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:

  1. 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.
  2. Persiapkan Model: Gunakan model yang telah dibuat pada UTS. Pastikan model sudah dievaluasi dan siap untuk digunakan dalam aplikasi nyata.
  3. Integrasi Model: Implementasikan model ke dalam platform pilihan dengan memastikan input dan output dari model dapat diterima dan ditampilkan dengan benar.
  4. Antarmuka Pengguna: Buat antarmuka yang intuitif dan mudah digunakan untuk menerima input dari pengguna serta menampilkan hasil prediksi dari model.
  5. Testing dan Debugging: Lakukan pengujian terhadap aplikasi atau perangkat yang dikembangkan untuk memastikan fungsionalitas model berjalan dengan baik.
  6. 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
  7. Pengumpulan: Unggah kode, model, dan dokumentasi ke platform e-learning dalam bentuk file zip atau melalui link repository.


Rubrik Penilaian

KriteriaBobotDeskripsi Penilaian
Pemilihan Platform15%Relevansi dan kecocokan platform yang dipilih dengan model dan tujuan deployment.
Integrasi Model25%Ketepatan dalam menghubungkan model machine learning ke platform yang dipilih, serta akurasi hasil prediksi model.
Antarmuka Pengguna20%Kualitas dan kemudahan penggunaan antarmuka yang dibuat, serta fungsionalitas input/output.
Fungsionalitas dan Kinerja20%Stabilitas aplikasi dalam menerima input, memproses data, serta menghasilkan output sesuai harapan.
Testing dan Debugging10%Ketepatan dalam menemukan dan memperbaiki bug, serta validasi bahwa aplikasi berjalan dengan baik di lingkungan nyata.
Dokumentasi Teknis10%Kelengkapan dan kualitas penjelasan dalam dokumentasi, termasuk cara kerja aplikasi dan proses deployment.

Total: 100%


Terakhir diubah: Wednesday, 11 September 2024, 09:04