Menteri
Pendidikan Dasar dan Menengah, Abdul Mu’ti, memberikan isyarat mengenai
penggantian Kurikulum Merdeka. Kurikulum baru ini, yang dikenal sebagai Kurikulum
Deeplearning, dirancang untuk meningkatkan pemahaman siswa
melalui pendekatan yang lebih mendalam dan fokus pada keterlibatan aktif. Dalam
paparannya, Abdul Mu’ti menyampaikan bahwa Kurikulum Deeplearning memiliki tiga
pilar utama, yaitu Mindfull Learning, Meaningfull Learning, dan Joyfull
Learning. Ketiga pilar ini bertujuan untuk menciptakan suasana belajar yang
lebih mendalam, bermakna, dan menyenangkan bagi siswa.
Abdul
Mu’ti mengungkapkan bahwa Kurikulum Deeplearning tidak hanya sebatas
penggantian nama, tetapi merupakan langkah strategis untuk meningkatkan
kualitas pendidikan. “Pendekatannya adalah mengurangi volume materi namun
dengan eksplorasi mendalam,” ujarnya dalam pidato resmi baru-baru ini.
Apa itu deep learning? Menurut Kamus Cambridge, deep learning
atau pembelajaran mendalam adalah cara untuk mempelajari sesuatu sehingga
sepenuhnya memahami hal itu dan tidak akan melupakan pembelajaran tersebut.
Dalam segi komputasi, deep learning adalah sejenis pembeajaran mesin atau
proses komputer meningkatkan kemampuan untuk melakukan tugas dengan
menganalisis data baru yang menggunakan banyak lapisan pemrosesan data. Menurut
Catherine McAuley College, deep learning membuat pelajar mampu berpikir kritis,
komunikasi, serta bekerja dengan orang lain secara efektif di semua mata
pelajaran. Deep learning membuat murid bisa mengarahkan ilmu dan mengambil hal
yang dipelajari untuk diterapkan ke situasi lain sebagai pembelajaran seumur
hidup. Pada pembelajaran mendalam, murid akan meneliti fakta dan ide baru
secara kritis serta mengaitkannya ke struktur kognitif dan membuat banyak
kaitan antara ide yang ada. Karekter pembelajaran ini fokus mencari konsep
memecahkan masalah, aktif berinteraksi, menggabungkan berbagai modul belajar,
dan menerapkan pembelajaran ke kehidupan nyata. Murid yang menerapkannya
menjadi punya rasa ingin tahu dan percaya diri, terlibat secara mental,
berpendidikan yang sesuai, serta fokus pada minat dan manajemen waktu baik.
Guru dengan sistem deep learning akan melibatkan mrid dalam pembelajaran,
mengaitkan materi ke pengetahuan murid, tidak menghukum kesalahan dan
menghargai usaha murid, serta bersikap adil dalam penilaian. Contoh dari deep
learning yakni murid diajak menciptakan suatu karya sambil menghitung biaya
pembuatan dan bahan-bahan yang diperlukan. Karya itu kemudian diterapkan ke
kehidupan sehari-hari. Baca juga: Beredar Info Kurikulum Nasional Akan Gantikan
Kurikulum Merdeka mulai Maret 2024, Ini Penjelasan Kemendikbud Ristek Berbeda
dari pembelajaran mendalam, kebalikan dari deep learning adalah surface
learning atau pembelajaran permukaan. Surface learning hanya membuat murid
menerima fakta baru tanpa berpikir kritis, fokus pada hafalan, pasif menerima
informasi, tidak mengembangkan materi, dan belajar untuk ujian. Murid dengan
surface learning tidak fokus pada bidangnya, kurang pengetahuan, beban belajar
terlalu tinggi, dan hanya sekadar mengingat informasi. Guru dalam pembelajaran
ini juga tidak memberikan materi yang mendalam, membiarkan murid pasif, menilai
soal isian pendek, dan memberi beban tugas banyak untuk murid. Contoh surface
learning adalah guru hanya memberi pelajaran ke murid di kelas. Kemudian, murid
harus menghafal pelajaran tadi untuk dites dalam ujian sekolah.
Apa
itu Kurikulum Deeplearning?
Kurikulum
Deeplearning merupakan gagasan baru yang diajukan untuk menggantikan Kurikulum
Merdeka dengan pendekatan pembelajaran yang lebih mendalam. Menteri Pendidikan
Dasar dan Menengah, Abdul Mu’ti, mengungkapkan bahwa kurikulum ini dirancang
untuk membantu siswa memahami materi secara lebih baik melalui metode yang
menekankan pada pemikiran kritis dan eksplorasi.
Abdul
Mu’ti menjelaskan bahwa Kurikulum Deeplearning menggabungkan tiga elemen utama,
yaitu Mindfull
Learning, Meaningfull Learning, dan Joyfull Learning. Setiap
elemen dirancang untuk menciptakan suasana belajar yang tidak hanya
mengedepankan pengetahuan tetapi juga pengalaman bermakna bagi siswa.
“Pendekatannya adalah mengurangi volume materi namun dengan eksplorasi
mendalam.
1. Mindfull Learning: Menghargai
Keunikan dan Keterlibatan Siswa
Mindfull Learning bertujuan
untuk memberikan ruang bagi siswa untuk aktif terlibat dalam proses belajar,
dengan memperhatikan perbedaan kebutuhan dan potensi tiap individu. Dalam
pendekatan ini, siswa diharapkan dapat terlibat langsung melalui diskusi, eksperimen,
dan eksplorasi terhadap materi yang diajarkan.
Misalnya, saat membahas
konsep-konsep sains, guru diharapkan tidak hanya memberikan teori, tetapi juga
mengajak siswa memahami peran materi tersebut dalam kehidupan nyata. Sebagai
contoh, pembelajaran tentang air dapat dilakukan melalui eksperimen laboratorium
untuk mempelajari peran air dalam kehidupan sehari-hari. Dengan pendekatan ini,
siswa diharapkan mampu mengaitkan pembelajaran di kelas dengan realitas
sehari-hari mereka.
2. Meaningfull Learning: Pentingnya
Pembelajaran yang Relevan
Pada elemen Meaningfull
Learning, siswa diajak untuk memahami alasan di balik setiap pelajaran yang
mereka pelajari. Abdul Mu’ti menekankan bahwa siswa perlu tahu mengapa suatu
materi penting dan bagaimana materi tersebut bisa bermanfaat di kehidupan nyata.
Pendekatan ini memposisikan
guru sebagai fasilitator yang membantu siswa mengaitkan pelajaran dengan
penerapan di dunia nyata. Contohnya, dalam pelajaran matematika, guru bisa
menjelaskan bagaimana konsep-konsep tertentu akan bermanfaat dalam mengelola keuangan
pribadi atau bahkan dalam pengelolaan logistik. Dengan pemahaman ini, siswa
diharapkan lebih termotivasi dan antusias dalam belajar.
3. Joyfull Learning: Menciptakan
Pembelajaran yang Bermakna dan Menyenangkan
Joyfull Learning bukan
sekadar pembelajaran yang menyenangkan, melainkan sebuah pendekatan yang
mengedepankan kepuasan dari pemahaman mendalam. Abdul Mu’ti menyatakan bahwa
tujuan dari Joyfull Learning adalah menciptakan pengalaman belajar yang
bermakna, sehingga siswa tidak hanya merasa senang, tetapi juga benar-benar
memahami materi yang dipelajari.
Contohnya, dalam pelajaran
sejarah, guru bisa mengadakan simulasi atau diskusi yang membuat siswa lebih
aktif terlibat. Dengan cara ini, siswa tidak hanya belajar sejarah sebagai
hafalan, tetapi juga bisa memahami konteks historis secara lebih mendalam. Joyfull
Learning diharapkan dapat membuat siswa lebih bersemangat dalam mempelajari
setiap mata pelajaran.
Persiapan
dan Target Peluncuran Kurikulum Deeplearning
Kurikulum
Deeplearning direncanakan untuk diterapkan pada tahun 2025. Namun, Abdul Mu’ti
menekankan bahwa persiapan yang matang diperlukan, terutama dalam hal pelatihan
guru dan penyediaan infrastruktur yang memadai. Proses transisi menuju
kurikulum baru ini juga akan melibatkan pelatihan intensif bagi para guru agar
mereka dapat mengadopsi metode pengajaran yang lebih berfokus pada siswa.
Selain
itu, perubahan mindset guru menjadi elemen penting dalam keberhasilan Kurikulum
Deeplearning. Guru dituntut untuk lebih fleksibel dan responsif terhadap
kebutuhan siswa. Abdul Mu’ti menekankan bahwa keberhasilan kurikulum ini sangat
bergantung pada kesediaan para pendidik untuk beradaptasi dengan pendekatan
yang lebih mengutamakan keterlibatan aktif siswa.
Arti
Kurikulum Deep Learning dalam Pembelajaran & Contohnya[1]
Deep learning mencakup Mindful
Learning, Meaningful Learning, & Joyfull Learning. Apa perbedaan deep
learning dan machine learning?
Wacana pergantian Kurikulum Merdeka dengan model
Deep Learing semakin santer dibicarakan publik. Lantas, apa arti Deep Learning
dan perbedaan dengan Machine Learning?
Gagasan perubahan model kurikulum di Indonesia
diisyaratkan Menteri Pendidikan Dasar dan Menengah, Abdul Mu’ti. Ia memberi
sinyal bakal mengkaji ulang Kurikulum Merdeka dan mengarahkan model deep
learning. Abdul Mu'ti mengatakan bahwa deep learning bukan kurikulum, melainkan
digunakan sebagai metode pendekatan dalam pembelajaran. Deep learning dirancang
dalam rangka meningkatkan pemahaman siswa melalui pendekatan yang lebih
mendalam dan fokus pada keterlibatan aktif para peserta didik.
Apa
itu metode belajar Deep Learning yang diwacanakan menjadi
pengganti Kurikulum
Merdeka? deep learning adalah metode yang diadaptasi
dalam kecerdasan buatan (AI)[2].
Metode mengajarkan komputer untuk memproses data dengan cara seperti cara otak
manusia bekerja. Model deep learning dapat mengenali pola
kompleks dalam gambar, teks, suara, dan data lain untuk menghasilkan wawasan
dan prediksi yang akurat. Dengan
menggunakan metode deep learning, maka kecerdasan buatan (AI)
secara otomatis bisa melaksanakan berbagai hal yang biasanya membutuhkan
kecerdasan manusia, seperti mendeskripsikan citra atau menyalin file suara ke
dalam teks.
Gambar
1. Ilustrasi Machine Learning. FOTO/iStockphoto
deep learning
sendiri merupakan percabangan bidang machine learning yang menggunakan saraf
tiruan atau disebut dengan artificial neural networks[3].
Hal ini memiliki beberapa layers dalam memproses atau mempelajari suatu data.
Metode memungkinkan suatu komputer belajar secara
otomatis melalui pengalaman yang diberikan agar sistem dapat mengidentifikasi
pola kompleks dalam data. Bila diaplikasikan dalam metode pembelajaran, maka
arti deep learning adalah sebuah kurikulum yang menggabungkan tiga elemen
utama, yaitu Mindful Learning, Meaningful Learning, dan Joyfull Learning. Masing-masing
elemen dirancang untuk menciptakan suasana belajar yang tidak hanya
mengedepankan pengetahuan, tetapi juga pengalaman bermakna bagi para peserta didik.
Deep learning merupakan jenis kecerdasan buatan (AI)[4]
yang menggunakan jaringan neural buatan untuk mempelajari data dan memecahkan
masalah. Deep learning dapat mengenali gambar, teks, suara, dan pola data
lainnya untuk menghasilkan prediksi dan wawasan yang akurat.
Deep learning memiliki beberapa karakteristik, di
antaranya:
Menggunakan jaringan neural buatan yang terinspirasi
oleh otak manusia
Dapat mengolah data mentah dan menciptakan pola
untuk mengambil keputusan
Mampu mengenali pola dan informasi tanpa pengawasan
dari data yang tidak terstruktur atau tidak berlabel
Memiliki algoritma yang dapat mempelajari fitur
tingkat tinggi dari data yang tersedia
Deep learning memiliki berbagai penerapan, di
antaranya:
Pengenalan citra
Natural language processing (NLP)
Pengenalan ucapan
Memproses citra medis
Memperkirakan deret waktu
Mendeteksi anomali
Dalam konteks pembelajaran, deep learning dapat
meningkatkan pemahaman siswa dengan berpikir kritis, eksplorasi, dan
partisipasi aktif.
Contoh
Kurikulum Deep Learning dan Penerapannya
Secara
umum, metode deep learning banyak diterapkan di beberapa
sektor. Di antaranya seperti pendidikan, kesehatan, ekonomi, dan beberapa
bidang lain, antara lain.
1.
penerapan deep learning pada sektor kesehatan
adalah penggunaan sejumlah alat medis. Semisal CT scan, MRI, atau alat medis
lain.
Dengan menggunakan metode deep learning, alat-alat
kesehatan bisa memperoleh gambar-gambar yang dibutuhkan dalam diagnosa
kesehatan. Setelah mencermati berbagai gambar tersebut, para tenaga kesehatan
lalu mendeteksi penyakit pada organ dalam, seperti kanker, lesi, retinopati
diabetik, dan lain lain.
2.
Dalam bidang ekonomi, metode deep learning diterapkan
di berbagai perusahaan untuk menganalisis data yang kompleks dan membantu
perusahaan mengambil keputusan. Contohnya perilaku pelanggan, menganalisa
permintaan pelanggan, dan lain lain.
3.
Jika diaplikasikan dalam kurikulum pembelajaran, maka contoh
Kurikulum Deep Learning dapat dipantau sesuai penggabungan
tiga elemen yang mencakup Mindful Learning, Meaningful Learning, dan Joyfull
Learning.
- Pada elemen Mindful Learning, para guru
akan memperhatikan keunikan para siswa, termasuk potensi dan kebutuhan
masing-masing yang berbeda.
Misalnya ketika masuk dalam materi tentang panas. Maka para
siswa nantinya diajak untuk bereksperimen, baik di laboratorium dengan melihat
bagaimana panas atau kalor terbentuk dan fungsi panas dalam kehidupan
sehari-hari.
- Kemudian elemen Meaningful Learning. Para
siswa diajak memahami alasan di balik setiap materi pelajaran yang
dipelajari dan pentingnya pelajaran itu bagi kehidupan di dunia nyata
kelak.
- Terakhir adalah elemen Joyfull Learning.
Metode ini menjadi pendekatan pembelajaran yang tidak sekadar
mengedepankan hal-hal yang menyenangkan dalam pembelajaran. Namun juga
mengutamakan pemikiran yang mendalam dari para siswa terhadap setiap
materi pembelajaran yang diajarkan.
Perbedaan Deep Learning dan Machine
Learning
Sebagai percabangan bidang machine learning, apa
saja perbedaan antara deep learning dan machine learning dalam ilmu pelatihan
program atau sistem komputer?
Machine learning pertama kali dikenalkan Arthur
Samuel pada tahun 1959. Cabang ilmu komputer ini secara khusus mempelajari
bagaimana sebuah mesin mampu menyelesaikan masalah tanpa harus diprogram secara
eksplisit.
Kemampuan machine learning berbeda dengan deep
learning. Dengan deep learning, komputer memiliki kemampuan mempelajari sesuatu
dan menyelesaikan tugas secara lebih dinamis
Gambar 2: Ilustrasi Machine Learning.
FOTO/iStockphoto
Berikut ini adalah beberapa perbedaan machine
learning dan deep learning:
Algoritma
Machine learning menggunakan algoritma untuk
mengurai data, mempelajari data, dan membuat keputusan berdasarkan data yang
telah dipelajari.
Sementara itu, deep learning menggunakan susunan
algoritma yang berlapis-lapis untuk menciptakan “jaringan nalar buatan”. Hal
ini membuat deep learning memiliki kemampuan mempelajari data dan membuat
keputusan sendiri.
Data
Machine learning hanya mampu menganalisis data yang
terstruktur. Namun, algoritma pada machine learning bisa menganalisis data
dalam jumlah kecil.
Deep learning mampu menganalisis data yang tidak
terstruktur seperti gambar, video, maupun audio.
Algoritma deep learning tidak memiliki kemampuan
secara maksimal mengolah data dalam jumlah kecil. Hal ini terjadi karena
algoritma deep learning sengaja dirancang untuk mengolah data dalam jumlah
banyak.
Attribute Engineering (Rekayasa
Fitur)
Machine learning membutuhkan rekayasa fitur. Di lain
sisi, deep learning sama sekali tidak membutuh rekayasa fitur. Dengan kata
lain, beberapa fitur kemungkinan bisa saling berkaitan saat proses analisis
pada program machine learning.
Attribute engineering (rekayasa fitur) sendiri
mengacu pada proses pemilihan dan transformasi variabel menggunakan machine
learning atau deep learning saat menciptakan model analisis prediktif.
Hardware (Perangkat Keras)
Butuh perangkat keras kelas atas untuk menjalankan
program pembelajaran deep learning. Selain itu, mesin yang digunakan juga harus
memiliki kemampuan mumpuni untuk mengolah data dalam jumlah besar.
Sementara itu, program pembelajaran machine learning
cukup membutuhkan mesin kelas menengah atau bahkan kelas bawah untuk mengolah
data secara optimal.
Penerapan
Penerapan model machine learning adalah sistem
rekomendasi pada e-commerce. Algoritma machine learning akan menganalisis data
produk yang sebelumnya dicari untuk memberi rekomendasi serupa.
Contoh lain penerapan machine learning adalah
asisten virtual seperti Google Assistant, Alexa, Cortana, dan Siri.
Sementara penerapan deep learning bisa ditemukan
pada fitur face unlock di smartphone. Fitur ini berfungsi membuka kunci pada HP
dengan mendeteksi wajah pengguna.
KURIKULUM MERDEKA DEEP LEARNING, PERSAMAAN DAN
PERBEDAAN
Deep learning bukan pengganti Kurikulum Merdeka,
melainkan pendekatan pembelajaran yang dapat digunakan untuk mencapai tujuan
Kurikulum Merdeka. Deep learning merupakan pendekatan pembelajaran yang
berfokus pada pengalaman belajar yang lebih bermakna dan menyenangkan bagi
siswa
Kurikulum Merdeka adalah sebuah kebijakan pendidikan
secara menyeluruh, lebih fokus pada struktur dan organisasi pembelajaran,
sedangkan Deep Learning adalah sebuah pendekatan pembelajaran, lebih fokus pada
proses pembelajaran.
Kurikulum Merdeka dan Deep Learning, meskipun
berbeda dalam konteksnya, memiliki tujuan yang sama yaitu menciptakan
pembelajaran yang lebih bermakna dan relevan bagi siswa. Namun, keduanya
memiliki pendekatan yang berbeda. Kurikulum Merdeka, fokus pada fleksibilitas
dan otonomi sekolah dalam mengembangkan kurikulum. Memberikan kebebasan bagi
guru untuk memilih materi pembelajaran yang sesuai dengan kondisi dan kebutuhan
siswa. Menekankan pada pengembangan karakter dan kompetensi abad 21. Memberikan
kesempatan bagi siswa untuk belajar secara aktif dan kolaboratif. Sedangkan
Deep Learning, fokus pada pemahaman konsep yang mendalam dan bermakna.
Menekankan pada proses berpikir kritis, analitis, dan kreatif. Menghubungkan
materi pembelajaran dengan kehidupan nyata. Memungkinkan siswa untuk membangun
pengetahuan mereka sendiri. Keduanya menempatkan siswa sebagai pusat
pembelajaran. Memberikan ruang untuk fleksibilitas dalam proses pembelajaran.
Berusaha menghubungkan pembelajaran dengan kehidupan nyata dan mendorong siswa
untuk belajar secara aktif.
Kurikulum Merdeka adalah sebuah kebijakan pendidikan secara
menyeluruh, lebih fokus pada struktur dan organisasi pembelajaran, sedangkan Deep Learning adalah sebuah pendekatan pembelajaran, lebih fokus
pada proses pembelajaran. Kurikulum Merdeka memberikan kerangka kerja yang luas
bagi sekolah untuk menerapkan pendekatan pembelajaran yang lebih fleksibel dan
relevan. Maka, Deep Learning dapat menjadi salah satu pendekatan yang digunakan
untuk mencapai tujuan Kurikulum Merdeka.
Berikut adalah beberapa contoh penerapan Deep
Learning dalam Kurikulum Merdeka. Contoh ini tentu sudah sering dilakukan oleh
guru dikelas. Misal, Siswa diberikan proyek yang menantang untuk diselesaikan
secara kelompok. Dalam menyelesaikan proyek ini, siswa akan melakukan
penelitian, menganalisis data, dan membuat keputusan. Proses ini biasa dikenal
dengan Pembelajaran Berbasis Proyek istilah barat disebut Project Based Learning
(PjBL). Contoh lain, Diskusi
kelas, guru memfasilitasi diskusi kelas yang mendalam untuk menggali pemahaman
siswa tentang suatu konsep. Kegiatan ini biasa digunakan guru pada kegiatan
pembelajaran. Kemudian, Pembelajaran berbasis masalah atau Problem Based Learning
(PBL), siswa diberikan masalah
nyata yang harus mereka pecahkan. Dalam memecahkan masalah ini, siswa akan
belajar menerapkan pengetahuan dan keterampilan yang telah mereka pelajari.
Nah, contoh yang ini, guru pasti sudah tidak asing lagi, yaitu penggunaan teknologi
atau integrasi teknologi dalam pembelajaran. Teknologi dapat digunakan untuk
memfasilitasi pembelajaran yang lebih mendalam, misalnya melalui simulasi,
video, atau aplikasi pembelajaran. Adanya teknologi itu memudahkan,
mempercepat, menyederhanakan dan lebih menarik karena menyesuaikan zamannya.
Siswa akan lebih termotivasi untuk belajar ketika
mereka merasa bahwa pembelajaran yang mereka lakukan bermakna dan relevan
dengan kehidupan mereka. Deep Learning mendorong siswa untuk berpikir secara
kritis dan kreatif dalam memecahkan masalah. Keterampilan yang dikembangkan
melalui Deep Learning, seperti berpikir kritis, pemecahan masalah, dan
kolaborasi, sangat dibutuhkan di dunia kerja masa depan.
Terdapat 8
(delapan) keterampilan pembelajaran mendalam (Deep Learning Skills), antara
lain:
- Global Citizenship: pengetahuan global,
kepekaan dan rasa hormat terhadap budaya lain, serta keterlibatan aktif
dalam menangani isu-isu keberlanjutan manusia dan lingkungan.
- Collaboration: bekerja dalam tim, belajar dari
dan berkontribusi pada pembelajaran orang lain, keterampilan jaringan
sosial dan empati dalam bekerja dengan orang lain yang beragam
- Character: kejujuran, pengaturan diri dan
tanggung jawab, kerja keras, ketekunan, empati untuk berkontribusi pada
keselamatan dan manfaat orang lain, kepercayaan diri, kesehatan dan
kesejahteraan pribadi, keterampilan karier dan kehidupan.
- Communication: berkomunikasi secara efektif
secara lisan, tertulis dan dengan berbagai alat digital; keterampilan
mendengarkan
- Creativity and Imagination: kewirausahaan
ekonomi dan sosial, mempertimbangkan dan mengejar ide-ide baru dan
kepemimpinan untuk bertindak
- Problem Solving: memberikan siswa pengalaman
nyata dalam menciptakan dan menggunakan pengetahuan baru di dunia di luar
kelas
- Critical Thinking: berpikir kritis untuk
merancang dan mengelola proyek, memecahkan masalah, membuat keputusan yang
efektif menggunakan berbagai alat dan sumber daya digital
- Penggunaan TIK untuk pembelajaran: teknologi
memungkinkan kita menemukan dan menguasai pengetahuan konten dan
memungkinkan tujuan pembelajaran mendalam untuk menciptakan dan
menggunakan pengetahuan baru di dunia
Lebih jauh akan kita bahas secara khusus 8 Deep
Learning Skills, dalam sesi berikutnya. Dari pendapat diatas, bahwa setiap
momen pasti terjadi perubahan, maka perubahan itulah yang menjadikan kita tetap
optimis hingga saat ini. Optimisme untuk melakukan perubahan-perubahan tersebut
tanpa harus apriori terhadap hal yang sedang atau akan dihadapi[5].
Kurikulum Merdeka dan Deep Learning saling
melengkapi. Kurikulum Merdeka memberikan kerangka kerja yang luas, sedangkan
Deep Learning memberikan pendekatan pembelajaran yang lebih spesifik. Dengan
menggabungkan keduanya, diharapkan dapat tercipta pembelajaran yang lebih
bermakna, relevan, dan efektif bagi siswa.
Dikutip dari Wikipedia: Deep Learning/ Pembelajaran
mendalam adalah bagian dari pembelajaran mesin yang berfokus pada pemanfaatan
jaringan saraf untuk melakukan tugas-tugas seperti klasifikasi , regresi , dan
pembelajaran representasi . Bidang ini mengambil inspirasi dari ilmu saraf
biologis dan berpusat pada penumpukan neuron buatan ke dalam lapisan-lapisan
dan “melatihnya” untuk memproses data. Kata sifat “dalam” mengacu pada
penggunaan beberapa lapisan (berkisar dari tiga hingga beberapa ratus atau ribuan)
dalam jaringan. Metode yang digunakan dapat berupa metode terbimbing ,
semi-terbimbing , atau tanpa pengawasan .
Beberapa arsitektur jaringan pembelajaran mendalam
yang umum mencakup jaringan yang terhubung penuh , jaringan keyakinan mendalam
, jaringan saraf berulang , jaringan saraf konvolusional , jaringan adversarial
generatif , transformer , dan medan radian saraf . Arsitektur ini telah
diterapkan pada bidang-bidang termasuk visi komputer , pengenalan suara ,
pemrosesan bahasa alami , penerjemahan mesin , bioinformatika , desain obat ,
analisis citra medis , ilmu iklim , inspeksi material, dan program permainan papan
, yang telah menghasilkan hasil yang sebanding dengan dan dalam beberapa kasus
melampaui kinerja ahli manusia.
Bentuk awal jaringan saraf terinspirasi oleh
pemrosesan informasi dan simpul komunikasi terdistribusi dalam sistem biologis
, khususnya otak manusia . Namun, jaringan saraf saat ini tidak dimaksudkan
untuk memodelkan fungsi otak organisme, dan umumnya dianggap sebagai model
berkualitas rendah untuk tujuan tersebut.
Sebagian besar model pembelajaran mendalam modern
didasarkan pada jaringan saraf berlapis-lapis seperti jaringan saraf
konvolusional dan transformator , meskipun mereka juga dapat menyertakan rumus
proposisional atau variabel laten yang disusun berlapis-lapis dalam model
generatif yang dalam seperti node dalam jaringan kepercayaan yang dalam dan
mesin Boltzmann yang dalam.
Secara fundamental, pembelajaran mendalam mengacu
pada kelas algoritma pembelajaran mesin yang menggunakan hierarki lapisan untuk
mengubah data masukan menjadi representasi yang sedikit lebih abstrak dan
komposit. Misalnya, dalam model pengenalan gambar , masukan mentah dapat berupa
gambar (diwakili sebagai tensor piksel ). Lapisan representasional pertama
dapat mencoba mengidentifikasi bentuk dasar seperti garis dan lingkaran,
lapisan kedua dapat menyusun dan mengodekan susunan tepi, lapisan ketiga dapat
mengodekan hidung dan mata, dan lapisan keempat dapat mengenali bahwa gambar
tersebut berisi wajah.
Yang penting, proses pembelajaran mendalam dapat
mempelajari fitur mana yang harus ditempatkan secara optimal pada level mana
dengan sendirinya . Sebelum pembelajaran mendalam, teknik pembelajaran mesin
sering kali melibatkan rekayasa fitur yang dibuat dengan tangan untuk mengubah
data menjadi representasi yang lebih sesuai untuk dioperasikan oleh algoritma
klasifikasi. Dalam pendekatan pembelajaran mendalam, fitur tidak dibuat dengan
tangan dan model menemukan representasi fitur yang berguna dari data secara
otomatis. Ini tidak menghilangkan kebutuhan untuk penyetelan manual; misalnya,
berbagai jumlah lapisan dan ukuran lapisan dapat memberikan tingkat abstraksi
yang berbeda.
Kata “deep” dalam “deep learning” merujuk pada
jumlah lapisan yang dilalui data untuk ditransformasikan. Lebih tepatnya,
sistem deep learning memiliki kedalaman jalur penugasan kredit (CAP) yang
substansial. CAP adalah rantai transformasi dari input ke output. CAP
menggambarkan hubungan kausal yang potensial antara input dan output. Untuk
jaringan neural feedforward , kedalaman CAP adalah kedalaman jaringan dan
merupakan jumlah lapisan tersembunyi ditambah satu (karena lapisan output juga
diparameterisasi). Untuk jaringan neural berulang , di mana sinyal dapat
menyebar melalui lapisan lebih dari satu kali, kedalaman CAP berpotensi tidak
terbatas. Tidak ada ambang batas kedalaman yang disepakati secara universal
yang memisahkan shallow learning dari deep learning, tetapi sebagian besar
peneliti setuju bahwa deep learning melibatkan kedalaman CAP yang lebih tinggi
dari dua. CAP dengan kedalaman dua telah terbukti menjadi aproksimator
universal dalam artian bahwa CAP dapat meniru fungsi apa pun. Di luar itu, lebih
banyak lapisan tidak menambah kemampuan aproksimator fungsi jaringan. Model
dalam (CAP > dua) mampu mengekstrak fitur yang lebih baik daripada model
dangkal dan karenanya, lapisan tambahan membantu dalam mempelajari fitur secara
efektif.
Berpikir mendalam (deep thinking) dan pembelajaran
mendalam (deep learning) adalah konsep yang saling melengkapi dan dapat
diterapkan secara sinergis dalam pembelajaran untuk menciptakan pengalaman
belajar yang lebih bermakna dan efektif. Deep thinking berakar pada cara kerja
alami pikiran yang dinamis, kreatif, dan aktif, seperti yang terlihat pada
proses pembelajaran konseptual pada bayi. Hal ini menunjukkan bahwa berpikir
mendalam adalah elemen fundamental yang mendorong individu untuk memahami dunia
secara lebih konseptual dan mendalam.
Di sisi lain, deep learning menggunakan teknologi
jaringan saraf berlapis untuk memproses data secara hierarkis, memungkinkan
transformasi data menjadi representasi yang lebih abstrak dan terstruktur.
Dalam konteks pendidikan, pembelajaran mendalam dapat dimanfaatkan untuk
mengidentifikasi pola belajar siswa, mempersonalisasi pembelajaran, serta
memecahkan tantangan pembelajaran yang kompleks dengan pendekatan berbasis
data.
Implementasi keduanya dalam pembelajaran membuka
peluang besar untuk menciptakan lingkungan belajar yang lebih inovatif. Guru
dapat mendorong siswa untuk terlibat dalam proses berpikir mendalam melalui
diskusi konseptual, pemecahan masalah, dan eksplorasi kreatif. Pada saat yang
sama, pemanfaatan teknologi pembelajaran mendalam dapat membantu memperkaya
pengalaman belajar melalui analisis data, otomatisasi tugas pembelajaran, dan
pengembangan metode evaluasi berbasis capaian konseptual. Kombinasi ini memungkinkan
pembelajaran menjadi lebih adaptif, relevan, dan bermakna.
Mengenal “IB Learner Profile” Mengajak Deep Thinker
Profil Pembelajar International Baccalaureate (IB)
terdiri dari sepuluh atribut yang dirancang untuk membentuk siswa menjadi
individu yang holistik dan siap menghadapi tantangan global. Berikut adalah
penjelasan mengenai masing-masing atribut tersebut:
1. Inquirers
Siswa mengembangkan rasa ingin tahu alami dan
keterampilan untuk melakukan penyelidikan serta penelitian. Mereka belajar
untuk mengeksplorasi ide-ide dan isu-isu dengan antusiasme.
2. Knowledgeable
Siswa berusaha untuk memahami berbagai disiplin
ilmu, mengeksplorasi konsep, ide, dan isu-isu yang relevan baik secara lokal
maupun global.
3. Thinkers
Siswa menggunakan keterampilan berpikir kritis dan
kreatif untuk menganalisis informasi dan mengambil keputusan yang etis serta
masuk akal. Mereka terlibat dalam pemecahan masalah yang kompleks.
4. Communicators
Siswa memiliki kemampuan untuk mengekspresikan diri
dengan percaya diri dan kreatif dalam berbagai bahasa dan cara komunikasi.
Mereka belajar untuk berkolaborasi secara efektif dengan orang lain.
5. Principled
Siswa bertindak dengan integritas dan menghargai
keadilan serta kesetaraan. Mereka menunjukkan tanggung jawab terhadap tindakan
mereka dan menghormati hak orang lain.
6. Open-minded
Siswa menghargai budaya, perspektif, dan tradisi
yang berbeda dari milik mereka sendiri. Mereka terbuka terhadap ide-ide baru
dan bersedia mempertimbangkan sudut pandang lain.
7. Caring
Siswa menunjukkan empati dan perhatian terhadap
kebutuhan orang lain. Mereka berkomitmen untuk berkontribusi pada komunitas
mereka dengan cara positif.
8. Risk-takers
Siswa berani menghadapi tantangan baru dan mengambil
risiko yang diperhitungkan. Mereka menunjukkan keberanian dalam mengeksplorasi
ide-ide baru dan mempertahankan keyakinan mereka meskipun ada ketidakpastian.
9. Balanced
Siswa memahami pentingnya keseimbangan antara aspek
intelektual, fisik, dan emosional dalam kehidupan mereka. Mereka berusaha untuk
mencapai kesejahteraan pribadi dalam semua aspek kehidupan.
10. Reflective
Siswa merenungkan pengalaman belajar mereka,
mempertimbangkan bagaimana hal tersebut memengaruhi perkembangan pribadi
mereka. Mereka belajar dari pengalaman masa lalu untuk meningkatkan pemahaman
di masa depan.
Mengingat Kembali Penguatan Profil Pelajar Pancasila
Penguatan Profil Pelajar Pancasila (P5) adalah
inisiatif pendidikan yang bertujuan untuk mengembangkan karakter dan kompetensi
siswa di Indonesia sesuai dengan nilai-nilai Pancasila. Berikut adalah
penjelasan lebih mendalam mengenai konsep dan implementasi P5:
Konsep Penguatan Profil Pelajar Pancasila
1. Definisi: P5 merupakan pembelajaran berbasis
proyek yang melibatkan siswa dalam mengamati, mengeksplorasi, dan merumuskan
solusi terhadap isu-isu nyata di lingkungan sekitar. Tujuannya adalah untuk
memperkuat kompetensi dan karakter siswa sesuai dengan Profil Pelajar Pancasila
yang dicanangkan oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi
Indonesia
2. Dimensi Profil Pelajar Pancasila: Terdapat enam
dimensi kunci dalam Profil Pelajar Pancasila:
• Beriman, bertakwa kepada Tuhan Yang Maha Esa, dan
berakhlak mulia
• Berkebinekaan global
• Bergotong royong
• Mandiri
• Bernalar kritis
• Kreatif
3. Tujuan: Proyek ini bertujuan untuk menciptakan
pelajar yang tidak hanya kompeten secara akademis tetapi juga memiliki karakter
yang kuat, mampu beradaptasi dengan berbagai situasi, serta berkontribusi
positif kepada masyarakat
Kolaborasi IB Learner Profile dan Penguatan Profile
Pelajar Pancasila Menguatkan Deep Thinking
Kolaborasi antara IB Learner Profile dan Penguatan
Profil Pelajar Pancasila dapat memberikan kontribusi signifikan terhadap
pengembangan keterampilan berpikir mendalam (deep thinking) pada siswa. Kedua
kerangka ini menekankan pentingnya karakter dan kompetensi yang diperlukan
untuk menghadapi tantangan global dan lokal. Dalam konteks IB, atribut seperti
thinkers dan inquirers mendorong siswa untuk berpikir kritis, melakukan
penyelidikan, dan mengeksplorasi ide-ide secara mendalam.
Sementara itu, Profil Pelajar Pancasila menekankan
nilai-nilai seperti kemandirian, gotong royong, dan bernalar kritis yang
sejalan dengan tujuan pembelajaran berbasis proyek yang diusung dalam kurikulum
pendidikan di Indonesia.Implementasi proyek yang mengintegrasikan kedua profil
ini dapat menciptakan lingkungan belajar yang interaktif dan kolaboratif.
Misalnya, dalam proyek berbasis komunitas, siswa dapat menerapkan
prinsip-prinsip caring dari IB Learner Profile dengan menunjukkan empati
terhadap kebutuhan masyarakat sekitar, sambil juga mengembangkan sikap gotong
royong dari Profil Pelajar Pancasila.
Melalui kolaborasi ini, siswa tidak hanya belajar
untuk bekerja sama tetapi juga berlatih untuk menganalisis masalah secara
kritis dan mencari solusi yang inovatif, sehingga memperkuat kemampuan berpikir
mendalam mereka.Selain itu, pendekatan pembelajaran yang menggabungkan kedua
profil ini memungkinkan siswa untuk terlibat dalam refleksi diri yang mendalam.
Dengan merenungkan pengalaman belajar mereka, siswa dapat mengidentifikasi
kekuatan dan area yang perlu diperbaiki. Ini sejalan dengan atribut reflective
dalam IB Learner Profile dan dimensi reflektif dalam Penguatan Profil Pelajar
Pancasila.
Proses ini meningkatkan pemahaman mereka tentang
materi pelajaran tetapi juga membantu mereka menginternalisasi nilai-nilai
karakter yang penting bagi pengembangan pribadi dan sosial mereka.Akhirnya,
kolaborasi antara IB Learner Profile dan Penguatan Profil Pelajar Pancasila
memberikan kesempatan bagi siswa untuk menjadi pelajar sepanjang hayat yang
kompeten dan berkarakter. Dengan memadukan keterampilan berpikir kritis dan
kreatif dari IB dengan nilai-nilai Pancasila, siswa dapat mengembangkan sikap
positif terhadap pembelajaran serta tanggung jawab sosial. Hal ini sangat
penting dalam membentuk generasi yang tidak hanya cerdas secara akademis tetapi
juga memiliki integritas moral dan sosial yang tinggi, siap menghadapi
tantangan di era globalisasi.
Menyatukan Kompetensi Guru Dalam Deep Thinking dan
Deep Learning Sebagai Kekuatan Utuh dalam Pembelajaran
Menyatukan kompetensi guru dalam deep thinking dan
deep learning merupakan langkah strategis untuk menciptakan pengalaman
pembelajaran yang lebih bermakna dan efektif. Deep thinking mengacu pada
kemampuan guru untuk menganalisis, mengevaluasi, dan merumuskan pemikiran
kritis tentang materi ajar, sedangkan deep learning berfokus pada pemahaman
yang mendalam dan aplikatif dari pengetahuan yang dipelajari siswa. Dengan
mengintegrasikan kedua aspek ini, guru dapat membantu siswa tidak hanya
menghafal informasi, tetapi juga memahami konsep secara menyeluruh dan mampu
menerapkannya dalam konteks nyata. Melalui pengembangan kompetensi dalam deep
thinking, guru dapat merancang pertanyaan-pertanyaan yang menantang dan
mendorong siswa untuk berpikir kritis. Ini menciptakan lingkungan belajar yang
dinamis di mana siswa merasa terdorong untuk mengeksplorasi ide-ide baru dan
mempertanyakan asumsi yang ada. Guru berperan sebagai fasilitator yang
membimbing siswa dalam proses berpikir mendalam, sehingga mereka dapat membuat
koneksi antara berbagai konsep dan mengembangkan keterampilan analitis yang
diperlukan untuk menghadapi tantangan di dunia nyata.
Di sisi lain, deep learning menuntut guru untuk
merancang pengalaman belajar yang relevan dan kontekstual. Ini berarti bahwa
guru harus mampu mengaitkan materi ajar dengan situasi kehidupan sehari-hari
siswa, sehingga pembelajaran terasa lebih aplikatif dan bermanfaat. Dengan
memadukan deep thinking dan deep learning, guru dapat menciptakan proyek atau
tugas yang memungkinkan siswa untuk bekerja secara kolaboratif, menerapkan
pengetahuan mereka dalam situasi nyata, serta merefleksikan proses belajar. Hal
ini tidak hanya meningkatkan pemahaman akademis tetapi juga membangun
keterampilan sosial dan emosional siswa.
Menyatukan kompetensi guru dalam deep thinking dan
deep learning akan menghasilkan kekuatan utuh dalam pembelajaran yang berdampak
jangka panjang. Ketika guru mampu mengintegrasikan kedua pendekatan ini, mereka
tidak hanya membekali siswa dengan pengetahuan tetapi juga dengan keterampilan
berpikir kritis dan kreatif yang esensial untuk kehidupan di abad ke-21. Dengan
demikian, siswa akan menjadi individu yang siap menghadapi tantangan global
dengan percaya diri, serta memiliki kemampuan untuk berkontribusi secara
positif kepada masyarakat.
Kunci sukses implementasi Deep Thinking dan Deep
Learning di Satuan Pendidikan Melalui Profil yang Akan Dicapai
Implementasi Deep Thinking dan Deep Learning di
satuan pendidikan memerlukan strategi yang terencana dan berfokus pada
pencapaian profil pelajar yang diinginkan.
Kunci sukses pertama adalah pengembangan kompetensi
guru. Guru harus dilatih untuk memahami dan menerapkan prinsip-prinsip deep
thinking dan deep learning dalam proses pembelajaran. Ini meliputi kemampuan
untuk merancang pertanyaan yang menantang, memfasilitasi diskusi yang mendalam,
dan mengembangkan aktivitas yang mendorong siswa untuk berpikir kritis dan
kreatif. Dengan kompetensi yang kuat, guru dapat menciptakan lingkungan belajar
yang mendukung eksplorasi ide-ide dan pemecahan masalah secara kolaboratif.
Kunci sukses kedua adalah penyediaan kurikulum yang
relevan dan kontekstual. Kurikulum harus dirancang sedemikian rupa agar dapat
mengaitkan materi ajar dengan kehidupan nyata siswa, sehingga mereka dapat
melihat relevansi pengetahuan yang dipelajari. Pendekatan pembelajaran berbasis
masalah (problem-based learning) dapat diterapkan untuk memberikan pengalaman
langsung kepada siswa dalam memecahkan isu-isu aktual. Dengan cara ini, siswa
tidak hanya belajar teori tetapi juga memahami aplikasi praktis dari konsep-konsep
yang diajarkan, yang pada gilirannya memperkuat pemahaman mereka secara
mendalam.
Selanjutnya, kunci sukses ketiga adalah penerapan
metode pembelajaran aktif menjadi kunci sukses ketiga dalam implementasi deep
thinking dan deep learning. Metode ini mencakup diskusi kelas, proyek
kolaboratif, dan refleksi individu. Siswa didorong untuk terlibat aktif dalam
proses belajar, berbagi perspektif, dan bekerja sama dalam kelompok untuk
menyelesaikan tugas-tugas komkomplek
Siswa belajar dari satu sama lain dan mengembangkan keterampilan sosial
serta kemampuan komunikasi yang diperlukan di dunia nyata. Pembelajaran aktif
juga membantu siswa untuk lebih memahami materi karena mereka terlibat langsung
dalam proses eksplorasi.
Kunci sukses keempat adalah evaluasi yang
komprehensif dan berkelanjutan. Penilaian tidak hanya dilakukan melalui ujian
tradisional tetapi juga melalui proyek, presentasi, dan refleksi diri. Metode
evaluasi ini memungkinkan guru untuk menilai pemahaman siswa secara holistik
serta kemajuan mereka dalam berpikir kritis dan kreatif. Selain itu, umpan
balik yang konstruktif dari guru akan membantu siswa memahami kekuatan dan area
yang perlu ditingkatkan. Pendekatan ini, proses pembelajaran menjadi lebih dinamis
dan berorientasi pada pengembangan karakter serta kompetensi siswa sesuai
dengan profil pelajar yang diharapkan.
Peran BBPMP/BPMP Sebagai Tusi Pengembang Model
Permendikbudristek Nomor 11 Tahun 2022 Tentang
Organisasi dan tata Kerja BBPMP/BPMP pada Pasal 4 ayat b disebutkan bahwa
pengembangan model penjaminan dan peningkatan mutu pendidikan anak usia dini,
pendidikan dasar, pendidikan menengah, dan pendidikan Masyarakat. Peran Balai Besar Penjaminan Mutu Pendidikan
(BBPMP) dan Balai Penjaminan Mutu Pendidikan (BPMP) sangat penting dalam
pengembangan model. Mengacu kepada wacana peneran Deep Learning kiranya cukup
penting bahwa jalan menuju Deep Leraning adalah penguasaan dan implementasi
Deep Thinking dan Deep Learning di satuan pendidikan. Sebagai lembaga yang
bertanggung jawab untuk penjaminan dan peningkatan mutu pendidikan, BBPMP/BPMP
memiliki tugas untuk mengembangkan model-model pembelajaran yang tidak hanya
berfokus pada penguasaan materi, tetapi juga pada pengembangan keterampilan
berpikir kritis dan kreatif siswa.
BBPMP/BPMP dapat membantu sekolah dalam merancang
kurikulum yang mendorong para Pengawas Sekolah,Kepala Sekolah, Guru dengan
memberikan penuatan dan coaching clinic untuk melakukan penyelidikan mendalam
dan berpikir secara analitis.
Dalam implementasinya, BBPMP/BPMP berfungsi sebagai
fasilitator dalam Coaching Clinic guru untuk meningkatkan kompetensi mereka
dalam menerapkan metode pembelajaran yang mendukung deep thinking dan deep
learning. Melalui program pengembangan profesional, guru dibekali dengan
strategi pembelajaran aktif yang mendorong siswa untuk terlibat secara langsung
dalam proses belajar. Ini termasuk penggunaan teknik seperti diskusi kelompok,
proyek berbasis masalah, dan refleksi diri yang membantu siswa membangun pemahaman
yang lebih dalam terhadap materi pelajaran.Selain itu, BBPMP/BPMP juga berperan
dalam melakukan pemetaan mutu pendidikan yang mencakup analisis terhadap
praktik pembelajaran di sekolah-sekolah.
Melalui pengumpulan data dan informasi mengenai
efektivitas metode pembelajaran yang diterapkan, BBPMP/BPMP dapat
mengidentifikasi area yang memerlukan perbaikan dan memberikan rekomendasi
berbasis bukti untuk pengembangan model pembelajaran yang lebih baik sebagai
jalan peningkatan literasi dan numerasi. Hal ini akan meningkatkan kualitas
pendidikan di daerah. Kolaborasi antara BBPMP/BPMP dengan pemerintah daerah dan
lembaga pendidikan lainnya menjadi kunci sukses dalam implementasi deep
thinking dan deep learning.
Membangun kemitraan strategis, melalui Analisa RPJPD
2025-2045 di setiap Kabupaten/Kota, BBPMP/BPMP dapat memperluas jangkauan
program-program peningkatan mutu pendidikan serta memastikan bahwa
kebijakan-kebijakan nasional dapat diadaptasi secara efektif di tingkat daerah
melalui dukungan program BBPMP/BPMP yang sesuai dengan Renstra Daerah
masing-masing. Melalui sinergi ini, diharapkan BBPMP/BPMP bisa mencapai IKU dan
IKK sekaligus mensupport Renstra Daerah yang muaranya kepada 6 Prioritas
Program Kemendikbuddasmen.
