Judul dokumen: RPP Deep Learning SMA: Deteksi Berita Palsu dengan NLP – Kurikulum Merdeka Fase E | Puji Arintoko, S.Pd. Selamat datang dalam RPP Deep Learning untuk SMA, fokus pada deteksi berita palsu dengan NLP dalam Kurikulum Merdeka. Ini adalah langkah penting dalam menyongsong masa depan pendidikan di SMA. Semoga materi ini bermanfaat untuk pertumbuhan pengetahuan dan kemampuan siswa. Dokumen ini membahas RPP Deep Learning untuk SMA dengan berfokus pada deteksi berita palsu menggunakan NLP dalam Kurikulum Merdeka. Inovasi ini merupakan langkah signifikan dalam meningkatkan kualitas pendidikan di tingkat SMA. Semoga materi ini memberikan manfaat yang besar bagi siswa dalam pengembangan pengetahuan dan keterampilan mereka. 
RPP Deep Learning untuk SMA: Deteksi Berita Palsu dengan NLP dan TensorFlow
Guru Informatika SMA Negeri 7 Bandung | Konsultan Teknologi Pendidikan
Identitas Rencana Pembelajaran
- Sekolah: SMA Negeri 7 Bandung
- Mata Pelajaran: Informatika
- Kelas/Fase: XI/E
- Alokasi Waktu: 6 JP (3 Pertemuan @2JP)
- Model Pembelajaran: Project-Based Learning
- Platform: Google Colab + TensorFlow 2.0
Profil Penulis
Puji Arintoko, S.Pd, praktisi pendidikan dengan spesialisasi:
- Guru Informatika berprestasi tingkat nasional 2022
- Sertifikasi Google for Education Level 2
- Pelatih guru dalam implementasi Kurikulum Merdeka
- Pengembang konten AI untuk pendidikan di Kemdikbud
Capain Pembelajaran (CP)
Berdasarkan Keputusan Kepala BSKAP No. 033/H/KR/2022:
- Elemen: Berkomputasi (INF.ER.05)
- Sub Elemen: Menerapkan kecerdasan buatan dasar untuk solusi masalah
- Profil Pelajar Pancasila: Bernalar kritis dan kreatif
Tujuan Pembelajaran
Setelah mengikuti kegiatan, peserta didik mampu:
- Menganalisis karakteristik linguistik berita palsu dalam bahasa Indonesia
- Menerapkan model text classification menggunakan TensorFlow
- Membuat prototipe detektor berita palsu dengan akurasi >75%
- Menjelaskan etika penggunaan AI dalam analisis konten digital
Catatan Pedagogis
“Pembelajaran ini dirancang untuk guru yang baru memulai AI. Semua aktivitas menggunakan dataset lokal dan tools gratis. Tidak perlu latar belakang pemrograman mendalam.” – Puji Arintoko, S.Pd
Aktivitas Pembelajaran
| Pertemuan | Tahapan | Kegiatan | Asesmen |
|---|---|---|---|
| 1 | Eksplorasi |
| Lembar observasi partisipasi |
| 2 | Eksperimen |
| Rubrik proyek (50%) |
| 3 | Evaluasi |
| Presentasi (30%) + Jurnal refleksi (20%) |
Materi dan Sumber Belajar
Dataset
- ID-Hoax-2023: 5.000 sampel berita palsu dan valid dalam bahasa Indonesia
- Stopwords Bahasa Indonesia: Daftar kata tidak penting dari Universitas Indonesia
Tools Gratis
- Google Colab: colab.research.google.com
- Template kode: github.com/pujiarintoko/hoax-detector
- Slide materi: bit.ly/slide-nlp-sma
Panduan Implementasi
Untuk Guru Pemula AI
- Gunakan template kode yang sudah disediakan
- Latih model dasar sebelum mengajar (waktu training ±15 menit)
- Siapkan alternatif dataset kecil (500 sampel) untuk komputer spesifikasi rendah
Diferensiasi Pembelajaran
- Mudah Analisis manual pola kata kunci hoax
- Sedang Modifikasi model dengan dataset baru
- Sulit Implementasi web app sederhana
Penilaian Autentik
Rubrik penilaian proyek (skala 1-4):
- Keterampilan Teknis: Akurasi model, kebersihan kode
- Analisis: Pemahaman pola linguistik
- Kreativitas: Solusi untuk meningkatkan akurasi
- Kolaborasi: Kontribusi dalam kelompok
Refleksi Guru
“Dalam uji coba di 3 sekolah, 85% siswa mencapai target akurasi dasar. Kendala utama adalah keterbatasan GPU untuk training. Solusi: gunakan model pretrained atau dataset lebih kecil.”
Catatan Perbaikan: Tambahkan panduan troubleshooting error umum di Colab.
Hormat saya,
Puji Arintoko, S.Pd
Guru SMP Negeri2.Jati Agung
puji.arintoko@smpn2bdl.sch.id
