UNIVERSITAS WAHID HASYIM(UNWAHAS)

 

 

FAKULTAS

FACULTY

TEKNIK

PROGRAM STUDI

STUDY PROGRAM

TEKNIK INFORMATIKA

RENCANA PEMBELAJARAN SEMESTER

LESSON PLAN

Nomer Dokumen

Document Number

FM-C.002/SPMI/UWH/IX/2022

Nomer Revisi

Revision Number

0

Halaman

Page

-

Tanggal Penyusunan

Compilation Date

03-Feb-2024

 

Mata Kuliah

Course

Kode

Code

Rumpun MK

Specialisation

Bobot

Credit

Semester

Semester

Computer Vision

JTI 074

-

3 Sks

6

Pengesahan

Confirmation

Dosen Pengembang RPS

Lesson Plan Coordinator

Koordintaor MK

Coordinator

Ketua Program Studi

Head of Study Program

 

(Rony Wijanarko, S.Kom., M.Kom.)

 

(Fandy Indra Pratama, S.Kom., M.Kom)

 

( Fandy Indra Pratama, S.Kom., M.Kom )

CAPAIAN PEMBELAJARAN

LEARNING OBJECTIVES

CPL-Prodi yang dibebankan MK

Learning Objectives of Study Program Given to the Course

 

CPL03 (PENGETAHUAN)

Memiliki kompetensi untuk menganalisis persoalan computing yang kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin

CPL05 (KETRAMPILAN KHUSUS)

Kemampuan mengimplementasi kebutuhan computing dengan mempertimbangkan berbagai metode/algoritma yang sesuai.

CPL09 (SIKAP)

Menunjukkan sikap profesional dalam bentuk kepatuhan pada etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi.

CPL10 (KETRAMPILAN UMUM)

Memiliki kemampuan (pengelolaan) manajerial tim dan kerja sama (team work), manajemen diri, mampu berkomunikasi baik lisan maupun tertulis dengan baik dan mampu melakukan presentasi.

Capaian Pembelajaran Mata Kuliah (CPMK)

Course Learning Objective

 

CPMK031 (CPL03)

Mampu menjelaskan pengertian computing dengan benar

CPMK051 (CPL05)

Mampu menganalisis dan mendesain kebutuhan computing dengan benar.

CPMK091 (CPL09)

Mampu memahami tentang etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi.

CPMK101 (CPL10)

Mampu mengelola tim, komunikasi dan berkolaborasi dalam proyek teknologi informasi

CPMK102 (CPL10)

Mampu mengelola diri sendiri

CPMK103 (CPL10)

Mampu menyajikan gagasan secara lisan dan tertulis

Kemampuan Akhir tiap Tahapan Belajar (Sub-CPMK)

Sub Course Learning Objective

 

SUB-CPMK0311 (CPMK031)

Kemampuan menjelaskan pengertian computer vision pada ilmu computing dengan benar

SUB-CPMK0511 (CPMK051)

Kemampuan menganalisis dan mendesain solusi untuk computer vision dengan benar.

SUB-CPMK0911 (CPMK091)

Kemampuan memahami tentang etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi computer vision.

SUB-CPMK1011 (CPMK101)

Kemampuan mengelola tim, komunikasi dan berkolaborasi mengembangkan proyek teknologi informasi berbasis computer vision

SUB-CPMK1021 (CPMK102)

Kemampuan mengelola diri dalam memahami ilmu computer vision

SUB-CPMK1031 (CPMK103)

Kemampuan menyajikan gagasan computer vision secara lisan dan tertulis

Korelasi CPMK terhadap Sub-CPMK

CorrelationLearning Objective of The Course to Sub Course Learning Objective

 

Tuliskan peta matriks antara CPL dengan CPMK (Sub CP MK)

 

Diskripsi Singkat MK

Course Short Description

Mata kuliah computer vision adalah salah satu mata kuliah yang terkait dengan bidang ilmu pengolahan citra digital dan teknologi penglihatan mesin. Pada mata kuliah ini, mahasiswa akan mempelajari konsep dasar computer vision, teknik pemrosesan citra, dan teknik pengenalan objek pada citra dan video. Mahasiswa juga akan mempelajari tentang aplikasi computer vision pada berbagai bidang, seperti otomotif, robotika, dan pengolahan medis. Selain itu, mahasiswa juga akan mempelajari tentang perangkat lunak dan alat-alat yang digunakan dalam pengolahan citra dan computer vision. Dalam perkuliahan, mahasiswa akan diberikan tugas dan proyek yang melibatkan implementasi teknik dan algoritma computer vision pada kasus nyata.

Bahan kajian:

Materi Pembelajaran

 

Study Material:

Learning Materials

Tuliskan materi / bahan kajian MK, secara rinci, dengan penulisan secara berurut

  1. Computing Systems Fundamentals
  2. Intelligent Systems
  3. Computational Science

Pustaka

References

Utama

Main

 

Tuliskan referensi utama dalam susunan berurut

1. "Computer Vision: Algorithms and Applications" oleh Richard Szeliski.
2. "Digital Image Processing" oleh Rafael C. Gonzalez dan Richard E. Woods.
3. "Learning OpenCV 4 Computer Vision with Python 3" oleh Joseph Howse, Prateek Joshi, dan Michael Beyeler.
4. "Computer Vision: Models, Learning, and Inference" oleh Simon J.D. Prince.
5. "Computer Vision: A Modern Approach" oleh David A. Forsyth dan Jean Ponce.

Pendukung

Supporting

 

Tuliskan Pustaka penunjang , dituliskan secara berurut


Dosen Pengampu

Lecturer

Rony Wijanarko, S.Kom., M.Kom.

Mata Kuliah Syarat

Prerequisite

Minggu Ke

Week

Kemampuan akhir tiap tahapan belajar (Sub-CPMK)

Sub Course Learning Objective

Penilaian

Assesment

Bentuk Pembelajaran;

Metode pembelajaran;

Penugasan Mahasiswa

Learning Form;

Learning Method;

Assignment;

Materi Pembelajaran

Learning Paltform

 

Bobot Penilaian

Scoring Weight

(%)

Indikator

Indicator

Kriteria

Criteria

(1)

(2)

(3)

(4)

Tatap Muka

Face To Face

(5)

Daring

Online

(6)

(7)

(8)

1

Kemampuan menjelaskan pengertian computer vision pada ilmu computing dengan benar

Ketepatan dalam menjelaskan
prinsip dasar computer vision serta implementai

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

7.50

2

Kemampuan menjelaskan pengertian computer vision pada ilmu computing dengan benar

Akurasi dalam perhitungan Image Formation, Filtering, dan Enhancement serta mensimulasikannya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

7.50

3

Kemampuan menganalisis dan mendesain solusi untuk computer vision dengan benar.

Akurasi dalam perhitungan segmentasi dan deteksi tepi serta mensimulasikannya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

5.00

4

Kemampuan menganalisis dan mendesain solusi untuk computer vision dengan benar.

Akurasi dalam perhitungan segmentasi dan deteksi tepi serta mensimulasikannya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

7.50

5

Kemampuan memahami tentang etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi computer vision.

Ketepatan dalam menjelaskan prinsip dasar serta skema sistem pengenalan pola

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

5.42

6

Kemampuan memahami tentang etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi computer vision.

Ketepatan dalam menjelaskan penggunaan decision tree dan Bayesian sebgai classifier

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

6.67

7

Kemampuan memahami tentang etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi computer vision.

Ketepatan dalam menjelaskan perbedaan antara deteksi dan rekognisi

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

9.58

9

Kemampuan mengelola tim, komunikasi dan berkolaborasi mengembangkan proyek teknologi informasi berbasis computer vision

Ketepatan dalam menjelaskan prinsip dasar stereopsis, object tracking dan
mensimulasikannya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

7.50

10

Kemampuan mengelola tim, komunikasi dan berkolaborasi mengembangkan proyek teknologi informasi berbasis computer vision

Ketepatan dalammenjelaskan prinsip dasar stereopsis, machine learning dan
mensimulasikannya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

10.83

11

Kemampuan mengelola diri dalam memahami ilmu computer vision

Ketepatandalammenjelaskan
prinsip dasar motion detection
berikut algoritma dasarnya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

6.67

12

Kemampuan mengelola diri dalam memahami ilmu computer vision

Ketepatandalammenjelaskan
prinsip dasar object tracking
berikut algoritma dasarnya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

7.08

13

Kemampuan menyajikan gagasan computer vision secara lisan dan tertulis

Ketepatandalammenjelaskan
prinsip dasar object tracking
berikut algoritma dasarnya

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

5.00

14

Kemampuan menyajikan gagasan computer vision secara lisan dan tertulis

Ketepatandalammenerapkan
berbagai teknik yang telah
dipelajari ke dalam sistem
comter vision

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

6.67

15

Kemampuan menyajikan gagasan computer vision secara lisan dan tertulis

Ketepatandalammenerapkan
berbagai teknik yang telah
dipelajari ke dalam sistem
comter vision

Ketepatan dan penguasaan

  • Bentuk : Kuliah
  • Metode : Small Group Discussion

elearning

3

7.08

16

Ujian Akhir Semester

0.00

Total Bobot

100





UNIVERSITAS WAHID HASYIM(UNWAHAS)

 

 

FAKULTAS

FACULTY

TEKNIK

PROGRAM STUDI

STUDY PROGRAM

TEKNIK INFORMATIKA

RENCANA ASESMEN

ASSESMENT PLAN

Nomer Dokumen

Document Number

FM-C.002/SPMI/UWH/IX/2022

Nomer Revisi

Revision Number

0

Halaman

Page

-

Tanggal Penyusunan

Compilation Date

03-Feb-2024

 

Mata Kuliah

Course

Kode

Code

Rumpun MK

Specialisation

Bobot

Credit

Semester

Semester

Computer Vision

JTI 074

-

3 Sks

6

Pengesahan

Confirmation

Dosen Pengembang RPS

Lesson Plan Coordinator

Koordintaor MK

Coordinator

Ketua Program Studi

Head of Study Program

 

(Rony Wijanarko, S.Kom., M.Kom.)

 

(Fandy Indra Pratama, S.Kom., M.Kom)

 

( Fandy Indra Pratama, S.Kom., M.Kom )

NO

CPMK

Presensi

Praktek

Presentasi

UTS

UAS

Tugas Kelompok

Total Bobot
1

CPMK031 - Mampu menjelaskan pengertian computing dengan benar

0

0

0

5

5

5

15

2

CPMK051 - Mampu menganalisis dan mendesain kebutuhan computing dengan benar.

0

10

0

10

10

5

35

3

CPMK091 - Mampu memahami tentang etika profesi, kemampuan bekerjasama dalam tim multidisiplin, pemahaman tentang pembelajaran sepanjang hayat, dan respon terhadap isu sosial dan perkembangan teknologi.

0

5

5

0

0

5

15

4

CPMK101 - Mampu mengelola tim, komunikasi dan berkolaborasi dalam proyek teknologi informasi

0

5

0

5

0

0

10

5

CPMK102 - Mampu mengelola diri sendiri

0

5

0

5

0

0

10

6

CPMK103 - Mampu menyajikan gagasan secara lisan dan tertulis

0

5

0

5

0

5

15

Total Bobot 100

 

Catatan sesuai dengan SN Dikti Permendikbud No 3/2020:

1.     Capaian Pembelajaran Lulusan PRODI (CPL-PRODI) adalah kemampuan yang dimiliki oleh setiap lulusan PRODI yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.

2.     CPL yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-PRODI) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.

3.     CP Mata kuliah (CPMK) adalah kemampuan yang dijabarkan secara spesifik dari CPL yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.

4.     Sub-CP Mata kuliah (Sub-CPMK) adalah kemampuan yang dijabarkan secara spesifik dari CPMK yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.

5.     Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.

6.     Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.

7.     Teknik penilaian: tes dan non-tes.

8.     Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.

9.     Metode Pembelajaran:Small Group Discussion,Role-Play & Simulation,Discovery Learning,Self-Directed Learning,Cooperative Learning,Collaborative Learning,Contextual Learning,Project Based Learning, dan metode lainnya yg setara.

10.  Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.

11.  Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-CPMK yang besarnya proposional dengan tingkat kesulitan pencapaian sub-CPMK tsb., dan totalnya 100%.

12.  TM=Tatap Muka,PT=Penugasan Terstuktur,BM=Belajar Mandiri.