RENCANA PEMBELAJARAN SEMESTER (RPS)

(1)

ANALISIS CAPAIAN PEMBELAJARAN, RANCANGAN PELAKSANAAN PEMBELAJARAN,

RENCANA TUGAS, RENCANA PENILAIAN, KONTRAK PERKULIAHAN

PENGOLAHAN CITRA DIJITAL IF3505 / 4 Sks / Semester III

Oleh :

Nurlaily Vendyansyah, S.T., M.T.

TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI NASIONAL MALANG

(2)

Puji dan syukur dipanjatkan kehadirat Allah SWT atas rahmat dan hidayah-Nya sehingga Tugas Laporan Pelatihan Pekerti ini dapat terselesaikan dengan baik dan lancar.

Penyelesaian tugas ini dimaksudkan untuk memenuhi sebagian dari persyaratan guna memperoleh Sertifikat Pengembangan Keterampilan DasarTeknik Instruksional (PEKERTI), yang dikeluarkan oleh LLDIKTI Wilayah VII dan merupakan kesempatan berharga sekali untuk menerapkan beberapa teori yang diperoleh selama menempuh Pelatihan Pengembangan Keterampilan DasarTeknik Instruksional (PEKERTI). Tanpa kesempatan, bimbingan, masukan, serta dukungan semangat dari berbagai pihak, tentunya tugas ini tidak akan terwujud sebagaimana bentuknya saat ini.

Sehubungan dengan selesainya penulisan tugas Laporan Pelatihan Pekerti, penulis menyampaikan banyak terima kasih kepada pihak-pihak yang telah memberikan bantuan, baik moril maupun materiil, yaitu:

1. Dr.Ir.Kustamar, M.T., selaku Rektor Institut Teknologi Nasional Malang sekaligus sebagai pemberi dukungan;

2. Dr. Ellysa Nursanti, ST, MT., selaku Dekan Fakultas Teknologi Industri Institut Teknologi Nasional Malang;

3. Suryo Adi Wibowo, S.T., M.T., selaku Ketua Program Studi Teknik Informatika S1 Institut Teknologi Nasional Malang sekaligus sebagai suami tercinta;

4. Prof. Dr. Ir. Hj. Noor Harini, MS., Dra. Lise Chamisijatin, M.Pd., Dr. H. Sueb Hadi Saputro, M.Pd., Prof. Dr. Dyah Sawitri, S.E., M.M., sebagai pemateri Pelatihan Pekerti di Universitas Ma Chung Malang yang telah memberikan arahan dan bimbingan untuk penulisan tugas Pekerti;

5. Dr.Murphin Joshua Sembiring,M.Si, selaku Rektor Universitas Ma Chung sekaligus sebagai penyelenggara program pelatihan Pengembangan Keterampilan DasarTeknik Instruksional (PEKERTI);

6. Para panitia penyelenggara Pelatihan Pengembangan Keterampilan DasarTeknik Instruksional (PEKERTI) di Universitas Ma Chung;

7. Seluruh rekan-rekan Pelatihan Pekerti di Universitas Ma Chung khususnya Kelompok 3;

Kepada pihak-pihak lainnya yang tidak mungkin disebutkan satu per-satu, juga penulis sampaikan penghargaan dan rasa terima kasih yang tidak terhingga karena dengan bantuannya maka Tugas Laporan Pelatihan Pekerti ini dapat diselesaikan penulisannya dengan baik.

(3)

dalam melaksanakan pengabdian bagi kejayaan negara dan bangsa Indonesia yang kita cintai. Aamiin.

Malang, 6 Januari 2020 Penulis,

(4)

PELATIHAN

PENGEMBANGAN KETERAMPILAN DASAR

TEKNIK INSTRUKSIONAL (PEKERTI)

LLDIKTI WILAYAH VII

DAFTAR ISI

TUGAS LAPORAN PELATIHAN PEKERTI

1. Kata Pengantar...ii

2. Daftar Isi...iv

3. Tugas 1 Analisis Instruksional ...1

4. Tugas 2 Evaluasi Hasil Belajar...7

5. Tugas 3 Rencana Pembelajaran Semester (RPS)...19

6. Tugas 4 Rencana Pelaksanaan Pembelajaran (RPP)...32

7. Tugas 5 Kontrak Kuliah...52

(5)

TUGAS 1

ANALISIS INSTRUKSIONAL

Oleh:

Nurlaily Vendyansyah, S.T.,M.T.

INSTITUT TEKNOLOGI NASIONAL MALANG

KEMENTERIAN RISET TEKNOLOGI PENDIDIKAN

TINGGI

LLDIKTI WILAYAH VII JAWA TIMUR

TAHUN 2019

(6)

HALAMAN PENGESAHAN

Telah diperiksa dan disetujui Oleh

Tim PEKERTI AA LLDIKTI Wilayah VII Jawa Timur Pada tanggal___________________

(7)

1. Penentuan Capaian Pembelajaran Mata kuliah (CPMK) :

Nama Mata Kuliah : Pengolahan Citra Digital (3 SKS)

2. Penetapan Kemampuan Akhir yang Direncanakan dan Indikator Mata kuliah : IF3505 - Pengolahan Citra Digital Capaian Pembelajaran MK :

CPMK1 : Mampu menjelaskan dasar-dasar pengolahan citra digital.(KU2) CPMK2 : Mampu menjelaskan metode dalam pengolahan citra digital.(KU2) CPL yang dibebankan pada mata kuliah

S9

: Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri;

P8 : Memahami konsep three level processing, metode ekstraksi ciri, dan metode klasifikasi pada sistem visi komputer.

KU1 : Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya;

KU2 : Mampu menunjukkan kinerja mandiri, bermutu, dan terukur;

KU7 : Mampu bertanggungjawab atas pencapaian hasil kerja kelompok dan melakukan supervisi dan evaluasi terhadap penyelesaian pekerjaan yang ditugaskan kepada pekerja yang berada di bawah tanggungjawabnya;

KU8 : Mampu melakukan proses evaluasi diri terhadap kelompok kerja yang berada dibawah tanggung jawabnya, dan mampu mengelola pembelajaran secara mandiri;

KK8 : Mampu merancang, membangun, dan mengevaluasi sistem visi komputer dengan memanfaatkan berbagai metode ekstraksi ciri.

Bidang Kemampuan

Deskripsi tingkat kemampuan

Deskripsi tingkat keluasan dan kerumitan materi keilmuan Kognitif Mendesain (C6) Model konsep, Model Pengembangan, dan

Model Pengolahan Citra Digital. Psikomotorik Mendemonstrasikan (P4) Metode Pengolahan Citra Digital.

Menggunakan (P4) Software Matlab.

Afektif Membangun (A4) Mandiri dan bertanggungjawab. Capaian Pembelajaran Mata Kuliah (CPMK)

CPMK1 : Mampu menjelaskan dasar-dasar pengolahan citra digital.(KU2) CPMK2 : Mampu menjelaskan metode dalam pengolahan citra digital.(KU2)

CPMK3 : Mampu menerapkan metode dalam pengolahan citra menggunakan software Matlab.(S9)(P8)(KU1, KU7, KU8)(KK8)

(8)

CPMK3 : Mampu mendesain metode dalam pengolahan citra menggunakan software Matlab.(S9)(P8)(KU1, KU7, KU8)(KK8)

No Kemampuan Akhir yang

direncanakan Indikator Materi

1 Menjelaskan dasar pengolahan citra digital (C2)

1.1 Menyebutkan elemen persepsi

visual. Dasar pengolahan citra dijital 1.Elemen persepsi visual, 2.Image sensing and Acquisition, 3.Image sampling and

quantization,

4.Hubungan dasar antara piksel, 5.Operasi linier, dan

6.Operasi non-linier. 1.2 Menyebutkan Image sensing and

Acquisition.

1.3 Menyebutkan Image sampling and

quantization.

1.4 Menyebutkan Hubungan dasar antara piksel.

1.5 Menyebutkan, menjelaskan Operasi linier.

1.6 Menyebutkan, menjelaskan Operasi non-linier.

2 Menerapkan Operasi Image

enhancement pada domain

spasial (C3)

2.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi

Gray Level.

.Image enhancement pada domain spasial

1.Transformasi Gray Level, 2.Histogram Processing, 3.Peningkatan kualitas citra

menggunakan operator aritmatika/logika, 4.Filter spasial : Smooting,

Sharpening. 2.2 Menyebutkan, menjelaskan, mensimulasikan Histogram Processing. 2.3Menyebutkan, menjelaskan, mensimulasikan Peningkatan kualitas citra menggunakan operator aritmatika/logika. 2.4 Menyebutkan, menjelaskan,

mensimulasikan Filter spasial. 3 Menerapkan Image

enhancement pada domain

frekuensi (C3)

3.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi

fourier dan domain frekuensi.

Image enhancement pada domain frekuensi

1.Transformasi fourier dan domain frekuensi, 2.Smoothing, 3.Sharpening, 4.FFT, 5.Wavelet. 3.2 Menyebutkan, menjelaskan, mensimulasikan Smoothing. 3.3 Menyebutkan, menjelaskan, mensimulasikan Sharpening. 3.4 Menyebutkan, menjelaskan, mensimulasikan FFT. 3.5 Menyebutkan, menjelaskan, mensimulasikan Wavelet. 4 Menerapkan Restorasi Citra

(C3) 4.1 Menyebutkan, menjelaskan, mensimulasikan Model noise. Restorasi Citra 1.Model noise, 2.Mean filter,

3.Order-statistik filter, 4.Geometric Mean Filter, 5.Transformasi geometrik. 4.2 Menyebutkan, menjelaskan,

mensimulasikan Mean filter. 4.3 Menyebutkan, menjelaskan,

mensimulasikan Order-statistik

filter.

4.4 Menyebutkan, menjelaskan, mensimulasikan Geometric Mean

Filter.

4.5 Menyebutkan, menjelaskan, mensimulasikan Transformasi goemetrik.

5. Menerapkan Warna pada

Citra Dijital (C3) 5.1 Menyebutkan, menjelaskan, mensimulasikan Dasar warna. Warna pada Citra Dijital 1.Dasar warna, 2.Model warna,

3.Transformasi warna, 5.2 Menyebutkan, menjelaskan,

(9)

5.3 Menyebutkan, menjelaskan, mensimulasikan Transformasi warna.

4.Smoothing dan sharpening, 5.Segmentasi warna, 6.Noise pada citra warna, 7.Kompresi citra warna. 5.4 Menyebutkan, menjelaskan,

mensimulasikan Smoothing dan

sharpening.

5.5 Menyebutkan, menjelaskan, mensimulasikan Segmentasi warna. 5.6 Menyebutkan, menjelaskan,

mensimulasikan Noise pada citra warna.

5.7 Menyebutkan, menjelaskan, mensimulasikan Kompresi citra warna.

6. Menerapkan Kompresi Citra (C3)

6.1 Menyebutkan, menjelaskan Dasar

Kompresi Citra. Kompresi citra 1.Dasar kompresi citra, 2.Model kompresi citra, 3.Elemen teori informasi, 4.Error-Free Compression

(Loseless Compression), Lossy Compression,

5.Steganografi, 6.Watermark. 6.2 Menyebutkan, menjelaskan Model

Kompresi Citra.

6.3 Menyebutkan, menjelaskan Elemen teori informasi.

6.4 Menyebutkan, menjelaskan, mensimulasikan Error-Free

Compression (Loseless

Compression), Lossy Compression

6.5 Menyebutkan, menjelaskan, mensimulasikan Steganografi. 6.6 Menyebutkan, menjelaskan, mensimulasikan Watermark. 7. Menerapkan Morfologi Citra (C3) 7.1 Menyebutkan, menjelaskan, mensimulasikan Dilasi dan Erosi.

Morfologi

1.Dilasi dan erosi, 2.Operasi morfologi dasar. 7.2 Menyebutkan, menjelaskan,

mensimulasikan Operasi morfologi dasar.

8. Menganalisis Segmentasi

Citra (C4) 8.1 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Point

detection. Segmentasi Citra 1.Point detection, 2.Line detection, 3.Edge detection, 4.Thresholding. 8.2 Menyebutkan, menjelaskan,

mensimulasikan, mendeteksi Line

detection.

8.3 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Edge

detection. 8.4 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Thresholding. 9 Membangun Representasidan Deskripsi Citra Digital (C6) 9.1 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Pattern Recognition.

Representasi dan Deskripsi Object Recognition

1.Pattern, 2.Neural network. 9.2 Menyebutkan, menjelaskan,

mensimulasikan, memilih, membangun Neural Network.

(10)

3. Analisis Instruksional (Pemetaan Kompetensi)

PETA KOMPETENSI

MATA KULIAH : IF3505 - PENGOLAHAN CITRA DIGITAL

CAPAIAN PEMBELAJARAN MATAKULIAH (CPMK)

CPMK3 : Mampu mendesain metode dalam pengolahan citra menggunakan program Matlab.(S9)(P8)(KU1, KU7, KU8)(KK8)

(L9)Membangun Representasi dan Deskripsi Citra Digital (CPMK3)(Minggu ke14-15)

(L8)Menganalisis Segmentasi Citra (CPMK3)(Minggu ke 13)

(L7) Menerapkan Morfologi Citra (CPMK2)(Minggu ke 12)

(L6) Menerapkan Kompresi Citra (CPMK2)(Minggu ke 10-11)

(L5) Menerapkan Warna pada Citra Dijital (CPMK2)(Minggu ke 9)

(L4) Menerapkan Restorasi Citra (CPMK2)(Minggu ke 6-7)

(L3) Menerapkan Image enhancement pada domain frekuensi (CPMK2)(Minggu ke 4-5)

(L2) Menjelaskan Image enhancement pada domain spasial (CPMK2)(Minggu ke 2-3)

(L1) Menyebutkan dasar pengolahan citra digital (CPMK1)(Minggu ke 1) Ujian Akhir Semester (Minggu ke 16)

Ujian Tengah Semester (Minggu ke 8)

(11)

TUGAS 2

EVALUASI HASIL BELAJAR

Oleh:

Nurlaily Vendyansyah, S.T.,M.T.

INSTITUT TEKNOLOGI NASIONAL MALANG

KEMENTERIAN RISET TEKNOLOGI PENDIDIKAN

TINGGI

LEMBAGA LAYANAN PENDIDIKAN TINGGI

WILAYAH VII

TAHUN 2019

(12)

HALAMAN PENGESAHAN

Telah diperiksa dan disetujui Oleh Tim PEKERTI AA LLDIKTI Wilayah VII Pada tanggal___________________

(13)

PERENCANAAN PENILAIAN PROGRAM STUDI : Teknik Informatika S1 MATAKULIAH : Pengolahan Citra Digital

KODE MATAKULIAH : IF3505

SKS : 3 Sks

SEMESTER : III (Tiga)

MATAKULIAH PRASYARAT

: ---

DOSEN PENGAMPU : Nurlaily Vendyansyah, S.T.M.T. CAPAIAN

PEMBELAJARAN MK :

Kemampuan Akhir

yang direncanakan Indikator Pencapaian Kompetensi Materi Penilaian Teknik Indikator Penilaian

1. Menyebutkan dasar pengolahan citra digital. 1.1 Menyebutkan elemen persepsi visual. Dasar pengolahan

citra dijital Tes Tertulis (Objectif)

Kebenaran Menyebutkan Elemen persepsi visual

1.2 Menyebutkan

Image sensing and Acquisition Tes Tertulis (Objectif) Kebenaran Menyebutkan Image sensing and Acquisition 1.3 Menyebutkan Image sampling and quantization Tes Tertulis (Objectif) Kebenaran Menyebutkan Image sampling and quantization 1.4 Menyebutkan Hubungan dasar antara piksel. Tes Tertulis (Objectif) Kebenaran Menyebutkan Hubungan dasar antara piksel 1.5 Menyebutkan, menjelaskan Operasi linier. Tes Tertulis (Objectif) Kebenaran Menjelaskan Operasi linier 1.6 Menyebutkan, menjelaskan Operasi non-linier Tes Tertulis (Objectif) Kebenaran Menjelaskan Operasi non-linier 2. Menerapkan Operasi Image enhancement pada domain spasial. 2.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi Gray Level. Image enhancement

pada domain spasial Tes Tertulis (Uraian) Transformasi Gray Level

2.2 Menyebutkan, menjelaskan, mensimulasikan Histogram Processing Tes Tertulis

(Uraian) Histogram Processing

2.3Menyebutkan, menjelaskan, mensimulasikan

Tes Tertulis

(Uraian) Peningkatan kualitas citra menggunakan

(14)

kualitas citra menggunakan operator aritmatika/logika operator aritmatika/logika 2.4 Menyebutkan, menjelaskan, mensimulasikan Filter spasial Tes Tertulis

(Uraian) Filter spasial 3. Menerapkan Image enhancement pada domain frekuensi 3.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi

fourier dan domain

frekuensi

Image enhancement pada domain frekuensi

Tes Tertulis

(Uraian) Transformasi fourier dan domain frekuensi 3.2 Menyebutkan, menjelaskan, mensimulasikan Smoothing. Tes Tertulis (Uraian) Smoothing 3.3 Menyebutkan, menjelaskan, mensimulasikan Sharpening. Tes Tertulis (Uraian) Sharpening 3.4 Menyebutkan, menjelaskan, mensimulasikan FFT. Tes Tertulis (Uraian) FFT 3.5 Menyebutkan, menjelaskan, mensimulasikan Wavelet. Tes Tertulis (Uraian) Wavelet 4. Menerapkan

Restorasi Citra 4.1 Menyebutkan, menjelaskan, mensimulasikan Model noise.

Restorasi Citra Tes Tertulis

(Uraian) Model noise 4.2 Menyebutkan,

menjelaskan, mensimulasikan

Mean filter.

Tes Tertulis

(Uraian) Mean filter 4.3 Menyebutkan, menjelaskan, mensimulasikan Order-statistik filter. Tes Tertulis (Uraian) Order-statistik filter 4.4 Menyebutkan, menjelaskan, mensimulasikan Geometric Mean Filter Tes Tertulis (Uraian) Geometric Mean Filter 4.5 Menyebutkan, menjelaskan, mensimulasikan Transformasi geometrik. Tes Tertulis (Uraian) Transformasi goemetrik 5. Menerapkan Warna pada Citra Dijital

5.1 Menyebutkan, menjelaskan, mensimulasikan Dasar warna.

Warna pada Citra Dijital

Tes Tertulis (Uraian)

Dasar warna

5.2 Menyebutkan,

(15)

mensimulasikan Model warna. 5.3 Menyebutkan, menjelaskan, mensimulasikan Transformasi warna. Tes Tertulis (Uraian) Transformasi warna. 5.4 Menyebutkan, menjelaskan, mensimulasikan Smoothing dan sharpening. Tes Tertulis

(Uraian) Smoothing dan sharpening

5.5 Menyebutkan, menjelaskan, mensimulasikan Segementasi warna. Tes Tertulis (Uraian) Segementasi warna 5.6 Menyebutkan, menjelaskan, mensimulasikan

Noise pada citra

warna.

Tes Tertulis

(Uraian) Noise pada citra warna 5.7 Menyebutkan, menjelaskan, mensimulasikan Kompresi citra warna. Tes Tertulis

(Uraian) Kompresi citra warna

6. Menerapkan

Kompresi Citra 6.1 Menyebutkan, menjelaskan Dasar Kompresi Citra.

Kompresi citra Tes Tertulis

(Uraian) Dasar Kompresi Citra 6.2 Menyebutkan,

menjelaskan Model Kompresi Citra.

Tes Tertulis

(Uraian) Model Kompresi Citra. 6.3 Menyebutkan,

menjelaskan Elemen teori informasi.

Tes Tertulis

(Uraian) Elemen teori informasi 6.4 Menyebutkan, menjelaskan, mensimulasikan Error-Free Compression (Loseless Compression), Lossy Compression Tes Tertulis

(Uraian) Error-Free Compression (Loseless Compression), Lossy Compression 6.5 Menyebutkan, menjelaskan, mensimulasikan Steganografi Tes Tertulis (Uraian) Steganografi 6.6 Menyebutkan, menjelaskan, mensimulasikan Watermark. Tes Tertulis (Uraian) Watermark 7. Menerapkan

Morfologi Citra 7.1 Menyebutkan, menjelaskan, mensimulasikan

Dilasi dan Erosi.

Morfologi Tes Tertulis

(Uraian) Dilasi dan Erosi 7.2 Menyebutkan,

(16)

Operasi morfologi dasar 8. Menganalisis Segmentasi Citra 8.1 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Point detection.

Segmentasi Citra Tes Tertulis

(Uraian) Point detection 8.2 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Line detection. Tes Tertulis

(Uraian) Line detection 8.3 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Edge detection. Tes Tertulis (Uraian) Edge detection 8.4 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Thresholding. Tes Tertulis (Uraian) Thresholding 9. Membangun Representasi dan Deskripsi Citra Digital 9.1 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Pattern Recognition. Representasi dan Deskripsi Object Recognition Tes Tertulis (Uraian) Pattern Recognition 9.2 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Neural Network. Tes Tertulis

(Uraian) Neural Network

KISI-KISI TES OBJEKTIF Program Studi : Teknik Informatika S1

Matakuliah : Pengolahan Citra Digital

Semester/Tahun : III (Tiga) / 2019 Lama/Waktu Testing : 15 Menit

Tipe Tes : Pilihan Ganda dan matching

Jumlah Butir Soal : 5 Soal

No Kemampuan Akhir yang direncanakan dan Indikator Pencapaian Kompetensi

Jenjang Kemampuan Jumlah % C1 C2 C3 C4, C5, C6

1 Dasar pengolahan citra dijital

1.1 Menyebutkan elemen persepsi visual. 1

0 0 8 5%

1.2 Menyebutkan Image sensing and

Acquisition

1 1.3 Menyebutkan Image sampling and

quantization

1 1.4 Menyebutkan Hubungan dasar antara

(17)

1.5 Menyebutkan, menjelaskan Operasi

linier.

1 1 1.6 Menyebutkan, menjelaskan Operasi

non-linier.

1 1

2 Image enhancement pada domain spasial

2.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi Gray

Level. 1 1 1 0 9 10% 2.2 Menyebutkan, menjelaskan, mensimulasikan Histogram Processing 1 1 2.3 Menyebutkan, menjelaskan,

mensimulasikan Peningkatan kualitas citra menggunakan operator

aritmatika/logika

1 1

2.4 Menyebutkan, menjelaskan, mensimulasikan Filter spasial

1 1

3 Image enhancement pada domain frekuensi

3.1 Menyebutkan, menjelaskan,

mensimulasikan Transformasi fourier dan domain frekuensi

1 1 1 0 11 10% 3.2 Menyebutkan, menjelaskan, mensimulasikan Smoothing. 1 1 3.3 Menyebutkan, menjelaskan, mensimulasikan Sharpening. 1 1 3.4 Menyebutkan, menjelaskan, mensimulasikan FFT. 1 1 3.5 Menyebutkan, menjelaskan, mensimulasikan Wavelet. 1 1 4 Restorasi Citra 4.1 Menyebutkan, menjelaskan,

mensimulasikan Model noise. 1 1

1 0 11 10%

4.2 Menyebutkan, menjelaskan, mensimulasikan Mean filter.

1 1 4.3 Menyebutkan, menjelaskan,

mensimulasikan Order-statistik filter. 1 1 4.4 Menyebutkan, menjelaskan,

mensimulasikan Geometric Mean

Filter 1 1 4.5 Menyebutkan, menjelaskan, mensimulasikan Transformasi goemetrik. 1 1

5 Warna pada Citra Dijital

mensimulasikan Dasar warna. 1 1

1 0 15 10%

mensimulasikan Model warna. 1 1 5.3 Menyebutkan, menjelaskan,

mensimulasikan Transformasi warna.

mensimulasikan Smoothing dan

sharpening.

mensimulasikan Segementasi warna. 1 1 5.6 Menyebutkan, menjelaskan,

mensimulasikan Noise pada citra warna.

(18)

5.7 Menyebutkan, menjelaskan, mensimulasikan Kompresi citra warna.

1 1 6 Kompresi citra

6.1 Menyebutkan, menjelaskan Dasar

Kompresi Citra. 1 1

1 0 13 10%

6.2 Menyebutkan, menjelaskan Model

Kompresi Citra. 1 1

6.3 Menyebutkan, menjelaskan Elemen

teori informasi. 1 1

6.4 Menyebutkan, menjelaskan, mensimulasikan Error-Free

Compression (Loseless Compression), Lossy Compression 1 1 6.5 Menyebutkan, menjelaskan, mensimulasikan Steganografi 1 1 6.6 Menyebutkan, menjelaskan, mensimulasikan Watermark. 1 1 7 Morfologi 7.1 Menyebutkan, menjelaskan,

mensimulasikan Dilasi dan Erosi. 1 1

1 0 5 15%

7.2 Menyebutkan, menjelaskan, mensimulasikan Operasi morfologi dasar

1 1

8 Segmentasi Citra

8.1 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Point

detection.

1 1

1 1 10 15%

8.2 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Line

detection.

mensimulasikan, mendeteksi Edge

detection. 1 1 8.4 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Thresholding. 1 1

9 Representasi dan Deskripsi Object Recognition

9.1 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Pattern Recognition.

1 1

1 2 7 15%

9.2 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Neural Network.

1 1

JUMLAH 100%

Contoh Soal

1. Pengolahan citra dapat digunakan dalam bidang-bidang berikut ini : a. Dunia perfilman

b. Dunia fotografi c. Dunia kedokteran d. Dunia komunikasi e. Semua benar

(19)

2. Cocokkan kolom 1 dengan kolom 2 berdasarkan karakteristik operasi dalam pengolahan citra:

Kolom 1 Kolom 2

Operasi tingkat titik 1 A Kecerahan (Brightness) Operasi tingkat lokal 2 B Peningkatan kontras Operasi tingkat global 3 C Negasi

Operasi tingkat objek 4 D Thresholding

E Konversi warna ke citra grayscale F Konvolusi G Deteksi tepi H Penghalusan citra I Penajaman citra J Eliminasi noise K Efek Emboss L Ekualisasi histogram M Rerata intensitas 3. Tahapan awal untuk mendapatkan citra digital disebut apa ?

a. Akuisisi b. Prepocessing c. Segmentasi d. Transformasi e. Resolusi

4. Dibawah ini merupakan alat yang dapat digunakan untuk pencitraan adalah : a. Photo sinar-x

b. Video kamera c. Kamera d. Scanner e. Semua benar

5. Komponen terkecil dari sebuah citra disebut apa ? a. Sampling

b. Piksel c. Kuantisasi d. Prepocessing e. Akuisisi

(20)

KISI-KISI TES URAIAN Program Studi : Teknik Informatika S1

Matakuliah : Pengolahan Citra Digital

Semester/Tahun : III (Tiga)/2019 Lama/Waktu Testing : 60 Menit

Tipe Tes : Portofolio (Psikomotorik lebih banyak, Afektif)

Jumlah Butir Tes :

No. Kemampuan Akhir yang direncanakan dan Indikator

Pencapaian Kompetensi

Jenis Soal Jenjang

Kemampuan Jumlah % Tertutup Terbuka

1. Dasar pengolahan citra dijital

1.1 Menyebutkan elemen persepsi

visual. 0 1 C1, A1

6 5%

1.2 Menyebutkan Image sensing

and Acquisition 0 1 C1, A1

1.3 Menyebutkan Image sampling and quantization

0 1 C1, A1

1.4 Menyebutkan Hubungan

dasar antara piksel. 0 1 C1, A1 1.5 Menyebutkan, menjelaskan

Operasi linier. 0 1 C1, C2, A1

1.6 Menyebutkan, menjelaskan

Operasi non-linier 0 1 C1, C2, A1 2. Image enhancement pada domain spasial

2.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi Gray Level. 0 1 C1, C2, C3, A2, P2 4 10% 2.2 Menyebutkan, menjelaskan, mensimulasikan Histogram Processing 0 1 C1, C2, C3, A2, P2 2.3Menyebutkan, menjelaskan, mensimulasikan Peningkatan kualitas citra menggunakan operator aritmatika/logika

0 1 C1, C2, C3, A2, P2

mensimulasikan Filter spasial 0 1 C1, C2, C3, A2, P2 3 Image enhancement pada domain frekuensi

3.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi fourier dan domain frekuensi

0 1 C1, C2, C3, A2, P2

4 10% 3.2 Menyebutkan, menjelaskan,

mensimulasikan Smoothing. 0 1 C1, C2, C3, A2, P2 3.3 Menyebutkan, menjelaskan,

mensimulasikan Sharpening. 0 1 C1, C2, C3, A2, P2 3.4 Menyebutkan, menjelaskan,

mensimulasikan FFT.

0 1 C1, C2, C3, A2, P2

mensimulasikan Wavelet. 0 1 C1, C2, C3, A2, P2 4 Restorasi Citra

mensimulasikan Model noise. 0 1 C1, C2, C3, A2, P2 ₅ _10% 4.2 Menyebutkan, menjelaskan,

(21)

4.3 Menyebutkan, menjelaskan, mensimulasikan Order-statistik filter. 0 1 C1, C2, C3, A2, P2 4.4 Menyebutkan, menjelaskan, mensimulasikan Geometric Mean Filter 0 1 C1, C2, C3, A2, P2 4.5 Menyebutkan, menjelaskan, mensimulasikan Transformasi goemetrik. 0 1 C1, C2, C3, A2, P2

5 Warna pada Citra Dijital

mensimulasikan Dasar warna. 0 1 C1, C2, C3, A2, P2

7 10% 5.2 Menyebutkan, menjelaskan, mensimulasikan Model warna. 0 1 C1, C2, C3, A2, P2 5.3 Menyebutkan, menjelaskan, mensimulasikan Transformasi warna. 0 1 C1, C2, C3, A2, P2 5.4 Menyebutkan, menjelaskan, mensimulasikan Smoothing dan sharpening. 0 1 C1, C2, C3, A2, P2 5.5 Menyebutkan, menjelaskan, mensimulasikan Segementasi warna. 0 1 C1, C2, C3, A2, P2 5.6 Menyebutkan, menjelaskan, mensimulasikan Noise pada citra warna. 0 1 C1, C2, C3, A2, P2 5.7 Menyebutkan, menjelaskan, mensimulasikan Kompresi citra warna. 0 1 C1, C2, C3, A2, P2 6 Kompresi citra 6.1 Menyebutkan, menjelaskan

Dasar Kompresi Citra. 1 0 C1, C2, C3, A2, P2

6 10% 6.2 Menyebutkan, menjelaskan

Model Kompresi Citra. 1 0 C1, C2, C3, A2, P2 6.3 Menyebutkan, menjelaskan

Elemen teori informasi.

1 0 C1, C2, C3, A2, P2 6.4 Menyebutkan, menjelaskan, mensimulasikan Error-Free Compression (Loseless Compression), Lossy Compression 1 0 C1, C2, C3, A2, P2 6.5 Menyebutkan, menjelaskan,

mensimulasikan Steganografi 1 0 C1, C2, C3, A2, P2 6.6 Menyebutkan, menjelaskan,

mensimulasikan Watermark. 1 0 C1, C2, C3, A2, P2

7 Morfologi

7.1 Menyebutkan, menjelaskan, mensimulasikan Dilasi dan Erosi. 1 0 C1, C2, C3, A4, P4 2 15% 7.2 Menyebutkan, menjelaskan, mensimulasikan Operasi morfologi dasar 1 0 C1, C2, C3, A4, P4 8 Segmentasi Citra 8.1 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Point detection. 1 0 C1, C2, C3, C4, A4, P4 4 15%

(22)

8.2 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Line detection. 1 0 C1, C2, C3, C4, A4, P4 8.3 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Edge detection. 1 0 C1, C2, C3, C4, A4, P4 8.4 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Thresholding. 1 0 C1, C2, C3, C4, A4, P4

9 Representasi dan Deskripsi Object Recognition

9.1 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Pattern Recognition. 1 0 C1, C2, C3, C4, C6, P4, A4 2 15% 9.2 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Neural Network.

1 0 C1, C2, C3, C4, C6, P4, A4

JUMLAH 100%

Contoh Soal

1. Buatlah representasi matrik subimage citra grayscle berukuran 10 x 10 !

2. Buatlah program menggunakan software matlab untuk menampilkan nilai piksel pada citra grayscale !

Pedoman Penskoran

a. Kebenaran Program yang dibuat saat praktikum : 40 % b. Kebenaran jawaban soal yang diberikan : 40 % c. Ketepatan waktu pengumpulan : 20 %

Nilai

Bobot Indikator Kinerja (Rubrik) Angka Huruf

80 - 100 A 4,00 Ide, jelas, inovatif dan mampu menyelesaikan masalah dengan cakupan luas.

71 – 79 B+ 3,50 Ide yang dikemukakan jelas, sesuai, mampu

menyelesaikan masalah, inovatif, cakupan tidak terlalu luas.

65 – 70 B 3,00 Ide yang dikemukakan jelas, sesuai, mampu

menyelesaikan masalah, inovatif, tidak jelas cakupannya. 61 – 64 C+ 2,50 Ide yang dikemukakan jelas, sesuai dan ada sedikit

inovatif, serta kurang menyelesaikan masalah.

56 - 60 C 2,00 Ide yang dikemukakan jelas dan sesuai, namun kurang inovatif.

40 – 55 D 1,00 Ada ide yang dikemukakan, namun kurang kurang sesuai dengan permasalahan.

0 - 39 E 0,00 Tidak ada ide yang jelas untuk menyelesaikan masalah.

(23)

TUGAS 3

RENCANA PEMBELAJARAN SEMESTER

(RPS)

Oleh:

Nurlaily Vendyansyah, S.T., M.T.

INSTITUT TEKNOLOGI NASIONAL MALANG

KEMENTERIAN RISET TEKNOLOGI PENDIDIKAN TINGGI

LLDIKTI WILAYAH VII JAWA TIMUR

TAHUN 2019

(24)

RENCANA PEMBELAJARAN SEMESTER

(RPS)

Mata Kuliah:

Pengolahan Citra Digital

Koordinator Tim Pembina Mata Kuliah

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

INSTITUT TEKNOLOGI NASIONAL MALANG

2019

(25)

Diterbitkan Oleh : Teknik Informatika, 2019

Dokumen :

Nama Mata Kuliah : Pengolahan Citra Digital

Jumlah sks : 3 Sks

Koordinator Tim Pembina MK : Febriana Santi Wahyuni, S.Kom, M.Kom

Koordinator Rumpun MK : Grafik Komputer dan Multimedia

Tim Teaching : 1. Moh. Miftakhur Rokhman, S.Kom., M.Kom.

(26)

DAFTAR ISI

Halaman Cover 1 Tim Penyusun 2 Daftar Isi 3 Analisis Pembelajaran 5

(27)

RENCANA PEMBELAJARAN SEMESTER PRODI TEKNIK INFORMATIKA S1 FAKULTAS TEKNOLOGI INDUSTRI

MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal

Penyusunan PENGOLAHAN

CITRA DIDITAL

IF3505 Matakuliah Grafik

Komputer dan Multimedia

3 Sks III (Tiga) 28/11/2019

Capaian

Pembelajaran (CP)

Koordinator Pengembang RPS Koordinator RMK Ketua PRODI Teknik Informatika

Nurlaily Vendyansyah, S.T.,M.T. Febriana Santi Wahyuni,

S.Kom, M.Kom

Suryo Adi Wibowo,S.T.,M.T.

CPL yang dibebankan pada MK

S9 Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri;

P8 Memahami konsep three level processing, metode ekstraksi ciri, dan metode klasifikasi pada sistem visi

komputer.

KU1 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau

implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya;

KU2 Mampu menunjukkan kinerja mandiri, bermutu, dan terukur;

KU7 Mampu bertanggungjawab atas pencapaian hasil kerja kelompok dan melakukan supervisi dan evaluasi

terhadap penyelesaian pekerjaan yang ditugaskan kepada pekerja yang berada di bawah tanggungjawabnya;

KU8 Mampu melakukan proses evaluasi diri terhadap kelompok kerja yang berada dibawah tanggung

jawabnya, dan mampu mengelola pembelajaran secara mandiri;

KK8 Mampu merancang, membangun, dan mengevaluasi sistem visi komputer dengan memanfaatkan berbagai

metode ekstraksi ciri. CP-MK

(28)

M3 Mampu mendesain metode dalam pengolahan citra ke dalam program Matlab.(S9)(P8)(KU1, KU7, KU8)(KK8)

SUB-CPMK (Kemampuan Akhir yang direncanakan)

L1 Menjelaskan dasar pengolahan citra digital.

L2 Menerapkan Operasi Image enhancement pada domain spasial (C3)

L3 Menerapkan Image enhancement pada domain frekuensi.

L4 Menerapkan Restorasi Citra.

L5 Menerapkan Warna pada Citra Dijital.

L6 Menerapkan Kompresi Citra.

L7 Menerapkan Morfologi Citra.

L8 Menganalisis Segmentasi Citra.

L9 Membangun Representasidan Deskripsi Citra Digital.

Deskripsi Singkat Mata Kuliah

DESKRIPSI

Pada mata kuliah ini mahasiswa belajar Pengenalan pengolahan citra: masalah, aplikasi. Persepsi citra: brightness, contrast, colour. Sistem matriks 2D konvolusi. Transformasi citra: Digital Fourier Transform , Digital Cosine Transform. Peningkatan kualitas citra: operasi titik dan spasial. Restorasi citra: filtering, noise suppression. Operasi morfologi. Kompresi data citra. Keamanan Citra

Materi Pembelajaran/ Pokok Bahasan

Bahan Kajian

Dasar pengolahan citra dijital, Image enhancement pada domain spasial, Image enhancement pada domain frekuensi, Restorasi Citra, Warna pada Citra Dijital, Kompresi citra, Morfologi, Segmentasi Citra, Representasi dan Deskripsi Object Recognition.

Topik Bahasan

I. Dasar pengolahan citra dijital 1.Elemen persepsi visual,

2.Image sensing and Acquisition, 3.Image sampling and quantization, 4.Hubungan dasar antara piksel, 5.Operasi linier, dan

(29)

II. Image enhancement pada domain spasial 1.Transformasi Gray Level,

2.Histogram Processing,

3.Peningkatan kualitas citra menggunakan operator aritmatika/logika, 4.Filter spasial : Smooting, Sharpening.

III. Image enhancement pada domain frekuensi 1.Transformasi fourier dan domain frekuensi, 2.Smoothing,

3. Sharpening, 4.FFT

5.Wavelet. IV. Restorasi Citra

1.Model noise, 2.Mean filter,

3.Order-statistik filter, 4.Geometric Mean Filter, 5.Transformasi geometrik. V. Warna pada Citra Dijital

1.Dasar warna, 2.Model warna, 3.Transformasi warna, 4.Smoothing dan sharpening, 5.Segementasi warna,

6.Noise pada citra warna, 7.Kompresi citra warna. VI. Kompresi citra

1.Dasar kompresi citra, 2.Model kompresi citra, 3.Elemen teori informasi,

4.Error-Free Compression (Loseless Compression), Lossy Compression, 5.Steganografi,

(30)

VII. Morfologi

1.Dilasi dan erosi,

2.Operasi morfologi dasar. VIII. Segmentasi Citra

1.Point detection, 2.Line detection, 3.Edge detection, 4.Thresholding.

IX. Representasi dan Deskripsi Object Recognition 1.Pattern,

2.Neural network.

Pustaka Utama :

[1] Rafael, C Gonzales, Richard E.,2002.Digital Image Processing,2nd Edition, Woods Addison-Wesley. [2] W K Pratt, John Wiley and Sons.,1991.Digital Image Processing.

[3] A.K Jain, 1989, Fundamental of Digital Image Processing, Prentice Hall.

Pendukung

[4] Kadir, A. (2013). Teori dan Aplikasi Pengolahan Citra. Yogyakarta: Andi Publisher.

[5] Purnomo, M. H., & Muntasa, A. (2010). Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Yogyakarta: Graha Ilmu.

[6] Sutoyo, T., Mulyanto, E., Suhartono, V., Nurhayati, O. D., & Wijanarto. (2009). Teori Pengolahan Citra Digital. Yogyakarta: Andi Yogyakarta dengan UDINUS Semarang.

Media Pembelajaran Sofware Hardware :

PPT, Matlab --

Teacher/Team Teaching/ Tim LS

1. Moh. Miftakhur Rokhman, S.Kom., M.Kom.

2. Nurlaily Vendyansyah, S.T.,M.T.

(31)

Psikomotorik: Kinerja (Praktikum). Sikap: Observasi harian

Mata Kuliah Syarat --

Pertemuan Ke Kemampuan Akhir yang direncanakan Indikator Materi Pokok Bentuk dan Metode Pembelajar an Pengalaman Belajar Mahasiswa Estimasi Waktu Penilaian Referensi

Bentuk & Kriteria

Indikator Penilaian Bobot (%) (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) 1 Menjelaskan dasar pengolahan citra digital 1.1 Menyebutkan elemen persepsi visual. Dasar pengolahan citra digital Ceramah, Diskusi, Mampu menjelaskan dasar pengolahan citra digital TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Objektif) Pedoman Penilaian Kebenaran Menyebutkan Elemen persepsi visual 5% [1], [2], [3], _{[4], [5], [6]} 1.2 Menyebutkan Image sensing and Acquisition Kebenaran Menyebutkan Image sensing and Acquisition 1.3 Menyebutkan Image sampling and quantization Kebenaran Menyebutkan Image sampling and quantization 1.4 Menyebutkan Hubungan dasar antara piksel. Kebenaran Menyebutkan Hubungan dasar antara piksel 1.5 Menyebutkan, menjelaskan Operasi linier. Kebenaran Menjelaskan Operasi linier 1.6 Menyebutkan, menjelaskan Kebenaran Menjelaskan

(32)

2 Menerapkan Operasi Image enhancement pada domain spasial. 2.1 Menyebutkan, menjelaskan, mensimulasika n Transformasi Gray Level. Operasi Image enhancement pada domain spasial. Ceramah, Diskusi, Studi Kasus Mampu menerapkan Operasi Image enhancement pada domain spasial. TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran mensimulasikan Transformasi Gray Level. 10% [1], [2], [3], _{[4], [5], [6]} 2.2 Menyebutkan, menjelaskan, mensimulasika n Histogram Processing Kebenaran mensimulasikan Histogram Processing 2.3 Menyebutkan, menjelaskan, mensimulasika n Peningkatan kualitas citra menggunakan operator aritmatika/logi ka Kebenaran mensimulasikan Peningkatan kualitas citra menggunakan operator aritmatika/logika 2.4 Menyebutkan, menjelaskan, mensimulasika n Filter spasial Kebenaran mensimulasikan Filter spasial 3 Menerapkan Image enhancement pada domain frekuensi 3.1 Menyebutkan, menjelaskan, mensimulasika n Transformasi fourier dan domain frekuensi Image enhancement pada domain frekuensi Ceramah, Diskusi, Studi Kasus Mampu menerapkan Image enhancement pada domain frekuensi TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran mensimulasikan Transformasi fourier dan domain frekuensi 10% [1], [2], [3], _{[4], [5], [6]} 3.2 Menyebutkan, menjelaskan, mensimulasika n Smoothing. Kebenaran mensimulasikan Smoothing. 3.3 Menyebutkan, menjelaskan, mensimulasika n Sharpening. Kebenaran mensimulasikan Sharpening. 3.4 Menyebutkan, menjelaskan, mensimulasika n FFT. Kebenaran mensimulasikan FFT. 3.5 Menyebutkan, menjelaskan, mensimulasika n Wavelet. Kebenaran mensimulasikan Wavelet.

(33)

4 Menerapkan Restorasi Citra 4.1 Menyebutkan, menjelaskan, mensimulasika n Model noise. Ceramah, Diskusi, Studi Kasus Mampu menerapkan Restorasi Citra TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran mensimulasikan Model noise. 10% [1], [2], [3], _{[4], [5], [6]} 4.2 Menyebutkan, menjelaskan, mensimulasika n Mean filter. Kebenaran mensimulasikan Mean filter. 4.3 Menyebutkan, menjelaskan, mensimulasika n Order-statistik filter. Kebenaran mensimulasikan Order-statistik filter. 4.4 Menyebutkan, menjelaskan, mensimulasika n Geometric Mean Filter Kebenaran mensimulasikan Geometric Mean Filter 4.5 Menyebutkan, menjelaskan, mensimulasika n Transformasi goemetrik. Kebenaran mensimulasikan Transformasi goemetrik.

UTS (bobot uts merupakan akumulasi dari bobot tes yang dirancang di setiap kemampuan akhir yang direncanakan)

5 Menerapkan Warna pada Citra Dijital 5.1 Menyebutkan, menjelaskan, mensimulasika n Dasar warna. Ceramah, Diskusi, Studi Kasus Mampu menerapkan Warna pada Citra Dijital

TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran mensimulasikan Dasar warna. 10% [1], [2], [3], _{[4], [5], [6]} 5.2 Menyebutkan, menjelaskan, mensimulasika n Model warna. Kebenaran mensimulasikan Model warna. 5.3 Menyebutkan, menjelaskan, mensimulasika n Transformasi warna. Kebenaran mensimulasikan Transformasi warna. 5.4 Menyebutkan, menjelaskan, mensimulasika n Smoothing dan sharpening. Kebenaran mensimulasikan Smoothing dan sharpening.

(34)

5.5 Menyebutkan, menjelaskan, mensimulasika n Segementasi warna. Kebenaran mensimulasikan Segementasi warna. 5.6 Menyebutkan, menjelaskan, mensimulasika n Noise pada citra warna. Kebenaran mensimulasikan Noise pada citra warna. 5.7 Menyebutkan, menjelaskan, mensimulasika n Kompresi citra warna. Kebenaran mensimulasikan Kompresi citra warna. 6 Menerapkan Kompresi Citra 6.1 Menyebutkan, menjelaskan Dasar Kompresi Citra. Ceramah, Diskusi, Studi Kasus Ceramah, Diskusi, Studi Kasus Mampu menerapkan Kompresi Citra TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran menjelaskan Dasar Kompresi Citra. 10% [1], [2], [3], _{[4], [5], [6]} 6.2 Menyebutkan, menjelaskan Model Kompresi Citra. Kebenaran menjelaskan Model Kompresi Citra. 6.3 Menyebutkan, menjelaskan Elemen teori informasi. Kebenaran menjelaskan Elemen teori informasi. 6.4 Menyebutkan, menjelaskan, mensimulasika n Error-Free Compression (Loseless Compression), Lossy Compression Kebenaran mensimulasikan Error-Free Compression (Loseless Compression), Lossy Compression 6.5 Menyebutkan, menjelaskan, mensimulasika n Steganografi Kebenaran mensimulasikan Steganografi 6.6 Menyebutkan, menjelaskan, mensimulasika n Watermark. Kebenaran mensimulasikan Watermark.

(35)

7 Menerapkan Morfologi Citra 7.1 Menyebutkan, menjelaskan, mensimulasika n Dilasi dan Erosi. Ceramah, Diskusi, Studi Kasus Ceramah, Diskusi, Studi Kasus Mampu menerapkan Morfologi Citra TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran mensimulasikan Dilasi dan Erosi.

15% 7.2 Menyebutkan, menjelaskan, mensimulasika n Operasi morfologi dasar Kebenaran mensimulasikan Operasi morfologi dasar 8 Menganalisis Segmentasi Citra 8.1 Menyebutkan, menjelaskan, mensimulasika n, mendeteksi Point detection. Ceramah, Diskusi, Studi Kasus Ceramah, Diskusi, Studi Kasus Mampu menganalisis Segmentasi Citra TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran mensimulasikan, mendeteksi Point detection. 15% [1], [2], [3], _{[4], [5], [6]} 8.2 Menyebutkan, menjelaskan, mensimulasika n, mendeteksi Line detection. Kebenaran mendeteksi Line detection. 8.3 Menyebutkan, menjelaskan, mensimulasika n, mendeteksi Edge detection. Kebenaran mendeteksi Edge detection. 8.4 Menyebutkan, menjelaskan, mensimulasika n, mendeteksi Thresholding. Kebenaran mendeteksi Thresholding. 9 Membangun Representasidan Deskripsi Citra Digital 9.1 Menyebutkan, menjelaskan, mensimulasika n, memilih, membangun Pattern Recognition. Ceramah, Diskusi, Studi Kasus Ceramah, Diskusi, Studi Kasus Mampu membangun Representasidan Deskripsi Citra Digital TM = 3 x 50” BM = 3 x 50” BT = 3 x 50” Tes : Tertulis (Uraian) Pedoman Penilaian Kebenaran membangun Pattern Recognition. 15% [1], [2], [3], _{[4], [5], [6]} 9.2 Menyebutkan, menjelaskan, mensimulasika n, memilih, membangun Neural Kebenaran membangun Neural Network.

(36)

TUGAS 4

RENCANA PELAKSANAAN PEMBELAJARAN

(RPP)

Oleh:

Nurlaily Vendyansyah, S.T., M.T.

INSTITUT TEKNOLOGI NASIONAL MALANG

KEMENTERIAN RISET TEKNOLOGI PENDIDIKAN TINGGI

LLDIKTI WILAYAH VII JAWA TIMUR

TAHUN 2019

(37)

HALAMAN PENGESAHAN

(38)

RENCANA PELAKSANAAN PEMBELAJARAN

Mata Kuliah : Pengolahan Citra Digital

Capaian Pembelajaran Matakuliah : CPMK1 : Mampu menjelaskan dasar-dasar pengolahan citra digital.(KU2)

CPMK2 : Mampu menjelaskan metode dalam pengolahan citra digital.(KU2)

Kemampuan Akhir yang direncanakan : Menjelaskan dasar pengolahan citra digital

Alokasi Waktu : 3 x 50 menit (150 menit)

Indikator : 1.1 Menyebutkan elemen persepsi visual.

1.2 Menyebutkan Image sensing and Acquisition 1.3 Menyebutkan Image sampling and quantization 1.4 Menyebutkan Hubungan dasar antara piksel. 1.5 Menyebutkan, menjelaskan Operasi linier. 1.6 Menyebutkan, menjelaskan Operasi non-linier.

Materi Pokok : Dasar pengolahan citra digital

Langkah Kegiatan :

Langkah Pembelajaran Metode Waktu Sumber/Media/Alat

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti

1.1 Elemen persepsi visual.

1.2 Image sensing and Acquisition 1.3 Image sampling and quantization

Ceramah, Diskusi, Studi Kasus 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(39)

1.4 Hubungan dasar antara piksel. 1.5 Operasi linier.

1.6 Operasi non-linier. Kegiatan Penutup

1. Pemberian tes tertulis / lisan (Evaluasi diberikan di tiap akhir pertemuan 2. Memberikan program pengayaan berupa tugas membaca materi Operasi Image

enhancement pada domain spasial. 3. Do’a 4. Salam Ceramah, Diskusi 25 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Malang, 28 November 2019 Dosen Pengampu Matakuliah

(40)

Kemampuan Akhir yang direncanakan : Menerapkan Operasi Image enhancement pada domain spasial.

Alokasi Waktu : 2 x 3 x 50 menit (150 menit)

Indikator : 2.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi Gray Level.

2.2 Menyebutkan, menjelaskan, mensimulasikan Histogram Processing

2.3 Menyebutkan, menjelaskan, mensimulasikan Peningkatan kualitas citra menggunakan operator aritmatika/logika

2.4 Menyebutkan, menjelaskan, mensimulasikan Filter spasial

Materi Pokok : Image enhancement pada domain spasial

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 2 x 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti

2.1 Transformasi Gray Level. 2.2 Histogram Processing.

2.3 Peningkatan kualitas citra menggunakan operator aritmatika/logika 2.4 Filter spasial Ceramah, Diskusi, Studi Kasus 2 x 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(41)

Kegiatan Penutup

1. Pemberian tes tertulis / lisan (Evaluasi diberikan di tiap akhir pertemuan 2. Memberikan program pengayaan berupa tugas membaca materi Image

enhancement pada domain frekuensi. 3. Do’a 4. Salam Ceramah, Diskusi 2 x 25 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Malang, 28 November 2019 Dosen Pengampu Matakuliah

(42)

Indikator : 3.1 Menyebutkan, menjelaskan, mensimulasikan Transformasi fourier dan domain

frekuensi.

3.2 Menyebutkan, menjelaskan, mensimulasikan Smoothing. 3.3 Menyebutkan, menjelaskan, mensimulasikan Sharpening. 3.4 Menyebutkan, menjelaskan, mensimulasikan FFT.

3.5 Menyebutkan, menjelaskan, mensimulasikan Wavelet.

Materi Pokok : Image enhancement pada domain frekuensi

3.1 Transformasi fourier dan domain frekuensi. 3.2 Smoothing. 3.3 FFT. Ceramah, Diskusi, Studi Kasus 2 x 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(43)

3.4 Wavelet. Kegiatan Penutup

enhancement pada domain spasial. 3. Do’a

4. Salam

Ceramah,

Diskusi 2 x 25 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

Malang, 28 November 2019 Dosen Pengampu Matakuliah

(44)

Indikator : 4.1 Menyebutkan, menjelaskan, mensimulasikan Model noise.

4.2 Menyebutkan, menjelaskan, mensimulasikan Mean filter.

4.3 Menyebutkan, menjelaskan, mensimulasikan Order-statistik filter. 4.4 Menyebutkan, menjelaskan, mensimulasikan Geometric Mean Filter. 4.5 Menyebutkan, menjelaskan, mensimulasikan Transformasi goemetrik.

Materi Pokok : Restorasi Citra

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti 4.1 Model noise. 4.2 Mean filter. 4.3 Order-statistik filter. 4.4 Geometric Mean Filter. 4.5 Transformasi goemetrik. Ceramah, Diskusi, Studi Kasus 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(45)

(46)

Indikator : 5.1 Menyebutkan, menjelaskan, mensimulasikan Dasar warna.

5.2 Menyebutkan, menjelaskan, mensimulasikan Model warna. 5.3 Menyebutkan, menjelaskan, mensimulasikan Transformasi warna. 5.4 Menyebutkan, menjelaskan, mensimulasikan Smoothing dan sharpening. 5.5 Menyebutkan, menjelaskan, mensimulasikan Segmentasi warna.

5.6 Menyebutkan, menjelaskan, mensimulasikan Noise pada citra warna. 5.7 Menyebutkan, menjelaskan, mensimulasikan Kompresi citra warna.

Materi Pokok : Warna pada Citra Dijital

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti 5.1 Dasar warna. 5.2 Model warna. 5.3 Transformasi warna. Ceramah, Diskusi, Studi Kasus 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(47)

5.4 Smoothing dan sharpening. 5.5 Segmentasi warna.

5.6 Noise pada citra warna. 5.7 Kompresi citra warna. Kegiatan Penutup

(48)

Indikator : 6.1 Menyebutkan, menjelaskan Dasar Kompresi Citra.

6.2 Menyebutkan, menjelaskan Model Kompresi Citra. 6.3 Menyebutkan, menjelaskan Elemen teori informasi.

6.4 Menyebutkan, menjelaskan, mensimulasikan Error-Free Compression (Loseless

Compression), Lossy Compression

6.5 Menyebutkan, menjelaskan, mensimulasikan Steganografi. 6.6 Menyebutkan, menjelaskan, mensimulasikan Watermark.

Materi Pokok : Kompresi Citra

6.1 Dasar Kompresi Citra. 6.2 Model Kompresi Citra.

6.3 Error-Free Compression (Loseless Compression), Lossy Compression

Ceramah, Diskusi, Studi Kasus 2 x 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(49)

6.4 Menyebutkan, menjelaskan, mensimulasikan Steganografi. 6.5 Steganografi.

6.6 Watermark. Kegiatan Penutup

enhancement pada domain spasial. 3. Do’a 4. Salam Ceramah, Diskusi 2 x 25 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Malang, 28 November 2019 Dosen Pengampu Matakuliah

(50)

Indikator : 7.1 Menyebutkan, menjelaskan, mensimulasikan Dilasi dan Erosi.

7.2 Menyebutkan, menjelaskan, mensimulasikan Operasi morfologi dasar.

Materi Pokok : Morfologi Citra

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti

7.1 Dilasi dan Erosi.

7.2 Operasi morfologi dasar.

Ceramah, Diskusi, Studi Kasus 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Penutup

enhancement pada domain spasial. 3. Do’a 4. Salam Ceramah, Diskusi 25 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(51)

(52)

Indikator : 8.1 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Point detection.

8.2 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Line detection. 8.3 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Edge detection. 8.4 Menyebutkan, menjelaskan, mensimulasikan, mendeteksi Thresholding.

Materi Pokok : Segmentasi Citra

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti 8.1 Point detection. 8.2 Line detection. 8.3 Edge detection. 8.4 Thresholding. Ceramah, Diskusi, Studi Kasus 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(53)

(54)

Indikator : 9.1 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Pattern

Recognition.

9.2 Menyebutkan, menjelaskan, mensimulasikan, memilih, membangun Neural Network.

Materi Pokok : Representasidan Deskripsi Citra Digital

Kegiatan Pendahuluan 1. Salam 2. Do’a 3. Presensi 4. Apersepsi 5. Apresiasi 6. Motifasi Ceramah 2 x 5 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Inti 9.1 Pattern Recognition. 9.2 Neural Network. Ceramah, Diskusi, Studi Kasus 2 x 120 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD Kegiatan Penutup

1. Pemberian tes tertulis / lisan (Evaluasi diberikan di tiap akhir pertemuan

Ceramah, Diskusi 2 x 25 menit [1], [2], [3], [4], [5],[6] / Laptop, LCD

(55)

2. Memberikan program pengayaan berupa tugas membaca materi Operasi Image enhancement pada domain spasial.

3. Do’a 4. Salam

(56)

TUGAS 5

KONTRAK KULIAH

Oleh:

Nurlaily Vendyansyah, S.T.,M.T.

INSTITUT TEKNOLOGI NASIONAL MALANG

KEMENTERIAN RISET TEKNOLOGI PENDIDIKAN

TINGGI

LEMBAGA LAYANAN PENDIDIKAN TINGGI

WILAYAH VII

(57)

TAHUN 2019

HALAMAN PENGESAHAN

(58)

KONTRAK KULIAH 1. IDENTITAS MATAKULIAH

PROGRAM STUDI : Teknik Informatika MATAKULIAH : Pengolahan Citra Digital KODE MATAKULIAH : IF3505

SKS : 3 Sks

SEMESTER : III (Tiga)

MATAKULIAH PRASYARAT

: --

DOSEN PENGAMPU : Nurlaily Vendyansyah, S.T., M.T.

2. MANFAAT MATAKULIAH

Dengan mengambil mata kuliah Pengolahan Citra Digital ini, mahasiswa mempunyai pemahaman mengenai konsep dasar pengolahan citra digital dan tahapan-tahapan dalam pengolahan citra sehingga mahasiswa akan dapat melaksanakan analisa untuk keperluan analitik dan mencari alternatif metode yang digunakan untuk deskripsi dan reprensentasi citra digital.

3. DESKRIPSI MATAKULIAH

Pada mata kuliah ini mahasiswa belajar Pengenalan pengolahan citra: masalah, aplikasi. Persepsi citra: brightness, contrast, colour. Sistem matriks 2D konvolusi. Transformasi citra: Digital Fourier Transform , Digital Cosine Transform. Peningkatan kualitas citra: operasi titik dan spasial. Restorasi citra: filtering, noise suppression. Operasi morfologi. Kompresi data citra. Keamanan Citra.

4. CAPAIAN PEMBELAJARAN MATAKULIH, KEMAMPUAN AKHIR YANG DIRENCANAKAN, DAN INDIKATOR PENCAPAIAN KOMPETENSI Capaian Pembelajaran Matakuliah (CPMK) :

CPMK1 : Mampu menjelaskan (C2) dasar-dasar pengolahan citra digital.(KU2) CPMK2 : Mampu menjelaskan (C2) metode dalam pengolahan citra digital.(KU2) CPMK3 : Mampu mendesain (C6) metode dalam pengolahan citra menggunakan (P4)

software Matlab.(S9)(P8)(KU1, KU7, KU8)(KK8)

No Kemampuan Akhir yang direncanakan

Indikator Pencapaian Kompetensi 1 Menjelaskan (C2) (C2)

dasar pengolahan citra digital

1.1 Menyebutkan (C1) elemen persepsi visual. 1.2 Menyebutkan (C1) Image sensing and

Acquisition

1.3 Menyebutkan (C1) Image sampling and

quantization