Lembar kerja

Modul 2. AI Project Cycle dalam Data Science

Nama Peserta : Hasan As’ari
NoReg Peserta : 1945585850-242

1. Pembatasan masalah (Problem Scoping)

 Masalah apa yang sedang Anda hadapi?

Banyaknya angka tidak naik kelas/drop out pada siswa kelas X karena nilai yang tidak mencapai
KKM pada mata pelajaran produktif kejuruan dengan alasan salah memilih jurusan

 Solusi yang ingin Anda hasilkan?

Adanya instrumen analisis pada proses PPDB sebelum penentuan jurusan dan adanya early
warning system pada pencapaian kompetensi siswa sehingga bisa dilakukan remedial teaching
bagi siswa yang terdeteksi rawan tidak naik kelas

4W CANVAS

Para Calon siswa baru dan Siswa kelas X, guru mata pelajaran
WHO
[stakeholders] produktif dan wali kelas

Masalah yang dihadapi Banyaknya siswa yang tidak naik kelas karena pencapaian
[isu, masalah, kompetensinya yang tidak mencapai kkm dengan alasan WHAT
kebutuhan] salah memilih jurusan

Ketika Pada awal proses PPDB dan akhir semester 2 pada kelas x
WHERE
[konteks dan situasi]

Adanya pendeteksian dini pada nilai kompetensi siswa

Solusi yang diharapkan sehingga bisa dilakukan penanganan khusus sebelum siswa WHY
diputuskan tidak naik kelas
2. Akuisisi data (Data Acquisition)

 Apakah Anda memiiki data untuk dianalisis? Ya / Tidak

 Apakah Anda memiliki data primer atau sekunder atau keduanya?
Primer / sekunder / keduanya
 Apakah Anda memiliki literatur yang mendukung solusi Anda? Ya / Tidak
 Apakah Anda coba melengkapi data sekunder anda dari sumber data lain? Ya / Tidak

(Note: coret yang tidak perlu)

Tuliskan sumber data sekunder lainnya yang telah anda dapatkan (sebanyak-banyaknya)!

Data pendaftar pada ppdb tahun sebelumya

Data nilai siswa kelas x terutama pada mata pelajaran produktif
Data peminatan calon siswa baru

Tuliskan sumber literatur yang Anda dapatkan (sebanyak-banyaknya)!

Data ppdb online provinsi jawa barat

Data nilai siswa kelas X

Tindak lanjut:
 Jika ada data primer, buatlah dalam format csv atau format xlsx (excel)!
 Jika terdapat sumber data sekunder, downloadlah dan satukan dengan data primer Anda!
 Jika anda memiliki literatur, bacalah dan pilihlah parameter (fitur) dan class (target) yang Anda
inginkan!
3. Eksplorasi data (Data Exploration)

 Apakah Anda tahu tentang tipe data Nominal/Numerik? Ya / Tidak

 Apakah tipe data input untuk setiap parameter yang Anda gunakan?
Nominal / Numerik / tidak tahu
 Apakah Anda tahu tentang luaran data dari solusi Anda, memiliki tipe data tertentu? Tahu /
tidak tahu
(Note: coret yang tidak perlu)

Jika Anda sudah punya data untuk dianalisis, buat dalam table, parameter tersebut memiliki tipe
data apa!

Tabel Tipe data dari parameter input dan output

No Nama parameter status (input/output) Tipe data (nominal/numerik)

1 Kelamin input nominal

2 Umur input numerik
 3 Asal_SMP  input  nominal 
 4  Jurusan_Pilihan output  nominal 
 5  Nilai_mapel input  numerik 
       
       
       
       
       
       
       
       
4. Pemodelan (Modelling) dan Evaluasi (Evaluation)

 Apakah Anda sudah tahu metode apa yang akan anda gunakan dalam pemodelan?
Sudah / Belum

 Jika sudah tahu metodenya, sebutkan metode yang akan Anda gunakan?

Forecasting

 Jika sudah tahu metodenya, apakah Anda sudah tahu evaluasi yang akan digunakan?

Root Mean Square Error

(Note: coret yang tidak perlu)

Sebutkan metode yang akan gunakan dalam pemodelan yang akan Anda gunakan dan jelaskan
secara singkat!