INSTRUKSI TUGAS AKHIR Mata Kuliah (FINAL PROJECT)

Mata Kuliah: Pengantar Sains Data

Dosen Pengampu: Novi Reandy Sasmita (NRS)

Kepada seluruh Mahasiswa Kelas Pengantar Sains Data,

Sebagai bagian dari evaluasi akhir semester, setiap kelompok diwajibkan untuk mengerjakan Final Project. Project ini bertujuan untuk menguji pemahaman Anda dalam mengolah data mentah menjadi wawasan yang bermakna menggunakan teknik statistika dan machine learning.

Berikut adalah instruksi lengkap mengenai pelaksanaan tugas:

I. Deskripsi Tugas

Setiap kelompok harus melakukan eksplorasi dan analisis data berdasarkan dataset yang telah ditentukan (daftar terlampir). Analisis wajib mencakup dua metode utama:

1. Statistika Inferensial: (Contoh: Uji Hipotesis, Uji perbedaan, Uji korelasi atau uji pengaruh) untuk menarik kesimpulan dari sampel data.

2. Machine Learning (Klasifikasi): Membangun model prediksi klasifikasi (Contoh: Decision Tree, Naive Bayes, SVM, KNN atau lainnya) beserta evaluasi modelnya (Accuracy, Precision, Recall, F1-Score).

II. Luaran

Tugas ini terdiri dari dua luaran wajib:

1. Laporan Proyek (Hardcopy)

• Format laporan ilmiah (Pendahuluan, Metodologi/Preprocessing, Hasil Analisis Statistika, Hasil Modeling ML, Kesimpulan).

• Sertakan visualisasi data yang relevan.

2. Video Presentasi (YouTube)

• Durasi: 12 - 15 Menit.

• Format: Seluruh anggota kelompok wajib berkontribusi dalam presentasi. Video harus menampilkan slide presentasi dan wajah pembicara (cam face).

• Konten: Merangkum poin-poin penting dari laporan.

3. Batas Waktu & Pengumpulan

• 📅 Deadline: Senin, 22 Desember 2025

• ⏰ Pukul: 12.00 WIB

• Laporan Fisik: Dikumpulkan di Loker Dosen (Pak Novi Reandy Sasmita).

• Video Presentasi: Diunggah ke YouTube, dan link URL video disematkan/ditulis pada laporan tugas project yang dikumpulkan juga dikirimkan ke Grup WhatsApp "Pengantar Sains Data A" dengan format: Kelompok [No] - [Judul Dataset] - [Link].

III. Daftar Pembagian Kelompok dan Dataset Tugas Proyek

Berikut adalah pembagian dataset dan anggota kelompok:

Kelompok 1 — Life Style Data

1.  Putri Azka Rayyana (2408108010060)

2.  Aisya Syatira (2408108010074)

3.  Nabila Moelidya (2408108010066)

4.  Nabilla Rana Dafiah Fatin (2408108010105)

Kelompok 2 — Airbnb Site Hotel

1.  Meutia Shafira Ramadhani (2408108010009)

2.  Cut Jazlin Amina (2408108010025)

3.  Salsabil Afifah (2408108010071)

Kelompok 3 — Life Style Data

1.  Andini Febrian (2408108010029)

2.  Aqilla Resya Luthfiya (2408108010005)

3.  Salsabila Ochtary (2408108010032)

Kelompok 4 — Cancer Risk Factors

1.  Fildza Haura Fadhillah (2408108010100)

2.  Erfina Salsabila (2408108010080)

3.  Novia Helmayanti (2408108010002)

Kelompok 5 — Cancer Risk Factors

1.  Cut Atikah Ramadhani (2408108010042)

2.  Vieka Triva Olivia (2408108010037)

3.  Amanda Febrianti (2408108010091)

Kelompok 6 — Salary Data

1.  Tri Nurcahyo Mulya (2408108010039)

2.  Azhar (2408108010094)

3.  Faiz Fadzlul Rahman (2408108010107)

Kelompok 7 — Salary Data

1.  Salsabila (2408108010019)

2.  Chelvia Melani (2408108010022)

3.  Khana Revina (2408108010016)

Kelompok 8 — Sleep Health and Lifestyle

1.  Sarah Fitria (2408108010083)

2.  Fitrianin Hartika (2408108010095)

3.  Ayu Rahmi Safarina. YF (2408108010087)

Kelompok 9 — Sleep Health and Lifestyle

1.  Wisnu Susanto (2408108010068)

2.  Muhammad Hafidh (2408108010110)

3.  Rayyan Adhyagsa Mirda (2408108010102)

Kelompok 10 — Cars Datasets 2025

1.  Satria Ragil Prasetyo (2408108010057)

2.  Iman Hambali R. (2408108010007)

3.  Teuku Furqan (2408108010063)

Kelompok 11 — Car Dataset 2025

1.  Atikah Fahira (2408108010052)

2.  Nasywa Mulyazzahra (2408108010012)

3.  Durratul Muna (2408108010055)

Kelompok 12 — Airbnb Site Hotel

1.  Aulia Auni Wafiqah (2408108010045)

2.  Najwa Ranita Lovena (2408108010077)

3.  Lathifah Aulia Rahmah (2408108010049)

IV. Dukungan Materi/Bacaan

• Data Science using R and Phyton

• Applied Univariate, Bivariate, and Multivariate Statistics using Phyton

• R for Statistical Learning

• Data Science and Machine Learning with Python and R

• R & Python for Machine Learning: A walkthrough with example code snippets

• Introduction to Machine Learning with Phyton

• Practical Machine Learning with R

V. Rubrik Penilaian Tugas Proyek

Komposisi penilaian untuk kedua tugas dapat dilihat pada tabel di bawah ini