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 samaH1: Minimal...
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 norm...
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...
Machine Learning Fundamental 2
Pertemuan 2: Exploratory Data Analysis (EDA)🎯 Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa diharapkan mampu: Memahami konsep dan tujuan Exploratory Data Analysis (EDA) Membaca dan memahami struktur dataset Mengidentifikasi missing value dan outlier Membuat visualisasi data dasar Mendokumentasikan hasil EDA dalam bentuk laporan 📘 Materi1. Pengertian Exploratory Data Analysis (EDA)Exploratory Data Analysis (EDA) adalah proses awal dalam analisis data untuk memahami: Struk...
R for Statistics 4
Pertemuan 4Uji Normalitas dan Uji Hipotesis Satu Sampel 1. Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa mampu: Memahami konsep dasar uji hipotesis Melakukan uji normalitas menggunakan R Melakukan uji hipotesis satu sampel (uji t satu sampel) Menarik kesimpulan statistik berdasarkan output R 2. Materi Inti2.1 Konsep Dasar Uji HipotesisUji hipotesis digunakan untuk mengambil keputusan statistik berdasarkan data sampel. Komponen utama: Hipotesis nol (H₀): asumsi awal H...
Machine Learning Fundamental 1
Pertemuan 1: Pengantar Machine Learning🎯 Tujuan Pembelajaran Memahami definisi dan kategori utama Machine Learning. Mengenal berbagai aplikasi Machine Learning di dunia nyata. Menyiapkan tools dasar untuk praktik ML (Python, Jupyter/Colab). Mampu membaca dan menampilkan dataset sederhana menggunakan Python. 📘 Materi1. Apa itu Machine Learning? Subset dari AI yang memungkinkan komputer belajar dari data. Tidak membutuhkan pemrograman eksplisit untuk setiap keputusan. 2. Tiga Kategori ...
R for Statistics 3
Pertemuan 3Distribusi Probabilitas dan Sampling 1. Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa mampu: Memahami konsep distribusi probabilitas Mensimulasikan distribusi data menggunakan R Melakukan sampling acak Membandingkan hasil sampel dengan populasi 2. Materi Inti2.1 Distribusi ProbabilitasDistribusi probabilitas menggambarkan pola penyebaran data dalam suatu populasi. Distribusi yang sering digunakan: Distribusi Normal Distribusi Uniform Distribusi Binomial ...
R for Statistics 2
Pertemuan 2Statistika Deskriptif dan Visualisasi Data 1. Tujuan PembelajaranSetelah mengikuti pertemuan ini, mahasiswa mampu: Menghitung ukuran statistika deskriptif menggunakan R Menjelaskan makna mean, median, dan standar deviasi Membuat visualisasi data dasar (histogram, boxplot) Menginterpretasikan hasil statistik dan grafik 2. Materi Inti (± 1 Jam)2.1 Statistika DeskriptifStatistika deskriptif digunakan untuk meringkas dan menggambarkan data tanpa menarik kesimpulan umum. Ukuran...
