Tech Literacy: Coding Edition 2 merupakan salah satu kegiatan pengembangan kompetensi di bidang teknologi informasi yang diselenggarakan pada hari Rabu, 20 Mei 2026, bertempat di Perpustakaan Lantai 3 Universitas Pamulang Kampus Kota Serang. Kegiatan ini mengusung tema "Implementasi Regresi untuk Memprediksi Harga Property Menggunakan Bahasa Pemrograman Python", yang bertujuan untuk meningkatkan literasi digital serta memperkenalkan penerapan machine learning dalam proses analisis data kepada mahasiswa dari berbagai program studi. Di tengah perkembangan teknologi yang semakin pesat, kemampuan dalam mengolah data dan membangun model prediksi menjadi salah satu kompetensi yang sangat dibutuhkan, baik di dunia akademik maupun dunia industri. Oleh karena itu, kegiatan ini diharapkan dapat menjadi wadah bagi mahasiswa untuk mengenal konsep dasar analisis data modern sekaligus memperoleh pengalaman praktik secara langsung menggunakan bahasa pemrograman Python.

Kegiatan ini diikuti oleh 54 peserta yang berasal dari berbagai program studi di Universitas Pamulang Kampus Kota Serang, yaitu Program Studi S-1 Matematika, S-1 Sistem Komputer, S-1 Ilmu Pemerintahan, S-1 Biologi, S-1 Sistem Informasi, S-1 Manajemen, dan S-1 Teknik Elektro. Keberagaman latar belakang akademik peserta menunjukkan bahwa pemanfaatan analisis data dan teknologi machine learning tidak hanya relevan bagi mahasiswa yang berasal dari bidang komputer atau teknologi informasi, tetapi juga memiliki manfaat yang luas bagi berbagai disiplin ilmu. Hal tersebut mencerminkan semakin tingginya kebutuhan terhadap kemampuan analisis data dalam mendukung penelitian, penyelesaian masalah, maupun pengambilan keputusan di berbagai sektor.

Pada sesi awal kegiatan, narasumber memberikan pengenalan mengenai konsep dasar machine learning beserta perbedaannya dengan pemrograman konvensional. Peserta diperkenalkan pada pengertian regresi sebagai salah satu metode dalam supervised learning yang digunakan untuk memprediksi nilai numerik berdasarkan data yang telah tersedia. Selain menjelaskan teori dasar, narasumber juga memberikan berbagai contoh penerapan regresi dalam kehidupan sehari-hari, seperti prediksi harga rumah, estimasi penjualan, perkiraan biaya operasional, hingga analisis nilai investasi. Melalui contoh-contoh tersebut, peserta memperoleh gambaran mengenai pentingnya pemanfaatan algoritma regresi dalam membantu proses pengambilan keputusan yang didasarkan pada data.

Setelah memahami konsep dasar, kegiatan dilanjutkan dengan sesi praktik menggunakan Google Colab sebagai media pembelajaran. Pemanfaatan Google Colab dipilih karena merupakan platform berbasis cloud yang memungkinkan peserta menjalankan program Python secara langsung tanpa harus melakukan instalasi perangkat lunak tambahan pada komputer masing-masing. Dengan demikian, seluruh peserta dapat mengikuti proses pembelajaran secara lebih mudah, efektif, dan efisien. Pada sesi praktik ini, narasumber memberikan panduan langkah demi langkah sehingga peserta dapat mengikuti seluruh proses dengan baik.

Sebagai studi kasus, peserta menggunakan dataset harga properti yang berisi berbagai variabel yang memengaruhi nilai sebuah properti. Melalui dataset tersebut, peserta mempelajari proses analisis data secara menyeluruh, dimulai dari membaca dataset menggunakan pustaka Python seperti Pandas, kemudian melakukan pemeriksaan terhadap struktur data, jenis variabel, serta memastikan kualitas data yang digunakan. Peserta juga diperkenalkan pada teknik pembersihan data (data cleaning) sebagai salah satu tahapan penting sebelum proses analisis dilakukan, sehingga data yang digunakan benar-benar siap untuk diproses lebih lanjut.

Tahapan berikutnya adalah melakukan Exploratory Data Analysis (EDA) untuk memahami karakteristik data secara lebih mendalam. Pada tahap ini, peserta mempelajari cara melihat distribusi data, mengidentifikasi hubungan antarvariabel, menemukan pola yang muncul, serta mendeteksi kemungkinan adanya nilai yang menyimpang (outlier). Berbagai bentuk visualisasi data ditampilkan untuk membantu peserta memahami informasi yang terkandung di dalam dataset. Melalui proses EDA, peserta dapat mengetahui variabel-variabel yang memiliki pengaruh terhadap harga properti sehingga dapat digunakan sebagai dasar dalam pembangunan model prediksi.

Setelah memahami karakteristik data, peserta diarahkan untuk melakukan pembagian dataset menjadi data training dan data testing. Narasumber menjelaskan bahwa pembagian data merupakan tahapan penting agar model yang dibangun dapat dievaluasi menggunakan data yang belum pernah dipelajari sebelumnya. Dengan pendekatan tersebut, kemampuan model dalam melakukan prediksi terhadap data baru dapat diukur secara lebih objektif. Penjelasan mengenai proses pembagian data juga disertai dengan alasan ilmiah mengapa tahapan tersebut menjadi bagian yang tidak dapat dipisahkan dalam pembangunan model machine learning.

Selanjutnya, peserta mulai membangun model prediksi menggunakan algoritma Random Forest Regressor. Narasumber menjelaskan bahwa algoritma ini dipilih karena memiliki kemampuan yang baik dalam menangani data dengan hubungan yang kompleks antarvariabel serta mampu menghasilkan prediksi yang relatif stabil. Peserta mengikuti setiap tahapan mulai dari proses pelatihan model (training), melakukan prediksi terhadap data uji (testing), hingga melihat hasil prediksi yang dihasilkan oleh model. Pada sesi ini, peserta tidak hanya menjalankan kode program, tetapi juga memperoleh pemahaman mengenai fungsi setiap bagian kode sehingga mampu memahami proses yang terjadi di balik pembangunan model prediksi.

Sebagai tahap akhir, peserta mempelajari proses evaluasi model menggunakan metode Mean Absolute Error (MAE). Narasumber menjelaskan bahwa MAE merupakan salah satu metrik evaluasi yang digunakan untuk mengukur rata-rata selisih absolut antara nilai prediksi dengan nilai sebenarnya. Melalui hasil evaluasi tersebut, peserta dapat mengetahui tingkat akurasi model yang telah dibangun sekaligus memahami pentingnya proses evaluasi sebelum suatu model diterapkan pada kondisi nyata. Selain itu, peserta juga diajak berdiskusi mengenai berbagai faktor yang dapat memengaruhi performa model serta beberapa strategi yang dapat dilakukan untuk meningkatkan kualitas hasil prediksi.

Selama kegiatan berlangsung, suasana pembelajaran berjalan dengan sangat aktif dan interaktif. Peserta menunjukkan antusiasme yang tinggi dengan mengikuti setiap sesi praktik, mengajukan berbagai pertanyaan terkait materi yang disampaikan, serta berdiskusi mengenai penerapan machine learning dalam berbagai bidang. Interaksi antara narasumber dan peserta berlangsung dengan baik sehingga proses pembelajaran menjadi lebih hidup dan memberikan pengalaman belajar yang menyenangkan. Pendekatan pembelajaran yang menggabungkan teori dan praktik secara langsung juga membantu peserta memahami materi secara lebih komprehensif.

Melalui penyelenggaraan Tech Literacy: Coding Edition 2, peserta tidak hanya memperoleh pemahaman mengenai konsep dasar regresi dan penerapan algoritma Random Forest Regressor, tetapi juga mendapatkan pengalaman nyata dalam mengolah data menggunakan bahasa pemrograman Python. Kegiatan ini diharapkan mampu meningkatkan kemampuan mahasiswa dalam bidang analisis data, pemrograman, dan machine learning, sekaligus mendorong lahirnya minat untuk terus mengembangkan kompetensi di bidang teknologi informasi. Dengan bekal pengetahuan dan pengalaman yang diperoleh selama kegiatan, peserta diharapkan mampu mengaplikasikan ilmu tersebut dalam kegiatan akademik, penelitian, maupun penyelesaian berbagai permasalahan nyata yang memerlukan pendekatan berbasis data di masa mendatang.