RPS - Machine Learning

	KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI UNIVERSITAS NEGERI PADANG – FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM – PROGRAM STUDI STATISTIKA (D III)
	RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK)		KODE	Rumpun MK	BOBOT (sks)		SEMESTER	Tgl Penyusunan
Machine Learning		STK.52.0029	-	0	2	4	-
OTORISASI / PENGESAHAN		Dosen Pengembang RPS		Koordinator RMK		Koordinator Prodi
-		-		-		-

Capaian Pembelajaran	CPL-PRODI yang dibebankan pada MK
	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
	Capaian Pembelajaran Mata Kuliah (CPMK)
	CPMK 1	Mampu menguasai konsep dasar pembelajaran mesin (Machine Learning) serta mampu mengaplikasikannya dalam pekerjaan professional
	CPMK 2	Terampil dalam menyelesaikan masalah secara terstruktur dengan menggunakan konsep dasar Machine Learning
	CPMK 3	Mahasiswa mampu menjelaskan konsep dasar machine learning, hubungan machine learning dengan statistika dan sains data, serta membedakan supervised learning, unsupervised learning, dan reinforcement learning.
	CPMK 4	Mahasiswa mampu menjelaskan karakteristik dataset, peran variabel, tipe variabel, dan konsep preprocessing data sebagai dasar pemilihan metode machine learning.
	CPMK 5	Mahasiswa mampu menjelaskan prinsip dasar metode supervised learning yang meliputi K-Nearest Neighbor, Naive Bayes, dan Decision Tree serta membandingkan kelebihan, keterbatasan, dan kesesuaian penggunaannya
	CPMK 6	Mahasiswa mampu menjelaskan prinsip dasar metode clustering yang meliputi K-Means, Hierarchical Clustering, dan DBSCAN serta membandingkan karakteristik dan kesesuaian penggunaannya.
	CPMK 7	Mahasiswa mampu menentukan metode dan teknik evaluasi model klasifikasi maupun clustering yang sesuai berdasarkan karakteristik data dan tujuan analisis secara argumentatif.
	CPMK 8	Mahasiswa mampu mengevaluasi dan menginterpretasikan kinerja model machine learning serta menyusun kesimpulan analitis dalam bentuk laporan atau presentasi berbasis studi kasus
	Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
	SUB CPMK	-

Matriks CPL
ke CPMK

	CPL-4	CPL-5	CPL 3 (%)	dst	Total
CPMK/Sub CPMK	-	-	-	-	-
CPMK/Sub CPMK	-	-	-	-	-

Deskripsi
Singkat Mata
Kuliah

Mata kuliah Teori Machine Learning membahas konsep dasar pembelajaran mesin sebagai bagian dari statistika dan sains data. Materi mencakup pengenalan machine learning, supervised learning, unsupervised learning, reinforcement learning, karakteristik dataset, peran variabel, preprocessing data, metode klasifikasi dasar (K-Nearest Neighbor, Naive Bayes, dan Decision Tree), metode clustering dasar (K-Means, Hierarchical Clustering, dan DBSCAN), serta evaluasi dan interpretasi kinerja model klasifikasi maupun clustering. Perkuliahan ini menekankan pemahaman konseptual, kemampuan memilih metode dan teknik evaluasi secara argumentatif, serta kemampuan menyusun interpretasi dan kesimpulan berbasis studi kasus

Pustaka	Utama:
	-
	Pendukung: (Jika diperlukan) -
Dosen Pengampu	-
Mata kuliah syarat	-

Minggu Ke-	SUB-CPMK (Kemampuan Akhir Yang Diharapkan)	Penilaian		Bentuk Pembelajaran, Metode Pembelajaran, Penugasan Mahasiswa [Estimasi Waktu]		Materi Pembelajaran [Rujukan]	Bobot Penilaian (%)
Minggu Ke-	SUB-CPMK (Kemampuan Akhir Yang Diharapkan)	Indikator	Teknik & Kriteria	Luring (Tatap Muka)	Daring (Online)	Materi Pembelajaran [Rujukan]	Bobot Penilaian (%)
-	-	-	-	-	-	-	0
	UTS
	UAS