Berikut adalah silabus 20 sesi (masing-masing berdurasi 1,5 jam) untuk topik “Prediksi Harga Rumah Menggunakan Regresi Linier dan Random Forest dalam Python”. Silabus ini mencakup pemahaman teori, praktik Python, pemodelan, evaluasi, dan implementasi:
Silabus 20 Sesi @1,5 Jam
Judul: Prediksi Harga Rumah Menggunakan Regresi Linier dan Random Forest dalam Python
Tahap 1: Pengantar dan Dasar-Dasar Python (Sesi 1–4)
Sesi 1: Pengenalan Data Science dan Proyek Prediksi Harga Rumah
-
Apa itu Data Science dan aplikasinya
-
Studi kasus prediksi harga rumah
-
Tools yang digunakan: Jupyter Notebook, Pandas, scikit-learn
Sesi 2: Review Dasar Python untuk Data Science
-
Tipe data, list, dictionary, loop, dan fungsi
-
Penanganan file dan folder (OS, glob)
Sesi 3: Numpy dan Pandas untuk Analisis Data
-
Operasi array dengan NumPy
-
Pengolahan data tabular dengan Pandas
-
Import data CSV rumah dari Kaggle
Sesi 4: Visualisasi Data dengan Matplotlib dan Seaborn
-
Plot dasar, histogram, boxplot, heatmap
-
Korelasi antar fitur
-
Visualisasi outlier dan distribusi harga rumah
Tahap 2: Eksplorasi dan Persiapan Data (Sesi 5–7)
Sesi 5: Eksplorasi Fitur dan Statistik Deskriptif
-
Statistik ringkasan
-
Identifikasi fitur penting: numerik dan kategorik
-
Missing value dan distribusi data
Sesi 6: Pembersihan Data (Data Cleaning)
-
Mengatasi nilai kosong (imputation)
-
Menghapus fitur yang tidak relevan
-
Penanganan outlier



