CODEA | Koding dan Kecerdasan ArtificialSemester 2Pertemuan 4 · 1 Pertemuan × 4 JP (180 menit)
Save/Load Model & Prediksi Data Baru
Menyimpan model Machine Learning ke file, memuatnya kembali, dan menggunakannya untuk prediksi data baru tanpa training ulang.
#joblib#save model#load model#prediksi#model persistence
MODUL AJAR
Save/Load Model & Prediksi Data Baru — Model Persistence dengan joblib
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 | Machine Learning dengan Python — menyimpan, memuat, dan menggunakan model ML |
| Alokasi Waktu | 1 Pertemuan × 4 JP (180 menit) |
| Tahun Pelajaran | 2026/2027 |
| 2. Kompetensi Awal | |
| a. Peserta didik sudah memiliki model hasil training dari pertemuan 2-3. | |
| b. Peserta didik memahami pipeline ML: preprocessing → training → evaluasi. | |
| c. Peserta didik bisa menggunakan MLPClassifier dan GridSearchCV. | |
| d. Peserta didik memahami konsep fitur dan label. | |
| 3. Profil Pelajar Pancasila | |
| a. Mandiri — Menyimpan dan memuat model secara mandiri. | |
| b. Bernalar Kritis — Menganalisis perbedaan prediksi data baru vs data training. | |
| c. Bergotong Royong — Berbagi file model .pkl dengan teman dan saling menguji. | |
| d. Kreatif — Membangun fungsi prediksi modular yang siap diintegrasikan. | |
| 4. Sarana dan Prasarana | |
| a. Laboratorium komputer dengan koneksi internet. | |
| b. Akun Google Colab. | |
| c. Proyektor/LCD. | |
| d. Model hasil training pertemuan 2-3 (file .pkl hasil save). | |
| e. Dataset baru untuk prediksi (data baru yang belum pernah dilihat model). | |
| f. Notebook Colab template — Save/Load Model & Prediksi. | |
| 5. Model dan Metode | |
| a. Pendekatan: Saintifik, berpusat pada peserta didik. | |
| b. Model: Project Based Learning, Discovery Learning. | |
| c. Metode: Praktik coding, demonstrasi, eksperimen, diskusi. | |
| 6. Target Peserta Didik | |
| a. Peserta didik reguler — seluruh siswa kelas XI TJKT. | |
| b. Peserta didik dengan pencapaian tinggi — diminta membuat class Python untuk pipeline prediksi yang reusable. | |
| c. Peserta didik dengan kesulitan belajar — didampingi dengan kode template yang sudah terstruktur. | |
| 7. Keterkaitan dengan Mata Pelajaran Lain | |
| a. DWP — Struktur modular kode Python (model.py, predict.py) mirip dengan function di JavaScript dan include/require di PHP. | |
| b. IoT — Model yang sudah di-save bisa di-load di perangkat edge (Raspberry Pi, ESP32) untuk prediksi real-time dari data sensor. |
Daftar Isi