Berikut adalah silabus 20 sesi (masing-masing durasi ±1.5 jam) untuk topik:
“Deteksi dan Klasifikasi Objek Menggunakan Metode Convolutional Neural Network (CNN) Berbasis MATLAB”
Tujuan Umum:
Mahasiswa atau peserta pelatihan mampu memahami konsep CNN dan mengimplementasikan deteksi dan klasifikasi objek menggunakan MATLAB secara praktis.
Silabus 20 Sesi
Bagian I: Pengenalan dan Persiapan Lingkungan (Sesi 1–4)
Sesi 1: Pengenalan Deep Learning dan CNN
-
Konsep AI, Machine Learning, dan Deep Learning
-
Struktur dasar CNN (Convolution, Pooling, Flatten, FC)
-
Studi kasus penggunaan CNN
Sesi 2: Pengenalan MATLAB untuk Deep Learning
-
Toolboxes penting: Deep Learning Toolbox, Image Processing Toolbox
-
Instalasi dan setup lingkungan MATLAB
Sesi 3: Pengolahan dan Augmentasi Data
-
Teknik preprocessing citra
-
Normalisasi dan augmentasi data
-
Membuat image datastore
Sesi 4: Visualisasi dan Eksplorasi Dataset
-
Contoh dataset: CIFAR-10, MNIST, custom dataset
-
Menampilkan dan memahami distribusi kelas
Bagian II: Membangun dan Melatih CNN (Sesi 5–10)
Sesi 5: Membangun Arsitektur CNN Sederhana
-
Layer Convolution, ReLU, MaxPooling, Fully Connected
-
Penjelasan arsitektur LeNet
Sesi 6: Proses Training Model
-
Konfigurasi training: epoch, batch size, optimizer
-
Fungsi trainNetwork() di MATLAB
Sesi 7: Evaluasi dan Validasi Model
-
Membuat confusion matrix
-
Mengukur akurasi, precision, recall, dan F1-score



