🎓 Tugas Besar Deep Learning - Kelompok 16

Prediksi Produktivitas Mahasiswa dengan Multi-Layer Perceptron (MLP)

📋 Deskripsi Proyek

Aplikasi web berbasis Streamlit untuk memprediksi tingkat produktivitas mahasiswa menggunakan model Deep Learning (MLP). Model ini menganalisis faktor-faktor seperti jam tidur, jam belajar, sesi belajar, dan penggunaan screen time.

🏗️ Arsitektur Model

• Input Layer: 5 fitur
• Hidden Layer 1: 32 neuron + ReLU + Dropout 0.2
• Hidden Layer 2: 16 neuron + ReLU + Dropout 0.2
• Hidden Layer 3: 8 neuron + ReLU
• Output Layer: 1 neuron (Linear)

📊 Fitur Input

Fitur	Deskripsi	Range
Jumlah Jam Tidur	Durasi tidur per hari	4-12 jam
Jumlah Jam Belajar	Durasi belajar per hari	0-15 jam
Jumlah Sesi Belajar	Frekuensi sesi belajar	1-10 sesi
Screen Time	Penggunaan gadget	1-12 jam
Aktivitas Utama	Kategori aktivitas	Kuliah/Organisasi/Kerja

🚀 Cara Menjalankan

1. Clone Repository

git clone https://github.com/sains-data/Tugas-Besar_DeepLearning_Kel16.git
cd Tugas-Besar_DeepLearning_Kel16

2. Install Dependencies

pip install -r requirements.txt

3. Jalankan Aplikasi

streamlit run app.py

📈 Evaluasi Model

• MAE: ~0.73
• RMSE: ~0.94
• R² Score: ~0.37

👥 Anggota Kelompok 16

No	Nama	NIM
1	Chalifia Wananda	122450076
2	Rendra Eka Prayoga	122450112
3	Elisabeth Claudia Simanjuntak	122450123

Program Studi: Sains Data
Institusi: Institut Teknologi Sumatera

📁 Struktur File

├── app.py                          # Aplikasi Streamlit
├── requirements.txt                # Dependencies
├── README.md                       # Dokumentasi
├── Data Deep Learning Kel.16.xlsx  # Dataset
└── tubes_dl.ipynb                  # Jupyter Notebook

📄 Lisensi

Proyek ini dibuat untuk keperluan akademik - Tugas Besar Deep Learning.