Tiêu đề UTS Pembelajaran Mesin.pdf ✅

Halaman 5 dari 14 Validasi dan Verifikasi WADEK AK Paraf: KAPRODI Paraf: Tgl : Tgl : ` UJIAN TENGAH SEMESTER GENAP TAHUN AKADEMIK 2022/2023 SEKOLAH VOKASI IPB Mata Kuliah : Pembelajaran Mesin (Praktikum) Koordinator : Faldiena Marcelita Program Keahlian : Teknologi Rekayasa Komputer Hari/Tanggal : Pukul : Nama Mahasiswa : NIM : Ketentuan Pengerjaan: 1. Mahasiswa NIM ganjil mengerjakan soal nomor 1 (kode soal: subur) 2. Mahasiswa NIM genap mengerjakan soal nomor 2 (kode soal: hunting) 3. Mahasiswi NIM ganjil mengerjakan soal nomor 3 (kode soal: jamur) 4. Mahasiswi NIM genap mengerjakan soal nomor 4 (kode soal: bakat) 5. Upload file python (.py) atau kernel Jupyter notebook (.ipynb) dengan format nama NIM_kode misalnya J0303211112_hunting 6. Upload screenshot tampilan di Jupyter notebook Jika tidak sesuai, nilai UTS = 0 1. Diagnosis Kesuburan Disediakan 1 buah dataset (fertility.csv) yang menunjukkan kondisi fisik, kebiasaan & rutinitas sehari-hari beberapa pasien wanita, berkaitan dengan tingkat kesuburannya. Unduh dataset dari https://www.kaggle.com/gabbygab/fertility-data-set Dari dataset tersebut buatlah sebuah file python yang mengandung 2 buah algoritma model machine learning (pilihan model bebas), kemudian buatlah prediksi diagnosis kesuburan terhadap profil wanita berikut berdasarkan 2 model yang Anda pilih: • � Arin (Montir, 29 th) Sejak kecil terkenal sehat & lincah, tak pernah mengalami penyakit serius. Usai menjadi Sarjana Teknik, Arin meneruskan usaha bengkel ayahnya. Setiap hari menghabiskan 5 jam untuk duduk, sembari merokok & mengkonsumsi alkohol. • � Bebi (Chef, 31 th) Memutuskan fokus menggeluti bidang kuliner setelah 10 tahun yang lalu kakinya terpaksa diamputasi lantaran kecelakaan lalu lintas. Tidak merokok namun dalam seminggu beberapa kali mengkonsumsi alkohol. • � Caca (Gardener, 25 th) Pecinta lingkungan yang terobsesi dengan gaya hidup sehat. Sayangnya daya tahan tubuhnya lemah. Sedari kecil hingga kini, Caca kerap kali terjangkit penyakit, terutama batuk, pilek & demam. Dalam sehari, 7 jam ia habiskan untuk duduk.
Halaman 6 dari 14 Validasi dan Verifikasi WADEK AK Paraf: KAPRODI Paraf: Tgl : Tgl : ` • � Dini (Dosen, 28 th) Dosen muda ini 2 bulan lalu baru saja menjalani operasi patah tulang rusuk, akibat cedera saat berolahraga. Kini ia terpaksa duduk di kursi roda, selama masih dalam masa penyembuhan hingga 1 bulan ke depan. Setiap hari Dini merokok, namun sangat anti pada alkohol. • � Enno (Dokter, 42 th) Semasa kecil, Enno kerap kali terjangkit asma akut. Bahkan pernah menjalani perawatan intensif akibat bronkitis. Kini sebagai dokter umum, ia senantiasa menjaga kebersihan & kesehatan. Dalam sehari, 8 jam ia habiskan untuk melayani konsultasi pasien di poli umum. Output yang diharapkan adalah prediksi diagnosis terhadap 5 profil wanita di atas menurut 2 algoritma model machine learning yang Anda pilih. Misal: Arin, prediksi kesuburan: NORMAL (Logistic Regression) Arin, prediksi kesuburan: NORMAL (K-Nearest Neighbors) 2. Hunting Pemain Bola ⚽ Anda adalah seorang manager klub sepakbola ternama yang ingin merekrut pemain sepakbola muda berbakat. Pemain yang Anda targetkan untuk direkrut memiliki kriteria sebagai berikut: • Usia (Age) <= 25 tahun, • Skill umum (Overall) >= 80 point, dan • Potensi (Potential) >= 80 point. Tersedia 1 buah dataset (.csv) yang memuat data lengkap pemain sepakbola profesional kelas dunia. Unduh dataset via Kaggle: https://www.kaggle.com/karangadiya/fifa19. Dengan memanfaatkan dataset tersebut, buatlah sebuah file python (.py) atau kernel Jupyter notebook (.ipynb) yang berisi model Machine Learning yang dapat mengklasifikasikan pemain yang Anda targetkan untuk direkrut. Gunakan minimal 2 buah algoritma model machine learning (pilihan model bebas), lalu bandingkan & tentukan model mana yang memiliki akurasi terbaik. Kemudian gunakan model tersebut untuk mengklasifikasikan data pemain di bawah ini apakah tergolong pemain yang patut Anda rekrut atau tidak: Name Club Nationality Age Overall Potential
Halaman 7 dari 14 Validasi dan Verifikasi WADEK AK Paraf: KAPRODI Paraf: Tgl : Tgl : ` Name Club Nationality Age Overall Potential Andik Vermansyah Madura United FC Indonesia 27 87 90 Awan Setho Raharjo Bhayangkara FC Indonesia 22 75 83 Bambang Pamungkas Persija Jakarta Indonesia 38 85 75 Cristian Gonzales PSS Sleman Indonesia 43 90 85 Egy Maulana Vikri Lechia Gdańsk Indonesia 18 88 90 Evan Dimas Barito Putera Indonesia 24 85 87 Febri Hariyadi Persib Bandung Indonesia 23 77 80 Hansamu Yama Pranata Persebaya Surabaya Indonesia 24 82 85 Septian David Maulana PSIS Semarang Indonesia 22 83 80 Stefano Lilipaly Bali United Indonesia 29 88 86 3. Jamur Beracun � UCI (University of California, Irvine) menyediakan dataset karakteristik sampel dari sekitar 23 spesies jamur, yang diambil dari buku ilmiah The Audubon Society Field Guide dan North American Mushroom. Setiap spesies diidentifikasi sebagai jamur yang dapat dimakan atau jamur beracun yang tidak dapat dikonsumsi. Unduh dataset mushrooms.csv https://appsipbacid- my.sharepoint.com/:x:/g/personal/faldiena_m_apps_ipb_ac_id/EQDsoTEnz81Gtx18HGv7tkcB xgecSmrOhsee4_6mOjZVFA?e=TTrjh4. Data terdiri atas 23 kolom dengan detail categorical value sebagai berikut. • classes: e = edible, p = poisonous • cap-shape: b = bell, c = conical, x = convex, f = flat, k = knobbed, s = sunken • cap-surface: f = fibrous,g = grooves, y = scaly, s = smooth • cap-color: n = brown, b = buff, c = cinnamon, g = gray, r = green, p = pink, u = purple, e = red, w = white,y = yellow • bruises: t = bruises, f = no • odor: a = almond, l = anise, c = creosote, y = fishy, f = foul, m = musty, n = none, p = pungent, s = spicy • gill-attachment: a = attached, d = descending, f = free, n = notched • gill-spacing: c = close, w = crowded, d = distant • gill-size: b = broad, n = narrow