“Nilai matematikanya biasa aja. Jangan-jangan nanti kesulitan AI.”
Kekhawatiran seperti itu masuk akal. AI sering muncul berdekatan dengan kata algoritma, data, statistik, pemrograman, dan model. Semuanya terdengar seperti wilayah yang hanya ramah untuk anak yang sejak awal sangat kuat di matematika.
Tetapi jawaban untuk pertanyaan di judul ini adalah: ya, anak yang merasa tidak jago matematika tetap bisa belajar AI.
Yang perlu diluruskan justru arti “belajar AI”.
Untuk anak sekolah, belajar AI tidak harus berarti langsung memahami aljabar linear, kalkulus, probabilitas tingkat lanjut, atau rumus pelatihan model. Di fase awal, pembelajaran bisa berangkat dari berpikir komputasional, literasi digital, pola, data sederhana, etika, pemanfaatan AI, dan kemampuan menilai hasilnya.
Matematika memang penting dalam pengembangan AI pada tingkat yang lebih lanjut. Tetapi menjadikan kemampuan matematika sebagai gerbang pertama akan membuat banyak anak mundur sebelum sempat memahami bidangnya.
Bayangkan percakapan ilustratif di meja belajar.
“Aku kayaknya enggak cocok belajar AI.”
“Kenapa?”
“Katanya AI banyak matematikanya.”
“Kamu lagi diminta ngapain?”
“Ngeliat gambar terus kelompokkan berdasarkan cirinya.”
“Sudah coba?”
“Sudah. Seru sih.”
“Nah, itu juga bagian dari belajar cara melihat pola.”
Kadang masalahnya bukan anak tidak mampu. Masalahnya ia sudah lebih dulu membuat kesimpulan tentang dirinya sendiri.
“Tidak jago matematika” itu kalimat yang terlalu besar
Orang tua perlu berhati-hati ketika anak berkata, “Aku bodoh matematika.”
Matematika bukan satu kemampuan tunggal.
Anak bisa kesulitan hitung cepat tetapi cukup kuat melihat pola.
Bisa gugup saat ujian tetapi teliti ketika mengukur.
Bisa tidak suka pecahan tetapi menikmati teka-teki logika.
Bisa belum memahami satu konsep karena cara penjelasannya belum cocok.
Bisa tertinggal karena fondasi sebelumnya belum kuat.
Bisa juga memang lebih tertarik pada bahasa, seni, sosial, olahraga, atau bidang lain.
Semua itu berbeda.
Kalau kalimat “aku enggak jago matematika” dibiarkan menjadi identitas, anak cenderung menghindari semua bidang yang terlihat numerik, termasuk coding dan AI.
Lebih berguna kalau orang tua mempersempit masalah.
“Bagian matematika yang bikin susah apa?”
“Hitungannya, atau memahami soal?”
“Kalau pakai gambar lebih gampang?”
“Kalau enggak dikejar waktu, masih terasa sulit?”
Pertanyaan ini tidak otomatis menyelesaikan kesulitan belajar, tetapi membantu anak melihat bahwa masalah dapat diurai.
AI sendiri justru mengajarkan kebiasaan itu.
Belajar AI tingkat awal banyak memakai rasa ingin tahu
Untuk anak, pintu masuk AI bisa sangat dekat dengan kehidupan sehari-hari.
Kenapa aplikasi video bisa merekomendasikan konten tertentu?
Bagaimana ponsel mengenali wajah?
Kenapa chatbot bisa menjawab pertanyaan tetapi kadang salah?
Mengapa foto tertentu dianggap mirip?
Apa yang dimaksud data?
Kenapa contoh yang bias bisa menghasilkan keputusan yang bias?
Pertanyaan seperti itu tidak membutuhkan anak menyelesaikan persamaan rumit.
Ia membutuhkan observasi, rasa ingin tahu, kemampuan membandingkan, dan keberanian bertanya.
Coba permainan sederhana.
Kumpulkan dua puluh benda kecil di rumah: pensil, penghapus, sendok, mainan, tutup botol, kertas warna, atau apa saja.
Minta anak mengelompokkan.
“Berdasarkan apa?”
“Warna.”
“Bisa pakai cara lain?”
“Bahan.”
“Cara lain?”
“Fungsinya.”
Lalu tanyakan, “Kalau sebuah benda masuk dua kategori sekaligus gimana?”
Diskusinya sudah menyentuh gagasan tentang fitur, klasifikasi, aturan, dan ambiguitas tanpa satu rumus pun.
Matematika tetap penting, tetapi waktunya bertahap
Mengatakan anak tetap bisa belajar AI bukan berarti matematika tidak penting.
Pada tingkat lebih lanjut, banyak bidang AI dibangun dengan matematika yang serius. Statistik, probabilitas, aljabar linear, optimisasi, dan konsep numerik lain berperan dalam memahami dan mengembangkan model.
Namun anak kelas sekolah tidak perlu memulai dari ujung tersebut.
Kita tidak mengajarkan anak naik sepeda dengan membedah seluruh mekanika gaya terlebih dahulu.
Ia belajar keseimbangan, arah, rem, dan praktik.
Ketika ketertarikan dan kemampuan berkembang, teori bisa masuk semakin dalam.
Pendekatan yang sama masuk akal untuk AI.
Anak bisa lebih dulu belajar:
apa yang bisa dan tidak bisa dilakukan AI,
bagaimana data digunakan,
mengapa hasil perlu diperiksa,
apa itu pola,
bagaimana sistem membuat prediksi,
apa itu bias,
bagaimana membuat instruksi yang jelas,
dan bagaimana memakai teknologi dengan aman.
Jika kemudian ia tertarik membangun model sendiri, matematika akan menjadi alat yang semakin penting.
“Kalau nanti rumusnya susah?”
Coba tanggapi dengan cara yang tidak menghakimi.
“Kalau nanti ketemu bagian yang butuh matematika, ya kita pelajari bagian itu.”
Bukan:
“Makanya dari sekarang harus les.”
Bukan juga:
“Sudah, kamu memang bukan anak angka.”
Anak tidak membutuhkan ramalan tentang batas kemampuannya.
Ia membutuhkan strategi.
Coding dan AI juga bukan hal yang sama
Kekhawatiran soal matematika kadang muncul karena semua istilah teknologi bercampur.
Coding bukan AI.
AI bukan sekadar coding.
Keduanya bisa saling berhubungan, tetapi anak dapat belajar konsep AI tanpa harus menjadi programmer ahli. Anak juga bisa belajar coding untuk melatih logika tanpa masuk ke matematika tingkat tinggi.
Di sekolah, pendekatan Koding dan Kecerdasan Artifisial pada fase awal bahkan dapat menggunakan aktivitas unplugged dan permainan. Fokusnya bukan sekadar “siapa paling cepat membuat program”.
Hal itu penting bagi anak yang mungkin belum percaya diri secara akademik.
Ketika materi teknologi dibuka melalui aktivitas konkret, anak mendapat kesempatan mengalami keberhasilan kecil.
Ia bisa menemukan pola.
Ia bisa memperbaiki instruksi.
Ia bisa menemukan kesalahan AI.
Ia bisa menjelaskan mengapa sebuah jawaban perlu dicek.
Keberhasilan seperti itu membangun rasa mampu.
Jangan jadikan nilai matematika sebagai tiket masuk
Bayangkan orang tua berkata:
“Kakak nilai matematikanya 95, cocok banget belajar AI.”
Lalu kepada adiknya:
“Kamu mah jangan dulu, matematika saja masih susah.”
Kalimat singkat itu bisa membentuk pesan yang jauh lebih besar: teknologi hanya milik anak tertentu.
Padahal pendidikan digital yang sehat seharusnya inklusif.
Anak perlu mengenal AI karena AI semakin hadir dalam kehidupan, bukan hanya karena ia akan menjadi insinyur.
Calon penulis perlu memahami AI.
Calon seniman perlu memahami AI.
Calon guru perlu memahami AI.
Calon perawat, pengusaha, koki, pekerja kreatif, peneliti sosial, dan banyak profesi lain juga akan bersinggungan dengan sistem digital.
Literasi AI adalah bagian dari kemampuan hidup di masyarakat modern.
Tidak semua orang harus membangun model AI dari nol.
Tetapi semakin banyak orang perlu memahami kapan teknologi itu berguna, kapan perlu diragukan, dan apa konsekuensinya.
Ada banyak peran untuk kekuatan yang berbeda
Anak yang kuat di bahasa bisa tertarik menguji bagaimana chatbot memahami konteks.
Anak yang suka menggambar bisa tertarik membahas generative image dan etika karya.
Anak yang suka debat bisa tertarik pada bias dan keadilan.
Anak yang suka sains bisa mengamati klasifikasi.
Anak yang suka cerita bisa membuat skenario tentang keputusan AI.
Anak yang suka permainan bisa menikmati logika dan debugging.
Anak yang suka matematika tentu juga punya jalur eksplorasi yang kaya.
Ini alasan penting untuk tidak membingkai AI sebagai klub eksklusif “anak pintar matematika”.
Bidang AI sendiri bersifat multidisipliner. Teknologi bertemu desain, bahasa, hukum, pendidikan, psikologi, etika, bisnis, dan banyak bidang lain.
Untuk anak, pesan yang sehat adalah: ada banyak cara untuk masuk dan memahami.
Yang perlu diperhatikan jika matematika memang menjadi hambatan
Ada bedanya antara “anak tidak suka matematika” dengan “anak mengalami kesulitan belajar yang konsisten dan mengganggu”.
Jika anak terus-menerus sangat kesulitan memahami konsep dasar, mengalami kecemasan berat, atau tertinggal cukup jauh, orang tua sebaiknya membicarakannya dengan guru. Fokusnya bukan demi AI, tetapi demi kebutuhan belajar anak secara keseluruhan.
Jangan memakai chatbot untuk mendiagnosis penyebab kesulitan.
Jangan memberi label sendiri.
Cari gambaran dari pekerjaan anak, masukan guru, pola kesulitan, dan bila memang diperlukan, bantuan profesional yang relevan.
Untuk tugas AI atau coding, minta adaptasi yang masuk akal jika anak membutuhkan.
Misalnya lebih banyak visual.
Langkah yang lebih kecil.
Contoh konkret.
Waktu latihan.
Pendampingan saat memahami istilah.
Tujuannya bukan menghilangkan tantangan, melainkan membuat tantangan dapat dipelajari.
Cara mendampingi tanpa mengubah rumah jadi tempat les
Orang tua bisa memakai tiga kebiasaan.
Pertama, ganti pujian hasil dengan pujian proses yang spesifik.
Bukan hanya, “Wah, pintar.”
Coba:
“Kamu tadi nyoba dua cara sebelum ketemu yang jalan.”
“Kamu sadar jawabannya AI enggak masuk akal. Bagus kamu cek.”
“Kamu bisa jelasin langkahnya dengan jelas.”
Kedua, normalisasi belum tahu.
Kalimat “belum ngerti” adalah kondisi sementara, bukan identitas.
Ketiga, jangan selesaikan terlalu cepat.
Ketika anak kesulitan:
“Coba tunjukkan bagian pertama yang masih kamu mengerti.”
Dari sana lanjut satu langkah.
Ini lebih mendidik daripada orang tua mengambil alih keyboard.
Satu eksperimen keluarga
Coba ajak anak menguji AI dengan pertanyaan yang tidak membutuhkan matematika.
Misalnya minta AI mengelompokkan beberapa hewan berdasarkan ciri yang ditentukan.
Lalu ubah kriterianya.
Setelah itu tanya anak:
“Kenapa hasil kelompoknya berubah?”
“Kalau kriterianya enggak jelas, apa yang terjadi?”
“Kalau ada hewan yang punya ciri campuran, masuk mana?”
“Apa jawaban AI selalu masuk akal?”
Diskusi itu melatih klasifikasi, aturan, ambigu, dan evaluasi.
Kalau anak tertarik, baru tambahkan angka sederhana.
Hitung jumlah.
Buat tabel.
Bandingkan frekuensi.
Matematika masuk sebagai alat untuk menjawab pertanyaan, bukan sebagai tembok di depan pintu.
Kalimat yang lebih baik untuk anak
Daripada berkata:
“AI itu susah, kamu harus jago matematika.”
Coba:
“AI punya banyak bagian. Beberapa nanti butuh matematika, tapi kamu bisa belajar bertahap.”
Daripada:
“Kamu memang anak bahasa.”
Coba:
“Kekuatan kamu di bahasa bisa berguna juga untuk memahami AI.”
Daripada:
“Temanmu sudah lebih jago.”
Coba:
“Kamu sekarang lagi belajar bagian apa?”
Perubahan bahasa kecil bisa menjaga rasa ingin tahu anak.
Pada akhirnya, kemampuan belajar AI tidak bisa ditentukan dari satu nilai rapor.
Matematika penting, terutama semakin teknis bidang yang dipelajari. Tetapi literasi AI untuk anak jauh lebih luas.
Ada logika.
Ada data.
Ada etika.
Ada kreativitas.
Ada komunikasi.
Ada pemecahan masalah.
Ada kemampuan memeriksa informasi.
Ada keberanian mengatakan, “Jawaban mesin ini mungkin salah.”
Jika anak belum kuat matematika, bantu bagian yang memang perlu dibantu. Jangan menjadikan kelemahan itu vonis bahwa dunia AI bukan untuknya.
Suatu hari ia mungkin memilih masuk lebih dalam ke sisi teknis dan perlu belajar matematika dengan serius.
Atau mungkin ia akan menggunakan pemahaman AI di bidang yang sama sekali berbeda.
Keduanya sah.
Yang paling penting sekarang adalah anak tetap punya rasa ingin tahu dan tidak menutup pintu hanya karena merasa dirinya “bukan anak matematika”.
