IF RPS Inteligensi Buatan

(1)

RENCANA PEMBELAJARAN SEMESTER

(RPS)

KBKF63307

INTELIGENSI BUATAN

Disusun oleh:

PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER (FILKOM)

(2)

ii

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

(3)

iii

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

(4)

1 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 = 3 x 50 menit per minggu

Responsi = 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

(5)

B. RENCANA PEMBELAJARAN SEMESTER (RPS)

Pertemuan

ke-

Kemampuan Akhir yang

Diharapkan

Bahan Kajian (Materi Ajar) Bentuk/

Metode/

Strategi

Pembelajaran

Kriteria Penilaian

(Indikator)

Bobot

Nilai

1  Dapat menyebutkan definisi, sejarah dan ilu ilmu yang berkatitan dengan kecerdasan buatan

 Dapat membedakan antara kecerdasan alami dan kecerdasan buatan

 Dapat mengetahui kasus apa saja yang bisa diselesaikan dengan menggunakan soft computing

SEKILAS TENTANG KECERDASAN BUATAN

 Definisi kecerdasan buatan

 Sejarah Kecerdasan buatan

 Ilmu – ilmu yang berkaitan dengan kecerdasan buatan

 Kecerdasan alami vs kecerdasan buatan

 Soft Computing

 Ceramah  Ketepatan dalam mendefinisikan kecerdasan buatan

 Ketepatan dalam

membedakan kecerdasan alami dan kecerdasan buatan

2  Dapat menyebut definisi dari masalah dan kecerdasan buatan

 Dapat menerangkan yang mana masalah, ruang keadaan dan aturan

 Dapat menggunakan teknik searching untuk menyelesaikan masalah

GENERAL PROBLEM SOLVING

 Definisi masalah dalam kecerdasan buatan

 Masalah, ruang keadaan dan aturan

 Pengenalan teknik Searching (Blind Serach dan Heuristic Search)

 Ceramah

 Problem-Based Learning

 Ketepatan dalam menentukan masalah yang ada di dalam kecerdasan buatan

 Ketepatan dalam memilih teknik yang akan

digunakan untuk menyelesaikan masalah

3  Dapat memahami teknik BFS

 Dapat memahami teknik DFS

 Dapat menyelesaikan kasus dengan teknik BFS dan DFS

BLIND SEARCH

 Breadth First Search (BFS)

 Depth First Search (DFS)

 Ceramah

 Ketepatan dalam melakukan pencarian dengan teknik BFS

 Ketepatan dalam melakukan pencarian dengan teknik DFS

(6)

Pertemuan

ke-

Diharapkan

Metode/

Strategi

Pembelajaran

(Indikator)

Bobot

Nilai

4  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

HEURISTIC SEARCH  Generate and Test

 Hill Climbing (Simple Hill Climbing dan Stepest Ascend Hill Climbing)

 Best First Search

 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

5  Dapat memahami tentang definisi

pengetahuan dalam kecerdasan buatan

 Dapat merepresentasikan pengetahuan dengan cara representasi logika, jaringan semantik, frame, script dan aturan produksi

KNOWLEDGE REPRESENTATION

 Definisi Pengetahuan

 Cara merepresentasikan pengetahuan

- Representasi Logika - Jaringan Semantik - Frame

- Script

- Aturan Produksi

 Ceramah  Ketepatan dalam merepresentasikan pengetahuan dengan menggunakan salah satu cara representasi

(7)

Pertemuan

ke-

Diharapkan

Metode/

Strategi

Pembelajaran

(Indikator)

Bobot

Nilai

6  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

SISTEM PAKAR (1)

 Definisi, manfaat, ciri-ciri, konsep dasar sistem pakar

 Teknik Inferensi sistem pakar

 Forward Chaining

 Backward Chaining

 Ceramah

 Ketepatan dalam memahami cara kerja metode forward chaining dan backward chaining.

 Ketepatan dalam menyelesaikan kasus sistem pakar dengan metode forward chaining dan backward chaining.

7  Dapat mengetahui bagaimana cara

membuat sistem pakar dengan teknik inferensi certainty factor dan teorema bayes

SISTEM PAKAR (2)  Teknik Inferensi sistem

pakar

 Certainty Factor

 Teorema Bayes

 Ceramah

 Ketepatan dalam memahami cara kerja metode certainty factor dan teorema bayes

 Ketepatan dalam menyelesaikan kasus sistem pakar dengan metode certainty factor dan teorema bayes

8

 Mampu menyelesaikan soal / studi kasus yang berhubungan dengan materi pra-UTS

QUIZ

 Materi pra-UTS

 Tes  Ketepatan dalam

menyelesaikan soal quiz

7.5%

UJIAN TENGAH SEMESTER 30 %

(8)

Pertemuan

ke-

Diharapkan

Metode/

Strategi

Pembelajaran

(Indikator)

Bobot

Nilai

10  Dapat memahami tentang definisi

dan konsep dasar logika fuzzy

LOGIKA FUZZY (1)  Definisi logika fuzzy

 Konsep dasar logika fuzzy

 Ceramah  Ketepatan dalam memahami tentang definisi dan konsep dasar tentang logika fuzzy

menyelesaikan logika fuzzy dengan metode Tsukamoto, metode Mamdani dan metode Sugeno

LOGIKA FUZZY (2)  Teknik Inferensi logika

fuzzy

- Metode Tsukamoto - Metode Mamdani - Metode Sugeno



 Ceramah

 Ketepatan dalam menyelesaikan kasus logika fuzzy dengan metode Tsukamoto, metode Mamdani dan metode Sugeno

12  Dapat memahami tentang jaringan

saraf tiruan

 Dapat mengetahui bagaimana cara mambuat jaringan saraf tiruan dengan model neuron dan model hebb

JARINGAN SARAF TIRUAN (1)

 Jaringan Saraf Tiruan

 Model Neuron McCulloch and Pitts

 Ketepatan dalam

Menyelesaikan kasus JST dengan model neuron dan model hebb

mambuat jaringan saraf tiruan dengan perceptron dan

backpropagation

JARINGAN SARAF TIRUAN (2)

 Perceptron

 Backpropagation

 Ceramah

 Ketepatan dalam

Menyelesaikan kasus JST dengan perceptron dan backpropagation

(9)

Pertemuan

ke-

Diharapkan

Metode/

Strategi

Pembelajaran

(Indikator)

Bobot

Nilai

14  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  Pengantar Algoritma

Genetika

 Gen dan Individu

 Populasi

 Mutasi

 Ceramah

 Ketepatan dalam memahami konsep dari algoritma genetika

 Ketepatan dalam membedakan gen, individu, populasi dan mutasi

15

 Mampu menyelesaikan soal / studi kasus yang berhubungan dengan materi pra-UAS

QUIZ

 Materi pra-UAS

 Tes  Ketepatan dalam

menyelesaikan soal quiz

7.5%

UJIAN AKHIR SEMESTER 30 %

(10)

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.

(11)

Kemampuan Akhir yang Diharapkan Mahasiswa mampu menuangkan konsep materi yang dipelajari untuk menyelesaikan suatu kasus.

Nama Kajian 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

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.

Memberikan kasus yang harus

diselesaikan dalam bentuk soal latihan.

Menyelesaikan soal yang diberikan.

Membahas hasil jawaban mahasiswa. Mempresentasikan jawaban dari setiap soal.

Kemampuan Akhir yang Diharapkan Mahasiswa mampu menyelesaikan soal/

studi kasus yang berhubungan dengan materi pra- UTS dan pra-UAS.

Nama Kajian 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

Nama Strategi Tes

Minggu Penggunaan Strategi (Metode) 9, 15

Mahasiswa diminta untuk menyelesaikan soal- soal quiz sebagai evaluasi terhadap pemahaman materi yang telah diberikan.

Memberikan soal quiz. Menyelesaikan soal yang diberikan.

(12)

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 : 20% 3. UTS : 30% 4. UAS : 40%

(13)

F. PENILAIAN DENGAN RUBRIK

Jenjang (Grade)

Angka

(Skor) Deskripsi perilaku (Indikator)

A > 80 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Ada

B 65 –_{79 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada,} Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada C 55 –_{64 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada,}

Jurnal Nasional Tidak Ada, Rangkuman Jurnal Nasional Tidak Ada D 40 –_{54 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Tidak Ada,}

Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada

E ≤ 40 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