Pertemuan 1 Kontrak Dan RPS
Pertemuan 1 Kontrak Dan RPS
1. Deskripsi Singkat
Mata kuliah tentang sistem pengenalan pola serta dasar konsep pola. Mulai dari mengenal bentuk pola-pola pada objek sampai
menggali pola pada objek yang berbeda. Proses dasar analisis pengenalan pola dengan mengetahui beberapa contoh, metode dan
aplikasi terapan dalam sistem serta cara pengolahan pola-pola yang telah diketahui dari suatu objek untuk dijadikan kumpulan
dataset yang nantinya digunakan untuk mendukung proses pengenalan pola lebih lanjut. Pembelajaran dimulai dari pengantar
pengenalan pola, tahap awal siklus pengembangan system pengenalan pola, ekstraksi ciri, pengenalan pola berdasarkan pendekatan
struktural, pengenalan pola berdasarkan pendekatan statistical (probabilitas, estimasi, Klasifikasi, klasterisasi) serta pengenalan pola
berdasarkan pendekatan kecerdasan komputasi.
3. Komponen Penilaian
- Kehadiran 10%
- Tugas 1 30%
- Tugas 2 30%
- Tugas 3 30%
4. Daftar Referensi 1
7 UTS
- Mahasiswa dapat Klasifikasi Teori Ceramah Mampu
menjelaskan - Keputusan menjelasankan
pengenalan pola Bayesian Diskusi dan
8-9 mengklasifikan
berdasarkan - Teori Keputusan
pendekatan Statistical - Bayesian Online objek
probabilitas - Fase Training menggunakan
Bahan Kajian Kemampuan Akhir Bentuk Kriteria/Indikator Standar Kompetensi
Minggu
(Materi Ajar) yang Diharapkan Pembelajaran Penilaian Profesi
- Mahasiswa dapat - Fase Testing metode keputusan
menentukan klasifikasi - Studi Kasus Bayesian dan
suatu objek naive
Klasifikasi Naive Bayesian
berdasarkan metode
Bayesian dengan benar
Bayesian
- Klasifikasi Naïve
Bayesian
- Fase Training
- Fase Testing
- Studi Kasus
- Mahasiswa dapat Ceramah Kemampuan Partisipasi di
menjelaskan - Klasifikasi Linier menjelaskan dan kelas
pengenalan pola - Analisis Diskusi mengklasifikasikan Laporan hasil
berdasarkan diskriminan suatu objek yang klasifikasi
pendekatan Statistical - Klasifikasi Linier Online dipilih suatu objek
estimasi - Linear sebagai studi kasus menggunakan
10-11 Discriminant serta menggunakan metode LDA
- Mahasiswa dapat
- Analysis (LDA) metode Klasifikasi
mengklasifikasi suatu
- Studi Kasus yang
objek ke dalam dua telah dipilih
kelompok atau lebih Latihan
berdasarkan variable
independennya
Bahan Kajian Kemampuan Akhir Bentuk Kriteria/Indikator Standar Kompetensi
Minggu
(Materi Ajar) yang Diharapkan Pembelajaran Penilaian Profesi
Klasifikasi Ceramah Mahasiswa Partisipasi
- Mahasiswa dapat Menggunakan K - dapat dikelas
menjelaskan Nearest Neighbor Diskusi mengklasifikan
pengenalan pola suatu Penugasan
Prinsip KNN Online objek individu
berdasarkan
menggunakan
pendekatan Statistical
Algoritma KNN metode KNN
klasifikasi atau FK-NNC
- Mahasiswa dapat Studi kasus
12-13 menentukan klasifikasi
suatu objek Fuzzy K Nearest
berdasarkan kedekatan Neighbor in every Class
lokasi (jarak) suatu (FK-NNC)
data dengan data yang
lain Algoritma FK NNC
Studi Kasus
14 UAS -
6. RANCANGAN TUGAS KULIAH
Tugas 1
Minggu 4
Tugas ke 1
Tujuan
1. Mahasiswa mengetahui tahapan awal pada siklus pengembangan sistem
pengenalan pola
2. Mahasiswa mampu menjelaskan cara mengoleksi data dan mengekstraksi
fitur fitur yang potensial untuk mengenali suatu pola
3. Mahasiswa mampu menyeleksi terhadap fitur fitur yang hanya memiliki
pengaruh besar terhadap proses pengenalan pola
Uraian Tugas
1. Menjelaskan tahapan awal pada siklus pengembangan sistem pengenalan
pola
2. Menjelaskan cara mengoleksi data dan mengekstraksi fitur fitur yang
potensial untuk mengenali suatu pola menggunakan metode GLCM
3. Menyeleksi terhadap fitur fitur yang hanya memiliki pengaruh besar
terhadap proses pengenalan pola dengan metode Information Gain
Kriteria Penilaian
1. Ketepatan penyelesaian tugas 90%
2. Ketepatan pengumpulan tugas 10%
Tugas 2
Minggu 8
Tugas ke 2
Tujuan
1. Mahasiswa dapat menjelaskan pengenalan pola berdasarkan pendekatan
Statistical probabilitas
2. Mahasiswa dapat menentukan klasifikasi suatu objek berdasarkan
metode Bayesian
Uraian Tugas
1. Menjelaskan pengenalan pola berdasarkan pendekatan Statistical probabilitas
2. Melakukan klasifikasi suatu objek berdasarkan metode Bayesian
Kriteria Penilaian
1. Ketepatan penyelesaian tugas 90%
2. Ketepatan pengumpulan tugas 10%
Tugas 3
Minggu 12
Tugas ke 2
Tujuan
1. Mahasiswa dapat menjelaskan pengenalan pola berdasarkan pendekatan
Statistical klasifikasi
2. Mahasiswa dapat menentukan klasifikasi suatu objek berdasarkan
kedekatan lokasi (jarak) suatu data dengan data yang lain
Uraian Tugas
1. Menjelaskan pengenalan pola berdasarkan pendekatan Statistical
klasifikasi
2. Melakukan klasifikasi suatu objek berdasarkan kedekatan lokasi (jarak)
suatu data dengan data yang lain dengan Metode KNN dan Fuzzy KNN
Kriteria Penilaian
1. Ketepatan penyelesaian tugas 90%
2. Ketepatan pengumpulan tugas 10%