SILABUS MATA KULIAH Mata Kuliah Kode Mata Kuliah SKS Pengampu
: Jaringan Syaraf Tiruan : : 3 SKS : Julian Supardi, M.T
I. Deskripsi Mata Kuliah Mata muliah ini merupakan matakuliah pilihan.Bidang Kajian Jaringan Syaraf Tiruan meliputi Sejarah Jaringan Syaraf Tiruan, Aplikasi-Aplikasi pada Jaringan Syaraf Tiruan, Pendekatan Biologis untuk Jaringan Syaraf Tiruan, Model Neuron dan Arsitektur Jaringan, Perseptron, Metode Belajar Hebbian, Metode Belajar Widrow-Hoff, Backpropagation, Pembelajarana sosiatif, Jaringan kompetitif, Jaringan Grossberg, Stabilitas, Jaringan Hopfield. II. Standar Kompetensi Sasaran yang diinginkan pada proses pembelajaran Jaringan Syaraf Tiruan adalah mahasiswa memahami cara kerja Jaringan Syaraf Tiruan dan aplikasi-aplikasinya diberbagai bidang serta dapat menterjemahkan metode dan algoritma-algoritma pembelajaran pada Jaringan Syaraf Tiruan kedalam Bahasa Pemrograman Komputer. III. Kompetensi Dasar 1. Mahasisiwa memahami sejarah, aplikasi, dan pendekatan Biologis pada Jaringan Syaraf Tiruan. 2. Mahasiswa memahami Model Neuron dan Arisetiktur Jaringan Syaraf Tiruan. 3. Mahasiswa memahami metode-metode pembelajaran pada Jaringan Syaraf Tiruan. 4. Mahasiswa memahami cara mengimplementasikan masing-masing metode (Algoritma) pembelajaran pada Jaringan Syaraf Tiruan ke dalam Bahasa Pemrograman Komputer. 5. Mahasiswa memahami berbagai jaringan pada Jaringan Syaraf Tiruan. 6. Mahasiswa memahami cara mengimplementasikan masing-masing Jaringan pada Jaringan Syaraf Tiruan ke dalam Bahasa Pemrograman Komputer.
IV. Indikator 1. Mahasiswa dapat menjelaskan sejarah perkembangan Jaringan Syaraf Tiruan. 2. Mahasiswa dapat menjeleskan contoh-contoh aplikasi Jaringan Syaraf Tiruan. 3. Mahasiswa dapat menjelaskan pendekatan Biologis pada Jaringan Syaraf Tiruan. 4. Mahasiswa dapat menjelaskan model Neuron dan arisetiktur Jaringan pada Jaringan Syaraf Tiruan. 5. Mahasiswa dapat menjelaskan metode-metode (Algoritma) pembelajaran pada Jaringan Syaraf Tiruan. 6. Mahasiswa dapat membuat program Komputer untuk setiap metode (Algoritma) pembelajaran pada Jaringan Syaraf Tiruan. 7. Mahasiswa dapat menjelaskan jenis-jenis jaringan pada Jaringan Syaraf Tiruan 8. Mahasiswa dapat membuat program Komputer untuk masing-masing jaringan pada pada Jaringan Syaraf Tiruan.
V.
Tujuan Pembelajaran
Mata kuliah ini bertujuan agar mahasiswa dapat memahami konsep dan prinsif Jaringan Syaraf Tiruan dan dapat menerapkannya dalam menyelesaikan berbagai permasalahan yang relevan. VI. Materi Pokok 1. Pendahuluan: Sejarah Perkembangan Jaringan Syaraf Tiruan, Contoh-Contoh Aplikasi Jaringan Syaraf Tiruan, Pendekatan Biologis Untuk Jaringan Syaraf Tiruan. 2. Model Neuron dan Arsitektur Jaringan Syarat Tiruan 3. Metode(Algoritma) Pembelajaran Pada Jaringan Syaraf Tiruan 4. Model Jaringan Pada Jaringan Syaraf Tiruan (Jaringan kompetitif, jaringan Grossberg, Stabilitas,Jaringan Hopfield) VII. Rencana Perkuliahan, Materi Ajar, Sasaran Pembelajaran No.
1.
Pertem uan
1
2.
2 dan 3
3
4, 5
Materi Ajar
Pengantar Jaringan Syaraf Tiruan
Sasaran Pembelajaran Kontrak kuliah, Pendahuluan: Orientasi Mata Kuliah, penjelasan tujuan pembelajaran Jaringan Syaraf Tiruan, Kompetensi yang diinginkan, overview Topik-Topik yang akandiakan dibahas pada Mata Kuliah Jaringan Syaraf Tiruan
Pendahuluan :Sejarah Perkembangan Jaringan 1. Menjelaskan sejarah perkembangan Jaringan Syaraf Tiruan Syaraf Tiruan, Contoh2. Menjelaskan contoh-contoh aplikasi contoh aplikasi Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan, 3. Menjelaskan pendekatan Biologis untuk pendekatan Biologis Jaringan Syaraf Tiruan Untuk Jaringan Syaraf Tiruan. 1. Mengenal dan memahami model neuron, arsitektur, sertacaramenjalankanperhitungan model neuron. 2. Mengetahui prinsif kerja Jaringan Syaraf Tiruan Model Neuron dan 3. Mengenal dan memahami model jaringan Arsitektur Jaringan hamming serta Syaraf Tiruan dapatmelakukanperhitungannya 4. Mengenaldanmemahami model jaringan Hopfield sertadapatmelakukanperhitungannya.
4
6,7
5
8
6
7
9,10
11
Metode Pembelajaran Jaringan Syaraf Tiruan
1. Mengenal dan memahami metode pembelajaran perseptron 2. Memahami metode uji konvergensi pada perseptron 3. Mengenal dan memahami metode belajaran hebbian, yang meliputiasosiasi linier, aturan hebb dan aturan Pseudoinverse dalam proses pembelajaran. 4. Mengenal dan memahami metode belajar Widrow-Hoff, yang meliputi jaringan adaline, MSE, Algoritma LMS, dan adaptive filtering
UJIAN MID SEMESTER
Model Backpropagation
1. Mengenal dan memahami arsitektur Backpropagation 2. Mengenal dan memahami jaringan feed forward 3. Mengenal dan memahami Algoritma Backpropagation 4. Mengenal dan memahami kelemahan Backpropagation dan cara mengatasinya 5. Mengenal dan memahami teknik optimasi numeric pada backpropagaition 6. Menerapkan algoritma Backpropagation untuk sebuah permasalahan sederhana
Pembelajaran Asosiatif
1. Mengenal dan memahami jaringan asosiatif sederhana 2. Mengenal dan memahami aturan Hebb tanpa hopfield 3. Mengenal dan memahami aturan instar dan aturan kohonen
8
12
Jaringan Kompetitif
1. Mengenal dan memahami jaringan kompetitif, seperti jaringan hamming 2. Mengenal dan memahami lapisan kompetitif 3. Mengenal dan memahami pembelajaran kompetitif 4. Mengenal dan memahami masalah-masalah pada lapisan kompetitif
9
13
Jaringan Grossberg
1. Mengenal dan memahami sejarah kompetitif dari sudut pandang biologi
2. Mengenal dan memahami model dasar Jaringan Syaraf Tiruan yang nonlinier 3. Mengenal dan memahami jaringan kompetitif dua lapis 4. Mengenal dan memahami hubungan antara model kompetitif dengan hokum kohonen
10
14
11
15
12
16
Jaringan Recurrent danJaringan Hopfield
1. Mengenal dan memahami jaringan recurrent 2. Mengenal dan memahami jaringan Hopfield 3. Penggunaan fungsi Lyapunov dalam jaringan hopfield 4. Efek Gain dalam jaringan Hopfield 5. Mengenal dan memahami prinsif perancanganjaringan Hopfield untuk sebuah masalah tertentu
Statibilitas
1. Mengenal dan memahami stabilitas dalam Jaringan Syaraf Tiruan 2. Mengenal danmemahami teorema stabilitas lyapunov 3. Mengenal dan memahami teorema inviariansi LaSalle
UJIAN AKHIR SEMESTER
VIII. Model dan Metode Pembelajaran Model pembelajaran langsung, penekanan pada sisi kognitif, afektif, dan motorik. Metode Pembelajaran: 1. Ekspositori 2. Studikasus 3. Problem based learning 4. Inquiry 5. Simulasi
IX. Media Pembelajaran 1. LCD 2. OHP X.
Tugas TugasTerstruktur
: Individu, Kelompok
TugasMandiri
: Individu, Kelompok
XI. Evaluasi 1. TugasIndividu 2. TugasKelompok 3. Ujian Tengah Semester 4. UjianAkhir Semester 5. Presentasi XII. BukuSumber 1. Hagan, Martin, Howard Demuth and Mark Belle, T, Neural Network Design, PWS Publishing Company, Boston, 1996 2. Fu, LiMin, Neural Networks In Computer Intelligence, Mc.Graw-Hill International Editions, Singapore, 1994 3. Demuth, Howard and Mark Belle, Neural Network Toolbox : for use with MATLAB, (online available), Mathworks, 2002 4. Fausett, Laurence. Fundamentals of Neural Network: Architectures, Algorithms, and Applications. Prentice Hall. New Jersey.1994 5. Graupe,D. Principles of Artificial Neural Network. Toh Tuck Link: World Scientific Publishing Co, Pte, Ltd. 2007