CPL, CPMK dan SUb-CPMK
Pada bagian ini berisi informasi mengenai Capaian Pembelajaran Lulusan (CPL) yang dibebankan pada mata kuliah. Selain itu juga berisikan informasi mengenai Capaian Pembelajaran Mata Kuliah (CPMK) yang diturunkan dari CPL, CPL ini lebih difokuskan atau disesuaikan dengan bahan kajian mata. Kemudian Sub-Capaian Pembelajaran Mata Kuliah (Sub-CPMK) diturunkan dari CPMK yang sudah dirumuskan untuk mengukur ketercapaian di setiap pertemuan perkuliahan.
CPL-2 : Mampu bekerja sama secara tim, memiliki kepekaan sosial, dan kepedulian yang tinggi terhadap keberagaman masyarakat, serta lingkungannya.
CPL-8 : Mampu menganalisis sumber masalah serta menerapkan prinsip computing dan ilmu yang relevan lainnya untuk mengidentifikasi solusi perangkat lunak berbasis IoT di bidang jaringan komputer, data science dan AI
CPL-9 : Mampu melakukan perancangan, pembangunan dan evaluasi perangkat lunak berbasis IoT di bidang jaringan komputer, data science dan AI di berbagai platform
Capaian Pembelajaran MataKuliah (CPMK)
CPMK 1: Mahasiswa mampu mengidentifikasi sumber masalah yang berkaitan dengan citra digital dan menentukan metode computer vision yang relevan sebagai solusi permasalahan citra digital di bidang industri secara berkelompok (IK-2.1, IK-2.2) (IK-8.1, IK-8.2) (IK-9.1, IK-9.2) 45% CPL 2=10%, CPL 8= 20% CPL 9=15%
CPMK 2: Mahasiswa mampu menerapkan konsep dan metode pra-pemrosesan, image segmentation, feature extraction dan object detection/classification dalam perancangan dan pengembangan perangkat lunak computer vision secara berkelompok (IK-2.1, IK-2.2) (IK-8.1, IK-8.2) (IK-9.1, IK-9.2) 55%. CPL 2=19%, CPL 8= 10% CPL 9=26%
SubCPMK 2 : Mahasiswa dapat menentukan dan menerapkan teknik segmentasi citra dalam pemrosesan gambar berdasarkan bentuk/geometri, tekstur, warna, descriptor visual, depth dan/atau orientasi dalam perancangan dan pengembangan perangkat lunak computer vision (C3, A3, P2) (CPMK 1, CPMK 2); (IK.8.1, IK 8.2=5, IK.9.1, IK 9.2=7; 12 %; 2 minggu)
SubCPMK 3 : Mahasiswa dapat mengidentifikasi fitur berdasarkan objek citra dan menerapkan teknik ekstraksi fitur dalam pemrosesan gambar berdasarkan ciri bentuk/geometri, tekstur, warna, descriptor visual, depth, orientasi atau fitur lainnya sesuai dengan kebutuhan image yang banyak digunakan di industri atau DUDI (C3, A3, P2) (CPMK 1, CPMK 2); (IK.8.1, IK 8.2=9, IK.9.1, IK 9.2=12; 21%; 4 minggu)
SubCPMK 4: Mahasiswa mampu mengimplementasikan teknik pengolahan citra pada video atau motion image serta tracking gerakan pada satu atau lebih gambar atau dari frame video pada aplikasi berbasis video di bidang jaringan komputer, data science dan AI dalam dunia industri. (C3, A3, P2) (CPMK 1, CPMK 2); (IK.8.1, IK 8.2=4, IK.9.1, IK 9.2=6; 10 %; 2 minggu)
SubCPMK 5 : Mahasiswa mampu secara kolaboratif mengidentifikasi dan mengimplementasikan metode supervised dan unsupervised learning serta deep learning architecture pada computer vision dalam pengenalan dan deteksi single atau multiple object serta melakukan analisis model untuk menghasilkan aplikasi yang optimal sesuai kebutuhan industri (C3, A3, P2) (CPMK 1, CPMK 2); (IK-2.1, IK-2.2=29, IK.8.1, IK 8.2=6, IK.9.1, IK 9.2=8; 43%; 4 minggu)