Mata Kuliah Machine Learning

Mata kuliah Machine Learning pada Statistika (S1) 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-4 - Menguasai konsep dasar keilmuan statistika dan metode-metode analisis statistika yang dapat diaplikasikan pada bidang pendidikan, pemerintahan, ekonomi, dan lingkungan (Scientific skill).
• CPL-6 - Mampu memformulasikan masalah menggunakan model-model statistika yang sesuai pada bidang pendidikan, pemerintahan, bisnis-ekonomi, dan lingkungan (Computation skills).
• CPL-9 - Mampu menyelesaikan, menyajikan, dan mengkomunikasikan hasil analisis permasalahan nyata menggunakan statistika secara tertulis maupun lisan dengan jelas serta mudah dipahami (Problem solving skills/ Communication skills).

• CPMK-1 - Mampu menjelaskan konsep dasar pembelajaran mesin (Machine Learning) dan aplikasinya di bidang pendidikan, pemerintahan, ekonomi, dan lingkungan
• CPMK-2 - Mampu menggunakan teknik komputasi yang tepat yang diperlukan dalam Machine Learning
• CPMK-3 - Mampu memformulasikan masalah pada bidang pendidikan, pemerintahan, bisnis-ekonomi, dan lingkungan dengan menggunakan Machine Learning
• CPMK-4 - Mampu melakukan manajemen dan analisis data menggunakan Machine Learning
• CPMK-5 - Mampu menyelesaikan permasalahan nyata dengan menggunakan Machine Learning dan mampu menyajikan serta mengkomunikasikan dalam bentuk yang mudah dipahami baik secara tertulis maupun lisan
• CPMK-6 - 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-7 - Mahasiswa mampu menjelaskan karakteristik dataset, peran variabel, kualitas data, dan konsep preprocessing sebagai dasar penyusunan alur analisis machine learning.
• CPMK-8 - 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-9 - Mahasiswa mampu menjelaskan prinsip dasar metode clustering yang meliputi K-Means, Hierarchical Clustering, dan DBSCAN serta membandingkan karakteristik dan kesesuaian penggunaannya.
• CPMK-10 - Mahasiswa mampu memformulasikan permasalahan nyata ke dalam kerangka machine learning serta menentukan metode dan teknik evaluasi model yang sesuai secara argumentatif.
• CPMK-11 - Mahasiswa mampu menyajikan dan mengomunikasikan rancangan, interpretasi, keterbatasan, dan kesimpulan studi kasus machine learning secara tertulis maupun lisan dengan sistematis.