Scikit-learn 1 dari 2 | Dasar Machine Learning, Workflow, dan Evaluasi
Materi dasar ML untuk XI RPL: fitur dan target, jenis pembelajaran, workflow tanpa kebocoran data, numerasi confusion matrix, kode Colab, dan LKPD.

Kelas XI RPL · Pemrograman AI
composed by : Pratiwi, S.S.I., Gr.
Ini bagian pertama dari dua artikel. Kita mulai dari cara membaca data dan jenis pembelajaran, memahami alur eksperimen yang benar, lalu menghitung evaluasi secara manual dan dengan Python. Setelah menyelesaikan bagian ini, lanjutkan ke praktik model beasiswa pada bagian kedua.
Lanjut ke bagian 2 Hands-on Beasiswa di Google Colab
Tujuan pembelajaran
Menjelaskan arti sampel, fitur X, target y, dan model.
Membedakan klasifikasi, regresi, serta clustering.
Menjelaskan split, preprocessing, training, validasi, dan testing.
Menghitung accuracy, precision, recall, dan F1 dari matriks 2 × 2.
Menyiapkan notebook Colab berisi jawaban LKPD dasar.
1 Apa itu Machine Learning dan Scikit-learn
Machine Learning adalah pendekatan untuk membentuk model dari contoh data, kemudian memakai pola itu untuk membuat prediksi pada masukan baru. Bayangkan kamu belajar dari soal latihan beserta pembahasannya. Ujian memakai soal yang berbeda untuk melihat apakah kamu memahami polanya, bukan sekadar menghafal kunci.
Scikit-learn adalah pustaka Python yang menyediakan estimator, alat preprocessing, pembagian data, validasi, serta evaluasi. Nama paket instalasinya scikit-learn, sedangkan nama yang digunakan saat import adalah sklearn. Dalam latihan ini kita memakai data tabel dan runtime CPU Google Colab.
2 Kosakata data yang perlu dipahami
Sampel: Arti = Satu contoh atau satu baris; Contoh = Satu siswa fiktif
Fitur X: Arti = Masukan yang tersedia saat prediksi; Contoh = Nilai dan penghasilan orang tua
Target y: Arti = Label acuan pada supervised learning; Contoh = 0 atau 1 pada simulasi
Model: Arti = Pola yang dipelajari dari train; Contoh = KNN atau Decision Tree
X biasanya berbentuk matriks dua dimensi: jumlah baris × jumlah fitur. y biasanya berupa daftar satu dimensi berisi target untuk setiap baris. Urutan X dan y harus tetap berpasangan.
3 Jenis pembelajaran
Klasifikasi: Keluaran = Kategori; Contoh = Spam atau bukan spam; Alat Scikit-learn = KNeighborsClassifier
Regresi: Keluaran = Nilai kontinu; Contoh = Perkiraan harga rumah; Alat Scikit-learn = LinearRegression
Clustering: Keluaran = Kelompok tanpa label acuan; Contoh = Pola belanja pelanggan; Alat Scikit-learn = KMeans
Klasifikasi dan regresi termasuk supervised learning karena data latih memiliki target. Clustering termasuk unsupervised learning karena data tidak menyediakan label kelompok sebagai jawaban acuan. Angka 0 dan 1 pada klasifikasi adalah kode kategori, bukan besaran kontinu seperti harga.
4 Workflow eksperimen yang benar
Tentukan pertanyaan, target, satuan fitur, dan batas penggunaan.
Periksa ukuran tabel, nilai hilang, rentang data, duplikasi yang tidak semestinya, serta jumlah anggota kelas.
Pisahkan train dan test sebelum mempelajari parameter preprocessing.
Fit preprocessing dan model hanya pada train. Gunakan validasi silang di dalam train untuk eksperimen parameter.
Gunakan test yang disimpan untuk evaluasi akhir. Laporkan angka beserta jenis kesalahan dan keterbatasannya.
Contoh: 100 data dengan test_size=0.2 menghasilkan 80 data train dan 20 data test. random_state mengontrol pengacakan. stratify=y membantu menjaga proporsi kelas mendekati data semula. Pembagian acak tidak selalu tepat untuk data berurutan waktu atau beberapa baris milik orang yang sama.
5 Metode penting dan kebocoran data
fit: Fungsi = Mempelajari parameter dari data latih
transform: Fungsi = Mengubah data dengan parameter yang sudah tersimpan
fit_transform: Fungsi = Belajar parameter lalu mengubah data latih
predict: Fungsi = Menghasilkan prediksi untuk masukan
StandardScaler mempelajari rata-rata dan simpangan baku tiap fitur pada train. Test dan data baru memakai transform dengan statistik yang sama. Jika scaler belajar dari seluruh data sebelum split, informasi test sudah memengaruhi pelatihan. Ini salah satu bentuk data leakage atau kebocoran data.
Pipeline menggabungkan transformer dan estimator. Pada cross-validation, Pipeline membantu scaler belajar hanya dari bagian train setiap fold. Pipeline tidak otomatis memperbaiki fitur yang bocor, target salah, atau rancangan split yang tidak sesuai.
6 Studi kasus beasiswa sebagai simulasi
Gunakan dua fitur: nilai rata-rata akademik dan Gaji_Ortu dalam juta rupiah. Label 1 berarti Nilai ≥ 80 dan Gaji_Ortu ≤ 5,5; selain itu label 0. Data dan aturan ini fiktif untuk pembelajaran, bukan ketentuan beasiswa sekolah.
85: Gaji_Ortu dalam juta Rp = 4,0; Label = 1
85: Gaji_Ortu dalam juta Rp = 8,0; Label = 0
76: Gaji_Ortu dalam juta Rp = 3,0; Label = 0
80: Gaji_Ortu dalam juta Rp = 5,5; Label = 1
KNN melakukan voting tetangga terdekat sehingga sensitif terhadap skala fitur dan pilihan jumlah tetangga. Decision Tree memakai percabangan ambang fitur dan umumnya tidak memerlukan scaling. Jika aturan sudah pasti dan diketahui, kode if langsung dapat lebih sederhana dan transparan daripada ML. Tujuan studi kasus ini adalah mempelajari workflow dan evaluasi model.
7 Confusion matrix dan empat jenis hasil
Aktual 0: Prediksi 0 = TN = 40; Prediksi 1 = FP = 5
Aktual 1: Prediksi 0 = FN = 10; Prediksi 1 = TP = 45
Contoh matriks ini berjumlah 100 data uji ilustratif. Angkanya berbeda dari test lab pada artikel kedua yang hanya 20 baris. Baris menyatakan aktual dan kolom menyatakan prediksi, dengan urutan kelas [0,1].
TN: aktual 0, prediksi 0.
FP: aktual 0, tetapi prediksi 1.
FN: aktual 1, tetapi prediksi 0.
TP: aktual 1, prediksi 1.
8 Perhitungan evaluasi numerasi
Accuracy: Rumus dan hitungan = (45 + 40) / 100 = 85%; Makna = 85 dari 100 prediksi benar
Precision: Rumus dan hitungan = 45 / (45 + 5) = 90%; Makna = 45 dari 50 prediksi positif benar
Recall: Rumus dan hitungan = 45 / (45 + 10) = 81,82%; Makna = 45 dari 55 aktual positif ditemukan
F1: Rumus dan hitungan = 90 / (90 + 5 + 10) = 85,71%; Makna = Rata-rata harmonik precision dan recall
Jika 95 dari 100 contoh berlabel 0, prediksi selalu 0 dapat memperoleh accuracy 95% tetapi recall kelas 1 menjadi 0%. Karena itu, baca support dan hasil tiap kelas. Support berarti jumlah contoh aktual tiap kelas. Pada data timpang, skor keseluruhan yang tinggi dapat menyembunyikan kegagalan kelas minoritas.
9 Praktik dasar di Google Colab
Buka Google Colab. Buat notebook baru dan gunakan satu blok kode per sel. Tekan Shift + Enter untuk menjalankan sel. Tambahkan sel Text setelah setiap langkah untuk menulis arti hasilnya. Tidak perlu memakai VS Code.
Langkah 1 Membuat tabel kecil
import pandas as pd
data = pd.DataFrame({
"Nilai": [85, 85, 76, 80],
"Gaji_Ortu": [4.0, 8.0, 3.0, 5.5],
"Target": [1, 0, 0, 1]
})
print(data)Penjelasan kode: import pandas as pd menyediakan alat tabel dengan alias pd. DataFrame menyatukan daftar menjadi kolom. Setiap posisi yang sama menjadi satu baris. Gaji_Ortu memakai satuan juta rupiah. Target menyimpan label simulasi 0 atau 1. print menampilkan tabel. Empat baris ini hanya untuk memahami struktur data, belum cukup untuk menilai model.
Langkah 2 Mengenali fitur dan target
X = data[["Nilai", "Gaji_Ortu"]]
y = data["Target"]
print("Bentuk X:", X.shape)
print("Bentuk y:", y.shape)Penjelasan kode: Kurung ganda mempertahankan X sebagai tabel dua dimensi, sedangkan y menjadi Series satu dimensi. shape menghasilkan (4, 2) untuk X dan (4,) untuk y. Target tidak ikut menjadi kolom masukan. Jika jawaban ikut masuk X, model dapat memperoleh informasi yang seharusnya tidak tersedia saat prediksi.
Langkah 3 Membuat label sesuai aturan
label_aturan = (
(data["Nilai"] >= 80) &
(data["Gaji_Ortu"] <= 5.5)
).astype(int)
print(label_aturan.tolist())Penjelasan kode: Setiap kondisi menghasilkan True atau False untuk tiap baris. Operator & mengharuskan kedua kondisi benar. Tanda kurung membatasi setiap kondisi. astype(int) mengubah True menjadi 1 dan False menjadi 0. tolist menampilkan [1, 0, 0, 1]. Angka batas 80 dan 5,5 termasuk memenuhi aturan karena operatornya >= dan <=. Aturan ini hanya simulasi pendidikan.
Langkah 4 Menghitung metrik manual
tn, fp, fn, tp = 40, 5, 10, 45
accuracy = (tp + tn) / (tn + fp + fn + tp)
precision = tp / (tp + fp)
recall = tp / (tp + fn)
f1 = 2 * tp / (2 * tp + fp + fn)
for nama, skor in {"accuracy": accuracy,
"precision": precision,
"recall": recall, "f1": f1}.items():
print(f"{nama}: {skor:.2%}")Penjelasan kode: Empat variabel menyimpan jumlah tiap jenis hasil prediksi pada contoh 100 data uji. Accuracy membagi seluruh prediksi benar dengan total. Precision membagi TP dengan semua prediksi positif. Recall membagi TP dengan semua aktual positif. F1 merangkum precision dan recall. for menampilkan setiap hasil, dan :.2% mengubah rasio ke persen dengan dua angka desimal. Hasilnya 85,00%; 90,00%; 81,82%; dan 85,71%. Penyebut pada contoh ini tidak nol.
Langkah 5 Memeriksa hitungan memakai Scikit-learn
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
y_true = [0] * 45 + [1] * 55
y_pred = [0] * 40 + [1] * 5 + [0] * 10 + [1] * 45
print(confusion_matrix(y_true, y_pred, labels=[0, 1]))
print(classification_report(
y_true, y_pred, labels=[0, 1], digits=3,
zero_division=0
))Penjelasan kode: [0] * 45 membuat 45 label aktual 0, diikuti 55 label aktual 1. y_pred sengaja disusun agar 40 negatif benar, 5 false positive, 10 false negative, dan 45 positif benar. Kedua daftar panjangnya 100 dan urutannya berpasangan. confusion_matrix menempatkan aktual pada baris dan prediksi pada kolom. labels=[0,1] mengunci urutan. classification_report menyajikan precision, recall, F1, dan support tiap kelas. zero_division=0 mengisi 0 jika suatu metrik tidak memiliki penyebut, bukan memperbaiki model. Ini pemeriksaan hitungan, bukan pelatihan model.
Unduh LKPD dan notebook Google Colab
Kerjakan secara individu. Unduh LKPD Word untuk panduan dan lembar jawaban, lalu buka notebook pendamping di Google Colab melalui File → Upload notebook. Jika memakai Word, jangan mengedit berkas master bersama-sama.
Tautan membuka berkas di Google Drive. Gunakan tombol Download/Unduh untuk menyimpan berkas. Notebook berformat .ipynb dapat dibuka dan disimpan kembali di Google Colab.
10 Tugas LKPD dasar
Buat masing-masing satu contoh masalah klasifikasi, regresi, dan clustering di lingkungan SMK, beserta alasan pemilihannya.
Jelaskan bentuk X dan y pada tabel empat siswa fiktif. Tentukan label untuk Nilai=79 dan Gaji_Ortu=4,0, lalu Nilai=84 dan Gaji_Ortu=6,0.
Susun workflow eksperimen yang mencegah kebocoran data. Jelaskan kesalahan
scaler.fit_transform(X)sebelum split.Hitung manual accuracy, precision, recall, dan F1 untuk TN=30, FP=10, FN=5, TP=55. Periksa dengan Python menggunakan pola langkah 5.
Bandingkan contoh itu dengan matriks pertama. Jelaskan mengapa accuracy yang sama tidak berarti jenis kesalahannya sama.
Tulis refleksi 80–120 kata: kapan aturan if lebih tepat dibanding model ML pada kasus sederhana ini?
Pengumpulan tugas melalui Tanggapan
Simpan notebook dengan nama Nama_Kelas_LKPD1_ScikitLearn. Contoh: Alya_XIRPL1_LKPD1_ScikitLearn.
Lengkapi seluruh sel kode, jawaban, hasil pengujian, dan refleksi. Di Colab, gunakan sel Text untuk menulis penjelasan. Jika memakai LKPD Word, pindahkan jawaban akhirnya ke notebook atau sertakan tautan Word sebagai tambahan.
Pastikan notebook sudah tersimpan di Google Drive. Klik Share/Bagikan, lalu beri guru akses Viewer/Pelihat sesuai kebijakan akun sekolah. Jika akses siapa saja dengan tautan dibatasi, bagikan langsung kepada akun guru yang ditentukan di kelas.
Salin tautan Google Colab. Buka bagian Tanggapan di paling bawah artikel ini, lalu tulis nama dan kelas menggunakan format Nama-Kelas. Tempelkan tautan notebook beserta ringkasan hasil 2–3 kalimat.
Periksa bahwa tautan dapat dibuka oleh guru. Klik tombol kirim pada formulir Tanggapan. Komentar dapat menunggu moderasi guru sebelum tampil di halaman.
Contoh isi Tanggapan:
Nama-Kelas: Alya-XI RPL 1
LKPD: 1
Link Google Colab: [tempel tautan notebook Google Colab kamu]
Ringkasan: Saya menyelesaikan latihan dan mendapatkan …. Saya memahami bahwa ….
Jangan mengirim kata sandi, token, identitas sensitif, atau data pribadi siswa lain dalam notebook maupun Tanggapan.
FAQ dasar
Apakah semua angka target berarti regresi?
Tidak. Label 0 dan 1 yang mewakili kategori adalah klasifikasi. Regresi memprediksi besaran kontinu.
Mengapa empat contoh belum cukup untuk menilai model?
Empat contoh hanya memperkenalkan bentuk data. Evaluasi model memerlukan data yang cukup, mewakili masalah, dan dipisahkan dari pelatihan.
Apakah scaling menghilangkan semua bias?
Tidak. Scaling mengubah skala angka. Kualitas data, definisi label, representasi kelompok, dan rancangan evaluasi masih perlu diperiksa.
Mengapa hasil manual dan laporan berbeda sedikit?
Periksa kelas yang dibaca, urutan matriks, serta pembulatan. Bandingkan rasio sebelum pembulatan. Jika penyebut nol, jelaskan bahwa metrik tersebut tidak terdefinisi secara matematis dan bagaimana kode melaporkannya.
Bahan bacaan resmi
Tanggapan (0)
Belum ada tanggapan. Jadilah yang pertama menulis.