Rubrik penilaian tugas project
← Kembali ke daftar mata kuliah| No | Komponen Penilaian | Bobot | Sangat Baik (4) | Baik (3) | Cukup (2) | Kurang (1) |
|---|---|---|---|---|---|---|
| 1 | Format, abstrak, dan kelengkapan [Halaman judul, Abstrak/Abstract, Daftar Isi, penomoran tabel & gambar] | 5% | Judul dan studi kasus spesifik; abstrak ≤250 kata memuat masalah, metode, hasil utama dengan angka, dan simpulan; Abstract setara; kata kunci relevan; daftar isi diperbarui; semua tabel/gambar bernomor dan dirujuk di teks | Lengkap dan rapi, tetapi abstrak belum memuat angka hasil atau ada 1–2 tabel/gambar tidak dirujuk | Abstrak hanya deskriptif tanpa hasil; daftar isi tidak sinkron; penomoran tidak konsisten | Abstrak atau Abstract hilang; format jauh dari template |
| 2 | Pendahuluan [Bab I (1.1–1.5)] | 10% | Latar belakang berbasis data/rujukan dan menunjukkan gap; empat rumusan masalah terisi spesifik (dataset, target, treatment) dan selaras 1:1 dengan tujuan; manfaat dan batasan konkret | Latar belakang dan rumusan jelas, tetapi gap kurang tegas atau satu tujuan tidak berpasangan dengan rumusan | Latar belakang umum tanpa data; titik-titik (…) template masih tersisa di sebagian rumusan | Rumusan masalah tidak dapat diuji atau tidak terkait analisis yang dilakukan |
| 3 | Tinjauan pustaka [Bab II (2.1–2.7)] | 10% | Tabel 2.1 berisi 3–5 penelitian terdahulu relevan (≤5 tahun terakhir dominan) dengan kolom perbedaan yang tajam; teori LR, DT, RF, ensemble, metrik, permutation importance, DAG dan asumsi kausal (exchangeability, positivity, consistency), G-computation, propensity, SMD dijelaskan dengan rujukan primer | Teori lengkap, tetapi penelitian terdahulu <3 atau kolom perbedaan dangkal | Sebagian subbab hanya menyalin template; rujukan sekunder (blog, slide) dominan | Tinjauan pustaka minim, tidak ada penelitian terdahulu |
| 4 | Metodologi penelitian [Bab III (3.1–3.6)] | 15% | Flowchart alur sesuai 8 tahap; Tabel 3.1 atribut dataset terisi dengan tipe; praproses dalam pipeline (fit hanya di data latih), split 80:20 stratified dengan seed; konfigurasi model dan hyperparameter tercatat; prosedur XAI (sampel, skor, n_repeats) dan desain kausal (Tabel 3.3, DAG, langkah analisis) terisi dan dapat direplikasi | Prosedur lengkap, tetapi DAG atau Tabel 3.3 kurang rinci, atau alasan pemilihan confounder tidak dijelaskan | Langkah ada tetapi tidak dapat direplikasi (tanpa seed, tanpa detail praproses); tabel atribut sebagian kosong | Metodologi hanya daftar langkah tanpa penjelasan; ada indikasi kebocoran data |
| 5 | Hasil klasifikasi dan ensemble [Bab IV (4.2–4.4)] | 15% | Deskripsi data (n, k, train/test) dan distribusi kelas lengkap; Tabel 4.2–4.5 terisi; pembahasan menjelaskan mengapa akurasi menyesatkan pada data tidak seimbang, kelas tersulit dari confusion matrix, dan apakah ensemble menaikkan Macro F1 dan recall kelas <30 dibanding model tunggal | Tabel lengkap dan pembahasan benar, tetapi perbandingan ensemble vs model tunggal kurang tajam | Tabel terisi tetapi pembahasan hanya mengulang angka; model terbaik dipilih berdasarkan akurasi | Hasil tidak lengkap atau angka tidak konsisten dengan dashboard |
| 6 | Hasil Explainable AI [Bab IV (4.5)] | 10% | Tabel 4.6 dan grafik terisi beserta std; interpretasi domain untuk fitur teratas; membahas nilai negatif/std besar; menegaskan importance ≠ sebab-akibat dan bahwa importance milik model, bukan populasi | Interpretasi tepat, tetapi tanpa pembahasan ketidakpastian (std) | Hanya menyebut urutan fitur tanpa interpretasi | Menafsirkan importance sebagai bukti kausal |
| 7 | Hasil causal inference [Bab IV (4.6)] | 15% | Konfigurasi treatment/confounder dijustifikasi lewat DAG; Tabel 4.7 dan 4.8 lengkap; risk difference ditafsirkan bersama IK 95% (melewati nol atau tidak); overlap dan SMD dibahas; variabel post-treatment dikeluarkan; peringatan desain dari sistem dan asumsi tak teruji diakui | Estimasi dan diagnostik lengkap, tetapi pembahasan asumsi atau confounder tidak seimbang dangkal | Estimasi dilaporkan tanpa IK atau tanpa diagnostik overlap/SMD | Klaim kausal kuat tanpa diagnostik, atau confounder memuat variabel post-treatment |
| 8 | Arsitektur sistem dan dashboard [3.7, 4.1, Lampiran] | 5% | Gambar arsitektur sesuai stack (Nginx → Gunicorn/Flask → modul → CSV); Tabel endpoint lengkap; tangkapan layar tiap panel (klasifikasi, ensemble, XAI, causal) beserta cara penggunaan | Arsitektur dan dashboard ada, tetapi tangkapan layar belum semua panel | Hanya tangkapan layar halaman utama tanpa penjelasan | Tidak ada bukti sistem berjalan |
| 9 | Keterbatasan, kesimpulan, dan saran [4.7, Bab V] | 10% | Kesimpulan menjawab setiap rumusan masalah secara berurutan dengan angka; keterbatasan spesifik (data observasional, confounder tak terukur, satu dataset, ukuran sampel XAI); saran operasional dan berangkat dari keterbatasan | Kesimpulan menjawab semua rumusan, tetapi keterbatasan atau saran umum | Kesimpulan tidak menjawab sebagian rumusan atau memuat hal baru di luar hasil | Kesimpulan tidak terkait hasil; keterbatasan tidak ada |
| 10 | Daftar pustaka dan sitasi [Seluruh naskah, Daftar Pustaka] | 5% | ≥15 rujukan, mayoritas jurnal/prosiding; satu gaya sitasi konsisten (mis. APA/IEEE); setiap sitasi di teks ada di daftar dan sebaliknya | 10–14 rujukan atau 1–2 ketidaksesuaian sitasi | <10 rujukan atau gaya campur | Sitasi minim atau tidak ada daftar pustaka |
Total bobot: 100%