Berikut adalah silabus lengkap 20 sesi (masing-masing 1,5 jam) untuk topik:
“Klasifikasi Penyakit Diabetes Menggunakan Support Vector Machine (SVM) dengan Python”
Silabus ini mencakup teori, praktik Python, evaluasi model, dan pembuatan laporan ilmiah untuk keperluan skripsi/tesis.
FASE 1: Pengenalan dan Dasar Teori (Sesi 1–5)
Sesi 1: Pengantar Data Science dan Machine Learning
-
Definisi Data Science
-
Perbedaan supervised dan unsupervised learning
-
Aplikasi dalam bidang medis
Sesi 2: Pengenalan Dataset Diabetes
-
Dataset PIMA Indian Diabetes
-
Deskripsi fitur (Glucose, BMI, Age, Insulin, Outcome, dll.)
-
Tools: Pandas, Jupyter Notebook
Sesi 3: Pra-Pemrosesan Data I (Data Cleaning)
-
Handling missing values
-
Data types dan summary statistik
-
Teknik imputation
Sesi 4: Pra-Pemrosesan Data II (Feature Engineering)
-
Normalisasi dan standardisasi data
-
Skewness dan distribusi data
-
Korelasi antar fitur
Sesi 5: Teori Support Vector Machine (SVM)
-
Konsep margin, hyperplane, dan support vectors
-
Kernel function: linear, RBF, polynomial
-
Kelebihan dan kelemahan SVM
FASE 2: Implementasi SVM (Sesi 6–10)
Sesi 6: Implementasi SVM Dasar dengan Scikit-Learn
-
Import dataset
-
Split data (train-test)
-
SVM classifier dasar (LinearSVC/SVC)
Sesi 7: Evaluasi Model Awal
-
Confusion matrix



