Lecture Materials


Bahan Tugas MK Modelling and Optimization S2 IF :

  1.   Graph-based Ranking Algorithms for Sentence Extraction
  2. Sentiment Classification Using Graph Based Word Sense Disambigution
  3. .  Graph-Based Algorithms for Text Summarization
  4. .  A Graph-Based Churn Prediction Model for Mobile Telecom Networks
  5. .  01 A genetic algorithm approach to optimising random forests applied to class engineered data
  6. .  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

  1.  Graph-based Ranking Algorithms for Sentence Extraction

4. Sentiment Classification Using Graph Based Word Sense Disambigution

  1.  Graph-Based Algorithms for Text Summarization

  2.  A Graph-Based Churn Prediction Model for Mobile Telecom Networks

  3.  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

NIlai Tugas AKhir 1 (TA1) Kelas_ADW

JADWAL PRESENTASI Proposal TA 1

Senin (25/04/2016) ==> Topik Sentiment Analysis dan Document Classifications

  1. Rika     17.00 – 17.07
  2. Novi     17.10 – 17.17
  3. Ika        17.20 – 17.27
  4. Desi      17.30 – 17.37
  5. Michael   17.40 – 17.47
  6. Januarta   17.50 – 17.57

Rabu (27/04/2016)  ==> Topik Cancer Classification based on micro array data

  1. Sugeng     08.15 – 08.22
  2. Della         08.25 – 08. 32
  3. Euis           08.35 – 08.42

Tempat, Ruang Rapat Gd D  lantai 1 (Panambulai)

Rabu  (27/04/2016)   mulai jam 13.00,

  1. Aditya  13.00 – 13.07

  2. Hifzi    13.10 – 13.17

  3. Nanda  13.20 – 13.27

  4. Bagus 13.30 – 13.37

  5. Ria 13.40 -13.47

  6. Irba 13.50 – 13.57

  7. Budi 14.00 – 14.07

  8. Aken 14.10 – 14.17

  9. Vegi 14.20-14.27

 

Presentasi TA topik Speech (4 orang), Churn Prediction (4), dan EEG (2), JADWAL  selasa (03/05/2016),

  1. Putri         08.30  – 08.37
  2. Febri         08.40 – 08.47
  3. Prima        09.00 – 09.07
  4. Friscellia    09.10 – 09.17
  5. Aldo          09.20 – 09.27
  6. Oscar        09.30 – 09.37
  7. Wisnu       10.00 – 10.07
  8. Dean         10.10 – 10.17
  9. Annisa       10.20 – 10.27
  10. 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)

  1. Pertemuan-1
  2. Pertemuan-2
  3. Pertemuan-3
  4. Pertemuan-4

List Mahasiswa dan Topik TA

TA MHS genap

*veggy bertukar topik dengan januarta

Beberapa paper rujukan, sebagai bahan reference tracing (akan senantiasa bertambah).

  1. 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)
  2. 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)
  3. Sentiment Classification (1. Sentiment-classification-for-Indonesian-message-in-social-media-06021696, 2.IMPROVING-SENTIMENT-ANALYSIS-WITH-PART-OF-SPEECH-05212278)
  4. 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)
  5. 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
  6. 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)
  7. 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)
  8. 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”

GrahaGraha

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

RPS – Aljabar Linear 1516

Soal Latihan Aljabar Linear untuk Ujian 1

Latihan Alin 01

Latihan Ujian III

Latihan Trans. Linear

Latihan UAS UAS Alin 2015

Jawaban UAS

 

 

 

 

 

Bahan Tugas Besar Algoritma Graf 2015  

Random Forest Classifiers_A Survey and Future

 An Image Data Hiding Scheme

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

Frequency_allocation_for_WLAN

Clique Korea 2002

2014 [ICoICT] Anomaly Detection on Intrusion Detection System

Bahan Mata kuliah S2 IF Modeling and Optimization 2016

1. Modelling Optimization 2015

2. Terminology of graph 2015

3. Opt. Graph based models

 

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 :

1. Himpunan

2. Relasi dan Fungsi

3. Kombinatorial

4. Teori Graf

5. Tree & Pewarnaan

 

Bahan Diskusi S2TE MK Network Mathematics sem-2, 2014

1. Terminology of graph

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

1. Terminology of graph

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)

1. Matriks dan Operasinya

2. 02 Determinan Matriks

3. 03 Sistem Persamaan Linier

4. 04 Vektor R2 dan R3

5. 05 Ruang Vektor

6. 06 RHD

7.  07 Transformasi

8.  08 Ruang Eigen

 

 

Bahan ajar MK algoritma graph sem-2, 2014  (S1 Ilmu Komputasi)

1. Basic Notion of graph

2. Some graph based models 2013

 

 

*Up date konten Lecture Materials akan dilakukan secara bertahap.

Leave a Reply

Your email address will not be published. Required fields are marked *