LMS-SPADA INDONESIA


Assalammualaikum wr, wb, Hallo teman-teman Cvisioner!!
Selamat datang dan selamat bergabung pada matakuliah Computer Vision.
Matakuliah IFB-301 Computer Vision ini merupakan matakuliah wajib di Program Studi Informatika, Fakultas Teknologi Industri, Institut Teknologi Nasional Bandung yang diselenggarakan di semester ganjil atau tepatnya di semester 5. Bobot matakuliah Computer Vision adalah 3 SKS.
Perkenalkan saya Irma Amelia Dewi, selama satu semester ini akan menemai teman-teman Cvisioner untuk lebih memahami tidak hanya konsep dari metode-metode computer vision tetapi juga implementasinya di bidang industri.
Pembelajaran yang diterapkan merupakan collaborative learning dan active learning, mengajak CVisioner terlibat secara partisipasi aktif dalam diskusi/small group discussion, group activity dalam menyelesaikan case study, problem-based yang berasal dari dunia usaha dan dunia industri (DUDI). Jika teman-teman Cvisioner memiliki pertanyaan atau kebutuhan, jangan ragu untuk menghubungi saya melalui platform ini. Saya selalu siap membantu teman-teman dalam proses pembelajaran ini.
Jadi, mari kita mulai! Siapkan diri Anda untuk menggali ilmu baru, berdiskusi, dan menjalani pengalaman pembelajaran yang luar biasa.
Terima kasih telah bergabung, dan saya berharap kita akan memiliki waktu yang sangat bermanfaat bersama. Selamat belajar!"
Deskripsi Matakuliah
Mata kuliah ini membahas konsep dan teknik computer vision, yang berfokus pada kemampuan komputer untuk menginterpretasikan data visual 2D atau video. Mahasiswa akan mengeksplorasi dan mengimplementasikan berbagai topik seperti pemrosesan gambar, ekstraksi fitur, deteksi objek, klasifikasi gambar, dan deep learning untuk aplikasi computer vision. Melalui perkuliahan teori, hands-on assignments, dan proyek kolaboratif dengan industri untuk menyempurnakan dan meningkatkan solusi computer vision, mengatasi kebutuhan dan tantangan spesifik industri.
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.
Temen-temen CVisioner berikut ini informasi mengenai bahan-bahan kajian pada mata kuliah selama satu semester. Bahan kajian adalah konten esensial yang dicapai pada satu periode pembelajaran (babakan).
CVisioner skema perkuliahan matakuliah Computer Vision menerapkan Hybrid Learning dengan peserta yang berasal dari prodi Informatika Itenas dan luar PT. Pengimplementasian Flipped Classroom akan men-trigger teman-teman menjadi active learner dengan memperbanyak diskusi dan group activity.
Selain itu rencana penilaian disusun untuk setiap Sub-CPMK dengan dilengkapi panduan Rencana Tugas Mahasiswa (RTM) sehingga teman-teman CVisioner dapat mengikuti panduan pengerjaan, indikator dan kriteria penilaiannya.
Sudah menyaksikan video nya kan?? Ini adalah dokumen RPS (Rencana Pembelajaran Semester) Matakuliah Computer Vision

CVisioner kita perkenalan dulu yuk sama dosen pengampu dan pengajar matakuliah IFB-301 Computer Vision di prodi Informatika Itenas Bandung
Berikut ini daftar rujukan yang dapat teman-teman CVisioner jadikan referensi dalam kuliah Computer Vision.

Simulasi Computer Vision adalah aplikasi berbasis website yang dapat membantu teman-teman CVisioner untuk lebih memahami proses atau metode pada computer vision melalui simulasi dari proses-prosesnya. Melalui simulasi ini teman-teman CVisioner dapat mencoba operator sebagai berikut ini:
Untuk lebih jelasnya silahkan jelajah sendiri simulasinya sebelum mempelajari materi pertemuannya untuk mendapatkan gambaran penerapan metode yang dipelajari.
Pixel Spot Detection adalah simulasi berbasis website yang dapat digunakan oleh teman-teman CVisioner untuk memehami lebih dalam lagi melalui implementasinya mengenai materi object detection pada materi perkuliahan di Computer Vision. Penerapan metode deep learning teknologi Artificial Intelligence yang dibahas pada pertemuan Object Detection dapat memberikan arahan bagi teman-teman CVisioner bagaimana deep learning mampu mengenali objek disekitar kita.
Teman-teman Cvisioner dapat mencoba fitur real-time dengan mengaktifkan kamera dan PixelSpot Dtection dapat mendeteksi objek-objek di sekitar kalian, atau dapat menggunakan fitur offline dengan meng-upload video untuk mendeteksi objek yang ada di video tersebut.
Pixel TalkBot adalah fitur penunjang dalam pembelajaran Computer Vision. Aplikasi yang dikembangkan dengan menggunakan teknologi Natural Language Processing dengan library OpenAI menjadikan PixelTalkBot tidak kalah serunya dari ChatGPT loh CVisioner.
Teman-teman CVisioner dapat memanfaatkan PixelTalkBot ini untuk mempelajari materi atau matakuliah secara mendalam, atau biasanya akan digunakan pada aktifitas diskusi dan group activity yang di-trigger dengan pertanyaan-pertanyaan dan studi kasus yang membutuhkan penjelasalan lebih mendalam dari teman-teman CVisioner.
Silahkan teman-teman CVisioner dapat memanfaatkan PixelTalkBot untuk memahami lebih lanjut materi pada setiap pertemuannya.
CVisioner, sudah saatnya masuk ke group activity untuk project based learning dengan case berasal dari DUDI yang telah bekerjasama dengan prodi Informatika Itenas Bandung.
Hai Cvisioner...
sudah punya project akhir yang kita peroleh dari industries kan yah...sekarang waktunya teman-teman untuk melakukan manajemen project dan monitoring juga nih pekerjaan teman-teman untuk mengukur sejauh mana capaian teman-teman sekalian. Cek Trello secara periodik untuk melihat feedback dari mentor dan teman anggotanya yah...

Greeting
Selamat datang teman-teman CVisioner pada pertemuan ketiga Computer Vision. Pada pertemuan ini teman-teman CVisioner diharapkan dapat mengidentifikasi kualitas citra, menentukan masalah yang muncul pada citra digital, kemudian menentukan operasi citra untuk meningkatkan kualitas citra menggunakan image filtering, enhancement teknik, image restoration dalam pra-pemprosesan citra digital terutama menggunakan Histogram Equaization dan image interpolation. Semoga teman-teman Cvisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ketiga ini.
Deskripsi Materi
Histogram equalization adalah teknik enhancement citra digital yang bertujuan untuk meningkatkan kontras citra dengan cara menyebarkan kembali distribusi intensitas piksel pada citra agar merata di seluruh rentang nilai intensitas.
Image interpolation adalah teknik untuk meningkatkan resolusi citra digital dengan cara memperkirakan nilai piksel baru di antara piksel-piksel yang sudah ada.
Beberapa metode image interpolation:
jSub-Capaian Pembelajaran MataKuliah (Sub-CPMK)
Sub-CPMK 1: Mahasiswa dapat mengidentifikasi kualitas citra dan menerapkan operasi dasar citra digital termasuk image filtering, image enhancement, image restoration dalam pra-pemrosesan citra digital untuk menghasilkan kualitas citra yang lebih baik.
Indikator Capaian Pembelajaran
Skenario Pembelajaran

Matakuliah Computer Vision diselenggarakan dengan menggunakan model pembelajaran flipped classroom. Mahasiswa mempelajari materi pembelajaran baik handout, video pembelajaran, modul praktek pemrograman diluar jam perkuliahan sebelum kelas dimulai. Pertemuan tiga dalam matakuliah Computer Vision teman-teman CVisioner setelah mempelajari terlebih dahulu materi mengenai image enhancement menggunakan Histogram Equalization dan Image Interpolasii. selanjutnya CVisioner akan dibagi menjadi small group untuk melakukan Group activity Discussion dengan kasus citra citra image.
Sebelum Pertemuan (90 menit):
Saat Pertemuan (120 menit):

Gimana sudah paham dari slidenya? masih belum paham juga???
Ok, berikut ini adalah video penjelasannya. Eitss...jangan di skip yah karena akan ada beberapa pertanyaan yang harus dijawab. Selamat menyimak!!
Histogram equalization adalah teknik pengolahan citra digital yang bertujuan untuk meningkatkan kontras citra secara global dengan cara meratakan distribusi intensitas piksel pada citra input. Untuk lebih jelasnya lagi coba pelajari handout Histogram equalization

Halo teman-teman CVisioner, mari kita lanjutkan pembelajaran kita pada materi image enhancement penggunaan metode Image Interpolation biasanya digunakan juga untuk memperbaiki kualitas citra yang blur, atau berkaitan dengan geometri citra.
Jika masih belum paham nih sama handoutnya, coba cek video penjelasannya. Oh iya jangan sampai di skip karena ada Soal Interaksi yang perlu dikerjakan ya. Selamat Menyaksikan!!
Group Activity:
Diskusikan dengan teman terdekat-mu secara berpasangan mengenai kasus-kasus yang diberikan.
Group Activity:
Diskusikan dengan teman terdekat-mu secara berpasangan mengenai kasus-kasus yang diberikan.

Teman-teman CVisioner saatnya nih kita coba mempraktekan apa yang sudah kita pelajari yah. Yok dicek dulu nih modul-modulnya. Di dalamnya juga udah interaktif ada video tutorialnya.
Modul pemrograman computer vision praktek Image Enhancement menggunakan OpenCV dan bahasa pemrograman Python. Modul ini terkoneksi dengan video tutorial yang dapat membantu kalian memahami pemrogramannya langsung di dalam modul.
Selain dari modul praktek, teman-teman CVisioner dapat mengikuti tutorial proses image enhancement baik proses image filtering/konvolusi, image enhancement, image interpolation dll. Oh iya jangan sampai di skip yah didalamnya ada pertanyaan yang perlu teman-teman jawab yah

udah selesai berlatih kan?? Ikuti Challenge Programming untuk tema Image Enhancement. Pilih level yang dapat kamu kerjakan. Salin projectnya di Gdrive kamu dan share ke email dosen ya irma_amelia@itenas.ac.id, kemudian link Gdrive submit di Challenge Programming

Hai teman2-teman CVisioner, kita sudah selesai mempelajari materi image enhancement. Sesuai dengan penjelasan diawal bahwa matakuliah ini memenuhi Sub-Capaian pembelajaran (Sub-CPMK 1) . Oleh karena itu untuk mengukur seberapa paham teman-teman mengenai materi image enhancement, silahkan kerjakan evaluasi Image enhancement. Evaluasi ini memiliki target minimal 80. Kalian diberikan 3 kali kesempatan mengulang jika belum mencapai nilai target minimum.
Selemat Mengerjakan!!