RENCANA PEMBELAJARAN SEMSETER

MATA KULIAH PENGENALAN POLA

Mata Kuliah : PENGENALAN POLA (3 sks)

Kode : F09171030
Prasyarat : Pengolahan Citra Digital
Program studi : S1 TEKNIK INFORMATIKA
Semester :VI (Enam)
Dosen : Dr. Anita Ahmad Kasim., S.Kom.,M.Cs
A. Y. Erwin Dodu, S.T., M.Eng.
Rizana Fauzi, S.T., M.T.

JURUSAN TEKNOLOGI INFORMASI FAKULTAS TEKNIK

UNIVERSITAS TADULAKO
 RENCANA PEMBELAJARAN SEMESTER (RPS
Nama Mata Kuliah : Pengenalan Pola Kode Mata Kuliah : F09171030
Program Studi : Teknik Informatika Tim Dosen Matakuliah: Dr. Anita Ahmad Kasim., S.Kom.,M.Cs
A. Y. Erwin Dodu, S.T., M.Eng.
Rizana Fauzi, S.T., M.T.
SKS : 3 (Tiga) Semester : VI (Enam)

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.

2. Unsur Capaian Pembelajaran

Mahasiswa mampu mengaplikasikan pengenalan pola melalui simulasi computer digital, serta membangun aplikasi perangkat lunak
dalam berbagai area yang berkaitan dengan bidang otomatisasi

3. Komponen Penilaian
- Kehadiran 10%
- Tugas 1 30%
- Tugas 2 30%
 - Tugas 3 30%

4. Daftar Referensi 1

M. Jordan, J. Kleinberg, and B. Scho, PATTERN RECOGNITION (2012).

5. Rencana Pembelajaran Semester (RPS)

Bahan Kajian Kemampuan Akhir Bentuk Kriteria/Indikator Standar Kompetensi
Minggu
(Materi Ajar) yang Diharapkan Pembelajaran Penilaian Profesi
1 - Mahasiswa
mengetahui target
yang akan dicapai
melalui matakuliah
Kontrak Pembelajaran :
- Mahasiswa Ceramah
tujuan dan ruang lingkup
materi, aturan, dan tata mengetahui
komponen-komponen Diskusi
cara perkuliahan,
evaluasi dan kriteria penilaian
- Mahasiswa Online
mengetahui kewajiban
dan haknya selama
perkuliahan

Pengantar Pengenalan Pola: - Mahasiswa mampu Ceramah Mengenal istilah

menjelaskan yang digunakan
2 Diskusi pada pengenalan
- Definisi pola, kelas pola dan pengertian dan definisi
pengenalan pola yang berhubungan
 Bahan Kajian Kemampuan Akhir Bentuk Kriteria/Indikator Standar Kompetensi
Minggu
(Materi Ajar) yang Diharapkan Pembelajaran Penilaian Profesi
- Istilah pada pengenalan pola dengan pengenalan Online pola dan mengenal
- Persepsi Manusia dengan pola aplikasi
mesin - Mahasiswa mampu yang menerapkan
- Studi kasus Pengenalan menjelaskan persepsi pengenalan pola
Pola manusia dan mesin Mengenal metode
serta proses pengenalan pola
pengenalan pola
- Mahasiswa dapat
menjelaskan aplikasi
aplikasi yang
membutuhkan
pengenalan pola
- Mahasiswa Ceramah
mengetahui
Metode Pengenalan pengelompokan Diskusi
pola metode pengenalan
pola yang ada Online
3 - Structural / Syntactic - Mahasiswa
- ApproachGeometric / mengetahui tahapan
Statistica Approach awal pada siklus
- Computational Intelligence pengembangan sistem
pengenalan pola
 Bahan Kajian Kemampuan Akhir Bentuk Kriteria/Indikator Standar Kompetensi
Minggu
(Materi Ajar) yang Diharapkan Pembelajaran Penilaian Profesi
- Mahasiswa Ceramah Mahasiswa dapat Mengetahui cara
mengetahui tahapan menentukan pengambilan nilai
awal pada siklus Diskusi hasil data dari objek
pengembangan sistem transformasi dataset
pengenalan pola Online Mengetahui cara
- Mahasiswa mampu Mahasiswa dapat mapping data ke
Tahap awal siklus melakukan seleksi dalam ruang
menjelaskan cara
pengembangan system fitur dimensi
mengoleksi data dan
pengenalan pola: dari data set yang yang
mengekstraksi fitur telah lebih rendah
4 - Collect data
fitur yang potensial dipilih
- Object to data set
untuk mengenali
- Seleksi fitur
suatu pola
- Mahasiswa mampu
menyeleksi terhadap
fitur fitur yang hanya
memiliki pengaruh
besar terhadap proses
pengenalan pola
- Mahasiswa dapat Ceramah Partisipasi di Kemampuan
Ekstraksi Ciri/fitur Kelas Laporan hasil mengidentifikasi
menjelaskan
- Klasifikasi Ekstraksi Diskusi review jurnal dan
pengenalan pola
5-6 Ciri Yang membahas menjelaskan klasifikasi
berdasarkan
- Metode Ekstraksi Ciri Online dan metode ekstraksi
pendekatan Statistical
bentuk, ukuran, ciri ciri yang digunakan
ciri/feature
 Bahan Kajian Kemampuan Akhir Bentuk Kriteria/Indikator Standar Kompetensi
Minggu
(Materi Ajar) yang Diharapkan Pembelajaran Penilaian Profesi
geometri, texture dan - Mahasiswa mampu Tentang klasifikasi pada beberapa paper
warna mengekstrak dan metode yang direview
ciri/informasi dari ekstraksi ciri
objek di dalam citra Yang dikumpulkan Komunikasi tertulis
yang ingin tepat waktu (Kemampuan
dikenali/dibedakan menuangkan dalam
bentuk tulisan yang
dengan objek lainnya
sistematis dan
- Mahasisa mampu terstruktur
menjelaskan proses , kerapian
penentuan objek penulisan
descriptor/properti tugas)
melalui variansi
ektraksi ciri bentuk, Tanggung jawab
ciri texture, ciri
topology dan ciri lain
yang relevan

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%

7. PENILAIAN DENGAN RUBRIK

ANGKA (SKOR) DESKRIPSI PERILAKU (INDIKATOR)
90-100 Mahasiswa menguasai konsep, jawaban benar sempurna
80-90 Mahasiswa menguasai konsep namun ada sedikit
kesalahan pada
jawaban
70-80 Mahasiswa
mengerti konsep namun ada sedikit kesalahan pada
proses penerapannya
60-70 Mahasiswa
mengerti konsep namun tidak mampu menerapkannya
50-60 Mahasiswa hanya mengerti sebagian konsep
40-50 Mahasiswa salah mengerti konsep, jawaban benar tetapi
prosesnya
salah
10-40 Mahasiswa tidak mengerti

8. PENENTUAN NILAI AKHIR MATA KULIAH

NILAI SKOR MAHASISWA NILAI MATA KULIAH

>85 A
>80-85 A-
>75-80 B+
>70-75 B
>65-70 B-
>50-65 C
46-50 D
<46 E