KBKF63307 INTELIGENSI BUATAN

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


ke-

Diharapkan


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


ke-

Diharapkan


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


ke-

Diharapkan


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


 Ceramah  ProblemBased Learning


Ketepatan dalam memahami tentang definisi dan konsep dasar tentang logika fuzzy

Pertemuan


ke-

Diharapkan


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)


2, 3, 4, 6, 7, 11, 12, 13, 14

Mahasiswa diminta membuat menyelesaikan suatu kasus sesuai dengan materi yang diberikan. RANCANGAN INTERAKSI DOSEN–MAHASISWA


Aktivitas Dosen Memberikan kasus yang harus diselesaikan dalam bentuk soal latihan. Membahas hasil jawaban mahasiswa.

Aktivitas Mahasiswa Menyelesaikan soal yang diberikan.


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


9, 15


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


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

KBKF63307 INTELIGENSI BUATAN

Recommend Documents