RPS - Praktikum 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
Praktikum Machine Learning		STK.52.0030	-	1	0	4	-
OTORISASI / PENGESAHAN		Dosen Pengembang RPS		Koordinator RMK		Koordinator Prodi
-		-		-		-

Capaian Pembelajaran	CPL-PRODI yang dibebankan 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
	Capaian Pembelajaran Mata Kuliah (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.
	Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
	SUB CPMK	-

Matriks CPL
ke CPMK

	CPL-2	CPL-4	CPL-5	dst	Total
CPMK/Sub CPMK	-	-	-	-	-
CPMK/Sub CPMK	-	-	-	-	-

Deskripsi
Singkat 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.

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