Soal Uji Kompetensi Koding dan Kecerdasan Artifisial Kelas 10 SMA Halaman 22

Ringkasan Berita:

• Latihan dan kunci jawaban Koding dan Kecerdasan Artifisial kelas 10 SMA halaman 22 Kurikulum Merdeka membahas penerapan berpikir komputasional dalam berbagai permasalahan nyata.
• Soal-soal mengangkat contoh kemacetan lalu lintas, pengurangan sampah plastik di sekolah, serta sistem penentuan rute berbasis kecerdasan artifisial.
• Melalui pembahasan ini, siswa dilatih memahami konsep dekomposisi, abstraksi, dan reasoning dalam menyelesaikan masalah secara logis dan sistematis.

SRIPOKU.COM - Berikut latihan dan kunci jawaban Uji Kompetensi Koding dan Kecerdasan Artifisial kelas 10 SMA halaman 22 Kurikulum Merdeka.

Baca juga: Soal Koding dan Kecerdasan Artifisial kelas 10 SMK Kelas 10 SMK Materi Berpikir Komputasional

Uji Kompetensi

A. Pilihlah salah satu jawaban yang paling benar!

1. Kamu tinggal di sebuah kota yang sering mengalami kemacetan di persimpangan jalan utama. Pemerintah kota ingin mengoptimalkan waktu lampu lalu lintas untuk mengurangi kemacetan. Kamu diminta untuk merancang solusi menggunakan pendekatan berpikir komputasional. Langkah pertama yang harus kamu lakukan adalah menganalisis pola kemacetan berdasarkan data jumlah kendaraan per jam di setiap persimpangan. Setelah itu, kamu perlu membuat algoritma untuk mengatur durasi lampu hijau di masing-masing jalur. Berdasarkan pendekatan berpikir komputasional, langkah yang paling tepat untuk dilakukan setelah mengumpulkan data jumlah kendaraan adalah ...

a. Membuat simulasi visualisasi kemacetan menggunakan perangkat lunak desain grafis.
b. Menguraikan masalah menjadi langkah-langkah kecil dan menentukan hubungan antarvariabel seperti waktu tunggu dan jumlah kendaraan.
c. Langsung menerapkan algoritma pengaturan lampu lalu lintas tanpa menguji validitas data.
d. Mengumpulkan opini warga mengenai waktu lampu hijau yang ideal tanpa analisis data.
e. Menentukan durasi menyalanya lampu lalu lintas.

Jawaban: b. Menguraikan masalah menjadi langkah-langkah kecil dan menentukan hubungan antarvariabel seperti waktu tunggu dan jumlah kendaraan.

Baca juga: Modul Ajar Deep Learning Koding dan Kecerdasan Artifisial Kelas 10 SMK

2. Siti ditugaskan membuat rencana pengurangan sampah plastik di lingkungan sekolah. Untuk itu, ia mulai membagi tugas kepada anggota kelompoknya, ada yang mendata jenis sampah, ada yang mengamati kebiasaan membuang sampah, dan ada yang merancang solusi. Setelah itu, Siti mengamati bahwa sebagian besar sampah berasal dari kantin pada jam istirahat. Ia lalu menyusun langkah-langkah pengurangan plastik, dimulai dari kampanye, penggantian wadah makanan, hingga evaluasi hasil.

Berdasarkan aktivitas tersebut, pernyataan yang paling tepat menggambarkan penerapan berpikir komputasional yang dilakukan Siti adalah ...

a. Siti menggunakan algoritma saat membagi tugas kepada teman-temannya secara merata.
b. Siti menerapkan dekomposisi ketika menyusun langkah-langkah pengurangan sampah plastik.
c. Siti menggunakan pengenalan pola saat mengamati kebiasaan membuang sampah di sekolah.
d. Siti menggunakan abstraksi saat mendata jenis sampah.
e. Siti menerapkan semua aspek berpikir komputasional secara terpadu dalam menyelesaikan masalah.

Jawaban: d. Siti menggunakan abstraksi saat mendata jenis sampah.

3. Pak Dodo menghadapi kemacetan saat berangkat ke sekolah tempatnya mengajar. Sekolahnya sedang mengembangkan sistem berbasis kecerdasan artifisial yang mampu merekomendasikan rute tercepat berdasarkan data real-time dan pembelajaran dari waktu tempuh sebelumnya. Sistem ini memanfaatkan data dari Google Maps API, informasi cuaca dari BMKG, serta menerapkan algoritma A untuk menentukan rute tercepat.
Jika sistem juga dapat belajar dari pola perjalanan Pak Dodo setiap hari dan memperbaiki prediksi rute berdasarkan waktu tempuh aktual, maka aspek berpikir komputasional dan pendekatan KA yang paling dominan sedang diterapkan adalah ...

a. Perception, karena sistem mengumpulkan data dari API dan sensor untuk mendeteksi kondisi jalan secara real-time.
b. Reasoning, karena sistem membuat keputusan rute tercepat dengan mempertimbangkan banyak faktor secara logis.
c. Learning, karena sistem memanfaatkan data historis dan umpan balik untuk meningkatkan akurasi prediksi rute.
d. Data representation, karena data lalu lintas diubah menjadi graf berbobot untuk membantu pemilihan rute.
e. Sensory, karena sistem memanfaatkan data historis dan umpan balik untuk meningkatkan akurasi prediksi rute.

Jawaban: b. Reasoning, karena sistem membuat keputusan rute tercepat dengan mempertimbangkan banyak faktor secara logis.

Dapatkan konten pendidikan mata pelajaran lainnya dari Kurikulum Merdeka dengan klik Di Sini.

Dapatkan juga berita penting dan informasi menarik lainnya dengan mengklik Google News.