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 ke-tujuh Computer Vision. Pada pertemuan ini teman-teman CVisioner diharapkan dapat mengekstraksi fitur berdasarkan bentuk. Pada pertemuan ini akan dibahas image feature extraction berdasarkan warna bentuk menggunakan Chain code. Semoga teman-teman CVisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ke-enamini.
Deskripsi Materi

Chain code
Shape feature descriptor mengekstraksi fitur bentuk dari contour objek seperti luas, keliling, eksentrisitas, kebulatan, dll. Digunakan dalam object recognition untuk membedakan objek berdasarkan bentuknya.
Chain code merupakan representasi kompak dari batas/contour suatu objek 2D pada citra digital. Chain code menyimpan informasi geometris kontur dengan cara memetakan arah perubahan titik-titik piksel pembentuk kontur relatif terhadap titik sebelumnya.
Histogram of Oriented Gradients (HOG)
Orientation feature extraction adalah teknik ekstraksi fitur pada citra digital yang bertujuan untuk menangkap informasi orientasi atau arah gradient intensitas piksel pada citra. HOG (Histogram of Oriented Gradients) adalah metode feature extraction yang bekerja dengan membagi citra menjadi beberapa cell, lalu menghitung histogram arah gradient pada masing-masing cell. Hasilnya digabungkan menjadi descriptor HOG untuk merepresentasikan distribusi arah gradient pada area citra tersebut.
Sub-Capaian Pembelajaran MataKuliah (Sub-CPMK)
Sub-CPMK 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
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. Teman-teman CVisioner setelah mempelajari terlebih dahulu materi mengenai feature extraction berdasarkan bentuk menggunakan chain code dan berdasarkan orientasi menggunakan HOG dan modul pemrograman dengan metode HOG yang dapat teman-teman praktekkan menggunakan Google Colaboratory.
Sebelum pertemuan (90 menit):
Saat pertemuan (120 menit) menerapkan Metode Jigsaw:

Chain code menggunakan 8-connected chain code: arah perubahan ke 8 arah di sekitar titik. Yuk kita coba pelajari cara kerja dari chain code.
Hai temna-teman CVisioner, berikut ini adalah penjelasan mengenai chain code. Pahami prosesnya dan contoh soalnya. Oh iya jangan diskip ya karena ada pertanyaan yang perlu teman-teman jawab. Selamat menyaksikan...
CVisioner, sekarang kita akan membahas Histogram Orientation of Gradient. Yuk kita coba baca-baca terlebih dahulu mengenai HOG, cara kerjanya, dan contoh kasusnya. Selamat belajar..
Temen-temen ayo kita simak nih video penjelasan mengenai HOG (Histogram of Oriented Gradient)
Teman-teman Cvisioner, setelah mempelajari dan memahami mengenai Histogram Orientation Gradient (HOG), sekarang kita akan coba bagaimana mengimplementasikan HOG yah.
Setelah teman-teman mempraktekan modul dan video tutorial HOG, coba yuk kerjakan worksheet case study programming ini..Coba kalian isikan atau melengkapi atau juga memperbaiki codingan dalam worksheet HOG ini. Selamat mempraktekkan...
Video tutorial ini akan membantu teman-teman CVisioner untuk dapat mengimplementasikan HOG untuk kasus esktraksi fitur dalam computer vision.