MACHINE LEARNING - B 2627 - 1

Topic outline

• Select topic General

  General

  Collapse all Expand all
  • Select activity Announcements

    

    Announcements Forum
• Select topic Pengantar Machine Learning

  Pengantar Machine Learning
  • Select activity Pengantar Machine Learning

    

    Pengantar Machine Learning File PDF

    Konsep dasar, Pemrograman konvensional vs ML, alur kerja, paradigma pembelajaran, istilah kunci, ML lintas bidang

• Select topic Dimensionality Reduction

  Dimensionality Reduction
  • Select activity Dimensionality Reduction

    

    Dimensionality Reduction File PDF

    Curse of dimensionality, Feature extraction, feature selection, reduksi data, Principal Component Analysis, Linear Discriminant Analysis

• Select topic Tipe-tipe Pembelajaran Mesin

  Tipe-tipe Pembelajaran Mesin
  • Select activity Supervised, Unsupervised, Semi-Supervised

    

    Supervised, Unsupervised, Semi-Supervised File PDF

    Studi kasus Unsupervised: Clustering, Deteksi Anomali, Asosiasi, Reduksi dimensi dan discovery

• Select topic Studi Kasus Supervised dan Semi-Supervised Learning

  Studi Kasus Supervised dan Semi-Supervised Learning
  • Select activity Studi Kasus Supervised dan Semi-Supervised Learning

    

    Studi Kasus Supervised dan Semi-Supervised Learning File PDF

    Supervised: Klasifikasi, Regresi, Deteksi dan Rekognisi, Peramalan Deret Waktu. Algoritma Supervised.

    Semi-Supervised: Self Training, Co-training

     

  • Select activity Tugas Individu 1

    

    Tugas Individu 1 Assignment

    Opened: Friday, 25 September 2026, 9:00 AM

    Due: Tuesday, 29 September 2026, 12:00 PM

    Kerjakan soal latihan pada slide hal. 14:

    1. Membuat program Python sederhana dari salah satu algoritma yang telah dibahas pada dataset pilihan sendiri. Kerjakan pada Google Colab (atau environment lain pilihan Anda asalkan dapat menjalankan program Python secara langsung dari web)
    2. Meringkas satu artikel tentang machine learning yang relevan dengan topik final project. Pilih dari basis data terindeks seperti Scopus, SINTA, atau IEEE Xplore. Panjang review sekitar setengah hingga satu halaman.
       
       

    Kumpulkan 2 file:

    1. File .ipynb dari Google Colab Anda. Sertakan interpretasi singkat apa arti hasil model dalam 3–5 kalimat.
    2. File pdf hasil review jurnal, sesuai dengan poin-poin yang ada pada slide #1
       
       
       

    Deadline pengumpulan tugas: Selasa, 29 September 2026 jam 12.00 WIB.

• Select topic Unsupervised Learning: Kegunaan & Jenis Algoritma

  Unsupervised Learning: Kegunaan & Jenis Algoritma
  • Select activity Unsupervised Learning

    

    Unsupervised Learning File PDF

    K-Means, Metode Elbow untuk menentukan jumlah cluster, Apriori, Isolation Forest

  • Select activity Clustering

    

    Clustering File PDF

    Materi tambahan tentang Clustering

• Select topic Praktek Penerapan Unsupervised Learning pada Dataset

  Praktek Penerapan Unsupervised Learning pada Dataset
  • Select activity Praktek Unsupervised Learning

    

    Praktek Unsupervised Learning File PDF

    Tahapan penerapan Unsupervised Learning: Load data, eksplorasi, preprocessing, pilih parameter, latih model, Tafsirkan

  • Select activity Praktek Unsupervised Learning

    

    Praktek Unsupervised Learning Assignment

    Opened: Tuesday, 6 October 2026, 8:00 PM

    Due: Tuesday, 13 October 2026, 12:00 PM

    Kerjakan latihan seperti pada slide #16. Gunakan salah satu dari dataset berikut:

    Dataset:
    1. Estimation of Obesity Levels Based On Eating Habits and Physical Condition 
    2. Heart Failure Clinical Records
    3. Wholesale customers
    4. Absenteeism at work
    5. Travel Reviews
    6. Open University Learning Analytics dataset
    7. South German Credit
    8. Alcohol QCM Sensor
    9. Perfume Data
    10.Stock keeping units

    • Aturan pemilihan nomor dataset: (3 digit terakhir NPM mod 10) + 1.
      Contoh: 3 digit terakhir NPM 123, maka nomor dataset = (123 mod 10) + 1 = 3 + 1 = 4 --> Absenteeism at work

    Download dataset dari UCI: https://archive.ics.uci.edu/
    
    Jawab keempat soal yang ada pada slide #4 dalam bentuk laporan tertulis (format pdf) dan screenshot hasil yang Anda peroleh.  

• Select topic Evaluasi Tengah Semester (ETS)

  Evaluasi Tengah Semester (ETS)
  • Select activity Evaluasi Tengah Semester

    Machine Learning (jumlah mhs: 51)
    Evaluasi Tengah Semester (ETS) mata kuliah Machine Learning kelas B akan diadakan pada:

    Hari dan Tanggal    : Selasa, 20 Oktober 2026
    Waktu            : 15.45 - 16.45 
    Tempat            : Ruang kuliah 101 Gd. Fasilkom 2
    Sifat            : Tertutup (harap membawa laptop masing-masing)

    Materi: konsep dasar machine learning, dimensionality reduction, 3 paradigma learning, decision tree, self-training, clustering, algoritma asosiasi aturan.
    Bentuk soal: pilihan ganda, jumlah 50 soal

    CPMK-07.1: Mahasiswa mampu menjelaskan pengertian dan istilah-istilah dalam Machine Learning, serta mampu mendiskusikan contoh-contoh aplikasi penerapan metode machine lerning, baik yang ada di jurnal publikasi maupun di aplikasi-aplikasi yang telah terimplementasi di kehidupan sehari-hari dengan benar. (C2, A2) 
    CPMK-09.1: Mahasiswa mampu menerapkan dan membangun setiap alur tahapan metode Machine Learning, baik secara konsep teoritis maupun praktik menggunakan bahasa pemrograman dengan benar. (C3, P4)

     

    Link ETS Machine Learning (Testing)

    Link ETS Machine Learning