Di jenjang SMA, obrolan soal coding berubah nada. Kalau di SD dan SMP tujuannya mengenalkan dan menumbuhkan minat, di SMA siswa mulai berhadapan dengan hal yang serius: menulis program yang benar-benar berguna, mengolah data, hingga membangun model kecerdasan buatan sederhana. Mulai tahun ajaran 2025/2026, mata pelajaran Koding dan Kecerdasan Artifisial diperkenalkan di kelas 10 hingga 12, yang di dalam kurikulum masuk ke Fase E dan Fase F.
Bagi banyak remaja, inilah titik di mana coding berhenti terasa seperti “pelajaran” dan mulai terasa seperti keterampilan hidup yang nyata. Dan itu bukan kebetulan — materinya memang dirancang untuk menyambungkan apa yang dipelajari di kelas dengan dunia nyata di luar sana.
Dari dasar Python ke kecerdasan buatan
Kelas 10 (Fase E) biasanya dimulai dengan memantapkan dasar Python: alur logika, struktur data, fungsi, sampai membangun aplikasi sederhana yang benar-benar berfungsi. Setelah fondasinya kuat, siswa memasuki wilayah yang membuat mata mereka berbinar — kecerdasan artifisial. Mereka belajar cara kerja AI, merancang prompt untuk AI generatif, mengevaluasi hasilnya, sampai melatih model sederhana untuk mengenali pola.
Di kelas 11 dan 12 (Fase F), materinya makin dalam: pengolahan data untuk machine learning, membangun serta mengevaluasi model, hingga proyek besar (capstone) yang menuntut siswa menyelesaikan masalah nyata dari awal sampai akhir. Ini bukan lagi latihan mainan; ini latihan berpikir dan bekerja layaknya seorang praktisi teknologi.
Enam elemen yang bertemu dalam proyek
Kurikulum Koding & KA berdiri di atas enam elemen: berpikir komputasional, literasi digital, literasi dan etika AI, pemanfaatan dan pengembangan AI, algoritma dan pemrograman, serta analisis data. Di SMA, keenamnya bertemu dalam bentuk proyek yang utuh. Siswa tidak sekadar menghafal teori regresi atau klasifikasi, melainkan menerapkannya pada data sungguhan, lalu mempresentasikan temuannya di depan kelas. Pendekatan berbasis proyek inilah yang membuat pemahaman menempel jauh lebih lama dibanding sekadar menghafal.
Contoh proyek yang menantang sekaligus relevan
Seperti apa wujud nyatanya? Siswa bisa menganalisis data nyata — misalnya tren nilai ujian atau data cuaca — lalu memvisualisasikannya menjadi grafik yang mudah dipahami. Mereka bisa melatih model klasifikasi sederhana yang menebak kategori berdasarkan ciri tertentu, atau membangun chatbot dasar yang menjawab pertanyaan seputar sekolah. Bahkan ada yang mengembangkan aplikasi kecil untuk menyelesaikan masalah di lingkungan sekitarnya. Proyek semacam ini bukan hanya melatih teknis, tetapi juga kepekaan terhadap masalah nyata — kombinasi yang sangat dihargai di dunia kuliah maupun kerja.
Bekal nyata untuk kuliah dan karier
Ada nilai tambah yang jarang disadari: apa yang dipelajari siswa SMA di mata pelajaran ini nyaris identik dengan mata kuliah tahun pertama di jurusan seperti Informatika, Sistem Informasi, Data Science, bahkan sebagian program teknik. Siswa yang sudah terbiasa dengan Python dan konsep AI akan melangkah ke bangku kuliah dengan percaya diri, bukan memulai dari titik nol seperti kebanyakan teman seangkatannya.
Lebih jauh lagi, mereka bisa mulai membangun portofolio sejak SMA — kumpulan proyek nyata yang bisa ditunjukkan saat mendaftar kuliah, beasiswa, atau lomba. Portofolio ini disusun secara bertahap: setiap proyek yang selesai disimpan, diberi catatan singkat tentang tujuan dan hasilnya, lalu dikumpulkan dalam satu tempat. Di dunia yang makin menghargai bukti karya ketimbang sekadar nilai rapor, koleksi karya semacam ini menjadi keunggulan yang nyata dan sulit ditiru.
Tantangan sekolah: guru dan kedalaman materi
Justru di SMA tantangannya paling terasa. Materi seperti machine learning menuntut guru yang benar-benar menguasainya, sementara jumlah guru dengan latar belakang semacam itu masih sangat terbatas. Menyiapkan bahan ajar yang runtut, dari Python dasar hingga AI, juga jelas bukan pekerjaan yang bisa diselesaikan dalam semalam.
Karena itu, banyak sekolah memilih memakai platform yang materinya sudah lengkap dan berjenjang, dilengkapi editor kode yang bisa dipakai langsung di browser serta praktik AI yang sudah disiapkan. Dengan begitu, guru pendamping tidak perlu menjadi pakar data science untuk bisa menjalankan kelas yang berkualitas — ia cukup memandu, sementara sistem menyediakan materi, latihan, dan penilaian.
Solusi lengkap dari Proactive
Kodingai menyediakan materi Koding & AI untuk SMA yang tersusun dari Python dasar hingga machine learning nyata, dengan editor Python langsung di peramban, latihan yang dinilai otomatis, proyek dan capstone, sertifikat, serta galeri karya siswa. Semuanya dirancang agar sekolah bisa langsung menjalankannya tanpa harus lebih dulu merekrut guru spesialis AI. Materinya pun disusun mengikuti progresi yang selaras dengan Capaian Pembelajaran Fase E dan F, sehingga guru punya panduan yang jelas dari pertemuan ke pertemuan. Proactive juga menyediakan program ekskulonline untuk siswa SMA seluruh Indonesia di Ekskulrobotik (ekskulonline.proactiverobotika.com)
Baca juga: panduan lengkap Koding & KA masuk kurikulum sekolah (memuat tautan ke semua jenjang: SD, SMP, SMA, dan SMK).
Ingin menghadirkan Koding & AI di SMA Anda? Ajukan demo gratis atau program pilot satu semester bersama Proactive di kodingai.proactiverobotika.com.
Pertanyaan yang sering diajukan
Apakah siswa IPS atau Bahasa juga bisa mengikuti?
Bisa. Materi dirancang bertahap dan tidak mensyaratkan latar belakang khusus. Justru keterampilan data dan AI berguna di hampir semua bidang studi.
Apa bedanya materi Fase E dan Fase F?
Fase E (kelas 10) menekankan dasar Python dan pengenalan AI, sedangkan Fase F (kelas 11–12) memperdalam machine learning, analisis data, dan proyek capstone.
Apakah ini membantu masuk perguruan tinggi?
Sangat membantu. Selain memudahkan di jurusan teknologi, portofolio proyek bisa menjadi nilai tambah pada jalur seleksi berbasis prestasi.
