CODEA | Koding dan Kecerdasan ArtificialSemester 1Pertemuan 6A · 1 Pertemuan × 4 JP (180 menit)
Text Processing dan TF-IDF untuk Troubleshooting Jaringan
Menguasai teknik text preprocessing dan TF-IDF untuk membangun sistem temu kembali informasi pada dataset troubleshooting jaringan
#text processing#tf-idf#tokenization#troubleshooting jaringan
Text Processing dan TF-IDF untuk Troubleshooting Jaringan
| Aspek | Detail |
|---|---|
| Mata Pelajaran | CODEA (Koding dan Kecerdasan Artificial) |
| Kelas / Semester | XI TJKT / 1 (Gasal) |
| Fase | F |
| Materi Pokok | Text Processing dan TF-IDF |
| Alokasi Waktu | 1 Pertemuan × 4 JP (180 menit) |
| Tahun Pelajaran | 2026/2027 |
| Pertemuan ke- | 6A (Track A – Chatbot Troubleshooting Jaringan) |
| Model Pembelajaran | Praktikum Langsung, Discovery Learning, Project Based Learning |
| Metode | Demonstrasi, Hands-on Coding, Diskusi Kelompok |
| Sarana Prasarana | Laptop/PC, Google Colab, Jaringan Internet, LCD Proyektor |
| Sumber Belajar | Modul CODEA, Video Tutorial, Dokumentasi Scikit-learn, Artikel NLP |
1. Capaian Pembelajaran (CP)
Pada akhir fase F, peserta didik mampu menerapkan konsep dasar Kecerdasan Artifisial (AI) dan pengolahan teks (Natural Language Processing) untuk membangun solusi cerdas berbasis chatbot troubleshooting jaringan, termasuk melakukan preprocessing teks, mengekstraksi fitur dengan TF-IDF, mengukur kemiripan teks, serta menyajikan solusi dalam bentuk aplikasi web sederhana.
2. Tujuan Pembelajaran (TP)
Setelah mengikuti pembelajaran ini, peserta didik mampu:
- Menjelaskan konsep dasar text preprocessing dan kegunaannya dalam pengolahan teks troubleshooting jaringan
- Melakukan case folding, tokenization, dan stopword removal pada teks pertanyaan troubleshooting
- Menjelaskan konsep TF-IDF dan cara kerjanya dalam menimbang pentingnya kata
- Mengimplementasikan TF-IDF menggunakan Scikit-learn pada dataset FAQ troubleshooting jaringan
- Menganalisis kata-kata penting dalam troubleshooting jaringan berdasarkan nilai TF-IDF
- Menyajikan hasil visualisasi bobot TF-IDF dalam bentuk tabel atau diagram
3. Indikator Ketercapaian Tujuan Pembelajaran
| Indikator | Jenis |
|---|---|
| Mendefinisikan preprocessing teks dan menyebutkan tahapannya | Pengetahuan |
| Melakukan case folding, tokenization, dan stopword removal pada teks | Keterampilan |
| Menjelaskan rumus dan konsep TF-IDF | Pengetahuan |
| Menulis kode Python untuk ekstraksi fitur TF-IDF | Keterampilan |
| Menginterpretasikan nilai TF-IDF tertinggi pada data troubleshooting | Penalaran |
| Membuat visualisasi kata penting dari dataset FAQ jaringan | Keterampilan |
4. Profil Pelajar Pancasila
| Dimensi | Elemen | Indikator |
|---|---|---|
| Bernalar Kritis | Memperoleh dan memproses informasi | Menganalisis nilai TF-IDF untuk menentukan kata kunci troubleshooting |
| Mandiri | Memiliki inisiatif bekerja sendiri | Menyelesaikan tugas coding preprocessing secara mandiri |
| Kreatif | Menghasilkan gagasan orisinal | Membuat contoh kalimat troubleshooting sendiri untuk diuji |
| Gotong Royong | Bekerja sama dalam kelompok | Berdiskusi dalam kelompok untuk memecahkan masalah preprocessing |
5. Materi Prasyarat
- Dasar pemrograman Python (variabel, list, string, loop)
- Pengertian troubleshooting jaringan dan istilah-istilah dasar
- Mampu menggunakan Google Colab dan menjalankan kode Python
Daftar Isi