UNIVERSITAS BUMIGORA
FAKULTAS PROGRAM PASCA SARJANA
PROGRAM STUDI S2 ILMU KOMPUTER

RPS-18-IKKK310001
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
Advanced Machine Learning IKKK310001 Artificial Intelligence (AI) 3 0 1 19 Jan 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Neny Sulistianingsih, M.Kom
-
Dr. Neny Sulistianingsih, M.Kom
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL01 Mampu menguasai dan mengembangkan konsep serta teori lanjutan di bidang sistem cerdas dan rekayasa perangkat lunak dan data secara mendalam dan sistematis
CPL02 Mampu merancang dan mengimplementasikan solusi teknologi berbasis AI dan data engineering untuk menyelesaikan permasalahan kompleks di berbagai sektor
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK011 Mampu mengkritisi dan menjelaskan konsep advanced machine learning secara komprehensif
CPMK021 Mampu menerapkan prinsip machine learning dalam desain solusi berbasis data
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.IKKK310001.CPMK011.1 Mampu menjelaskan prinsip kerja dan arsitektur model-machine learning lanjutan
sub.cpmk.IKKK310001.CPMK011.2 Mampu menganalisis kelebihan dan keterbatasan berbagai model machine learning berdasarkan studi literatur
sub.cpmk.IKKK310001.CPMK011.3 Mampu mengevaluasi performa model ML menggunakan metrik akurasi, AUC, F1-score secara komparatif
sub.cpmk.IKKK310001.CPMK011.4 Mampu merumuskan isu etika dan bias algoritma dalam penerapan advanced machine learning
sub.cpmk.IKKK310001.CPMK021 .1 Mampu merancang pipeline machine learning end-to-end (data preprocessing, training, evaluasi, deployment)
sub.cpmk.IKKK310001.CPMK021 .2 Mampu memilih algoritma ML yang sesuai dengan karakteristik data dan tujuan analisis
sub.cpmk.IKKK310001.CPMK021 .3 Mampu menerapkan validasi silang, hyperparameter tuning, dan model selection secara sistematis
sub.cpmk.IKKK310001.CPMK021 .4 Mampu menginterpretasikan hasil model dan memberikan rekomendasi berbasis insight dari data
Korelasi CPMK terhadap Sub-CPMK
CPMK011 sub.cpmk.IKKK310001.CPMK011.1
sub.cpmk.IKKK310001.CPMK011.2
sub.cpmk.IKKK310001.CPMK011.3
sub.cpmk.IKKK310001.CPMK011.4
CPMK021 sub.cpmk.IKKK310001.CPMK021 .1
sub.cpmk.IKKK310001.CPMK021 .2
sub.cpmk.IKKK310001.CPMK021 .3
sub.cpmk.IKKK310001.CPMK021 .4
Deskripsi Singkat MK Setelah mengikuti perkuliahan ini, mahasiswa S2 Ilmu Komputer (Audience) diharapkan mampu merancang, mengevaluasi, dan menginterpretasikan model machine learning lanjutan (Behavior) dengan menggunakan pipeline end-to-end, studi literatur, serta implementasi berbasis kasus nyata (Condition) secara kritis, sistematis, dan etis sesuai standar akademik (Degree).
Bahan Kajian : Materi Pembelajaran 1. Advanced ML Architectures (CNN, RNN, Transformer) 2. Model Evaluation Metrics (Accuracy, AUC, F1-Score) 3. Data Bias and Ethical Issues in ML 4. ML Pipelines (Preprocessing → Training → Evaluation → Deployment) 5. Algorithm Selection and Comparative Analysis 6. Cross-Validation, Hyperparameter Tuning, Model Selection 7. Interpretability and Explainable AI (XAI) 8. Case Studies and Project-Based ML Applications
Pustaka Utama
  • 1. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
  • 2. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
  • 3. Géron, A. (2022). Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow. O’Reilly.
Pendukung
  • 4. Sulistianingsih, N., & Switrayana, I. N. (2024). Enhancing Sentiment Analysis for the 2024 Indonesia Election Using SMOTE-Tomek Links and Binary Logistic Regression. IJEME, 14(3).
Dosen Pengampu Dr. Neny Sulistianingsih, M.Kom
Mata Kuliah Syarat -
Pertemuan Ke Kemampuan akhir tiap tahapan belajar (Sub-CPMK) Penilaian Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; Materi Pembelajaran Bobot Penilaian
Indikator Kriteria & Teknik Luring Daring
1 sub.cpmk.IKKK310001.CPMK011.1-Mampu menjelaskan prinsip kerja dan arsitektur model-machine learning lanjutan Mahasiswa menjelaskan prinsip kerja model Kriteria
Partisipasi aktif dalam diskusi
Teknik
Diskusi 		Kuliah,Proses Belajar,[PB=50 Menit]
Diskusi,Proses Belajar,[PB=50 Menit]
 Pemahaman materi mandiri,Kegiatan Mandiri,[PM=50 Menit]
 Topik
Pengenalan RPS
Sub Topik
Introduction to Advanced ML Arsitektur CNN/RNN/Transformer
 1
2 sub.cpmk.IKKK310001.CPMK011.2-Mampu menganalisis kelebihan dan keterbatasan berbagai model machine learning berdasarkan studi literatur Laporan mandiri dan presentasi Kriteria
Ketepatan jawaban tugas sesuai perintah soal
Teknik
Partisipasi dan Unjuk Kerja (Persentasi) 		Diskusi,Kuis Take Home,[KH=100 Menit]
 Penugasan,Kuis Take Home,[KH=50 Menit]
 Topik
Studi literatur, kelebihan & keterbatasan model
Sub Topik

 10
3 sub.cpmk.IKKK310001.CPMK011.3-Mampu mengevaluasi performa model ML menggunakan metrik akurasi, AUC, F1-score secara komparatif Hasil evaluasi model Kriteria
Kesesuaian sintaks dan output yang diharapkan
Teknik
Unjuk kerja (persentasi) 		Praktikum,Case Based Learning,[CBL=100 Menit]
 Praktikum,Video Pembelajaran,[VA=50 Menit]
 Topik
Evaluasi model
Sub Topik
akurasi, AUC, F1-score
 10
4 sub.cpmk.IKKK310001.CPMK011.4-Mampu merumuskan isu etika dan bias algoritma dalam penerapan advanced machine learning Mampu mengidentifikasi bias Kriteria
Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
Teknik
Diskusi 		Diskusi,Proses Belajar,[PB=100 Menit]
 Pemahaman materi mandiri,Kegiatan Mandiri,[PM=50 Menit]
 Topik
Isu etika, fairness, bias dalam ML
Sub Topik

 1
5-6 sub.cpmk.IKKK310001.CPMK021 .1-Mampu merancang pipeline machine learning end-to-end (data preprocessing, training, evaluasi, deployment) Pipeline berhasil dijalankan Kriteria
Kemampuan mahasiswa dalam merancang, mengembangkan, dan menyajikan solusi atau produk nyata melalui proyek terstruktur
Teknik
Unjuk Kerja 		Pembimbingan,Project based Learning,[PjBL=50 Menit]
 Pembimbingan,Praktikum Online,[PR=100 Menit]
 Topik
pipeline ML end-to-end
Sub Topik
Data preprocessing → training → evaluasi → deployment
 10
7 sub.cpmk.IKKK310001.CPMK021 .2-Mampu memilih algoritma ML yang sesuai dengan karakteristik data dan tujuan analisis Pemilihan algoritma sesuai konteks Kriteria
Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
Teknik
Studi kasus 		Diskusi,Case Based Learning,[CBL=50 Menit]
 Pemahaman materi mandiri,Case Based Learning,[CBL=100 Menit]
 Topik
Pemilihan algoritma berdasarkan data & tujuan analisis
Sub Topik

 1
8 sub.cpmk.IKKK310001.CPMK011.1-Mampu menjelaskan prinsip kerja dan arsitektur model-machine learning lanjutan sub.cpmk.IKKK310001.CPMK011.2-Mampu menganalisis kelebihan dan keterbatasan berbagai model machine learning berdasarkan studi literatur sub.cpmk.IKKK310001.CPMK011.3-Mampu mengevaluasi performa model ML menggunakan metrik akurasi, AUC, F1-score secara komparatif sub.cpmk.IKKK310001.CPMK011.4-Mampu merumuskan isu etika dan bias algoritma dalam penerapan advanced machine learning Jawaban benar dan argumentatif Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
Ujian tertulis 		Ujian terjadwal,Kuis Langsung,[KL=100 Menit]
 Pemahaman materi mandiri,Proses Belajar,[PB=50 Menit]
 Topik

Sub Topik

 10
9-10 sub.cpmk.IKKK310001.CPMK021 .3-Mampu menerapkan validasi silang, hyperparameter tuning, dan model selection secara sistematis Laporan tuning & hasil model Kriteria
Kemampuan mahasiswa dalam merancang, mengembangkan, dan menyajikan solusi atau produk nyata melalui proyek terstruktur
Teknik
Tugas praktikum 		Pembimbingan,Proses Belajar,[PB=50 Menit]
 Pemahaman materi mandiri,Project based Learning,[PjBL=100 Menit]
 Topik
Teknik validasi silang, grid search, Bayesian optimization
Sub Topik

 10
11 sub.cpmk.IKKK310001.CPMK021 .4-Mampu menginterpretasikan hasil model dan memberikan rekomendasi berbasis insight dari data Kemampuan interpretasi hasil Kriteria
Kemampuan mahasiswa dalam merancang, mengembangkan, dan menyajikan solusi atau produk nyata melalui proyek terstruktur
Teknik
Unjuk Kerja (presentasi) 		Diskusi,Project based Learning,[PjBL=50 Menit]
 Pemahaman materi mandiri,Project based Learning,[PjBL=100 Menit]
 Topik
Model interpretability & Explainable AI
Sub Topik
SHAP dan LIME
 10
12 sub.cpmk.IKKK310001.CPMK021 .4-Mampu menginterpretasikan hasil model dan memberikan rekomendasi berbasis insight dari data Hasil analisis deteksi anomali Kriteria
Ketepatan jawaban dan kesesuaian sintaks dan output yang diminta
Teknik
Tugas Mandiri 		Kuliah,Proses Belajar,[PB=50 Menit]
 Penugasan,Kegiatan Mandiri,[PM=100 Menit]
 Topik
Teknik deteksi anomali
Sub Topik
Isolation Forest, Autoencoder
 5
13 sub.cpmk.IKKK310001.CPMK021 .4-Mampu menginterpretasikan hasil model dan memberikan rekomendasi berbasis insight dari data Hasil proyek kecil NLP Kriteria
Ketepatan jawaban dan kesesuaian sintaks dan output yang diminta
Teknik
Presentasi kelompok 		Penugasan,Problem based Learning,[PBL=50 Menit]
 Penugasan,Problem based Learning,[PBL=100 Menit]
 Topik
Natural Language Processing
Sub Topik
sentiment analysis, machine translation, chatbot
 5
14-15 sub.cpmk.IKKK310001.CPMK021 .4-Mampu menginterpretasikan hasil model dan memberikan rekomendasi berbasis insight dari data Proyek akhir sistem ML Kriteria
Ketepatan hasil proyek sesuai topik yang dipilih
Teknik
Presentasi & laporan proyek 		Penugasan,Project based Learning,[PjBL=50 Menit]
 Penugasan,Project based Learning,[PjBL=100 Menit]
 Topik
Merancang & implementasi sistem ML pada kasus nyata
Sub Topik

 17
16 sub.cpmk.IKKK310001.CPMK021 .1-Mampu merancang pipeline machine learning end-to-end (data preprocessing, training, evaluasi, deployment) sub.cpmk.IKKK310001.CPMK021 .2-Mampu memilih algoritma ML yang sesuai dengan karakteristik data dan tujuan analisis sub.cpmk.IKKK310001.CPMK021 .3-Mampu menerapkan validasi silang, hyperparameter tuning, dan model selection secara sistematis sub.cpmk.IKKK310001.CPMK021 .4-Mampu menginterpretasikan hasil model dan memberikan rekomendasi berbasis insight dari data Ketepatan jawaban Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
Ujian tertulis 		Ujian terjadwal,Kuis,[K=100 Menit]
 Ujian terjadwal,Kegiatan Mandiri,[PM=50 Menit]
 Topik

Sub Topik

 10

Teknik Penilaian CPMK

CPL MK CPMK Tugas teori (individu) Unjuk Kerja (Presentasi) Tes Tulis (UTS) Tes Tulis (UAS) Tugas Teori (Kelompok) Tugas Praktikum Partisipasi
CPL01 Advanced Machine Learning CPMK011 Y Y Y Y
CPL02 Advanced Machine Learning CPMK021 Y Y Y Y Y Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL01 CPMK011 sub.cpmk.IKKK310001.CPMK011.1 Diskusi 1 Partisipasi aktif dalam diskusi
CPL01 CPMK011 sub.cpmk.IKKK310001.CPMK011.2 Partisipasi dan Unjuk Kerja (Persentasi) 10 Ketepatan jawaban tugas sesuai perintah soal
CPL01 CPMK011 sub.cpmk.IKKK310001.CPMK011.3 Unjuk kerja (persentasi) 10 Kesesuaian sintaks dan output yang diharapkan
CPL01 CPMK011 sub.cpmk.IKKK310001.CPMK011.4 Diskusi 1 Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .1 Unjuk Kerja 10 Kemampuan mahasiswa dalam merancang, mengembangkan, dan menyajikan solusi atau produk nyata melalui proyek terstruktur
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .2 Studi kasus 1 Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
CPL01 CPMK011 sub.cpmk.IKKK310001.CPMK011.1, sub.cpmk.IKKK310001.CPMK011.2, sub.cpmk.IKKK310001.CPMK011.3, sub.cpmk.IKKK310001.CPMK011.4 Ujian tertulis 10 Ketepatan jawaban ujian sesuai perintah soal
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .3 Tugas praktikum 10 Kemampuan mahasiswa dalam merancang, mengembangkan, dan menyajikan solusi atau produk nyata melalui proyek terstruktur
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .4 Unjuk Kerja (presentasi) 10 Kemampuan mahasiswa dalam merancang, mengembangkan, dan menyajikan solusi atau produk nyata melalui proyek terstruktur
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .4 Tugas Mandiri 5 Ketepatan jawaban dan kesesuaian sintaks dan output yang diminta
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .4 Presentasi kelompok 5 Ketepatan jawaban dan kesesuaian sintaks dan output yang diminta
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .4 Presentasi & laporan proyek 17 Ketepatan hasil proyek sesuai topik yang dipilih
CPL02 CPMK021 sub.cpmk.IKKK310001.CPMK021 .1, sub.cpmk.IKKK310001.CPMK021 .2, sub.cpmk.IKKK310001.CPMK021 .3, sub.cpmk.IKKK310001.CPMK021 .4 Ujian tertulis 10 Ketepatan jawaban ujian sesuai perintah soal
Total 100
2. Penilaian CPMK
CPL MK CPMK Tugas teori (individu) Unjuk Kerja (Presentasi) Tes Tulis (UTS) Tes Tulis (UAS) Tugas Teori (Kelompok) Tugas Praktikum Partisipasi Total
CPL01 Advanced Machine Learning CPMK011 10% 0% 10% 0% 0% 10% 2% 32%
CPL02 Advanced Machine Learning CPMK021 5% 10% 0% 10% 32% 10% 1% 68%
100%