1. RPS Big Data Ganjil 2018-2019 | SLIDE AWAL KULIAH-JSI

2. Pengantar Big Data

3. Pengantar Hadoop

4. Instalasi Hadoop

5. Hadoop Commands

6. Wordcount Hadoop | WordCount Java | WordCount Python

6. Ekossistem Hadoop

7. Analisis Data Tingkat Lanjut

8. Spark

9. Instalasi Spark | Spark+Jupyter

10. Hadoop Program Example

11. Final Project Big Data

1. 00-Kontrak Kuliah STKI | 01-Pengantar STKI

2. 03-Pemrosesan Teks | 03.2-Pemrosesan Bukan Teks

3. 04-Model Perolehan Informasi | The-Vector-Space-Models | Pembobotan Kata

4. 05-Model Vector Space | 05.2-Vektor Fitur Hasil Temu Kembali Citra

5. 06-Evaluasi

6. 07-Relevance Feedback

7. 08-CLIR

8. 09-MMIR

9. 11-GIR

1. Algorithm: An Introduction | RPS-CIF62240-Desain dan Analisis Algoritma

2. Pertemuan 2 Non-Recursive Algorithm Efficiency

3. Pertemuan 3 Asymptotic Notation

4. Pertemuan 4 Recursive Algorithm | Tugas Recursive Algorithm

5. Pertemuan 5 Brute Force

6. Pertemuan 6 Greedy Algorithm

7. Divide and Conquer

8. Decrease and Conquer | Decrease and Conquer, BFS, DFS

9. Dynamic Programming | Dynamic programming 2 | Dynamic Programming 3 | Latihan Dynamic Programming

10. Backtracking | 06-Constraint Satisfaction Problem_AI

1. RPS-TI-FILKOM-2019-DATA WAREHOUSE | SLIDE AWAL KULIAH-JSI

2. Introduction To Data Warehouse

3. Requirement And Planning DW | Information Package

4. LOGICAL DESIGN DW

5. Physical Design Data Warehouse | DATABASE ADMINISTRATION

6. ETL

7. OLAP

1. RPS Text Mining

2. Text-Pre-Processing-v2

3. Pembobotan Kata | Contoh Term Weighting

4. Information Retrieval | The-Vector-Space-Models v2

5. Information-Extraction-and-Named-Entity-Recognition

6. Peringkasan Text | Peringkasan dengan TF | Peringkasan dengan TF IDF

7. Contoh Source Code Preprocessing

8. Document Clustering | Contoh Perhitungan Clustering

9. Klasifikasi Dokumen | KNN-Classification

10. Klasifikasi Dokumen dengan Naive Bayes

1. RPS-COM60012-Matematika Komputasi v1.0

2. Pengantar Logika

3. Pengantar Logika 2 (Ekivalensi Logika)

4. Pengantar Logika 3 (Argumen dan Rule of Inference)

5. Predicate & Quantifier

6. Himpunan

7. Relasi dan Fungsi

8. Barisan dan Deret

9. Induksi Matematika

10. Kombinatorial

11. Probabilitas Diskrit | Soal Probabilitas

12. Teori Bilangan

13. Matriks dan Vektor

14. Rekursi dan Relasi Rekurens

0. Operating System Online Course

1. RPKPS-SI-FILKOM-2017 Sistem Operasi

2. Chapter 1 Introduction | Chapter 2 Operating-System Structures

3. Chapter 3 Processes

4. Chapter 4 Threads

5. Chapter 5 Process Synchronization | Chapter 6 CPU Scheduling

6. Chapter 7 Deadlocks

7. Chapter 8 Main Memory |  Chapter 9 Virtual Memory

8. Chapter 10 Mass-Storage Structure

9. Chapter 11 File-System Interface

10. Chapter 12 File-System Implementation

1. RPS Statistik SI

2. Pertemuan 01 – Statitika – Pendahuluan Statistika

3. Pertemuan 02 – Statistika – Data Statistik

4. Pertemuan 03 – Ukuran Pemusatan

5. Pertemuan 04 – Ukuran Penyebaran

6. Pertemuan 06 – Pengantar Probabilitas | Pertemuan 06 Variabel Acak Diskrit

7. Pertemuan 07-Variabel Kontinu | Pertemuan 07-Jenis Distribusi Kontinu

8. Pertemuan 08-Sampling dan Distribusi Sampling

9. Pertemuan-09-Penaksiran-Parameter

10. Pertemuan-10-Pengujian-Hipotesis

11. Pertemuan-11-Chi Kuadrat

12. Pertemuan-12-Analisis Regresi & Korelasi

13. Tabel Z | Tabel T | Tabel Chi 1 | Tabel Chi 2

1. RPKPS TextMining

2. Text Pre-Processing | Text Pre-Processing PDF

3. Document Indexing and Term Weighting

3.1. Stopwords

3.2. Contoh Source Code Preprocessing

4. Information Retrieval |  Vector-Space-Models

5. Information-Extraction-and-Named-Entity-Recognition

6. Rule Based NER | Naive-Bayes-Based-NER

7. Naive Bayes Classification Kelas B | Naive Bayes Classification Kelas A

8. KNN Classification

9. K Means Clustering kelas B | K Means Clustering kelas A

10.Twitter Sentiment Analysis Feature Extraction | Paper Referensi

11. Kamus Kata Positif, Negatif, Emoticon, Intensifier, dll | Kateglo

12. Paper Referensi 1 | Paper Referensi 2

13. Naive Bayes Issues

https://www.quora.com/What-is-the-best-way-to-use-continuous-variables-for-a-naive-bayes-classifier-Do-we-need-to-cluster-them-or-leave-for-self-learning-Pls-help

1. RPKPS-AI-Semester-Ganjil-2013-2014 RPKPS-AI-Semester-Ganjil-2015-2016

2. AI – Intro

3. Intelligent Agents

4. Problem Solving & Search

5. Informed Search

6. Informed Searching & Minimax

7. Constraint Satisfaction Problem

8. Logical Agent

9. FirstOrderLogic_Koblenz | FOL_UI

10. Logic Programming | 11.1-Logic Programming_AI

11. Inference in FOL | 11.2-Inferensi pada FOL_AI

11.2. Inference Task

12. Uncertainty | 12-Ketidakpastian (Uncertainty)_AI

13. Bayesian Network | 13-Bayesian Network_AI