CODEA | Koding dan Kecerdasan ArtificialSemester 2Pertemuan 2 · 1 Pertemuan × 4 JP (180 menit)
Training Model dengan scikit-learn
Melatih model Machine Learning pertama menggunakan Python library scikit-learn — dari data ke prediksi dengan MLPClassifier.
#scikit-learn#MLPClassifier#training model#Python ML#supervised learning
MODUL AJAR
Training Model dengan scikit-learn — MLPClassifier & Evaluasi Awal
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 — melatih model ML menggunakan library scikit-learn |
| Alokasi Waktu | 1 Pertemuan × 4 JP (180 menit) |
| Tahun Pelajaran | 2026/2027 |
| 2. Kompetensi Awal | |
| a. Peserta didik memahami konsep Supervised Learning. | |
| b. Peserta didik bisa menggunakan Google Colab dan menulis Python dasar. | |
| c. Peserta didik sudah pernah menggunakan Teachable Machine untuk training model. | |
| d. Peserta didik memahami konsep dataset, fitur, dan label. | |
| e. Peserta didik pernah melakukan load CSV dan EDA sederhana. | |
| 3. Profil Pelajar Pancasila | |
| a. Mandiri — Menulis kode training model secara mandiri, mencari solusi saat error. | |
| b. Bernalar Kritis — Menganalisis hasil akurasi model, memahami mengapa model bekerja atau tidak. | |
| c. Bergotong Royong — Berdiskusi dalam kelompok saat membandingkan hasil akurasi. | |
| d. Kreatif — Menerapkan model pada dataset konteks TJKT yang relevan. | |
| 4. Sarana dan Prasarana | |
| a. Laboratorium komputer dengan koneksi internet. | |
| b. Akun Google Colab. | |
| c. Proyektor/LCD. | |
| d. Dataset contoh: klasifikasi sederhana (misal: iris, atau dataset TJKT: kualitas sinyal, trafik jaringan). | |
| e. Notebook Colab template — Training Model scikit-learn. | |
| 5. Model dan Metode | |
| a. Pendekatan: Saintifik, berpusat pada peserta didik. | |
| b. Model: Project Based Learning, Discovery Learning. | |
| c. Metode: Praktik coding, diskusi, eksperimen, refleksi. | |
| 6. Target Peserta Didik | |
| a. Peserta didik reguler — seluruh siswa kelas XI TJKT. | |
| b. Peserta didik dengan pencapaian tinggi — diberikan dataset lebih kompleks dan tantangan hyperparameter. | |
| c. Peserta didik dengan kesulitan belajar — didampingi dengan kode template yang lebih terstruktur. | |
| 7. Keterkaitan dengan Mata Pelajaran Lain | |
| a. IoT — Data sensor IoT (suhu, kelembaban, cahaya) bisa dijadikan dataset untuk klasifikasi kondisi ruangan. | |
| b. DWP — Struktur program Python yang modular bisa dibandingkan dengan struktur fungsi di JavaScript. |
Daftar Isi