CODEA | Koding dan Kecerdasan ArtificialSemester 1Pertemuan 16 · 1 Pertemuan × 4 JP (180 menit)
Final Project: Integrasi Chatbot Troubleshooting dan Image Classifier
Proyek akhir semester mengintegrasikan chatbot troubleshooting jaringan dan image classifier perangkat jaringan dalam satu aplikasi
#final project#integrasi#chatbot#image classifier#pameran
Final Project: Integrasi Chatbot Troubleshooting dan Image Classifier
| Aspek | Detail |
|---|---|
| Mata Pelajaran | CODEA (Koding dan Kecerdasan Artificial) |
| Kelas / Semester | XI TJKT / 1 (Gasal) |
| Fase | F |
| Materi Pokok | Final Project — Integrasi Chatbot Troubleshooting dan Image Classifier |
| Alokasi Waktu | 1 Pertemuan × 4 JP (180 menit) |
| Tahun Pelajaran | 2026/2027 |
| Pertemuan ke- | 16 (Final Project — Integrasi Track A + Track B) |
| Model Pembelajaran | Project Based Learning (PjBL), Collaborative Learning |
| Metode | Diskusi, Praktik Integrasi, Presentasi, Demonstrasi |
| Sarana Prasarana | Laptop/PC, Webcam, Koneksi Internet, Aplikasi Chatbot (Track A), Aplikasi Image Classifier (Track B), Browser |
| Sumber Belajar | Modul CODEA Pertemuan 1–15, Dokumentasi Streamlit, Dokumentasi TensorFlow.js |
1. Capaian Pembelajaran (CP)
Pada akhir fase F, peserta didik mampu mengintegrasikan dua teknologi Machine Learning (Chatbot Troubleshooting Jaringan dan Image Classifier Perangkat Jaringan) dalam satu proyek final yang utuh, menyusun laporan proyek secara sistematis, serta mempresentasikan hasil karya di depan audiens.
2. Tujuan Pembelajaran (TP)
Setelah mengikuti pembelajaran ini, peserta didik mampu:
- Mengintegrasikan chatbot TF-IDF + Streamlit dengan image classifier TF.js dalam satu aplikasi web
- Menyusun laporan proyek akhir semester yang sistematis dan komprehensif
- Mempresentasikan hasil karya integrasi di depan audiens dengan percaya diri
- Mendemonstrasikan fitur chatbot troubleshooting dan deteksi perangkat secara langsung
3. Indikator Ketercapaian Tujuan Pembelajaran
| Indikator | Jenis |
|---|---|
| Menggabungkan halaman chatbot dan image classifier dalam satu aplikasi Streamlit | Keterampilan |
| Menambahkan navigasi menu antara kedua fitur | Keterampilan |
| Menyusun laporan proyek sesuai template yang diberikan | Pengetahuan |
| Menjelaskan arsitektur integrasi kedua teknologi | Penalaran |
| Mempresentasikan proyek dengan struktur yang jelas (latar belakang, proses, hasil, demo) | Keterampilan |
| Menjalankan demo langsung kedua fitur secara bergantian | Keterampilan |
4. Profil Pelajar Pancasila
| Dimensi | Elemen | Indikator |
|---|---|---|
| Kreatif | Menghasilkan gagasan orisinal | Menggabungkan dua fitur ML dalam satu produk yang unik |
| Gotong Royong | Bekerja sama dalam tim | Membagi tugas integrasi, laporan, dan presentasi |
| Mandiri | Memiliki inisiatif sendiri | Menyelesaikan integrasi secara mandiri sesuai target |
| Bernalar Kritis | Merefleksi pemikiran | Menganalisis kendala integrasi dan menemukan solusi |
| Berkebinekaan Global | Mengenal dan menghargai budaya | Menyajikan dokumentasi dalam Bahasa Indonesia yang baik |
5. Materi Prasyarat
- Seluruh materi pertemuan 1–15 (ML Dasar, TF-IDF, Chatbot, Streamlit, Image Classifier, TF.js)
- Aplikasi chatbot troubleshooting (Track A) sudah berfungsi — pertemuan 6A–10A
- Aplikasi image classifier perangkat jaringan (Track B) sudah berfungsi — pertemuan 6B–10B
- Dataset FAQ minimal 40+ pertanyaan
- Model image classifier dengan akurasi minimal 70%
Daftar Isi