Mata Kuliah ET2208 - 2024

Kode Mata KuliahET2208 / 1 SKS
Penyelenggara181 - Teknik Telekomunikasi / STEI
KategoriKuliah
Bahasa IndonesiaEnglish
Nama Mata KuliahPraktikum Telekomunikasi IITelecommunication Laboratory Works II
Bahan Kajian
  1. Pembelajaran mesin
  2. Sistem digital
  3. Rangkaian listrik
  4. Komponen elektronika
  5. Simulasi dan pemodelan
  6. Komunikasi tertulis
  7. Komunikasi lisan
  1. Machine learning
  2. Digital System
  3. Electric circuit
  4. Electronic components
  5. Simulation and modeling
  6. Written communication
  7. Verbal communication
Capaian Pembelajaran Mata Kuliah (CPMK)
  1. Kemampuan untuk memahami hubungan ilmiah dan matematis (prinsip atau hukum) dan masukan yang diperlukan pada praktikum melalui tes tulis dan analisa di laporan praktikum
  2. Kemampuan menggunakan alat yang tepat untuk menganalisis data dan memverifikasi data eksperimen pada jaringan komputer
  3. Kemampuan memvalidasi hasil eksperimen dan menggunakan penilaian teknik untuk menarik kesimpulan pada saat praktikum dan membuat laporan
  4. Kemampuan menerapkan penggunaan piranti teknik modern dan mengintegrasikan dalam proyek rekayasa
  5. Kemampuan mempresentasikan ide secara efektif melalui penulisan teknik dalam laporan dan tugas pendahuluan
  6. Kemampuan mempersiapkan dan mempresentasikan teknis presentasi secara lisan melalui berbagai media pada saat tes lisan
  7. Kemampuan merencanakan serta menyelesaikan tugas dalam batasan yang ada saat praktikum
  8. Kemampuan mengevaluasi tugas dalam batasan yang ada melalui logbok praktikum
  9. Kemampuan mengidentifikasi kekuatan dan kelemahan lingkungan untuk menetapkan tujuan yang terukur, relevan dan tepat waktu di saat praktikum
  10. Kemampuan mengenali tanggung jawab etis dan profesional dalam situasi rekayasa dalam tugas pendahuluan dan laporan praktikum
  1. Ability to understand scientific and mathematical relationships (principles or laws) and input required in practicum through written tests and analysis in practicum reports
  2. Ability to use appropriate tools to analyze data and verify experimental data on computer networks
  3. Ability to validate experimental results and use engineering judgment to draw conclusions during practicum and create reports
  4. Ability to apply the use of modern engineering tools and integrate them into engineering projects
  5. Ability to present ideas effectively through technical writing in reports and preliminary assignments
  6. Ability to prepare and present technical presentations orally through various media during oral tests
  7. Ability to plan and complete tasks within existing constraints during lab experiments
  8. Ability to evaluate assignments within existing constraints through practical logbooks
  9. Ability to identify environmental strengths and weaknesses to set measurable, relevant and timely goals during lab experiments
  10. Ability to recognize ethical and professional responsibilities in engineering situations in preliminary assignments and lab reports
Metode PembelajaranCeramah Diskusi kelompok Pembelajaran berbasis Masalah/Studi KasusLecture Group discussion Problem/Case Study based learning
Modalitas PembelajaranLuring SinkronSynchronous Offline
Jenis NilaiABCDE
Metode PenilaianTugas Pendahuluan, Logbook, Aktivitas praktikum, Laporan, UASPreliminary Assignments, Logbook, Practical Activities, Reports, Final Exam
Catatan TambahanSilabus singkat : Dalam kuliah ini, mahasiswa akan mendapatkan pengalaman praktik tentang: A. Sistem Digital: A1. Dasar-dasar sistem digital A2. Desain Logika Sekuensial A3. Desain register transfer level A4. Optimasi dan Kompromi B. Pembelajaran Mesin: B1. Pengantar Lingkungan dan Pembelajaran Terawasi B2. Pembelajaran Tak Terawasi dan Praproses Data B3. Pembelajaran Penguatan dan Pembelajaran MendalamCourse description : In this course, students will experience practict on : A. Digital system : A1. Basics of digital systems A2. Sequential Logic Design A3. Design of the level transfer register A4. Optimization and Tradeoffs B. Machine learning : B1. Introduction to Environment and Supervised Learning B2. Unsupervised Learning and Data Preprocessing B3. Reinforcement Learning and Deep Learning