RPS - Machine Learning

	KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI UNIVERSITAS NEGERI PADANG – FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM – PROGRAM STUDI STATISTIKA (S1)
	RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK)		KODE	Rumpun MK	BOBOT (sks)		SEMESTER	Tgl Penyusunan
Machine Learning		STA.62.0018	-	1	2	4	-
OTORISASI / PENGESAHAN		Dosen Pengembang RPS		Koordinator RMK		Koordinator Prodi
-		-		-		Dr. Yenni Kurniawati S.Si., M.Si.

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

Matriks CPL
ke CPMK

	CPL-4	CPL-6	CPL-9	dst	Total
CPMK/Sub CPMK	-	-	-	-	-
CPMK/Sub CPMK	-	-	-	-	-

Deskripsi
Singkat Mata
Kuliah

Mata kuliah Teori Machine Learning pada Program Studi S1 Statistika membahas konsep dasar pembelajaran mesin sebagai bagian dari statistika modern dan sains data. Materi mencakup pengenalan machine learning, supervised learning, unsupervised learning, reinforcement learning, karakteristik dataset, peran variabel, preprocessing data, metode klasifikasi dasar yaitu K-Nearest Neighbor, Naive Bayes, dan Decision Tree, metode clustering yaitu K-Means, Hierarchical Clustering, dan DBSCAN, serta evaluasi model klasifikasi dan clustering. Mata kuliah ini menekankan penguasaan konsep metode, kemampuan memformulasikan masalah nyata ke dalam kerangka machine learning, menentukan metode dan teknik evaluasi yang sesuai, menginterpretasikan kinerja model, mengkritisi keterbatasan model, serta mengomunikasikan hasil analisis melalui studi kasus dan project teori.

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