Matakuliah

Praktikum Machine Learning

- Fakultas Matematika dan Ilmu Pengetahuan Alam

Deskripsi Mata Kuliah

Praktikum Machine Learning merupakan mata kuliah praktik yang melatih mahasiswa menerapkan alur kerja machine learning pada dataset terstruktur. Kegiatan praktikum mencakup penyiapan lingkungan kerja, pembacaan dan eksplorasi dataset, preprocessing data, penerapan metode supervised learning (KNN, Naive Bayes, dan Decision Tree), penerapan metode clustering (K-Means, Hierarchical Clustering, dan DBSCAN), evaluasi model klasifikasi dan clustering, serta penyusunan laporan dan presentasi project. Mata kuliah ini menekankan keterampilan teknis, ketepatan alur analisis, dokumentasi proses, interpretasi hasil, dan kerja sama tim dalam menyelesaikan studi kasus machine learning.

CPL Program Studi pada MK

CPL-2 - Memiliki kemampuan komunikasi yang efektif dan kerjasama team dalam interaksi sosial dan pekerjaan (komunikasi dan Kerjasama team / transferable skill)

CPL-4 - Mampu menguasai konsep dasar ilmu statistika dan sains data serta mampu mengaplikasikan ilmu statistika, teknologi informasi dan komunikasi, dan perangkat lunak statistika dalam pekerjaan professional

CPL-5 - Terampil dalam menyelesaikan masalah secara terstruktur dengan menggunakan konsep dasar statistika untuk pengumpulan data, manajemen data, analisis data, dan pelaporan hasil analisis data

CPMK

CPMK-1 - Mahasiswa mampu berkolaborasi dalam tim praktikum untuk merancang, melaksanakan, dan menganalisis pembelajaran mesin (Machine Learning)

CPMK-2 - Mampu menguasai konsep dasar Machine Learning serta mampu mengaplikasikannya dalam pekerjaan professional

CPMK-3 - Terampil dalam menyelesaikan masalah secara terstruktur dengan menggunakan konsep Machine Learning

CPMK-4 - Mahasiswa mampu bekerja sama dalam kelompok, mendokumentasikan proses analisis, dan mempresentasikan hasil project praktikum machine learning secara komunikatif.

CPMK-5 - Mahasiswa mampu menyiapkan lingkungan kerja dan menjalankan alur dasar praktikum machine learning sesuai konsep statistika dan sains data.

CPMK-6 - Mahasiswa mampu mengidentifikasi karakteristik dataset, peran variabel, tipe data, serta kebutuhan preprocessing sebelum pemodelan machine learning.

CPMK-7 - Mahasiswa mampu menerapkan metode klasifikasi KNN, Naive Bayes, dan Decision Tree pada dataset terstruktur.

CPMK-8 - Mahasiswa mampu menerapkan metode clustering K-Means, Hierarchical Clustering, dan DBSCAN pada dataset tanpa label.

CPMK-9 - Mahasiswa mampu mengevaluasi dan menginterpretasikan kinerja model klasifikasi dan clustering menggunakan teknik evaluasi yang sesuai.