0) Dosen : BSSU Semester : III

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan

2-RP

Kode/SKS: SS141435 / (2/1/0) Dosen : BSSU Semester : III RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014 No.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMBELAJARAN : CP 3.3 : Mampu menyelesaikan masalah di bidang Stat komputasi dan Membuat program untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada CP.15.1 : Mampu Berkomunikasi secara lisan dan tertulis dalam bhs Indonesia dan Bhs inggris CP15.2 : Mampu mengelola dan bekerja dalam tim CP15.4 : Bertanggung jawab atas hasil kerja mandiri dan kelompok B. Untuk mencapai CP di atas diperlukan POKOK BAHASAN sebagai berrikut : Konsep Jaringan Syaraf Tiruan (JST), Pemrograman MATLAB, Arsitektur JST, Perceptron, Proses Pembelajaran, Multilayer Perceptron, FFNN, RBFNN, SOM, JST untuk Pemodelan Statistik. C.

Mata Kuliah Prasyarat : An. Regresi, Ranc.Perc., An. Multivariate, ADW

D. Deskripsi CP secara umum KKNI Level 6 Kemampuan Penguasaan pengetahuan Kemampuan kerja

Kemampuan manjerial

Sikap dan tata nilai

Deskripsi 6.1 Menjelaskan penggunaan konsep Jaringan syaraf Tiruan 6.2. Mampu menjelaskan prosedur Jaringan syaraf Tiruan 6.3. Mampu mengaplikasikan Jaringan syaraf Tiruan untuk pemodelan statistik 6.4 Mampu memanfaatkan IPTEKS untuk pemodelan statistic dengan pendekatan Jaringan syaraf Tiruan 6.5 Mampu beradaptasi terhadap situasi yang dihadapi 6.6 Mampu mengambil keputusan yang tepat berdasarkan pemodelan statistic dengan pendekatan Jaringan syaraf Tiruan dan mampu mengkomunikasikan hasil analisis baik secara lisan maupun tertulis. 6.7 Mampu memberikan petunjuk dalam memilih teknik Jaringan syaraf Tiruan secara mandiri dan kelompok; 6.8 Bertanggung jawab pada pekerjaan sendiri dan dapat diberi tanggung jawab atas pencapaian hasil kerja organisasi 6.9 Memiliki EtikaProfesi, kerjasama , menghargai orang lain, patuh aturan, cerdas amanahk reatif

Proses pembelajaran di Jurusan Statistika ITS meliputi Perkuliahan, Kerja Praktek dan Tugas Akhir. Ada 13 Dokumen dalam proses perkuliahan, yi : 5 pedoman ( CP, RP, RE, UT &R), 3 buah SOP ( PBS,PCS & PK ) dan 5 Formulir Rekaman ( FT, DN,PA & RN) The learning process in the Department of Statistics ITS include Lecture, Practical Work and Final Project. There are 13 documents in the lecture, ie: 5 guidelines (CP, RP, RE, UT & R), 3 pieces of SOP (PBS, PCS & PK) and 5 Records Form (FT, DN, PA,BAK& RN)

1-CP 1-Capaian Pembelajaran Learning Outcome

2-RP 2-Rencana Pembelajaran Learning Plan

√

3-RE 3-Rencana Evaluasi Evaluation Plan

4-UT 4A-R 4.Uraian Tugas Assignment Description 4A.Rubrik/Rubric

5-PBS 5-Prosedur Membuat Soal Script Test prosedur

6-FT 6A-DN 6.Format Tes/Script Tests Form 6A. Daftar nilai/ List of Grade

7-PCS 8-PA 7-Prosedur Cek soal /Checking Porosedur 8-pemeriksaan asesmen/ Assessment Checking

9-PK, 10-RN 9A-BAK 9.prosedur komplen/Complaint SOP 9A.Berita acara Komlen/Recording of SCC 10. Formulir ralat/Correction Form/ SCC =Score Course omplaint

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan Kode/SKS: SS141435 / (2/1/0) Kurikulum 2014, Edisi : September-2014

RP-S1-SK-12

Dosen : BSSU No.Revisi : 00

Capaian Pembelajaran Pert- ke

No

(1) 1

6.1 6.2 6.9

1 .Memahami konsep JST untuk pemodelan Statistik CP 3.3, CP15.1

2-3

6.2 6.4 6.8 6.9

4-5

6.2 6.4 6.6 6.7-6.9

2.mampu menguasai dasardasar pemrograman CP 3.3, CP15.1 3. Mampu Membangun arsitektur JST Sederhana (Perceptron) CP 3.3, CP15.1

Semester : III Hal: 2 dari 6

INDIKATOR KEBERHASILAN

POKOK BAHASAN

Sumberbel ajar

Metode Pembelajaran

METODE EVALUASI

kumulataif

(3)

(4)

(5)

(6)

(7)

(9)

Deskripsi (2)

2-RP

BOBOT1/

1.1 Dapat menjelaskan dan memahami struktur pemodelan JST 1.2 Dapat mengidentifikasi permasalahan yang cocok untuk diselesaikan dengan JST 1.3 Dapat membangun arsitektur JST 2.1 Dapat mengoperasikan/ menjalankan program (MATLAB) untuk pemrograman JST 2.2 Dapat membuat algoritma pemrograman

Dasar-dasar JST

[1] [2] [3]

Ceramah interaktif Diskusi (CID)

Observasi Aktifitas di kelas (TOA)

5%/5%

Dasar-dasar Pemrograman MATLAB

[4]

CID, Latihan Soal (L)

15%/20%

3.1 Dapat mengidentifikasi permasalahan dan menyajikannya dalam bentuk arsitektur JST 3.2 Dapat menentukan proses pembelajarn dan dari arsitektur yang dibuat dengan berbagai fungsi aktivasialgoritma

Perceptron, Hebb Rule,

[1] [2] [3] [4]

CIDL

Tes Tugas1 (ObservasiA ktifitas di kelas Tes &Observasi Aktifitas di kelas(TOA)




√







10%/30%


RP-S1-SK-12



No

(1) 6-9

10-14

6.2 6.4 6.6 6.7-6.9

4. Mampu Membangun arsitektur JST dengan proses pembelajaran adaptif CP 3.3, CP15.1 CP15.2

6.2 6.3 6.4 6.6 6.7-6.9

5. Mampu membangun arsitektur Multilayer Perceptron (FFNN) CP 3.3, CP15.1, Cp15.4,



POKOK BAHASAN

Sumberbel ajar

Metode Pembelajaran

METODE EVALUASI

kumulataif

(3)

(4)

(5)

(6)

(7)

(9)

Deskripsi (2)

2-RP

4.1. Dapat mengidentifikasi permasalahan dan menyajikannya dalam bentuk arsitektur JST 4.2 Dapat melakukan proses pembelajaran dari jaringan adaptif dan madaline 4.3 Dapat melakukan proses pembelajaran dan membuat algoritma untuk jaringan Pattern Association 5.1. Dapat memilih filter adaptive dan metode estimasi bobot 5.2. Dapat menentukan bobot dengan proses Backpropagation Beserta criteria kebaikan model 5.3.Dapat menyusun algoritma untuk jaringan multilayer perceptron (FFNN)

Adaline, Madaline, Pattern Association

[1] [2] [3] [4]

 Adaptif dan [1] filter linear [2] [3]  FFNN

CIDL Praktikum (P)

TOA

CIDLP

TOA Tugas-3

BOBOT1/

15%/45%

15%/60%

[4]




√








RP-S1-SK-12



No

(1)

19-23

POKOK BAHASAN

Sumberbel ajar

Metode Pembelajaran

METODE EVALUASI

kumulataif

(3)

(4)

(5)

(6)

(7)

(9)

BOBOT1/

Evaluasi Bersama

15-16

17-18


INDIKATOR KEBERHASILAN Deskripsi (2)

2-RP

6.2 6.3 6.4 6.6 6.7-6.9

6. Mampu membangun arsitektur Multilayer Perceptron (RBFNN) CP 3.3, CP15.1, Cp15.4,

6.1. Dapat menentukan jumlah node dan bobot input untuk RBFNN Beserta criteria kebaikan model 6.2.Dapat menyusun algoritma untuk jaringan multilayer perceptron (RBFNN)

6.2 6.3 6.4 6.6 6.7 6.8 6.9

6. Mampu Membangun JST untuk pemetaan/ klasifikasi CP 3.3, CP15.1, Cp15.4, CP15.5

 RBFNN

7.1. Dapat membuat arsitektur NN untuk  Commette pemetaan/ klasifikasi Machines 7.2. Dapat memilih metode untuk  Self Organiklasifikasi derdasarkan metode JST zing Map 7.3. Dapat membuat rancangan (SOM) pemetaan terorganisasi  Learning

[1] [2] [3] [4]

CIDLP

TOA Tugas-3

15%/60%

[1] [2] [3] [4]

CIDLP

TOA

15%/75%




√








RP-S1-SK-12



No

(1)

POKOK BAHASAN

Sumberbel ajar

Metode Pembelajaran

METODE EVALUASI

kumulataif

(3)

(4)

(5)

(6)

(7)

(9)

7.4. Dapat membuat pembelajaran untuk pemetaan

24-27

28-30

6.2 6.3 6.4 6.6 6.7 6.8 6.9 6.2 6.3 6.4 6.6 6.7 6.8 6.9

7. Mampu merancang model statistik dengan pendekatan JST untuk prediksi . CP 3.3, CP15.1, Cp15.4, CP15.5 8. Mampu merancang model statistik dengan pendekatan JST untuk Klasifikasi.


INDIKATOR KEBERHASILAN Deskripsi (2)

2-RP

algoritma jaringan

BOBOT1/

Vector Quantification (LVQ)

7.1 Dapat merancang JST untuk pemodelan statistic untuk keperluan prediksi 7.2. Dapat memilih arsitektur JST terbaik dari rancangan yang dibuat untuk pemodelan statistic

Studi kasus FFNN RBFNN

[1] [2] [3] [4]

CIDLP

TOA

15%/90%

8.1 Dapat merancang JST untuk pemodelan statistic untuk keperluan Klasifikasi 8.2. Dapat memilih arsitektur JST terbaik dari rancangan yang dibuat untuk pemodelan statistic

Studi kasus

[1] [2] [3] [4]

CIDLP

TOA

10%/100%

FFNN RBF SOM LVQ

CP 3.3, CP15.1,




√








RP-S1-SK-12



No

(1)



POKOK BAHASAN

Sumberbel ajar

Metode Pembelajaran

METODE EVALUASI

kumulataif

(3)

(4)

(5)

(6)

(7)

(9)

Deskripsi (2)

2-RP

BOBOT1/

Cp15.4, CP15.5

31-32

Evaluasi Akhir Semester

Pustaka : 1. Haykin, S. 1999, Neural Networks, 2nd ., ed., Prentice Hall 2. Fausett, L., 1994, Fundamental of Neural Networks, Prentice Hall 3. Limin Fu, 1994, Neural Network in Computer Intelligence, McGraw Hill 4. Sivanandam, S.N., Sumathi, S., and Deepa, S. N., 2006, Introduction to Neural Networks using MATLAB 6, McGraw-Hill




√







0) Dosen : BSSU Semester : III

Recommend Documents