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

Deteksi Anomali dan Mitigasi Bencana berbasis AI

- Fakultas Matematika dan Ilmu Pengetahuan Alam
Deteksi Anomali dan Mitigasi Bencana berbasis AI

Deskripsi Mata Kuliah

Mata kuliah capstone ini mengintegrasikan seluruh kompetensi KBK — pemrosesan sinyal, machine learning, dan analisis spasial — untuk membangun sistem deteksi anomali dan early warning yang relevan bagi mitigasi bencana alam maupun keselamatan operasional industri energi dan pertambangan. Mahasiswa mempelajari teknik deteksi anomali (statistical, ML-based, dan deep learning based) pada dua domain paralel: kebencanaan alam dan keselamatan industri. Mata kuliah ini menunjukkan bahwa algoritma deteksi anomali bersifat universal — algoritma yang sama dapat menyelamatkan nyawa baik dari letusan gunung berapi maupun dari kecelakaan kerja industri. Posisi spesialis early warning/anomaly detection yang memahami fisika sinyal dan ML adalah aset sangat dicari oleh divisi HSE (Health, Safety, Environment) perusahaan energi dan tambang Indonesia.

CPL Program Studi pada MK

CPL-5 - Menerapkan metode matematika untuk menjelaskan, mendeskripsikan program studi, menganalisis, dan memecahkan masalah fisika
CPL-6 - Memecahkan masalah sistem fisik standar secara komprehensif menggunakan prinsip dasar fisika, persamaan matematika, alat komputasi/TIK
CPL-9 - Melaksanakan eksperimen dalam bidang fisika atau bidang lain yang berkaitan dengan fisika, serta dapat mengolah, menganalisis, dan menafsirkan data yang diperoleh

CPMK

CPMK-1 - Mampu menjelaskan prinsip fisika dan statistik di balik fenomena anomali pada sistem alam (gempa, erupsi) dan sistem industri (kebocoran, ketidakstabilan).
CPMK-2 - Mampu menerapkan metode deteksi anomali statistik dan ML (Isolation Forest, One-Class SVM, Autoencoder) pada data sensor time-series industri dan kebencanaan.
CPMK-3 - Mampu merancang sistem klasifikasi tingkat ancaman (threshold, severity level) berdasarkan kombinasi multi-parameter sensor untuk early warning.
CPMK-4 - Mampu mengevaluasi trade-off antara sensitivitas dan false alarm rate dalam sistem peringatan dini untuk konteks operasional nyata.
CPMK-5 - Mampu merancang prototipe sistem early warning terintegrasi — dari akuisisi sensor, deteksi anomali, hingga notifikasi — untuk konteks kebencanaan atau keselamatan 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