Pendahuluan
Pagi itu saya datang ke sekolah lebih awal dari biasanya. Halaman SMP Negeri 1 Kota Sorong masih basah oleh embun, sementara beberapa daun kering berserakan di bawah pepohonan yang tumbuh rindang. Saya memungut beberapa daun yang masih utuh, memasukkannya ke dalam sebuah kardus kecil, lalu mengambil beberapa botol plastik bekas yang telah dibersihkan dari kantin sekolah. Benda-benda itu tampak sederhana. Namun pagi itu saya percaya bahwa selembar daun dan sebotol plastik akan mengubah cara murid-murid saya memandang kecerdasan artifisial.
Ketika memasuki kelas, beberapa murid langsung memperhatikan kardus yang saya bawa. Salah seorang di antaranya bertanya sambil tersenyum, "Pak, hari ini kita belajar KKA atau kerja bakti?" Pertanyaan itu disambut tawa teman-temannya. Saya hanya tersenyum dan meletakkan kardus di depan kelas. Saya sengaja membiarkan rasa penasaran mereka tumbuh sebelum pembelajaran dimulai.
Saya membuka pelajaran dengan sebuah pertanyaan.
"Menurut kalian, apakah komputer bisa melihat seperti manusia?"
Kelas mendadak hening. Sebagian murid menggeleng, sebagian lain menjawab bahwa komputer hanya dapat bekerja jika diprogram. Tidak ada jawaban yang sepenuhnya salah. Namun saya tidak ingin langsung memberikan penjelasan. Saya ingin mereka menemukan jawabannya sendiri melalui pengalaman belajar.
Saya kemudian mengangkat selembar daun kering dan sebuah botol plastik.
"Hari ini kita tidak hanya belajar menggunakan kecerdasan artifisial. Hari ini kita akan mengajari kecerdasan artifisial mengenali benda-benda di sekitar kita."
Ucapan itu langsung mengubah ekspresi mereka. Beberapa murid saling berpandangan, sementara yang lain mendekati meja guru untuk melihat isi kardus. Rasa ingin tahu yang muncul secara alami menjadi modal terbaik untuk memulai pembelajaran.
Pengalaman pembelajaran ini berawal dari kegelisahan saya sebagai guru Koding dan Kecerdasan Artifisial sekaligus guru Informatika. Dalam beberapa tahun terakhir, perkembangan AI begitu cepat dan semakin dekat dengan kehidupan murid. Mereka terbiasa menggunakan berbagai aplikasi berbasis AI untuk mencari informasi, membuat gambar, atau membantu menyelesaikan tugas. Namun sebagian besar masih mengenalnya hanya sebagai pengguna, belum memahami bagaimana AI belajar dan menghasilkan keputusan.
Saya meyakini bahwa sekolah memiliki tanggung jawab lebih besar daripada sekadar memperkenalkan aplikasi AI yang sedang populer. Murid perlu memahami bahwa di balik setiap sistem AI terdapat proses belajar yang dibangun dari data. Pemahaman ini penting agar mereka tidak memandang AI sebagai teknologi yang selalu benar, melainkan sebagai alat yang harus digunakan secara kritis, bertanggung jawab, dan beretika.
Atas dasar itulah saya memilih Teachable Machine sebagai media pembelajaran. Platform berbasis web ini memungkinkan murid melatih model AI tanpa harus menulis satu baris kode pun. Yang lebih penting, pembelajaran dapat dilaksanakan hanya dalam satu kali pertemuan dengan memanfaatkan benda-benda yang dekat dengan kehidupan mereka, yaitu daun sebagai contoh sampah organik dan sampah plastik sebagai contoh sampah anorganik.
Saya percaya bahwa pengalaman belajar yang bermakna tidak selalu lahir dari laboratorium yang lengkap atau teknologi yang mahal. Di ruang kelas sederhana, guru dapat mengubah daun dan botol plastik menjadi media untuk menumbuhkan rasa ingin tahu, melatih berpikir komputasional, menanamkan kepedulian terhadap lingkungan, sekaligus memperkenalkan cara kerja kecerdasan artifisial. Dari pengalaman sederhana itulah saya melihat harapan bahwa pendidikan mampu menyiapkan generasi yang kritis, bertanggung jawab, dan siap menghadapi perkembangan teknologi.
Ketika Murid Mulai Mengajari Komputer
Rasa penasaran yang tumbuh sejak awal pembelajaran menjadi modal terbaik untuk memulai proses belajar. Saya sengaja tidak menjelaskan konsep machine learning melalui ceramah. Sebaliknya, saya ingin murid menemukan sendiri bagaimana sebuah sistem AI belajar melalui pengalaman yang mereka alami secara langsung.
Saya membagi murid ke dalam beberapa kelompok kecil. Setiap kelompok menggunakan satu laptop yang memiliki kamera dan terhubung ke internet. Setelah membuka laman Teachable Machine, saya hanya memberikan satu tantangan sederhana.
"Hari ini kalian bukan pengguna AI. Hari ini kalian menjadi guru bagi AI."
Kalimat itu langsung mengubah suasana kelas. Murid yang semula hanya memperhatikan mulai aktif berdiskusi. Mereka penasaran bagaimana mungkin sebuah komputer dapat "diajari" seperti manusia.
Saya kemudian meminta setiap kelompok membuat dua kelas data pada Teachable Machine. Kelas pertama diberi nama "Sampah Organik", sedangkan kelas kedua "Sampah Anorganik". Dari kardus yang saya bawa, mereka mulai mengambil daun hijau, daun kering, botol plastik, gelas plastik, dan bungkus makanan plastik sebagai data pelatihan.
Saya sengaja tidak memberikan banyak arahan tentang cara mengambil gambar. Saya ingin mereka bereksplorasi terlebih dahulu. Ada kelompok yang memotret daun hanya dari satu sisi, ada yang mengambil gambar botol plastik dalam posisi berdiri, dan ada pula yang berusaha memperoleh sudut pengambilan gambar terbaik.
Tanpa mereka sadari, proses tersebut telah melatih kemampuan berpikir komputasional. Mereka mengamati karakteristik objek, membandingkan hasil pengamatan, berdiskusi, lalu menentukan data yang paling tepat untuk melatih model AI.
Ketika Murid Mengajari Komputer Melihat
Beberapa menit kemudian, setiap kelompok menekan tombol Train Model. Seluruh perhatian tertuju pada layar laptop masing-masing. Sorak kegembiraan mulai terdengar ketika proses pelatihan selesai dan model AI siap diuji menggunakan kamera.
Pengujian pertama berjalan cukup baik. Ketika daun diarahkan ke kamera, layar menampilkan prediksi "Sampah Organik" dengan tingkat keyakinan yang tinggi. Saat botol plastik diuji, sebagian besar model juga berhasil mengenalinya sebagai "Sampah Anorganik."
"Berhasil, Pak!" seru salah satu kelompok dengan wajah penuh bangga.
Saya ikut tersenyum. Namun bagi saya, pembelajaran yang sesungguhnya justru baru dimulai. Saya menunggu saat ketika model AI melakukan kesalahan, karena saya percaya bahwa pemahaman yang paling kuat sering lahir dari sebuah kegagalan.
Kesempatan itu akhirnya datang.
Salah satu kelompok mencoba menguji botol plastik berwarna hijau. Mereka yakin hasilnya akan sama seperti sebelumnya. Namun layar laptop justru menampilkan prediksi yang berbeda.
"Sampah Organik."
Seluruh anggota kelompok saling berpandangan.
"Pak, kok bisa salah?"
Suasana kelas langsung riuh. Ada yang menyalahkan kamera, ada yang menganggap aplikasinya bermasalah, sementara kelompok lain mulai membandingkan hasil pengujian mereka.
Di tengah keramaian itu saya justru merasa senang. Inilah momen belajar yang sejak awal saya harapkan.
Saya mendekati kelompok tersebut tanpa langsung memberikan jawaban.
"Coba kita lihat lagi data yang kalian gunakan."
Mereka membuka kembali seluruh gambar yang telah diambil.
"Botol plastik yang kalian gunakan untuk melatih AI warnanya apa saja?"
"Hampir semuanya bening, Pak," jawab salah seorang murid.
"Kalau daun?"
"Macam-macam. Ada hijau tua, hijau muda, bahkan ada yang sudah kecokelatan."
Saya kembali bertanya,
"Kalau AI baru pernah melihat botol bening, apakah wajar kalau dia bingung saat melihat botol hijau?"
Beberapa detik kemudian, seorang murid tersenyum sambil mengangguk.
"Oh, berarti yang kurang bukan AI-nya, ya, Pak."
Saya mengangguk pelan.
"Benar. AI hanya belajar dari data yang kalian berikan. Jika data yang diberikan belum beragam, cara AI memahami dunia juga menjadi terbatas."
Saat itulah murid menyadari bahwa kecerdasan AI tidak ditentukan oleh kecanggihan teknologinya, melainkan oleh kualitas data yang diajarkan manusia. Saya melihat mereka tidak lagi sibuk mencari siapa yang salah. Sebaliknya, mereka mulai mencari penyebab kesalahan tersebut.
Tanpa saya minta, setiap kelompok segera memperbaiki data yang telah dikumpulkan. Ada yang menambahkan foto botol dengan berbagai warna, ada yang mengambil gambar dari sudut berbeda, dan ada pula yang memperbaiki pencahayaan agar objek lebih mudah dikenali. Tanpa disadari, mereka sedang melakukan salah satu tahapan penting dalam pengembangan AI, yaitu mengevaluasi data, menemukan penyebab kesalahan, lalu melatih kembali model berdasarkan hasil evaluasi.
Beberapa menit kemudian mereka kembali menekan tombol Train Model.
Ketika botol plastik hijau kembali diarahkan ke kamera, layar menampilkan prediksi "Sampah Anorganik" dengan tingkat keyakinan yang jauh lebih tinggi.
Sorak gembira kembali memenuhi ruang kelas.
Namun bagi saya, keberhasilan hari itu bukanlah ketika komputer akhirnya mampu mengenali botol plastik dengan benar. Keberhasilan yang sesungguhnya adalah ketika murid memahami bahwa AI tidak pernah belajar sendirian. Di balik setiap model yang mampu membuat prediksi selalu ada manusia yang mengumpulkan data, memperbaiki kesalahan, dan terus belajar dari setiap proses yang dijalani.
Ketika AI Mengajarkan Kami Tentang Belajar
Bel berbunyi menandakan waktu pembelajaran hampir berakhir. Namun tidak satu pun kelompok langsung menutup laptopnya. Beberapa murid masih mencoba menguji model AI dengan berbagai benda di sekitar mereka. Ada yang ingin mengetahui apakah AI dapat membedakan daun segar dan daun kering, ada pula yang mengarahkan kertas, tempat pensil, bahkan tangan mereka ke depan kamera hanya untuk melihat prediksi yang muncul.
Saya membiarkan mereka bereksplorasi. Bagi saya, rasa ingin tahu yang tumbuh secara alami jauh lebih berharga daripada sekadar menyelesaikan seluruh langkah pada lembar kerja.
Sebelum pelajaran berakhir, saya mengajak seluruh murid kembali duduk. Kali ini tidak ada lagi daun yang diangkat ke depan kamera dan tidak ada lagi botol plastik yang diuji. Saya hanya mengajukan satu pertanyaan sederhana.
"Kalau kalian diminta menceritakan pelajaran hari ini kepada teman yang tidak masuk sekolah, apa yang akan kalian ceritakan?"
Jawaban mereka beragam.
"AI ternyata bisa diajari, Pak."
"Komputer belajar dari data."
"Kalau datanya kurang bagus, hasilnya juga bisa salah."
Saya kembali bertanya,
"Menurut kalian, siapa yang bertanggung jawab ketika AI memberikan jawaban yang salah?"
Kelas kembali hening.
Seorang murid kemudian menjawab pelan,
"Manusianya, Pak. Karena manusia yang mengajarinya."
Jawaban sederhana itu menjadi momen yang paling membekas bagi saya. Saya tidak pernah meminta murid menghafal definisi machine learning ataupun menjelaskan cara kerja AI secara teknis. Namun melalui pengalaman mencoba, gagal, lalu memperbaiki, mereka mampu memahami inti pembelajaran dengan bahasa mereka sendiri.
Saat itulah saya menyadari bahwa pembelajaran yang bermakna tidak diukur dari banyaknya materi yang disampaikan guru, melainkan dari lahirnya pemahaman baru dalam diri murid.
Pengalaman tersebut sekaligus menjadi refleksi bagi saya sebagai guru. Selama mengajar Koding dan Kecerdasan Artifisial serta Informatika, saya pernah beranggapan bahwa pembelajaran AI memerlukan laboratorium yang lengkap, perangkat berspesifikasi tinggi, dan waktu yang panjang. Kenyataannya, pengalaman belajar yang paling bermakna justru lahir dari sesuatu yang sangat sederhana yakni selembar daun, sebuah botol plastik, satu laptop, dan rasa ingin tahu murid.
Saya juga belajar bahwa kesalahan bukan sesuatu yang harus dihindari dalam pembelajaran. Ketika model AI salah mengenali botol plastik, murid memang sempat kecewa. Namun setelah menemukan penyebabnya dan memperbaiki model tersebut, mereka memahami bahwa kesalahan adalah bagian dari proses belajar. Prinsip yang sama berlaku bagi manusia maupun kecerdasan artifisial. Kesalahan bukanlah akhir, melainkan kesempatan untuk memperbaiki pemahaman.
Pengalaman itu mengingatkan saya bahwa pada era AI, guru bukan lagi satu-satunya sumber pengetahuan. Peran guru berkembang menjadi perancang pengalaman belajar yang mampu membangkitkan rasa ingin tahu, memandu proses berpikir, dan memberi ruang bagi murid untuk bereksperimen. Dalam pembelajaran seperti inilah teknologi tidak menjadi tujuan, melainkan jembatan untuk menumbuhkan kemampuan berpikir kritis, kreatif, kolaboratif, dan bertanggung jawab.
Perubahan yang paling membahagiakan justru terlihat dari cara pandang murid terhadap lingkungan sekolah. Daun dan botol plastik yang sebelumnya mereka anggap sebagai sampah biasa kini mereka lihat sebagai sumber data yang dapat melatih sebuah model AI. Bahkan beberapa murid mengusulkan agar model yang mereka buat dikembangkan untuk mengenali lebih banyak jenis sampah sehingga dapat dimanfaatkan sebagai media edukasi pemilahan sampah di sekolah. Bagi saya, usulan tersebut menunjukkan bahwa pembelajaran telah melampaui target awal. Murid tidak hanya memahami konsep dasar AI, tetapi juga mulai menghubungkannya dengan persoalan nyata di sekitar mereka.
Pengalaman sederhana dalam satu kali pertemuan itu akhirnya mengubah cara pandang saya terhadap pembelajaran AI di sekolah. Saya semakin yakin bahwa yang paling menentukan bukanlah seberapa canggih teknologi yang digunakan, melainkan seberapa bermakna pengalaman belajar yang dirancang guru. Ketika murid diberi kesempatan untuk bertanya, mencoba, gagal, memperbaiki, dan menemukan sendiri jawabannya, mereka tidak hanya belajar tentang AI. Mereka sedang belajar berpikir, berkolaborasi, memecahkan masalah, dan menjadi pembelajar sepanjang hayat.
Penutup
Ketika saya meninggalkan kelas siang itu, daun-daun yang tadi pagi saya pungut memang tetaplah daun, dan botol plastik itu tetaplah botol plastik. Namun bagi murid-murid saya, keduanya bukan lagi sekadar sampah. Keduanya telah menjadi data, menjadi pengalaman belajar, sekaligus menjadi pengingat bahwa kecerdasan artifisial hanya akan menjadi cerdas apabila manusia mengajarkannya dengan data yang baik.
Pengalaman sederhana itu semakin meyakinkan saya bahwa pembelajaran AI di sekolah tidak ditentukan oleh kecanggihan teknologi yang dimiliki, melainkan oleh kemampuan guru merancang pengalaman belajar yang bermakna. Teachable Machine hanyalah sebuah alat. Nilai sesungguhnya terletak pada bagaimana guru mengubah alat tersebut menjadi pengalaman belajar yang mendorong murid untuk bertanya, mencoba, gagal, memperbaiki, dan menemukan sendiri jawabannya.
Saya percaya bahwa setiap pengalaman belajar yang bermakna di ruang kelas adalah investasi bagi masa depan bangsa. Ketika murid dibimbing untuk berpikir kritis, bertanggung jawab, peduli terhadap lingkungan, dan mampu memanfaatkan teknologi secara bijaksana, sesungguhnya kita sedang menyiapkan generasi yang mampu menjaga kedaulatan bangsa, mewujudkan keadilan melalui pemanfaatan teknologi yang beretika, serta berkontribusi bagi Indonesia yang semakin makmur. Dari ruang kelas yang sederhana, langkah-langkah kecil itu dimulai.
Daftar Pustaka
Google. (n.d.). Teachable Machine. https://teachablemachine.withgoogle.com/
Kementerian Pendidikan Dasar dan Menengah. (2025). Buku Guru Koding dan Kecerdasan Artifisial SMP/MTs Kelas VII. Jakarta: Pusat Perbukuan.
Kementerian Pendidikan Dasar dan Menengah. (2025). Buku Siswa Koding dan Kecerdasan Artifisial SMP/MTs Kelas VII. Jakarta: Pusat Perbukuan.
UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO.
UNESCO. (2023). Guidance for Generative AI in Education and Research. Paris: UNESCO.
Wing, J. M. (2006). Computational Thinking. Communications of the ACM, 49(3), 33–35.
Penulis: Abdul Hakim, S.Pd. - SMP Negeri 1 Kota Sorong | Penyunting: Cahya
Ruang Diskusi
Memuat diskusi menarik...