Back
Cover Course Statistika Dasar untuk Machine Learning
Beginner Free +20 Points

BISA AI Academy

Statistika Dasar untuk Machine Learning

Statistika merupakan fondasi penting dalam pengembangan dan penerapan Machine Learning. Melalui pemahaman statistik, kita dapat memahami pola, hubungan, dan ketidakpastian dalam data sebelum membuat model prediktif. Pada course ini, peserta akan mempelajari konsep dasar statistik yang mencakup jenis data, ukuran pemusatan dan penyebaran, probabilitas, inferensi, hingga analisis regresi sederhana yang menjadi dasar berbagai algoritma Machine Learning. Selain teori, peserta juga akan diajak untuk menerapkan konsep statistik menggunakan Python sehingga mampu menghubungkan analisis data statistik dengan proses pemodelan prediktif Machine Learning secara praktis.

Material Author Diva Sephira Dwi Lavanza, S.Stat

Course Details

About this class

Summary of materials, learning objectives, and class assessment rules.

General Information

Pada course ini akan dibahas berbagai konsep dasar statistik yang menjadi fondasi dalam penerapan Machine Learning, meliputi pengantar statistik, statistik deskriptif, teori probabilitas, inferensi dan pengujian hipotesis, distribusi data, serta analisis varians (ANOVA) dan regresi. Pemahaman terhadap konsep statistik sangat penting karena menjadi dasar dalam membaca pola data, membangun model prediksi, dan mengevaluasi kinerja model. Dengan mengikuti course ini, peserta akan dibekali kemampuan analisis data berbasis statistik yang dibutuhkan dalam bidang Data Science, Machine Learning, Data Analytics, dan bidang terkait lainnya.

Learning Objectives

- Peserta mampu memahami konsep dasar statistik dan penerapannya dalam Machine Learning.
- Peserta mampu mengolah, menganalisis, dan menginterpretasikan data menggunakan metode statistik dasar.
- Peserta mampu menerapkan konsep probabilitas, inferensi, serta analisis regresi untuk mendukung pembuatan model prediktif.
- Peserta mampu menggunakan alat bantu seperti Python dan Google Colabotary untuk melakukan analisis data secara praktis.

Specifications

  1. Komputer yang terinstall python 3 dan jupyter notebook (untuk pengerjaan offline)
  2. Komputer dengan browser, koneksi internet, dan akun gmail agar dapat menggunakan Google Colabotary (untuk pengerjaan online)

Passing Criteria

Participants are required to take the quiz for each syllabus in the course. The final assignment can be accessed if participants have completed the quiz in each syllabus with a score that meets the minimum passing criteria (KKM) of 70. After participants complete the quizzes and final assignment, they will receive a certificate.

Assessment Scheme

A. Quiz (80%)

The quiz questions in each syllabus consist of multiple-choice questions that participants must answer. A quiz score can be obtained if participants can complete the quiz in each syllabus perfectly. The quiz score for each syllabus will be accumulated at 10%.

B. Final assignment (20%)

The final assignment consists of one analytical question taken from the syllabus. A final assignment score can be obtained if participants successfully complete the final assignment well.