Mata Kuliah Praktikum Machine Learning

Mata kuliah Praktikum Machine Learning pada Statistika (D III) membekali mahasiswa dengan landasan konseptual dan keterampilan terapan untuk menganalisis persoalan akademik maupun profesional. Perkuliahan dirancang melalui ceramah interaktif, studi kasus, diskusi kelompok, serta refleksi mandiri agar mahasiswa mampu mengambil keputusan berbasis data dan etika keilmuan.

• 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-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.