RENCANA PEMBELAJARAN SEMESTER (RPS)
KBKF63307 INTELIGENSI BUATAN
Disusun oleh:
PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM)
UNIVERSITAS PUTRA INDONESIA “YPTK” PADANG
LEMBAR PENGESAHAN
Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb: Kode Mata Kuliah
:
KBKF63307
Nama Mata Kuliah
:
Inteligensi Buatan
Padang,
2017
Menyetujui Ka Prodi S1 Teknik Informatika
Rini Sovia, S.Kom, M.Kom
ii
DAFTAR ISI LEMBAR PENGESAHAN.................................................................................................................. ii DAFTAR ISI ........................................................................................................................................iii A. PROFIL MATA KULIAH........................................................................................................... 1 B. B.RENCANA PEMBELAJARAN SEMESTER (RPS) ............................................................. 2 C. RANCANGAN INTERAKSI DOSEN–MAHASISWA ............................................................. 7 D. RANCANGAN TUGAS ............................................................................................................ 9 E. PENILAIAN DENGAN RUBRIK ............................................................................................. 10 F. PENENTUAN NILAI AKHIR MATA KULIAH ..................................................................... 10
iii
A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH Nama Mata Kuliah
: Inteligensi Buatan
Kode Mata Kuliah
: KBKF63307
SKS
: 3
Jenis
: MK Wajib
Jam pelaksanaan
: Tatap muka di kelas Responsi
= 3 x 50 menit per minggu = 1 x 50 menit per minggu
Semester / Tingkat
: 6/3
Pre-requisite
: -
Co-requisite
: -
Bidang Kajian
: Artificial Intelligence, Fuzzy Logic, Expert System, Artificial Neural Network
DESKRIPSI SINGKAT MATA KULIAH Intelegensi Buatan adalah mesin yang mampu berpikir, mampu menimbang tindakan yang akan diambil dan mampu mengambil keputusan seperti yang dilakukan oleh manusia. Jadi, mata kuliah Intelegensi Buatan ini menjelaskan mengenai konsep dan definisi dari intelegensi buatan, menjelaskan ilmu yang berkaitan dengan intelegensi buatan. Pada mata kuliah ini akan dibahas konsep dari searching, sistem pakar, logika fuzzy, jaringan saraf tiruan dan algoritma genetika
DAFTAR PUSTAKA 1.
Sutojo. T, dkk, Kecerdasan Buatan, Penerbit Andi, Jakarta, 2012
2.
Budiharto. W, Suhartono. D, Artificial Intelligence Konsep dan Penerapannya, Andi, 2014
3.
Suyanto, Artificial Intelligence : Searching - Reasoning - Planing - Learning (Edisi Revisi Kedua), Informatika, 2014
4.
Desiani. A, Arhami. M, Konsep Kecerdasan Buatan, Andi.
1
B. RENCANA PEMBELAJARAN SEMESTER (RPS) Pertemuan
Kemampuan Akhir yang
ke-
Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/
Kriteria Penilaian
Bobot
Metode/
(Indikator)
Nilai
Strategi 1
Dapat menyebutkan definisi, Pembelajaran Ceramah SEKILAS TENTANG sejarah dan ilu ilmu yang KECERDASAN BUATAN berkatitan dengan kecerdasan Definisi kecerdasan buatan buatan Sejarah Kecerdasan buatan Dapat membedakan antara Ilmu – ilmu yang berkaitan kecerdasan alami dan kecerdasan dengan kecerdasan buatan buatan Kecerdasan alami vs Dapat mengetahui kasus apa saja kecerdasan buatan yang bisa diselesaikan dengan Soft Computing menggunakan soft computing
2
Dapat menyebut definisi dari GENERAL PROBLEM masalah dan kecerdasan buatan SOLVING Dapat menerangkan yang mana Definisi masalah dalam masalah, ruang keadaan dan aturan kecerdasan buatan Dapat menggunakan teknik Masalah, ruang keadaan searching untuk menyelesaikan dan aturan masalah Pengenalan teknik Searching (Blind Serach dan Heuristic Search)
3
Dapat memahami teknik BFS Dapat memahami teknik DFS Dapat menyelesaikan kasus dengan teknik BFS dan DFS
Ceramah ProblemBased Learning
BLIND SEARCH Ceramah Breadth First Search (BFS) Problem Depth First Search (DFS) Based Learning
2
Ketepatan dalam mendefinisikan kecerdasan buatan Ketepatan dalam membedakan kecerdasan alami dan kecerdasan buatan
Ketepatan dalam menentukan masalah yang ada di dalam kecerdasan buatan Ketepatan dalam memilih teknik yang akan digunakan untuk menyelesaikan masalah Ketepatan dalam melakukan pencarian dengan teknik BFS Ketepatan dalam melakukan pencarian dengan teknik DFS
Pertemuan
Kemampuan Akhir yang
ke-
Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/
Kriteria Penilaian
Bobot
Metode/
(Indikator)
Nilai
Strategi 4
5
Mahasiswa dapat memahami teknik Generate and Test Mahasiswa dapat memahami teknik Hill Climbing (Simple Hill Climbing dan Stepest Ascend Hill Climbing) Mahasiswa dapat memahami teknik Best First Search Mahasiswa dapat menyelesaikan kasus dengan teknik Generate and Test, Hill Climbing dan Best First Search Dapat memahami tentang definisi pengetahuan dalam kecerdasan buatan Dapat merepresentasikan pengetahuan dengan cara representasi logika, jaringan semantik, frame, script dan aturan produksi
Pembelajaran HEURISTIC SEARCH Ceramah Generate and Test Problem Hill Climbing (Simple Hill Based Climbing dan Stepest Learning Ascend Hill Climbing) Best First Search
KNOWLEDGE REPRESENTATION Definisi Pengetahuan Cara merepresentasikan pengetahuan - Representasi Logika - Jaringan Semantik - Frame - Script - Aturan Produksi
3
Ceramah
Ketepatan dalam melakukan pencarian dengan teknik Generate and Test Ketepatan dalam melakukan pencarian dengan teknik Hill Climbing Ketepatan dalam melakukan pencarian dengan teknik Best First Search Ketepatan dalam merepresentasikan pengetahuan dengan menggunakan salah satu cara representasi
Pertemuan
Kemampuan Akhir yang
ke-
Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/
Kriteria Penilaian
Bobot
Metode/
(Indikator)
Nilai
Strategi 6
7
8
Dapat memahami tentang definisi, ciri-ciri, konsep dasar sistem pakar Dapat mengetahui bagaimana cara membuat sistem pakar dengan teknik inferensi forward chaing dan backward chaining
Pembelajaran SISTEM PAKAR (1) Ceramah Definisi, manfaat, ciri-ciri, Problemkonsep dasar sistem pakar Based Teknik Inferensi sistem Learning pakar Forward Chaining Backward Chaining
Dapat mengetahui bagaimana cara SISTEM PAKAR (2) membuat sistem pakar dengan Teknik Inferensi sistem teknik inferensi certainty factor pakar dan teorema bayes Certainty Factor Teorema Bayes
Ceramah
Mampu menyelesaikan soal / studi QUIZ kasus yang berhubungan dengan Materi pra-UTS materi pra-UTS
Tes
UJIAN TENGAH SEMESTER
4
ProblemBased Learning
Ketepatan dalam memahami cara kerja metode forward chaining dan backward chaining. Ketepatan dalam menyelesaikan kasus sistem pakar dengan metode forward chaining dan backward chaining. Ketepatan dalam memahami cara kerja metode certainty factor dan teorema bayes Ketepatan dalam menyelesaikan kasus sistem pakar dengan metode certainty factor dan teorema bayes
Ketepatan dalam menyelesaikan soal quiz
7.5%
30 %
Pertemuan
Kemampuan Akhir yang
ke-
Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/
Kriteria Penilaian
Bobot
Metode/
(Indikator)
Nilai
Strategi 10
11
12
13
Dapat memahami tentang definisi LOGIKA FUZZY (1) Pembelajaran Ceramah dan konsep dasar logika fuzzy Definisi logika fuzzy Konsep dasar logika fuzzy Dapat mengetahui bagaimana cara LOGIKA FUZZY (2) menyelesaikan logika fuzzy Teknik Inferensi logika dengan metode Tsukamoto, fuzzy metode Mamdani dan metode - Metode Tsukamoto Sugeno - Metode Mamdani - Metode Sugeno Dapat memahami tentang jaringan JARINGAN SARAF saraf tiruan TIRUAN (1) Dapat mengetahui bagaimana cara Jaringan Saraf Tiruan mambuat jaringan saraf tiruan Model Neuron McCulloch dengan model neuron dan model and Pitts hebb Model Hebb
Ceramah
Dapat mengetahui bagaimana cara mambuat jaringan saraf tiruan dengan perceptron dan backpropagation
Ceramah
JARINGAN SARAF TIRUAN (2) Perceptron Backpropagation
5
Ketepatan dalam menyelesaikan kasus logika fuzzy dengan metode Tsukamoto, metode Mamdani dan metode Sugeno
Ketepatan dalam Menyelesaikan kasus JST dengan model neuron dan model hebb
Ketepatan dalam Menyelesaikan kasus JST dengan perceptron dan backpropagation
ProblemBased Learning
Ceramah ProblemBased Learning
ProblemBased Learning
Ketepatan dalam memahami tentang definisi dan konsep dasar tentang logika fuzzy
Pertemuan
Kemampuan Akhir yang
ke-
Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/
Kriteria Penilaian
Bobot
Metode/
(Indikator)
Nilai
Strategi 14
15
Dapat memahami tentang algoritma genetika dan mengetahui masalah apa saja yang bisa diselesaikan dengan algoritma genetika Dapat mengetahui tentang gen, individu, populasi dan mutasi
ALGORITMA GENETIKA Pembelajaran Ceramah Pengantar Algoritma ProblemGenetika Based Gen dan Individu Learning Populasi Mutasi
Mampu menyelesaikan soal / studi QUIZ kasus yang berhubungan dengan Materi pra-UAS materi pra-UAS UJIAN AKHIR SEMESTER
6
Tes
Ketepatan dalam memahami konsep dari algoritma genetika Ketepatan dalam membedakan gen, individu, populasi dan mutasi
Ketepatan dalam menyelesaikan soal quiz
7.5%
30 %
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA Kemampuan Akhir yang Diharapkan
Mahasiswa mampu memahami konsep materi yang diberikan.
Nama Kajian
1. Sekilas Tentang Kecerdasan Buatan 2. General Problem Solving 3. Blind Search 4. Heuristic Search 5. Knowledge Representation 6. Sistem Pakar (1) 7. Sistem Pakar (2) 8. Logika Fuzzy (1) 9. Logika Fuzzy (2) 10. Jaringan Saraf Tiruan (1) 11. Jaringan Saraf Tiruan (2) 12. Algoritma Genetika
Nama Strategi
Ceramah
Minggu Penggunaan Strategi (Metode)
1 – 7 dan 10 – 14
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen mengulas materi sebelumnya, menjelaskan tujuan, hasil pembelajaran, materi, dan kesimpulan, serta mendorong mahasiswa untuk aktif bertanya dan mengemukakan pendapat terkait materi yang disampaikan.
RANCANGAN INTERAKSI DOSEN–MAHASISWA Aktivitas Dosen
Aktivitas Mahasiswa
Mengulas materi yang telah diberikan pada pertemuan sebelumnya (untuk pertemuan 2 dst).
Mengungkapkan apa yang telah dipahami dari materi yang telah disampaikan pada pertemuan sebelumnya.
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan pembelajaran.
Menyiapkan diri menerima materi yang akan disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan.
Menjawab pertanyaan yang diberikan.
Menyimpulkan materi.
Menyimak kesimpulan. 7
Mahasiswa mampu menuangkan konsep materi yang dipelajari untuk menyelesaikan suatu kasus. 1. General Problem Solving 2. Blind Search 3. Heuristic Search 4. Sistem Pakar (1) 5. Sistem Pakar (2) 6. Logika Fuzzy (2) 7. Jaringan Saraf Tiruan (1) 8. Jaringan Saraf Tiruan (2) 9. Algoritma Genetika
Kemampuan Akhir yang Diharapkan
Nama Kajian
Nama Strategi
Problem Based Learning (PBL)
Minggu Penggunaan Strategi (Metode)
2, 3, 4, 6, 7, 11, 12, 13, 14
Mahasiswa diminta membuat menyelesaikan suatu kasus sesuai dengan materi yang diberikan. RANCANGAN INTERAKSI DOSEN–MAHASISWA
Deskripsi Singkat Strategi (Metode) pembelajaran
Aktivitas Dosen Memberikan kasus yang harus diselesaikan dalam bentuk soal latihan. Membahas hasil jawaban mahasiswa.
Aktivitas Mahasiswa Menyelesaikan soal yang diberikan.
Kemampuan Akhir yang Diharapkan
Mahasiswa mampu menyelesaikan soal/ studi kasus yang berhubungan dengan materi pra- UTS dan pra-UAS. 1. Quiz (Evaluasi) Pra-UTS a. General Problem Solving b. Blind Search c. Heuristic Search d. Representasi Pengetahuan e. Sistem Pakar 2. Quiz (Evaluasi) Pra-UAS a. Logika Fuzzy b. Jaringan Saraf Tiruan c. Algoritma Genetika
Mempresentasikan jawaban dari setiap soal.
Nama Kajian
Nama Strategi
Tes
Minggu Penggunaan Strategi (Metode)
9, 15
Deskripsi Singkat Strategi (Metode) pembelajaran
Mahasiswa diminta untuk menyelesaikan soal- soal quiz sebagai evaluasi terhadap pemahaman materi yang telah diberikan.
RANCANGAN INTERAKSI DOSEN–MAHASISWA Aktivitas Dosen
Aktivitas Mahasiswa
Memberikan soal quiz.
Menyelesaikan soal yang diberikan. 8
D. RANCANGAN TUGAS Kode mata Kuliah
KBKF63307
Nama Mata Kuliah
Inteligensi Buatan
Kemampuan Akhir yang Diharapkan
Mampu memahami semua konsep dalam kecerdasan buatan yang telah dipelajari untuk menyelesaikan kasus tugas akhir matakuliah secara komprehensif
Minggu / Pertemuan ke
14 – 16
Tugas ke
Tugas Akhir
1. Tujuan tugas: Memahami semua konsep dalam kecerdasan buatan yang telah dipelajari untuk menyelesaikan kasus tugas akhir matakuliah secara komprehensif 2. Uraian Tugas: a. Obyek garapan: Melakukan bedah jurnal yang berhubungan dengan kecerdasan buatan Jurnal yang akan dibedah adalah Jurnal Nasional dan Jurnal Internasional yang ber-ISSN Jurnal yang sudah dibedah, harus dibuatkan rangkumannya dalam bentuk makalah. b. Yang harus dikerjakan dan batasan-batasan: Topik sudah diberikan oleh dosen untuk masing-masing mahasiswa Cari dan download masing-masing 1 buah Jurnal Nasional dan Jurnal Internasional sesuai dengan topik masing-masing. Baca dan bedah jurnal tersebut, kemudian buat rangkuman tentang jurnal yang sudah dibedah tersebut dalam bentuk makalah. Jurnal dan Makalah dikumpulkan pada pertemuan terakhir perkuliahan c. Metode/cara pengerjaan, acuan yang digunakan: Tugas akhir adalah tugas perorangan. Topik tugas akhir berasal dari dosen, mahasiswa hanya mencari dan merangkum berdasarkan topik yang diterima d. Deskripsi luaran tugas yang dihasilkan/dikerjakan: Makalah 3. Kriteria penilaian: Penilaian Individu (100%) - Jurnal Nasional (15%) - Rangkuman Jurnal Nasional (25%) - Jurnal Internasional (25%) - Rangkuman Jurnal Internasional (35%)
E. PERSENTASE KOMPONEN PENILAIAN 1. Kuis : 10% 2. Tugas Akhir 3. UTS 4. UAS
: 20% : 30% : 40% 9
F. PENILAIAN DENGAN RUBRIK Jenjang Angka (Grade) (Skor)
Deskripsi perilaku (Indikator)
A
> 80
Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Ada
B
65 – 79
C
55 – 64
D
40 – 54
E
≤ 40
Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Tidak Ada, Rangkuman Jurnal Nasional Tidak Ada Jurnal Internasional Ada, Rangkuman Jurnal Internasional Tidak Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada Jurnal Internasional Tidak Ada, Rangkuman Jurnal Internasional Tidak Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada
G. PENENTUAN NILAI AKHIR MATA KULIAH Nilai Angka (NA)
Nilai Huruf (NH)
NA > 80
A
65 < NA ≤ 79
B
55 < NA ≤ 64
C
40 < NA ≤ 54
D
NA < 40
E
10