Praktik dengan Google Teachable Machine: Model Gambar Sederhana
Pernahkah kamu berpikir bagaimana komputer bisa mengenali wajahmu atau membedakan antara tangan terbuka dan tertutup? Nah, itulah salah satu kemampuan dari kecerdasan buatan (Artificial Intelligence atau AI), dan kamu bisa membuatnya sendiri menggunakan alat online yang mudah dan menyenangkan, yaitu Google Teachable Machine!
Teachable Machine adalah platform dari Google yang memungkinkan siapa saja termasuk kamu untuk melatih komputer agar bisa mengenali gambar, suara, atau pose tubuh, hanya dengan beberapa langkah sederhana. Yuk, kita pelajari bagaimana cara membuat model pengenalan gambar (image model) menggunakan alat keren ini!
Langkah-langkah Membuat Model Gambar
Memulai Proyek Baru
Buka browser (seperti Chrome atau Firefox), lalu ketik alamat berikut:
Langkah-langkah Membuat Model Gambar
Memulai Proyek Baru
Buka browser (seperti Chrome atau Firefox), lalu ketik alamat berikut:
1. teachablemachine.withgoogle.com.
Setiap kasus ini seperti misi sains seru, dan dengan Google Teachable Machine, kamu bisa langsung mencobanya di kelas atau di rumah. Tantang dirimu dan temanmu untuk membuat AI paling pintar dan paling seru! Mau mencoba salah satu sekarang?
Fakta Menarik / Fun Facts
Model AI yang kita buat ini seperti bayi yang belajar dari contoh-contoh di sekitarnya. Semakin banyak contoh yang benar dan bervariasi yang kita berikan, semakin pintar dan "paham" dia tentang dunia di sekelilingnya!
Rangkuman
Bab ini mengajak kamu untuk terjun langsung membuat model AI gambar menggunakan Google Teachable Machine. Dengan langkah-langkah yang mudah, kamu belajar membuat Class, mengumpulkan data dari webcam, melakukan training, dan menguji hasilnya.
Proyek ini melatih kemampuan berpikir kritis dan eksperimen. Kamu juga diajak memahami bahwa kualitas dan variasi data sangat penting agar AI bisa belajar dengan benar. Ini bukan hanya soal teknologi, tapi juga cara berpikir seperti ilmuwan: teliti, sabar, dan kreatif!
2. Klik tombol “Get Started” untuk memulai.
3. Pilih jenis proyek: “Image Project”.
3. Pilih jenis proyek: “Image Project”.
Setelah itu, akan muncul dua pilihan:
Menambahkan dan Mengatur Kelas (Class)
Setiap model harus bisa mengenali beberapa kategori. Nah, kategori-kategori ini disebut sebagai kelas (class).
1. Di awal, kamu akan melihat dua kelas default: Class 1 dan Class 2.
2. Klik ikon pensil di sebelah nama kelas, dan ubah namanya menjadi sesuatu yang bermakna. Misalnya:
Tujuan: Setiap kelas mewakili objek atau kondisi yang ingin kamu ajarkan kepada AI.
Mengumpulkan Data Latih (Training Data)
Nah, sekarang saatnya “mengajarkan” AI dengan memberi contoh sebanyak-banyaknya!
Ada dua cara untuk mengisi data gambar ke setiap kelas: Menggunakan Webcam
Melatih Model (Training)
Setelah kamu selesai mengisi gambar untuk semua kelas...
1. Klik tombol besar “Train Model” (berwarna biru).
2. Tunggu sebentar. Komputer akan memproses data, biasanya hanya dalam hitungan detik atau menit.
3. Akan muncul status seperti:
Tujuan: Di sini, sistem mulai “belajar” dari data yang kamu berikan.
Menguji Model (Testing / Preview)
Sekarang saatnya melihat apakah AI kamu bekerja!
“Tangan Terbuka: 95%”
“Tangan Tertutup: 5%”
Semakin tinggi persentasenya, semakin yakin AI bahwa itulah kelas yang sesuai.
Jika hasilnya belum akurat:
Kesimpulan
Dengan Google Teachable Machine, kamu tidak hanya belajar tentang teknologi AI, tetapi juga menjadi pelatihnya langsung! Seru, kan?
Kegiatan ini melatih:
Jika kamu sudah menguasai cara ini, kamu bisa lanjut belajar:
Ilustrasi: Memecahkan Kasus dengan Teachable Machine
Bayangkan kamu menjadi seorang ilmuwan muda yang sedang mencoba membuat robot asisten yang bisa membantumu membedakan antara apel dan jeruk. Robot ini belum tahu apa-apa, jadi tugasmu adalah mengajarinya dengan cara menunjukkan banyak gambar apel dan jeruk. Setiap gambar seperti “pelajaran” bagi si robot!
Nah, lewat Google Teachable Machine, kamu bisa melatih AI (Artificial Intelligence) untuk mengenali gambar hanya dengan menggunakan kamera laptop dan koneksi internet. Cukup rekam beberapa gambar objek, latih modelnya, dan lihat hasilnya di Preview! Mudah dan seru, kan?
Contoh Kasus atau Ilustrasi
Kasus 1: Si Juara Buah — Apel vs. Jeruk
Ilustrasi Kasus:
Bayangkan kamu menjadi juri dalam lomba buah paling fotogenik. Tugasmu adalah membuat model AI yang bisa membedakan apel dan jeruk, hanya dengan melihat gambar.
Langkah Petualangan:
Kasus 2: Detektif Ekspresi — Senyum, Netral, atau Sedih?
Ilustrasi Kasus:
Bayangkan kamu punya robot teman yang bisa membaca perasaanmu hanya dari wajahmu. Di sini, kamu akan melatih AI untuk mengenali ekspresi wajah: Senyum , Netral , dan Sedih .
Langkah Petualangan:
Kasus 3: Tangan Ajaib — Terbuka atau Tertutup?
Ilustrasi Kasus:
Bayangkan kamu membuat game sederhana yang dikontrol dengan gerakan tangan. AI-nya harus bisa tahu apakah tanganmu terbuka atau tertutup.
Langkah Petualangan:
Kasus 4: Detektor Alat Tulis — Pensil, Penghapus, Penggaris
Ilustrasi Kasus:
Bayangkan AI yang bisa membantu temanmu mencari alat tulis di meja tanpa harus mencarinya satu per satu! Di sini, AI akan dilatih untuk mengenali pensil, penghapus, dan penggaris.
Langkah Petualangan:
Kasus 5: Sensor Camilan — Cokelat, Keripik, atau Biskuit?
Ilustrasi Kasus:
Bayangkan kamu membuat vending machine pintar yang tahu jenis camilan hanya dari tampilannya. AI akan mengenali apakah itu keripik, cokelat, atau biskuit.
Langkah Petualangan:
Kasus 6: Pemindai Suara — Suara "Ya" vs. "Tidak"
Ilustrasi Kasus:
Kamu bisa membuat AI yang bisa membedakan dua suara: "Ya" dan "Tidak". Bisa untuk kontrol suara mini!
Langkah Petualangan:
- Standard Image Model: model biasa untuk penggunaan umum.
- Embedded Image Model: untuk perangkat kecil seperti Arduino.
- ➤ Pilih yang “Standard Image Model” ya!
Menambahkan dan Mengatur Kelas (Class)
Setiap model harus bisa mengenali beberapa kategori. Nah, kategori-kategori ini disebut sebagai kelas (class).
1. Di awal, kamu akan melihat dua kelas default: Class 1 dan Class 2.
2. Klik ikon pensil di sebelah nama kelas, dan ubah namanya menjadi sesuatu yang bermakna. Misalnya:
- Ganti Class 1 menjadi “Tangan Terbuka”
- Ganti Class 2 menjadi “Tangan Tertutup”
Tujuan: Setiap kelas mewakili objek atau kondisi yang ingin kamu ajarkan kepada AI.
Mengumpulkan Data Latih (Training Data)
Nah, sekarang saatnya “mengajarkan” AI dengan memberi contoh sebanyak-banyaknya!
Ada dua cara untuk mengisi data gambar ke setiap kelas: Menggunakan Webcam
- Klik tombol “Webcam” di bawah kelas yang kamu pilih.
- Izinkan browser mengakses kamera.
- Arahkan objek (misalnya tanganmu) ke kamera sesuai kelas.
- Tekan dan tahan tombol “Hold to Record” untuk merekam gambar dari berbagai sudut dan kondisi pencahayaan.
- Kamu juga bisa klik tombol “Upload” dan memilih gambar dari komputer.
- Berikan jumlah gambar yang seimbang untuk setiap kelas!
- Gunakan variasi posisi, latar belakang, dan pencahayaan agar model menjadi pintar dan akurat.
Melatih Model (Training)
Setelah kamu selesai mengisi gambar untuk semua kelas...
1. Klik tombol besar “Train Model” (berwarna biru).
2. Tunggu sebentar. Komputer akan memproses data, biasanya hanya dalam hitungan detik atau menit.
3. Akan muncul status seperti:
- “Preparing training data…”
- “Training model…”
- “Model trained!” (berarti AI kamu siap digunakan)
Tujuan: Di sini, sistem mulai “belajar” dari data yang kamu berikan.
Menguji Model (Testing / Preview)
Sekarang saatnya melihat apakah AI kamu bekerja!
- Lihat panel sebelah kanan dengan judul “Preview”.
- Pilih input: Webcam atau Upload File.
- Arahkan objek ke kamera, misalnya tangan terbuka.
- Hasil akan muncul dalam bentuk persentase untuk setiap kelas.
“Tangan Terbuka: 95%”
“Tangan Tertutup: 5%”
Semakin tinggi persentasenya, semakin yakin AI bahwa itulah kelas yang sesuai.
Jika hasilnya belum akurat:
- Tambahkan lebih banyak contoh gambar.
- Ulangi proses training.
Kesimpulan
Dengan Google Teachable Machine, kamu tidak hanya belajar tentang teknologi AI, tetapi juga menjadi pelatihnya langsung! Seru, kan?
Kegiatan ini melatih:
- Logika berpikir
- Kreativitas dalam pengambilan gambar
- Kesabaran dan ketelitian
Jika kamu sudah menguasai cara ini, kamu bisa lanjut belajar:
- Pengenalan suara (Sound Project)
- Pengenalan pose tubuh (Pose Project)
Ilustrasi: Memecahkan Kasus dengan Teachable Machine
Bayangkan kamu menjadi seorang ilmuwan muda yang sedang mencoba membuat robot asisten yang bisa membantumu membedakan antara apel dan jeruk. Robot ini belum tahu apa-apa, jadi tugasmu adalah mengajarinya dengan cara menunjukkan banyak gambar apel dan jeruk. Setiap gambar seperti “pelajaran” bagi si robot!
Nah, lewat Google Teachable Machine, kamu bisa melatih AI (Artificial Intelligence) untuk mengenali gambar hanya dengan menggunakan kamera laptop dan koneksi internet. Cukup rekam beberapa gambar objek, latih modelnya, dan lihat hasilnya di Preview! Mudah dan seru, kan?
Contoh Kasus atau Ilustrasi
Kasus 1: Si Juara Buah — Apel vs. Jeruk
Ilustrasi Kasus:
Bayangkan kamu menjadi juri dalam lomba buah paling fotogenik. Tugasmu adalah membuat model AI yang bisa membedakan apel dan jeruk, hanya dengan melihat gambar.
Langkah Petualangan:
- Buat dua kelas: "Apel" dan "Jeruk".
- Kumpulkan banyak gambar apel dan jeruk (bisa dari internet atau langsung difoto dengan webcam).
- Latih model dan uji keakuratannya.
Kasus 2: Detektif Ekspresi — Senyum, Netral, atau Sedih?
Ilustrasi Kasus:
Bayangkan kamu punya robot teman yang bisa membaca perasaanmu hanya dari wajahmu. Di sini, kamu akan melatih AI untuk mengenali ekspresi wajah: Senyum , Netral , dan Sedih .
Langkah Petualangan:
- Buat tiga kelas berdasarkan ekspresi.
- Rekam wajahmu sendiri dengan ekspresi berbeda-beda.
- Uji: Tunjukkan ekspresi secara acak, dan lihat apakah AI bisa “membaca hatimu”.
Kasus 3: Tangan Ajaib — Terbuka atau Tertutup?
Ilustrasi Kasus:
Bayangkan kamu membuat game sederhana yang dikontrol dengan gerakan tangan. AI-nya harus bisa tahu apakah tanganmu terbuka atau tertutup.
Langkah Petualangan:
- Buat dua kelas: "Tangan Terbuka" dan "Tangan Tertutup".
- Ambil gambar tanganmu dari berbagai arah dan pencahayaan.
- Uji model dengan berbagai posisi tangan bisa jadi dasar membuat game atau robot mini!
Kasus 4: Detektor Alat Tulis — Pensil, Penghapus, Penggaris
Ilustrasi Kasus:
Bayangkan AI yang bisa membantu temanmu mencari alat tulis di meja tanpa harus mencarinya satu per satu! Di sini, AI akan dilatih untuk mengenali pensil, penghapus, dan penggaris.
Langkah Petualangan:
- Buat tiga kelas: satu untuk setiap benda.
- Foto setiap benda dari berbagai sudut, pencahayaan, bahkan warna.
- Coba uji model: apakah bisa membedakan pensil dan pulpen? Bisa dijadikan alat bantu visual.
Kasus 5: Sensor Camilan — Cokelat, Keripik, atau Biskuit?
Ilustrasi Kasus:
Bayangkan kamu membuat vending machine pintar yang tahu jenis camilan hanya dari tampilannya. AI akan mengenali apakah itu keripik, cokelat, atau biskuit.
Langkah Petualangan:
- Buat tiga kelas: "Keripik", "Biskuit", "Cokelat".
- Foto camilan dari berbagai merek, ukuran, dan posisi.
- Latih model dan uji: bisakah dia mengenali camilan favoritmu?
Kasus 6: Pemindai Suara — Suara "Ya" vs. "Tidak"
Ilustrasi Kasus:
Kamu bisa membuat AI yang bisa membedakan dua suara: "Ya" dan "Tidak". Bisa untuk kontrol suara mini!
Langkah Petualangan:
- Rekam suara "ya" dan "tidak" dalam berbagai nada dan kecepatan.
- Uji dengan suara kamu dan temanmu. Apakah AI bisa mengenalinya
Setiap kasus ini seperti misi sains seru, dan dengan Google Teachable Machine, kamu bisa langsung mencobanya di kelas atau di rumah. Tantang dirimu dan temanmu untuk membuat AI paling pintar dan paling seru! Mau mencoba salah satu sekarang?
Fakta Menarik / Fun Facts
Model AI yang kita buat ini seperti bayi yang belajar dari contoh-contoh di sekitarnya. Semakin banyak contoh yang benar dan bervariasi yang kita berikan, semakin pintar dan "paham" dia tentang dunia di sekelilingnya!
Rangkuman
Bab ini mengajak kamu untuk terjun langsung membuat model AI gambar menggunakan Google Teachable Machine. Dengan langkah-langkah yang mudah, kamu belajar membuat Class, mengumpulkan data dari webcam, melakukan training, dan menguji hasilnya.
Proyek ini melatih kemampuan berpikir kritis dan eksperimen. Kamu juga diajak memahami bahwa kualitas dan variasi data sangat penting agar AI bisa belajar dengan benar. Ini bukan hanya soal teknologi, tapi juga cara berpikir seperti ilmuwan: teliti, sabar, dan kreatif!