KODE BOBOK (sks) SEMESTER Tgl Penyusunan
PSI 7634 2 SKS VII (Tujuh) 05 Oktober 2020
PP1 PP2 PP10 KK1 KK5 KK7 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14 M15 M16 Diskripsi Singkat MK 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1) 2) 3) 4) 1) Media Pembelajaran
Perangkat Lunak : Perangkat Keras :
Java, Python Laptop & Proyektor LCD
Mata kuliah ini mencakup ilmu-ilmu yang berkaitan dengan pengertian dan ruang lingkup sistem pakar, karakteristik sistem pakar, arsitektur sistem pakar, representasi pengetahuan, metode inferensi pada sistem pakar, manajemen ketidakpastian pada sistem pakar, sistem fuzzy, inferensi fuzzy dan defuzzifikasi
Pendahuluan dan Pengaturan Perkuliahan
Metode Inferensi pada Rule Based System : Forward Reasoning
Ujian Akhir Semester (UAS)
Representasi Pengetahuan : Predikat Kalkulus Representasi Pengetahuan : Frame
Metode Inferensi pada Rule Based System : Backward Reasoning Materi
Pembelajaran / Pokok Bahasan Capaian
Pembelajaran (CP)
Pengantar Sistem Pakar
Arsitektur Sistem Pakar dan Heuristic Search Representasi Pengetahuan : Logika Proposisi Representasi Pengetahuan : Semantic Web Ujian Tengah Semster (UTS)
Mahasiswa dapat menganalisis permasalahan yang membutuhkan sistem pakar dan dapat diterapkan pada sistem pakar sederhana
Mahasiswa dapat menyelesaikan ujian akhir semester dengan baik dan benar
Manajemen Ketidakpastian (Uncertainty) pada Sistem Pakar Sistem Fuzzy
Inferensi dan Defuzzifikasi Fuzzy Studi Kasus I : Review Jurnal
Studi Kasus II : Analisis Permasalahan yang dapat diterapkan pada Sistem Pakar
Mahasiswa dapat mengetahui, memahami, dan membuat representasi pengetahuan dalam logika predikat
Mahasiswa dapat menjelaskan hasil dari review jurnal yang sudah di analisis
Pustaka
Pendukung : Utama :
McLeod, R, 1995, Management Information System, Prentice Hall Inc Aziz M F, 1994, Sistem Pakar, Pt Elexmedia, komputindo, Gramedia, Jakarta
Martin J dan Oxman S, 1988, Building Expert Systems a tutorial, Prentice hall, Englewood Cliffs, New Jersey Li-Xin Wang, 1997, a Course in Fuzzy Systems and control, Prentice Hall, Inc
UIN RADEN FATAH PALEMBANG
FAKULTAS SAINS DAN TEKNOLOGI
PROGRAM STUDI SISTEM INFORMASI
Mampu menerapkan integritas profesional dan nilai-nilai etika Profesi
Koordinator Program Studi
Reza Ade Putra, M.Cs M. Haviz Irfani, M.TI Dr. Fenny Purwani, M. Kom Dosen Pengembang RPS Koordinator RMK
CPL-PRODI
Menguasai prinsip pemodelan matematika, program linear serta metode numerik dalam pemecahan masalah yang Menguasai konsep ilmu probabilitas dan statistik untuk mendukung dan menganalisis sistem komputasi
Mampu memilih pendekatan sistem cerdas dalam bidang aplikasi grid computing, game dan grafis lainnya
RENCANA PEMBELAJARAN SEMESTER
MATAKULIAH Rumpun MK
Mata Kuliah Pilihan
Membangun dan mengevaluasi perangkat lunak dalam berbagai area, termasuk yang berkaitan dengan interaksi Sistem Pakar
OTORISASI
NIP. 198701022018011001 NIDN. 0209087903 NIP. 196711071998032001
Mahasiswa dapat mengetahui dan memahami beberapa metode inferensi serta defuzzifikasi fuzzy Mampu membangun sistem cerdas menggunakan Bahasa pemrograman/tools yang sesuai Mahasiswa dapat memahami dan mengikuti arah perkuliahan dengan baik dan benar Mahasiswa dapat memahami pengertian dan konsep dasar sistem pakar
Mahasiswa dapat mengetahui dan memahami arsitektur sistem pakar dan Heuristic Search CP-MK
Mahasiswa dapat mengetahui, memahami, dan membuat representasi pengetahuan dalam Semantic Web Mahasiswa dapat menyelesaikan ujian tengan semester dengan baik dan benar
Mahasiswa dapat mengetahui dan memahami metode inferensi Forward Reasoning
Mahasiswa dapat mengetahui dan memahami manajemen ketidakpastian (uncertainty) pada sistem pakar Mahasiswa dapat mengetahui dan memahami konsep sistem fuzzy yang dikombinasikan dengan sistem pakar Mahasiswa dapat mengetahui, memahami, dan membuat representasi pengetahuan dalam logika proposisi
Mahasiswa dapat mengetahui, memahami, dan membuat representasi pengetahuan dalam Frame
Team Teaching Mata Kuliah Syarat
Catatan :
(1) S : Capaian Pembelajaran Aspek Sikap
(2) PP : Capaian Pembelajaran Aspek Penguasaan Pengetahuan Berdasarkan Profil Lulusan (3) KU1-KU9 : Kemampuan Umum Level 6 (lulusan program sarjana) KKNI
(4) M1-M16 : Minggu (Pertemuan) Ke-1 sampai Ke-16
(5) KK : Capaian Pembelajaran Aspek Keterampilan Khusus Reza Ade Putra, S.Pd, M.Cs
Minggu ke
Sub-CP-MK (sebagai kemampuan akhir yang diharapkan)
Indikator Kriteria & Bentuk Penilaian Metode Pembelajaran (Estimasi Waktu)
Materi Pembelajaran (Pustaka) Bobot Penilaian
(%)
(1) (2) (3) (4) (5) (6) (7)
- Ketepatan memahami
perkuliahan dengan baik dan
benar
Kriteria : Pemahaman
perkuliahan
- Ketepatan mengikuti
perkuliahan dengan baik dan
benar
Bentuk non-test :
-
Kriteria :
Kuliah dan Diskusi
Ketepatan dan Penguasaan
- [TM : 3 x 50 "]
Bentuk non-test :
Tugas 1 :
- Menyusun ringkasan
pengertian dan ruang lingkup
sistem pakar
- [ BT + BM : (1+1) x 3x 60"
- Ketepatan menjelaskan arsitektur
sistem pakar
Kriteria :
Ketepatan dan Penguasaan
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan, Sistematika dan
Penguasaan
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan, Sistematika dan
Penguasaan
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan dan Desain
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan dan Desain
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
8
7
Mahasiswa dapat mengetahui,
memahami, dan membuat representasi
pengetahuan dalam Frame
- Ketepatan memahami dan
merancang representasi
pengetahuan dalam frame
Representasi Pengetahuan : Frame
5
5
Mahasiswa dapat mengetahui,
memahami, dan membuat representasi
pengetahuan dalam logika predikat
- Ketepatan memahami dan
merancang representasi
pengetahuan dalam logika
predikat
Representasi Pengetahuan : Predikat
Kalkulus
5
Evaluasi Tengah Semester : Melakukan validasi hasil penilaian, evaluasi dan perbaikan proses pembelajaran berikutnya
6
Mahasiswa dapat mengetahui,
memahami, dan membuat representasi
pengetahuan dalam Semantic Web
Representasi Pengetahuan :
Semantic Web
5
- Ketepatan memahami dan
merancang representasi
pengetahuan dalam semantic web
3
Mahasiswa dapat mengetahui dan
memahami arsitektur sistem pakar dan
Heuristic Search
Arsitektur Sistem Pakar dan
Heuristic Search
5
Mahasiswa dapat mengetahui,
memahami, dan membuat representasi
pengetahuan dalam logika proposisi
4
Representasi Pengetahuan : Logika
Proposisi
5
- Ketepatan memahami dan
merancang representasi
pengetahuan dalam logika
proposisi
Pengantar Sistem Pakar
5
Bentuk non-test :
-
2
Mahasiswa dapat memahami
pengertian dan konsep dasar sistem
pakar
- Ketepatan menjelaskan
pengertian dan konsep dasar
sistem pakar
1
Mahasiswa dapat memahami dan
mengikuti arah perkuliahan dengan
baik dan benar
5
Pendahuluan dan Pengaturan
Perkuliahan
Kriteria :
ketepatan dan penguasaan
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
ketepatan dan penguasaan
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Tugas 10 :
- Membuat fungsi inference
Engine sistem pakar
- [ BT + BM : (1+1) x 3x 60"
- Ketepatan memahami
manajemen ketidakpastian
(uncertainty)
Kriteria :
Ketepatan, Kesesuaian dan
Sistematika
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan dan penerapan
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan dan Kesesuaian
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
-
Kriteria :
Ketepatan dan Kesesuaian
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
- Review Jurnal
Tugas 12 :
- Melakukan review pada jurnal
yang berkaitan dengan sistem
pakar
- [ BT + BM : (1+1) x 3x 60"
10Mahasiswa dapat mengetahui dan
memahami metode inferensi
Backward Reasoning
- Ketepatan memahami metode
inferensi backward reasoning
Metode Inferensi pada Rule Based
System : Backward Reasoning
5
9
Mahasiswa dapat mengetahui dan
memahami metode inferensi Forward
Reasoning
Metode Inferensi pada Rule Based
System : Forward Reasoning
5
11
Mahasiswa dapat mengetahui dan
memahami manajemen ketidakpastian
(uncertainty) pada sistem pakar
Manajemen Ketidakpastian
(Uncertainty) pada Sistem Pakar
5
12
Mahasiswa dapat mengetahui dan
memahami konsep sistem fuzzy yang
dikombinasikan dengan sistem pakar
Sistem Fuzzy
5
13
Mahasiswa dapat menjelaskan hasil
dari review jurnal yang sudah di
analisis
Inferensi dan Defuzzifikasi Fuzzy
5
14
Mahasiswa dapat mengetahui dan
memahami beberapa metode inferensi
serta defuzzifikasi fuzzy
Studi Kasus I : Review Jurnal
15
- Ketepatan memahami metode
inferensi forward reasoning
- Ketepatan menjelaskan konsep
sistem fuzzy
- Ketepatan menjelaskan beberapa
metode inferensi serta defizzifikasi
fuzzy
- Ketepatan menjelaskan hasil
review jurnal
Kriteria :
Ketepatan dan Kesesuaian
Kuliah dan Diskusi
- [TM : 3 x 50 "]
Bentuk non-test :
- Pembuatan Program
- Presentasi Kelompok
Tugas 12 :
- Membuat analisis masalah,
tujuan dan solusinya dan
diterapkan pada program
sederhana sistem pakar
- [ BT + BM : (1+1) x 3x 60"
16 Catatan: (1) (2) (3) (4) (5) (6)Evaluasi Akhir Semester : Melakukan validasi penilaian akhir dan menentukan kelulusan mahasiswa
RPS : Rencana Pembelajaran Semester, RMK : Rumpun Mata Kuliah, Prodi : Program Studi TM : Tatap Muka; BT : Belajar Terstruktur, BM : Belajar Mandiri
[TM : 3x50")] dibaca : Kuliah tatap muka 1 kali (minggu) x 3 sks x 50 menit (2,5 Jam);
[BT+BM : (1x1)x(3x60")] dibaca belajar terstruktur 1 kali /minggu dari belajar mandiri 1 kali (minggu) x 3 sks x 60 menit = 180 menit (3 Jam)
Mahasiswa mampu merancang penelitian dalam bentuk proposal penelitian dan mempresentasikannya (C6,A2,P2) menunjukkan bahwa sub-CPMK ini mengandung kemampuan dalam ranah taksonomi Penulisan daftar pustaka disarankan menggunakan salah satu standar/style penulisan pustaka internasional, dalam contoh ini menggunakan style APA
15
