Bahan Tugas MK Modelling and Optimization S2 IF :
- Graph-based Ranking Algorithms for Sentence Extraction
- . Sentiment Classification Using Graph Based Word Sense Disambigution
- . Graph-Based Algorithms for Text Summarization
- . A Graph-Based Churn Prediction Model for Mobile Telecom Networks
- . 01 A genetic algorithm approach to optimising random forests applied to class engineered data
- . Customer Churn Prediction using Improved Balance Random Fores
List Paper untuk Penulisan Proposal 2017 (Genap)
Ini adalah file terkait topik yang perlu dibaca dan disiapkan resumenya :
1. Text Classification, (1. A SURVEY OF TEXT CLASSIFICATION. 2. Bayesian network models for hierarchical text classification from a thesaurus )
2. Microarray Data Classification (1. Feature Selection of Gene Expression Data for Cancer Classification- A Review 2. Gene Expression Data Classification Using Support Vector Machine and Mutual Information-based Gene Selection, 3, A Review of Cancer Classification Software, 4. tian2010 Classification of micro-array gene expression data using neural networks, 5. random forest microarray, 6. Gene selection using random forest and proximity differences criterion on DNA microarray data )
3. Finger Print Classification (1. galar2015 A survey of fingerprint classification Part I- Taxonomies on feature extraction methods and learning models 2. galar2015 A survey of fingerprint classification Part II- Experimental analysis and ensemble proposal 3. A broad survey on fingerprint recognition systems )
4. Iris Classification (1. Iris Recognition through Machine Learning Techniques- a Survey 2. Image understanding for iris biometrics- A survey )
5. EEG Signal Classification (1. Multiple classifier system for EEG signal classification Ahangi (2012) 2. A Survey of Analysis and Classification of EEG )
6. Watermarking for Image Protection ( 1. rosiyadi2012 Copyright Protection 2. A Survey of Watermarking Algorithms 3. Watermarking Techniques used in Medical Images_a Survey )
TUGAS KELAS Penulisan Proposal (PP)
==> [Tugas 1, deadline 14 Februari 2017, jam 14.00 WIB] Baca Paper terkait (tambahan boleh diluar yang dicantumkan diatas) terutama bagian introduction, Tuliskan Problem Statement dan Research Question yang terkait topik anda, berdasarkan informasi yang diperoleh dari paper yang disediakan (maksimal 2 halaman).
Problem statement adalah kumpulan kalimat yang menjelaskan masalah yang dihadapi (real problem), dari yang umum ke khusus.
Research Question adalah pertanyaan yang mendeskripsikan secara jelas tentang apa yang menarik untuk dikaji dari problem statement yang telah disampaikan, parameter apa saja yang terkait dengan problem tersebut, dan bagaimana cara penyelesaiannya.
File tugas dikirim via email [email protected], dengan header: [PP_2017]Tugas 01_Nama_NIM
==> [Tugas 2, 06 maret 2017 ] Tuliskan Problem Statement, Research Question, dan Related Works (maksimal 5 halaman)
Related works, Minimal kajian dr 5 paper terkait.
Related works diungkapkan paling tidak dalam satu paragraf berisi latar belakang, metodologi disertai argumen penggunaan metode, dan analisis hasil pengujian (open problem jika ada), dari setiap paper yg dibaca.
Silahkan minta paper tambahan berdasarkan topik ke dosen terkait (jika diperlukan).
Sebagai panduan dalam melakukan reference tracing (related works) simak hasil reference tracing berikut:
[LATAR BELAKANG]Saat ini gambar medis digital dan catatan medis pasien (hasil diagnosa) digunakan secara luas dan transmisikan melalui jaringan komputer. Catatan medis pasien harus dilindungi karena hanya pasien dan dokter terkait yang berhak mengaksesnya. [PROBLEM]Untuk menjaga kerahasiaan rekam medis dapat diselesaikan tanpa penambahan file tetapi dengan menyisipkan catatan medis tersebut ke gambar medisnya, dengan teknik steganografi. [USULAN METODE]Dalam penelitian ini, dirancang suatu skema penyembunyian data pada gambar medis berdasarkan Vector Quantization dan pewarnaan graf. Dalam makalah ini, disajikan perbandingan kinerja skema penyembunyian data dimana pewarnaan graf menggunakan algoritma genetika (GA) dan Partikel Swam Optimization (PSO). [ARGUMEN]Pewarnaan graf dipilih untuk menjaga kerahasiaan data yang disipkan, karena pewarnaan yang dilakukan bersifat random. PSO dan GA dipilih karena kesederhanaan, ketahanan, dan kemampuan beradaptasi untuk berbagai masalah optimasi. [ANALISIS HASIL] PSO dan GA dapat digunakan untuk memecahkan masalah pewarnaan graf pada skema yang diusulkan. PSO dan GA memberikan performansi yang sama terkait dengan kapasitas data yang bisa disisipkan. Terkait waktu komputasi, skema GA telah memberikan kinerja yang lebih baik daripada PSO.
Sumber paper : procedia CS
File tugas dikirim via email [email protected], dengan header: [PP_2017]Tugas 02_Nama_NIM
MK Algoritma Graf
Buku Rujukan : Chromatic Graph Theory
Buku ke dua bisa di dapatkan di perpustakaan, judul dan pengarang bisa dicek di materi kuliah :Terminology-of-graph-2015
Tugas membaca, mempelajari dan mempresentasikan algoritma (satu algoritma untuk satu kelompok, satu algoritma tidak dibahas oleh lebih dari dua kelompok)):
1. Algoritma Dijkstra (prefer utk angkatan 2012)
2. Algoritma Floyd
3. Algoritma Euler Tour
4. Algoritma Cheriton-Tarjan
5. Algoritma Hungarian
6. Algoritma Ford-Fulkerson
7. Algoritma Crossover
8. Algoritma Christofide
Laporan dalam .doc atau .docx
Isi laporan meliputi : Problem, algoritma, dan Ilustrasi Proses
*Terkait Penamaan file tugas, please berikan nama file “NamaAlgoritma_KOCAY_NomorHalaman_NIM1_NIM2_NIM3”
Contoh: Algoritma Dijkstra_KOCAY_33_1107130023_1107130024_1107130025
Untuk memudahkan, silahkan cek daftar isi buku KOCAY terlampir: Graphs_Algorithms_and_Optimization
File tugas dikirim via email [email protected], dengan header: [Algraf_2016]Tugas 01
REVISI TUGAS (sebagai pengganti UTS), dikumpulkan paling lambat 19 Oktober 2016.
File tugas dikirim via email [email protected], dengan header: [Algraf_2016]REVTugas01_KelompokXX (misalnya kelompok 2, tulis “
[Algraf_2016]REVTugas01_Kelompok02″).
:
1. 02 Texture analysis and classification using shortest paths in graphs
2. 03 Music recommendation using graph based quality model
4. Sentiment Classification Using Graph Based Word Sense Disambigution
- Graph-Based Algorithms for Text Summarization
-
A Graph-Based Churn Prediction Model for Mobile Telecom Networks
-
01 A genetic algorithm approach to optimising random forests applied to class engineered data
8. Customer Churn Prediction using Improved Balance Random Fores
File tugas dikirim via email [email protected], dengan header: [Algraf_2016]Tugas02_KelompokXX
(misalnya kelompok 2, tulis ” [Algraf_2016]Tugas02_Kelompok02″).
Deadline : 20 November 2016 jam 17.59 WIB
[S2IF] MODELING and OPTIMIZATION, Februari 2017
Bahan Kuliah : Modelling-Optimization-2015, Terminology-of-graph-2015
GELADI 2016
Ini adalah file terkait dengan persiapan pelaksanaan Geladi 2016
Geladi 2016 Pembekalan oleh Ka PPDU dan Dosbing
JADWAL PRESENTASI Proposal TA 1
Senin (25/04/2016) ==> Topik Sentiment Analysis dan Document Classifications
- Rika 17.00 – 17.07
- Novi 17.10 – 17.17
- Ika 17.20 – 17.27
- Desi 17.30 – 17.37
- Michael 17.40 – 17.47
- Januarta 17.50 – 17.57
Rabu (27/04/2016) ==> Topik Cancer Classification based on micro array data
- Sugeng 08.15 – 08.22
- Della 08.25 – 08. 32
- Euis 08.35 – 08.42
Tempat, Ruang Rapat Gd D lantai 1 (Panambulai)
Rabu (27/04/2016) mulai jam 13.00,
- Aditya 13.00 – 13.07
-
Hifzi 13.10 – 13.17
-
Nanda 13.20 – 13.27
-
Bagus 13.30 – 13.37
-
Ria 13.40 -13.47
-
Irba 13.50 – 13.57
-
Budi 14.00 – 14.07
-
Aken 14.10 – 14.17
-
Vegi 14.20-14.27
Presentasi TA topik Speech (4 orang), Churn Prediction (4), dan EEG (2), JADWAL selasa (03/05/2016),
- Putri 08.30 – 08.37
- Febri 08.40 – 08.47
- Prima 09.00 – 09.07
- Friscellia 09.10 – 09.17
- Aldo 09.20 – 09.27
- Oscar 09.30 – 09.37
- Wisnu 10.00 – 10.07
- Dean 10.10 – 10.17
- Annisa 10.20 – 10.27
- Masyitah 10.30 – 1037
Good Luck 🙂
Berikut disampaikan cara menuliskan referensi untuk di Daftar Pustaka :
Langkah Tulis Referensi dari scholar.google
Bahan ajar Tugas Akhir 1 kelas TA-ADW (Tugas membaca)
List Mahasiswa dan Topik TA
*veggy bertukar topik dengan januarta
Beberapa paper rujukan, sebagai bahan reference tracing (akan senantiasa bertambah).
- PCOS Classification (1.Final Report NATIONAL INSTITUTES OF HEALTH 2. IEEE ICoCIT 2015 Particle Swarm Optimization, 3. Follicle Detection, 4. Manivannan PCOS IEEE paper 2007, 5. IEEE ICoCIT 2015 A Classification of Polycystic Ovary Syndrome 6. An-automated-diagnostic-system-of-polycystic-ovary-syndrome-1-s2.0-S0933365710001211-main, 7.Automated-detection-of-polycystic-ovary-syndrome-04650280, Untuk Nanda&Bagus: Deep learning for visual understanding A review)
- Document Classifications (1. A-feature-selection-method-for-improved-document-classification-chp3A10.10072F978-3-642-35527-1_25, 2. Automatically-Categorizing-Written-Texts-by-Author-Gender-Lit-Linguist-Computing-2002-Koppel-401-12, 3.Blei Introduction to Probabilistic Topic Models)
- Sentiment Classification (1. Sentiment-classification-for-Indonesian-message-in-social-media-06021696, 2.IMPROVING-SENTIMENT-ANALYSIS-WITH-PART-OF-SPEECH-05212278)
- Data forecasting (1. 2013 [ICoICT] A Rainfall Forecasting using Fuzzy System, 2. FJECJun2015_081_092, 3. Some Line Search Techniques on the Modified Backpropagation for Forecasting of Weather Data in Indonesia)
- Gene Expression Data Classification (1. Gene Expression Data Classification Using Support Vector Machine and Mutual Information-based Gene Selection, 2. PPH-1509013-EC-Proof,3. A Review of Cancer Classification Software, 4. microarray clustering by clique partitioning ) MICRO ARRAY DATA 1. BreastCancer, 2, ColonTumor, 3. lungcancer, 4. MLL_Leukemia, 5. ovarian_61902, 6. Prostate, 7. CentralNervous
- Qur’an (speech) processing (1. Abuzeina, 2. Satori, 3. HMMs_speech_recognition (penting terkait dengan pemahaman speech recognition), 4. SPEAKER INDEPENDENT ARABIC SPEECH, 5. Comparative Analysis of Arabic Vowels using Formants)
- EEG signal classification (1. Elements-of-EEG-signal-processing-art3A10.10072FBF02915851, 2. EEG-signal-classification-using-principal-component-analysis-06528498, [putri’s request]Use-of-Genetic-Algorithm-with-Back-Propagation-00298557)
- Churn Prediction (1. IEEE ICoCIT 2014 effendy adiwijaya, 2. Handling class imbalance in customer churn prediction, 3. Customer Churn Prediction using Improved Balance Random Fores, 4. A Proposed Churn Prediction Model)
TUGAS dikirim via email [email protected]
==> [Tugas 1, deadline 8 Februari 2016 ] Baca Paper terkait (tambahan boleh diluar yang dicantumkan diatas) terutama bagian introduction, Tuliskan Problem Statement dan Research Question yang terkait topik anda, berdasarkan informasi dari paper yang disediakan (maksimal 2 halaman)
==> [Tugas 2, 20 Februari 2016 ] Tuliskan Problem Statement, Research Question, dan Related Works (maksimal 5 halaman)
Related works, Minimal kajian dr 5 paper terkait.
Related works diungkapkan paling tidak dalam satu paragraf berisi latar belakang, metodologi disertai argumen penggunaan metode, dan analisis hasil pengujian (open problem jika ada), dari setiap paper yg dibaca.
Silahkan minta paper tambahan berdasarkan topik ke dosen berikut:
- topik 1, 5, 6 dan 8 ke ADW
-
topik 2 ke pa Said
– topik 3 ke pa syahrul
– topik 4 ke bu fhira nhita
– topik 7 ke bu untari
Nomor wa masing2.. bisa kontak saya utk disharue.
Sebagai panduan dalam melakukan reference tracing (related works) simak hasil reference tracing berikut:
[LATAR BELAKANG]Saat ini gambar medis digital dan catatan medis pasien (hasil diagnosa) digunakan secara luas dan transmisikan melalui jaringan komputer. Catatan medis pasien harus dilindungi karena hanya pasien dan dokter terkait yang berhak mengaksesnya. [PROBLEM]Untuk menjaga kerahasiaan rekam medis dapat diselesaikan tanpa penambahan file tetapi dengan menyisipkan catatan medis tersebut ke gambar medisnya, dengan teknik steganografi. [USULAN METODE]Dalam penelitian ini, dirancang suatu skema penyembunyian data pada gambar medis berdasarkan Vector Quantization dan pewarnaan graf. Dalam makalah ini, disajikan perbandingan kinerja skema penyembunyian data dimana pewarnaan graf menggunakan algoritma genetika (GA) dan Partikel Swam Optimization (PSO). [ARGUMEN]Pewarnaan graf dipilih untuk menjaga kerahasiaan data yang disipkan, karena pewarnaan yang dilakukan bersifat random. PSO dan GA dipilih karena kesederhanaan, ketahanan, dan kemampuan beradaptasi untuk berbagai masalah optimasi. [ANALISIS HASIL] PSO dan GA dapat digunakan untuk memecahkan masalah pewarnaan graf pada skema yang diusulkan. PSO dan GA memberikan performansi yang sama terkait dengan kapasitas data yang bisa disisipkan. Terkait waktu komputasi, skema GA telah memberikan kinerja yang lebih baik daripada PSO.
Sumber paper : procedia CS
==> [Tugas 3, 5 Maret 2016 ] Tuliskan Problem Statement, Research Question, Related Works, dan Metodologi/Perancangan Sistem (maksimal 7 halaman)
Tugas ini sudah menyentuh metode yang akan digunakan dalam menyelesaikan masalah yang telah dikemukakan dalam dua tugas sebelumnya.
Tuliskan flowchart secara umum dalam menyelesaikan masalah tersebut dan jelaskan.
Detiklkan flowchart tersebut sehingga setiap tahapan dalam proses pengerjaan menjadi lebih jelas, berikan juga argumen dan penjelasan dalam setiap tahapannya.
Tugas ketiga ini merupakan gabungan dari tugas1, tugas 2 dan perancangan sistem (metodologi) TA anda.
Jika Ada pertanyaan terkait Tugas… silahkan kontak lewat grup Line atau wa ke 082217633999
TEMPLATE Proposal TA 1
Buku_Panduan_Tugas_Akhir_I_Fakultas__Informatika
Telah Terbit Buku “Aplikasi matriks dan Ruang Vektor”
Buku “Aplikasi Matriks dan Ruang Vektor” dapat digunakan sebagai pedoman bagi setiap mahasiswa yang sedang mengambil mata kuliah Matriks dan Ruang vektor atau Aljabar Linear Elementer atau mata kuliah sejenisnya yang diselenggarakan di tahun pertama perkuliahan. Buku ini pun dapat menjadi rujukan bagi para mahasiswa yang sedang mengambil tugas akhir, karena buku ini telah dilengkapi dengan aplikasi dan contoh penyelesaian masalah dengan menggunakan MATLAB. Mata kuliah Matriks dan Ruang vektor maupun Aljabar Linear Elementer merupakan mata kuliah wajib bagi setiap mahasiswa yang berada di fakultas teknik.
ISBN : 978-602-262-224-6 Adiwijaya_Aplikasi matriks dan ruang vektor
Aljabar Linear Semester Genap TA 2015/2016
Soal Latihan Aljabar Linear untuk Ujian 1
Latihan UAS UAS Alin 2015
Jawaban UAS
Bahan Tugas Besar Algoritma Graf 2015
Random Forest Classifiers_A Survey and Future
Graph-Based Algorithms for Text Summarization
Graph-based Ranking Algorithms for Sentence Extraction,
Minimizing communication in all-pairs shortest
Clustering of Microarray data via Clique
Unsupervised Anomaly Detection in Network Intrusion Detection
2014 [ICoICT] Anomaly Detection on Intrusion Detection System
Bahan Mata kuliah S2 IF Modeling and Optimization 2016
1. Modelling Optimization 2015
BAHAN TUGAS BESAR KULIAH MODELING 2016
Sentiment Classification Using Graph Based Word Sense Disambigution
Graph-Based Semi-supervised Learning for Cross-Lingual Sentiment Classification
A Graph-Based Churn Prediction Model for Mobile Telecom Networks
microarray clustering by clique partitioning
Graph-based Ranking Algorithms for Sentence Extraction,
Slide Kuliah Matematika Diskrit :
Bahan Diskusi S2TE MK Network Mathematics sem-2, 2014
2. Network mathematics algoritma MST
Bahan/Paper untuk Tugas kelas S2TE MK Network Mathematics sem-2, 2014
– 01 Transmission Scheduling in Sensor Network problem,
– 02 Supporting Intrusion Detection by Graph Clustering
– 03 Data Hiding Scheme based on graph
Bahan Diskusi S2TE MK Network Mathematics sem-2, 2014
2. Network mathematics algoritma MST
Bahan/Paper untuk Tugas kelas S2TE MK Network Mathematics sem-2, 2014
– 01 Transmission Scheduling in Sensor Network problem,
– 02 Supporting Intrusion Detection by Graph Clustering
– 03 Data Hiding Scheme based on graph
Materi ajar MUG1E3 Aljabar Linear (S1 Ilmu Komputasi)
6. 06 RHD
Bahan ajar MK algoritma graph sem-2, 2014 (S1 Ilmu Komputasi)
2. Some graph based models 2013
*Up date konten Lecture Materials akan dilakukan secara bertahap.