Laporan

Ujian Praktek DTS 2023

Nama Peserta : ______________________
NoReg Peserta : 14641571651___-____
 Tata cara mengerjakan Ujian Praktek
⮚ Ujian Praktek adalah ujian yang diadakan pada modul 8 yakni capstone project.

3
⮚ Lembar kerja ujian praktek dibagikan saat modul 8 dimulai, sementara data yang digunakan

0 2
adalah data pada tugas modul 2.

2
⮚ 20 menit:
Pengajar akan menjelaskan di awal sesi tentang rekapan AI Project cycle dan menjelaskan

S
tentang ujian praktek ini dan cara menuliskan laporan.

T
⮚ 25 menit:

D
Mengerjakan sendiri Ujian praktek
⮚ 60 menit:
* Tanya jawab dapat dilakukan dengan trainer selama pengerjaan Ujian Praktek ini.
* Trainer akan memberikan petunjuk yang diperlukan
⮚ 30 menit:
2 orang peserta yang telah selesai, dapat mempresentasikan hasilnya kepada trainer dalam
breakout room selama 10 menit.

DTS 2023
 Proyek AI (AI Project Cycle)

0 2 3
2
Pembatasan Eksplorasi
Evaluasi
Masalah Data

D TS
Akuisisi
Data
Pemodelan
Deployment

Reff: https://medium.com/@hannnfh/ai-project-cycle-ccd67c3dd21d

DTS 2023
 Pembatasan Masalah

2 3
⮚ Masalah apa yang ingin Anda cari penyelesaiannya?
 

0
S 2
D T
⮚ Solusi yang ingin Anda hasilkan?

DTS 2023
 Metode 4W – dalam canvas

2 3
Para
WHO

0
[stakeholders]

Masalah yang dihadapi

[isu, masalah, kebutuhan]

S 2 WHAT

Ketika
[konteks dan situasi]

Solusi yang diharapkan

D T  
WHERE

WHY

⮚ Setelah ini selesai, anda dapat melanjutkan ke akuisisi data.

DTS 2023
 Akuisisi data
⮚ Proses mengumpulkan data-data yang dibutuhkan untuk membuat proyek AI. Hal ini
merupakan dasar atau bahan yang selanjutnya diolah untuk dianalisis sesuai masalah dan

3
diamati agar bisa menghasilkan solusi terbaik. Sering disebut dengan data collecting.

2
⮚ Data yang dikumpulkan bisa berupa data yang dianalisa ataupun data berupa literatur yang

20
mendasari solusi bisa memungkin untuk digunakan.

S
Ada beberapa cara untuk mendapatkan data:

T
❖ Data primer:

D
✔ Melalui Tools/Alat (IoT) : Kamera, Microphone dan Sensor
✔ Observasi (formulir pengisian) : Survei, Penelitian
❖ Data sekunder:
✔ Open Data : BPS, AWS, Kaggle, API (REST API, Twitter API, Youtube API)
✔ Web Scraping/Crawling.
Web Scraping adalah metode ekstraksi data sebuah website yang kemudian disimpan pada database dalam
format (xlsx, csv, json, dsb.), sedangkan Crawling hanya sebatas menjelajahi data, misalnya implementasi pada
Search Engine Optimization (SEO) tujuannya untuk meningkatkan traffic visitor.

DTS 2023
 Akuisisi data

3
(Melanjutkan tugas sebelumnya)

2
⮚ Apakah Anda memiliki data untuk dianalisis? Ya / Tidak

0
⮚ Apakah Anda memiliki data primer atau sekunder atau keduanya? Primer / sekunder /

2
keduanya

S
⮚ Apakah Anda memiliki literatur yang mendukung solusi Anda? Ya / Tidak

T
⮚ Apakah Anda coba melengkapi data sekunder anda dari sumber data lain? Ya / Tidak

D
(coret yang tidak perlu)

Apa yang harus disiapkan:

⮚ 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!

DTS 2023
 Eksplorasi data
Setelah melengkapi menyiapkan data, lakukan langkah selanjutnya:

3
⮚ Load data ke Orange data mining Tools.

2
⮚ Explorasikan data dengan melihat jenis data yang anda miliki dan isilah tabel di bawah ini.

No

20
Nama parameter status (input/output) Tipe data (nominal/numerik)

TS
1

D
2
 
     
 
     
 
     
       
 
     
 
     
       
       
Note: Anda dapat menambahkan kolom baru sesuai dengan fitur yang Anda miliki.
DTS 2023
 Metode Data Mining (1)
1. Estimasi Metode Data Mining:
1) Estimasi : atribut numerik | class numerik
2) Forecasting : atribut numerik | class numerik | ada time series

3
5. Asosiasi 2. Forecasting 3) Klasifikasi : atribut numerik/nominal | class nominal

2
4) Klastering : atribut numerik | tanpa label, tanpa class

0
Data Mining Roles (Larose, 2005) 5) Asosiasi : tergantung > ada matrik korelasi

4. Klastering 3. Klasifikasi

S 2
D T (Kontinyu)

(Diskrit)

Tipe data
Himpunan data
Reff: https://romisatriawahono.net/dm/

DTS 2023
 Metode Data Mining (2)
1. Estimation (Estimasi):

3
Linear Regression (LR), Neural Network (NN), Deep Learning (DL), Support Vector Machine (SVM),

2
Generalized Linear Model (GLM), etc
2. Forecasting (Prediksi/Peramalan):

20
Linear Regression (LR), Neural Network (NN), Deep Learning (DL), Support Vector Machine (SVM),

S
Generalized Linear Model (GLM), etc
3. Classification (Klasifikasi):

D T
Decision Tree (CART, ID3, C4.5, Credal DT, Credal C4.5, Adaptative Credal C4.5), Naive Bayes (NB), K-
Nearest Neighbor (kNN), Linear Discriminant Analysis (LDA), Logistic Regression (LogR), etc
4. Clustering (Klastering):
K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means (FCM), etc
5. Association (Asosiasi):
FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc
Reff: https://romisatriawahono.net/dm/

DTS 2023
 Eksplorasi data

3
Setelah mengisi tipe data, selanjutnya:

2
⮚ Silahkan menggunakan visualisasi yang anda inginkan sesuai harapan yang Anda harapkan!

20
Tuliskan widget visualisasi apa yang telah Anda coba dan hasilnya:
⮚ ________

S
⮚ ________

T
(silahkan dilengkapi)

D
Setelah melihat fitur dan class maka pilihan Metode Data Mining yang Anda gunakan adalah:
⮚ Estimation / Forecasting / Klasifikasi / Klastering
(coret yang tidak diperlukan)

DTS 2023
 Modelling

3
Setelah metode sudah dipilih maka:

2
⮚ Algoritma apa yang ingin Anda gunakan untuk menghasilkan model (pengetahuan):

0
Regression / Decision Tree / Random Forest / ANN / K-means / __________

2
(Coret yang tidak diperlukan)

S
⮚ Evaluasi apa yang dipilih:

T
_________________________

D
⮚ Coba lakukan di Orange Data Mining, penggunaan algoritmanya dan tuliskan Langkah-
langkahnya:
✔ _________________________
✔ _________________________
✔ _________________________

DTS 2023
 Evaluasi

3
Setelah algoritma sudah dipilih maka:

2
⮚ Evaluasi apa yang dipilih:

0
_________________________

S 2
⮚ Coba lakukan di Orange Data Mining, penggunaan evaluasinya dan tuliskan langkah-

T
langkahnya:

D
✔ _________________________
✔ _________________________
✔ _________________________

⮚ Apa kesimpulan anda dari hasil evaluasinya:

✔ _________________________
✔ _________________________
✔ _________________________

DTS 2023
 Tampilan di canvas Orange
Copy paste-kan tampilan di canvas Orange Anda dengan hasil evaluasinya!

0 2 3
S 2
D T
DTS 2023
 Tindak Lanjut

3
Setelah anda menyelesaikan laporan dalam bentuk power point ini, selanjutnya:

2
⮚ Kumpulkan file ppt dan file kerja orange (ekstensi ows) di LMS yang telah disediakan.

0
⮚ Tugas ini dikumpulkan maksimal pada hari berikutnya (hari Kamis) pada jam 12.00 WIB

2
pada LMS yang telah disediakan.

S
⮚ Peserta yang tidak mengumpulkan laporan ini tidak dapat mengikuti ujian akhir yang

T
diadakan pada hari Jumat

D
Note:
• Nilai Ujian Akhir ini bernilai maksimal 100.
• Bobot penilaian ujian akhir ini adalah:
✔ 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 dengan rancangan berdasarkan AI Project Cycle
✔ 20%: Mengumpulkan file kerja orange (Orange workflow (ekstensi ows)) yang sudah jalan dan datasetnya (excel)
✔ 20%: Kesimpulan dari evaluasinya!

DTS 2023
Terima Kasih