RPP

🧠 Model Pembelajaran Deep Learning: Memahami – Mengaplikasi – Merefleksi

1. 🔍 Memahami

Tujuan: Peserta belajar memperoleh konsep dasar dan pemahaman teoretis tentang Deep Learning.

Aktivitas:

• Belajar konsep dasar: neural network, forward-backpropagation, loss function, optimizer.
  
  

• Mengenal arsitektur CNN, RNN, dan Transformer.
  
  

• Studi kasus sederhana dan analisis model.
  
  

• Diskusi dan tanya-jawab tentang algoritma serta cara kerjanya.
  
  

Contoh Materi:

• Video pembelajaran (misalnya: Andrew Ng, DeepLearning.ai)
  
  

• Modul/buku (Deep Learning by Ian Goodfellow)
  
  

• Kuis pemahaman konsep
  
  

2. 🛠️ Mengaplikasi

Tujuan: Peserta belajar menerapkan teori dalam bentuk proyek atau latihan praktik.

Aktivitas:

• Membangun dan melatih model neural network dengan Python (PyTorch / TensorFlow).
  
  

• Praktik klasifikasi gambar dengan CNN.
  
  

• Analisis sentimen dengan RNN atau Transformer (BERT, GPT, dll).
  
  

• Eksperimen dengan data nyata di platform seperti Kaggle atau Google Colab.
  
  

Contoh Proyek:

• Deteksi angka dari gambar (MNIST)
  
  

• Klasifikasi objek (CIFAR-10)
  
  

• Chatbot sederhana dengan LSTM
  
  

• Text generation / summarization dengan Transformer
  
  

3. 🪞 Merefleksi

Tujuan: Peserta belajar mengevaluasi hasil, merenungkan proses, dan mengoptimasi model.

Aktivitas:

• Membuat laporan atau jurnal pembelajaran.
  
  

• Mengevaluasi performa model: akurasi, loss, confusion matrix.
  
  

• Melakukan hyperparameter tuning dan analisis hasil.
  
  

• Diskusi kelompok atau presentasi hasil proyek.
  
  

• Self-reflection: Apa yang sudah dipahami? Apa yang sulit? Apa yang bisa diperbaiki?