Kode Dokumen

UNIVERSITAS ESA UNGGUL, FAKULTAS ILMU KOMPUTER,

PTI 411
PROGRAM STUDI TEKNIK INFORMATIKA

RENCANA PEMBELAJARAN SEMESTER

MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan
MACHINE LEARNING PTI 411 T = 3 SKS P = 0 SKS 5 01 Desember 2021
OTORISASI Pengembang RPS Koordinator RMK Ketua PRODI
Sawali Wahyu, S.Kom, M.Kom Jefry Sunupurwa Asri, S.Kom, M.Kom M. Bahrul Ulum, S.Kom, M.Kom
Capaian CPL-PRODI yang dibebankan pada MK
Pembelajaran Keterampilan Umum
(CP) KU1 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dengan memanfaatkan Teknik komputasi dan teknologi informasi
untuk menghasilkan solusi sesuai bidang keahlian secara terintegrasi yang diwujudkan dalam dokumen saintifik
Keterampilan Khusus
KK1 Mampu membangun program komputer untuk mengimplementasikan pemecahan masalah, dan dengan memanfaatkan framework, atau
teknologi informasi yang terkini (up to date).
KK2 Mampu secara kreatif dan inovatif memformulasikan pemecahan masalah dengan memanfaatkan teknik komputasi dan teknologi
informasi.
Pengetahuan
P1 Menguasai konsep teoritis di bidang Informatika, khususnya di bidang teori komputasi, jaringan komputer, IoT, Data Science, teknologi
web, basis data dan teknologi mobile
P2 Mempunyai pengetahuan dalam mengembangkan algoritma/metode yang diimplementasikan dalam perangkat lunak berbasis komputer.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK 1 Mahasiswa mampu membuat konsep dan implementasi metode Machine Learning dalam permasalahan dan studi kasus (KU1, KK2, P1)
CPMK 2 Mahasiswa mampu mengidentifikasi, memodelkan, menganalisis dan menyelesaikan permasalahan dengan menggunakan algoritma
Machine Learning yang telah dipelajari (KU1, KK2, P2)
CPMK 3 Mahasiswa mampu menerapkan metode Machine Learning ke dalam Project Portofolio Aplikasi (KU1, KK1, P2)
CPMK 4 Mahasiswa mampu membuat dan mempresentasikan project portofolio dengan model menggunakan metode Machine Learning (KU1,
KK1, P1)
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
Sub-CPMK 1 Mahasiswa dapat menguraikan konsep Machine Learning
Sub-CPMK 2 Mahasiswa dapat menerapkan Python Programming dalam Machine Learning
Sub-CPMK 3 Mahasiswa paham tentang peran bisnis dalam menentukan pemilihan Algoritma Machine Learning untuk menyelesaikan masalah
Sub-CPMK 4 Mahasiswa dapat menerapkan regression untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan problema
bisnis
Sub-CPMK 5 Mahasiswa dapat menerapkan classification untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan problema
bisnis
Sub-CPMK 6 Mahasiswa dapat menerapkan clustering untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan problema
bisnis
Sub-CPMK 7 Mahasiswa dapat menerapkan association rule learning untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan
problema bisnis
Sub-CPMK 8 Mahasiswa dapat menerapkan reinforcement learning untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan
problema bisnis
Sub-CPMK 9 Mahasiswa dapat menerapkan natural language processing (NLP) untuk diimplementasikan dalam pembuatan model Machine Learning
berdasarkan problema bisnis
Sub-CPMK 10 Mahasiswa dapat menerapkan deep learning untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan problema
bisnis
Sub-CPMK 11 Mahasiswa dapat menerapkan dimensionality untuk diimplementasikan dalam pembuatan model Machine Learning berdasarkan
problema bisnis
Sub-CPMK 12 Mahasiswa dapat menerapkan model selection and boosting untuk diimplementasikan dalam pembuatan model Machine Learning
berdasarkan problema bisnis
Sub-CPMK 13 Mahasiswa dapat mendistribusikan model Machine Learning secara localhost
Sub-CPMK 14 Mahasiswa dapat mendistribusikan model Machine Learning secara online
Korelasi CPL terhadap Sub-CPMK

Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub- Sub-
CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK CPMK
1 2 3 4 5 6 7 8 9 10 11 12 13 14
CPL 1
CPL 2
CPL 3
 CPL 4
CPL 5

Deskripsi Singkat Pada matakuliah ini diberikan pengetahuan dan praktik kepada mahasiswa untuk memahami ide dasar, intuisi, konsep, algoritma dan teknik untuk
MK membuat model machine learning untuk menjadi lebih cerdas melalui proses learning from data. Materi yang disampaikan meliputi supervised learning,
unsupervised learning dan reinforcement learning serta penggunaan teknik algoritmanya..
Bahan Kajian: Chapter 1 : Introduction To Machine Learning
Materi Chapter 2 : Introduction Python Programming
Pembelajaran Chapter 3 : Introduction Business Understanding
Chapter 4 : Regression
Chapter 5 : Classification
Chapter 6 : Clustering
Chapter 7 : Association Rule Learning
Chapter 8 : Reinforce Learning
Chapter 9 : Natural Language Processing
Chapter 10 : Deep Learning
Chapter 11 : Dimensionality Reduction
Chapter 12 : Model Selection and Boosting
Chapter 13 : Deploying and Publishing Mode (1)
Chapter 14 : Deploying and Publishing Model (2)
Pustaka Utama :
EFFICIENT LEARNING MACHINES. Mariette Awad and Tahul Khanna, 2015.
Pendukung :
1. Hands-On Machine Learning with Scikit-Learn and Tensorflow (2nd Edition). Aurelien Geron, 2017.
2. Pengantar Machine Learning, Bedi Purnama, 2019.
Dosen Pengampu 8126 – Jefry Sunupurwa Asri S.Kom, M.Kom
7174 – Sawali Wahyu S.Kom, M.Kom
7176 – Iksan Ramadhan S.Kom, M.Kom
Mata Kuliah ALGORITMA, STATISTIKA, ALJABAR LINEAR, ARTIFICIAL INTELLIGENT
syarat
 Bentuk Pembelajaran,
Metode Pembelajaran,
Kemampuan akhir tiap Penilaian
Penugasan Mahasiswa, Materi Pembelajaran Bobot
Mg Ke- tahapan belajar
[ Estimasi Waktu] [ Pustaka ] Penilaian (%)
(Sub-CPMK)
Indikator Kriteria & Bentuk Luring Daring (online)
(offline)
(1) (2) (3) (4) (5) (6) (7) (8)
1 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & Pengantar Machine 2%
menguraikan dan menjelaskan Holistik bentuk kriteria (Teori) Demo Praktikum) Learning, Bedy
mengimplementasikan bagaimana berdasarkan kesan 1 x 30 Menit (Forum) Purnama, 2019.
konsep Machine Learning Machine Learning keseluruhan materi atau
bekerja secara kombinasi dengan Materi Pembelajaran :
konsep dan memberikan contoh 1) Introduction
implementasi praktikum Machine
Learning
Bentuk Non Test : 2) Tools Machine
Rangkuman Artikel Learning
Mengenai Konsep 3) Programming
Machine Learning Machine
Learning
2 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & Pengantar Machine 2%
menerapkan Python menggunakan Holistik bentuk kriteria (Teori) Demo Praktikum) Learning, Bedy
Programming dalam Python dalam berdasarkan kesan 1 x 30 Menit (Forum) Purnama, 2019.
Machine Learning pemrograman keseluruhan materi atau
kombinasi dengan Materi Pembelajaran :
memberikan contoh 1) Introduction
praktikum Python
Programming
Bentuk Non Test : 2) Tools Python
Pemahaman Berupa Programming
Contoh Praktikum 3) Praktikum
Python Programming Machine
Learning
 dengan Python
Programming
3 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Pengantar 2%
menguraikan peran bisnis menentukan model Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
dalam menentukan Machine Learning berdasarkan kesan 1 x 30 Menit (Forum) Learning, Bedy
pemilihan Algoritma yang baik agar keseluruhan materi atau Purnama,
Machine Learning untuk dapat batas dan kombinasi dengan 2019.
menyelesaikan masalah alur bisnis dengan memberikan contoh 2) Efficient
jelas praktikum Learning
Machines,
Bentuk Non Test : Mariette Awad
Rangkuman Artikel and Tahul
Mengenai peran bisnis Khanna, 2015.
dalam menentukan
pemilihan Algoritma Materi Pembelajaran :
Machine Learning untuk 1) Introduction
menyelesaikan masalah Business
Understanding
and
Requirement
2) Problem
Solving
Business
Understanding
3) Praktikum
Model Machine
Learning
4 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 2%
membuat dan menentukan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan regression penggunaan berdasarkan kesan 1 x 30 Menit (Forum) Learning with
untuk diimplementasikan algoritma regresi keseluruhan materi atau Scikit-Learn
dalam pembuatan model dalam pengolahan kombinasi dengan and Tensorflow
Machine Learning (2nd Edition),
 berdasarkan problema model Machine memberikan contoh Aurelien Geron,
bisnis Learning praktikum 2017.
2) Efficient
Bentuk Non Test : Learning
Pemahaman Berupa Machines,
Contoh Praktikum Mariette Awad
Model Regression and Tahul
Machine Learning Khanna, 2015.

Materi Pembelajaran :
1) Introduction
Model
Regression
2) Problem Model
Regression
3) Praktikum
Model
Regression
dalam Machine
Learning
5 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 2%
membuat dan menentukan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan classification penggunaan berdasarkan kesan 1 x 30 Menit (Forum) Learning with
untuk diimplementasikan algoritma klasifikasi keseluruhan materi atau Scikit-Learn
dalam pembuatan model dalam pengolahan kombinasi dengan and Tensorflow
Machine Learning model Machine memberikan contoh (2nd Edition),
berdasarkan problema Learning praktikum Aurelien Geron,
bisnis 2017.
Bentuk Non Test : 2) Efficient
Pemahaman Berupa Learning
Contoh Praktikum Machines,
Model Classification Mariette Awad
Machine Learning
 and Tahul
Khanna, 2015.

Materi Pembelajaran :
1) Introduction
Model
Classification
2) Problem Model
Classification
3) Praktikum
Model
Classification
dalam Machine
Learning
6 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 2%
membuat dan menentukan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan clustering penggunaan berdasarkan kesan 1 x 30 Menit (Forum) Learning with
untuk diimplementasikan algoritma clustering keseluruhan materi atau Scikit-Learn
dalam pembuatan model dalam pengolahan kombinasi dengan and Tensorflow
Machine Learning model Machine memberikan contoh (2nd Edition),
berdasarkan problema Learning praktikum Aurelien Geron,
bisnis 2017.
Bentuk Non Test : 2) Efficient
Pemahaman Berupa Learning
Contoh Praktikum Machines,
Model Clustering Mariette Awad
Machine Learning and Tahul
Khanna, 2015.

Materi Pembelajaran :
 1) Introduction
Model
Clustering
2) Problem Model
Clustering
3) Praktikum
Model
Clustering
dalam Machine
Learning
7 Mahasiswa mampu Mahasiswa Mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 2%
membuat dan menentukan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan association penggunaan berdasarkan kesan 1 x 30 Menit (Forum) Learning with
rule learning untuk algoritma keseluruhan materi atau Scikit-Learn
diimplementasikan dalam association rule kombinasi dengan and Tensorflow
pembuatan model learning dalam memberikan contoh (2nd Edition),
Machine Learning pengolahan model praktikum Aurelien Geron,
berdasarkan problema Machine Learning 2017.
bisnis Bentuk Non Test : 2) Efficient
Pemahaman Berupa Learning
Contoh Praktikum Machines,
Model Association Rule Mariette Awad
Machine Learning and Tahul
Khanna, 2015.

Materi Pembelajaran :
1) Introduction
Model
Association
Rule
2) Problem Model
Association
Rule
 3) Praktikum
Model
Association
Rule dalam
Machine
Learning
8 Evaluasi Tengah Semester / Ujian Tengan Semester 20%
9 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 4%
membuat dan menentukan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan penggunaan berdasarkan kesan 1 x 30 Menit (Forum) Learning with
reinforcement learning reinforce learning keseluruhan materi atau Scikit-Learn
untuk diimplementasikan dalam pengolahan kombinasi dengan and Tensorflow
dalam pembuatan model model Machine memberikan contoh (2nd Edition),
Machine Learning Learning praktikum Aurelien Geron,
berdasarkan problema 2017.
bisnis Bentuk Non Test : 2) Efficient
Pemahaman Berupa Learning
Contoh Praktikum Machines,
Model Reinforcement Mariette Awad
Machine Learning and Tahul
Khanna, 2015.

Materi Pembelajaran :
1) Introduction
Model
Reinforcement
Learning
2) Problem Model
Reinforcement
Learning
3) Praktikum
Model
Reinforcement
 Learning dalam
Machine
Learning
10 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 5%
membuat dan menggunakan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan Natural Natural Language berdasarkan kesan 1 x 30 Menit (Forum) Learning with
Language Processing Processing (NLP) keseluruhan materi atau Scikit-Learn
(NLP) untuk dalam pengolahan kombinasi dengan and Tensorflow
diimplementasikan dalam model Machine memberikan contoh (2nd Edition),
pembuatan model Learning praktikum Aurelien Geron,
Machine Learning 2017.
berdasarkan problema Bentuk Non Test : 2) Efficient
bisnis Pemahaman Berupa Learning
Contoh Praktikum Machines,
Model Natural Mariette Awad
Language Processing and Tahul
dalam Machine Khanna, 2015.
Learning
Materi Pembelajaran :
1) Introduction
Model Natural
Language
Processing
2) Problem Model
Natural
Language
Processing
3) Praktikum
Model Natural
Language
Processing
dalam Machine
Learning
11 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 5%
membuat dan menentukan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan Deep penggunaan model berdasarkan kesan 1 x 30 Menit (Forum) Learning with
Learning untuk deep learning keseluruhan materi atau Scikit-Learn
diimplementasikan dalam dalam pengolahan kombinasi dengan and Tensorflow
pembuatan model model Machine memberikan contoh (2nd Edition),
Machine Learning Learning praktikum Aurelien Geron,
berdasarkan problema 2017.
bisnis Bentuk Test : 2) Efficient
Menghasilkan Showcase Learning
Portofolio yaitu karya Machines,
mahasiswa yang Mariette Awad
menunjukkan hasil and Tahul
kinerja belajar Khanna, 2015.
terbaiknya.
Materi Pembelajaran :
1) Introduction
Model Deep
Learning
2) Problem Case
Model Deep
Learning
3) Praktikum
Model Deep
Learning
dalam Machine
Learning
12 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 5%
membuat dan menggunakan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan model model berdasarkan kesan 1 x 30 Menit (Forum) Learning with
dimensionality untuk dimensionality keseluruhan materi atau Scikit-Learn
diimplementasikan dalam dalam pengolahan kombinasi dengan and Tensorflow
pembuatan model (2nd Edition),
 Machine Learning model Machine memberikan contoh Aurelien Geron,
berdasarkan problema Learning praktikum 2017.
bisnis 2) Efficient
Bentuk Test : Learning
Menghasilkan Showcase Machines,
Portofolio yaitu karya Mariette Awad
mahasiswa yang and Tahul
menunjukkan hasil Khanna, 2015.
kinerja belajar
terbaiknya. Materi Pembelajaran :
1) Introduction
Model
Dimensionality
2) Problem Model
Dimensionality
3) Praktikum
Model
Dimensionality
dalam Machine
Learning
13 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 5%
membuat dan menggunakan Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
menerapkan model selection dan berdasarkan kesan 1 x 30 Menit (Forum) Learning with
selection and boosting boosting dalam keseluruhan materi atau Scikit-Learn
untuk diimplementasikan pengolahan model kombinasi dengan and Tensorflow
dalam pembuatan model Machine Learning memberikan contoh (2nd Edition),
Machine Learning praktikum Aurelien Geron,
berdasarkan problema 2017.
bisnis Bentuk Test : 2) Efficient
Menghasilkan Showcase Learning
Portofolio yaitu karya Machines,
mahasiswa yang Mariette Awad
menunjukkan hasil
 kinerja belajar and Tahul
terbaiknya. Khanna, 2015.

Materi Pembelajaran :
1) Introduction
Model
Selection and
Boosting
2) Problem Model
Selection and
Boosting
3) Praktikum
Model
Selection and
Boosting dalam
Machine
Learning
14 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 5%
menguraikan dan membuat deploy Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
mendistribusikan model model Machine berdasarkan kesan 1 x 30 Menit (Forum) Learning with
Machine Learning secara Learning yang telah keseluruhan materi atau Scikit-Learn
localhost dibuat untuk kombinasi dengan and Tensorflow
project akhir secara memberikan contoh (2nd Edition),
offline (localhost) praktikum Aurelien Geron,
2017.
Bentuk Test : 2) Efficient
Menghasilkan Showcase Learning
Portofolio yaitu karya Machines,
mahasiswa yang Mariette Awad
menunjukkan hasil and Tahul
kinerja belajar Khanna, 2015.
terbaiknya.
 Materi Pembelajaran :
Distribution and
Deployment Local
Testing Project
Machine Learning
15 Mahasiswa mampu Mahasiswa mampu Kriteria : 1 x 150 Menit 1 x 120 Menit (Materi & 1) Hands-On 8%
membuat dan membuat deploy Holistik bentuk kriteria (Teori) Demo Praktikum) Machine
mendistribusikan model model Machine berdasarkan kesan 1 x 30 Menit (Forum) Learning with
Machine Learning secara Learning yang telah keseluruhan materi atau Scikit-Learn
online dibuat untuk kombinasi dengan and Tensorflow
project akhir secara memberikan contoh (2nd Edition),
online praktikum Aurelien Geron,
2017.
Bentuk Test : 2) Efficient
Menghasilkan Showcase Learning
Portofolio yaitu karya Machines,
mahasiswa yang Mariette Awad
menunjukkan hasil and Tahul
kinerja belajar Khanna, 2015.
terbaiknya.
Materi Pembelajaran :
Distribution and
Deployment Online
Live Project Machine
Learning
16 Evaluasi Akhir Semester / Ujian Akhir Semester 30%