MII 5011 Analisis Algoritme (Analysis of Algorithms, 3 sks)

Prasyarat: Algoritma dan Pemrograman

Tujuan Pembelajaran: Setelah mengikuti kuliah Analisis Algoritme, mahasiswa:

CO-1: mampu menerapkan cara penyelesaian SPL (Sistem Persamaan Linier), deret, dan rekurensi.

CO-2: mampu menerapkan teori mengenai waktu tempuh algoritma.

CO-3: mampu menjelaskan dan menghitung kompleksitas algoritma dengan notasi asimtotik.

CO-4: mampu mengaplikasikan abstract data type (stack, queue, dll).

CO-5: mampu mengaplikasikan metode divide and conquer.

CO-6: mampu menerapkan teori optimasi dan menganalisis algoritma.

Silabus: Sistem persamaan linear, graf, dan deret; Perhitungan kompleksitas waktu dan ruang dari algoritme; Notasi kompleksitas (best, average, and worst case); Penggunaan abstract data type untuk mendukung optimasi algoritme (stack, queue, dll); Konsep Divide and Conquer; Teori optimasi (Dynamic Programming, Greedy Algorithm, Amortized Analysis, Graph Algorithm, dll.) dan analisisnya.

Pustaka acuan:

  1. Arora, A., Analysis and Design of Algorithms 2nd Edition, Cognella Academic Publishing, 2014.

  2. V. Aho, A., D. Ullman, J., E. Hopcroft, J., Data Structures and Algorithms, Pearson, 1983.

  3. Brassad, G., Fundamentals of Algorithmics, Pearson, 1995.

 

MII 5051 Kecerdasan Buatan (Artificial Intelligence, 3 sks)

Prasyarat : Sudah mengenal Logika.

Tujuan Pembelajaran: Setelah mengikuti kuliah Kecerdasan Buatan, mahasiswa:

CO-1: mampu menjelaskan definisi agen cerdas, deskripsi PEAS dan PAGE serta mampu menerapkan teori agent cerdas untuk penyelesaian masalah nyata.

CO-2: mampu memformulasikan solusi permasalahan dengan pendekatan pencarian dan mampu menggunakan metode-metode pencarian untuk penyelesaiannya

CO-3: mampu menjelaskan metode representasi pengetahuan terhadap informasi yang diketahui dan mampu menerapkan representasi pengetahuan untuk permasalahan nyata.

CO-4: mampu menjelaskan mekanisme mesin inferensi serta menggunakannya untuk permalasahan nyata.

CO-5: mampu menjelaskan definisi NLP, komponen NLP dan aplikasi NLP.

CO-6: mampu menjelaskan definisi pengenalan pola dan aplikasi pengenalan pola

Silabus: Definisi Agent; Macam-macam Agent; Deskripsi PEAS; Deskripsi PAGE ; Definisi Knowledge; Logic; Rule; Frame; Semantic Network; Script; Informed search; Uninformed search; Mesin inferensi. Definisi NLP; Komponen NLP; Aplikasi NLP, Definisi Pengenalan Pola; Komponen Pengenalan Pola; Aplikasi Pengenalan Pola.

Pustaka Acuan:

  1. Russell, S. and Novig, P., Artificial Intelligence: A Modern Approach, 3rd Edition, PrenticeHall, 2009.

  2. George F. Luger, Artificial Intelligence: Structures and Strategies for Complex Problem Solving, 6th Edition, Addison-Wesley, ,2008.

  3. Michael Negnivitsky, Artificial Intelligence: A Guide to Expert Systems, 2nd Edition, Addison Wesley, 2004.

  4. W. Firebaugh, Artificial Intelligence: A KnowledgeBased Approach, W. Firebaough PWS-Kent Publishing Compan, 2009.

 

MII 6001 Metodologi Penelitian (Research Methodology, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Metodologi Penelitian mahasiswa:

CO-1: Mahasiswa mampu menyusun topik dan pertanyaan penelitian serta merumuskan perencanaannya.

CO-2: Mahasiswa mampu memilih metode yang cocok untuk menjawab pertanyaan penelitian yang telah ditentukan serta berkontribusi dalam modifikasi metode yang sudah ada.

CO-3: Mahasiswa mampu menuliskan proposal dan laporan penelitian dalam bentuk publikasi atau karya ilmiah yang lainnya.

Silabus: Merumuskan pertanyaan penelitian dan membuat perencanaannya; Pengunaan metode yang tepat dan memberikan kontribusi penelitian yang baru; Penulisan dokumentasi penelitian dalam karya ilmiah.

Pustaka Acuan:

  1. P. Daniel, S., Research Methodology, Kalpaz Publications, 2011.

 

MII 5031 Perancangan Perangkat Lunak (Software Engineering, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: Setelah mengikuti kuliah Perancangan Perangkat Lunak mahasiswa:

CO-1: mampu menjelaskan jenis-jenis perangkat lunak, model pengembangan perangkat lunak dan karakteristik perangkat lunak.

CO-2: mampu menjelaskan dan menerapkan pengelolaan proyek perangkat lunak

CO-3: mampu menjelaskan dan menerapkan metode perancangan perangkat lunak konvensional, mulai dari analisis sampai dengan pengujian.

CO-4: mampu menjelaskan metode pengembangan perangkat lunak nonkonvensional.

CO-5: mampu menjelaskan dan melakukan perancangan perangkat lunak dengan pendekatan obyek.

CO-6: mampu menjelaskan dan melakukan perancangan perangkat lunak untuk aplikasi client/server, web ataupun mobile.

Silabus: perangkat lunak dan karakteristiknya, model-model pengembangan perangkat lunak, ukuran-ukuran dalam proyek perangkat lunak, pengelolaan proyek perangkat lunak (perencanaan, manajemen resiko, penjadwalan, penjaminan mutu), metode perancangan perangkat lunak konvensional dan non-konvensional (agile, UP, Scrum), perancangan object-oriented, perancangan perangkat lunak berbasais client-server, web dan mobile , pengantar pengujian perangkat lunak

Pustaka Acuan:

  1. Roger S. Pressman, Software Engineering: a Practitioner's Approach 8th , McGraw-Hill Higher Education, 2014.

  2. Sommerville,I., Software Engineering, 10th Edition, Addison-Wesley. ISBN-10: 0133943038, 2016.

 

MII 6033 Sistem Manajemen Basis Data (Database Management Systems, 3 sks)

Prasyarat: telah mengenal Sistem Basis Data

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Manajemen Basis Data mahasiswa:

CO-1: mampu menjelaskan pentingnya basis data dalam pengelolaan informasi.

CO-2: mampu menjelaskan model-model data (spreadsheet, relasional, obyek, semi-terstruktur, graf, teks, distributed-database) serta karakteristiknya.

CO-3: mampu melakukan pemodelan atau formulasi masalah riil ke dalam model basis data yang sesuai.

CO-4: mampu menjelaskan konsep aljabar relasional sebagai teori dasar operasi dalam basis data relasional

CO-5: mampu menggunakan bahasa query (SQL, NoSQL, graph-based query, SPARQL).

CO-6: mampu menerapkan mekanisme optimisasi dalam database: indexing, normalisasi, transaksi.

CO-7: mampu menjelaskan teknologi terkini yang berkaitan dengan pengelolaan data elektronik.

Silabus: Basis data dalam pengelolaan data dan informasi, model-model data (relasional, semiterstruktur, graf, teks, distributed), bahasa query prosedural (aljabar relasional), bahasa query non-prosedural (SQL, SPARQL, XQuery, Cypher), functional dependency, closure, normalisasi , indexing, penanganan transaksi (concurency, rollback, commit), studi kasus

Pustaka Acuan :

  1. Silberschatz, A., Korth, H.F. and Sudarshan, Database System Concepts, 6th Edition, McGraw-Hill, 2010.

  2. Robinson, I., Webber, J., & Eifrem, E. , Graph databases. O'Reilly Media, Inc., 2013.

  3. Ramakrishnan, R.and Gehrke, J., Database Management Systems, 3rd Edition, McGraw- Hill, 2003.

  4. Strauch, C, NoSQL Databases, Stuttgard Univ.

 

MII 6214 Aljabar dan Statitika Terapan (Applied Algebra and Statistic, 3 sks).

Prasyarat: Mahasiswa telah memahami Relasi, Statistika Deskriptif.

Tujuan Pembelajaran: setelah mengikuti kuliah Aljabar dan Statistika Terapan mahasiswa:

CO-1: mampu menjelaskan teori dan mengaplikasikan SPL, statistika deskriptif, probabilitas, dan statistika inferensi.

CO-2: mampu menjelaskan metode-metode standar untuk pencarian solusi persamaan linear.

CO-3: mampu menerapkan metode untuk pencarian solusi persamaan nonlinear dengan dan tanpa batasan.

Silabus: SPL, Statistika deskriptif, Probabilitas, Statistika Inferensi; pencarian solusi dengan metode-metode standar untuk persamaan linear; pencarian solusi persamaan nonlinear dengan dan tanpa constraint

Pustaka Acuan:

  1. C. Lay, D., Linear Algebra and Its Applications 5th Edition, Pearson, 2015.

  2. Hill, T., Lewicki, P., Statistics: Methods and Applications, StatSoft, 2005.

MII 6838 Analisis Big Data (Big Data Anaylsis, 3 sks)

Prasyarat: telah memahami Sistem Basis Data

Tujuan Pembelajaran: setelah mengikuti kuliah Analisis Big Data, mahasiswa:

CO-1: mampu menjelaskan karakteristik dan definisi Big Data dan mengetahui manfaat Big Data pada startegi dan keputusan bisnis.

CO-2: mampu menjelaskan dan mengimplementasikan teknologi Big Data untuk pemrosesan data dalam ukuran yang besar dan mendapatkan pengalaman menggunaan Tools analisis untuk memecahkan masalah pada Big Data.

CO-3: mampu menjelaskan dan mengimplementasikan teknik dan algoritma untuk memproses Big Data menggunakan Hadoop dan Spark untuk menyelesaikan masalah

CO-4: mampu menjelaskan dan mengimplementasikan persiapan proses dan visualisasi Big Data.

CO-5: mampu menjelelaskan dan mengimplementasikan pemodelan Big Data dengan menggunakan Machine Learning.

Silabus: Konsep big data, manfaat dan peran big data dalam penentuan strategi dan keputusan bisnis, arsitektur analisis big data (big data ecosystem), pemrosesan big data dengan model real time dan batch processing, lingkungan Hadoop, MapReduce, Spark, Scala. analisis Big Data menggunakan library pada Apache Mahout, Machine Learning. Visualisai Big Data menggunakan Django Framework, Saiku dan tools visualisasi sejenis untuk menampilkan hasil analisis Big Data.

Pustaka Acuan:

  1. Baesens, B., Analytics in a big data world: The essential guide to data science and its applications. John Wiley & Sons, 2014.

  2. Marz, N., & Warren, J., Big Data: Principles and best practices of scalable realtime data systems. Manning Publications Co, 2015.

MII 6632 Data Science (Data Science, 3 sks)

Prasyarat: Telah/Sedang mengambil Metode Matematika untuk Data Science

Tujuan Pembelajaran: setelah mengikuti kuliah Data Science mahasiswa:

CO-1: mampu menjelaskan pengertian, lingkup dan peran Data Science.

CO-2: mampu memformulasikan permasalahan dunia nyata menjadi problem Data Science.

CO-3: mampu menjelaskan berbagai jenis data dan mampu mengumpulkan data yang diperlukan untuk keperluan Data Science.

CO-4: mampu menjelaskan dan menerapkan metode untuk eksplorasi dan penyiapan data 5.

CO-5: mampu melakukan pemodelan (supervised maupun unsupervised) dan mengevaluasi model.

CO-6: mampu mengimplementasikan model dalam bentuk aplikasi (model deployment).

CO-7: mampu melakukan proses data science menggunakan bahasa pemrograman Python atau R

Silabus: Konsep Data Science dan lingkup bahasannya, exploratory data analysis, metode analisa (regresi, clustering, classification), algoritma pembelajaran (regresi linear, k-means, k-NN, Naïve Bayes, aturan asosiasi), pengumpulan data (API, web scraping), penyiapan data, pemodelan dan evaluasinya, pengembangan aplikasi dan visualisasinya, pengembangan aplikasi dengan bahasa Phyton atau R

Pustaka Acuan:

  1. Schutt, R., & O'Neil, C., Doing data science: Straight talk from the frontline." O'Reilly Media, Inc.", 2013.

  2. James, G., Witten, D., Hastie, T., & Tibshirani, R. , An introduction to statistical learning (Vol. 112). New York: Springer, 2013.

  3. Provost, F., & Fawcett, T., Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.", 2013.

    1. McKinney, W., Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.", 2012.

     

MII 6292 Elektronika (Electronics, 3 sks)

Prasyarat: Mahasiswa telah mengenal dasar-dasar elektronika digital

Tujuan Pembelajaran: setelah mengikuti kuliah Elektronika mahasiswa:

CO-1: mampu menjelaskan Konsep dasar Elektronika digital

CO-2: mampu menjelaskan perkembangan Elektronika digital mutakhir

CO-3: mampu menganalisis permasalahan Elektronika digital

CO-4: mampu menerapkan prinsip-prinsip elektronika digital untuk menyelesaikan permasalahan dalam bentuk rancangan

CO-5: mampu memodifikasi sub-sistem elektronika digital

Silabus: Gerbang nalar, Aljabar Boole, Peta Karnaugh, Clock, Flip-flop, Counter, register, multiplexer, demultiplexer, operasi, timing, interfacing, Arsitektur Set Instruksi, Program, modeling, Programable Logic Array, Set Instruksi PLA, Program PLA.

Pustaka Acuan:

  1. Comer-Douglas, Essentials of Computer Architecture, 2nd ed, Taylor & Francis, 2017

  2. M. M. Mano and C. R. Kime, Logic and Computer Design Fundamentals," 5th ed., Prentice Hall, 2015.

  3. Pullock,W., Inside the Machine: An llustrated Introduction to Microprocessor and Computer Architecture, 2nd ed, 2007

 

MII 6294 Instrumentasi (Instrumentation, 3 sks)

Prasyarat: Mahasiswa telah memahami konsep Digital dan mengenal sistem pengukuran

Tujuan Pembelajaran: setelah mengikuti kuliah Instrumentasi mahasiswa:

CO-1: mampu menjelaskan konsep dasar instrumentasi, pengukuran, dan pengontrolan

CO-2: mampu menjelaskan aspek akurasi dan presisi dalam pengukuran

CO-3: mampu menjelaskan karakteristik statis dan dinamis sistem instrumentasi

CO-4: mampu menjelaskan tipe, sifat dan peruntukan sensor dan aktuator

CO-5: mampu merancang pengkodisi sinyal

CO-6: mampu menjelaskan sistem kendali orde 1 dan orde 2

Silabus: Blok diagram, sensor, aktuator, fisik, mekanik, elektronik, thermal, fluida, signal conditioning, jenis-jenis alat ukur, sensitivitas, jangkau ukur, steady state, steady state error, respon transien, overshoot, settling time, rise time, jenis-jenis komunikasi (seri, paralel, protokol, sinkron, tak sinkron), kalang terbuka, kalang tertutup orde-1, kalang tertutup orde-2, fungsi alih.

Pustaka Acuan:

  1. Plancko, D., Fundamentals of Instrumentation and Measurement, Willey & Son, 2007

  2. Dunn, W. C., Fundamental of Industrial Instrumentation and Process Control, McGraw Hill, 2005

MII 6836 Jaminan Kualitas Perangkat Lunak (Software Quality Assurance, 3 sks)

Prasyarat: Perancangan perangkat lunak

Tujuan Pembelajaran: setelah mengikuti kuliah Jaminan Kualitas Perangkat Lunak, mahasiswa:

CO-1: mampu menjelaskan konsep, prinsip utama dan pentingnya dari manajemen kualitas perangkat lunak.

CO-2: mampu menjelaskan proses penjaminan mutu dan perannya dalam pengembangan perangkat lunak.

CO-3: mampu menjelaskan dan menerapkan berbagai teknik, metode, dan tool pengujian kualitas perangkat lunak.

CO-4: mampu menerapkan teknik verifikasi dan validasi untuk proses penilaian/review dari status/keadaan kualitas perangkat lunak.

CO-5: mampu menjelaskan dan menerapkan model kualitas ISO 9000, model kematangan dan kualitas perangkat lunak.

CO-6: mampu menjelaskan prinsip-prinsip, komponen, metode-metode untuk audit dan pengendalian kualitas dari perangkat lunak, teknologi informasi dalam organisasi.

Silabus: Topik utama yang dibahas dari matakuliah ini adalah pengertian konsep jaminan kualitas, arsitektur perangkat lunak, model kualitas; metode-metode pengujian, tool pengujian kualitas perangkat lunak; usability, matriks kualitas perangkat lunak, pengukuran dan model kulaitas pembiayaan; model penjaminan mutu ISO 9001, 9003, metodologi penilaian CMM dan CMMI, metodologi bootstrap, audit dan pengendalian kualitas perangkat lunak dan teknologi informasi dalam organisasi.

Pustaka Acuan:

  1. Everett, G. D., & McLeod Jr, R., Software testing: testing across the entire software development life cycle. John Wiley & Sons, 2007.

  2. Tian, J., Software quality engineering: testing, quality assurance, and quantifiable improvement. John Wiley & Sons, 2005.

  3. William, P., Effective methods for software testing, Wiley Publishing, Inc, 2006.

MII 6272 Jaringan Komputer (Computer Network, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Jaringan Komputer mahasiswa:

CO-1: dapat menjelaskan perkembangan jaringan komputer.

CO-2: dapat menjelaskan lapisan-lapisan jaringan komputer.

CO-3: dapat menjelaskan dan menerapkan teknologi penyebaran sinyal.

CO-4: dapat menjelaskan konsep dan merancang protokol komunikasi.

CO-5: dapat menjelaskan konsep keamanan pengiriman data.

Silabus: Kuliah ini menyajikan jaringan komputer dari sudut pandang model lima lapis internet. Tiap lapis dibahas secara tersendiri sehingga memberikan pemahaman yang mendalam dan menyeluruh dari persoalan jaringan komputer. Arsitektur jaringan komputer dan perkembangannya, layering dalam jaringan komputer teknologi komunikasi data, protokol jaringan komputer dan QoS jaringan, keamanan jaringan

Pustaka Acuan :

  1. Forouzan,B.,A., Data communication and Networking, 5th Edition, Mc. Graw Hill, 2012.

  2. Andrew S. Tanenbaum, Computer Network 5th Ed., Prentice Hall, 2011

  3. James F. Kurose and Keith W. Ross, Computer Networking: A Top-Down Approach 6th Ed., Addison-Wesley, 2013

  4. Beasley, J., S., Networking, 2th Edition, Prentice Hall, 2009.

  5. Goralski, W., The Illustrated Network, Elsevier, 2009.

 

MII 6272 Jaringan Komputer (Computer Network, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Jaringan Komputer mahasiswa:

CO-1: dapat menjelaskan perkembangan jaringan komputer.

CO-2: dapat menjelaskan lapisan-lapisan jaringan komputer.

CO-3: dapat menjelaskan dan menerapkan teknologi penyebaran sinyal.

CO-4: dapat menjelaskan konsep dan merancang protokol komunikasi.

CO-5: dapat menjelaskan konsep keamanan pengiriman data.

Silabus: Kuliah ini menyajikan jaringan komputer dari sudut pandang model lima lapis internet. Tiap lapis dibahas secara tersendiri sehingga memberikan pemahaman yang mendalam dan menyeluruh dari persoalan jaringan komputer. Arsitektur jaringan komputer dan perkembangannya, layering dalam jaringan komputer teknologi komunikasi data, protokol jaringan komputer dan QoS jaringan, keamanan jaringan

Pustaka Acuan :

  1. Forouzan,B.,A., Data communication and Networking, 5th Edition, Mc. Graw Hill, 2012.

  2. Andrew S. Tanenbaum, Computer Network 5th Ed., Prentice Hall, 2011

  3. James F. Kurose and Keith W. Ross, Computer Networking: A Top-Down Approach 6th Ed., Addison-Wesley, 2013

  4. Beasley, J., S., Networking, 2th Edition, Prentice Hall, 2009.

  5. Goralski, W., The Illustrated Network, Elsevier, 2009.


MII 6874 Keamanan Jaringan (Network Security, 3 sks)

Prasyarat: sudah/sedang mengambil Jaringan Komputer

Tujuan Pembelajaran: setelah mengikuti kuliah Keamanan Jaringan, mahasiswa:

CO-1: dapat menjelaskan aspek keamanan jaringan.

CO-2: dapat menjelaskan tentang algoritma/mekanisme keamanan jaringan komputer.

CO-3: dapat merancang dan mengimplementasikan keamanan sistem jaringan, termasuk penggunaan WiFi.

CO-4: dapat menjelaskan sistem keamanan jaringan terkait layer di jaringan komputer

CO-5: dapat mengidentifikasi berbagai teknik penyerangan jaringan komputer.

Silabus: Matakuliah ini membahas tentang aspek keamanan dalam jaringan komputer, ancaman dan layanan keamanan, algoritme enskripsi dan kunci simetri/asimetri, layanan otentikasi dan fungsi hash, keamanan pada layer network TCP/IP dan protokol IPSec, keamanan layer aplikasi email dan web, teknik penyerangan dan pertahanan.

Pustaka Acuan:

  1. Stalling, W., “Cryptography and Network Security”, 7th Ed., Prentice Hall, 2011

  2. Andrew S. Tanenbaum, Computer Network 5th Ed., Prentice Hall, 2011

  3. James F. Kurose and Keith W. Ross, Computer Networking: A Top-Down Approach 6th Ed., Addison-Wesley, 2013

MII 6452 Kecerdasan Komputasional dan Pembelajaran Mesin (Computational Intelligence and Machine Learning, 3 sks)

Prasyarat: Kecerdasan Buatan

Tujuan Pembelajaran: setelah mengikuti kuliah Kecerdasan Komputasional dan Pembelajaran Mesin, mahasiswa:

CO-1: mampu menjelaskan perbedaan karakteristik Softcomputing dan Kecerdasan Buatan, Metode-metode Softcomputing dan Aplikasinya

CO-2: mampu menjelaskan konsep dasar komputasi evolusioner dan menerapkannya secara efektif untuk membangun solusi yang efisien dan tepat untuk permasalahan-permasalahan nyata.

CO-3: mampu menjelaskan pengertian dan contoh-contoh algoritme-algoritme swarm intelligence serta menerapkan salah satu algoritme swarm intelligence yaitu PSO untuk permasalahan nyata

CO-4: mampu menjelaskan mekanisme SVM serta fungsi kernel yang digunakan dalam SVM.

CO-5: mampu menjelaskan konsep dasar, jenis-jenis serta aplikasi sistem hibrid.

Silabus: Karakteristik Softcomputing dan AI, Metode-metode Softcomputing, Aplikasi Softcomputing, Algoritme Genetika, Pemrograman Genetika, Pengertian dan Contoh-contoh Algoritme-algoritme swarm intelligence, PSO, SVM, Sistem hybrid dan aplikasinya.

Pustaka Acuan:

  1. Russell Elberhart, Computational Intelligence: Concept to Implementation, Morgan Kaufmann, 2007.

  2. Rutkowski Leszek, Computational Intelligence Methods and Techniques, Springer-Verlag, 2010.

  3. Marsland, S., Machine Learning: An Algorithmic Perspective. CRC Press. 2009.

  4. A.E. Elben and J.E. Smith, Introduction to Evolutionary Computing, Springer, 2010.

  5. D.E. Goldberg, Genetic Algorithm in search, optimization, and machine learning, Addison-Wiley, 1989.

  6. Simon O. Haykin, Neural Networks and Machine Learning, 3rd Edition, Prentice Hall, 2008.

MII 6818 Komputasi Paralel (Parallel Computation, 3 sks)

Prasyarat: Analisis Algoritma

Tujuan pembelajaran: setelah mengikuti kuliah Komputasi Paralel, mahasiswa:

CO-1: mampu menghitung waktu tempuh algoritma paralel.

CO-2: mampu memformulasikan kompleksitas algoritma paralel dengan notasi asimtotik.

CO-3: mampu mengaplikasikan abstract data type pada lingkungan komputasi paralel.

CO-4: mampu menjelaskan teori dan mengaplikasikan arsitektur pemroses untuk komputasi paralel (shared memory, distributed memory, GPGPU).

CO-5: mampu menjelaskan teori dan mengaplikasikan dekomposisi permasalahan serial menjadi paralel (misal: SPL, graf, deret).

CO-6: mampu menggunakan algoritma paralel untuk metode optimasi.

CO-7: mampu melakukan pemrograman dan instalasi sistem paralel dengan multiprocessor dan GPGPU.

Silabus: Sistem persamaan linear, graf, dan deret; Dekomposisi permasalahan serial menjadi parallel; Tipe data abstrak pada lingkungan komputasi paralel (struct, vector, dll.); Analisis kompleksitas waktu dan ruang dari algoritma parallel; Arsitektur pemroses komputasi paralel (shared memory, distributed memory, GPGPU); Algoritma paralel untuk metode optimasi; Pemrograman dan instalasi sistem paralel dengan multiprocessor dan GPGPU

Pustaka acuan:

  1. Sanders J., Kandrot E., CUDA by Example: An Introduction to General-Purpose GPU Programming, NVIDIA, 2011.

  2. J. Quinn, M., Parallel Programming in C with MPI and OpenMP, McGraw-Hill Education, 2008.

MII 6816 Kriptologi (Cryptology, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Kriptologi, mahasiswa:

CO-1: Mahasiswa mampu menjelaskan teori umum yang berkaitan dengan teori bilangan, aljabar field, logaritma aritmetika.

CO-2: Mahasiswa mampu menghitung kompleksitas operasi enkripsi dan dekripsi.

CO-3: Mahasiswa mampu menerapkan algoritma kriptosistem simetri (misal: kriptografi klasik, struktur Feistel, DES, AES).

CO-4: Mahasiswa mampu menerapkan algoritma kriptosistem asimetri (misal: Diffie-Helman, RSA, Elliptic curve, El Gamal).

CO-5: Mahasiswa mampu menganalisis kriptosistem menggunakan probabilitas statistika, dan brute force.

Silabus: Teori Bilangan, Aljabar field, Logaritma aritmetika modular; Kompleksitas operasi enkripsi dan dekripsi; Kriptografi simetri klasik, struktur Feistel, Data Encryption Standards, Advanced Encryption Standards; Kriptosistem asimetri Diffie-Helman, RSA, Elliptic curve, El Gamal; Analisis kriptosistem (probabilitas statistika, dan brute force).

Pustaka Acuan:

  1. Menezes, A, P. Van Ooschot, dan S. Vanstase, Handbook of Applied Crypography, CRC Press, 1996.

  2. Brown, L, Crptography and Computer Security, Australian Defense National Academy, 2001.

  3. Stalling, W., Cryptography and Network Security: Principles and Practice (7th Edition), Pearson, 2016.

  4. Patterson, W., Mathematical Cryptology for Computer Scientist and Mathematicians, Rowman and Littlefield Publishers, 1987.

  5. Bose, R., Information Theory, Coding, and Cryptography, McGraw Hill, 2003.

  6. Stinson, D.R., Cryptography: Theory and Practice, CRC Press, London, 1995.

MII 6454 Logika Fuzzy (Fuzzy Logic, 3 sks)

Prasyarat: Kecerdasan Buatan

Tujuan Pembelajaran: setelah mengikuti kuliah Logika Fuzzy, mahasiswa:

CO-1: dapat menjelaskan konsep dasar bilangan fuzzy, himpunan baik crisp maupun fuzzy, berikut dengan operasi dasarnya.

CO-2: dapat menjelaskan dan menggunakan operasi himpunan fuzzy secara umum.

CO-3: mampu menjelaskan jenis-jenis relasi fuzzy.

CO-4: mampu menjelaskan konsep dasar tentang variabel linguistik dan logika fuzzy serta penggunaannya dalam masalah nyata.

CO-5: mampu memformulasikan aturan-aturan fuzzy dari pengetahuan atau informasi yang ada dalam kehidupan sehari-hari untuk memecahkan masalah nyata

CO-6: mampu menjelaskan metode inferensi fuzzy dan menggunakannya untuk penyelesaian masalah nyata.

CO-7: mampu menjelaskan komponen sistem fuzzy dan melakukan rancang bangun sistem fuzzy.

Silabus: Logika Klasik, Logika Fuzzy, Definisi Bilangan Fuzzy dan Himpunan Fuzzy, Jenis-jenis relasi fuzzy, Definisi dan komponen variabel linguistik, Aturan fuzzy dan Komponennya; Metode-metode inferensi fuzzy, Definisi Sistem fuzzy; komponen sistem fuzzy; fuzifikasi; defuzifikasi.

Pustaka Acuan:

  1. Wang, L., A Course in Fuzzy Systems and Control, Prentice-Hall International, Inc., New Jersey, 1997.

  2. Zimmerman, H.J., Fuzzy Set Theory and Its Applications, Kluwer Publishing Co, Amsterdam, 1991.

  3. Kaufmann, A. and M.M. Gupta, Introduction to Fuzzy Arithmetic Theory and Applications, Van Nostrand Reinhold, 1991.

  4. Klir, G.J. and T.A. Folger, Fuzzy Sets Theory: Foundation and Application, Prentice Hall, 1997

  5. Roos, T.J., Fuzzy Logic with Engineering Application, John Wiley & Sons, Ltd., 2010.

MII 6634 Metode Matematika untuk Data Science (Mathematics for Data Science, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Metode Matematika untuk Data Science, mahasiswa:

CO-1: mampu menjelaskan teori probabilitas dasar, multivariate distributions, laws of large numbers, central limit theorem.

CO-2: mampu menjelaskan tentang maximum posteriori estimation, maximum likelihood estimation, minimum mean-squared error , confidence intervals.

CO-3: memahami konsep-konsep aljabar linier: vector spaces, linear transformations, singular value decomposition, eigen decomposition, principal component analysis

CO-4: mampu menjelaskan matrix calculus, gradient descent, coordinate descent, introduction to convex optimization.

Silabus : Probabilitas dan statistika inferensi (multivariate distributions, laws of large numbers, central limit theorem, confidence intervals), estimasi dan error (maximum posteriori estimation, maximum likelihood estimation, minimum mean-squared error ), aljabar vektor dan matriks (vector spaces, linear transformations, singular value decomposition, eigen decomposition, principal component analysis), matrix calculus (gradient descent, coordinate descent, introduction to convex optimization)

Pustaka Acuan:

  1. Hill, T., Lewicki, P., & Lewicki, P. , Statistics: methods and applications: a comprehensive reference for science, industry, and data mining. StatSoft, Inc., 2006.

  2. Kreyszig, E., Advanced engineering mathematics. John Wiley & Sons, 2010.

  3. Hastie, T., Tibshirani, R., & Friedman, J., The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Biometrics, 2002.

  4. Golub, G. H., & Van Loan, C. F., Matrix computations (Vol. 3). JHU Press, 2012.

MII 6896 Pengolahan Sinyal Digital (Digital Signal Processing, 3 sks)

Prasyarat: Telah memahami Mata Kuliah Elektronika dan Mata Kuliah Instrumentasi

Tujuan Pembelajaran: setelah mengikuti kuliah Pengolahan Sinyal Digital, mahasiswa:

CO-1: mampu menjelaskan konsep dasar PSD;

CO-2: mampu menjelaskan konsep pencuplikan dalam ranah waktu;

CO-3: mampu menjelaskan konsep dan menerapkan transformasi representasi sinyal dari ranah waktu ke ranah frekuensi;

CO-4: mampu menerapkan transformasi Z untuk memecahkan persamaan beda;

CO-5: mampu merancang dan menerapkan tapis digital;

Silabus: Kuliah Pengolahan Sinyal Digital ini memberikan gambaran dasar terkait dengan konsep-konsep pengolahan sinyal dalam ranah digital yang memuat bahasan konsep dasar, konsep pencuplikan sinyal dalam ranah waktu, konsep dan penerapan transformasi sinyal dari ranah waktu ke ranah frekuensi menggunakan Transformasi Fourier, konsep, perancangan dan penerapan tapis jenis FIR (Finite Impulse Response) dan jenis IIR (Infinite Impulse Response) digital.

Pustaka Acuan:

  1. Isen, F.W., DSP for MATLAB and LABVIEW Vol. I: Fundamentals of Discrete Signal Processing, Morgan & Claypool Publisher;

  2. Isen, F.W., DSP for MATLAB and LABVIEW Vol. II: Discrete Frequency Transforms, Morgan & Claypool Publisher;

  3. Isen, F.W., DSP for MATLAB and LABVIEW Vol. III: Digital Filter Design, Morgan & Claypool Publisher;

MII 6856 Sistem Pakar (Expert Systems, 3 sks)

Prasyarat: Kecerdasan Buatan

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Pakar, mahasiswa:

CO-1: mampu menjelaskan arsitektur sistem pakar dan komponen sistem pakar serta mampu mendesain sistem pakar untuk penyelesaian nyata.

CO-2: mampu merepresentasikan serta memanipulasi pengetahuan dalam bentuk kaidah produksi, frame dan jejaring semantik

CO-3: mampu menjelaskan metode-metode inferensi dan proses penalaran dalam sistem pakar

CO-4: mampu mengidentifikasi faktor-faktor ketidakpastian dan menerapkan metode-metode penanganan ketidakpastian.

CO-5: mampu menerapkan tahapan-tahapan dalam mengembangakan sistem pakar

CO-6: mampu melakukan penelitian untuk pengembangan sistem pakar sebagai penyelesaian masalah nyata serta menjelaskan hasil penelitian tersebut

Silabus: Komponen sistem pakar, Representasi pengetahuan Aturan, Frame, Jaringan Semantik, Metode-metode inferensi, Faktor-faktor penyebab dan metode penanganan ketidakpastian, Tahapan pengembangan sistem pakar, aplikasi sistem pakar.

Pustaka Acuan:

  1. Joseph C. Giarratano and Gary Riley, Expert Systems: Principles and Programming, Brooks Cole, 4th Edition, Thomson Course Technology, 2005

  2. Efraim Turban, Decision Support and Expert Systems: Management Support System, Prentice-Hall, 4th Edition, 1995

  3. Ivan Bratko, Prolog-Programming for Artificial Intelligence, Addision Wiley, 3rd Edition, 2001.

MII 6858 Sistem Pendukung Keputusan (Decision Support Systems, 3 sks)

Prasyarat: sudah memahami Sistem Basis Data

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Pendukung Keputusan, mahasiswa:

CO-1: mampu menjelaskan tipe-tipe keputusan dan model-model pembuatan keputusan, serta menerapkan mekanisme pembuatan keputusan

CO-2: mampu menjelaskan definisi bussiness intelligence, knowledge-based untuk bussiness intelligence dan komponen bussiness intelligence

CO-3: mampu menjelaskan komponen-komponen sistem pendukung keputusan beserta fungsinya, dan melakukan rancang bangun sistem pendukung keputusan untuk masalah nyata

CO-4: mampu menjelaskan definisi Group-DSS, komponen Group-DSS dan metode-metode pembuatan keputusan kelompok

CO-5: mampu menjelaskan definisi Clinical-DSS, komponen Clinical DSS, dan metode-metode pembuatan keputusan dalam CDSS

CO-6: mampu menjelaskan dan menerapkan mekanisme pengembangan sistem pendukung keputusan

Silabus: Mekanisme pembuatan keputusan; tipe-tipe keputusan; model-model pembuatan keputusan, knowledge-based untuk bussiness intelligence; komponen bussiness intelligence, Komponen sistem pendukung keputusan, Definisi bussiness intelligence, Definisi GDSS; komponen GDSS; metode-metode pembuatan keputusan kelompok, Definisi CDSS; komponen CDSS; metode-metode pembuatan keputusan dalam CDSS, Mekanisme pengembangan sistem pendukung keputusan.

Pustaka Acuan:

  1. Turban, E., Decision Support and Intelligent Systems, Prentice Hall, 2010.

  2. Gray, P., Decision Support and Executive Information Systems, Prentice Hall, 1994.

  3. Thomas L. Saaty, Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy Process, RWS Publication, 2000.

  4. Eta S. Berner, Clinical Decision Support Systems: Theory and Practice, 2nd Edition, Springer, 2007.

MII 6876 Sistem Tertanam (Embedded System, 3 SKS)

Prasyarat: Sistem operasi dan Organisasi komputer

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Tertanam, mahasiswa:

CO-1: mampu memodelkan sistem tertanam.

CO-2: mampu merancang dan mengimplementasikan sistem tertanam.

CO-3: mampu menganalisis sistem tertanam.

Silabus: Materi kuliah sistem tertanam ini menggunakan pendekatan sistem saiber-fisik yang terdiri dari tiga bagian: Pemodelan, Perancangan dan Analisis. Bagian pemodelan membahas tentang dinamika kontinu, dinamika diskret, sistem hibrid, komposisi state machine dan model komputasi konkuren. Bagian perancangan membahas tentang sensor dan aktuator, prosesor tertanam, arsitektur memori, masukan dan luaran, multitasking dan schedulling. Analisis membahas tentang invarian dan temporal logik, ekivalen dan refinements, analisis pencapaian dan pengujian model, analisis kuantitatif serta keamanan dan privasi.

Pustaka Acuan:

  1. Lee, E.A., and Seshia, S.A., Introduction to Embedded Systems: A Cyber-Physical Systems Approach 2nd Edition, MIT Press, 2017.

 

MII 6453 Penalaran Komputer (Computer Reasoning, 3 sks)

Prasyarat: Kecerdasan Buatan

Tujuan Pembelajaran: setelah mengikuti kuliah Penalaran Komputer, mahasiswa:

CO-1: mampu menjelaskan konsep dasar penalaran komputer, perbedaaanya dengan rule-based, simulasi, visualisasi dan animasi serta perbedaan penalaran komputer dan penalaran manusia

CO-2: mampu menerapkan teknik-teknik retrieval kasus dan metode-metode perhitungan similaritas kasus.

CO-3: mampu menjelaskan mekanisme adaptasi solusi untuk kasus

CO-4: mampu menjelaskan konsep dan paradigma probabilitas, teorema Bayes dan Bayesian Networking.

CO-5: mampu menguasai dan menerapkan konsep dasar evidence serta metode-metode pooling secara hierarki

Silabus: Definisi Penalaran Komputer, Metode-metode sistem penalaran komputer, Mekanisme adapatasi kasus, Teorema Bayes, Bayesian network, Konsep dasar Evidence, Metode-metode pooling secara hierarki.

Pustaka Acuan:

  1. Hullermer, Eyke, Case-based Approximate Reasoning, Springler, 2007.

  2. Neapolition, Ricard E, Probabilistic Reasoning in Expert System: Theory and Algorithm, 2012.

  3. Pearl, J., Probabilistic Reasoning in Intelligence System: Network of Plausible.

MII 6835 Pencarian Semantik dan Temu Balik Informasi (Semantic Search and Information Retrieval, 3 sks)

Prasyarat: Kecerdasan Buatan *

Tujuan Pembelajaran: setelah mengikuti kuliah Pencarian Semantik dan Temu Balik Informasi mahasiswa:

CO-1: mampu menjelaskan arsitektur dari Search Engine dan komponenkomponen-nya.

CO-2: mampu menjelaskan tahapan pembuatan index dan mampu melakukan text acquisition, text transformation, dan index creation.

CO-3: mampu menjelaskan berbagai jenis query dan mampu meranking hasil query 4.

CO-4: mampu mengevaluasi Search Engine

CO-5: mampu menjelaskan konsep-konsep terkait dengan semantik web dan ontologi dan mampu menerapkan konsep tersebut untuk pembuatan ontologi

CO-6: mampu menjelaskan tentang komponen-komponen dari semantic search engine.

Silabus: Topik utama yang dibahas pada matkuliah ini adalah. Model dasar IR, metrik kesamaan teks; TF-IDF; pra pemrosesan teks, evaluasi eksperimental dari IR; Operasi queri dan bahasa; Representasi Teks seperti dalam bentuk statistik kata, Hukum Zipf, Web Search Engine, metacrawlers, dan contohnya; Klasifikasi Teks dan model-model sistem tanya jawab; Bahasa-model Berdasarkan Retrieval, Sistem Rekomendasi; Penyaringan kolaboratif, serta Informasi Ekstraksi dan Integrasi, konsep Semantik Web dan Ontologi, pengembangan ontologi, F-logika, Logika deskripsi, ekstraksi pengetahuan simbolis; analisis jejaring sosial

Pustaka Acuan:

  1. Chowdhury, G. G., Introduction to modern information retrieval. Facet publishing, 2010.

  2. Hang Li, and Jun Xu, Semantic Matching in Search, 2014.

  3. Federico Alberto Pozzi, Messina & Liu, Sentiment Analysis in Social Networks, 1st Edition, Morgan Kaufmann, 2016.

  4. Bast, H., Buchhold, B., & Haussmann, E., Semantic search on text and knowledge bases, 2016.

MII 6455 Pengenalan Pola (Patterns Recognition, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Pengenalan Pola, mahasiswa:

CO-1: mampu menjelaskan tipe-tipe data dalam pengenalan pola

CO-2: mampu menjelaskan definisi fitur dan metode-metode ekstraksi fitur, serta melakukan ektraksi fitur.

CO-3: mampu menjelaskan konsep dasar klasifikasi dan metode-metode klasifikasi, serta melakukan klasifikasi dalam pengenalan pola.

CO-4: mampu menjelaskan perbedaan klasifikasi dan clustering, jenis-jenis clustering, serta melakukan clustering data dalam pengenalan pola.

CO-5: mampu menjelaskan perkembangan penelitian tentang pengenalan pola.

Silabus: Tipe-tipe data text, citra, audio dan video, Klasifikasi dan metode-metodenya, Clustering dan metode-metodenya, Mekanisme dan metode-metode identifikasi dan verifikasi, Perkembangan penelitian tentang pengenalan pola.

Pustaka Acuan:

  1. Theodoridis, S. and Koutroumbas, K., Pattern Recognition. 4th Edition, Academic Press, 2008.

  2. Richard O. Duda, Peter E. Hart, and David G. Stork., Pattern Classification, John Wiley & Sons, 2000.

  3. Bishop, C. M. Neural Networks for Pattern Recognition. Oxford University Press. 1995.

  4. Bishop, C. M. Pattern Recognition and Machine Learning. Springer. 2007.

MII 6895 Pengolahan Citra Digital (Digital Image Procesing, 3 sks)

Prasyarat: Mahasiswa diharapkan telah/ sedang mengambil mata kuliah Pengenalan Pola

Tujuan Pembelajaran: setelah mengikuti kuliah Pengolahan Citra Digital mahasiswa:

CO-1: mampu menjelaskan konsep dasar PCD

CO-2: mampu menterjemahkan permasalahan PCD menjadi rancangan

CO-3: mampu menggunakan model matematika dan fisika serta piranti lunak terkait untuk PCD

CO-4: mampu mengimplementasikan rancangan PCD dalam bentuk program

CO-5: mampu belajar lanjut dari perkembangan PCD mutakhir

Silabus: Representasi citra, sampling, kuantisasi, pixel-depth, RGB, HSV, CYMK, YcbCr, algoritme (ranah waktu, ranah frekuensi), pemisahan obyek citra (threshold, area, gerakan, tepian), representasi fitur, seleksi fitur, interpretasi.

Pustaka Acuan:

  1. Gonzalez, R.C., Wintz, P., Digital Image Processing, Pearson Higher Ed. USA, 4th ed, 2017

  2. Pratt, W.K., Introduction to Digital Image Processing, CRC Press, 2014

MII 6213 Riset Operasi (Operation Research, 3 sks)

Prasyarat: telah mengenal aljabar linier dasar

Tujuan Pembelajaran: setelah mengikuti kuliah Riset Operasi mahasiswa:

CO-1: mampu memformulasikan dan menyelesaikan masalah dunia nyata ke dalam Pemrograman Linier dan Pemrograman Non-linier.

CO-2: mampu menerapkan metode simplex untuk pencarian solusi program linear.

CO-3: mampu menerapkan metode gradient descent untuk pencarian solusi program nonlinear.

CO-4: mampu menyelesaikan masalah transportasi, assignment, transhipment.

CO-5: mampu menerapkan komputasi PERT-CPM pada proses penjadwalan.

CO-6: mampu menyelesaikan permasalahan pemrograman bilangan bulat.

Silabus: Penyelesaian masalah dengan pemrograman linear dan pemrograman nonlinear; Pemrograman Linier: pengertian, solusi grafis, work-scheduling problem, capital-budgeting problem; Metode Simplex: Algoritma Simplex dan penggunaannya dalam masalah optimasi, 2 fase Metode Simplex; Metode Gradient Descent; Permasalahan transportasi, assignment, transshipment; Masalah penjadwalan: PERT-CPM; Pemrograman bilangan bulat: pengenalan, formulasi permasalahan, Metode Branch and Bound, Algoritma Cutting Plane.

Pustaka Acuan:

  1. Winston, W.L., Operations Research: Applications and Algorithms (with CD-ROM and InfoTrac) 4th Edition, Duxbury Press, 2003.

  2. Taylor, B.W., Introduction to Management Science 11th edition, Pearson, 2013.

MII 6893 Robotika (Robotics, 3 sks)

Prasyarat: Mahasiswa diharapkan telah mengenal sistem robotika

Tujuan Pembelajaran: setelah mengikuti kuliah Robotika mahasiswa:

CO-1: mampu menjelaskan konsep dasar Robotika

CO-2: mampu menganalisis sistem Robotika

CO-3: mampu merancang sistem robotika

CO-4: mampu melakukan pemilihan komponen, dan memperbaiki kemampuan robot sederhana

CO-5: mampu meningkatkan kinerja atau sifat-sifat robot

Silabus: inout, sistem kalang terbuka, kalang tertutup, response output, model matematika, ADC, DAC, komponen kontrol, kontrol, sensor, aktuator, tracking, motion planning, motion control, mekanik-reflek, pikir-gerakan paralel, pikir-gerak serial, dinamik, AI reasoning, kemampuan otak manusia, insting, pemanfaatan arificial intelligent, swam, unmmaned system.

Pustaka Acuan:

  1. Jazar, R. N., Theory of Applied Robotics Kinematics, Dynamics, and Control, 2nd ed, Elsevier, 2010

MII 6815 Sains Komputasional (Computational Science, 3 sks)

Prasyarat: Analisis Algoritma

Tujuan Pembelajaran: setelah mengikuti kuliah Sains Komputasional mahasiswa:

CO-1: mampu menjelaskan teori dan mengaplikasikan aljabar polinomial.

CO-2: mampu menghitung waktu komputasi operasi-operasi pada polinomial.

CO-3: mampu menghitung kompleksitas algoritma penyelesaian SPL dan SPNL.

CO-4: mampu menerapkan metode optimisasi dari suatu SPNL tanpa dan dengan batasan..

CO-5: mampu menerapkan metode untuk mencari akar polinomial, titik optimum pada fungsi nonlinear satu atau lebih dimensi, dan smoothing function.

CO-6: mampu menganalisis galat dari metode pencarian akar polinomial, titik optimum pada fungsi nonlinear satu atau lebih dimensi, dan smoothing function.

Silabus: Aljabar Polinomial dan aplikasinya; Waktu komputasi operasi-operasi pada polynomial; Kompleksitas algoritma penyelesaian persamaan linear, nonlinear; Pencarian solusi dengan metode interior point; Optimisasi masalah SPNL dengan dan tanpa batasan; Pencarian akar polinomial, titik optimum pada fungsi nonlinear satu atau lebih dimensi, smoothing function; Teori ralat/analisis error pada pencarian akar polinomial, titik optimum pada fungsi nonlinear satu atau lebih dimensi, smoothing function

Pustaka Acuan:

  1. Winkler, F., Polynomial Algorithms in Computer Algebra, Springer-Verlag, 1996.

  2. P. Bertsekas, D., Nonlinear Programming 2nd Edition, Athena Scientific, 1999.

MII 6291 Sistem Kendali (Control Systems, 3 sks)

Prasyarat: Mahasiswa telah/ sedang mengambil mata kuliah Instrumentasi

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Kendali mahasiswa:

CO-1: mampu menjelaskan konsep kendali digital

CO-2: mampu menerapkan transformasi Z untuk menganalisa sistem mekanik, listrik, elektronik, fluida dan termal

CO-3: mampu menjelaskan prinsip analisis kesalahan serta pengaturan tanggap sistem kendali

CO-4: mampu menerapkan metode analisis stabilitas untuk perbaikan unjuk kerja sistem

CO-5: mampu menggunakan SciLab/Matlab untuk simulasi kendali digital

CO-6: mampu memodelkan sistem dengan representasi state-space.

Silabus: diagram blok, kalang terbuka, kalang tertutup, analisis kestabilan (kedudukan akar pada domain Z (pole, zero), metode Jury test, Nyquist, asimtotik, bibo, internal, input, output), metode kendali adaptif, metode kendali optimal.

Pustaka Acuan:

  1. Fadali, M.S., Visioli, A., Digital Control Engineering Analysis and Design, Elsevier, 2013

  2. Ogata, K., Modern Control Engineering, 5th ed, Prentice Hall, 2010

MII 6875 Sistem Komunikasi Wireless dan Mobile (Mobile and Wireless Communication Systems, 3 sks)

Prasyarat: sudah/sedang mengambil Jaringan Komputer

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Komunikasi Wireless dan Mobile, mahasiswa:

CO-1: mampu menjelaskan konsep dan standar jaringan wireless, wireless LAN/MAN, dan jaringan mobile (seluler).

CO-2: mampu menjelaskan teknik teletrafik dan model analitik pada jaringan mobile.

CO-3: mampu menjelaskan konsep dan merancang arsitektur jaringan sensor.

CO-4: mampu menjelaskan kualitas layanan (QoS) dalam jaringan wireless dan mobile.

Silabus: Kuliah sistem komunikasi wireless dan mobile ini membahas tentang konsep dan standar jaringan wireless dan mobile, fungsi antenna dan forward error correction, aplikasi jaringan wireless pada jaringan sensor. Teori teletrafik dan model analitik pada jaringan mobile. Konsep dan arsitektur jaringan sensor, topologi, dan aplikasi jaringan sensor. Penamaan, pengalamatan, dan routing pada jaringan sensor. Parameter dan standar kualitas layanan (QoS) dan QoS dalam jaringan wireless dan mobile.

Pustaka Acuan:

  1. Agrawal, D.P., Zeng, Q., Introduction to Wireless and Mobile Systems, Thomson, 2003

  2. Stasiak, M., Glabowski, M., Wisniewski, A., Zwierzykowski, P., Modeling and Dimensioning of Mobile Networks: from GSM to LTE, John Wiley and Sons, 2011.

  3. Holger Karl, PROTOCOLS AND ARCHITECTURES FOR WIRELESS SENSOR NETWORKS, John Wiley & Son Ltd., 2005

  4. Liljana Gavrilovska, Application and Multidisciplinary Aspects of Wireless Sensor Networks, Springer-Verlag, London, 2011.

MII 6671 Sistem Terdistribusi dan Cloud (Cloud and Distributed Systems, 3 sks)

Prasyarat: Sudah/sedang mengambil Jaringan Komputer dan sistem operasi

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Terdistribusi dan Cloud mahasiswa:

CO-1: mampu menjelaskan sistem terdistribusi, model-model sistem, komputer kluster, dan mesin virtual

CO-2: mampu menerapkan konsep dan arsitektur sistem Cloud, web service dan SOA, pemrograman pada sistem Cloud

CO-3: mampu menjelaskan konsep Grid, P2P, dan Internet of Things (IoT)

CO-4: mampu menerapkan konsep HPC, model pemrograman MPI dan Hadoop Mapreduce

CO-5: mampu menerapkan konsep 3-tier, multitier, dan aplikasi sistem terdistribusi dan Cloud

Silabus: Mata kuliah sistem terdistribusi dan Cloud memberikan pemahaman konseptual dan perkembangan penelitian pada sistem terdistribusi, model system, kluster dan mesin virtual (termasuk konsep virtualisasi). Arsitektur Cloud dengan teknologi Web Service/Service Oriented Architecture dan pemrograman pada sistem Cloud. Mata kuliah ini juga menjelaskan konsep Grid, P2P dan IoT sebagai implementasi serta aplikasi sistem terdistribusi dan cloud. Pemrograman pada model HPC pada lingkungan Hadoop dan MapReduce serta big data ecosystem untuk dapat menjalankan aplikasi data terdistribusi dan Cloud based processing.

Pustaka Acuan:

  1. Lai Hwang, Geogffrey C Fox, Jack J Dongara, Distributed and Cloud Computing, From Parallel Processing to the Internet of Things, 2011

  2. Kerry Koitzsch, Pro Hadoop Data Analytics: Designing and Building Big Data Systems using the Hadoop Ecosystem 1st Edition, 2016

MII 6857 Sistem Terinspirasi Makhluk Hidup (Bio-inspired system, 3 sks)

Prasyarat: Kecerdasan Buatan

Tujuan Pembelajaran: setelah mengikuti kuliah Sistem Terinspirasi Makhluk Hidup, mahasiswa:

CO-1: mampu menjelaskan karakteristik sistem selular

CO-2: mampu menjelaskan definisi, cara kerja dan komputasi DNA

CO-3: mampu menjelaskan sistem rewriting; sistem kekebalan secara biologis; sistem kekebalan buatan

CO-4: mampu menjelaskan sistem saraf buatan dan menerapkannya untuk penyelesaian nyata.

CO-5: mampu menjelaskan berbagai algoritme berbasis sistem kolektif dan menerapkan untuk permasalahan nyata

Silabus: Sistem seluler, DNA, Komputasi DNA, Sistem rewriting, Sistem kekebalan secara biologis; Sistem kekebalan buatan, Sistem saraf buatan dan aplikasinya, Algoritme berbasis sistem kolektif dan aplikasinya.

Pustaka Acuan:

  1. D. Floreano and C. Matiussi, Bio-Inspired Artificial Intelligence: Theories, Methods, and Technologies, MIT-Press, 2008.

  2. F. Neumann and C. Witt., Bioinspired Computation in Combinatorial Optimization: Algorithms and their computational complexity, Springer, 2010.

  3. Bishop, C. M. Neural Networks for Pattern Recognition. Oxford University Press. 1995.

  4. M. Dorigo and T. Stutzle, Ant Colony Optimization, A Bradford Book, 2004.

  5. R. C. Elberhart et al., Swarm Intelligence, Morgan Kaufmann, 2001.

MII 6837 Informatika Sosial (Social Informatics, 3 sks)

Prasyarat: -

Tujuan Pembelajaran: setelah mengikuti kuliah Informatika Sosial mahasiswa:

CO-1: mampu menjelaskan filasafat teknologi dan budaya, riset-riset dan metode-metode yang digunakan

CO-2: mampu menjelaskan tentang masyarakat informasi/jaringan/digital beserta gaya hidup digital

CO-3: mampu menjelaskan aplikasi UU ITE

CO-4: mampu mengidentifikasi perkembangan media baru beserta etikanya dan cara antisipasinya

CO-5: mampu merumuskan gagasan baru mengenai riset-riset dan metode-metode yang digunakan

Silabus: Matakuliah ini memberikan pengetahuan mengenai filsafat teknologi dan budaya, riset dan metode pada informatika sosial. Matakuliah ini juga membahas mengenai perkembangan masyarakat informasi dan gaya hidup digital. Implementasi dan implikasi UU ITE beserta perkembangan media baru dengan etika yang dibahas untuk menggali potensi informatika sosial. Gagasan baru yang bersifat destruktif terhadap pola yang selama ini berjalan yang menjadi kajian untuk menggali ide-ide baru pada penelitian bidang informatika sosial.

Pustaka Acuan:

  1. Pnina Fichman, Howard Rosenbaum, Social Informatics: Past, Present and Future, 2016.

  2. Rob Kling & Howard Rosenbaum, Understanding and Communicating Social Informatics: A Framework for Studying and Teaching the Human Contexts Of Information And Communication Technologies, 2014.

 

MII 6817 Verifikasi dan Validasi (Verivication and Validation, 3 sks)

Prasyarat: Logika modal, Otomata

Tujuan Pembelajaran: setelah mengikuti kuliah Verivikasi dan Validasi, mahasiswa:

CO-1: mampu menjelaskan teori graf.

CO-2: mampu menghitung kompleksitas proses pencarian graf.

CO-3: mampu menerapkan teori pemodelan formal untuk hardware dan software, parallelism, dan komunikasi.

CO-4: mampu menerapkan teori model checking pada sistem reaktif.

Silabus: Teori graf dan kompleksitas proses pencarian graf; Teori pemodelan formal untuk hardware, software, paralelisme, dan komunikasi berserta penerapannya; Sistem reaktif dan pemodelannya; Teori model checking beserta penerapnnya, khususnya pada sistem reaktif.

Pustaka Acuan:

  1. Baier, C., and Katoen, J.-P., Principles of Model Checking, MIT Press, 2008.

  2. Clarke, E.M., Jr., Grumberg, O., Peled, D.A., Model Checking, MIT Press, 1999.

  3. Aceto, L., Ingólfsdóttir, A., Larsen, K.G., and Srba, J., Reactive Systems: Modelling, Specification and Verification, Cambridge University Press, 2007.

  4. Hyde, D.C., Introduction to the Principles of Parallel Computation, Department of Computer Science, Bucknell University, Lewisburg PA 17837, 1998.