Instruksi dan Rubrik Penilaian Ujian Akhir Semester
Instruksi Ujian Akhir Semester (UAS) – Machine Learning
Tujuan:
Mendeploy model machine learning yang telah dikembangkan pada Ujian Tengah Semester (UTS) ke dalam salah satu platform pilihan, seperti website, aplikasi desktop, aplikasi mobile, atau perangkat IoT.
Instruksi:
- Pilih Platform: Tentukan platform deployment, baik itu website, desktop, mobile, atau perangkat IoT. Gunakan teknologi yang sesuai seperti Flask/Django untuk website, Electron/Qt untuk desktop, React Native/Flutter untuk mobile, atau Raspberry Pi untuk IoT.
- Persiapkan Model: Gunakan model yang telah dibuat pada UTS. Pastikan model sudah dievaluasi dan siap untuk digunakan dalam aplikasi nyata.
- Integrasi Model: Implementasikan model ke dalam platform pilihan dengan memastikan input dan output dari model dapat diterima dan ditampilkan dengan benar.
- Antarmuka Pengguna: Buat antarmuka yang intuitif dan mudah digunakan untuk menerima input dari pengguna serta menampilkan hasil prediksi dari model.
- Testing dan Debugging: Lakukan pengujian terhadap aplikasi atau perangkat yang dikembangkan untuk memastikan fungsionalitas model berjalan dengan baik.
- Dokumentasi: Buat dokumentasi teknis dalam bentuk PDF yang mencakup:
- Penjelasan platform yang dipilih
- Proses integrasi model dengan platform
- Cara kerja antarmuka pengguna
- Hasil pengujian dan debugging
- Pengumpulan: Unggah kode, model, dan dokumentasi ke platform e-learning dalam bentuk file zip atau melalui link repository.
Rubrik Penilaian
| Kriteria | Bobot | Deskripsi Penilaian |
|---|---|---|
| Pemilihan Platform | 15% | Relevansi dan kecocokan platform yang dipilih dengan model dan tujuan deployment. |
| Integrasi Model | 25% | Ketepatan dalam menghubungkan model machine learning ke platform yang dipilih, serta akurasi hasil prediksi model. |
| Antarmuka Pengguna | 20% | Kualitas dan kemudahan penggunaan antarmuka yang dibuat, serta fungsionalitas input/output. |
| Fungsionalitas dan Kinerja | 20% | Stabilitas aplikasi dalam menerima input, memproses data, serta menghasilkan output sesuai harapan. |
| Testing dan Debugging | 10% | Ketepatan dalam menemukan dan memperbaiki bug, serta validasi bahwa aplikasi berjalan dengan baik di lingkungan nyata. |
| Dokumentasi Teknis | 10% | Kelengkapan dan kualitas penjelasan dalam dokumentasi, termasuk cara kerja aplikasi dan proses deployment. |
Total: 100%
Last modified: Wednesday, 11 September 2024, 9:04 AM