Mata kuliah Teori Sensor dan Aktuator membahas prinsip dasar bagaimana suatu sistem elektronik dapat merasakan kondisi lingkungan, mengolah informasi, dan menghasilkan tindakan melalui aktuator. Mahasiswa akan mempelajari konsep sensor dan transduser, karakteristik sensor, sinyal keluaran sensor, pengondisian sinyal, akuisisi data, serta metode sederhana untuk meningkatkan kualitas data dari sensor low-cost.
Pada bagian aktuator, mahasiswa akan mempelajari prinsip kerja dan karakteristik berbagai aktuator seperti motor DC, servo motor, stepper motor, solenoid, relay, dan sistem driver, serta memahami bagaimana memilih aktuator yang sesuai untuk suatu aplikasi.
Pembelajaran dirancang secara terintegrasi dengan alur:
Besaran Fisik → Sensor → Sinyal → Akuisisi Data → Pengolahan Data → Controller → Driver → Aktuator → Feedback
Melalui studi kasus dan analisis sistem nyata, mahasiswa diharapkan tidak hanya mengenal berbagai jenis sensor dan aktuator, tetapi juga mampu memahami cara memilih, mengintegrasikan, mengevaluasi, dan melakukan troubleshooting pada sistem sensor–aktuator dalam aplikasi elektronika, otomasi, instrumentasi, robotika, dan sistem cerdas.
Setelah mengikuti mata kuliah ini, mahasiswa diharapkan mampu:
- Menjelaskan prinsip dasar sensor, transduser, dan aktuator.
- Memahami karakteristik dan keterbatasan sensor.
- Menginterpretasikan sinyal keluaran sensor dan proses akuisisi data.
- Menerapkan kalibrasi dan filtering sederhana untuk meningkatkan kualitas data sensor.
- Memahami prinsip kerja dan karakteristik berbagai jenis aktuator.
- Memilih sensor, aktuator, dan driver yang sesuai dengan kebutuhan sistem.
- Menganalisis integrasi sensor dan aktuator dalam sistem open-loop maupun closed-loop.
- Mengembangkan pola pikir analitis dan troubleshooting pada sistem elektronika berbasis sensor dan aktuator.
Mata kuliah ini menekankan pada pemahaman konsep, aplikasi praktis, studi kasus, dan kemampuan analisis, sehingga mahasiswa memiliki fondasi yang kuat untuk mempelajari dan mengembangkan sistem elektronika modern berbasis sensor dan aktuator.
Mata kuliah Teori Robotika Lanjut membahas prinsip dasar pengembangan autonomous mobile robot dengan menekankan keterkaitan antara sistem mekanik, sensor, aktuator, pengendali, navigasi, dan pengambilan keputusan. Pembelajaran dirancang secara bertahap mulai dari pemahaman sistem mobile robot, kinematika differential drive, sensor dan persepsi, konsep error dan feedback, pengendalian gerak menggunakan P–PD–PID, estimasi gerak dan odometry, navigasi menuju tujuan, obstacle avoidance, hingga pengambilan keputusan menggunakan rule-based control dan Finite State Machine.
Materi disampaikan dengan pendekatan konseptual dan aplikatif agar mahasiswa tidak hanya memahami teori, tetapi juga mampu melihat hubungan setiap konsep dengan sistem robot nyata. Contoh utama yang digunakan adalah wheeled mobile robot dengan konfigurasi differential drive, sedangkan intelligent line follower digunakan sebagai salah satu platform implementasi yang terhubung dengan mata kuliah Praktik Robotika Lanjut.
Pada akhir perkuliahan, mahasiswa diharapkan mampu memahami bagaimana proses sensing, estimation, control, navigation, decision making, dan actuation bekerja secara terintegrasi untuk membentuk sebuah sistem robot otonom.
Mata kuliah Statistika bertujuan memberikan pemahaman dan keterampilan praktis dalam pengumpulan, pengolahan, analisis, dan interpretasi data. Mahasiswa mempelajari konsep dasar statistika seperti ukuran pemusatan dan penyebaran, populasi dan sampel, serta probabilitas dasar. Materi mencakup distribusi data, estimasi parameter, uji hipotesis, analisis regresi linier, dan pengolahan data frekuensi. Pembelajaran menerapkan pendekatan Case-Based Learning melalui pengerjaan Proyek Akhir Individu (Individual Mini Project), di mana mahasiswa mengumpulkan data riil, melakukan analisis statistik deskriptif dan inferensial (uji hipotesis), serta mempresentasikan hasilnya untuk mendukung pengambilan keputusan berbasis data (data-driven decision making).
Mata kuliah Praktik Computer Vision memberikan pengalaman praktis kepada mahasiswa dalam mengimplementasikan teknik visi komputer menggunakan OpenCV dan Python. Mahasiswa akan belajar mengembangkan aplikasi untuk deteksi objek, pelacakan, dan klasifikasi citra, serta mengintegrasikan hasil pengolahan citra dengan sistem robotik atau Internet of Things (IoT). Mata kuliah ini bersifat praktis dan berbasis proyek, dengan fokus pada penerapan teori computer vision melalui pemrograman langsung dan pengujian pada perangkat keras nyata. Mahasiswa akan mengembangkan aplikasi seperti robot otonom atau sistem monitoring berbasis IoT. Penilaian dilakukan melalui laporan praktikum, tugas individu/kelompok, penilaian proyek, dan ujian praktik untuk mengukur keterampilan mahasiswa dalam membangun aplikasi computer vision yang efisien dan fungsional.
Mata kuliah Praktik Kecerdasan Buatan bertujuan untuk memberikan pengalaman langsung kepada mahasiswa dalam mengimplementasikan teknik machine learning menggunakan perangkat lunak seperti Python, scikit-learn, dan TensorFlow. Mahasiswa akan mempelajari cara mengolah data, melatih model, serta menilai performa model dengan teknik-teknik seperti supervised dan unsupervised learning, regresi, klasifikasi, clustering, dan logika fuzzy. Mata kuliah ini mencakup proyek berbasis data nyata untuk mendalami penerapan kecerdasan buatan dalam menyelesaikan masalah dunia nyata. Fokusnya adalah pada pengembangan keterampilan teknis dalam menerapkan algoritma machine learning dalam berbagai skenario. Pembelajaran dilakukan melalui praktikum proyek, pemrograman individu dan kelompok, serta simulasi berbasis kasus nyata. Penilaian dilakukan melalui tugas pemrograman, laporan proyek, evaluasi eksperimen, dan ujian praktik, dengan tujuan mengukur keterampilan mahasiswa dalam pengolahan data, penerapan algoritma, dan pemecahan masalah.
Mata kuliah Kecerdasan Buatan (Teori) bertujuan untuk memberikan pemahaman mendalam tentang konsep dan algoritma dasar dalam kecerdasan buatan. Mahasiswa akan mempelajari teori machine learning, termasuk supervised learning, unsupervised learning, regresi, klasifikasi, clustering, dan logika fuzzy. Mata kuliah ini juga membahas algoritma pembelajaran yang digunakan untuk memecahkan masalah di berbagai bidang, seperti teknik, ekonomi, dan sains. Fokus pembelajaran adalah pada pemahaman matematis dan algoritmis dari setiap teknik kecerdasan buatan. Mahasiswa akan belajar mendesain dan menganalisis algoritma, serta mengevaluasi keefektifannya. Pembelajaran dilakukan melalui kuliah teori interaktif, studi literatur, dan diskusi kelompok. Penilaian meliputi tugas individu, kuis, ujian tengah dan akhir semester, serta partisipasi dalam diskusi, yang bertujuan mengukur pemahaman dan kemampuan analisis mahasiswa terhadap konsep-konsep dan algoritma kecerdasan buatan.
Mata kuliah Statistika bertujuan memberikan pemahaman dan keterampilan praktis dalam pengumpulan, pengolahan, analisis, dan interpretasi data. Mahasiswa mempelajari konsep dasar statistika seperti ukuran pemusatan dan penyebaran, populasi dan sampel, serta probabilitas dasar. Materi mencakup distribusi data, estimasi parameter, uji hipotesis, analisis regresi linier, dan pengolahan data frekuensi. Pembelajaran menerapkan pendekatan Case-Based Learning melalui pengerjaan Proyek Akhir Individu (Individual Mini Project), di mana mahasiswa mengumpulkan data riil, melakukan analisis statistik deskriptif dan inferensial (uji hipotesis), serta mempresentasikan hasilnya untuk mendukung pengambilan keputusan berbasis data (data-driven decision making).
The English for Specific Purposes (ESP) course aims to enhance students' proficiency in using English within the fields of electronics, artificial intelligence (AI), Internet of Things (IoT), and robotics. Students learn to utilize technical vocabulary, comprehend technical documents such as manuals and datasheets, and construct precise technical sentences for both academic and industrial contexts. Additionally, students are trained to deliver effective oral and written presentations in English technical forums. The course employs task-based and project-based learning approaches through reading exercises, presentation simulations, technical report writing, and group discussions. Assessment is conducted through technical reading and writing tasks, vocabulary quizzes, oral presentations, written reports, as well as midterm and final examinations. Evaluation aims to measure students' ability to comprehend and convey technical information effectively within their area of expertise.
Mata kuliah Bahasa Inggris Teknik bertujuan untuk mengembangkan keterampilan bahasa Inggris mahasiswa di bidang teknik, khususnya elektronika dan IoT. Mahasiswa diharapkan dapat memahami dan memproduksi teks teknis seperti manual, laporan praktikum, dan artikel ilmiah, serta menguasai kosakata teknis dan penggunaan grammar yang tepat. Pembelajaran fokus pada keterampilan membaca dan menulis dokumen teknis dalam konteks akademik dan profesional. Pendekatan berbasis tugas (task-based learning) digunakan, melibatkan latihan membaca teks teknis, menulis laporan, serta latihan grammar dan kosakata teknis. Pembelajaran dilakukan secara interaktif dengan metode individu, kelompok, dan media daring. Penilaian mencakup tugas individu, kuis grammar dan vocabulary, laporan praktikum, serta ujian tengah dan akhir semester, untuk mengukur keterampilan bahasa fungsional dalam komunikasi teknis.
Mata kuliah Praktik Pemrograman Komputer bertujuan mengembangkan keterampilan mahasiswa dalam pemrograman tingkat lanjut menggunakan bahasa Python atau C, yang relevan dalam teknik dan sistem tertanam. Mahasiswa mempelajari konsep lanjutan seperti fungsi, array, manipulasi file, komunikasi serial, struktur data (list, dictionary), serta pembuatan antarmuka pengguna grafis (GUI). Mata kuliah ini bersifat praktis dan aplikatif, fokus pada pembuatan program yang efisien dan terintegrasi dengan sistem lain. Pembelajaran menggunakan pendekatan berbasis praktik, melibatkan teori singkat, latihan mandiri, studi kasus, dan proyek mini. Penilaian meliputi tugas pemrograman individu, kuis praktikum, penilaian dokumentasi dan kode, partisipasi aktif, serta ujian praktik proyek akhir. Penilaian bertujuan mengukur penguasaan teknis, kemampuan pemecahan masalah, dan kreativitas mahasiswa.
Mata kuliah Praktik Internet of Things (IoT) dirancang untuk membekali mahasiswa dengan kemampuan implementatif dalam merancang, membangun, dan mengintegrasikan sistem IoT berbasis mikrokontroler yang terhubung ke jaringan internet/cloud. Perkuliahan berfokus pada penerapan konsep IoT secara nyata melalui pendekatan problem-based learning (PBL) dan project-based learning (PjBL), Dalam praktik ini, mahasiswa mempelajari penggunaan berbagai platform mikrokontroler (misalnya ESP8266/ESP32/Arduino), integrasi sensor (suhu, kelembapan, gas, cahaya, jarak, dsb.), serta aktuator (relay, motor, buzzer, valve, dsb.) dalam sistem monitoring dan kontrol jarak jauh. Mahasiswa juga mengimplementasikan protokol komunikasi IoT seperti HTTP dan MQTT, melakukan konfigurasi konektivitas WiFi, serta mengirim dan memvisualisasikan data pada platform cloud atau dashboard berbasis web (misalnya Node-RED atau platform IoT lainnya).
Melalui tugas proyek kelompok, mahasiswa ditantang untuk mengembangkan prototipe sistem IoT aplikatif, seperti smart home, smart agriculture, smart environment monitoring, atau early warning system sederhana. Pada akhir perkuliahan, mahasiswa mampu menghasilkan sistem IoT fungsional yang terdokumentasi dengan baik, mulai dari perancangan, implementasi, pengujian, hingga presentasi hasil proyek.