MACHINE LEARNING

Hindriyanto Dwi Purnomo, Ph.D

Kontak

Email pengajar : hindriyanto.purnomo@uksw.edu

 Materi
Minggu 1 : Topik 1 - Pengantar Machine Learning
Minggu 2 : Topik 2 -Dasar-Dasar Machine Learning
Minggu 3 : Topik 3 - Association Rules
Minggu 4 : Latihan Association Rules
Minggu 5 : Topik 4 -Dasar-dasar clustering & K-means
Minggu 6 : Topik 5 -DBSCAN & AHC
Minggu 6 : latihan Clusstering
Minggu 7 : Topik 6 - Konsep Klasifikasi, KNN, NB
 Materi
Minggu 8 : Topik 7 - Jaringan Saraf Tiruan
Minggu 9 : Topik 8 - Evaluation
Minggu 10 : Latihan Classification & evaluasi
Minggu 11 : Topik 9 - Regresi 1
Minggu 12 : Latihan Regresi
Minggu 13 : Presentasi Project
Minggu 14 : TAS
 Tujuan

1. Mampu membuat desain, mengimplementasikan dan mengevaluasi

metode-metode machine learning
2. Memahami berbagai macam metode machine learning dan kesesuaian
dalam implementasinya
 Referensi Utama

1. Baldwin, T., (2008), Machine Learning, Lecture Notes, The University of

Melbourne.
2. Ian H. Witten and Eibe Frank (2005) Data Mining: Practical Machine
Learning Tools and Techniques with Java Implementations, Morgan
Kaufmann, second edition
3. Pang-Ning Tan, Michael Steinbach and Vipin Kumar (2005) Introduction to
Data Mining, Addison-Wesley.
4. Susanto, S., Suryadi, S., Pengantar Data Mining, Andi Offset
 Tool
• Python
• Google Collaboration
 Penilaian (1)

a. Tugas & Quis : 40 %

b. TTS : 30 %
c. Project : 30 %

Hurdle : hadir minimal 75 %

 Penilaian (2)

A >= 80
AB >= 75
B >= 70
BC >= 65
C >= 60
CD >= 55
D >= 50
E < 50
Terima kasih