LAPORAN AKHIR

STUDI INDEPENDEN BERSERTIFIKAT

Artificial Intelligence Mastery Program
Di Orbit Future Academy

Diajukan untuk memenuhi persyaratan kelulusan

Program MSIB MBKM

oleh :
Lina Fitriana / 201911594

PRODI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MURIA KUDUS
2023
 Lembar Pengesahan Prodi Manajemen Universitas Muria Kudus

ANALISIS PREDIKSI HARGA TIKET PESAWAT DENGAN

MENGGUNAKAN METODE RANDOM FOREST REGRESSION
DINEGARA INDIA

Di Orbit Future Academy

oleh :
Lina Fitriana / 201911594

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Kudus, 5 Juni 2023

Pembimbing Magang atau Studi Independen Prodi Manajemen
Universitas Muria Kudus

Noor Indah Rahmawati., S.E., M.M

NIDN 0024037701

i
 Lembar Pengesahan

ANALISIS PREDIKSI HARGA TIKET PESAWAT DENGAN

MENGGUNAKAN METODE RANDOM FOREST REGRESSION
DINEGARA INDIA

Di Orbit Future Academy

oleh :
Lina Fitriana / 201911594

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Jakarta, 5 Juni 2023

Homeroom Coach

Farchan Hakim Raswa, S.Si., M.Cs., M.Sc

NIP. 2201044

ii
 Abstrak

Program Studi Independen Bersertifikat (MSIB) merupakan salah satu program

pembelajaran dari Kmapus Merdeka yang diselenggarakan oleh Kementrian Pendidikan
Kebudayaan, Riset, dan Teknologi Replubik Indonesia. Orbit Future Academy adalah
sebuah perusahaan dibidang teknologi edukasi melalui dua program unggulannya “AI
Mastery Progam dan Foundations of AI and Life Skills for Gen-Z” kegiatan ini
berlangsung sekitar 6 bulan. Orbit memiliki tujuan untuk meningkatkan kualitas hidup
melalui inovasi, edukasi, dan keterampilan. Project akhir yang dihasilkan dari kegiatan ini
berupa Papper yaitu “Analisis Prediksi Harga Tiket Pesawat Dengan Menggunakan
Metode Random Forest Regression Dinegara India”. Papper ini memiliki tujuan
memudahkan dalam memprediksi harga tiket pesawat dengan menggunakan metode
Random Forest Regression yang dapat memprekdisi harga tiket pesawat. Dengan adanya
program Studi Indpendent ini diharapkan ilmu yang diperoleh dapat diimplementasikan
dengan baik dalam perkuliahan maupun karir dimasa mendatang.

Kata kunci : Studi Indipendent, Orbit Future Academy, Random Forest Regression,
Prediksi Harga Tiket (Forecasting).

iii
 KATA PENGANTAR

Segala puji syukur kehadirat Allah SWT, yang telah melimpahkan rahmat
dan karunia – nya kepada kami semua, sehingga penulis dapat membuat Laporan
Akhir Studi Independen Bersertifikat Kampus Merdeka. Kegiatan berlangsung
selama 6 bulan (13 Februari 2022 – 30 Juni 2022), secara daring dengan
menggunakan media Zoom. Penulis belajar terkait Artificial Intelligence Al
Mastery (Kecerdasan Buatan) kampus merdeka di Orbit Future Academy.
Penulis juga mengisi laporan mingguan dan bulanan di Platform Kampus
Merdeka. Penulis berusaha semaksimal mungkin menyusun laporan akhir secara
baik dan benar serta kritik dan saran yang dibutuhkan demi kesempurnaan laporan
akhir ini. Maka dalam kesempatan ini penulis mengucapkan terima kasih kepada
pihak yang telah membantu dalam penyusunan Laporan Akhir Studi Independen
Bersertifikat Kampus Merdeka diantaranya :
1. Kementrian Pendidikan, Kebudayaan, Riset Dan Teknologi Replubik
Iindonesia selaku penyelenggara program Kampus Merdeka.
2. Prof. Dr. Ir. Darsono., M.Si., sebagai rektor Universitas Muria Kudus.
3. Noor Indah Rahmawati., S.E., M.M selaku Ketua Program Sstudi
Manajemen Universitas Muria Kudus.
4. Coach Farchan Hakim Raswa selaku Coaches/pembimbing kelas Visioner
pada Orbit Future Academy yang mendampingi dari awal materi hingga
selesainya pengerjaan tugas proyek akhir.
5. Para Coach selaku pemberi materi dan motivasi selama proses
pembelajaran pada Orbit Future Academy.
6. Orang Tua serta kerabat saudara yang telah mendukung dan mendukung
pembelajaran dan pengerjaan proyek akhir.
7. Semua anggota Tim Kelompok 3 Visioner yang telah berpartisipasi dalam
kerja sama pembuatan tugas proyek akhir.

iv
8. Teman-teman kelas Visioner yang selalu memberi bantuan, dukungan,
nasihat, dan selalu ada untuk menyemangatiku dalam mengerjakan tugas
akhir.

Akhir kata, penulis berharap laporan ini dapat bermanfaat bagi

pembaca serta dapat menginspirasi mahasiswa lain untuk mengikuti kegiatan
Kampus Merdeka Di Orbit Future Academy.

Kudus, 5 Juni 2023

Peserta Program,

Lina Fitriana
NIM. 201911594

v
 DAFTAR ISI

BAB I ...................................................................................................................... 1

PENDAHULUAN .................................................................................................. 1

I.1 Latar belakang ......................................................................................... 1

I.2 Lingkup ................................................................................................... 2

I.3 Tujuan ..................................................................................................... 2

BAB II ..................................................................................................................... 3

ORBIT FUTURE ACADEMY ............................................................................... 3

I.4 Struktur Organisasi ................................................................................. 3

I.5 Lingkup Pekerjaan .................................................................................. 4

I.6 Deskripsi Pekerjaan ................................................................................. 5

I.7 Jadwal Kerja ............................................................................................ 7

I.8 Latar Belakang Proyek Akhir.................................................................. 8

I.9 Usulan Metode ........................................................................................ 9

I.10 Hasil dan Pembahasan Proyek Akhir .................................................... 15

BAB IV ................................................................................................................. 17

PENUTUPAN ....................................................................................................... 17

I.11 Kesimpulan ........................................................................................... 17

I.12 Saran ...................................................................................................... 17

REFERENSI ......................................................................................................... 19

Lampiran A. TOR ................................................................................................... 1

Bab II Lampiran B. Log Activity ....................................................................... 1

Bab III Lampiran C. Artikel Ilmiah .................... Error! Bookmark not defined.

vi
 DAFTAR TABEL

Tabel 2.1 Tabel Pembagian Tugas Kelompok 2 .............................................. 6

Tabel 2.2 Agenda Kelas................................................................................... 7

vii
 Daftar Gambar

Gambar 2.1 Logo Orbit Future Academy .............................................................. 3

Gambar 2.2 Struktur Orgaisasi OFA ...................................................................... 4
Gambar 2.3 Struktur Tugas Kelompok 3 ............................................................... 6
Gambar 3.2 Data Acquisition................................................................................ 11
Gambar 3.3 Pengambilan Data ............................................................................. 12
Gambar 3.4 Data Eksploration .............................................................................. 13
Gambar 3.5 Modelling .......................................................................................... 13
Gambar 3.6 Modelling .......................................................................................... 14
Gambar 3.7 Evaluation.......................................................................................... 15

viii
 BAB I
PENDAHULUAN

I.1 Latar belakang

Program Magang dan Studi Independen Bersertifikat (MSIB)
merupakan salah satu program pembelajaran, dari delapan program atau
metode yang dicanangkan dalam kebijakan Kampus Merdeka. Studi
Independen Bersertifikat Kampus Merdeka sebuah pembelajaran di kelas yang
dirancang dan dibuat khusus berdasarkan tantangan nyata yang dihadapi oleh
mitra/industri. Program ini dapat berupa kursus singkat, boot camp, kursus
daring terbuka secara besar-besaran (MOOC) dan lain - lain.
PT Orbit Ventura Indonesia mejadi salah satu yang bekerja sama
dengan kampus merdeka. Banyak program yang ditawarkan salah satunya
adalah Al Mastery, AI Mastery Program adalah program pelatihan Artificial
Intelligence (AI) secara daring untuk pelajar yang bertujuan bukan hanya
untuk memperkenalkan teknologi AI ke pelajar, tapi juga untuk
memungkinkan mereka bisa mengangkat perangkat AI, sehingga bisa
membuat sesuatu yang menciptakan dampak sosial. Program tersebut berfokus
pada komponen utama AI seperti Data Science, Natural Language Processing
and Computer Vision.
AI Mastery Program adalah program pelatihan Artificial Intelligence
(AI) secara daring untuk pelajar yang bertujuan bukan hanya untuk
memperkenalkan teknologi AI ke pelajar, tapi juga untuk memungkinkan
mereka bisa mengangkat perangkat AI, sehingga bisa membuat sesuatu yang
menciptakan dampak sosial. Program ini merupakan salah satu program yang
ada di Orbit Future Academy. Program AI Mastery berdurasi 6 bulan dan
Berfokus pada komponen utama AI seperti Data Science, Natural Language
Processing and Computer Vision dari level basic sampai level advance
mencakup bahasa pemograman Python dan AI Project Cycle (Problem
Scoping, Data Acquisition, Data Exploration, Modelling, Evaluation dan
Deployment).

1
 Berdasarkan kegiatan AI Mastery di atas yang mengharuskan
membuat proyek akhir di program maka penulis mengambil pembahasan
terkait data science. Data science adalah proses penggalian data sehingga
dihasikan produk data yang benar atau dengan kata lain. Data Science
merupakan sebuah proses untuk memproduksi pengetahuan data (data
insight). Untuk menghasilkan produk data yang benar data science memiliki
terdiri dari tiga fase yaitu desain data, pengumpulan data, dan analisis data
[3]. Penulis membuat proyek akhir berjudul “Analisis Prediksi Harga
Tiket Pesawat Dengan Menggunakan Metode Random Forest
Regression Dinegara India

I.2 Lingkup
Proyek akhir ini menjadi lebih terarah dan mendapatkan hasil yang
lebih spesifik, dengan adanya batasan masalah. Yaitu, diberikan
kemampuan dasar untuk dapat memprediksi harga tiket pesawat Metode
yang digunakan dalam pembuatan model Mechine Learning merupakan
cabang dari kecerdasan buatan (AI) dan ilmu komputer yang berfokus pada
penggunaan data dan algoritma untuk meniru cara manusia belajar dan
secara bertahap dapat meningkatkan akurasinya[4]. Sistem menggunakan
library flask untuk diaplikasikan ke paper. Hasil akhir dari sistem ini adalah
sebuah papper yang dikhususkan untuk masyarakat yang kesulitan melihat
kisaran harga tiket pesawat.

I.3 Tujuan
Tujuan dari hasil mengerjakan projek dan mengikuti kegiatan MSIB
bagi para peserta antara lain adalah :
a. Mampu memahami proses dari awal hingga akhir dalam dunia
teknologi terkhusus pada bidang Artificial Intelligence
b. Mampu mengimplementasikan Artificial Intelligence dalam teknologi
sehari-hari
c. Mampu menyelesaikan projek akhir yang diberikan
d. Memiliki kemampuan dari bidang Artificial Intelligenc

2
 BAB II
ORBIT FUTURE ACADEMY

I.4 Struktur Organisasi

Gambar 2.1 Logo Orbit Future Academy

Orbit Future Academy (OFA) didirikan pada tahun 2016 dengan tujuan
untuk meningkatkan kualitas hidup melalui inovasi, edukasi, dan pelatihan
keterampilan. Label atau brand Orbit merupakan kelanjutan dari warisan
mendiang Prof. Dr. Ing. B. J. Habibie (presiden Republik Indonesia ke-3) dan
istrinya, Dr. Hasri Ainun Habibie. Mereka berdua telah menjadi penggerak dalam
mendukung perkembangan inovasi dan teknologi pendidikan di Indonesia. OFA
mengkurasi dan melokalkan program/kursus internasional untuk upskilling atau
reskilling pemuda dan tenaga kerja menuju pekerjaan masa depan. Hal ini sesuai
dengan slogan OFA, yakni “Skills-for-Future-Jobs”.

Visi:
Memberikan pembelajaran berbasis keterampilan transformatif terbaik untuk para
pencari kerja & pencipta lapangan kerja.

Misi:

3
 1. Membangun jaringan Orbit Transformation Center (OTC) secara nasional
untuk menyampaikan kurikulum keterampilan masa depan berbasis
sertifikasi melalui Platform Konten Digital.
2. Secara proaktif bekerja dengan pemerintah & organisasi dengan mengubah
tenaga kerja mereka agar sesuai dengan perubahan pekerjaan yang terjadi
karena Industri 4.0.
3. Melatih pemuda dengan keterampilan kewirausahaan & mencocokkan
mereka dengan peluang masa depan yang muncul di berbagai industri.
4. Menghubungkan jaringan inkubator dan akselerator yang dikurasi ke
industri, investor, dan ekosistem start-up global.

Struktur organisasi OFA dapat dilihat pada Gambar 2.2.

Gambar 2.2 Struktur Organisasi OFA

I.5 Lingkup Pekerjaan

Seorang fasilitator akan mendampingi kurang lebih 25 peserta MSIB (mahasiswa)
dalam satu kelas. Terdapat dua jenis fasilitator, yakni:
a. Homeroom Coach
Homeroom coach bertugas menyampaikan materi tentang dasar-dasar AI,
memberikan penilaian pada peserta dan membimbing peserta saat
pengerjaan Proyek Akhir (PA).

4
Domain Coach
Domain coach bertugas menyampaikan materi tentang domain AI dan
memberikan penilaian pada peserta.

Lingkup pekerjaan peserta adalah mengikuti kelas bersama homeroom coach atau
domain coach dan mengerjakan semua assessment yang diberikan sesuai agenda
kelas hingga program selesai.

I.6 Deskripsi Pekerjaan

Berikut adalah deskripsi pekerjaan peserta sebelum pengerjaan PA:
a. Mengikuti pre-test.
b. Mengikuti pembelajaran sesi AI Fundmental secara daring pada pukul
09.00 hingga 10.40 WIB untuk kelas pagi dan pukul 13.30 hingga 15.10
WIB untuk kelas siang.
c. Mengikuti pembelajaran sesi AI Domain secara daring pada pukul 09.00
hingga 11.30 WIB untuk kelas pagi dan pukul 13.30 hingga 15.00 WIB
untuk kelas siang.
d. Mengerjakan latihan maupun hands-on secara individu atau kelompok
yang diberikan oleh homeroom coach atau domain coach saat kelas
berlangsung.
e. Mengerjakan tugas belajar terstruktur yang diberikan homeroom atau
domain coach hingga batas waktu tertentu.
f. Mengerjakan student activity dan quiz yang diberikan homeroom coach
atau domain coach hingga batas waktu tertentu.
g. Mengikuti ujian teori dan praktik.

Mahasiswa memiliki peran selama pengerjaan PA, dengan deskripsi pekerjaan

sebagai berikut:

5
 Winda Setyaningsih

CEO

Lina Fitriana
Naily Saidatun Nihlah
Data Science UI/UX Designer

Gambar 2.3 Struktur Tugas Kelompok 3

Tabel 2.1 Tabel Pembagian Tugas Kelompok 3

Nama Peran Tugas
Winda Setyaningsih CEO • Memimpin perkembangan dan
mengimplementasikan strategi
kelompok
• Melihat perkembangan dari
masing-masing anggota
• Memantau risiko yang dapat
muncul dalam sebuah kelompok
• Melakukan komunikasi, atas
nama kelompok dan dengan
yang lain
Lina Fitriana Data Science • Menganalisa database
perusahaan untuk meningkatkan
pengembangan, marketing, dan
strategi bisnis
• Dapat menganalisis data agar
mendapatkan insight yang dapat
digunakan
• Mampu bekerja dan
berkolaborasi bersama tim lain
untuk mendiskusikan terkait
kebutuhan data yang perlu
ditindaklanjuti lebih jauh

6
Naily Saidatun Nihlah UI/UX • Menganalisis profil pengguna
Designer aplikasi dan/atau situs
• Memvisualisasi user flow
menjadi desain produk yang
teruji dan indah
• Menganalisis profil pengguna
aplikasi dan/atau situs
• Membuat/ merapikan tampilan
dari laporan dan power point.

I.7 Jadwal Kerja

Program ini berlangsung setiap hari kerja (Senin sampai dengan Jumat),
dengan rincian sebagai berikut:

Tabel 2.1 Agenda Kelas Sesi AI Fundamental

Pukul (WIB) Durasi (Menit) Aktivitas
09.00 s.d. 10.40 100 Kelas Pagi
13.30 s.d. 15.10 100 Kelas Siang

Tabel 2.2 Agenda Kelas Sesi AI Domain

Pukul (WIB) Durasi (Menit) Aktivitas
09.00 s.d. 11.30 150 Kelas Pagi
13.30 s.d. 15.00 90 Kelas Siang

Program ini berlangsung dari bulan Februari 2023 sampai dengan bulan Juni 2023
(20minggu).

7
 BAB III
ANALISIS PREDIKSI HARGA TIKET PESAWAT DENGAN
MENGGUNAKAN METODE RANDOM FOREST REGRESSION
DINEGARA INDIA

I.8 Latar Belakang Proyek Akhir

Untuk memenuhi kebutuhan maskapai penerbangan, diperlukan suatu cara
untuk menentukan harga tiket pesawat sesuai kebutuhan pasar dengan bantuan
pengaruh teknologi dan informasi. Sistem jaringan transportasi udara khususnya
transportasi pesawat masih kurang baik, misalnya pembelian tiket pesawat masih
ada kesulitan untuk pengecekkan harga tiket pesawat sehingga memberikan
informasi yang berguna untuk user mendapatkan tiket pesawat.[2]
Artificial Intelligence (kecerdasan buatan) yang membuat mesin mampu
menjawab pertanyaan secara cerdas sekarang ini dalam bidang rekayasa yang
sangat luas. Kecerdasan buatan atau artificial intelligence merupakan bagian dari
ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia atau bahkan lebih baik dari
manusia. Sistem cerdas (intelligent system) adalah sistem yang dibangun dengan
menggunakan teknik-teknik artificial intelligence. Salah satu yang dipelajari pada
kecerdasan buatan adalah teori Sistem Pakar.
Fitur prediksi harga tiket pesawat dengan system artificial intelligence
merupakan inovasi baru dalam layanan transportasi saat ini. Sistem aplikasi yang
dibangun ini dalam rencananya dapat menambahkan pengetahuan dan
memberikan fungsi yang layak kepada user sebagai bahan refrensi untuk
menentukan pengecekan harga tiket pesawat sehingga memberikan informasi
yang berguna untuk user.
Algoritma yang digunakan dalam pengamplikasian prediksi harga tiket
pesawat yang kami lakukan yaitu menggunakan algoritma Random Forest
Regression dan Arima. Random Forest merupakan suatu algoitma yang digunakan
untuk menyelesaikan keputusan berdasarkan agresiasi sejumlah pohon keputusan.

8
Random Forest menjadi algoritma klasifikasi populer untuk diimplementasikan di
berbagai bidang. Algoritma random forest sering dipakai untuk masalah
klasifikasi seperti prediksi karena random forest bekerja lebih efisien khususnya
menggali informasi pada data yang berukuran besar, model relatif cukup efektif
untuk data diskrit. Tidak hanya itu kami juga menggunakan metode Tuning
Hyperparameter, dimana dilakukannya 8 tuning (penyetelan) parameter pada
pemodelan dengan Random Forest bertujuan untuk meningkatkan kemampuan
prediksi atau membuat lebih mudah untuk melakukan pelatihan pada model.
Dalam papper yang kami buat ini memiliki berbagai informasi yang dapat
mempengaruhi harga penerbangan, jarak, waktu pemberhentian, hingga jumlah
pemberhentian. Faktor-faktor tersebut membantu menciptakan pola untuk
menentukan harga tiket pesawat, dan model Machine Learning dilatih tentang
pola ini untuk membuat prediksi di masa depan, otomatis membuat proses
sehingga menjadi lebih mudah dan memudahkan penguna.
I.9 Usulan Metode
Pada penelitian ini kami menggunakan metode random forest regression.
Kemudian proses prediksi harga tiket pesawat akan dilakukan oleh mesin atau
sistem, selanjutnya membuat sebuah papper dan ditampilkan di website yang
dapat memprediksi harga tiket pesawat yang bertujuan agar mempermudah
masyarakat mengetahui harga tiket pesawat saat ini dan harga tiket pesawat yang
akan mendatang.
Adapun proses pelaksanaannya mengenai pengerjaan aplikasi tersebut
sebagai berikut.
Proses Pengerjaan Project Akhir Menggunkan Metode Al Project Cycle
1. Problem Scoping (Mencari Data)
Seiring dengan pesatnya laju perkembangan teknologi terkini
dituntut adanya informasi yang cepat, tepat dan akurat. Dasar masalah
yang saat ini dihadapi oleh masyarakat yakni harga tiket pesawat yang
sulit ditebak, hal ini terjadi karena perbedaan signifikan pada harga tiket
pesawat di hari ini atau di hari yang akan datang.

9
 Maka untuk mengatasi masalah ini kelompok kami telah
mengumpulkan data. Data yang digunakan dalam penelitian ini adalah
data harga tiket pesawat yang didapkan dari system pengumpulan data
dengan teknik secara manual melalui observasi pada suatu aplikasi
Trip.com. Dalam proses data prediksi harga tiket pesawat ini yang
digunakan yakni beberapa variabel seperti: maskapai, tanggal
keberangkatan, waktu keberangkatan, transit, dan harga tiket penerbangan
antara beberapa kota di bulan mei dan juni 2022. Hal ini bertujuan untuk
membangun suatu model yang bias memprediksi harga tiket pesawat
menggunakan beberapa fitur input.
1. Data Minning
Data mining adalah sebagai proses untuk mendapatkan
informasi yang berguna dari gudang basis data yang besar. Data
mining sering juga disebut dengan Knowledge Discovery in
Database atau disingkat KDD, adalah kegiatan yang meliputi
pengumpulan, pemakaian data histori untuk menelusuri data yang
ada untuk membangun sebuah model agar dapat mengenali pola
data yang lain berukuran besar. Data mining juga dapat
mengekstraksi (mengambil intisari) pengetahuan dari sekumpulan
data sehingga didapatkan struktur yang dapat dimengerti manusia
serta meliputi basis data dan manajemen data, prapemrosesan data,
pertimbangan model dan inferensi, ukuran ketertarikan,
pertimbangan kompleksitas, pasca pemrosesan terhadap struktur
yang ditemukan, visualisasi, dan online updating.

Pada tahap ini kami kelompok 3 membagi tugas untuk mencari

sebuah informasi atau data referensi yang mencakup tentang project ini.
Data tersebut bisa berupa artikel, dataset, dan codingan. Untuk artikel bisa
mengakses melalui web https://scholar.google.com/ dan untuk dataset dan
codingan bisa diakses melalui https://www.kaggle.com/search. Selanjutnya
data tersebut diproses dengan memfilter data mana yang akan dipergunakan

10
 untuk proses pengerjaan project ini, hal itu dilakukan meminimalisir data
yang sudah dikumpulkan oleh para anggota, selanjutnya data tersebut mulai
diproses untuk dijadikan sebuah bahan untuk membuat dataset yang akan
digunakan ke dalam data minning.

2. Data Acquisition (akuisi data)

Data Acquisition merupakan alat atau proses yang digunakan untuk
mengumpulkan informasi data untuk tujuan menganalisa suatu gejala fisik
atau elektrik seperti voltase, arus, suhu, tekanan, atau suara menggunakan
komputer. Pengukuran dapat dilakukan dari berbagai sumber signal input.
Pada tahap ini merupakan tahap awal pada codingan di mana dilakukannya
mengimport dataset melalui pandas, hal tersebut dilakukan untuk
memudahkan membaca sebuah file dengan banyak jenis format seperti
file.txt, csv, dan lain – lain. Berikut hasil codingan kelompok kami

Gambar
Gambar 3.2
3.1 Data
DataAcquisition
Acquisition

2. Sumber Data
Sumber data yang digunakan bersumber dari data
sekunder. Di mana dalam pencarian tersebut dilakukan studi
literatur terhadap semua anggota kelompok 3 mengenai sumber
data yang akan digunakan. Sumber Data tersebut diiperoleh dari
data referensi pada kaggle serta data dari perusahaan yang kami

11
 tuju. Data yang terkumpul dari beberapa referensi kaggle itu kita
pilih yang sesuai dengan kebutuhan papper web yang akan dibuat
nantinya. Setelah itu data yang terpilih tersebut akan diolah
kembali menjadi beberapa bagian pelabelan variabel karena
terdapat beberapa variabel yang perlu dihilangkan dan dirubah.
3. Jumlah Data
Setelah pencarian data dari sumber data yang kita peroleh
terdapat 10684 data yang didapat untuk mengoperasikan aplikasi
web. Dari data tersebut dilakukan pelabelan dengan 11 variabel
tediri dari
„Airline, Date_of_Journey, Source, Destination, Route, Dep_Time,
Arrival_Time, Duration, Total_Stops, Additional_Info, dan Price
4. Pengambilan Data
Dalam proses pengambilan data yang dilakukan oleh
anggota kelompok 3 yaitu mencari data untuk setiap variabel yang
sudah terkumpul. Untuk variabel utama nya yaitu dengan melihat
jam terbang dan harga yang sering digunakan untuk melihat harga
tiket pesawat. Setelah itu terbentuk sebuah data transaksi
persediaan yang dilakukan oleh pengusaha tas. Hasil dari
pengambilan data sebagai berikut:

Gambar 3.3 Pengambilan Data

Gambar 3.2 Pengambilan Data
12
3. Data Eksploration (Eksplorasi Data)
Proses esplkorasi data yang dilakukan dari dasaset ini adalah
mengubah beberapa tipe data seperti pada “Date_of_Juorney” merupakan
tipe data objek, oleh karena itu diubah tipe data ini menjadi stempel waktu
“to_datetime” untuk mengonversi tipe data objek ke tipe date time agar
dapat menggunakan kolom tipe data yang benar dan sesuai dengan
prediksi

Gambar
Gambar 3.3
3.4 Data
Data Eksploration
Eksploration

4. Modelling (Permodelan)
Modelling merupakan suatu metode dalam pemodelan secara
visual yang digunakan sebagai sarana perancangan sistem berorientasi
objek dan mempermudah pengembangan piranti lunak (RPL) serta
memenuhi semua kebutuhan pengguna dengan efektif, lengkap, dan tepat
seperti scalability, robustness, security, dan sebagainya. Pada tahap ini
untuk proses modelling menggunakan algoritma random forest regresion
karena data yang digunakan berbasis klasifikasi prediksi harga tiket
pesawat. Dalam proses modelling memisahkan dataset menjadi data train
untuk prediksi w.r.t X_test dimana hal itu digunakan untuk penyesuaian
data dalam pemeriksaan regresi “RSME” score.

13
 Pada modelling ini juga menggunakan algoritma Hyperparameter
Tuning, dimana Tuning hyperparameter adalah salah satu proses yang
dilakukan untuk menemukan parameter yang optimal. Mengoptimalkan
parameter untuk model machine learning adalah langkah solusi dalam
membuat prediksi yang lebih baik dan akurat. Hyperparameters
mendefinisikan karakteristik model yang dapat mempengaruhi akurasi
model dan efisiensi komputasi. hal ini berfungsi untuk meningkatkan
prediksi. Proses penyetelan hyperparameter ini dilakukan dengan
menetapkan hyperparameter dalam bentuk kamus yang disesuaikan
dengan model datanya seperti “GridScearchCV”. Hal ini berguna untuk
pemerikasaan parameter terbaik dan skor terbaik.

14

Gambar 3.6 Modelling

Gambar 3.5 Modelling
 5. Evaluation
Evaluation digunakan untuk dataset yang berukuran besar membagi
dataset menjadi dua bagian yakni bagian yang digunakan untuk training
data dan testing data dengan proporsi tertentu. Seperti yang kita ketahui,
train/test split membagi dataset menjadi train set dan test set, atau dengan
kata lain, data yang digunakan untuk proses training dan testing
merupakan kumpulan data yang berbeda. Metode train/test split ini akan
memberikan hasil prediksi yang lebih akurat untuk new data atau data
yang belum pernah di-train.

Gambar
Gambar3.7
6 Evaluation
Evaluation

I.10 Hasil dan Pembahasan Proyek Akhir

Kelompok 3 membuat papper web tentang prediksi harga tiket pesawat.
Dengan menggunakan model random forest kami berhasil membuat papper untuk
memprediksi harga tiket pesawat dengan kami beri nama “Flight Price”

15
 Papper web ini diciptakan untuk membantu para produsen dalam
memprediksi harga tiket pesawat guna menghindari harga yang tinggi dalam
pemesanan tiket pesawat tersebut sehingga dapat mempermudah proses
pemesanan tiket pesawat. Kelompok kami memilih sasaran konsumen yang
senang bepergian, Mahasiswa, dan konsumen yang memiliki pekerjaan keluar
kota. Hal ini menjadi acuan prediksi harga tiket pesawat.
Papper web ini membantu konsumen dalam mendapatkan gambaran
keputusan dalam menentukan harga tiket pesawat yang lebih murah hingga yang
termahal. Hal itu karena flight price prediction ini merupakan sebuah papper
berbasis web dengan menggunakan metode random forest yang mampu
memprediksi harga tiket pesawat sehingga konsumen mampu mengambil arah
keputusan yaitu dengan membeli tiket pesawat dengan harga yang diinginkan.

Kelebihan Papper
• Papper ini simple dan praktis karena tinggal melihat dalam tiap informasi
yang sudah disediakan
• Hasil predikasi yang jelas yaitu “Memprediksi harga tiket pesawat”
• Mampu memprediksi persediaan bahan baku dengan jumblah dataset yang
tidak terlalu besar

Kelemhan Papper
• Informasi yang tersedia masih terbatas atau tergolong sedikit

Rencana Pengembangan Papper atau Model AI Selanjutnya

Terdapat beberapa rencana untuk pengembangan aplikasi kedepannya, antara lain
• Pengembangan dalam dataset.
• Memperbarui tampilan pada poster web prediksi agar lebih menarik.

16
 BAB IV
PENUTUPAN

I.11 Kesimpulan
Setelah menjalanin proses pembelajaran study independent di Orbit
dan dikelas AI Matery dapat ditarik kesimpulan bahwa studi ini
dilaksanakan sepenuhnya online dengan dibentuk khusus bagi mahasiswa
tanpa latar belakang digital/coding agar dapat memahami konsep
technology, serta soft skills dan hard skills apa yang diminati oleh
perusahaan-perusahaan, dan mempraktekkan secara langsung melalui
pembelajaran coding dan kegiatan proyek kelompok dan individu.
Pembelajaran melalui website Orbit dan ada sesi diskusi antar mahasiswa
dan mentor melalui media zoom. Pembuatan tugas akhir berbasis research
based juga menjadi luaran pada akhir pembelajaran dengan tujuan
mengimplementasikan hasil belajar yang sudah dilakukan. Seperti yang
sudah dibuat oleh kelompok kami yaitu pembuatan website prediksi harga
tiket pesawat dengan menggunakan random forest.
I.12 Saran
Adapun saran yang dapat diberikan berdasarkan hasil penelitian saat
ini untuk penelitian selanjutnya adalah:
1. Penelitian selanjutnya diharapkan menggunakan perbandingan
dengan metode klasifikasi lainnya.
2. Penelitian selanjutnya diharapkan perlunya penggunaan treatment
untuk mengatasi data imbalanced.

17
3. Penelitian selanjutnya diharapkan dapat memperluas dalam
menggunakan parameter saat melakukan proses tuning
hyperparameter.
4. Penelitian selanjutnya diharapkan dapat juga diaplikasikan untuk
memprediksi harga lainnya.
5. Penelitian selanjutnya diharapkan terdapat tambahan informasi-
informasi pada tampilan website

18
 REFERENSI

12
[1] R. Vinuesa, H. Azizpour, I. Leite, M. Balaam, V. Dignum, S. Domisch, A.
Felländer, S. D. Langhans, M. Tegmark and F. F. Nerini, “The role of
artificial intelligence in achieving the Sustainable Development Goals,”
NATURE COMMUNICATIONS, pp. 1-10, 2020.
[2] Zebua, Yakub Anuyuta, Daniel Ryan Hamonangan Sitompul, Stiven
Hamonangan Sinurat, Andreas Situmorang, Ruben Ruben, Dennis Jusuf
Ziegel, and Evta Indra. “Prediksi Penetapan Tarif Penerbangan
Menggunakan Auto-Ml Dengan Algoritma Random Forest.” Jurnal Teknik
Informasi Dan Komputer (Tekinkom) 5, no. 1 (2022): 115.
https://doi.org/10.37600/tekinkom.v5i1.508.
[3] A. Fadli, “Konsep Dasar Data Science,” pp. 1–7, 2020.
[2] P. Choirunisa, “Implementasi Artificial Inteligence Untuk Memprediksi
Harga Penjualan Rumah Menggunakan Metode Random Forest dan Flask
(Tugas Akhir),” 2020.

[4]이환웅정재현;,“머신러닝(MachineLearning)을활용한조세.재정정책의평

가와 설계,” 한국조세재정연구원,2020

1
Zebua et al., “Prediksi Penetapan Tarif Penerbangan Menggunakan Auto-Ml Dengan Algoritma
Random Forest.”
2
Zebua et al.

19
 Lampiran A. TOR

TERM OF REFERENCE (TOR)

STUDI INDEPENDEN BERSERTIFIKAT
ARTIFICIAL INTELLIGENCE MASTERY PROGRAM
DI ORBIT FUTURE ACADEMY

A. Rincian Program
utama AI, seperti Data Science (DS), Natural Language Processing
Artificial Intelligence Mastery Program adalah program pelatihan Artificial
Intelligence (AI) daring yang bertujuan untuk memperdalam teknologi dan
perangkat AI kepada mahasiswa, sehingga diharapkan mereka dapat
mengembangkan produk AI yang memiliki dampak sosial. Program ini
berfokus pada komponen (NLP), Computer Vision (CV), dan Reinforcement
Learning (RL) hingga tahapan Deployment (DEP). Selain keterampilan AI,
mahasiswa juga mendapat life skills yang bermanfaat untuk mencari atau
menciptakan lapangan kerja.

B. Tujuan Program
Tujuan yang diharapkan setelah peserta mengikuti program ini:
1. Memiliki wawasan tentang AI dan perkembangannya.
2. Mampu merancang dan mengimplementasikan AI Project Cycle.
3. Mampu menggunakan bahasa pemrograman Python untuk
mengembangkan aplikasi AI.
4. Mampu mengembangkan salah satu dari 3 domain AI (DS, NLP, dan CV)
hingga tahap deployment.
5. Mampu menggunakan soft skills dan hard skills dalam dunia industri dan
lingkungan perusahaan.
6. Mampu mengaplikasikan kiat-kiat yang dibutuhkan seorang wirausahawan
yang bergerak di bidang start-up dalam mentransformasikan ide ke dalam

A-1
 bentuk produk/jasa sehingga dapat menciptakan peluang bisnis yang terus
berinovasi, berevolusi, dan berkelanjutan.

C. Jadwal dan Tempat Pelaksanaan

Jadwal pelaksanaan Sesi AI Fundamental tertera dalam tabel berikut:
Pukul (WIB) Durasi (Menit) Aktivitas
09.00 s.d. 10.40 100 Kelas Pagi
13.30 s.d. 15.10 100 Kelas Siang

Sedangkan jadwal pelaksanaan Sesi AI Domain tertera dalam tabel berikut:

Pukul (WIB) Durasi (Menit) Aktivitas
09.00 s.d. 11.30 150 Kelas Pagi
13.30 s.d. 15.00 90 Kelas Siang

Kelas diselenggarakan secara daring melalui aplikasi video conference yang

berlangsung dari bulan Februari 2023 sampai dengan bulan Juni 2023 (20
minggu).

D. Peserta
Peserta program ini adalah mahasiswa yang berasal dari Perguruan Tinggi di
bawah Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik
Indonesia.

E. Uraian Tugas Peserta

Selama mengikuti program ini, peserta diharuskan:
1. Mengikuti program dari awal hingga selesai.
2. Mematuhi aturan program.
3. Mematuhi aturan kelas yang dibuat bersama oleh peserta dengan
homeroom coach atau domain coach.
4. Mengikuti kelas daring secara aktif dengan presensi minimal 85%.
5. Mengerjakan tugas belajar terstruktur, quiz, dan student activity yang
diberikan homeroom coach atau domain coach.
6. Membuat laporan harian dan mingguan di website Kampus Merdeka.

2
 7. Mengikuti ujian teori dan ujian praktik.
8. Menyelesaikan Proyek Akhir (PA) dengan luaran wajib sesuai jenis PA
yang dipilih beserta naskah laporannya.

Kudus, 5 Juni 2023

Homeroom Coach, Peserta Program,

Farchan Hakim Raswa, S.Si., M.Cs., M.Sc Lina Fitriana

NIP. 2201044 NIM. 201911594

3
 Bab II Lampiran B. Log Activity
Minggu/Tgl Kegiatan Hasil
Minggu 1/ Launching Kampus Merdeka Orbit Memahami pengertian, penerapan level,
10 Februari Future Academy dan zoom bersama metode, domain, tipe-tipe data, penerapan
2023 coach dengan materi Fundamental AI dari tiap domain AI dan ML, metode dalam
(Artificial Intelligence) dan ML domain AI dan ML, system thinking,
(Machine Learning). pengenalan algoritma dan system map.
Minggu 2/ Zoom bersama mempelajari tinjauan Memahami teknik dasar, implementasi, dan
13-17 sistematis AI yang berfokus pada tantangan. AI adalah subjek interdisipliner
Februari pengenalan, prospek dan yang melibatkan informasi, logika kognisi,
2023 pengembangan, teknik dasar, pemikiran, sistem dan biologi.mempelajari
implementasi, dan tantangan. AI phyton, Selanjutnya mempelajari subtopic
adalah subjek interdisipliner yang operation and control flow yang dimana
melibatkan informasi, logika kognisi, kita mampu menggunkan python operators
pemikiran, sistem dan untuk pemograman, mampu menggunakan
biologi.mempelajari phyton, python control flow (if-else, for loop, while
Selanjutnya mempelajari subtopic loop, break, continue, pass) untuk
operation and control flow yang pemograman dan mampu menggunkan list
dimana kita mampu menggunkan comprehension dan dictionary
python operators untuk pemograman comprehension. manipulation and
visualization yang dimana mampu
menjelaskan konsep dan implementasi data
manipulation dengan hurug NumPy dan
Pandas dan yang terakhir Basic
Mathematics.
Minggu 3/ Zoom bersama mempelajari tinjauan Memahami dan menggunakan python
20-24 sistematis AI yang berfokus pada control flow (if-else, for loop, while loop,
Februari pengenalan, prospek dan break, continue, pass) untuk pemograman
2023 pengembangan, teknik dasar, dan mampu menggunkan list
implementasi, dan tantangan. comprehension dan dictionary
comprehension. manipulation and
visualization yang dimana mampu
menjelaskan konsep dan implementasi data
manipulation dengan hurug NumPy dan
Pandas dan yang terakhir Basic
Mathematics
Minggu 4 / Zoom bersama mempelajri data Memahami mengenai data science yang
27Februari - science yang mampu mampu mengimplementasikan data science
03 Maret mengimplementasikan data science pada sekitar dan melakukan tahapan project
2023 pada sekitar dan melakukan tahapan data science. data science merupakan
project data science. proses memahami atau memperoleh
informasi dari suatu data mentah yang
selanjutnya dapat digunkan untuk prediksi
atau menentukan kategori, procesing data
meliputi data visualization, data preparation

C-1

Minggu 5/ Zoom bersama dan mempelajari apa
06-10 Maret itu visualisasi data dan betapa
2023 pentingnya proses visualisasi data
untuk kebutuhan analisis dan
permodelan data dengan
menggunakan salah satu software
visualisasi data tableu yang populer
dan dimensionality reduction di AI,
tujuan dimensionality reduction dan
teknik dimensionality reduction.
Minggu 6/ Zoom bersama dan mempelajari Art
13 – 24 of Computer Vision yang dimana
Maret 2023 menjelaskan alasan dibalik
pengembangan computer vision,
mampu mengetahui perbedaan
computer dan human vision secara
kontekstual dan mendapatkan insight
dari trend pengembangan computer
vision. selanjutnya pada materi
Additional knowladge mempelajari
mengenai image processing &
computer vision, mendeskripsikan
aplikasi image processing dan tipe
images, menggunkan openCV untuk
membaca dan memanipulasi image
dan memperbaiki kualitas citra dengan
enchancement dan filter. gambar
menggunkan openCV.
(missing value checking, tipe data,
transformasi data) metode data science
meliputi supervisd dan unsupervised
learning. data science dapat diterapkan
dalam berbagai bidang seperti
pemerintahan, perbankan, bisnis, dan
kesehatan.
Memahami apa itu visualisasi data dan
betapa pentingnya proses visualisasi data
untuk kebutuhan analisis dan permodelan
data dengan menggunakan salah satu
software visualisasi data tableu yang
populer. minggu selanjutnya mempelajari
dimensionality reduction di AL, tujuan
dimensionality reduction dan teknik
dimensionality reduction. dimensionality
reduction berfungsi untuk mengurangi fitur
atau variabel predictor yang banyak
menjadi beberapa fitur saja. akan tetapi
pengurangan fitur tidak menghilangkan
informasi yang dimuat pada data tersebut.
teknik yang digunkan ada dua yakni : PCA
dan LDA kedua teknik tersebut
menggunakan nilai eigen dan vektor eigen
dalam penyelesaiannya.
Memahami Art of Computer Vision yang
dimana menjelaskan alasan dibalik
pengembangan computer vision, mampu
mengetahui perbedaan computer dan
human vision secara kontekstual dan
mendapatkan insight dari trend
pengembangan computer vision.
selanjutnya pada materi Additional
knowladge mempelajari mengenai image
processing & computer vision,
mendeskripsikan aplikasi image processing
dan tipe images, menggunkan openCV
untuk membaca dan memanipulasi image
dan memperbaiki kualitas citra dengan
enchancement dan filter. computer vision
berfokus pada membangun sistem yang
dapat memproses, menganalisis dan
memahami gambar, image adalah
kumpulan piksel dan ada 3 jenis gambar-
biner skala abu-abu dan warna, sementara
itu kita dapat membaca , menulis,

2

Minggu 7/ Zoom bersama dan mempelajari
20-24 Maret detection & localization with YOLO
2023 dengan menjelasakan prinsip kerja
objek detection, menjelaskan prinsip
kerja YOLO (you only look once) dan
mampu menimplementasikan YOLO.
Minggu 8/ Zoom bersama dan mempelajari
27-31 Maret tentang Natural language processing
2023 (NLP) yang dimana memahami
konsep, komponen dan evolusi NLP,
memahami area aplikasi NLP dan
penerapannya, memahami NLP
pipeline secra umum dan teknik-
tekniknya sera tantangan dan masa
depan NLP
Minggu 9/ mempelajari tentang mengenai
03-07 April pertama topic word embedding and
2023 deep learning for natural language
processing (NLP) , Reinforcement
3
menampilkan gambar menggunkan
openCV.
Memahami detection & localization with
YOLO dengan menjelasakan prinsip kerja
objek detection, menjelaskan prinsip kerja
YOLO (you only look once) dan mampu
menimplementasikan YOLO. Kelebihan
YOLO adalah memperoses frame pada
kecepatan 45 fps (jaringan lebih besar)
hingga 150 fps (jaringan lebih kecil) yang
lebih baik dari pada real time, network
mampu menggeneralisasikan gambar
dengan lebih baik. sedangkan keterbatasan
YOLO meliputi Recall relatif rendah dan
lebih banyak kesalahan lokalisasi
dibandingkan dengan Faster R_CNN,
berjuang untuk mendeeksi objek dekat
karena setiap grid hanya dapat
mengusulkan 2 bounding box dan berjuang
untuk mendeteksi benda-benda kecil.
selanjutnya mempelajari tentang
Autoencoder yang merupakan jenis
jaringan saraf feedfoward tertenyu dimana
inputnya sama dengan outpunya.
autoencoder hanya dapay mengompresi
data secara bermakna seperti yang telah
mereka latih. autoencoder juga dianggap
sebagai teknik pembelajaran tanpa
pengawasan karena tidak memerlukan label
eksplisit untuk dilatih.
Memahami tentang Natural language
processing (NLP) yang dimana memahami
konsep, komponen dan evolusi NLP,
memahami area aplikasi NLP dan
penerapannya, memahami NLP pipeline
secra umum dan teknik-tekniknya sera
tantangan dan masa depan NLP. yang
diberikan pengguna. secara umum terdiri
dari : akuisisi data, ext cleaning, tet
processing, rekayasa fitur, permodelan,
evaluasi model, development dan
monitoring.
Memahami tentang word embedding and
deep learning for natural language
processing (NLP) dengan memahami NLP
pipeline secara umum dan teknik-
 Learning (RL), Markov Decision
Proses (MDP), Monte Carlo
Prediction.
Minggu 10/ Zoom bersama coach mempelajari
10-14 April tentang Temporal Difference Learning
2023 & SARSA, Q learning and deep Q
learning, Q learning agent belajar
menggunakan evaluation function
yang tergnatung pada sekumpulan
state dan sekumpulan action, dan
Machine Learning untuk Robotik
Minggu 11 / Zoom bersama dan mempelajari
17-21 April mengenai project and source code
2023 management dengan mengetahui apa
itu git dan github, konsep dasar source
code management, operasi SCM (local
and remote) dan membuat local dan
remote repository untuk berkolaborasi
dengan developer lain.
4
tekniknya. topic transfer learning for
natural language processing (NLP) dan
natural language processing real-world case
and future dengan memahami tantangan
dan masa depan NLP, Reinforcement
Learning (RL), Markov Decision Process
and dynamic programming. dapat
menyusun MDP dalam merumuskan RL
secara formal, mampu menentukan value
sebuah policy dan mampu membuat
dynamic programming tipr value iteration.,
Monte Carlo Prediction dengan
pembahasan mengenai definisi dari monte
carlo prediction, dapat mendeskripsikan
dari monte carlo estimation dan control,
dapat mendeskripsikan on-policy dan off-
policy monte carlo dan dapat
mendeskripsikan dari dasar pemograman
monte carlo.
mengetahui tentang Temporal Difference
Learning & SARSA, Q learning and deep
Q learning, Q learning agent belajar
menggunakan evaluation function yang
tergnatung pada sekumpulan state dan
sekumpulan action, Machine Learning
untuk Robotik dengan membahas tentang
dasar dari Machine Learning untuk
Robotik, mengetahui kegunaan konsep
Machine Learning untuk Robotik dan
mengimplementasikan Reinforcement
learning pada robotika, Machine Learning
untuk Robotik dengan membahas tentang
dasar dari Machine Learning untuk
Robotik, mengetahui kegunaan konsep
Machine Learning untuk Robotik dan
mengimplementasikan Reinforcement
learning pada robotika.
Memahami mengenai project and source
code management dengan mengetahui apa
itu git dan github, konsep dasar source code
management, operasi SCM (local and
remote) dan membuat local dan remote
repository untuk berkolaborasi dengan
developer lain dan web development
dengan membahas mengenai proses
pembuatan web atau web development,

Minggu 12/ Zoom bersama dan mempelajari
24 – 28 April tentang Flask RESTful API, dengan
2023 membahas mengenai HTTP request
dan HTTP response, menjelaskan apa
itu RESTful API dan mendesain
RESTful API sederhana untuk project
AI dan ML.
Minggu 13 / Zoom bersama dan mempelajari
01-05 Mei deployment untuk domain computer
2023 vision dan deployment untuk domain
reinforcement learning.
Minggu 14 / Zoom induksi sesi proyek akhir dan
08-12 Mei seminar karya tulis ilmiah Al Mastery
2023 program batch 4 dengan mentor coach
wijaya yudha atmaja dan mengisi
post test serta belajar kelompok
mempersiapkan proyek akhir dan
laporan akhir.dan melakukan Zoom
bersama kelompok serta belajar untuk
mempersiapkan proyek akhir dan
laporan akhir dengan pembagian
timeline pengerjaan proyek akhir dan
selanjutnya melakukan weekly
5
mendeskripsikan mengenai HTML sebagai
struktur atau kerangka halaman web.
Memahami tentang Flask RESTful API,
dengan membahas mengenai HTTP request
dan HTTP response, menjelaskan apa itu
RESTful API dan mendesain RESTful API
sederhana untuk project AI dan ML.
Menggunakan deployment untuk domain
data science dengan membahas mengenai
siklus proyek AI serta proses pembuatan
model khususnya untuk domain data
science (DS) dan prosess pembuatan front
end untuk aplikasi AI. Model yang
digunkan adalah Decision Tree yaitu :
model non-parametrik, model dapat
dipahami dengan mudah, tidak memerlukan
scaling. requirement untuk front end adalah
: google chrome, bootstrap, jQuery, Fonts.
desain halaman aplikasi menggunkan
navigator bar, informasi atau deskripsi
aplikasi, aplikasi, informasi anggota
kelompok dan footer.
Memahami deployment untuk domain
computer vision dan membahas mengenai
proses proyek AI serta proses pembuatan
model khususnya untuk domain Computer
Vision (CV), dan prosess pembuatan Front
End Untuk aplikasi AI. Dan memahami
deployment untuk domain reinforcement
learning dengan membahas siklus proyek
AI serta proses pembuatan model
khususnya untuk domain reinforcement
learning (RL), dan proses pembuatan front
end aplikasi AI.
Memahami Pembuatan Karya Tulis Ilmiah
dan mempersiapkan proyek akhir
 meeting bersama coaches dan
kelompok lainnya guna untuk
melakukan evaluasi.
Melakukan pemodelan klasifikasi teks Memahami pemodelan klasifikasi teks
menggunkan data dummy dan data menggunkan data dummy dan data final
final menggunakan machine learning, menggunakan machine learning, melakukan
melakukan eksperimen pengaruh text eksperimen pengaruh text preprocessing
preprocessing pada performa model. pada performa model. melakukan
melakukan pemodelan klasifikasi teks pemodelan klasifikasi teks menggunkan
menggunkan data dummy dan data data dummy dan data final menggunakan
final menggunakan machine learning, machine learning, melakukan eksperimen
melakukan eksperimen pengaruh pengaruh penggunaan pre-trained word
penggunaan pre-trained word embedding pada performa model.
embedding pada performa model. melakukan scrapping data dan mencari
melakukan scrapping data dan dumber data yaitu harga tiket pesawat india,
mencari dumber data yaitu harga tiket dan melakukan hyperparameter tuning pada
pesawat india, dan melakukan best model dan pengaruhnya pada performa
hyperparameter tuning pada best model. mendesain dan membuat halaman
model dan pengaruhnya pada user interferance dan melakukan
performa model. mendesain dan deployment menggunakan flask.
membuat halaman user interferance
dan melakukan deployment
menggunakan flask. Dan melakukan
weekly meeting bersama coach
farchan dan kelompok lainnya guna
untuk evalusi mengenai proyek akhir.
Minggu 16 / Melakukan scrapping data dan Memahami scrapping data dan mencari
22-26 Mei mencari dumber data yaitu harga tiket dumber data yaitu harga tiket pesawat india,
2023 pesawat india, dan melakukan dan melakukan hyperparameter tuning pada
hyperparameter tuning pada best best model dan pengaruhnya pada performa
model dan pengaruhnya pada model. mendesain dan membuat halaman
performa model. mendesain dan user interferance dan melakukan
membuat halaman user interferance deployment menggunakan flask.
dan melakukan deployment
menggunakan flask. Dan melakukan
weekly meeting bersama coach
farchan dan kelompok lainnya.
Minggu 17 / Mengerjakan proyek akhir dan Revisi laporan proyek akhir bab I dan
29 Mei – 02 melanjutkan mengerjakan laporan melanjutkan laporan proyek akhir bab III
Juni 2023 akhir. Mengerjakan revisi laporan
proyekakhir bab I dengan coach
melalui zoom, kemudian berdiskusi
dengan kelompok dan melanjutkan
penyelesaian bab III laporan proyek
akhir.

6
7