Berikut adalah silabus 20 sesi (masing-masing 1,5 jam) untuk topik:
“Analisis Faktor yang Mempengaruhi Kepuasan Pelanggan Menggunakan Logistic Regression dengan Python”
Silabus ini mencakup teori dasar, pengolahan data, pemodelan dengan regresi logistik, evaluasi, dan penerapan studi kasus nyata.
Level : Intermediate
️ Tools : Python (Pandas, Scikit-learn, Seaborn, Matplotlib), Jupyter Notebook
Output Akhir : Laporan analisis faktor kepuasan pelanggan + visualisasi + interpretasi model regresi logistik
✅ Sesi 1–5: Dasar Teori dan Pengantar Data Science
Sesi Materi Tujuan
1 Pengantar Data Science & Statistik Deskriptif Memahami konsep dasar data science dan statistik deskriptif
2 Teori Kepuasan Pelanggan dan Faktor yang Mempengaruhi Mengenal konsep kepuasan pelanggan (NPS, CSAT, dll.)
3 Pengantar Regresi Logistik Memahami teori dan rumus dasar regresi logistik
4 Studi Kasus dan Dataset Penjelasan dataset yang akan digunakan (misal: data survei pelanggan)
5 Instalasi & Setup Python Environment Instalasi Jupyter, Pandas, Sklearn, Matplotlib, dll.
✅ Sesi 6–10: Data Understanding dan Preprocessing
Sesi Materi Tujuan
6 Eksplorasi Data Awal (EDA) Menjelajahi data: distribusi, missing value, outlier
7 Pembersihan Data Penanganan missing values, duplikasi, outlier
8 Encoding Data Kategorikal One-hot encoding, label encoding
9 Feature Scaling dan Normalisasi StandardScaler, MinMaxScaler
10 Seleksi Fitur (Feature Selection) Korelasi, Chi-square, Recursive Feature Elimination (RFE)
✅ Sesi 11–15: Regresi Logistik dan Evaluasi
Sesi Materi Tujuan
11 Implementasi Regresi Logistik Membuat model regresi logistik menggunakan Scikit-learn
12 Evaluasi Model: Akurasi, Precision, Recall Memahami metrik evaluasi klasifikasi
13 Confusion Matrix dan ROC-AUC Visualisasi evaluasi model klasifikasi
14 Multicollinearity & Variance Inflation Factor (VIF) Analisis korelasi antar variabel independen
15 Interpretasi Koefisien Model Menentukan pengaruh masing-masing variabel terhadap kepuasan



