SILABUS KURIKULUM/COURSE SYLLABUS 

Teknik Komputer dan Telematika 
 
TE091481: Sistem dan Sinyal Multimedia 
MATA KULIAH/  TE091481: Multimedia System and Signal 
COURSE TITLE  Credits: 4
Semester: V
 
TUJUAN  Mahasiswa mengetahui dan mampu menjelaskan Sistem dan sinyal 
PEMBELAJARAN/  multimedia beserta aplikasinya 
LEARNING   
Students know and be able to explain multimedia signal and system 
OBJECTIVES 
and its application 
• Mahasiswa  mampu  menjelaskan  konsep  dan  teknik‐teknik  pada 
Sistem dan sinyal multimedia. 
KOMPETENSI/  • Mahasiswa  mampu  melakukan  simulasi  konsep  tersebut  pada 
aplikasi yang sebenarnya 
COMPETENCY 
 
• Students  are  able  to  explain  concepts  and  techniques  in 
Multimedia signal and system 
• Students are able to simulate these concepts in real applications 
• Sistem kompresi lossless dan lossy 
• Pengkodean wavelet 
• Standar image coding 

Kurikulum/Curriculum  ITS : 2009‐2014  
POKOK  Standar video coding  
• Standar audio coding 
BAHASAN/ 
 
SUBJECTS 
• Lossless and lossy compression system 
• Wavelet encoding 
• Image coding standard 
• Video coding standard 
• Audio coding standard 
• Ze‐Nian  Li  ,  Mark  S  Drew,  Fundamentals  of  Multimedia,  Pearson, 
PUSTAKA  2004 
• Ralf  Steinmetz,  Klara  Nahrsted,  Multimedia:  Computing, 
UTAMA/ 
Communications and Applications, Prentice Hall  
REFERENCES 
• KR  Rao,  Zoran  S.  Bojkovic,  Dragorad  A  Milovanovic,  Multimedia 
Communication  Systems:  Techniques,  Standards,  and  Networks, 
Prentice Hall 2002 
   


 
 

 
 

 

Kurikulum/Curriculum  ITS : 2009‐2014  

. ELSEVIER        3      . Russell Beale.  • Students  are  able  to  do  GUI  interface  prototyping  with  usability  principles.  The  Human–Computer  REFERENCES  Interaction  Handbook  Fundamentals. Finlay.  December  20. Interaction Style  BAHASAN/  • Usability  SUBJECTS  • TCUID (Task Centered User Interface Design)  • GUI Visual Programming  • Alan Dix. Per.  • Jeff  Johnson. Lunak  MATA KULIAH/  TE091483: Human‐Comp. Janet E. Abowd.  POKOK  • HCI: Human Factor.  Evolving  Technologies.  TE091483: Int.  Prentice  Hall.  and  Emerging Applications. Manusia‐Komp.  PUSTAKA  2003  UTAMA/  • Andrew  Sears  and  Julie  A.  • Mahasiswa mampu melakukan prototyping antarmuka GUI dengan  KOMPETENSI/  prinsip‐prinsip usability. & Software Eng. Computer Paradigm.0.  GUI  Bloopers  2.  COMPETENCY    • Students are able to explain the relationship between humans and  computers. Interact.  Common  User  Interface  Design  Don’ts and Dos. Gregory D. Human‐ Kurikulum/Curriculum  ITS : 2009‐2014   Computer  Interaction.  COURSE TITLE  Credits: 4 Semester: V   TUJUAN  Mahasiswa  mengetahui  dan  mampu  menjelaskan  peran  IMK  dalam  PEMBELAJARAN/  rekayasa perangkat lunak beserta aplikasinya  LEARNING    Students  know  and  be  able  to  explain  the  role  of  IMK  in  software  OBJECTIVES  engineering and its application  • Mahasiswa  mampu  menjelaskan  hubungan  antara  manusia  dan  komputer. Second Edition. & Rek.  3rd  Edition.  Jacko.

 including the  error correction and security. & Komputasi Bergerak  MATA KULIAH/  TE091485: Comp.  Computer  Networking  Top  UTAMA/  Down. Networks & Mobile Computing  COURSE TITLE  Credits: 4 Semester: V   Mahasiswa mampu menjelaskan bagaimana sebuah jaringan computer  terhubung  dan  saling  berkomunikasi  satu  dengan  lainnya  dengan  TUJUAN  menggunakan  protocol  komunikasi. 2000  REFERENCES      4      . and concepts of data communications is in it. • Mahasiswa  mampu  menjelaskan  bagaimana  dasar  fondasi  terjadinya komunikasi data dalam jaringan komputer  • Mahasiswa  mampu  menjelaskan  bagaimana  logika‐logika  KOMPETENSI/  komunikasi data dan lingkungannya dibangun    COMPETENCY  • Students  are  able  to  explain  how  the  basic  foundation  of  data  communication in computer networks  • Students  are  able  to  explain  how  the  logic  of  data  communications and environment built    Kurikulum/Curriculum  ITS : 2009‐2014   • Dasar jaringan komputer  • OSI reference model  • Protocol TCP/IP  POKOK  • Logika komunikasi data  • Konsep security dan cryptografi  BAHASAN/    SUBJECTS  • Basic computer network  • OSI reference model  • TCP / IP Protocol  • Logic data communication  • The concept of security and cryptografi  PUSTAKA  • James  F  Kurose  dan  Keith  W  Ross.  LEARNING      OBJECTIVES  Students are able to explain how a computer network is connected and  mutually  communicate  with  each  other  using  communication  protocols.    serta  konsep‐konsep  komunikasi  PEMBELAJARAN/  data  yang  ada  di  dalamnya  termasuk  adalah  error  correction  dan  security.  TE091485: Jaringan Komp.

 etc . etc. 1997  • Purnomo.  REFERENCES  • Russel Norvig.  particle  swarm  optimization.  TE091487: Struktur Data dan Komputasi Lunak  MATA KULIAH/  TE091487: Data Structure and Soft Computing  COURSE TITLE  Credits: 4 Semester: V   •  Siswa dapat mampu memahami konsep & struktur komputasi  biologis   TUJUAN  •  Siswa dapat menggambarkan dan mengamati prinsip komputasi  PEMBELAJARAN/  biologis  LEARNING    OBJECTIVES  • Student can be able to understand the concept & structure of the  biological inspired computation  • Student  can  describe  and  examines  the  principle  of  the  biological  inspired computation  • Siswa dapat mengembangkan & mengimplementasikan perangkat  lunak  sederhana  komputasi  biologis  untuk  bidang  komputer  &  KOMPETENSI/  informatic masalah melalui simulasi sederhana  COMPETENCY    • Student  can  develope  &  implement  the  simple  software  of  the  biological  inspired  computation  to  the  field  of  computer  &  informatic problems through a simple simulation    • Foundation of Artificial Neural Networks:  basic concepts of neural  networks. Neuro Fuzzy & Soft Computing. 2003  5      .  rule  base  and  inference engine development  • Introduction to Evolutionary Algorithm: genetic algorithm.  UTAMA/  2006.  supervised  learning  algorithm:  single‐layer  and  multilayer  perceptrons.  &  unsupervised  learning  algorithm:  self‐ Kurikulum/Curriculum  ITS : 2009‐2014   organizing maps Hopfield. queue.  membership  function. genetic  programming. stack.MH. Artificial Intelligence A Modern Approach.immune‐ evolutionary.   POKOK  • Data Structure: Linear data structure: list. ART.  ant  colony  method. Prentice Hall.  fuzzy‐ga. others neural  model. sorting and searching methods  SUBJECTS  • Fundamental  of  Fuzzy  Logic:  Topics  covered  include  fuzzy  set  theory.  artificial immune system..  Supervised  Learning  Neural  Networks.  neuro‐ga.  • Hybrid  Algorithm:  neuro‐fuzzy. Hybrid learning.  PUSTAKA  • Jang JSR. Non linear  BAHASAN/  data structure: tree.  fuzzy  systems. Prentice  Hall. graph.  Graha  Ilmu.

  • Haykin. 2004... Neural Networks.  Stein  C.  Rivest  R..  Leiserson  C.. 2nd Edition.  Introduction  to  Algorithms. 1999        Kurikulum/Curriculum  ITS : 2009‐2014   6      . Mc Graw Hill international Edition. • Cormen  T.

  • Steven  Harrington.  Mathematics  For  Computer  Graphic. McGraw‐Hill International Editions1987. MS. MA.  COURSE TITLE  Credits: 4 Semester: VI   TUJUAN  Mahasiswa memahami algoritma‐algoritma pada grafika komputer.  POKOK  • Konsep Matrix Transformasi  • Interaksi manusia dengan komputer pada komputer grafik.  • Students  are  able  to  implement  these  algorithms  in  computer  graphics.  OBJECTIVES  • Mahasiswa mampu menjelaskan konsep grafika komputer. primitive and objects in computer graphics  • Matrix Transformation concepts  • Human interaction with computer on the computer graphics.  Transformation  And  Projections  In  Computer  Graphic.  PUSTAKA  • Max K.  Computer  Graphics  A  Programming  Approach  Second Edition.  • Mahasiswa  mampu  melakukan  implementasi  algoritma‐algoritma  KOMPETENSI/  pada grafika komputer. Computer Graphics and Geometric  Modeling Implementation and Algorithms.  PEMBELAJARAN/    LEARNING    Students understand the algorithms in computer graphics. Springer‐Verlag London  UTAMA/  2005  REFERENCES  • David  Salomon. primitive dan obyek‐obyek pada komputer grafik.  BAHASAN/    SUBJECTS  • Computer graphics concept  Kurikulum/Curriculum  ITS : 2009‐2014   • Computer hardware and software on the computer graphics  • The concepts of lines.  • Konsep Komputer grafik  • Perangkat keras dan perangkat lunak pada komputer grafik  • Konsep garis. Springer‐Verlag London 2006.  TE091490: Grafika Komputer dan Teknik Visualisasi  MATA KULIAH/  TE091490: Computer Graphics & VIzualization Tech. PhD.  • John  Vince.  COMPETENCY    • Students are able to explain the concept of computer graphics. Agoston.  Springer‐Verlag  London 2006.        7      .

  • Mahasiswa mengetahui penerapan satu atau kombinasi beberapa  Kurikulum/Curriculum  ITS : 2009‐2014   KOMPETENSI/  teknik atau metode untuk aplikasi tertentu. serta segmentasi. pemampatan.  • Students  learn  the  application  of  one  or  a  combination  of  several  techniques or methods for a particular application.  restorasi.  perbaikan  kualitasnya  dan  restorasi.  • Mahasiswa  memahami  teknik  dan  metode  penyimpanan. penyimpanan.  COMPETENCY    • Students know the scope of digital image and video processing.  TUJUAN  klasifikasi.  compression.  Pokok  bahasan juga mencakup teknik dan metode segmentasi objek pada  8      .  pengenalan.  from  acquisition.  and  processing  such  as  enhancement.  recognition.  POKOK  wavelet. and the representation of digital images and video.  • Students  understand  the  techniques  and  methods  of  storage.   • Mahasiswa  memahami  teknik  dan  metode  perbaikan.  digital image and video compression  • Students understand the techniques and methods of enhancement.  • Students learn techniques and methods of digital image and video  acquisition and acquisition equipments.  representasi. deskripsi.  OBJECTIVES  storage.  transmission.  representation. restorasi. dan mathematical morphology.  multiresolution.  and  segmentation.  and  visualization  objects  from digital images or video     • Mahasiswa mengetahui lingkup pengolahan citra dan video digital.  TE091491: Pengolahan Multimedia dan Lab.  dan  pemampatan  citra  (lossy  dan  lossless). pengiriman.  MATA KULIAH/  TE091491: Multimedia Processing and Lab.  restoration. representasi.  • Mahasiswa mengetahui teknik dan metode akuisisi citra dan video  digital dan peralatan akuisisinya.    dan  visualisasi  objek  dari  citra  atau  video  PEMBELAJARAN/  digital.  classification.  • Teori  tentang  sinyal  dan  transformasinya.  dan  pemampatan citra dan video digital.  COURSE TITLE  Credits: 4 Semester: VI   Memberikan  pengetahuan  tentang  citra  dan  video  digital.  description.  dan representasi citra dan video digital.  mulai  dari  akuisisi.  restoration.  BAHASAN/  • Pokok  bahasan  tentang  citra  dan  video  digital  mencakup  teknik  SUBJECTS  dan  metode  akuisisi.  dan pengolahannya  seperti perbaikan.    LEARNING  Provide  knowledge  about  digital  images  and  video.

  multiresolution.  • The subject of the digital image and video include techniques and  methods  of  acquisition. citra  untuk  proses  lebih  lanjut  seperti  registrasi.  and  image  compression  (lossy  and  lossless). 2000  UTAMA/  • Rafel  C. Academic  PUSTAKA  Press.  pencocokan  (matching) serta pengenalan.  matching and the introduction.  Pearson  REFERENCES  Education. Bovik.  quality  improvement  and  restoration.  3rd  Ed. Digital Image Processing using Matlab. Gonzalez.  representation.  The  subject  also  covers  techniques  and  methods  of  objects  segmentationin  image  for  further  processing  such  as  registration.  • Alan C.    • The  theory  of  signal  and  its  transformation.. Handbook of Image and Video Processing.  Digital  Image  Processing. 2008  • Rafel C.  wavelets and mathematical morphology. 2003      Kurikulum/Curriculum  ITS : 2009‐2014   9      .  Gonzalez. Pearson  Education.

 Prentice‐Hall  UTAMA/  • William‐stallings. S. Modern Operating System.  • Manajemen proses  • Manajemen memori  • Manajemen M/K  Kurikulum/Curriculum  ITS : 2009‐2014   POKOK  • Jaringan dalam Sistem Operasi  • Sekuriti  BAHASAN/    SUBJECTS  • Process management  • Memory management  • M/K Management  • Operating System Network  • Security  PUSTAKA  • Tanenbaum.  • Mahasiswa  mampu  menjelaskan  fungsi‐fungsi  elemen  pendukung  KOMPETENSI/  dalam system operasi. Prentice‐Hall        1 0      .  • Students  are  able  to  explain  the  functions  of  supporting  elements  in the operating system.  • Mahasiswa  mampu  menjelaskan  elemen‐elemen  pendukung  dalam system operasi.  COMPETENCY    • Students  are  able  to  explain  the  supporting  elements  in  the  operating system.  TE091492: Sistem Operasi Jaringan  MATA KULIAH/  TE091492: Network Operating System  COURSE TITLE  Credits: 4 Semester: VI   TUJUAN  Mahasiswa  mengetahui  dan  mampu  menjelaskan  elemen‐elemen  PEMBELAJARAN/  dalam Sistem Operasi beserta cara kerjanya  LEARNING    Students  know  and  be  able  to  explain  the  elements  in  the  operating  OBJECTIVES  system and how it works. 6th‐edition. Andrew..  Operating  Systems:  Internals  and  Design  REFERENCES  Principles.

 2002.  Computer Society.  Digital  System  Design  with  VHDL  and  Synthesis. Tools.  COURSE TITLE  Credits: 4 Semester: VI   Mahasiswa  mengetahui  dan  mampu  menjelaskan  sistem  digital  yang  TUJUAN  meliputi  pengenalan  dan  pemahaman  mesin‐mesin  digital.  • Mahasiswa mampu menjelaskan konsep system Embedded.  REFERENCES  • Ricard  F.  arithmetic  circuits  and digital signal processing structures on embeded system.  Chang.  Tinder. Academic Press. Singapore.  Embeded  Systems  Design  an  Introduction  to  UTAMA/  Proces.  TE091489: Sistem Embedded dan Lab. London.C. DSP Integrated Circuits. 1991.  • Konsep Sistem Embedded  • Teknologi VLSI dan Pemrograman sistem embedded.  • Rangkaian Digital Aritmatik  Kurikulum/Curriculum  ITS : 2009‐2014   POKOK  • Algoritma DSP  • Manajemen perancangan sistem embeded  BAHASAN/    SUBJECTS  • The concept of embeded system  • VLSI technology and embeded system programming  • Digital arithmetic circuits  • DSP algorithms  • Embeded system design management  • K. CMPBooks. Vranesic.  • Brown. 1999  • Arnold  S.   PUSTAKA  • Lars Wanhammar. 2005.  Berger.  COMPETENCY    • Students are able to explain the concepts of embeded  • Students  are  able  to  simulate  in  implementing  the  concept  embeded in embeded devices. Fundamentals Of Digital Logic with VHDL Design.    1 1      . 1999.  rangkaian  PEMBELAJARAN/  aritmatika  dan  struktur  pemrosesan  signal  digital  pada  sistem  embeded  LEARNING    OBJECTIVES  Students  know  and  be  able  to  describe  a  digital  system  that  includes  recognition  and  understanding  of  digital  machines.  • Mahasiswa  mampu  melakukan  simulasi  da  implementasi  konsep  KOMPETENSI/  embedded pada perangkat embedded.  Prentice‐Hall International Ed.  Digital  Engineering  Design  A  Modern  Approach. and Techniques.    McGraw‐Hill International Ed.  MATA KULIAH/  TE091489: Embedded System and Lab.

      1 2  Kurikulum/Curriculum  ITS : 2009‐2014   .

 McGraw‐Hill International Editions1987.  • Max K. Springer.  COMPETENCY    • Students are able to explain the concept of computer vision  • Students are able to implement these algorithm in computer vision  • Dasar  Visi komputer  • Model Citra  • Pandangan Stereo  POKOK  • Epipolar Geometri  • Rekonstruksi 3D  BAHASAN/    Kurikulum/Curriculum  ITS : 2009‐2014   SUBJECTS  • Basic Computer Vision  • Image model  • Stereo vision  • Epipolar geometry  • 3D reconstruction  • Forysh.  Computer  Vision  Modern  Approach. PhD.  OBJECTIVES  • Mahasiswa mampu menjelaskan konsep visi komputer. Handbook Of Mathematical Model  in Computer Vision. Computer Graphics and Geometric  Modeling Implementation and Algorithms. MS.  TE091493: Visi Komputer dan Pengukuran  MATA KULIAH/  TE091493: Computer Vision and Measurement  COURSE TITLE  Credits: 4 Semester: VII   TUJUAN  Mahasiswa mampu memahami konsep dasar visi komputer.  Prentice  Hall  2003  PUSTAKA  • Nikos Paragios.  PEMBELAJARAN/    LEARNING  Students  are  able  to  understand  the  basic  cooncepts  of  computer  vision.Ponce. Springer‐Verlag London  2005        1   3      .  REFERENCES  Second Edition.2006  UTAMA/  • Steven Harrington. MA. Computer Graphics A Programming Approach. Agoston.  Yunmey Chen.  KOMPETENSI/  • Mahasiswa  mampu  melakukan  implementasi  algoritma‐algoritma  pada visi komputer.

  COURSE TITLE  Credits: 4 Semester: VII   Memberikan  pengetahuan  tentang  konsep  sistem  manajemen  basis  data  (DBMS)  dan  komponen‐  komponennya.  Kurikulum/Curriculum  ITS : 2009‐2014   • Mahasiswa  mampu  membentuk  sebuah  database  melalui  proses  normalisasi  • Mahasiswa mampu membentuk sebuah database dari diagram E‐ R.  basis  data  semi  terstruktur.  basis  KOMPETENSI/  data  fuzzy.  memberikan informasi perkembangan terkini dari DBMS seperti  basis  data  terdistribusi.  spatial  databases.  stream  database.  fuzzy  database.  • Mahasiswa  menguasai  perintah  SQL  untuk  pendefinisian  dan  pengolahan data.   • Mahasiswa  mengetahui  aplikasi  terkini  dari  DBMS  seperti  basis  data  terdistribusi.  •  Students learn the latest applications of DBMS such as distributed  1 databases.  basis  data  spasial.  Disamping  itu.  basis  data  spasial.  spatial  database.    basis  data  bergerak. serta peran basis data dalam datawarehouse  dan penambangan data (data mining).  LEARNING    OBJECTIVES  Provide  knowledge  about  the  concept  of  database  management  systems  (DBMS)  and  its  components. and  database role in datawarehouse and data mining (data mining).  • Mahasiswa mengetahui perbedaan antara sistem file dan DBMS  • Mahasiswa mengetahui komponen‐ komponen penyusun DBMS.  basis  data  stream.  basis  data  semi  terstruktur.  basis  data  TUJUAN  fuzzy.  MATA KULIAH/  TE091494: Database Management System and Lab.  the  latest  development  information  from  the  DBMS  as  a  distributed  database.  mobile  databases.  serta  peran  basis  data  dalam  datawarehouse dan penambangan data (data mining).  dan  basis  data  PEMBELAJARAN/  multimedia terdistribusi.  TE091494: Sistem Manajemen Basis Data dan Lab. and distributed multimedia databases.  mobile  database.  4      .  basis  data  stream.  dan  COMPETENCY  basis  data  multimedia  terdistribusi.    •  Students know the difference between the file system and DBMS  •  Students know the constituent components of the DBMS  •  Students  master  the  SQL  commands  for  defining  and  processing  data  • Students  are  able  to  form  a  database  through  a  process  of  normalization  • Students are able to form a database from an ER diagram.    basis  data  bergerak.  semi‐structured databases.  In  addition.  fuzzy  database.

  transaction  management.  spatial  database.  and  database  role  in  datawarehouse  and  data mining (data mining).  semi‐structured  databases.  normal form.  mobile  database.  BAHASAN/    SUBJECTS  •  File  System  and  the  DBMS.  file  structure.  stream  database. dan sistem recovery.  and  database  role  in  datawarehouse and data mining (data mining).  database  models  (hierarchical.   REFERENCES  • Raghu  Ramakrisnan.  basis  data  semi  terstruktur.  and  distributed  multimedia  databases.  optimisasi  query.  basis  data  stream. integrity. kontrol konkuren. dan dekomposisi.  serta  peran  basis  data  dalam datawarehouse dan penambangan data (data mining).  query  relational.  Sudarshan.  normalisasi. penyimpanan.  •  distributed  database.  and  distributed  multimedia  databases. McGraw‐Hill. and decomposition.  and  organization. dan organisasi. normalization.  diagram  E‐R.  desain database relasional (dependency. and relational). struktur file.  basis  data  fuzzy.  basis  data  spasial.  query  optimization. integrity  and  security.  Query  processing.  Database  System  Concept.  Pemrosesan  query. 2006.  Korth.  Kurikulum/Curriculum  ITS : 2009‐2014   PUSTAKA  • Silberschatz.  and  indexing.    basis  data  bergerak. stream  database.  dan  relational).  POKOK  dan  basis  data  multimedia  terdistribusi.  relational  database  design  (dependency.  • Sistem  file  dan  DBMS.  fuzzy  database.  storage. and system recovery. relational queries.   • Komponen DBMS.  integrity.  manajemen  transaksi.  Second  Edition. ER diagrams.  network.  Fifth  UTAMA/  Edition. dan  indexing.  • Basis  data  terdistribusi.  Database  Management  Systems.  • Component  DBMS. bentuk normal.  model  database  (hirarki.  semi‐structured  databases.  integrity  dan  security. concurrent control.  1 5      . 2006. McGraw‐Hill.  jaringan.

  data  types and data patterns that can be mined.  dan  pola  dari  data  stream. asosiasi dan korelasi. jenis data dan pola data yang bisa ditambang.  and  patterns  in  various applications such as data streams. prediksi.  TUJUAN  dan pola pada berbagai aplikasi seperti data stream. dan neural network.  data  sekuen.  classification.  • Mahasiswa mengetahui peran datawarehouse dan teknologi OLAP  dalam penambangan data.  6      .  COMPETENCY    •  Students  know  the  scope  and  background  of  data  mining. model linear dan non‐linear.  TE091580: Penambangan Data  MATA KULIAH/  TE091580: Data Mining  COURSE TITLE  Credits: 4 Semester: Pilihan   Memberikan  pengetahuan  tentang  lingkup  dan  latar  belakang  penambangan data dan jenis data yang bisa ditambang.  spatial  data.  text  data.  data  WEB.  association  and  correlation. data sequences.  • Mahasiswa memahami teknik klasifikasi untuk penambangan data  seperti  decision  trees  (classification  tree  &  regression  tree).  prediction. Disamping itu  memberikan  pemahaman  tentang  pola  data  yang  bisa  ditambang  seperti pola kerap.  time  series.  clustering.   • Mahasiswa  mengetahui  pola  umum  seperti  summarization.  • Students  understand  the  classification  techniques  for  data  mining  such  as  decision  trees  (tree  classification  &  regression  tree). data  PEMBELAJARAN/  WEB.  sequence  data.  multimedia  data. k‐Nearest Neighbor.  analisis diskriminan.  pola  Kurikulum/Curriculum  ITS : 2009‐2014   kerap.  KOMPETENSI/  • Mahasiswa  memahami  teknik  prediksi  untuk  penambangan  data  seperti loss functions. WEB data.  and  patterns  from  data  streams.  1 discriminant analysis. and the neural network.  Besides  that  provide  insight  into  patterns  of  data  that  can  be  mined  as  frequent  patterns.  data  spasial. klastering.  • Mahasiswa  mengetahui  lingkup  dan  latar  belakang  penambangan  data.   frequent  pattern. k‐Nearest Neighbor. data multimedia.  •  Students  know  the  role  of  the  datawarehouse  and  OLAP  technology in data mining.  time  series. data sekuen. data teks. klasifikasi.  LEARNING    OBJECTIVES    Provide  knowledge  about  the  scope  and  background  of  data  mining  and  data  types  that  can  be  mined. data WEB.  • Students  know  the  general  patterns  such  as  summarization.

  The  Handbook  of  Data  Mining.  data  sekuen. and techniques for  frequent  patterns. prediction.  Lawrence  Erlbaum  Associates.  serta  teknik  untuk  mendapatkan  pola  POKOK  pada  berbagai  aplikasi  seperti  data  stream.  Morgan  Kaufmann. linear models and non‐linear.  Data  Mining:  Concepts  and  PUSTAKA  Techniques.  • Lingkup dan latar belakang penambangan data dan jenis data yang  bisa ditambang  • Berbagai teknik dalam penambangan data yang mencakup asosiasi  dan  korelasi.  SUBJECTS    •  Scope and background of data mining and data types that can be  mined  •  Various  data  mining  techniques  including  association  and  correlation.        Kurikulum/Curriculum  ITS : 2009‐2014   1 7      .  Second  REFERENCES  Edition.Witten  and  Eibe  Frank. Morgan Kaufmann.  and  techniques  to  get  the  pattern  in  various  applications such as data streams. 2003.  • Jiawei  Han  and  Micheline  Kamber.  klasifikasi.  2006.  prediksi. • Students  understand  the  predictive  techniques  for  data  mining  such as loss functions.  • Ian  H. Second Edition. 2005. Inc. data sequences. classification.  Data  Mining:  Practical  Machine  UTAMA/  Learning  Tools  and  Techniques.. klastering.  dan  teknik  untuk  mendapatkan  pola  kerap.  klastering.  data  BAHASAN/  WEB.  • Nong  Ye. WEB data.

  Generalizing  GlOSS  to  Vectorspace  Databases  and  Broker  Hierarchies.  Seattle.  TE091581: Temu Kembali Inform. Classification. Survey of Text Mining.  Stanford. Clustering.  CA:  8      .  The  19th  Annual  REFERENCES  International  ACM  SIGIR  Conference  on  Research  and  Development  in  Information  Retrieval.  especially  in  the  WEB  application  • Students  are  able  to  simulate  the  application  of  the  concept  of  WEB search engine    Kurikulum/Curriculum  ITS : 2009‐2014   • Temu Kembali Informasi     • Temu Kembali Informasi berbasis Konten  untuk WEB   POKOK  • Implementasi  Temu  Kembali  Informasi  berbasis  Konten   menggunakan Jaringan syaraf Tiruan  BAHASAN/    SUBJECTS  • Information retrieval  • Information retrieval content based for web  • The  implemantion  of  information  retrieval  content  based  using  artificial neural network  • Masoud  Mohammadian.  &  Garcia‐Molina. Berbasis Konten  MATA KULIAH/  TE091581: Content Based Information Retrieval  COURSE TITLE  Credits: 4 Semester: Pilihan   TUJUAN  Mahasiswa  mengetahui  dan  mampu  menjelaskan  pengembangangan  PEMBELAJARAN/  Temu Kembali Informasi beserta konsep aplikasinya    LEARNING  Students know  and are able to  explain the devolepment of Gathering  OBJECTIVES  Information Return application along with the concept of  • Mahasiswa  mampu  menjelaskan  konsep  dasar  Temu  Kembali  Informasi  untuk  mendukung  bidang‐bidang  sebelumnya  terutama  dalam aplikasinya di WEB.  H.  PUSTAKA  and Retrieval.  • Mahasiswa  mampu  melakukan  simulasi  konsep  tersebut  pada  KOMPETENSI/  aplikasi mesin pencari WEB yang sebenarnya    COMPETENCY  • Students  are  able  to  explain  the  basic  concepts  Information  retrieval    to  support  the  previous  fields.  Washington  (pp. Editor Springer‐Verlag ‐ 2004   • Callan..  (1995).  Z.  Intelligent  Agents  for  Data  Mining  and  Information Retrieval.  Lu.  L.  B. Idea Group Publishing © 2004  • Michael W.  (1995).  &  Croft.  J. Berry.  21–28).  W.  Searching  Distributed  UTAMA/  Collections  with  Inference  Networks.  1 • Gravano..

  (Technical  Report)  • Lam.        Kurikulum/Curriculum  ITS : 2009‐2014   1 9      .  A  Clustered  Search  Algorithm  Incorporating Arbitrary Term Dependencies.  Computer  Science  Department. ACM Transactions on  Database Systems.  K. Stanford  University. 500–508.  (1982).  &  Yu.  C.

  S.  2 Stevenage.  TE091582: Biometrika  MATA KULIAH/  TE091582: Biometrics  COURSE TITLE  Credits: 4 Semester: Pilihan   Mahasiswa  memiliki  pengetahuan  tentang  teknik  biometrika  baik  dalam  system  yang  menggunakan  single  ataupun  multi  modal  juga  TUJUAN  proses  kegagalan  dalam  mendidentifikasi  kasus  dan  bagaimana  cara  PEMBELAJARAN/  memecahkannya menggunakan ROC curve  LEARNING    OBJECTIVES  Students have knowledge of both techniques in biometric system using  single or multi‐capital also identifie process in case of failure and how  to solve it using the ROC curve    • Mahasiswa  mampu  menjelaskan  cara‐cara  perancangan  teknik  biometrika baik single maupun multi modal.  IEEE  Computer. M.  Carter.  and  S. T.  33(2):70–75. T. A.  • Kegagalan  pada  teknik  identifikasi  biometrika  dan  POKOK  penanggulangannya  BAHASAN/  • Pengaturan kurva ROC  SUBJECTS    •  biometric techniques.  Arun  A.  • Failure to identify the techniques and the handling biometrika  • Setting the ROC curve  • Anil  K.  G.  • Mahasiswa  mampu  menjelaskan  proses  kegagalan  pada  KOMPETENSI/  identifikasi  teknik  biometrika  dan  bagaimana  cara  mengurangi  kegagalan tsb  COMPETENCY    • Students  are  able  to  explain  the  ways  the  design  of  both  single  biometric techniques and multi‐capital. Salganicoff. Bolle.  Nixon.  and  G.  Venetianer. R.  D.  Handbook  of  Biometrics. Chmielewski. A.  • The identification of single or multi‐modal.  V. M.  Springer Verlag 2005  PUSTAKA  • M.  Huang.  Ross.  Cunado. and  0      .  • Students  can  explain  the  failure  of  the  identification  process  Kurikulum/Curriculum  ITS : 2009‐2014   biometrika techniques and how to reduce the failure  • Teknik‐teknik biometrika.  L.  Zhang.  Jain. C. In A. Automatic Gait Recognition. Jain.  February 2000.  N.  P.  P. K. Negin. U.  Patrick  Flynn.  •  M. Camus.  S.  UTAMA/  von  Seelan.   • Pengidentifikasian single ataupun multi modal.  An  Iris  Biometric  REFERENCES  System  for  Public  andPersonal  Use.  J.

 D.        Kurikulum/Curriculum  ITS : 2009‐2014   2 1      .  Comparing  Passwords. J.  • P.  pages  231–249. J.  91(12):2019–2040. March 2003.  FRVT2002:  Overview  and  Summary. R.org/FRVT2002.  editors. UK.  Tokens. M.  Biometrics:Personal  Identification  in  Networked  Society.  Kluwer  Academic  Publishers.  O’Gorman. 1999.  and  Biometrics  for  User  Authentication.  London.  Proceedings  of  the  IEEE.  http://www.  •  L.  and  J.  Bone.  M. Phillips. Grother. Tabassi.  Pankanti. E. Blackburn.  December 2003. Micheals. S.frvt. P.

94‐104.  Sharp.  M.  Sharp  R.  2 2      .  (2005). (2007). 2008  • Toye  E.  POKOK  • Contoh implementasi pada Intelligent Traffic Simulation (ITS)  Kurikulum/Curriculum  ITS : 2009‐2014   • Activity oriented computation  BAHASAN/    SUBJECTS  • Ubiquitous computing and pervasive  • Ubiquitous Multimedia ‐ sematic web. Interacting with Mobile Services: an Evaluation  PUSTAKA  of  Camera‐phones  and  Visual  Tags.  27‐  33.  TE091583: Multimedia Ubiquitos  MATA KULIAH/  TE091583: Ubiquitos  Multimedia  COURSE TITLE  Credits: 4 Semester: Pilihan   Mahasiswa  mengetahui  dan  mampu  menjelaskan  pengembangangan  TUJUAN  dunia ubiquitous multimedia beserta konsep aplikasinya  PEMBELAJARAN/    LEARNING  Students know and are able to explain the devolepment of multimedia  OBJECTIVES  ubiquitous world and its concept applications    • Mahasiswa  mampu  menjelaskan  konsep  dasar  ubiquitous  multimedia.  Using  REFERENCES  smart  phones  to  access  site‐specific  services.  UTAMA/  • Toye.  KOMPETENSI/  • Mahasiswa  mampu  melakukan  simulasi  konsep  tersebut  pada  COMPETENCY  aplikasi yang sebenarnya    • Students can explain the basic concept of ubiquitous multimedia.  7(3).  (2005).  E.  &  Scott.. 11(2). 97‐106.  IT  Professional. 3.  Madhavapeddy  A.  • Weinstein..  The  Computer  for  the  21st  Century.  IEEE  Press.  R. 4(2).  Upton  E.  A.  R. Springer‐Verlag.  &  Blackwell A. 60‐66.  D. New York.  Scientific American..  Weiser.  Advances  in  Ubiquitous  Computing:  Future Paradigms and Directions..  • Students are able to simulate these concepts in real applications  • Komputasi Ubiquitous dan pervasive    • Ubiquitous multimedia – sematic web..  (1991)..  Madhavapeddy.  RFID:  a  Technical  Overview  and  its  Application  to  the  Enterprise..  IEEE  Pervasive  Computing..  Scott  D. IGI Publishing.  • Example implementation of Intelligent Traffic Simulation (ITS)  •  Activity oriented Computation  • Soraya  Kouadri  Mostefaoui.  Personal  Ubiquitous  Computing.

          2 3  Kurikulum/Curriculum  ITS : 2009‐2014   .

  • Konsep Digital Sinyal Procesor  • Teknologi Mutimedia.  Academic  REFERENCES  Press. Digital Image Processing.  • Pengolahan Data Multimedia  POKOK  • Filter  Kurikulum/Curriculum  ITS : 2009‐2014   • Algoritma DSP  BAHASAN/    SUBJECTS  •  The concept of Digital Signal Procesor  • Technology Mutimedia. 2000. 1999  UTAMA/  • Al  Bovik.  TE091584: Prosesor Multimedia  MATA KULIAH/  TE091584: Multimedia Processors  COURSE TITLE  Credits: 4 Semester: Pilihan   TUJUAN  Mahasiswa mengetahui dan mampu menjelaskan struktur Filter dalam  PEMBELAJARAN/  Pengolahan data multimedia    LEARNING  Students  know  and  are  able  to  explain  the  structure  of  the  filter  in  OBJECTIVES  multimedia data processing  • Mahasiswa mampu menjelaskan konsep Digital Sinyal Processor. Prentice Hall. Academic Press.  Handbook  of  Image  and  Video  Processing.  • Mahasiswa  mampu  melakukan  simulasi  da  implementasi  konsep  KOMPETENSI/  Multimedia Sinyal Processor. DSP Integrated Circuits.          2 4      .    COMPETENCY  •  Students  are  able  to  explain  the  concept  of  Digital  Signal  Processor. 2002.  • Rafael C.  • Students are able to simulate in the implementation of the concept  of Multimedia Signal Processor. Gonzalez.  •  Multimedia Data Processing  •  Filter  •  DSP Algorithms  PUSTAKA  • Lars Wanhammar.

 John Wiley & Sons. Semantic web sistem grid  5. 2005  2 UTAMA/  5      .  sistem  manajemen  sumber  daya  dalam  Grid. The concept of security and performance in grid system  PUSTAKA  1. USA. Maozhen Li and Mark Baker. UK.  dan  juga  bagaimana  web  semantik  yang  digunakan  dalam  sistem  Grid  untuk  memberikan  TUJUAN  keamanan dan keandalan dari Grid  PEMBELAJARAN/    Student  can  explain  the  basic  architecture  of  Grid  system. Some concepts of application in distributed computing  3. “The Grid core technology”. Globus toolkit and web service in grid system  4. Student  can  explain  how  the  resources  management  system  is  applied in Grid system to support the performance and security in  Grid    1. and also how is the semantic web being  OBJECTIVES  deployed  in  Grid  system  to  provide  the  security  and  reliability  of  the  Grid      1. Siswa  dapat  menjelaskan  arsitektur  dasar  dan  fitur  Grid  berdasarkan standardisasi OGSA  2.  Siswa dapat menjelaskan bagaimana sistem pengelolaan sumber  daya diterapkan dalam sistem Grid untuk mendukung kinerja dan  KOMPETENSI/  keamanan di Grid    Kurikulum/Curriculum  ITS : 2009‐2014   COMPETENCY  1. Student  can  explain  the  basic  architecture  and  features  of  Grid  based on OGSA standardization   2. Globus toolkit dan layanan web di sistem grid  POKOK  4.  resources  LEARNING  management system in Grid. Konsep keamanan dan kinerja dalam sistem grid  BAHASAN/    SUBJECTS  1. Brunel  Univ.  TE091585: Komputasi Grid  MATA KULIAH/  TE091585: Grid Computing  COURSE TITLE  Credits: 4 Semester: Pilihan   Siswa  dapat  menjelaskan  arsitektur  dasar  sistem  Grid. Web Semantic grid system  5. konsep aplikasi dalam komputasi terdistribusi  3. The Basic architecture of Grid System  2. Portsmouth Univ. Arsitektur Dasar Sistem Grid  2.

    REFERENCES    2 6  Kurikulum/Curriculum  ITS : 2009‐2014   .