Modul Aktivitas Integrasi KKA dalam Mapel: Banjir Sumatera

Integrasi Berpikir Komputasional (CT) & Kecerdasan Buatan (AI) dalam Kerangka Pembelajaran Mendalam

📝 Pengantar Aktivitas

Isu banjir di Sumatera bukan lagi sekadar fenomena alam tahunan, melainkan sebuah teka-teki kompleks yang melibatkan perubahan iklim, tata ruang, hingga perilaku manusia. Di era digital ini, kita ditantang untuk tidak hanya menjadi penonton, tetapi juga menjadi pemecah masalah. Melalui integrasi Berpikir Komputasional (CT) dan Kecerdasan Buatan (AI), modul ini akan mengupas bagaimana siswa diajak untuk "membedah" kerumitan banjir menggunakan kacamata logika dan teknologi, mengubah ketidakpastian alam menjadi data yang dapat diprediksi dan dikelola.

Aktivitas ini bukan hanya soal belajar bahasa pemrograman Python atau berdiskusi dengan robot AI, melainkan tentang membangun pola pikir yang terstruktur sejak dini. Dengan kerangka Deep Learning (Pembelajaran Mendalam), kita akan melihat bagaimana anak-anak sekolah menengah mulai menghubungkan titik-titik antara teori IPA, realitas IPS, dan tanggung jawab PKn menjadi sebuah solusi nyata. Mari kita jelajahi bagaimana teknologi di tangan generasi muda dapat menjadi kunci utama dalam menjaga keberlanjutan lingkungan dan keselamatan masyarakat di masa depan.

📋 Profil Pembelajaran

Tingkat Pendidikan: SMP/MTs (Fase D)
Topik Utama: Banjir Sumatera: Analisis Multidimensi (Sebab, Dampak, dan Solusi)
Dimensi Profil Lulusan: * Penalaran Kritis: Menganalisis data curah hujan dan deforestasi secara logis.
- Kreativitas: Merancang solusi mitigasi melalui kode Python dan eksplorasi AI.
- Kolaborasi: Bekerja sama lintas disiplin (IPA, IPS, PKn, Matematika).
- Kewargaan: Memahami tanggung jawab sosial dalam pelestarian lingkungan.

🎯 1. Konteks Pembelajaran & Tujuan (Identifikasi)

Siswa diajak memahami bahwa banjir bukan sekadar fenomena alam, melainkan hasil interaksi kompleks antara faktor biofisik dan aktivitas manusia.

Tujuan Pembelajaran: Siswa mampu merancang model solusi mitigasi banjir dengan mengintegrasikan data lingkungan (IPA/Matematika), analisis sosial (IPS), dan kesadaran hukum (PKn) menggunakan pilar Berpikir Komputasional dan teknologi AI.

Mata Pelajaran	Topik Spesifik Terintegrasi
IPA	Mekanisme infiltrasi tanah, peran akar vegetasi, dan dampak deforestasi terhadap siklus hidrologi.
IPS	Analisis alih fungsi lahan di Sumatera, pemukiman di bantaran sungai, dan kerugian ekonomi.
PKn	Etika lingkungan, supremasi hukum terkait tata ruang, dan peran masyarakat dalam mitigasi.
Matematika	Analisis curah hujan, persentase tutupan hutan, dan kalkulasi risiko numerik.

🧠 2. Strategi Pedagogis: Berpikir Komputasional (Unplugged)

Metode: Pembelajaran Berbasis Masalah (Problem-Based Learning)

Fase: Mengalami & Mengonstruksi

Tahap ini membangun fondasi pemahaman melalui pengamatan pola dan dekomposisi masalah tanpa perangkat komputer.

Pilar CT	Aktivitas (PIKir)	Tahapan Pembelajaran Mendalam
Dekomposisi	Pohon Masalah: Memecah "Banjir Sumatera" menjadi penyebab alami, penyebab manusia, dan dampak sistemik.	Mengalami: Siswa mengumpulkan fakta-fakta lapangan yang terjadi di Sumatera.
Pengenalan Pola	Grafik Korelasi Manual: Mencari hubungan antara variabel. Misal: hubungan penurunan luas hutan dengan kenaikan debit sungai.	Mengonstruksi: Siswa membangun pemahaman tentang kausalitas (sebab-akibat) fenomena banjir.
Abstraksi	Kartu Skor Risiko: Menentukan variabel penentu (Curah Hujan, Drainase) dan memberikan bobot nilai.	Mengonstruksi: Menyederhanakan data kompleks menjadi model matematika yang dapat dihitung.
Algoritma	Flowchart Mitigasi: Menyusun langkah logis (Jika Skor > X, maka lakukan aksi Y).	Mengonstruksi: Membuat prosedur standar operasional untuk komunitas terdampak.

💻 3. Praktik Nyata: Implementasi Python & AI (Plugged)

Fase: Mengaplikasi

Siswa menerapkan logika yang telah dibangun ke dalam solusi nyata berbasis teknologi.

A. Coding Logic (Python)

Menerjemahkan Kartu Skor Risiko ke dalam sistem deteksi otomatis.

# Simulasi Sederhana Level Risiko Banjir Sumatera
print("=== Sistem Deteksi Risiko Banjir Sumatera ===")
curah_hujan = float(input("Masukkan Curah Hujan (mm/hari): "))
hutan_gundul = input("Apakah ada deforestasi di hulu? (ya/tidak): ")

skor = 0
if curah_hujan > 200: skor += 5
elif curah_hujan > 100: skor += 3

if hutan_gundul.lower() == "ya": skor += 4

print(f"\nTotal Skor Risiko: {skor}")
if skor >= 7:
    print("STATUS: SIAGA 1 (Evakuasi Segera!)")
elif skor >= 4:
    print("STATUS: WASPADA (Siapkan Perlengkapan Darurat)")
else:
    print("STATUS: AMAN")

B. Eksplorasi Gen-AI (Generative AI)

Memperluas pemahaman solusi melalui dialog dengan kecerdasan buatan.

Tugas 1 (Sintesis): Membandingkan efektivitas tanggul vs restorasi mangrove (Perspektif Ekonomi & Alam).
Tugas 2 (Skenario): Simulasi dampak sosial dari denda berat pelanggaran tata ruang (Perspektif PKn/IPS).
Tugas 3 (Dilema): Diskusi etika relokasi penduduk demi keselamatan umum (Perspektif Kewargaan).

🏁 4. Merefleksi (Asesmen & Umpan Balik)

Tahap ini memfasilitasi murid untuk mengevaluasi proses, memaknai hasil, dan merancang tindak lanjut secara mandiri.

A. Evaluasi Proses & Validasi Model

Siswa menguji kembali ketajaman logika berpikir mereka terhadap realitas:

Diskusi Kritis: "Apakah skor 7 pada Python benar-benar merepresentasikan kondisi kritis di Sumatera? Data apa yang mungkin kita lewatkan (misal: kondisi drainase kota)?"
Uji Banding: Membandingkan hasil simulasi mandiri dengan data historis banjir dari BMKG atau BNPB.

B. Koneksi Bermakna (Deep Connection)

Menghubungkan penguasaan teknologi dengan nilai kemanusiaan:

Refleksi Naratif: Siswa menjawab pertanyaan: "Bagaimana algoritma dan AI dapat membantu petugas lapangan menyelamatkan lebih banyak nyawa dibandingkan metode manual?"
Kesadaran Etis: Meninjau kembali tugas Gen-AI mengenai dilema relokasi. Siswa merangkum pendapat mereka tentang keseimbangan antara hak individu (hunian) dan kewajiban warga negara (keselamatan umum).

C. Self-Assessment (Penilaian Diri)

Menggunakan instrumen untuk mengukur kemandirian belajar:

Jurnal Refleksi: Mengisi kuesioner skala likert (1-5) mengenai tingkat pemahaman CT, serta narasi singkat tentang kendala saat melakukan coding Python dan cara mereka mengatasinya.
Peer-Feedback: Saling mencoba program Python teman sejawat dan memberikan saran untuk penambahan variabel (misal: variabel "sampah di sungai").

D. Tindak Lanjut: Pameran Karya & Aksi Nyata

Menerjemahkan pengetahuan menjadi kontribusi sosial:

Kampanye Digital: Membuat infografis atau video pendek berdasarkan data yang ditemukan (Hasil Abstraksi & AI) untuk diunggah di media sosial sekolah.
Prototiping Kebijakan: Menyusun "Rekomendasi Warga" untuk pemerintah daerah setempat mengenai tata ruang berdasarkan simulasi risiko yang telah dibuat.

Download (pdf) atau (doc)