CODEA | Koding dan Kecerdasan ArtificialSemester 2Pertemuan 10 · 1 Pertemuan × 4 JP (180 menit)
Final Project: Preprocessing & Feature Engineering
Membersihkan data dari missing values dan outlier, melakukan feature engineering, menerapkan encoding dan scaling, serta melakukan train-test split untuk proyek akhir CODEA.
#preprocessing#feature engineering#data cleaning#encoding#scaling
MODUL AJAR
Final Project: Preprocessing & Feature Engineering — Menyiapkan Data untuk 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 — Preprocessing |
| Alokasi Waktu | 1 Pertemuan × 4 JP (180 menit) |
| Tahun Pelajaran | 2026/2027 |
| 2. Kompetensi Awal | |
| a. Peserta didik sudah memiliki dataset mentah dari pertemuan 9. | |
| b. Peserta didik sudah membuat data dictionary. | |
| c. Peserta didik sudah melakukan EDA dasar. | |
| d. Peserta didik memahami konsep missing values, outlier, encoding, scaling (pertemuan 3). | |
| 3. Profil Pelajar Pancasila | |
| a. Bernalar Kritis — Memutuskan metode preprocessing yang tepat untuk setiap masalah data. | |
| b. Mandiri — Membersihkan data secara mandiri dengan kode Python. | |
| c. Kreatif — Membuat fitur baru dari data yang ada (feature engineering). | |
| d. Bergotong Royong — Berbagi teknik preprocessing dengan kelompok lain. | |
| 4. Sarana dan Prasarana | |
| a. Laptop/PC dengan Python dan library pandas, numpy, scikit-learn. | |
| b. Google Colab atau Jupyter Notebook. | |
| c. Dataset hasil pertemuan 9 (CSV). | |
| d. Data dictionary dari pertemuan 9. | |
| 5. Model dan Metode | |
| a. Pendekatan: Saintifik, berbasis proyek. | |
| b. Model: Project Based Learning. | |
| c. Metode: Praktik coding, diskusi, eksperimen preprocessing. | |
| 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 2+ metode handling missing values dan membandingkan hasilnya. | |
| c. Peserta didik dengan kesulitan belajar — diberikan script preprocessing siap pakai dan didampingi step-by-step. | |
| 7. Keterkaitan dengan Mata Pelajaran Lain | |
| a. IoT — Data sensor sering memiliki missing values karena koneksi terputus; perlu handling khusus. | |
| b. DWP — Encoding data dari form web (misal: jenis kelamin, kategori) sebelum disimpan ke database. |
Daftar Isi