Kursus yang tersedia

Materi Perkuliahan
  1. Pendahuluan
  2. Format Citra (Citra Berwarna, Citra Gray-Scale, Citra Biner)
  3. Transformasi Derajat Keabuan (Binerisasi, Transformasi Spasial, Inversi, Brightness, Kontras, Auto level)
  4. Histogram (Histogram pada citra, Perataan histogram)
  5. Filter Pada Citra (Konsep Filter, Konvolusi, Low Pass Filter, High Pass Filter)
  6. Generate Noise
  7. Reduksi Noise Pada Citra (Pseudo Noise, Filter Rata-rata, Filter Median)
  8. Deteksi Tepi (Metode Robert, Metode Prewitt, Metode Sobel)
  9. Format Warna (RGB, Normalized RGB, HSV, YCrCb)
  10. Histogram Warna(Cubic RGB, Histogram Segmen Warna)
  11. Thresholding (Segmentasi Derajat Keabuan, Adaptive Thresholding, Segmentasi Area)
  12. Histogram Proyeksi
  13. Aplikasi Pengolahan Citra (Image Retrieval, Pendeteksian Obyek)
  14. Pengantar Computer Vision

Komputasi Numerik dapat diartikan sebagai cara untuk menyelesaikan permasalahan yang dapat dimodelkan secara matematis, dengan menggunakan metode atau algoritma tertentu, yang dapat diwujudkan ke dalam software maupun hardware yang mempunyai tujuan sebagai pendekatan penyelesaian dengan error atau galat yang dapat ditoleransi.

Materi Perkuliahan adalah sebagai berikut:

  • Pendahuluan
  • Algoritma Pemecahan Masalah
  • Metode Cramer, Metode Jacoby
  • Error
  • SPL dan Macam-macam SPL
  • Metode Gauss, Gauss-Jordan
  • Doolittle, Crout dan Cholesky
  • Metode Iteratif
  • SPNL
  • Analisis Regresi (Linear, Power, Eksponensial, Polynomial)
  • Bisection, Secant, Regula Falsi dan Newton
  • Muller

Pada mata kuliah ini diajarkan tentang eksekusi proses secara simultan antara lain: jaringan komputer sebagai infrastruktur sistem terdistribusi, teknik dalam pengelolaan sistem terdistribusi dan komponen perangkat lunaknya.

Pada mata kuliah ini diajarkan berbagai macam notasi pemodelan struktur data untuk menyelesaikan masalah yang berkaitan dengan merepresentasi data di dalam komputer agar bisa dipakai lebih efisien.

Komputasi Numerik dapat diartikan sebagai cara untuk menyelesaikan permasalahan yang dapat dimodelkan secara matematis, dengan menggunakan metode atau algoritma tertentu, yang dapat diwujudkan ke dalam software maupun hardware yang mempunyai tujuan sebagai pendekatan penyelesaian dengan error atau galat yang dapat ditoleransi.

Materi Perkuliahan adalah sebagai berikut:

  • Pendahuluan
  • Algoritma Pemecahan Masalah
  • Metode Cramer, Metode Jacoby
  • Error
  • SPL dan Macam-macam SPL
  • Metode Gauss, Gauss-Jordan
  • Doolittle, Crout dan Cholesky
  • Metode Iteratif
  • SPNL
  • Analisis Regresi (Linear, Power, Eksponensial, Polynomial)
  • Bisection, Secant, Regula Falsi dan Newton
  • Muller

  1. Konsep dasar basis data
  2. Sistem Basis Data
  3. Model Entity Relationship
  4. Kardinalitas Notasi
  5. Transformasi Model Data ER ke DBMS
  6. Perancangan Basis Data
  7. Studi Kasus
  8. Normalisasi 1, 2, 3
  9. Normalisasi 3.5, 4, 5
  10. Oracle Architecture
  11. Presentasi Mahasiswa