Mengenal Machine Learning dengan Ekstensi Personal Image Classifier di App Inventor 2
Pernahkah kamu membayangkan sebuah komputer yang bisa “belajar” seperti manusia? Nah, itulah yang disebut dengan Machine Learning atau Pembelajaran Mesin. Machine Learning adalah salah satu cabang dari Kecerdasan Buatan (Artificial Intelligence/AI) yang memungkinkan komputer untuk belajar dari data dan kemudian membuat prediksi atau keputusan tanpa harus diprogram secara langsung untuk setiap tugas. Misalnya, bayangkan kamu menunjukkan ratusan gambar kucing kepada komputer.
Dengan bantuan Machine Learning, komputer akan menganalisis gambar-gambar itu dan mulai belajar seperti apa bentuk kucing misalnya punya telinga runcing, mata besar, atau kumis panjang. Setelah "belajar", komputer bisa mengenali gambar kucing lainnya meskipun belum pernah melihatnya sebelumnya. Keren, kan?
Machine Learning membuat komputer bisa:
Apa Itu Personal Image Classifier (PIC)?
Personal Image Classifier, atau disingkat PIC, adalah sebuah alat pintar yang memungkinkan kita membuat model kecerdasan buatan (AI) sendiri untuk mengenali gambar-gambar tertentu. Dengan PIC, kita bisa melatih komputer agar mampu membedakan berbagai jenis gambar sesuai keinginan kita.
Misalnya, kamu ingin komputer bisa membedakan antara gambar kucing dan anjing. Kamu cukup mengunggah beberapa contoh gambar kucing dan anjing ke PIC, lalu alat ini akan belajar dari gambar-gambar itu. Setelah belajar, komputer akan bisa menebak gambar baru apakah itu kucing atau anjing dengan cukup akurat!
Yang menarik, setelah kamu membuat model pengenalan gambar ini, kamu bisa langsung menggunakannya di App Inventor 2, sebuah platform untuk membuat aplikasi Android secara mudah. Jadi, kamu bisa membuat aplikasi buatanmu sendiri yang bisa mengenali gambar keren, kan?
Dengan Personal Image Classifier, belajar teknologi dan AI jadi lebih menyenangkan karena kamu bisa langsung praktik dan melihat hasilnya secara nyata!
Membuat Model dan Training Data untuk PersonalImageClassifer
Langkah pertama, buka situs berikut:
https://classifier.appinventor.mit.edu
Setelah halaman terbuka, klik tombol "+" untuk mulai menambahkan kategori gambar yang ingin kamu kenali. Misalnya, kamu bisa membuat kategori dengan nama "Obeng" jika kamu ingin melatih komputer agar bisa mengenali gambar obeng.
Selanjutnya, kita akan melatih sistem untuk mengenali benda yang ingin kita analisis. Caranya, kita perlu menggunakan beberapa gambar benda tersebut dari berbagai sudut pandang, seperti yang ditunjukkan pada gambar. Dengan begitu, sistem bisa 'belajar' lebih baik dan mengenali bentuk benda dari sudut mana pun!
Misalnya, kita ingin mengenali dua jenis benda. Salah satu contohnya adalah multimeter. Untuk menambah benda baru, kita cukup klik tombol “+”, lalu ketikkan nama kategorinya, misalnya “multimeter”. Setelah itu, kita bisa mulai melatih sistem dengan menampilkan multimeter di depan webcam. Hasilnya, kita akan memiliki dua kumpulan data (dataset) yang siap digunakan untuk mendeteksi kedua benda tersebut.
Setelah data latihan yang kita butuhkan berhasil dikumpulkan, langkah selanjutnya adalah menekan tombol “Train” untuk mulai melatih data tersebut. Nah, proses ini akan membuat komputer belajar dari data yang kita berikan supaya bisa mengenali alat yang kita inginkan.
Setelah beberapa saat, kita bisa langsung mencoba dan melihat apakah model yang sudah kita buat benar-benar bisa mengenali objeknya dengan tepat. Seru, kan? Seperti melatih robot agar jadi pintar!
Pada gambar, terlihat bahwa aplikasi web berhasil mengenali obeng yang kita arahkan ke kamera dengan sangat baik. Klasifikasi menunjukkan obeng berwarna hijau artinya terdeteksi dengan benar! Sementara itu, multimeter ditandai dengan warna merah, menandakan bahwa benda tersebut tidak sesuai dengan kategori yang dicari. Seru ya, melihat teknologi bisa membedakan alat-alat hanya dari gambar!
Nah, setelah kita selesai membuat model dan melatihnya dengan data, kita bisa menyimpan hasil kerja kita untuk digunakan lagi nanti. Caranya gampang banget! Tinggal klik tombol 'Export Model' untuk menyimpan modelnya, dan 'Export Training Data' untuk menyimpan data latihnya. Praktis, kan?
Instalasi Ekstensi Personal Image Classifier di App Inventor 2
Agar proyek App Inventor kalian makin canggih, yuk kita tambahkan ekstensi Personal Image Classifier atau disingkat PIC! Langkah-langkahnya mudah, lho. Ikuti petunjuk di bawah ini:
Unduh Ekstensi PIC
Pertama-tama, kalian perlu mengunduh file ekstensi PIC dengan format .aix.
Ekstensi ini bisa kalian dapatkan dari situs resmi MIT App Inventor atau dari sumber lain yang terpercaya.
Caranya gampang! Cukup cari di internet dengan kata kunci:
Personal Image Classifier extension App Inventor
Atau, kalian bisa langsung mengunjungi tautan berikut untuk mengunduhnya:
Yuk, pilih file .aix yang sudah kamu unduh untuk diunggah ke proyekmu.
Atau, kamu juga bisa langsung ambil dari URL berikut ini:
https://mit-cml.github.io/extensions/data/extensions/PersonalImageClassifier.aix
Yuk, kita mulai! Seret komponen PersonalImageClassifier dari bagian "Extension" ke area kerja di layar kamu. Pada gambar berikut tampilan layar di App Inventor 2 setelah kamu berhasil menginstal ekstensi Personal Image Classifier. Keren, kan? Siap lanjut ke
langkah berikutnya!
"Untuk mulai menggunakan, kalian bisa klik dan seret PersonalImageClassifier ke sebelah kanan. Komponen ini akan masuk sebagai bagian yang tidak terlihat di layar, tapi tetap bekerja di balik layar untuk membantu aplikasi kalian!"
Aplikasi untuk Klasifikasi Gambar Sederhana
Yuk, kita belajar membuat aplikasi seru yang bisa mengenali gambar menggunakan kecerdasan buatan (AI)! Dalam proyek ini, kamu akan membuat aplikasi Android yang bisa mengambil gambar dan menebak isinya, misalnya menebak emosi atau jenis objek dalam foto.
Langkah 1: Melatih Model AI
Pertama-tama, kita perlu melatih model AI terlebih dahulu. Ikuti langkah berikut:
1. Buka situs. classifier.appinventor.mit.edu.
2. Latih model dengan mengunggah contoh-contoh gambar yang kamu inginkan.
3. Setelah selesai, download file model-nya, misalnya bernama model.mdl.
Langkah 2: Mengimpor Ekstensi Personal Image Classifier
1. Kunjungi situs. mit-cml.github.io/extensions dan download ekstensi Personal Image Classifier (.aix).
2. Di MIT App Inventor, buka bagian Extensions (seperti terlihat pada gambar pertama), lalu klik Import Extension dan unggah file .aix tersebut.
Langkah 3: Upload Model ke Proyek
1. Tambahkan komponen PersonalImageClassifier ke layar aplikasi kamu.
2. Pada bagian Properties, setel properti:
Sekarang waktunya membuat logika aplikasi!
Buka tampilan Blocks di MIT App Inventor, dan ikuti struktur blok seperti yang terlihat di gambar kedua:
Penjelasan Blok:
Seperti terlihat pada gambar pertama:
Ilustrasi
Bayangkan kamu punya robot teman di rumah. Tapi… robot itu cuma bisa diam. Ia tak tahu mana apel, mana pisang. Dia bingung membedakan penghapus dan pulpen. Wah, kurang berguna, ya?
Nah, kamu mulai berpikir, "Bagaimana kalau aku ajari robotku mengenali benda-benda ini?" Kamu mulai mengambil foto pulpen dan penghapus dari berbagai sudut, melatih robot dengan sabar, bahkan saat gagal berkali-kali. Tapi kamu tak menyerah!
Akhirnya… dengan bantuan Personal Image Classifier (PIC) dan App Inventor, robotmu bisa bilang, “Itu penghapus!” sambil menunjuk dengan yakin. Wah, usaha dan rasa ingin tahumu tidak sia-sia!
Contoh Kasus atau Ilustrasi
Kasus 1: Misteri Buah di Dapur – Pisang atau Apel?
Bayangkan ini: Kamu sedang ikut ibu di dapur, dan di atas meja ada dua keranjang buah. Tapi, tiba-tiba lampu padam, dan hanya senter kamera HP yang bisa kamu gunakan untuk mengenali buahnya. Nah, kamu buat aplikasi mini yang bisa membedakan antara pisang dan apel hanya dengan kamera!
Tantangan serunya:
Kamu harus melatih aplikasi agar bisa "belajar" dari gambar. Upload 10 gambar pisang dan 10 gambar apel. Setelah itu, uji dengan buah asli. Bisakah aplikasi mengenali buah dengan benar saat kamu mengarahkannya ke keranjang?
Kasus 2: Ekspresi Sahabat – Senang atau Sedih?
Ceritanya begini: Temanmu tampak murung hari ini. Tapi dia bilang, “Aku baik-baik saja.” Nah, kamu punya ide keren: buat aplikasi yang bisa membaca ekspresi wajah!
Tantangan serunya:
Latih aplikasi dengan foto ekspresi senang dan sedih. Nanti, kamu dan temanmu bisa selfie dan lihat apakah aplikasi bisa membaca perasaan kalian. Cocok untuk yang suka psikologi, drama, atau yang ingin tahu teknologi di balik filter media sosial!
Kasus 3: Tim Detektif Mainan – Mana Boneka, Mana Mobilan?
Kisahnya: Di ruang bermain adikmu, mainan berantakan! Kamu ditantang untuk membuat aplikasi yang bisa membedakan antara boneka beruang dan mobil-mobilan – langsung dari kamera!
Tantangan serunya:
Ambil gambar dari dua jenis mainan ini, latih model, dan uji di dunia nyata. Arahkan ke mainan di rumah. Apakah aplikasi bisa jadi “detektif mainan” yang akurat?
Kasus 4: Pahlawan Lingkungan – Deteksi Sampah vs Daur Ulang
Bayangkan kamu ikut klub lingkungan sekolah. Tugasmu: mengajarkan teknologi bagaimana cara membedakan sampah organik (daun, sisa makanan) dengan sampah anorganik (plastik, botol, kaleng).
Tantangan serunya:
Gunakan kamera dan model gambar untuk mengenali jenis sampah. Uji aplikasi ini di taman sekolah atau saat kerja bakti. Kalau berhasil, bisa jadi alat bantu memilah sampah yang keren!
Kasus 5: Belanja Cerdas di Pasar – Tomat atau Wortel?
Ceritanya: Kamu ikut ibu ke pasar. Dia minta kamu ambil tomat, tapi kamu malah ambil wortel! Ups! Daripada bingung, kamu buat aplikasi yang bisa membedakan sayur dan buah, seperti tomat dan wortel.
Tantangan serunya:
Latih aplikasi dengan gambar sayuran tersebut. Bawa HP-mu ke pasar, uji di lapak pedagang, dan lihat apakah aplikasi bisa jadi "asisten belanja" digital milikmu.
Kasus 6 (Opsional Tambahan): Tebak Suasana di Kelas – Ramai atau Sepi?
Kondisi nyata: Guru keluar sebentar, dan kamu ingin tahu apakah suasana kelas tenang atau ribut. Nah, kamu buat aplikasi yang bisa mengenali gambar suasana kelas: apakah sedang hening atau ramai?
Tantangan serunya:
Kumpulkan foto kelas dalam dua kondisi, latih model, lalu uji secara langsung. Cocok untuk yang suka eksperimen sosial atau ingin membuat alat bantu pengawasan otomatis.
Fakta Menarik / Fun Facts
Bayangkan kalau komputer bisa belajar seperti manusia nah, itulah yang dilakukan oleh Machine Learning (ML)! Teknologi ini memungkinkan komputer memahami pola dari data, misalnya gambar, dan membuat prediksi atau keputusan berdasarkan itu. Serunya, kita bisa mencobanya sendiri dengan alat bernama Personal Image Classifier (PIC). Alat ini memungkinkan kita melatih komputer supaya mengenali berbagai benda dari kumpulan gambar yang kita pilih sendiri.
Dengan PIC, kamu bisa membuat proyek ML yang menyenangkan! Setelah model dilatih, kamu bisa menggabungkannya dengan MIT App Inventor, sebuah platform yang memudahkan kita membuat aplikasi Android tanpa harus jago coding. Jadi, kamu bisa membuat aplikasi cerdas yang bisa mengenali buah, hewan peliharaan, bahkan alat tulis hanya dari gambar. Proyek ini cocok banget untuk eksplorasi kreatif sambil belajar teknologi masa depan.
Langkah-langkahnya cukup sederhana tapi menantang: latih model dengan gambar yang kamu kumpulkan → impor ke App Inventor → uji coba langsung di aplikasimu. Ini bukan cuma soal membuat aplikasi, tapi juga belajar berpikir seperti ilmuwan data. Yuk, coba bikin aplikasi ML-mu sendiri belajarnya asik, hasilnya bikin bangga!
Machine Learning membuat komputer bisa:
- Mengenali wajah di foto
- Menebak genre lagu yang kamu suka
- Memprediksi cuaca
- Bahkan membantu mobil berjalan sendiri!
Apa Itu Personal Image Classifier (PIC)?
Personal Image Classifier, atau disingkat PIC, adalah sebuah alat pintar yang memungkinkan kita membuat model kecerdasan buatan (AI) sendiri untuk mengenali gambar-gambar tertentu. Dengan PIC, kita bisa melatih komputer agar mampu membedakan berbagai jenis gambar sesuai keinginan kita.
Misalnya, kamu ingin komputer bisa membedakan antara gambar kucing dan anjing. Kamu cukup mengunggah beberapa contoh gambar kucing dan anjing ke PIC, lalu alat ini akan belajar dari gambar-gambar itu. Setelah belajar, komputer akan bisa menebak gambar baru apakah itu kucing atau anjing dengan cukup akurat!
Yang menarik, setelah kamu membuat model pengenalan gambar ini, kamu bisa langsung menggunakannya di App Inventor 2, sebuah platform untuk membuat aplikasi Android secara mudah. Jadi, kamu bisa membuat aplikasi buatanmu sendiri yang bisa mengenali gambar keren, kan?
Dengan Personal Image Classifier, belajar teknologi dan AI jadi lebih menyenangkan karena kamu bisa langsung praktik dan melihat hasilnya secara nyata!
Membuat Model dan Training Data untuk PersonalImageClassifer
Langkah pertama, buka situs berikut:
https://classifier.appinventor.mit.edu
Setelah halaman terbuka, klik tombol "+" untuk mulai menambahkan kategori gambar yang ingin kamu kenali. Misalnya, kamu bisa membuat kategori dengan nama "Obeng" jika kamu ingin melatih komputer agar bisa mengenali gambar obeng.
Selanjutnya, kita akan melatih sistem untuk mengenali benda yang ingin kita analisis. Caranya, kita perlu menggunakan beberapa gambar benda tersebut dari berbagai sudut pandang, seperti yang ditunjukkan pada gambar. Dengan begitu, sistem bisa 'belajar' lebih baik dan mengenali bentuk benda dari sudut mana pun!
Misalnya, kita ingin mengenali dua jenis benda. Salah satu contohnya adalah multimeter. Untuk menambah benda baru, kita cukup klik tombol “+”, lalu ketikkan nama kategorinya, misalnya “multimeter”. Setelah itu, kita bisa mulai melatih sistem dengan menampilkan multimeter di depan webcam. Hasilnya, kita akan memiliki dua kumpulan data (dataset) yang siap digunakan untuk mendeteksi kedua benda tersebut.
Setelah data latihan yang kita butuhkan berhasil dikumpulkan, langkah selanjutnya adalah menekan tombol “Train” untuk mulai melatih data tersebut. Nah, proses ini akan membuat komputer belajar dari data yang kita berikan supaya bisa mengenali alat yang kita inginkan.
Setelah beberapa saat, kita bisa langsung mencoba dan melihat apakah model yang sudah kita buat benar-benar bisa mengenali objeknya dengan tepat. Seru, kan? Seperti melatih robot agar jadi pintar!
Pada gambar, terlihat bahwa aplikasi web berhasil mengenali obeng yang kita arahkan ke kamera dengan sangat baik. Klasifikasi menunjukkan obeng berwarna hijau artinya terdeteksi dengan benar! Sementara itu, multimeter ditandai dengan warna merah, menandakan bahwa benda tersebut tidak sesuai dengan kategori yang dicari. Seru ya, melihat teknologi bisa membedakan alat-alat hanya dari gambar!
Nah, setelah kita selesai membuat model dan melatihnya dengan data, kita bisa menyimpan hasil kerja kita untuk digunakan lagi nanti. Caranya gampang banget! Tinggal klik tombol 'Export Model' untuk menyimpan modelnya, dan 'Export Training Data' untuk menyimpan data latihnya. Praktis, kan?
Instalasi Ekstensi Personal Image Classifier di App Inventor 2
Agar proyek App Inventor kalian makin canggih, yuk kita tambahkan ekstensi Personal Image Classifier atau disingkat PIC! Langkah-langkahnya mudah, lho. Ikuti petunjuk di bawah ini:
Unduh Ekstensi PIC
Pertama-tama, kalian perlu mengunduh file ekstensi PIC dengan format .aix.
Ekstensi ini bisa kalian dapatkan dari situs resmi MIT App Inventor atau dari sumber lain yang terpercaya.
Caranya gampang! Cukup cari di internet dengan kata kunci:
Personal Image Classifier extension App Inventor
Atau, kalian bisa langsung mengunjungi tautan berikut untuk mengunduhnya:
- https://mit-cml.github.io/extensions/
- Langsung ke file PIC (.aix) https://mit-cml.github.io/extensions/data/extensions/PersonalImageClassifier.aix
- Buka situs App Inventor 2 melalui tautan: ai2.appinventor.mit.edu. Pastikan koneksi internet kamu lancar, ya!
- Setelah halaman terbuka, klik menu "Ekstensi" di bagian atas.
- Pilih opsi "Impor Ekstensi". Di panel sebelah kiri, gulir ke bawah hingga kamu menemukan bagian "Extension", lalu klik tombol "Import extension".
- Cari dan pilih file ekstensi dengan format .aix yang sudah kamu unduh sebelumnya.
Yuk, pilih file .aix yang sudah kamu unduh untuk diunggah ke proyekmu.
Atau, kamu juga bisa langsung ambil dari URL berikut ini:
https://mit-cml.github.io/extensions/data/extensions/PersonalImageClassifier.aix
Yuk, kita mulai! Seret komponen PersonalImageClassifier dari bagian "Extension" ke area kerja di layar kamu. Pada gambar berikut tampilan layar di App Inventor 2 setelah kamu berhasil menginstal ekstensi Personal Image Classifier. Keren, kan? Siap lanjut ke
langkah berikutnya!
"Untuk mulai menggunakan, kalian bisa klik dan seret PersonalImageClassifier ke sebelah kanan. Komponen ini akan masuk sebagai bagian yang tidak terlihat di layar, tapi tetap bekerja di balik layar untuk membantu aplikasi kalian!"
Aplikasi untuk Klasifikasi Gambar Sederhana
Yuk, kita belajar membuat aplikasi seru yang bisa mengenali gambar menggunakan kecerdasan buatan (AI)! Dalam proyek ini, kamu akan membuat aplikasi Android yang bisa mengambil gambar dan menebak isinya, misalnya menebak emosi atau jenis objek dalam foto.
Langkah 1: Melatih Model AI
Pertama-tama, kita perlu melatih model AI terlebih dahulu. Ikuti langkah berikut:
1. Buka situs. classifier.appinventor.mit.edu.
2. Latih model dengan mengunggah contoh-contoh gambar yang kamu inginkan.
3. Setelah selesai, download file model-nya, misalnya bernama model.mdl.
Langkah 2: Mengimpor Ekstensi Personal Image Classifier
1. Kunjungi situs. mit-cml.github.io/extensions dan download ekstensi Personal Image Classifier (.aix).
2. Di MIT App Inventor, buka bagian Extensions (seperti terlihat pada gambar pertama), lalu klik Import Extension dan unggah file .aix tersebut.
Langkah 3: Upload Model ke Proyek
1. Tambahkan komponen PersonalImageClassifier ke layar aplikasi kamu.
2. Pada bagian Properties, setel properti:
- Model ke file model.mdl yang sudah kamu upload.
- WebViewer ke komponen WebViewer1.
Sekarang waktunya membuat logika aplikasi!
Buka tampilan Blocks di MIT App Inventor, dan ikuti struktur blok seperti yang terlihat di gambar kedua:
Penjelasan Blok:
- Ketika tombol Button1 diklik, aplikasi akan mengambil gambar menggunakan Camera1.
- Setelah gambar diambil (blok Camera1.AfterPicture), aplikasi akan mengirim gambar tersebut ke model AI untuk diklasifikasi menggunakan PersonalImageClassifier1.ClassifyImageData.
- Setelah hasil klasifikasi didapat (blok GotClassification), hasilnya akan ditampilkan ke pengguna melalui Label1.
Seperti terlihat pada gambar pertama:
- Di tengah layar terdapat gambar bumi (ikon WebViewer).
- Di bawahnya ada teks untuk hasil klasifikasi dan tombol untuk mengambil gambar.
- Komponen tidak terlihat (seperti kamera dan classifier) ada di bagian bawah.
Ilustrasi
Bayangkan kamu punya robot teman di rumah. Tapi… robot itu cuma bisa diam. Ia tak tahu mana apel, mana pisang. Dia bingung membedakan penghapus dan pulpen. Wah, kurang berguna, ya?
Nah, kamu mulai berpikir, "Bagaimana kalau aku ajari robotku mengenali benda-benda ini?" Kamu mulai mengambil foto pulpen dan penghapus dari berbagai sudut, melatih robot dengan sabar, bahkan saat gagal berkali-kali. Tapi kamu tak menyerah!
Akhirnya… dengan bantuan Personal Image Classifier (PIC) dan App Inventor, robotmu bisa bilang, “Itu penghapus!” sambil menunjuk dengan yakin. Wah, usaha dan rasa ingin tahumu tidak sia-sia!
Contoh Kasus atau Ilustrasi
Kasus 1: Misteri Buah di Dapur – Pisang atau Apel?
Bayangkan ini: Kamu sedang ikut ibu di dapur, dan di atas meja ada dua keranjang buah. Tapi, tiba-tiba lampu padam, dan hanya senter kamera HP yang bisa kamu gunakan untuk mengenali buahnya. Nah, kamu buat aplikasi mini yang bisa membedakan antara pisang dan apel hanya dengan kamera!
Tantangan serunya:
Kamu harus melatih aplikasi agar bisa "belajar" dari gambar. Upload 10 gambar pisang dan 10 gambar apel. Setelah itu, uji dengan buah asli. Bisakah aplikasi mengenali buah dengan benar saat kamu mengarahkannya ke keranjang?
Kasus 2: Ekspresi Sahabat – Senang atau Sedih?
Ceritanya begini: Temanmu tampak murung hari ini. Tapi dia bilang, “Aku baik-baik saja.” Nah, kamu punya ide keren: buat aplikasi yang bisa membaca ekspresi wajah!
Tantangan serunya:
Latih aplikasi dengan foto ekspresi senang dan sedih. Nanti, kamu dan temanmu bisa selfie dan lihat apakah aplikasi bisa membaca perasaan kalian. Cocok untuk yang suka psikologi, drama, atau yang ingin tahu teknologi di balik filter media sosial!
Kasus 3: Tim Detektif Mainan – Mana Boneka, Mana Mobilan?
Kisahnya: Di ruang bermain adikmu, mainan berantakan! Kamu ditantang untuk membuat aplikasi yang bisa membedakan antara boneka beruang dan mobil-mobilan – langsung dari kamera!
Tantangan serunya:
Ambil gambar dari dua jenis mainan ini, latih model, dan uji di dunia nyata. Arahkan ke mainan di rumah. Apakah aplikasi bisa jadi “detektif mainan” yang akurat?
Kasus 4: Pahlawan Lingkungan – Deteksi Sampah vs Daur Ulang
Bayangkan kamu ikut klub lingkungan sekolah. Tugasmu: mengajarkan teknologi bagaimana cara membedakan sampah organik (daun, sisa makanan) dengan sampah anorganik (plastik, botol, kaleng).
Tantangan serunya:
Gunakan kamera dan model gambar untuk mengenali jenis sampah. Uji aplikasi ini di taman sekolah atau saat kerja bakti. Kalau berhasil, bisa jadi alat bantu memilah sampah yang keren!
Kasus 5: Belanja Cerdas di Pasar – Tomat atau Wortel?
Ceritanya: Kamu ikut ibu ke pasar. Dia minta kamu ambil tomat, tapi kamu malah ambil wortel! Ups! Daripada bingung, kamu buat aplikasi yang bisa membedakan sayur dan buah, seperti tomat dan wortel.
Tantangan serunya:
Latih aplikasi dengan gambar sayuran tersebut. Bawa HP-mu ke pasar, uji di lapak pedagang, dan lihat apakah aplikasi bisa jadi "asisten belanja" digital milikmu.
Kasus 6 (Opsional Tambahan): Tebak Suasana di Kelas – Ramai atau Sepi?
Kondisi nyata: Guru keluar sebentar, dan kamu ingin tahu apakah suasana kelas tenang atau ribut. Nah, kamu buat aplikasi yang bisa mengenali gambar suasana kelas: apakah sedang hening atau ramai?
Tantangan serunya:
Kumpulkan foto kelas dalam dua kondisi, latih model, lalu uji secara langsung. Cocok untuk yang suka eksperimen sosial atau ingin membuat alat bantu pengawasan otomatis.
Fakta Menarik / Fun Facts
- Google Lens bisa mengenali hampir semua benda di dunia hanya dengan kamera teknologi ini berbasis machine learning!
- Aplikasi deteksi wajah atau deteksi senyum di kamera HP juga menggunakan teknologi ini!
- Aplikasi kamera kamu yang bisa "blur" latar belakang juga pakai AI.
- Anak-anak seusiamu di Jepang sudah membuat aplikasi AI untuk mengenali jenis makanan untuk bayi adik mereka!
Bayangkan kalau komputer bisa belajar seperti manusia nah, itulah yang dilakukan oleh Machine Learning (ML)! Teknologi ini memungkinkan komputer memahami pola dari data, misalnya gambar, dan membuat prediksi atau keputusan berdasarkan itu. Serunya, kita bisa mencobanya sendiri dengan alat bernama Personal Image Classifier (PIC). Alat ini memungkinkan kita melatih komputer supaya mengenali berbagai benda dari kumpulan gambar yang kita pilih sendiri.
Dengan PIC, kamu bisa membuat proyek ML yang menyenangkan! Setelah model dilatih, kamu bisa menggabungkannya dengan MIT App Inventor, sebuah platform yang memudahkan kita membuat aplikasi Android tanpa harus jago coding. Jadi, kamu bisa membuat aplikasi cerdas yang bisa mengenali buah, hewan peliharaan, bahkan alat tulis hanya dari gambar. Proyek ini cocok banget untuk eksplorasi kreatif sambil belajar teknologi masa depan.
Langkah-langkahnya cukup sederhana tapi menantang: latih model dengan gambar yang kamu kumpulkan → impor ke App Inventor → uji coba langsung di aplikasimu. Ini bukan cuma soal membuat aplikasi, tapi juga belajar berpikir seperti ilmuwan data. Yuk, coba bikin aplikasi ML-mu sendiri belajarnya asik, hasilnya bikin bangga!