Navigasi Darat I
Materi Navigasi Darat ini membahas dasar-dasar penggunaan peta dan kompas sebagai bagian penting dalam kegiatan outdoor, khususnya pendakian dan eksplorasi alam. Instruktur Hendri Julian Loblobly (509/ARY/04) Wira Abdi Gautama BM (606/ARY/12) Budi Saefudin (718/ARY/20) Maximus Oryza Tandiseru (719/ARY/20) Wianda Tambora (730/ARY/22) Azhar Rizki Zulma (735/ARY/22) Ameylinda Nurhasizah (749/ARY/24) Materi Utama [{"url":"/assets/images/Aranyacala/Navigasi%20Darat/0.png","alt":...
Machine Learning Fundamental 7
📘 Pertemuan 7 – Model Evaluation & Cross Validation🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini mahasiswa mampu: Memahami pentingnya evaluasi model Memahami berbagai metrik evaluasi klasifikasi Memahami confusion matrix secara mendalam Memahami konsep cross validation Mengimplementasikan evaluasi model dengan benar Menghindari overfitting dan underfitting 1️⃣ Mengapa Evaluasi Model Penting?Model tidak cukup hanya “jalan”, tetapi harus: Akurat Generalisasi baik Tidak overfitt...
R for Statistics 8
Pertemuan 8Proyek Akhir Analisis Data Menggunakan R 🎯 Tujuan PembelajaranPada pertemuan terakhir ini mahasiswa akan: Menggabungkan seluruh konsep statistika yang telah dipelajari Melakukan analisis data lengkap menggunakan R Menghasilkan visualisasi dan model statistik Menyusun interpretasi hasil analisis Pertemuan ini sepenuhnya digunakan untuk proyek akhir praktikum. ⏱️ Struktur Waktu (3 Jam) Aktivitas Durasi Penjelasan Proyek 30 menit Analisis Data 1 jam 30 menit...
Machine Learning Fundamental 6
📘 Pertemuan 6 – Decision Tree & Random Forest🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini mahasiswa mampu: Memahami konsep Decision Tree Memahami cara kerja Random Forest Melakukan training model berbasis tree Memahami konsep feature importance Mengevaluasi performa model klasifikasi 1️⃣ Decision TreeDecision Tree adalah algoritma machine learning yang bekerja seperti struktur pohon keputusan. Model membuat keputusan dengan memecah data berdasarkan fitur tertentu. Contoh stru...
R for Statistics 7
Pertemuan 7Regresi Linier Berganda dan Evaluasi Model 🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini mahasiswa mampu: Memahami konsep regresi linier berganda Menggunakan fungsi lm() untuk beberapa variabel prediktor Menginterpretasikan koefisien regresi Mengevaluasi model menggunakan R-squared dan p-value Membuat visualisasi hubungan antar variabel ⏱️ Materi1. Regresi Linier BergandaJika regresi sederhana menggunakan satu variabel: y = β0 + β1x maka regresi berganda menggunakan bebe...
Machine Learning Fundamental 5
📘 Pertemuan 5 – Supervised Learning: Classification🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini mahasiswa mampu: Memahami konsep classification dalam machine learning Memahami algoritma Logistic Regression Memahami konsep K-Nearest Neighbors (KNN) Melakukan training model klasifikasi Mengevaluasi model menggunakan confusion matrix dan classification metrics 1️⃣ Apa itu Classification?Classification adalah metode supervised learning yang digunakan untuk memprediksi kelas atau kate...
R for Statistics 6
Pertemuan 6ANOVA dan Regresi Linier Sederhana 🎯 Tujuan PembelajaranSetelah pertemuan ini, mahasiswa mampu: Memahami konsep ANOVA (Analysis of Variance) Melakukan uji ANOVA satu arah di R Menginterpretasikan output ANOVA Memahami konsep regresi linier sederhana Membangun model regresi dan melakukan interpretasi ⏱️ Sesi Materi1. Konsep ANOVAANOVA digunakan untuk menguji apakah rata-rata lebih dari dua kelompokberbeda secara signifikan. Hipotesis: H0: Semua rata-rata kelompok sama\H1: Minima...
Machine Learning Fundamental 4
📘 Pertemuan 4: Supervised Learning – Regresi🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa mampu: Memahami konsep Supervised Learning Memahami perbedaan regresi dan klasifikasi Memahami konsep Linear Regression Mengimplementasikan Linear Regression dengan scikit-learn Mengevaluasi model regresi menggunakan metrik yang tepat Menginterpretasikan hasil model 🧠 1. Apa itu Supervised Learning?Supervised Learning adalah metode machine learning yang menggunakan data berlabel.S...
R for Statistics 5
1. Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa mampu: Memahami perbedaan uji satu sampel dan uji dua sampel Melakukan uji t dua sampel menggunakan R Memahami konsep korelasi antar variabel Menghitung dan menginterpretasikan korelasi 2. Materi Inti2.1 Uji Dua SampelUji dua sampel digunakan untuk: Membandingkan rata-rata dua kelompok yang berbeda. Contoh kasus: Nilai kelas A vs kelas B Nilai laki-laki vs perempuan Syarat umum: Data numerik Data berdistribusi no...
Machine Learning Fundamental 3
Pertemuan 3: Data Preprocessing🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa mampu: Memahami pentingnya preprocessing dalam pipeline machine learning Menangani missing value secara tepat Melakukan encoding data kategorikal Melakukan feature scaling Melakukan train-test split dengan benar Memahami potensi data leakage 🧠 1. Mengapa Data Preprocessing Penting?Dalam praktik nyata, data hampir tidak pernah bersih.Masalah umum: Missing value Outlier Data kategorikal Skala fi...