Belajar Machine Learning Sampai Bisa Membuat Model
Kursus privat Machine Learning untuk mahasiswa yang ingin memahami dataset, preprocessing, training model, evaluasi, dan implementasi machine learning sesuai topik skripsi atau tugas akhir.
Diajari konsep machine learning dari dasar
Belajar menyiapkan dataset dan preprocessing data
Praktik training model, testing, dan evaluasi
Membuat implementasi machine learning sesuai studi kasus skripsi
Paket Privat
Privat Machine Learning
Output Belajar
Peserta memahami dataset, preprocessing, training model, evaluasi, dan implementasi machine learning.
Sistem
Privat 1 siswa 1 tentor
Durasi
2 jam / pertemuan
Jadwal
Senin s/d Sabtu
Mode
Tatap muka atau online
Keunggulan Program
Belajar Machine Learning Lebih Terarah untuk Penelitian
Peserta diarahkan memahami alur machine learning dari dataset mentah sampai model dapat diuji, dievaluasi, dan dijelaskan dalam laporan skripsi atau tesis.
Fokus ke Studi Kasus Skripsi
Materi diarahkan sesuai topik penelitian peserta, mulai dari dataset, metode, model, evaluasi, sampai hasil yang dapat dijelaskan saat ujian.
Belajar Evaluasi Model
Peserta tidak hanya membuat model, tetapi juga belajar membaca hasil evaluasi seperti akurasi, precision, recall, F1-score, confusion matrix, RMSE, MAE, atau metrik lain sesuai kasus.
Output Bisa Jadi Aplikasi
Peserta dapat diarahkan membuat implementasi sederhana, dashboard, atau aplikasi berbasis web sesuai kebutuhan penelitian.
Untuk Siapa?
Cocok untuk Mahasiswa yang Mengambil Topik Machine Learning
Kelas ini cocok untuk peserta yang ingin mengolah dataset, membuat model, membandingkan algoritma, atau mengimplementasikan model machine learning sesuai kebutuhan penelitian.
Mahasiswa S1 yang mengambil topik skripsi machine learning
Mahasiswa S2 yang ingin membuat eksperimen model machine learning
Mahasiswa yang ingin mengolah dataset untuk klasifikasi atau prediksi
Mahasiswa yang kesulitan memahami preprocessing dan evaluasi model
Peserta yang ingin membuat model machine learning sesuai studi kasus sendiri
Peserta umum yang ingin belajar machine learning secara praktik
Materi Kursus
Materi Privat Machine Learning
Materi disusun dari tahap memahami dataset, preprocessing, training model, evaluasi, sampai implementasi hasil model.
Perancangan Penelitian
Membahas topik, tujuan penelitian, dataset, target prediksi, skenario eksperimen, dan output yang ingin dicapai.
Dataset
Belajar memahami struktur dataset, atribut, label, data training, data testing, dan kebutuhan data sesuai metode machine learning.
Preprocessing Data
Belajar membersihkan data, menangani missing value, encoding, normalisasi, tokenisasi, atau preprocessing lain sesuai jenis data.
Training Model
Praktik melatih model machine learning menggunakan algoritma yang sesuai dengan studi kasus peserta.
Evaluasi Model
Belajar membaca hasil evaluasi seperti akurasi, precision, recall, F1-score, confusion matrix, RMSE, MAE, atau metrik lain.
Python untuk Machine Learning
Menggunakan Python untuk membaca dataset, preprocessing, training model, evaluasi, dan visualisasi hasil.
Implementasi Model
Membuat implementasi hasil model ke dalam bentuk aplikasi sederhana, dashboard, atau simulasi prediksi.
Analisis Hasil
Membantu peserta memahami hasil eksperimen agar dapat ditulis dan dijelaskan dalam laporan skripsi atau tesis.
Pilihan Materi Machine Learning
Pilih Algoritma Machine Learning Sesuai Topik Penelitian
Setiap algoritma memiliki karakteristik dan studi kasus yang berbeda. Klik salah satu materi untuk melihat penjelasan detail algoritma, contoh kasus, dan inspirasi judul skripsi yang sesuai.
Python Machine Learning
Dasar Python, dataset, training, dan evaluasi model.
Python untuk Machine Learning
Materi dasar untuk peserta yang ingin belajar machine learning dari Python, mulai dari membaca dataset, preprocessing, training model, sampai evaluasi hasil.
Linear Regression
Prediksi nilai numerik dan analisis hubungan data.
Prediksi Nilai Numerik
Cocok untuk penelitian prediksi harga, jumlah penjualan, nilai, permintaan, atau data numerik lainnya berdasarkan hubungan antar variabel.
Logistic Regression
Klasifikasi biner dan probabilitas.
Klasifikasi Biner
Cocok untuk kasus ya/tidak, lulus/tidak lulus, layak/tidak layak, positif/negatif, atau prediksi dua kelas berbasis probabilitas.
K-Nearest Neighbor
Klasifikasi berdasarkan tetangga terdekat.
Klasifikasi Berbasis Kedekatan Data
KNN cocok untuk klasifikasi sederhana berdasarkan kemiripan data baru dengan data lama menggunakan jarak tertentu seperti Euclidean distance.
Support Vector Machine
Klasifikasi teks, citra, dan data numerik.
Model Klasifikasi yang Kuat
SVM sering digunakan untuk klasifikasi teks, sentimen, citra, maupun data numerik karena mampu mencari batas pemisah terbaik antar kelas.
Random Forest
Model ensemble yang kuat untuk klasifikasi dan regresi.
Banyak Decision Tree dalam Satu Model
Random Forest cocok untuk penelitian klasifikasi dan regresi karena menggunakan banyak pohon keputusan sehingga hasil model lebih stabil.
Neural Network
Dasar jaringan saraf tiruan dan deep learning.
Dasar Jaringan Saraf Tiruan
Materi ini cocok untuk peserta yang ingin memahami konsep neuron, layer, training, epoch, loss, dan dasar deep learning.
Natural Language Processing
Analisis teks, sentimen, dan pemrosesan bahasa.
Machine Learning untuk Data Teks
NLP cocok untuk penelitian analisis sentimen, klasifikasi teks, preprocessing bahasa, TF-IDF, embedding, dan pemrosesan dokumen.
Alur Belajar
Dari Dataset Sampai Model Bisa Dievaluasi
Alur belajar dibuat bertahap agar peserta memahami proses machine learning secara utuh, bukan sekadar menjalankan kode.
Konsultasi Topik
Membahas judul, objek penelitian, dataset, target prediksi, dan algoritma yang cocok.
Siapkan Dataset
Menyusun data, atribut, label, data training, data testing, dan format dataset.
Preprocessing
Membersihkan data dan mengubah data mentah menjadi siap dipakai model.
Training Model
Melatih model machine learning dan melakukan pengujian dengan data testing.
Evaluasi & Implementasi
Membaca hasil evaluasi, membandingkan model, dan membuat implementasi sesuai kebutuhan.
Bonus Belajar
Bonus Video Tutorial
Selain belajar langsung dengan tentor, peserta juga mendapatkan video tutorial untuk membantu mengulang materi secara mandiri setelah pertemuan selesai.
Tutorial Python Dasar
Video tutorial dasar Python untuk membantu peserta memahami sintaks, variabel, perulangan, fungsi, dan pengolahan data.
Tutorial Pengolahan Dataset
Video tutorial membaca dataset, membersihkan data, membagi data training-testing, dan menyiapkan fitur.
Tutorial Machine Learning
Video tutorial training model, evaluasi model, dan membaca hasil eksperimen machine learning.
Biaya dan Jadwal
Jadwal Fleksibel, Pertemuan Tidak Hangus
Peserta dapat memilih jadwal belajar dari Senin sampai Sabtu. Jika berhalangan hadir, peserta dapat izin melalui WhatsApp admin dan pertemuan tidak hangus.
Paket Privat Machine Learning
Privat Machine Learning
Dapat diangsur 3x. Angsuran pertama Rp1.000.000.
20x pertemuan
Durasi 2 jam setiap pertemuan
Privat 1 siswa 1 tentor
Materi mengikuti topik skripsi atau tesis peserta
Diajari dataset, preprocessing, training, dan evaluasi model
Praktik eksperimen machine learning
Bisa tatap muka atau online
Pertemuan tidak hangus jika izin ke admin
Mendapatkan sertifikat setelah menyelesaikan kursus
Portfolio Siswa
Contoh Karya Siswa Machine Learning
Output dari kelas ini adalah peserta memahami eksperimen machine learning dan dapat membuat implementasi sesuai topik penelitian.
Prediksi Stunting di Indonesia dengan Machine Learning Linear Regression
BENNY PUTRA
Mahasiswa
Klasifikasi Penyakit Citra Daun Tanaman Padi Berbasis Deep Learning Menggunakan Metode Convolutional Neural Network
FACHRI AYUDI FITRONY
Mahasiswa
Studi Komparatif Algoritma Naive Bayes, CNN-LSTM, BERT, dan RoBERTa untuk Analisis Sentimen Berita Negatif terhadap Kinerja Kejaksaan RI
RIYANA KUSETIYOWATI
Mahasiswa
Fraud Detection System Menggunakan Support Vector Machine, Random Forest, K-Nearest Neighbors, dan Voting Classifier pada Automatic Teller Machine
Tri Mufidah Nastiti
Mahasiswa
Siap Membuat Model Machine Learning Sendiri?
Daftar kelas Privat Machine Learning dan praktik mengolah dataset, membuat model, mengevaluasi hasil, serta mengimplementasikan model sesuai topik penelitian.