RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)
VisiTerwujudnya Program Studi Teknik Informatika bertaraf nasional dan internasional pada tahun 2020. Misi
(1) Melaksanakan Tridarma perguruan tinggi secara berkesinambungan. (2) Melaksanakan kurikulum berbasis kompetensi dengan keahlian grafis dan multimedia, rekayasa perangkat lunak cerdas, dan jaringan komputer sesuai dengan perkembangan ilmu pengetahuan dan teknologi. (3) Menjalin kerjasama dengan berbagai instansi swasta, pemerintah dalam peningkatan kualitas lulusan. (4)
Menyediakan sarana prasarana yang bermutu dalam penyelenggaraan proses belajar mengajar yang berkualitas.
MATA KULIAH:
Computer Vision
(TIF58)
Oleh:
S U P A T M A N
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INFORMASI
UNIVESITAS MERCU BUANA YOGYAKARTA
A. PENDAHULUAN 1. Latar Belakang
Computer Vision merupakan mata kuliah wajib Program Stud Teknik Informatika yang diberikan bagi mahasiswa semester 2 Program Studi Teknik Informatika dan Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Mercu Buana Yogyakarta.Tujuan mata kuliah ini agar mahasiswa mampu dan trampil mengembangkan algoritma pada human vision presention. Untuk mencapai tujuan yang diinginkan secara maksimal, pada setiap proses pembelajaran memerlukan perencanaan, persiapan, dan pengendalian yang baik. Sehubungan dengan hal itu, diperlukan pengembangan kegiatan yang disebut Rencana Program Kegiatan Pembelajaran Semester (RPKPS). Implementasi kegiatan tersebut diharapkan dapat menciptakan suasana akademik yang kondusif sehingga muncul kegairahan dalam proses pembelajaran. Kegiatan ini diharapkan juga dapat meningkatkan motivasi, kreativitas, kesungguhan, dan keteraturan dalam proses belajar mengajar serta meningkatkan keaktifan mahasiswa dalam mengikuti proses pembelajaran.
2. Deskripsi Mata Kuliah
Konsep dasar Computer Vision. Imaging dan representasi image, Analisa Image Biner, Konsep Pengenalan Pola, Filtering dan Enhancing Images, Color dan Shading, Tekstur, Image Retrieval, Image Segmentasi, Matching Image 2D, Perceiving 3D dari 2D image, 3D model dan Maching.
3. Kompetensi kuliah terdadap lulusan
Setelah menyelesaikan perkuliahan ini mahasiswa diharapkan memiliki kompetensi dalam pengembangan algoritma Computer Vision untuk memecahkan berbagai kasus nyata pada data 1 dimensi, 2 dimensi, dan 3 dimensi.
B. PERENCANAAN PEMBELAJARAN
1. Nama Mata Kuliah : Computer Vision
2. Kode/SKS : TIF58 / 2 sks
3. Semester : 6 (Enam).
4. Status Mata Kuliah : Wajib
6. Tujuan Pembelajaran :
Proses pembelajaran pada mata kuliah Computer Vision berfokus pada student-centerd Learning yang akan memberi kompetensi-kompetensi khusus pada mahasiswa. Setelah mengikuti Computer Vision, mahasiswa diharapkan mampu menjelaskan teori-teori Computer Vision yang terkait dengan keilmuan didunia teknologi informasi serta mampu secara trampil mengembangkan konsep human preception.
Manfaat model pembelajaran ini adalah mahasiswa tidak hanya sekadar menguasai teori-teori Computer Vision saja, tetapi mahasiswa dapat menerapkan pengetahuan dan ketramiplan logika Computer Vision ke dalam menyelesaikan tugas pada bidang kehidupan nyata, memiliki wawasan luas, memanfaatkan teknologi informasi, berkreativitas, berinovasi, dan memiliki jiwa kepemimpinan. Selain itu, mahasiswa mendapat kesempatan untuk lebih mengembangkan kemampuan berpikir kritis, berani mengemukakan pendapat sehingga timbul percaya diri dan terdorong melakukan entrepreneurship/wirausaha di bidang keahliannya berbasis teknologi informasi. Mahasiswa diharapkan mampu mensinergikan bidang Computer Vision dengan bidang-bidang lain, misalnya agroteknologi, teknik, ekonomi dan bisnis, psikologi, bahasa, komunikasi, , matematika, serta isu-isu aktual sehingga Computer Lanjut dapat membantu dalam tugas transformasi informasi dan berdaya guna bagi masyarakat.
7. Outcome Pembelajaran
Untuk mencapai tujuan mata kuliah Computer Vision mahasiswa diharapkan mampu:
a. Pengetahuan dan pemahaman (knowledge)
i. Memahami konsep human preseption ii. Memahami image dan representasi image iii. Memahami image biner
iv. Memahami enhancing v. Memahami space colour vi. Memahami teksture vii. Memahami image retrieval viii. Memahami image segmentasi
ix. Memahami teknik matching 2D dan 3D
b. Kemampuan/Ketrampilan (skill)
i. Skill Vision dan Human Preseption ii. Skill Bahasa Analisis
c. Sikap (attitude)
i. Kreatifitas ii. Ulet iii. Teliti
8. Jumlah dan Pembagiannya
Perkuliahan Computer Vision dalam satu semester direncanakan berlangsung 16 kali program kuliah yang terdiri dari 14 kali tatap muka, 1 kali ujian tengah semester dan 1 kali ujian akhir semester. Setiap program tatap muka terdiri atas 150 menit kuliah. Pembagian waktu selengkapnya adalah sebagai berikut.
No Jenis Program Jumlah
Program Jumlah Waktu Keterangan 1 Tatap muka: Ceramah, tanya jawab
14 kali 150 1. memberikan teori-teori konsep human preseption
2. memberi pengetahuan dan pembekalan kepada mahasiswa tentang teori-teori image dan segmentasi image, motion
3. memberi pengetahuan dan wawasan konsep recognition
4. memberi pengetahuan dan wawasan leadership (hidden curriculum), serta kewirausahaan (hidden curriculum).
2 Praktek 14 150 a. Human perception algoritm (mandiri)
b. Recognition Algoritm (mandiri) 3 Diskusi/Presentasi 10-12
kali
50 menit 1) Membahas hasil praktek problem human perseption yang telah dilakukan mahasiswa di laboratorium 2) Teknis penyelesaian (problem solving).
4 Evaluasi 10-12
kali
10-20 menit x 4kali
Mengevaluasi tugas-tugas mahasiswa
5 Browsing Internet 1-7 kali - Di luar jam kuliah
6 Kunjungan Ke
kantor-kantor yang memanfaatkan DAS
1 kali - Di luar jam kuliah yang dilakukan secara mandiri oleh kelompok mahasiswa
7 Ujian Tengah Semester
1 kali 120 Menjawab pertanyaan-pertanyaan
8 Ujian Akhir 1 kali 120 Menjawab pertanyaan-pertanyaan
9. Materi Pembelajaran dan rencana Kegiatan Pembelajaran Mingguan
Mgg ke- Kompetensi Topik/Pokok
Bahasan Sub Pokok Bahasan
Waktu (menit)
Metode
Pembelajaran Evaluasi Indikator
Sumber Pustaka 1 Mahasiswa mengerti sistem pembelajaran mata kuliah Computer Vision Pengantar Perkuliahan Computer Vision a. Perkenalan b. Aturan main perkuliahan c. Fungsi dan tugas
dosen dan mahasiswa d. Bahan kuliah e. Literatur Wajib dan
acuan
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Diskusi Porfolio Mahasiswa memahami sistem pembelajaran mata kuliah Computer Vision 1 2 Mahasiswa mengerti konsep human persepsi Konsep human presention a. Mesin melihat b. Masalah aplikasi c. Image oprasional
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami konsep human persepsi 1 3 Mahasiswa
mengerti Image dan representasi image Image dan representasi image a. Pencahayaan b. Device Image c. Fungsi Gambar dan
Image Digital d. Keuntungan dan
Masalah pada Real Image
e. 3D dari 2D
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami Image dan representasi image 1 4 Mahasiswa mengerti image biner
Image Biner a. Piksel da ketetanggaan b. Aplikasi Mask pada
image
c. Perhitungan objek
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami image biner 1
image d. Koneksi komponen labeling e. Morphology image biner f. Properti Region g. Threshold Image 5 Mahasiswa mengerti konsep pengenalan pola Konsep Pengenalan Pola a. Masalah pengenalan pola b. Model clasifikasi c. Precission vs recall d. Feature esed dan
representasi e. Feature vector representasi f. Implementasi klasifikasi g. Teknik Struktur h. Konfusion Matrik i. Keputusan Tree j. Keputusan Bayesian k. Keputusan pada multidimensi data l. Mesin dan Pembelajaran
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami konsep pengenalan pola 1 6 Mahasiswa mengerti Image enhance Perbaikan kualitas image a. Mean fixing b. Grey level mapping c. Removal of small
image region d. Image smoothing e. Median filter
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami i Image enhance 1
f. Dekti edge menggunakan defferent Mask g. Gaussian filter h. Detector canny 7 Mahasiswa mengerti space colour
Space colour a. RGB Basic
b. Othe model colour c. Color Histogram d. Color Segmentasi e. Shading
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Mahasiswa memahami space colour 1
8 UTS UTS UTS
9 Mahasiswa
mengerti tekstur
Tekstur a. Texture, Texels and
Statitical
b. Texture description c. Quantitative texture
measure
d. Texture Segmentasi
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami tekstur 10 Mahasiswa mengerti Image retrieval Image Retrieval a. Image database b. Image database query c. Image Distance Measure d. Database Organization
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami Image retrieval 1 11 Mahasiswa mengerti Motion dari 2D image Motion dari 2D image a. Motion Phenomena & Application b. Image Substraction c. Computation Motion Vector d. Computation the
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami Motion dari 2D image 1
Part of Moving Points e. Detecting Significant Changes Point 12 Mahasiswa mengerti Image Segmentasi Image Segmentasi a. Identifikasi Region b. Representasi Region c. Identifikasi Countur d. Fitting Models to Segments e. Identifikasi High-level Struktur f. Segmentasi menggunakan motion Coherence
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami Image Segmentasi 1 13 Mahasiswa mengerti Teknik Matching 2D Teknik Matching 2D a. Registrasi 2D b. Registrasi Titik c. Afline Mapping Function d. 2D Object
Recognition via Afline Mapping
e. 2D Object Recognition via relational Matching f. Nonlinier Wraping
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami Teknik Matching 2D 1 14 Mahasiswa mengerti Teknik matching 3D Teknik matching 3D a. Representasi Matching 3D b. True 3D Model vsView-Class Model c. Physics-based dan Deformable Model
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Mahasiswa memahami Teknik matching 3D
d. 3D Object Recognition Paradigms 15 Mahasiswa mengerti Virtual Reality
Virtual Reality a. Feature pada virtual reality Systems b. Virtual Reality Device c. Redering Simple 3D
Model
d. HCI and Psychological Issue
150 Tatap Muka di kelas
1. Menerangkan 2. Tanya Jawab 3. Presentasi 4. Diskusi Porfolio Mahasiswa memahami Virtual Reality 1 16 UTS
Metode Pembelajaran yang dikembangkan
Model pengembangan proses pembelajaran mata computer vision tidak hanya sekedar kuliah dan praktek saja, tetapi pengembangannya berupa diskusi, presentasi mahasiswa, browsing artikel di internet, dan pemilihan teks-teks actual terkait dengan masalah nyata.
Pelaksanaannya sebagai berikut:
1) Dosen menyiapkan bahan kuliah, serta menyiapkan bahan computer vision yang sesuai dan dapat implementasikan pada bidang-bidang actual.
2) Mahasiswa diharapkan:
a) mampu memahami Computer Vision sebagai sains terhadap beberapa jenis kegiatan yang terkait dengan tranformasi informasi. b) mampu menganalisa dan membuat ide serta gagasan ke dalam bahasa tulisan maupun presentasi.
c) mampu memanfaatkan teknologi informasi sebagai media transformasi informasi kepada masyarakat. d) mampu berkreativitas
e) mampu berinovasi
g) memberikan pendapat saling memberikan masukan secara aktif sesuai dengan pokok bahasan sehingga diskusi lancar. h) mempunyai kepercayaan diri dalam berpresentasi.
i) mampu menciptakan ide mata kuliah “Computer Vision” dapat digunakan sebagai sains untuk mengembangkan gagasan baru sehingga tumbuh jiwa profesionalisme didunia teknologi informasi.
Media
Media yang digunakan dalam proses pembelajaran berupa komputer, papan tulis/white board, dan LCD Proyektor, referensi online, browsing internet. Tugas kelompok dan mandiri bersifat wajib sesuai topic bahasan.
Studi literature melalui browsing di dunia maya yang terkait dengan computer vision baik perkelompok atau mandiri. Setelah studi seaching kasus, mahasiswa diharapkan mampu berinovasi dan bermotivasi akan pentingnya computer vision sebagai hidden sains pada dunia kerja dan atau transformasi informasi di masyarakat.
10. Penilaian
Aspek penilaian yang digunakan pada proses pembelajaran ini adalah:
Aspek Penilaian Unsur penilian Skor Maks Presentasi
Pemahaman dan Ketrampilan
Tugas:teori,praktek,ujian mid, ujian akhir
500 50%
Aktivitas / Tugas Aktivitas didalam kelas, diskusi, praktek
300 30%
Leadership Kedisplinan, kemampuan
mengemukaan pendapat, partisipasi dikelas
100 10%
Attitude Sikap/Sopan santun 100 10%
Evaluasi dilakukan pada hasil pengumpulan poin oleh masing-masing mahasiswa dan hasil akhir ditentukan sebagai berikut: - Nilai A untuk mahasiswa yang mencapai jumlah 800-1000
- Nilai B untuk 700-799 - Nilai C untuk 600-699 - Nilai D untuk 500-599
- Nilai E untuk kurang dari 500 dan dianggap Tidak Lengkap/Tidak Lulus.
Apabila minmal 75% mahasiswa memperoleh nilai A dan B pada semua komponen evaluasi, maka dapat dikatakan proses pembelajaran dan hasil pembelajaran berhasil.
11. Bahan, Sumber Informasi, dan Referensi
1). Shapiro, Linda, 2000, “Computer Vison”, E-Books.
2). Bernd Jähne, 2000, “Computer Vision and Applications: A Guide for Students and Practitioners”, Academic Press.