Modul 6 — Model Pohon, Ensemble, dan Penyetelan yang Terkendali

• Membedakan mekanisme kerja pohon keputusan tunggal, hutan acak (bagging), dan gradient boosting, serta memilih di antara ketiganya berdasarkan ukuran data, kebutuhan keterbacaan, anggaran komputasi, dan waktu penyetelan yang tersedia
• Menerapkan pencarian hyperparameter di dalam validasi silang menggunakan pipeline, sehingga seluruh langkah prapemrosesan dipelajari ulang pada setiap lipatan dan data uji tetap tidak tersentuh sampai evaluasi akhir
• Menganalisis gejala overfitting dan underfitting melalui kurva belajar, kurva validasi, dan selisih kinerja latih–validasi, lalu merumuskan tindakan perbaikan yang sesuai dengan diagnosis tersebut
• Mengevaluasi laporan hasil pemodelan milik orang lain dan menunjukkan di titik mana informasi dari data uji bocor ke dalam proses pemilihan model