Skip to main content
Keamanan Data dan Informasi
Kontrol Akses Sistem Operasi
Materi Kuliah
Beranda
Keamanan Data dan Informasi
Integritas Data
Kontrol Akses Sistem Operasi
Large Language Models
Pengantar LLM (istilah & konsep)
Dasar-dasar LLM
Retrieval-Augmented Generation (RAG)
Teknik Prompting untuk LLM
Tokenisasi, parameter API, dan evaluasi
Tokenisasi & halusinasi (narasi bacakan)
Agen, alat (tools), dan alur multi-langkah
Menjalankan LLM secara lokal
Konsep Basis Data
Ringkasan slide (pertemuan 4–6)
Dependensi fungsional
Normalisasi basis data
Studi kasus desain relasional (kesehatan)
Tugas kelompok (UTS): desain dari wawancara — PDF (KBD-07)
Data Science
00-Machine Learning — panduan StatQuest (materi mandiri)
05-Visualisasi data (teori)
05-Visualisasi data (tugas praktik)
06-Pemilihan data & pembersihan (teori)
06-Pemilihan data & pembersihan (tugas praktik)
07-Validasi, transformasi fitur, & rekayasa fitur (teori)
07-Validasi, transformasi fitur, & rekayasa fitur (tugas praktik)
09-Regresi: linear, polynomial, & regularisasi (teori)
09-Regresi: linear, polynomial, & regularisasi (tugas praktik)
10-Klasifikasi: split data, kNN, pohon/RF, SVM & Naive Bayes (teori)
11-Metrik evaluasi & cross-validation model (teori)
11-Metrik evaluasi & cross-validation (tugas praktik)
Regresi linear dengan Excel (MAE, RMSE, R²)
Penelitian Data Science
Checklist tahapan penelitian ML / Data Science
01 — Jenis penelitian DS / Machine Learning
02 — Hipotesis / kriteria keberhasilan model
03 — Cross-validation & partisi data
04 — Data leakage (anti-leakage pipeline)
05 — Baseline & perbandingan model yang adil
06 — Hyperparameter tuning (grid/random/Bayesian)
07 — Metrik evaluasi model
08 — Class imbalance & SMOTE
09 — Uji statistik perbandingan model
10 — Provenance data, label & etika
11 — Populasi, sampel & sampling / inklusi–eksklusi
12 — Data cleaning (duplikat, noise, format)
13 — Penanganan missing values
14 — Encoding kategorikal (one-hot/ordinal/target)
15 — Scaling & normalisasi (fit on train)
16 — Feature engineering berbasis domain
17 — Feature selection (filter/wrapper/embedded)
18 — Confusion matrix, residual & distribusi error
19 — Overfitting, learning curve & ancaman validitas
Pengolahan Citra Digital (PCD)
Ketetanggaan piksel & operasi lokal
09-Morfologi citra biner (slide)
09-Morfologi citra biner (modul teori lengkap)
10-Deteksi tepi: gradien (R/P/S) & LoG (slide)
10-Deteksi tepi: gradien & LoG (modul teori lengkap)
09–10-Praktikum: morfologi biner & deteksi tepi
11-Morfologi & fitur spasial; Canny & evaluasi tepi (slide)
11-Morfologi & fitur spasial; Canny & evaluasi (modul teori)
12-Segmentasi: global, Otsu, & threshold adaptif lokal (teori)
12-Segmentasi threshold & Otsu (tugas praktik)
13-Segmentasi warna & analisis tekstur GLCM (teori)
14-Ekstraksi ciri: bentuk, warna, & tekstur (teori)
15-Dasar pengenalan pola & deteksi objek / CV (teori)
16-Metrik evaluasi kualitas citra: PSNR & SSIM (teori)
Capstone praktik: pipeline OPG Streamlit (integrasi PPP)
SR & keandalan rekonstruksi
Checklist membaca naskah
01 — Peta naskah
02 — Citra, resolusi, OPG
03 — Super-resolution ringan
04 — Halusinasi vs fidelitas
05 — Fourier dan sFRC
06 — Ketidakpastian epistemik
07 — IQA tanpa referensi
08 — Anotasi ahli dan sampling
09 — Statistik validasi skor
10 — Ablasi, klaim, dan batasan
Statistika dan Probabilitas
00 — Deskripsi MK & silabus
01 — Pengantar statistika dan jenis data
01 — Introduction to statistics and data types (EN)
06 — Peubah acak kontinu
07 — Sampling dan distribusi sampling
09 — Estimasi parameter & interval kepercayaan
Kalkulus
00 — Deskripsi MK & silabus
01 — Pengantar kalkulus, aritmatika, dan aljabar
06 — Turunan fungsi parameter dan tingkat tinggi
07 — Aplikasi turunan: laju ubah dan optimasi
Komunikasi dan Presentasi
01 — Prinsip presentasi ala McKinsey
01 — Slide contoh (Typst)
Bimbingan Tugas Akhir
Aturan Bimbingan Tugas Akhir
Catatan
systemd: menjalankan Rails di VPS
PostgreSQL: error ekstensi UUID (Rails)
Keamanan Data dan Informasi
Kontrol Akses Sistem Operasi
Kontrol Akses Sistem Operasi