RENCANA PEMBELAJARAN SEMESTER
(RPS)
KBKF63307
INTELIGENSI BUATAN
Disusun oleh:
PROGRAM STUDI S1 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER (FILKOM)
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
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
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
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
Problem-Based Learning
Ketepatan dalam melakukan pencarian dengan teknik BFS
Ketepatan dalam melakukan pencarian dengan teknik DFS
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi Ajar) Bentuk/
Metode/
Strategi
Pembelajaran
Kriteria Penilaian
(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
Problem-Based Learning
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
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi Ajar) Bentuk/
Metode/
Strategi
Pembelajaran
Kriteria Penilaian
(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
Problem-Based 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.
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
Problem-Based Learning
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 %
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi Ajar) Bentuk/
Metode/
Strategi
Pembelajaran
Kriteria Penilaian
(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
11 Dapat mengetahui bagaimana cara
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
Problem-Based Learning
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
13 Dapat mengetahui bagaimana cara
mambuat jaringan saraf tiruan dengan perceptron dan
backpropagation
JARINGAN SARAF TIRUAN (2)
Perceptron
Backpropagation
Ceramah
Problem-Based Learning
Ketepatan dalam
Menyelesaikan kasus JST dengan perceptron dan backpropagation
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi Ajar) Bentuk/
Metode/
Strategi
Pembelajaran
Kriteria Penilaian
(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
Problem-Based Learning
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 %
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.
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
Deskripsi Singkat Strategi (Metode) pembelajaran
Mahasiswa diminta membuat
menyelesaikan suatu kasus sesuai dengan materi yang diberikan.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
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
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.
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%
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