MAKALAH KECERDASAN BUATAN

Disusun dalam rangka untuk memenuhi salah satu tugas mata kuliah Kecerdasan
Buatan Program Studi Pendidikan Teknologi Informasi

Dosen Pengampu :

Rimbun Siringo Ringo, M.Kom

Disusun Oleh :

Omarius Halawa
NPM 221530001

PROGRAM STUDI PENDIDIKAN TEKNOLOGI INFORMASI

UNIVERSITAS METHODIST INDONESIA
T.A 2022/2023
 KATA PENGANTAR
Puji syukur kehadirat Tuhan yang Maha Esa, karena berkat rahmat dan
karunia – Nya makalah ini dapat terselesaikan. Makalah ini dibuat untuk memenuhi
tugas Mata Kuliah Pendidikan Inklusif yaitu membahas dan mengkaji seputar
tentang pendidikan ink . Saya menyadari bahwa pengetahuan tentang Kecerdasan
Buatan sangat penting untuk dipahami oleh setiap orang di era perkembangan
teknologi yang semakin pesat saat ini.
Kecerdasan Buatan (Artificial Intelligence/AI) adalah bidang ilmu komputer
yang bertujuan untuk membuat sistem atau mesin yang dapat melakukan tugas-tugas
yang biasanya membutuhkan kecerdasan manusia. Meskipun konsep AI sudah ada
sejak lama, perkembangan teknologi dan kebutuhan masyarakat membuat bidang ini
semakin berkembang pesat dalam beberapa dekade terakhir. Dalam makalah ini, akan
dibahas tentang pengolahan bahasa alami, knowledge representation, automated
reasoning, machine learning,computer vision dan robotika.

Akhir kata, saya harapkan makalah ini dapat bermanfaat bagi semua pihak
khususnya mahasiswa jurusan Pendidikan Teknologi Informasi yang membahas dan
mengkaji seputar tentang kecerdasan buatan.

Medan, 27 Maret 2023

Omarius Halawa
221530001

i
 DAFTAR ISI
KATA PENGANTAR....................................................................................i
DAFTAR ISI...................................................................................................ii
BAB 1 PENDAHULUAN...............................................................................1
A. Pengertian Kecerdasan Buatan.........................................................1
B. Rumusan Masalah..............................................................................2
C. Tujuan..................................................................................................2
BAB II PEMBAHASAN.................................................................................3
A. Pengolahan Bahasa Alami ................................................................3
B. Knowledge Representation................................................................3
C. Automated Reasoning .......................................................................4
D. Machine Learning...............................................................................5
E. Computer Vision.................................................................................7
F. Robotika...............................................................................................7
BAB II PENUTUP..........................................................................................8
A. Kesimpulan..........................................................................................9
B. Saran....................................................................................................9

ii
 BAB I

PENDAHULUAN

A. Pengertian Kecerdasan Buatan (AI)

Kecerdasan Buatan adalah suatu sistem atau mesin yang memiliki
kemampuan untuk memproses informasi dan belajar dari pengalaman untuk
mengambil keputusan yang akurat dalam situasi tertentu. Sistem AI dapat
digunakan untuk memecahkan masalah, mengambil keputusan, memprediksi
hasil, dan melakukan tugas-tugas yang biasanya membutuhkan kecerdasan
manusia seperti pengenalan wajah, bahasa alami, pengambilan keputusan, dan
lain sebagainya.

B. Rumusan Masalah
Menjelaskan dan memberikan contoh implementasi pada bidang AI dibawah
ini :
1. Pengolahan Bahasa Alami
2. Knowledge Representation
3. Automated Reasoning
4. Machine Learning
5. Computer Vision
6. Robotika

C. Tujuan
Menjelaskan dan memberikan contoh implementasi pada bidang kecerdasan
buatan (AI).

1
 BAB II
PEMBAHASAN

A. Pengolahan Bahasa Alami

Pengolahan bahasa alami (natural language processing) adalah

suatu bidang dalam ilmu komputer yang berfokus pada pengolahan bahasa
manusia oleh komputer. Tujuan utama dari pengolahan bahasa alami
adalah untuk memungkinkan komputer memahami, memproses, dan
menghasilkan bahasa manusia seperti yang terjadi dalam komunikasi
antara manusia.

Pengolahan bahasa alami melibatkan beberapa tahapan dalam

pengolahan bahasa, yaitu:

1. Tokenisasi: memecah teks menjadi unit-unit terkecil seperti kata-kata

atau frasa.

2. Morfologi: mengidentifikasi bentuk kata dan kata-kata yang sama

dalam bentuk yang berbeda seperti bercakap-cakap, berbicara, dan
berbincang.

3. Sintaksis: mengidentifikasi struktur kalimat dan hubungan antara kata-

kata di dalam kalimat.

4. Semantik: memahami makna dari kata-kata dan kalimat.

5. Pragmatik: memahami konteks dan tujuan dari penggunaan bahasa.

Pengolahan bahasa alami digunakan dalam berbagai aplikasi seperti

sistem pengenalan suara, mesin terjemahan, sistem pencarian informasi,
dan analisis sentimen pada media sosial. Proses pengolahan bahasa alami
sangat kompleks dan masih menjadi area penelitian yang aktif.
Pengembangan teknologi pengolahan bahasa alami terus berkembang dan
menawarkan potensi untuk meningkatkan kemampuan komunikasi dan
interaksi antara manusia dan mesin.

Ada banyak contoh implementasi pengolahan bahasa alami (natural

language processing) di berbagai bidang. Berikut adalah beberapa contoh
implementasi pengolahan bahasa alami:

2
 1. Mesin Penerjemah: salah satu aplikasi terkenal dari pengolahan bahasa
alami adalah mesin penerjemah seperti Google Translate yang dapat
menerjemahkan teks dari satu bahasa ke bahasa lain secara otomatis.

2. Chatbot: chatbot atau robot percakapan dapat menggunakan teknologi

pengolahan bahasa alami untuk memahami bahasa manusia dan
memberikan respons yang sesuai.

3. Deteksi sentimen: pengolahan bahasa alami dapat digunakan untuk

menganalisis sentimen pada teks seperti pada media sosial.
Contohnya, untuk mengetahui apakah suatu produk mendapat
tanggapan positif atau negatif dari pengguna.

4. Sistem Pemrosesan Teks: pengolahan bahasa alami digunakan dalam

sistem pemrosesan teks seperti Microsoft Word yang dapat membantu
mengoreksi tata bahasa dan ejaan.

5. Sistem Pencarian Informasi: pengolahan bahasa alami digunakan

dalam sistem pencarian informasi seperti Google yang dapat
memahami permintaan pencarian dari pengguna dan memberikan hasil
pencarian yang relevan.

6. Pengenalan suara: pengolahan bahasa alami juga digunakan dalam

teknologi pengenalan suara, seperti Siri dari Apple, yang dapat
memahami perintah suara dari pengguna dan memberikan respons
yang sesuai.

7. Sistem Klasifikasi: pengolahan bahasa alami dapat digunakan untuk

klasifikasi dokumen atau teks. Contohnya, pada email spam filter yang
dapat membedakan antara email yang diinginkan atau tidak
diinginkan.

8. Implementasi pengolahan bahasa alami terus berkembang dan

menawarkan potensi untuk meningkatkan kemampuan komunikasi dan
interaksi antara manusia dan mesin.
B. Knowledge Representation
Knowledge Representation (representasi pengetahuan) adalah cara untuk
merepresentasikan informasi dan pengetahuan secara sistematis dalam
bentuk yang dapat dimengerti oleh mesin atau komputer. Representasi
pengetahuan menjadi penting dalam pengembangan sistem kecerdasan
buatan, di mana informasi harus disimpan dan digunakan oleh komputer
untuk melakukan tugas yang lebih kompleks.

3
Ada beberapa jenis representasi pengetahuan yang digunakan, antara lain:

1. Representasi logika: Representasi ini berfokus pada penggunaan

aturan logika formal untuk merepresentasikan pengetahuan dalam
bentuk yang dapat diproses oleh komputer. Contoh representasi logika
termasuk logika proposisional dan logika predikat.

2. Representasi grafis: Representasi ini menggambarkan pengetahuan

dalam bentuk diagram atau grafik. Contoh representasi grafis termasuk
peta konsep dan diagram Venn.

3. Representasi semantik: Representasi ini menggunakan bahasa formal

untuk merepresentasikan pengetahuan dalam bentuk yang dapat
dipahami oleh manusia dan komputer. Contoh representasi semantik
termasuk ontologi dan bahasa markup semantik.

4. Representasi berbasis aturan: Representasi ini menggambarkan

pengetahuan dalam bentuk aturan-aturan yang memungkinkan
komputer untuk memproses informasi secara otomatis. Contoh
representasi berbasis aturan termasuk sistem pakar dan jaringan
semantik.

5. Tujuan utama dari representasi pengetahuan adalah untuk

memungkinkan komputer untuk memproses informasi dengan lebih
efisien dan akurat, dan juga untuk membantu manusia dalam
memahami dan mengambil keputusan berdasarkan pengetahuan yang
tersedia.

Berikut adalah beberapa contoh implementasi representasi pengetahuan

dalam dunia nyata:

1. Sistem pakar: Sistem pakar adalah aplikasi yang menggunakan

representasi pengetahuan berbasis aturan untuk memecahkan masalah
yang kompleks. Contoh penerapan sistem pakar adalah dalam bidang
medis, di mana sistem pakar dapat membantu dokter dalam
mendiagnosis penyakit dengan memproses data pasien dan
memberikan saran pengobatan yang tepat.

2. Mesin pencari: Mesin pencari menggunakan representasi pengetahuan

semantik untuk memahami konten halaman web dan menghasilkan
hasil pencarian yang relevan. Mesin pencari seperti Google

4
 menggunakan ontologi dan markup semantik untuk merepresentasikan
informasi yang ditemukan di situs web.

3. Kendaraan otonom: Kendaraan otonom menggunakan representasi

pengetahuan grafis dan semantik untuk memahami lingkungan di
sekitarnya. Contohnya adalah penerapan teknologi LiDAR dan sensor
dalam mobil otonom, yang memungkinkan mobil untuk
merepresentasikan dan memproses informasi tentang objek dan
rintangan di sekitarnya.

4. Sistem informasi geografis: Sistem informasi geografis (GIS)

menggunakan Knowledge Representation untuk merepresentasikan
data geografis seperti peta dan informasi spasial lainnya.

5. Robotika: Dalam robotika, Knowledge Representation digunakan

untuk merepresentasikan informasi yang dibutuhkan oleh robot untuk
melakukan tugas-tugas seperti navigasi, pengambilan keputusan, dan
tindakan fisik.

6. Pengolahan bahasa alami: Dalam pengolahan bahasa alami,

Knowledge Representation digunakan untuk merepresentasikan arti
dari kata-kata dan kalimat-kalimat dalam bahasa manusia, sehingga
komputer dapat memahami bahasa manusia dan meresponsnya dengan
benar.

7. Sistem manajemen pengetahuan: Sistem manajemen pengetahuan

menggunakan Knowledge Representation untuk merepresentasikan
informasi dan pengetahuan dalam sebuah organisasi, sehingga dapat
diakses dan digunakan oleh seluruh anggota organisasi secara efektif
dan efisien.

8. Sistem rekomendasi: Sistem rekomendasi seperti yang digunakan oleh

Amazon atau Netflix menggunakan Knowledge Representation untuk
merepresentasikan profil pengguna dan preferensi mereka, sehingga
sistem dapat merekomendasikan produk atau konten yang sesuai
dengan preferensi pengguna.
C. Automated Reasoning
Automated Reasoning atau penalaran otomatis adalah cabang
kecerdasan buatan (Artificial Intelligence) yang berkaitan dengan
penggunaan algoritma dan teknologi komputasi untuk mengotomatisasi

5
proses penalaran dan pengambilan keputusan. Tujuan dari Automated
Reasoning adalah untuk mengembangkan sistem yang dapat membuat
kesimpulan logis dan benar secara otomatis dari data yang tersedia.
Automated Reasoning sering digunakan dalam berbagai aplikasi
seperti teorema pembuktian, verifikasi model, perencanaan, dan diagnosis.
Salah satu teknik Automated Reasoning yang paling terkenal adalah
logika predikat, yang digunakan untuk membuktikan teorema dalam
matematika.
Dalam Automated Reasoning, suatu sistem logika digunakan untuk
membuat asumsi dan menarik kesimpulan. Sistem logika ini dapat berupa
aturan-aturan yang terdiri dari logika proposisional, logika predikat, atau
bahkan logika non-klasik seperti logika modal dan logika temporal.
Pada dasarnya, Automated Reasoning membagi proses
penalarannya menjadi dua kategori besar: penalaran deduktif dan
penalaran induktif. Penalaran deduktif menggunakan seperangkat aturan
logis untuk mendapatkan pernyataan baru dari pengetahuan yang sudah
ada. Sementara itu, penalaran induktif menggunakan data yang tersedia
untuk membuat generalisasi dan prediksi tentang peristiwa di masa depan.

Dengan menggunakan Automated Reasoning, para peneliti dan

praktisi di berbagai bidang dapat memanfaatkan algoritma dan teknik
inferensi untuk otomatisasi proses pengambilan keputusan dan pemecahan
masalah. Hal ini dapat membantu menghasilkan pengetahuan baru,
menguji hipotesis, serta membuat prediksi tentang peristiwa di masa
depan.
Automated Reasoning dapat diimplementasikan dalam berbagai
bidang dan aplikasi, di antaranya:
1. Pembuktian Teorema: Automated Reasoning digunakan untuk
membuktikan teorema-teorema matematika dan logika dengan
menggunakan aturan-aturan logika formal dan inference engine.
2. Verifikasi Perangkat Lunak: Automated Reasoning digunakan untuk
memastikan bahwa suatu program atau sistem komputer memenuhi
spesifikasi yang telah ditentukan.
3. Diagnosis: Automated Reasoning digunakan untuk mendiagnosis
suatu masalah pada suatu sistem dengan menggunakan pengetahuan
yang tersedia dan data yang didapatkan.

6
 4. Perencanaan: Automated Reasoning digunakan untuk membuat
rencana tindakan atau jadwal yang optimal berdasarkan kriteria
tertentu.
5. Sistem Pakar: Automated Reasoning digunakan dalam pembuatan
sistem pakar yang dapat memberikan solusi atau saran pada suatu
masalah berdasarkan pengetahuan yang telah diprogramkan.
6. Pengambilan Keputusan: Automated Reasoning dapat digunakan
dalam pengambilan keputusan pada suatu organisasi atau bisnis
dengan menggunakan data dan pengetahuan yang telah tersedia.
7. Pemecahan Masalah: Automated Reasoning dapat digunakan untuk
memecahkan berbagai masalah yang kompleks, seperti masalah
optimasi dan peramalan.
8. Robotika dan Sistem Kendali Otomatis: Automated Reasoning dapat
digunakan dalam pengembangan sistem kendali otomatis dan robotika
yang dapat mengambil keputusan secara otomatis berdasarkan situasi
yang terjadi.
9. Analisis Data: Automated Reasoning digunakan dalam analisis data
dan pengambilan keputusan di bidang data mining, machine learning,
dan artificial intelligence.

10. Dalam implementasi Automated Reasoning, diperlukan pemrograman

yang cermat, penggunaan algoritma yang tepat, serta pemahaman yang
baik tentang masalah yang ingin dipecahkan dan pengetahuan yang
tersedia.
D. Machine Learning
Machine learning (ML) adalah cabang dari kecerdasan buatan (AI)
yang berkaitan dengan pembuatan sistem yang dapat belajar dan
meningkatkan kinerjanya sendiri dari pengalaman atau data yang
diberikan. Lebih spesifik, ML merujuk pada kemampuan mesin untuk
mempelajari pola-pola atau fitur-fitur dari data input dan menggunakan
informasi tersebut untuk membuat keputusan atau memprediksi hasil yang
belum diketahui.
Ada tiga jenis utama dari machine learning:
1. Supervised learning, yaitu ketika mesin diberikan input data dan
output yang diharapkan, dan kemudian belajar untuk memetakan input
ke output.

7
2. Unsupervised learning, yaitu ketika mesin diberikan input data tanpa
output yang diharapkan, dan belajar untuk mengenali pola atau
struktur dalam data tersebut.
3. Reinforcement learning, yaitu ketika mesin belajar melalui percobaan
dan kesalahan, dengan memperoleh penghargaan atau hukuman untuk
setiap tindakan yang diambil.
Machine learning telah diterapkan pada berbagai bidang dan industri.
Berikut adalah beberapa contoh implementasi Machine Learning:
1. Pemasaran dan Periklanan: Machine learning dapat digunakan untuk
meningkatkan efektivitas kampanye pemasaran dan periklanan.
Algoritma machine learning dapat memprediksi preferensi dan
perilaku konsumen, sehingga perusahaan dapat menyampaikan pesan
yang lebih relevan dan sesuai dengan target pasar.
2. Kesehatan: Machine learning dapat membantu dalam pengembangan
obat baru, diagnosis penyakit, serta pengobatan pasien. Algoritma
machine learning dapat memproses data medis besar dan
mengidentifikasi pola yang bermanfaat untuk diagnosis dan perawatan
pasien.
3. Keuangan: Machine learning dapat membantu perusahaan keuangan
dalam mendeteksi kecurangan, memproses data transaksi, serta
membuat prediksi pasar. Algoritma machine learning dapat
memproses data keuangan besar dan mengidentifikasi pola atau
anomali yang dapat membantu dalam pengambilan keputusan.
4. Otomotif: Machine learning dapat digunakan dalam pengembangan
mobil otonom dan kendaraan pintar. Algoritma machine learning dapat
memproses data sensor yang dikumpulkan oleh kendaraan untuk
mengidentifikasi pola, memperbaiki kinerja kendaraan, dan
meningkatkan keselamatan.
5. Manufaktur: Machine learning dapat digunakan dalam optimasi
produksi dan perawatan mesin. Algoritma machine learning dapat
memproses data sensor dari mesin untuk memprediksi kegagalan,
mengoptimalkan jadwal perawatan, dan meningkatkan efisiensi
produksi.
6. Sumber daya manusia: Machine learning dapat membantu dalam
seleksi karyawan, pelatihan, dan pengembangan karyawan. Algoritma
machine learning dapat memproses data perekrutan, mengidentifikasi

8
 pola dalam performa karyawan, dan memberikan saran untuk
pengembangan karir.

E. Computer Vision
Computer Vision adalah cabang ilmu komputer yang fokus pada
pengembangan algoritma dan teknologi yang memungkinkan mesin untuk
memahami, menganalisis, dan menafsirkan gambar dan video. Tujuan
utama dari Computer Vision adalah untuk memberikan kemampuan
kepada komputer untuk "melihat" dunia seperti manusia melakukannya,
dan bahkan dalam beberapa kasus, memberikan kemampuan yang
melebihi kemampuan penglihatan manusia.
Dalam praktiknya, Computer Vision melibatkan penggunaan teknik-
teknik seperti segmentasi gambar, pengenalan objek, pengenalan wajah,
pemrosesan citra, deteksi gerakan, dan pembelajaran mesin untuk
menganalisis data visual dan menghasilkan informasi yang bermanfaat.
Aplikasi dari Computer Vision sangat luas dan mencakup berbagai
bidang, seperti pengawasan keamanan, kendaraan otonom, penglihatan
mesin, augmented reality, dan banyak lagi.
Implementasi Computer Vision :
1. Pengawasan Keamanan: Kamera CCTV yang dilengkapi dengan
teknologi Computer Vision dapat digunakan untuk mendeteksi
keberadaan orang atau objek yang mencurigakan dan memberikan
peringatan keamanan kepada petugas keamanan.
2. Kendaraan Otonom: Teknologi Computer Vision digunakan dalam
kendaraan otonom untuk memahami lingkungan sekitar dan
mengambil keputusan berdasarkan informasi visual yang diperoleh
dari kamera dan sensor lainnya.

9
 3. Penglihatan Mesin: Teknologi Computer Vision digunakan dalam
mesin industri untuk mendeteksi cacat pada produk, menghitung
jumlah produk, dan mengidentifikasi produk yang berbeda.
4. Augmented Reality: Teknologi Computer Vision digunakan dalam
aplikasi Augmented Reality untuk menampilkan objek virtual yang
berinteraksi dengan dunia nyata.
5. Pengenalan Wajah: Teknologi Computer Vision digunakan dalam
aplikasi pengenalan wajah, seperti dalam pengamanan smartphone dan
verifikasi identitas untuk memastikan keamanan dan privasi pengguna.
6. Pengolahan Medis: Teknologi Computer Vision digunakan dalam
pengolahan medis, seperti diagnosis penyakit melalui citra medis,
pencitraan otak, dan pencitraan jantung.
7. Aplikasi Permainan: Teknologi Computer Vision digunakan dalam
aplikasi permainan, seperti game konsol dan game mobile, untuk
memberikan pengalaman bermain yang lebih interaktif dan realistis.

F. Robotika
Robotika adalah bidang ilmu yang berkaitan dengan perancangan,
pembuatan, dan penggunaan robot. Robot adalah suatu sistem mekanik
yang dilengkapi dengan sensor dan aktuator yang dapat diperintahkan
untuk melakukan berbagai tugas secara otonom atau dengan bantuan
manusia.
Robotika meliputi berbagai bidang seperti mekanika, elektronika, dan
pemrograman komputer. Para ahli robotika bekerja untuk membuat robot
yang lebih efisien, handal, dan adaptif untuk berbagai keperluan, seperti
manufaktur, militer, kesehatan, dan hiburan.

10
 Dalam prakteknya, robotika melibatkan penggunaan teknik-teknik
seperti kontrol gerak, pengenalan objek, navigasi, dan pembelajaran mesin
untuk menghasilkan robot yang dapat melaksanakan tugas-tugas yang
kompleks. Beberapa jenis robot yang sering digunakan dalam industri dan
kehidupan sehari-hari adalah robot manipulator, robot lengan, robot
mobilitas, dan robot sosial.
Robotika juga mencakup bidang seperti etika robotika, yang
mempertimbangkan masalah-masalah moral terkait penggunaan robot, dan
keamanan robotika, yang fokus pada memastikan keamanan dan privasi
pengguna dari robot. Robotika terus berkembang dan memberikan potensi
untuk menghasilkan solusi baru untuk masalah-masalah di berbagai
bidang kehidupan.

Implementasi Robotika;

1. Manufaktur: Robotika digunakan dalam industri manufaktur untuk

melakukan tugas-tugas seperti pengelasan, pengepakan, dan perakitan,
yang memungkinkan produksi yang lebih cepat dan akurat.
2. Pengiriman: Robotika digunakan dalam pengiriman barang, seperti
penggunaan drone untuk mengantarkan paket, sehingga mempercepat
dan memudahkan proses pengiriman.
3. Pelayanan Kesehatan: Robotika digunakan dalam pelayanan
kesehatan, seperti robot bedah dan robot asisten kesehatan yang
membantu dalam operasi dan tugas-tugas medis lainnya.
4. Pertanian: Robotika digunakan dalam pertanian untuk memonitor
tanaman, mengumpulkan data, dan melakukan tugas-tugas seperti
penyemprotan pestisida atau pemangkasan tanaman.
5. Keamanan: Robotika digunakan dalam keamanan, seperti penggunaan
robot pengintai untuk memantau daerah yang berbahaya atau tidak
dapat diakses oleh manusia.
6. Pembersihan: Robotika digunakan dalam pembersihan, seperti robot
penyedot debu dan robot pembersih lantai otomatis.
7. Hiburan: Robotika digunakan dalam industri hiburan, seperti robot
peliharaan dan robot seniman.

11
 BAB II PENUTUP

A. Kesimpulan
Berdasarkan uraian di atas penulis memberikan kesimpulan sebagai berikut:
1. Pendidikan inklusif adalah pendidikan regular yang disesuaikan dengan
kebutuhan peserta didik yang memiliki kelainan dan atau memiliki potensi
kecerdasan dan bakat istimewa pada sekolah regular dalam satu kesatuan
yang sistemik. Pendidkan inklusif mengakomodasi semua anak
berkebutuhan khusus yang mempunyai IQ normal, diperuntukan bagi
yang memiliki kelainan, bakat istimewa, kecerdasan istimewa dan atau
yang memerlukan pendidkan layanan khusus.

12
 2. Manfaat pendidikan inklusif antara lain: Membangun kesadaran dan
konsensus pentingnya pendidikan inklusif sekaligus menghilangkan sikap
dan nilai yangdiskriminatif, melibatkan dan memberdayakan masyarakat
untuk melakukananalisis situasi pendidikan lokal, mengumpulkan
informasi semua anak pada setiapdistrik dan mengidentifikasi alasan
mengapa mereka tidak sekolah,mengidentifikasi hambatan berkaitan
dengan kelainan fisik, sosial dan masalahlainnya terhadap akses dan
pembelajaran, melibatkan masyarakat dalam melakukan perencanaan dan
monitoring mutu pendidikan bagi semua anak.

B. SARAN
Dengan adanya makalah ini penulis berharap pembaca dapat memahami isi
darimakalah ini dan tentu dapat menambah pengetahuan seputar dunia
pendidikan inklusif. Semoga pembaca bisa terus menggali wawasanya dengan
terus mencari referensi lainselain dari makalah ini.

13