CODEA | Koding dan Kecerdasan ArtificialSemester 2Pertemuan 11 · 1 Pertemuan × 4 JP (180 menit)
Final Project: Model Development
Mengembangkan model Machine Learning dengan mencoba beberapa algoritma, melakukan hyperparameter tuning, mengevaluasi performa, dan menyimpan model final untuk proyek akhir CODEA.
#model training#MLPClassifier#Random Forest#hyperparameter#evaluasi
MODUL AJAR
Final Project: Model Development — Melatih, Mengevaluasi, dan Menyimpan Model ML
Penyusun: Guru CODEA
Jenjang: SMK
Sekolah: SMK Bina Rahayu
Kelas / Semester: XI TJKT / 2 (Genap)
Tahun Pelajaran: 2026/2027
Fase: F
Alokasi Waktu: 1 Pertemuan × 4 JP (180 menit)
| Komponen | Deskripsi |
|---|---|
| 1. Identitas Modul | |
| Nama Penyusun | Guru CODEA |
| Institusi | SMK Bina Rahayu |
| Mata Pelajaran | CODEA — Koding dan Kecerdasan Artificial |
| Kelas / Semester | XI TJKT / 2 (Genap) |
| Fase | F |
| Elemen / Topik | Proyek Akhir — Model |
| Alokasi Waktu | 1 Pertemuan × 4 JP (180 menit) |
| Tahun Pelajaran | 2026/2027 |
| 2. Kompetensi Awal | |
a. Peserta didik sudah memiliki dataset siap training (dataset_split.pkl) dari pertemuan 10. | |
| b. Peserta didik memahami konsep supervised learning: klasifikasi/regresi. | |
| c. Peserta didik sudah pernah training model dengan scikit-learn (pertemuan 2-3). | |
| d. Peserta didik memahami metrik evaluasi: accuracy, precision, recall, F1, confusion matrix. | |
| 3. Profil Pelajar Pancasila | |
| a. Bernalar Kritis — Membandingkan performa beberapa algoritma dan memilih yang terbaik. | |
| b. Mandiri — Melakukan training dan tuning model secara mandiri. | |
| c. Kreatif — Mengeksplorasi kombinasi hyperparameter yang optimal. | |
| d. Bergotong Royong — Berdiskusi hasil model dengan kelompok lain. | |
| 4. Sarana dan Prasarana | |
| a. Laptop/PC dengan Python, scikit-learn, pandas, numpy, joblib. | |
| b. Google Colab (jika komputasi terbatas). | |
c. Dataset siap training (dataset_split.pkl). | |
| d. Proyektor/LCD untuk presentasi hasil. | |
| 5. Model dan Metode | |
| a. Pendekatan: Saintifik, berbasis proyek. | |
| b. Model: Project Based Learning, Eksperimen. | |
| c. Metode: Praktik coding, eksperimen algoritma, analisis hasil. | |
| 6. Target Peserta Didik | |
| a. Peserta didik reguler — seluruh siswa kelas XI TJKT dalam kelompok proyek masing-masing. | |
| b. Peserta didik dengan pencapaian tinggi — diminta mencoba 4+ algoritma dan melakukan tuning dengan GridSearchCV. | |
| c. Peserta didik dengan kesulitan belajar — didampingi dengan script training siap pakai. | |
| 7. Keterkaitan dengan Mata Pelajaran Lain | |
| a. IoT — Model ML digunakan untuk memproses data sensor dan menghasilkan prediksi/keputusan. | |
| b. DWP — Evaluasi model divisualisasikan di dashboard web (confusion matrix, metrik). |
Daftar Isi