basigi@unp.ac.id (0751) 7050000 Jl. Prof. Dr. Hamka, Air Tawar, Padang
Matakuliah

Deep Learning untuk Analisis Spasial

- Fakultas Matematika dan Ilmu Pengetahuan Alam
Deep Learning untuk Analisis Spasial

Deskripsi Mata Kuliah

Mata kuliah ini memperdalam kemampuan mahasiswa dalam menerapkan arsitektur deep learning modern — CNN, U-Net, dan Vision Transformer — untuk analisis citra spasial resolusi tinggi yang menjadi kebutuhan operasional industri energi dan pertambangan. Fokus pada segmentasi semantik piksel-demi-piksel, deteksi objek otomatis, dan analisis citra time-series berskala besar menggunakan data drone dan satelit resolusi tinggi. Studi kasus meliputi segmentasi otomatis area tambang dan tailings dari citra drone, deteksi panel PLTS yang rusak dari citra termal, pemantauan ekspansi lahan tambang menggunakan deep learning multi-temporal, dan deteksi manifestasi permukaan geotermal dari citra resolusi tinggi. Industri modern semakin mengandalkan drone untuk inspeksi rutin — model yang dibangun mahasiswa dapat langsung diadaptasi menjadi sistem inspeksi otomatis

CPL Program Studi pada MK

CPL-6 - Memecahkan masalah sistem fisik standar secara komprehensif menggunakan prinsip dasar fisika, persamaan matematika, alat komputasi/TIK
CPL-8 - Menerapkan ilmunya di bidang fisika pada bidang yang lebih luas/atau masalah interdisipliner dalam kegiatan profesionalnya
CPL-14 - Mengkomunikasikan karya ilmiah baik secara lisan maupun tertulis sesuai dengan etika ilmiah

CPMK

CPMK-1 - Mampu menjelaskan prinsip kerja arsitektur CNN, U-Net, dan Vision Transformer serta kesesuaiannya dengan karakteristik data citra industri resolusi tinggi
CPMK-2 - Mampu merancang dan melatih model segmentasi semantik (U-Net) untuk delineasi area tambang, tailings pond, dan infrastruktur energi dari citra satelit dan drone
CPMK-3 - Mampu menerapkan model deteksi objek untuk identifikasi otomatis panel surya, turbin angin, dan anomali infrastruktur dari citra resolusi tinggi
CPMK-4 - Mampu membangun pipeline analisis citra multi-temporal berbasis deep learning untuk pemantauan ekspansi lahan tambang dan perubahan lingkungan industri
CPMK-5 - Mampu mengevaluasi performa model (IoU, F1-score, precision-recall) dan menyusun rekomendasi integrasi model ke sistem monitoring operasional industri

Aktivitas Pembelajaran

Aktivitas pembelajaran untuk course ini belum tersedia.

Rencana Pembelajaran Semester (RPS)

Buka RPS

Lecture Note

Lecture Note Terkunci

Masuk terlebih dahulu untuk melihat konten pada menu ini.

Login

Lecture Video

Lecture Video Terkunci

Masuk terlebih dahulu untuk melihat konten pada menu ini.

Login

Assignments

Assignments Terkunci

Masuk terlebih dahulu untuk melihat konten pada menu ini.

Login

E-Book

E-Book Terkunci

Masuk terlebih dahulu untuk melihat konten pada menu ini.

Login

UTS

UTS Terkunci

Masuk terlebih dahulu untuk melihat konten pada menu ini.

Login

UAS

UAS Terkunci

Masuk terlebih dahulu untuk melihat konten pada menu ini.

Login
Related

Course Terkait