SATUAN ACARA PERKULIAHAN

(1)

Versi : 1 Revisi : 0

Tanggal Revisi :

Tanggal Berlaku : 1 Agustus 2010

SATUAN ACARA PERKULIAHAN Program Studi : Teknik Informatika

Fakultas : Teknologi Industri

Kode Mata Kuliah : 52323620

Nama Mata Kuliah : Jaringan Syaraf Tiruan

Kelompok Mata Kuliah : MPK / MKK / MKB / MPB / MBB / Praktikum

Semester : Pilihan

SKS : 3 SKS

Dosen : Difla Yustisia Qur’ani, S.Kom Pert emu an Kompetensi Dasar Topik Bahasan dan Sub Topik

Bahasan Indikator Pencapaian Strategi Pembelajaran Alokasi Waktu Media Pembelajaran Evaluasi Referensi Sumber Bahan* 1 2 3 4 5 6 7 8 9 1. Kelas memiliki aturan-aturan untuk pembelajaran dan penerapan kedisiplinan, Mahasiswa memiliki gambaran umum mengenai materi kuliah, Pendahuluan: 1. Kesepakatan Aturan Kelas 2. Gambaran Umum Materi Kuliah: Pendahuluan, cabang ilmu, cabang metode (AI, JST) 1. Mahasiswa dan dosen mencapai kesepakatan aturan kelas 2. Mahasiswa dapat menggambarkan secara umum mata kuliah, AI, JST 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Tugas mereview Sumber Bacaan Lain. A, B, C, D, E 2. Mahasiswa mengerti dan memahami filosofi jaringan syaraf Jaringan syaraf manusia (JSM) sebagai dasar jaringan syaraf tiruan (JST): Mahasiswa dapat menjelaskan filosofi jaringan syaraf biologis dan jaringan syaraf tiruan, 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi. A,B,C,D,E

(2)

Pert emu an Kompetensi Dasar Topik Bahasan dan Sub Topik

Bahasan Indikator Pencapaian Strategi Pembelajaran Alokasi Waktu Media Pembelajaran Evaluasi Referensi Sumber Bahan* 1. Filosofi jaringan syaraf bilogis dan jaringan syaraf tiruan 2. representasi jaringan, metode dan cara kerja

mengetahui cara kerja dan hasil representasi pada jaringan syaraf tiruan 3. Mahasiswa mampu memahami teknik klasifikasi dan pengaturan pola Teknik Klasifikasi Pola : 1. Parameter estimation, 2. supervised and unsupervised learning, 3. clustering, and extraction feature Mahasiswa mengetahui

pengaturan pola input, output, target jaringan, dan kesesuain antara pola dan arsitektur jaringan 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, tugas review aplikasi B,C,D,E 4. Mahasiswa memahami algoritma sederhana dan dasar bagi metode JST yang lebih rumit Hebb Rule: 1. Sejarah 2. Algoritma 3. Contoh Soal dan Kasus Mahasiswa mampu menjelaskan algoritma dasar Hebb Rule, dan dapat menyelesaikan soal dan kasus

1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, kuis, tugas program sederhana B,C,D,E,H 5. Mahasiswa memahami algoritma sederhana dan dasar bagi metode JST yang lebih rumit Delta Rule: 1. Sejarah 2. Algoritma 3. Contoh Soal dan Kasus Mahasiswa mampu menjelaskan algoritma dasar Delta Rule, dan dapat menyelesaikan soal dan kasus

1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, kuis, tugas program sederhana B,C,D,E,H 6. Mahasiswa memahami algoritma sederhana dan dasar bagi metode JST yang lebih rumit Perceptron: 1. Sejarah 2. Algoritma 3. Contoh Soal dan Kasus 4. Perkembangan Mahasiswa mampu menjelaskan algoritma dasar Perceptron, dan dapat menyelesaikan soal dan kasus

1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, tugas program sederhana, group work B,C,D,E,H

(3)

an Bahasan Bahan* 7. Mahasiswa mengetahui dan mengerti implementasi metode-metode dasar dan dosen mengetahui kemampuan penyerapan materi Evaluasi pembelajaran kelas: Evaluasi materi dasar, filosofi, dan bagaimana metode dasar dapat diimplementaikan Mahasiswa dapat menjelaskan dan menggunakan materi dasar, filosofi, dan bagaimana metode dasar dapat diimplementasikan

1. Metode: ceramah & diskusi, tanya jawab, tes individu 2. Pendekatan: SCL Ceramah: 30 menit. Diskusi: 30 menit. Tes: 60 menit LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, Quiz interaktif. A,B,C,D,E,H

8. Ujian Tengah Semester (UTS)

9. Mahasiswa mampu

memahami dan mengerti algoritma yang lebih rumit dan penyelesaiann ya serta ruang lingkup pada bidang-bidang implementasi Backpropagation:

1.

algoritma dasar dan metode-metode pembelajar an

2.

contoh soal dan kasus Mahasiswa dapat menjelaskan algoritma dan metode pembelajaran Backpropagation dan melakukan penghitungan dasarnya secara manual. 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. 3. Demo software. Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi. A,B,C,F,G 10. Mahasiswa mampu memahami dan mengerti algoritma yang lebih rumit dan penyelesaiann ya serta ruang lingkup pada bidang-bidang implementasi Learning Vector Quantization: 1. Algoritma 2. Contoh soal dan kasus Mahasiswa dapat menjelaskan algoritma LVQ dan menggunakannya dalam perhitungan manual 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Tugas praktik program LVQ sederhana. A,B,C,D,E 11. Mahasiswa mampu memahami dan mengerti algoritma yang lebih rumit dan penyelesaiann Hopfield, Self Organizing Map (Kohonen): 1. Algoritma 2. Contoh Soal dan Kasus 3. Contoh Mahasiswa dapat menjelaskan algoritma dan mampu menggunakannya dalam perhitungan manual, serta dapat menggambarkan 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi.

(4)

Pert emu an Kompetensi Dasar Topik Bahasan dan Sub Topik

Bahasan Indikator Pencapaian Strategi Pembelajaran Alokasi Waktu Media Pembelajaran Evaluasi Referensi Sumber Bahan* ya serta ruang lingkup pada bidang-bidang implementasi Implementasi contoh implementasinya 12. Mahasiswa mampu memahami dan mengerti algoritma yang lebih rumit dan penyelesaiann ya serta ruang lingkup pada bidang-bidang implementasi Associative Memory: 1. Bidirectional Associative Memory: Algoritma dan contoh soal dan implementasi 2.

Heteroassocia-tive Memory: Algoritma dan contoh soal dan implementasi Mahasiswa dapat menjelaskan algoritma dan mampu menerapkannya dalam perhitungan manual, dan gambaran pengimplementasian-nya ke dalam program. 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. 3. Demo software Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi. A,B,C,E 13. Pengetahuan dan pemahaman konsep teori pada kasus pemrograman Jaringan saraf tiruan untuk identifikasi, klasifikasi pemodelan, dan kendali Mahasiswa dapat menjelaskan dan memberikan gambaran pengimplementasian JST untuk identifikasi, klasifikasi, pemodelan, dan kendalo 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. 3. Demo software Ceramah: 90 menit. Diskusi: 30 menit. LCD, laptop, whiteboard, sound system Tugas praktik pemrograman dengan Matlab. A,B,C,E,G,H 14. Mahasiswa mengerti dan memahami seluruh materi dan implementasin ya Penilaian dan evaluasi terhadap seluruh materi serta pembahasan tugas kelompok Mahasiswa dapat menjelaskan algoritma yang diimplementasikan untuk suatu pemecahan masalah (dalam tugas) 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. 3. Demo software Ceramah: 10 menit. Diskusi: 90 menit. Quiz: 20 menit LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, Quiz A,B,C,D,E,F,G, H,I 15. Mahasiswa mengerti dan memahami seluruh materi dan implementasin ya Penilaian dan evaluasi terhadap seluruh materi serta pembahasan tugas kelompok. Mahasiswa dapat menjelaskan algoritma yang diimplementasikan untuk suatu pemecahan masalah (dalam tugas) 1. Metode: ceramah & diskusi. 2. Pendekatan: SCL. 3. Demo software Ceramah: 10 menit. Diskusi: 90 menit. Quiz: 20 menit LCD, laptop, whiteboard, sound system Monitoring & evaluasi proses diskusi, Quiz A,B,C,D,E,F,G, H,I

(5)

A. Duda, O.R. dan Peter, E.H, 1973, Pattern Classification and Scene Analysis, John wiley and sons Inc. USA. B. Fausett, L., 1994, Fundamental of Neural Network, Prentice Hall International Edition.

C. Kusumadewi, S., 2003, Artificial Intelligence, Graha Ilmu, Yogyakarta.

D. Kusumadewi, S., 2003, Membangun Jaringan Syaraf Tiruan dengan Excelink, Graha Ilmu, Yogyakarta. E. Lin, C.T. dan C.S.G. Lee, 1996, Neural Fuzzy Systems, Prentice Hall International Edition

F. Wiryadinata, R., 2005, Simulasi Jaringan Syaraf Tiruan Berbasis Metode Backpropagation Sebagai Pengendali Motor DC, Skripsi Program Studi Teknik Elektro, Universitas Islam Indonesia, Yogyakarta.

G. Wiryadinata, R., 2007, A Backpropagation Neural Network Based Expression Recognition on The word “Waaah” Preceeded by A Proper Wavelet Analysis To Enhance The Unique Features, Tesis Program Studi Teknik Elektro, Universitas Gadjah Mada, Yogyakarta.

H. ___________, 2002, Help Matlab Neural Network.pdf: MATLAB version 6.5, The Mathworks

Disahkan oleh Diperiksa oleh Disiapkan oleh

Tanggal: Juli 2010 Tanggal: Juli 2010 Tanggal: Juli 2010 Dekan,

Ir. Gumbolo Hadi Susanto, M.Sc.

Ketua Program Studi,

Yudi Prayudi, S.Si., M.Kom.

Dosen Pengampu/Kelompok Mata Kuliah,