*multilayer neural networks*). | [ ] | [ ] | | B. Semua algoritma *Machine Learning* memerlukan intervensi manual yang masif untuk mengekstraksi fitur citra secara konvensional. | [ ] | [ ] | | C. *Artificial Intelligence* mencakup ranah yang lebih luas daripada *Machine Learning*. | [ ] | [ ] | **14. (Pilihan ganda dengan lebih dari 1 jawaban benar)** Manakah yang termasuk ke dalam struktur kontrol perulangan (*looping*) dalam bahasa pemrograman Python? (Pilih dua jawaban yang benar) - [ ] `for` - [ ] `while` - [ ] `switch-case` - [ ] `if-else` **15. (Pernyataan Benar / Salah)** Tentukan apakah pernyataan berikut terkait dengan pemanfaatan fungsi bawaan (*built-in functions*) dan pustaka (*libraries*) AI dalam Python bernilai Benar atau Salah! | Pernyataan | Benar | Salah | | :--- | :---: | :---: | | A. Pustaka *TensorFlow* dan *PyTorch* umumnya digunakan untuk membangun dan melatih model *Deep Learning*. | [ ] | [ ] | | B. Fungsi `print()` dalam Python digunakan untuk membaca input teks dari papan ketik (*keyboard*). | [ ] | [ ] | | C. Pustaka *Pandas* digunakan secara luas untuk manipulasi dan analisis data tabular. | [ ] | [ ] | --- ## III. MENJODOHKAN (No. 16 - 20) *Petunjuk: Pasangkan istilah teknis Koding dan AI di Kolom Kiri (Premis) dengan definisi atau fungsi yang tepat di Kolom Kanan (Pilihan Respon).* | Kolom Kiri (Premis) | Kolom Kanan (Pilihan Respon) | | :--- | :--- | | 16. **Debugging** [ ] | A. Proses konversi data teks mentah menjadi token numerik yang dapat dipahami oleh model AI. | | 17. **Tokenization** [ ] | B. Aktivitas mendeteksi, menganalisis, dan memperbaiki kesalahan atau *bug* pada kode program. | | 18. **Dataset** [ ] | C. Sekumpulan data yang digunakan untuk melatih, memvalidasi, dan menguji model *Machine Learning*. | | 19. **API (Application Programming Interface)** [ ] | D. Antarmuka yang memungkinkan berbagai aplikasi software saling berkomunikasi dan bertukar data. | | 20. **Overfitting** [ ] | E. Kondisi model ML terlalu menghafal data latih sehingga gagal mengenali data baru. | | | F. Perangkat keras fisik untuk menyimpan data sementara saat komputer dimatikan. | --- ## IV. ISIAN SINGKAT (No. 21 - 25) *Petunjuk: Jawablah titik-titik di bawah ini dengan istilah teknis atau kata kunci yang tepat.* 21. Struktur data linear dalam Python yang bersifat dapat diubah (*mutable*) dan diapit oleh tanda kurung siku `[...]` disebut dengan ........................................ 22. Algoritma pembelajaran mesin (*Machine Learning*) yang bekerja dengan cara membagi ruang fitur secara berulang menggunakan struktur seperti pohon keputusan (*decision tree*) untuk melakukan klasifikasi atau regresi dinamakan ........................................ 23. Dalam rekayasa prompt AI, teknik yang meminta model AI untuk menjabarkan tahapan penalaran logis sebelum memberikan kesimpulan akhir dikenal dengan istilah *Chain of* ........................................ 24. Perintah atau kata kunci (*keyword*) dalam bahasa pemrograman Python yang digunakan untuk mendefinisikan sebuah fungsi buatan pengguna (*user-defined function*) adalah ........................................ 25. Format file standar berbasis teks yang sangat populer digunakan untuk pertukaran data ringan dan konfigurasi sistem (sering dipetakan ke objek kamus/dictionary dalam Python) adalah ........................................ --- ## V. URAIAN / ESAI (No. 26 - 30) *Petunjuk: Jawablah pertanyaan-pertanyaan berikut secara jelas, terstruktur, dan komprehensif sesuai dengan kaidah teknis industri.* 26. **Studi Kasus Sistem Rekomendasi E-Commerce:** Sebuah platform *e-commerce* ingin mengintegrasikan sistem rekomendasi produk berbasis AI untuk meningkatkan angka penjualan (*conversion rate*). Jelaskan perbedaan mendasar antara pendekatan *Collaborative Filtering* dan *Content-Based Filtering* dalam perancangan sistem rekomendasi tersebut! Berikan masing-masing satu contoh skenario penerapannya! 27. **Analisis Kode Python dan Penanganan Eksepsi (*Exception Handling*):** Perhatikan potongan kode Python berikut yang digunakan untuk membaca angka dari pengguna: ```python try: angka = int(input("Masukkan angka: ")) hasil = 100 / angka print(f"Hasil pembagian: {hasil}") except ZeroDivisionError: print("Error: Tidak bisa membagi dengan nol!") angka = 1 except ValueError: print("Error: Masukan harus berupa angka bulat!") ``` Analisislah apa yang akan dicetak oleh program jika pengguna memasukkan huruf `"A"`, dan jelaskan mengapa blok `except` sangat krusial dalam pembuatan perangkat lunak berstandar industri! 28. **SOP Keamanan dan Etika Penggunaan AI Generatif:** Sebagai seorang staf IT support di perusahaan multinasional, Anda diminta menyusun SOP singkat bagi karyawan dalam memanfaatkan AI generatif (seperti ChatGPT atau Claude) untuk membantu menyelesaikan tugas administratif. Sebutkan dan jelaskan **tiga** aturan utama yang harus tercantum dalam SOP tersebut demi menjaga keamanan data perusahaan! 29. **Perancangan Algoritma Logika (Koding Dasar):** Rancanglah sebuah fungsi dalam bahasa pemrograman Python bernama `cek_kelulusan_karyawan(nilai_teknis, nilai_sikap)` dengan ketentuan sebagai berikut: - Karyawan dinyatakan **"Lulus"** jika `nilai_teknis` minimal 75 **DAN** `nilai_sikap` minimal 80. - Jika salah satu atau kedua syarat tidak terpenuhi, karyawan dinyatakan **"Remedial"**. Tuliskan blok kode program fungsi tersebut secara lengkap beserta contoh pemanggilannya! 30. **Evaluasi Model *Machine Learning*:** Dalam sebuah proyek klasifikasi medis untuk mendeteksi penyakit kanker paru-paru dari citra X-ray, manakah yang lebih berbahaya (berdampak fatal): kasus *False Positive* (pasien sehat didiagnosis kanker) atau *False Negative* (pasien kanker didiagnosis sehat)? Berikan argumen analitis Anda berdasarkan prinsip keselamatan pasien dan kinerja metrik evaluasi model! --- ---
PEDOMAN GURU, KISI-KISI, KUNCI & RUBRIK ## A. KISI-KISI PEMETAAN KOGNITIF ASESMEN * **Mata Pelajaran**: Informatika (Koding & Kecerdasan Artifisial) * **Fase/Kelas**: F / XI * **Alokasi Waktu**: 60 Menit * **Distribusi Kognitif**: L1 (50% = 15 soal), L2 (40% = 12 soal), L3 (10% = 3 soal) — *Total 30 Butir Soal* | No | Kompetensi / Indikator Pencapaian | Lingkup Materi | Level Kognitif | Bentuk Soal | No. Soal | |:--:|:---|:---|:---:|:---:|:---:| | 1 | Menganalisis fungsi sistem komputer berbasis AI | Konsep AI & Industri | L2 (Aplikasi) | Pilihan Ganda | 1 | | 2 | Mengevaluasi performa model AI industri | *Computer Vision* & Dataset | L3 (Penalaran) | Pilihan Ganda | 2 | | 3 | Menganalisis logika percabangan kode program | Logika & Percabangan | L2 (Aplikasi) | Pilihan Ganda | 3 | | 4 | Menghitung hasil eksekusi fungsi pemrograman | Logika & Fungsi Python | L2 (Aplikasi) | Pilihan Ganda | 4 | | 5 | Mengidentifikasi teknik rekayasa prompt AI | Prompt Engineering | L1 (Fondasi) | Pilihan Ganda | 5 | | 6 | Membaca output program list comprehension Python | Sintaks Python | L2 (Aplikasi) | Pilihan Ganda | 6 | | 7 | Menentukan metrik evaluasi Machine Learning | Machine Learning Regresi | L1 (Fondasi) | Pilihan Ganda | 7 | | 8 | Menerapkan SOP keamanan data penggunaan AI | Etika & Keamanan AI | L2 (Aplikasi) | Pilihan Ganda | 8 | | 9 | Memahami karakteristik Pemrograman Berorientasi Objek | OOP / Modular | L1 (Fondasi) | Pilihan Ganda | 9 | | 10| Mengidentifikasi masalah pelatihan Machine Learning | Overfitting / Underfitting | L1 (Fondasi) | Pilihan Ganda | 10 | | 11| Menerapkan praktik *clean code* dalam koding | Clean Code Practices | L2 (Aplikasi) | PG Kompleks | 11 | | 12| Menganalisis risiko etis AI generatif | Etika AI | L3 (Penalaran) | PG Kompleks | 12 | | 13| Membedakan hierarki AI, ML, dan Deep Learning | Konseptual AI/ML/DL | L1 (Fondasi) | PG Kompleks (BS)| 13 | | 14| Mengidentifikasi struktur perulangan Python | Sintaks Python | L1 (Fondasi) | PG Kompleks | 14 | | 15| Menggunakan pustaka standar Python untuk AI & Data | Python Libraries | L1 (Fondasi) | PG Kompleks (BS)| 15 | | 16| Menjelaskan istilah teknis perbaikan kode | Debugging | L1 (Fondasi) | Menjodohkan | 16 | | 17| Menjelaskan tahapan pemrosesan teks AI | Tokenization | L1 (Fondasi) | Menjodohkan | 17 | | 18| Menjelaskan komponen data dalam ML | Dataset | L1 (Fondasi) | Menjodohkan | 18 | | 19| Menjelaskan arsitektur komunikasi perangkat lunak | API | L1 (Fondasi) | Menjodohkan | 19 | | 20| Menjelaskan anomali performa model ML | Overfitting | L1 (Fondasi) | Menjodohkan | 20 | | 21| Menyebutkan struktur data mutable Python | List / Struktur Data | L1 (Fondasi) | Isian Singkat | 21 | | 22| Menyebutkan algoritma pembagian ruang fitur | Decision Tree | L1 (Fondasi) | Isian Singkat | 22 | | 23| Menyebutkan teknik penalaran prompt AI | Thought | L1 (Fondasi) | Isian Singkat | 23 | | 24| Menyebutkan kata kunci fungsi Python | def | L1 (Fondasi) | Isian Singkat | 24 | | 25| Menyebutkan format pertukaran data teks ringan | JSON | L1 (Fondasi) | Isian Singkat | 25 | | 26| Menganalisis sistem rekomendasi e-commerce | Sistem Rekomendasi AI | L3 (Penalaran) | Uraian | 26 | | 27| Menganalisis *exception handling* Python | Penanganan Eksepsi | L2 (Aplikasi) | Uraian | 27 | | 28| Merumuskan SOP keamanan AI generatif korporat | SOP & Keamanan Data | L2 (Aplikasi) | Uraian | 28 | | 29| Merancang fungsi logika kelulusan Python | Koding Terapan | L2 (Aplikasi) | Uraian | 29 | | 30| Mengevaluasi dampak metrik medis *False Negative* | Evaluasi Model AI | L3 (Penalaran) | Uraian | 30 | --- ## B. KUNCI JAWABAN DAN PEMBAHASAN RASIONAL ### I. Pilihan Ganda (1 - 10) 1. **B**. Model CNN mengekstraksi fitur visual citra produk untuk mengklasifikasikan apakah produk tersebut layak atau cacat berdasarkan pola piksel yang telah dipelajari dari data latih. 2. **C**. *False Positive* terjadi karena model terlalu sensitif atau kurang data variasi produk bagus. Menambah dataset citra produk bagus dengan variasi pencahayaan dan melakukan *fine-tuning* adalah solusi algoritmik yang tepat. 3. **C**. Berdasarkan struktur kode, hari kerja (*else*) memberikan diskon lebih besar (25% dan 10%) dibandingkan akhir pekan (15% dan 5%) untuk kategori *member* maupun non-*member*. 4. **C**. `harga_dasar = 50000`, `hari = "Rabu"` (bukan sabtu/minggu, masuk blok *else*), `is_member = True`. Diskon = 25% (0.25). Total = $50000 - (50000 \times 0.25) = 50000 - 12500 = 37.500$? Tunggu, mari hitung teliti: Rp50.000 - 25% = Rp37.500. *Kunci yang benar adalah A* (koreksi opsi soal: A = 37.500). Mari kita sesuaikan kunci: **A. Rp37.500**. 5. **B**. *Few-Shot Prompting* adalah teknik memberikan beberapa contoh input-output sebelum model mengerjakan tugas sebenarnya. 6. **B**. `data = [10, 20, 30, 40, 50]`. Filter `x > 25` menghasilkan `[30, 40, 50]`. Ekspresi `x * 2` menghasilkan `[60, 80, 100]`. 7. **C**. Regresi memprediksi nilai kontinu (waktu). Metrik standar error yang digunakan adalah MAE atau RMSE. 8. **B**. Memasukkan *API Keys* atau data privat perusahaan ke LLM publik berisiko tinggi terjadi kebocoran data (*data leakage*). 9. **C**. Karakteristik utama OOP adalah enkapsulasi data dan fungsi ke dalam *class* dan *object* untuk modularitas dan reusability. 10. **B**. Model yang sangat baik di data latih tapi buruk di data baru disebut *Overfitting* (menghafal data latih). ### II. Pilihan Ganda Kompleks (11 - 15) 11. Pilihan benar: - [x] Menggunakan penamaan variabel yang deskriptif dan mencerminkan fungsinya. - [x] Memberikan komentar pada baris kode yang kompleks atau bagian algoritma yang tidak intuitif. 12. Pilihan benar: - [x] Halusinasi AI, di mana model menghasilkan informasi yang salah secara faktual tetapi disajikan seolah-olah benar. - [x] Potensi kebocoran hak kekayaan intelektual atau data rahasia yang dimasukkan ke dalam *prompt*. 13. Tabel Benar / Salah: - A: **Benar** (*Deep Learning* adalah sub-bidang NN berlapis). - B: **Salah** (*Deep Learning* mengekstraksi fitur secara otomatis, tidak selalu manual). - C: **Benar** (AI adalah payung besar, ML adalah bagian di dalamnya). 14. Pilihan benar: - [x] `for` - [x] `while` 15. Tabel Benar / Salah: - A: **Benar** (*TensorFlow* & *PyTorch* adalah pustaka DL utama). - B: **Salah** (`print()` mencetak output ke layar, bukan membaca input). - C: **Benar** (*Pandas* adalah pustaka analisis data tabular). ### III. Menjodohkan (16 - 20) 16. **Debugging** $\rightarrow$ **B** (Proses mendeteksi, menganalisis, dan memperbaiki kesalahan kode). 17. **Tokenization** $\rightarrow$ **A** (Konversi teks menjadi token numerik untuk AI). 18. **Dataset** $\rightarrow$ **C** (Kumpulan data untuk melatih dan menguji model ML). 19. **API** $\rightarrow$ **D** (Antarmuka komunikasi antar aplikasi software). 20. **Overfitting** $\rightarrow$ **E** (Kondisi model terlalu menghafal data latih). ### IV. Isian Singkat (21 - 25) 21. **List** (atau *Array*) 22. **Decision Tree** (Pohon Keputusan) 23. **Thought** (*Chain of Thought*) 24. **`def`** 25. **JSON** (*JavaScript Object Notation*) --- ## C. RUBRIK PENSKORAN URAIAN (No. 26 - 30) ### 26. Studi Kasus Sistem Rekomendasi E-Commerce * **Skor 4**: Menjelaskan kedua pendekatan dengan sangat akurat dan memberikan contoh skenario nyata yang sangat relevan. - *Collaborative Filtering*: Berdasarkan perilaku pengguna lain yang serupa (contoh: "Pengguna lain yang membeli produk A juga membeli produk B"). - *Content-Based Filtering*: Berdasarkan kemiripan atribut produk yang pernah disukai pengguna sebelumnya (contoh: Menyarankan sepatu lari merek X karena pengguna sering melihat dan membeli sepatu olahraga). * **Skor 3**: Menjelaskan kedua pendekatan dengan benar, tetapi contoh kurang spesifik. * **Skor 2**: Hanya menjelaskan salah satu pendekatan dengan benar. * **Skor 1**: Menjawab tetapi konsep tertukar atau tidak relevan. * **Skor 0**: Tidak menjawab. ### 27. Analisis Kode Python dan Penanganan Eksepsi * **Skor 4**: Menyebutkan dengan tepat bahwa program akan mencetak `"Error: Masukan harus berupa angka bulat!"` dan menjelaskan secara komprehensif bahwa blok `except` mencegah program *crash* (berhenti mendadak) saat terjadi kesalahan input pengguna, menjaga kestabilan aplikasi industri. * **Skor 3**: Menyebutkan output dengan benar dan menjelaskan fungsi *exception handling* secara umum. * **Skor 2**: Menyebutkan output benar tetapi penjelasan kegunaan blok `except` kurang tepat. * **Skor 1**: Menjawab tidak sesuai analisis kode. * **Skor 0**: Tidak menjawab. ### 28. SOP Keamanan dan Etika Penggunaan AI Generatif * **Skor 4**: Menyebutkan 3 aturan operasional yang logis dan profesional, contoh: 1. *Larongan Input Data Sensitif*: Tidak memasukkan data finansial, kode sumber rahasia (*source code* privat), atau identitas pribadi pelanggan (*PII*). 2. *Wajib Validasi Manusia (Human Verification)*: Setiap kode atau dokumen hasil generate AI wajib diverifikasi ulang oleh staf kompeten sebelum diimplementasikan. 3. *Transparansi Penggunaan*: Mencantumkan keterangan jika dokumen/laporan disusun dengan bantuan asisten AI sesuai kebijakan perusahaan. * **Skor 3**: Menyebutkan 3 aturan tetapi kurang mendalam penjelasannya. * **Skor 2**: Hanya menyebutkan 1 atau 2 aturan dengan benar. * **Skor 1**: Menyebutkan aturan yang tidak relevan dengan keamanan data korporat. * **Skor 0**: Tidak menjawab. ### 29. Perancangan Algoritma Logika (Koding Dasar) * **Skor 4**: Menuliskan sintaks Python yang valid secara struktural dan logis: ```python def cek_kelulusan_karyawan(nilai_teknis, nilai_sikap): if nilai_teknis >= 75 and nilai_sikap >= 80: return "Lulus" else: return "Remedial" # Contoh pemanggilan print(cek_kelulusan_karyawan(80, 85)) # Output: Lulus ``` * **Skor 3**: Logika benar dan sintaks hampir sempurna (ada kesalahan kecil tanda baca). * **Skor 2**: Menggunakan struktur fungsi benar tetapi logika `if-else` atau operator `and` keliru. * **Skor 1**: Menuliskan kode acak yang tidak sesuai sintaks Python. * **Skor 0**: Tidak menjawab. ### 30. Evaluasi Model *Machine Learning* (Kanker Paru-paru) * **Skor 4**: Mengidentifikasi bahwa **_False Negative_** jauh lebih berbahaya/fatal. Argumen: Dalam diagnosis medis, *False Negative* berarti pasien yang sebenarnya menderita kanker didiagnosis sehat. Akibatnya, pasien kehilangan kesempatan mendapatkan pengobatan dini yang dapat menyelamatkan nyawa. Meskipun *False Positive* menimbulkan kecemasan sementara, hal tersebut dapat dikoreksi melalui pemeriksaan lanjutan (*biopsi*), sedangkan *False Negative* menunda intervensi medis krusial. * **Skor 3**: Memilih *False Negative* dan memberikan argumen medis yang logis tetapi kurang mendalam. * **Skor 2**: Memilih *False Positive* atau memberikan argumen yang tertukar. * **Skor 1**: Menjawab tanpa argumen analitis. * **Skor 0**: Tidak menjawab.
