Capaian Pembelajaran
1. Mahasiswa mampu menjelaskan konsep dari setiap metode machine learning.
2. Mahasiswa mampu mengidentifikasi, memodelkan, menganalisis dan menyelesaikan permasalahan menggunakan metode-metode machine learning.
3. Mahasiswa mampu mengimplementasikan metode-metode machine learning menggunakan bahasa pemrograman untuk menyelesaikan permasalahan.
BROTO POERNOMO TRI PRASETYO, S.Kom, M.Kom
Mengajar sebagai dosen di Institut Asia mulai tahun 2009.
Mata kuliah yang pernah diampu adalah Data Mining, Web Mining, Artificial Intelegence, Logika Pemrograman, Analisa Algortima.
Untuk mengenal lebih jauh tentang beliau silakan ikuti sosmednya:
IG @Papung Ae
Dalam mata kuliah ini akan mempelajari tentang:
MATERI 1 - PENGENALAN MACHINE LEARNING
Available in
days
days
after you enroll
- Deskripsi Mata Kuliah - [VIDEO] (4:38)
- Road Maps Pembelajaran (Materi, Tugas, Quiz dan Zoom) - [Text]
- Road Maps Pembelajaran - [VIDEO] (5:52)
- Pengenalan Machine Learning - [PDF]
- Paradigma Sistem Komputer OLD vs. NOW - [VIDEO] (5:43)
- Hubungan antara AI, Machine Learning, Deep Learning dan Neural Network - [VIDEO] (5:38)
- Cara Kerja Machine Learning - [VIDEO] (6:06)
- Metode-Metode Dalam Machine Learning - [VIDEO] (8:56)
- Quiz #1
- Link GMeet Materi 1
MATERI 2 - TIPE DATA DAN PREPROCESSING PADA MACHINE LEARNING
Available in
days
days
after you enroll
- Tipe Data dan PreProcessing Pada Machine Learnin - [PDF]
- Tahapan PreProcessing - [VIDEO] (2:04)
- Tipe Data Numeric dan Categorical Pada Machine Learning - [VIDEO] (6:05)
- Tipe Data Time Series dan Teks - [VIDEO] (3:30)
- PreProcessing - Integration dan Tranformation - [VIDEO] (6:31)
- PreProcessing - Cleaning dan Reduction - [VIDEO] (5:26)
- Quiz #2
MATERI 3 - DATASET
Available in
days
days
after you enroll
- Dataset - [PDF]
- Pengertian Dataset dan Bagian - Bagiannya - [VIDEO] (5:03)
- Bagian - Bagian Contact Lens Dataset - [VIDEO] (3:22)
- Tipe - Tipe Data Dalam Dataset - [VIDEO] (3:33)
- Contoh "Labelled" dan "UnLabeleld" Dataset - [VIDEO] (8:51)
- Training Set - Validation Set - Test Set - [VIDEO] (5:09)
- Quiz #3
MATERI 4 - REGRESION IN MACHINE LEARNING
Available in
days
days
after you enroll
MATERI 5 - SIMPE REGRESION LINEAR
Available in
days
days
after you enroll
- Simpe Regresion Linear - [PDF]
- Pengertian Simple Linear Regression - [VIDEO]
- Studi Kasus #1 : Analisa Berat Badan - [VIDEO] (5:21)
- Studi Kasus #2 : Implementasi Linear Regression "Salary & Experience" di Python - [VIDEO] (7:11)
- Kode Program Studi Kasus #2 - [CODE]
- Studi Kasus 3 - Multi Linear Regression - "Total Belanja Per Minggu" - [VIDEO] (6:41)
- Quiz #4
- Tugas #1 : Simple Linear Regression "Fish Market" Dataset - [PDF]
MATERI 6 - CLASSIFICATION IN MACHINE LEARNING
Available in
days
days
after you enroll
MATERI 7 – ALGORTIMA NAIVE BAYES
Available in
days
days
after you enroll
- Algortima Naive Bayes - [PDF]
- Studi Kasus #1 : "Weather Dataset" - [VIDEO] (7:48)
- Studi Kasus #2 : "Car Dataset" Bagian 1 - [VIDEO] (8:58)
- Studi Kasus #2 : "Car Dataset" Bagian 2 - [VIDEO] (9:34)
- Studi Kasus #3 : Implementasi "User Dataset" di Python - [VIDEO] (4:25)
- Kode Program Studi Kasus #3 - [CODE]
UTS
Available in
days
days
after you enroll
MATERI 8 - KNN [K-NEARSET NEIGHBOR]
Available in
days
days
after you enroll
- Algortima KNN [K-Nearset Neighbor] - PDF
- Pengantar Algoritma KNN - [VIDEO] (3:31)
- Cara Kerja KNN - [VIDEO] (6:08)
- Cara memilik K dan Kelebihan Kekurangan KNN - [VIDEO] (5:01)
- Studi Kasus #1 : "Bad Good" Dataset - [VIDEO] (7:58)
- Studi Kasus #2 : "User Data" Dataset dam Implementasi di Python - [VIDEO] (2:18)
- Kode Program Studi Kasus #2 - [CODE]
- Tugas #2 : KNN - "Age Income" Dataset
MATERI 9 - PENGANTAR KONSEP DECESION TREE
Available in
days
days
after you enroll
- Pengantar dan Konsep Decesion Tree - [PDF]
- Decesion Tree Sebagai Model Dalam Machine Learning - [VIDEO] (3:22)
- Simbol - Simbol Decesion Tree - [VIDEO] (3:42)
- Spliting Way Atribut Kategortikal dan Numerik - [VIDEO] (16:30)
- Membangun Decesion Tree Dengan Algortima "HUNT" - [VIDEO] (9:48)
- Algortima "HUNT" vs "ID3" - [VIDEO] (1:59)
- Link GMeet Materi 9
MATERI 10 - MEMBANGUN DECESION TREE DENGAN ID3
Available in
days
days
after you enroll
- Membangun Decesion Tree Dengan ID3 - [PDF]
- Algortima ID3 - Menghitung Information Gain - [VIDEO] (7:51)
- Algortima ID3 - Menghitung Impurity dengan Entropy Bagian 1 - [VIDEO] (10:34)
- Algortima ID3 - Menghitung Impurity dengan Entropy Bagian 2 - [VIDEO] (3:02)
- Penggunaan Tools WEKA untuk ID3 - [VIDEO] (7:58)
- Bagaimana Cara Penanganan Atribut Dengan Value Numerik - [VIDEO] (2:28)
- Quiz #5
- Tugas #3 : ID3 - "Customer" Dataset Atribut Ketegorikal - [PDF]
- Link GMeet Materi 10 - Menghitung Information Gain Atribut Numerik
MATERI 11 - CLUSTERING IN MACHINE LEARNING
Available in
days
days
after you enroll
MATERI 12- ALGORITMA K-MEANS CLUSTERING
Available in
days
days
after you enroll
- Algoritma K-Means Clustering - [PDF]
- Pengantar Algortima K-Means Clustering - [VIDEO] (4:00)
- Cara Kerja K-Means Clustering - [VIDEO] (8:02)
- Studi Kasus Algortima K-Means Clustering Dataset Mahasiswa Bagian 1 - [VIDEO] (7:53)
- Studi Kasus Algortima K-Means Clustering Dataset Mahasiswa Bagian 2 - [VIDEO] (7:49)
- Implementasi K-Means Clustering dengan Dataset Mall_Customer pada Python - [VIDEO] (5:52)
- Kode Program K-Means Clustering Dalam Python - [CODE]
MATERI 13 - ASSOCIATION RULE IN MACHINE LEARNING
Available in
days
days
after you enroll
MATERI 14 - ALGORITMA APRIORI
Available in
days
days
after you enroll
UAS
Available in
days
days
after you enroll
REVIEW
Available in
days
days
after you enroll
Mata Kuliah Lainnya
EXAMPLE
