Tata Tertib Pelatihan

= Pelatihan DTS Kominfo-IAIS=

Data Science for High School Teacher with Orange

Kerjasama Konsorsium Universitas IAIS and DTS

Kominfo
Outline
 Maksud dan Tujuan
 Aturan Pelatihan
 Aturan Kelas
 Aturan Tugas
 Penilaian Tugas
 Penilaian Kelulusan
 Modul Pelatihan
 Maksud dan Tujuan
Maksud:
 Memberikan pelatihan bagi pengajar di Indonesia pada tahapan kesadaran (awareness) dan
diharapkan agar mampu menggunakan salah satu tools machine learning pada kesehariannya.
Tujuan:
• Peserta memahami tentang Artificial Intelligence (AI), Data Science dan AI Project Cycle dalam
proses implementasi AI.
• Peserta paham menggunakan salah satu tools machine learning yaitu “Orange”.
• Peserta mampu menggunakan “Orange” sebagai tools untuk memprediksi.
• Peserta bisa mempraktekkan standar penggunaan “Orange” dalam kesehariannya sebagai guru.

Target audience:
 Guru SMA/SMK seluruh Indonesia
Pelaksanaan
 Pertemuan : 8 kali (8 modul)
 Aturan Pelatihan
(Peserta)

Kriteria peserta:
 Peserta yang telah dipilih oleh kominfo akan mengikuti pelatihan.
 Peserta telah melengkapi kelengkapan administrasi yakni membuktikan sebagai guru SMA/SMK.
 Peserta melengkapkan beberapa syarat administrasi lainya yang telah ditetapkan.

Aturan Pelatihan:
 Peserta harus mempersiapkan dirinya agar tetap sehat dan fokus.
 Peserta akan melakukan pelatihan 8 pertemuan/modul selama 2 Minggu.
 Peserta akan mengerjakan tugas di luar kelas dan tugas di dalam kelas (bersama trainer).
 Peserta akan dibantu oleh admin kelas yang telah dibagi dari group telegram kelas.
 Peserta diwajibkan mengisi absensi sebelum memulai sesi di kelasnya masing-masing.
 Peserta diwajibkan mengisi pretest dan post test di setiap pertemuan yang akan diikuti.
 Peserta diwajibkan mengisi evaluasi trainer di akhir sesi setiap kelas.
 Peserra aka dipandu oleh admin kelas untuk melakukan foto session di akhir sesi.
 Aturan Kelas
(Peserta)

Aturan di kelas:
• Peserta akan dipandu oleh admin kelas selama pelatihan.
• Peserta akan mendapatkan materi pembelajaran (pelatihan) pada pelatihan 1jam sebelum pelatihan
dimulai. Materi pembelajaran ini dapat dipelajari setelah modul selesai
• Zoom link sudah dibagikan minimal 1 jam sebelum kelas dimulai
• Peserta dapat masuk ke ruangan zoom 30min sebelum pelatihan dimulai.
• Admin kelas akan memberikan password untuk mengisi presensi.
• Peserta akan mengisi absensi di LMS dan dilanjutkan dengan Pre-Test sebanyak 15 soal (15min).
• Mengikuti pelatihan selama 135min.
• Setelah sesi berakhir:
- Peserta akan melakukan foto session
- Peserta diminta mengisi evaluasi trainer, setelah itu dilanjutkan Post-test sebanyak 15 soal
(10min).

> Masuk ke zoom kelas menggunakan format: [kelas]_[nama]

 Aturan Kelas
(evaluasi trainer)

Pengaturan:
 Evaluasi trainer menggunakan 5 parameter di bawah ini.
 Setiap item mengandung angka 0-10 yang dilakukan di LMS Kominfo.
 Aturan Tugas
(Peserta)
Selama pelatihan, Peserta akan mengerjakan:
a) 1 kali Tugas di luar kelas (modul 2)
b) 5 kali Tugas di dalam kelas bersama trainger (hands on – modul 3,4,5,6,7)
c) 1 kali Ujian Praktik (modul 8)
d) 1 kali Ujian akhir

Aturan pengerjaan tugas:

• Modul 2: Peserta akan diberikan tugas untuk modul 2 yang diberikan di LMS (lebar tugas dan lembar data)
> dikumpulkan di akhir modul 2 di LMS.

• Modul 8: Lembar data (dari tugas modul 2) tetap dilengkapi dengan data sekurangnya 150 data.
> Data tersebut akan digunakan di kelas sebagai Ujian Praktik.
> Peserta mengerjakan bersama dengan trainer di dalam kelas.
> Peserta yang telah selesai (mendapat nilai tambahan) akan presentasi di depan kelas – 2 orang
> Peserta akan membuat laporan Ujian Praktik dan dikumpukan pada hari Jumat jam 12.00 WIB di LMS.

• Ujian akhir akan dilakukan pada hari Jumat jam 19.00WIB

 Penilaian Tugas
(Ujian Praktik)
Selama pelatihan, Peserta akan mengerjakan:
a) 1 kali Tugas di luar kelas (modul 2)
b) 5 kali Tugas di dalam kelas bersama trainger (hands on – modul 3,4,5,6,7)
c) 1 kali Ujian Praktik (modul 8)
d) 1 kali Ujian akhir

Sistem Penilaian Ujian Praktik (modul 8):

• 15%: Kesesuaian fitur (input) dan class (target) dengan model yang digunakan.
• 15%: Kesesuaian model dengan evaluasi yang digunakan.
• 30%: Mengumpulkan laporan Ujian Praktek (ppt) yang telah diisi berdasarkan AI Project Cycle
• 20%: Mengumpulkan file kerja orange (Orange workflow (ekstensi ows)) yang sudah jalan
dan datasetnya (excel)
• 20%: Kesimpulan dari evaluasinya.
 Penilaian Kelulusan
(Peserta)

Penilaian:

1. 05%: Kehadiran
2. 05%: PreTest
3. 20%: PostTest
4. 40%: Practical Test/Ujian Praktik
5. 30%: Ujian Akhir

 Nilai kelulusan adalah minimal 60 (≥60) dari total penilaian

 Modul Pelatihan
(silabus)

Modul di bagi menjadi 4 bagian:

1. Pengenalan Artificial Intelligent, Data science dan “Orange”
2. Pengenalan tahapan pembuatan AI (AI Project Cycle):
> Problem scoping | data acquisition | data exploration | modelling | Evaluation | Deployment
3. Penggunaan Orange menggunakan data evaluasi belajar siswa:
 Visualisasi data (data exploration)
 Menggunakan algoritma ML untuk regresi
 Menggunakan algoritma ML untuk klasifikasi
 Menggunakan algoritma ML untuk klusterisasi
4. Ujian Praktek menggunakan data

 Total modul adalah 8 modul.

 Modul Pelatihan
(Topik)

1. Teori : Pengenalan AI, Data Science, dan Orange

2. Diskusi dan Hands-On: Memahami proses dalam "Data-Science"
3. Hands-On : Menyiapkan data
4. Hands-On : Melakukan identifikasi awal untuk mendeteksi pola/karakteristik data
5. Hands-On : Mengevaluasi “hasil belajar siswa” dengan Machine Learning: Regression
6. Hands-On : Mengevaluasi “hasil belajar siswa” dengan Machine Learning: Klasifikasi
7. Hands-On : Mengevaluasi “hasil belajar siswa” dengan Machine Learning: Clustering
8. Hands-On : Mengerjakan proyek sederhana: Memprediksi keberhasilan siswa dalam semua pelajaran
Modul Pelatihan
(capaian)
 Pengajar
(Asal-Usul)

1. Pengajarnya S3 | S2 | S1
2. Seluruh pengajar adalah anggota IAIS dan merupakan pengajar dari konsorsium Universitas IAIS.
3. Konsorsium Universitas IAIS (Indonesia Artificial Intelligence) yang terdiri dari 6 universitas yakni:
* Unika Atma: Universitas Katolik Atma Jaya
* Binus: Universitas Bina Nusantara
* SGU: Swiss German University
* UKSW: Universitas Kristen Satya Wacana
* UKDW: Universitas Kristen Duta Wacana
* UI: Universitas Indonesia
4. Pengajar rata-rata sudah memiliki pengalaman untuk pengolahan data dengan banyak tools AI selain Orange
Data Mining.
TERIMA KASIH