RENCANA PROGRAM
KEGIATAN PEMBELAJARAN SEMESTER
(RPKPS)
MATA KULIAH:
NEURAL NETWORKS
(TIF55)
Oleh:
S U P A T M A N
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INFORMASI
UNIVESITAS MERCU BUANA YOGYAKARTA
A. PENDAHULUAN 1. Latar Belakang
Neural Networks (NN) merupakan mata kuliah wajib Program Stud Teknik Informatika yang diberikan bagi mahasiswa semester 5 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Mercu Buana Yogyakarta. Tujuan mata kuliah ini agar mahasiswa mampu dan trampil mengembangkan konsep dasar neural networks dan algoritma pembelajaran neural network. Untuk mencapai tujuan yang diinginkan secara maksimal, pada setiap proses pembelajaran memerlukan perencanaan, persiapan, dan pengendalian yang baik. Sehubungan dengan hal itu, diperlukan pengembangan kegiatan yang disebut Rencana Program Kegiatan Pembelajaran Semester (RPKPS). Implementasi kegiatan tersebut diharapkan dapat menciptakan suasana akademik yang kondusif sehingga muncul kegairahan dalam proses pembelajaran. Kegiatan ini diharapkan juga dapat meningkatkan motivasi, kreativitas, kesungguhan, dan keteraturan dalam proses belajar mengajar serta meningkatkan keaktifan mahasiswa dalam mengikuti proses pembelajaran.
2. Deskripsi Mata Kuliah
Pengantar Neural Networks, Neural Net sederhana untuk klasifikasi pola, asosiasi pola, Neural Networks berbasis kompetisi, Adaptive Resonace Theory, Backpropagation Neural Networks, Jenis Neural Networks yang lain.
3. Kompetensi kuliah terdadap lulusan
Setelah menyelesaikan perkuliahan ini mahasiswa diharapkan memiliki kompetensi dalam memahami Neural Networks dan mampu mengembangkan mengembangkan algoritma pembelajaran Neural Networks serta mampu mengimplementasikan pada bidang teknik informatika.
B. PERENCANAAN PEMBELAJARAN
1. Nama Mata Kuliah : Neural Networks
2. Kode/SKS : TIF55 / 3 sks
3. Semester : 5 (Lima).
4. Status Mata Kuliah : Wajib
5. Prasyarat : Algoritma dan Pemrograman, algoritma dan pemrograman lanjut,
Struktur Data dan Basis Data
6. Tujuan Pembelajaran :
yang terkait dengan keilmuan didunia teknologi informasi serta mampu secara trampil mengembangkan Neural Network dengan bahasa pemrograman, sekaligus mengaplikannya di bidang teknik informatika .
Manfaat model pembelajaran ini adalah mahasiswa tidak hanya sekadar menguasai teori-teori dan aplikasi Neural Networks, tetapi mahasiswa dapat menerapkan pengetahuan dan ketrampilan pemrograman Neural Networks ke dalam menyelesaikan tugas pada bidang kehidupan nyata, memiliki wawasan luas, memanfaatkan teknologi informasi, berkreativitas, berinovasi, dan memiliki jiwa kepemimpinan. Selain itu, mahasiswa mendapat kesempatan untuk lebih mengembangkan kemampuan berpikir kritis, berani mengemukakan pendapat sehingga timbul percaya diri dan terdorong melakukan entrepreneurship/wirausaha di bidang keahliannya berbasis teknologi informasi. Mahasiswa diharapkan mampu mensinergikan bidang Neural Networks dengan bidang-bidang lain, misalnya agroteknologi, teknik, ekonomi dan bisnis, psikologi, bahasa, komunikasi, , matematika, serta isu-isu aktual sehingga Neural Networks dapat membantu dalam tugas transformasi informasi dan berdaya guna bagi masyarakat.
7. Outcome Pembelajaran
Untuk mencapai tujuan mata kuliah Neural Networks mahasiswa diharapkan mampu:
a. Pengetahuan dan pemahaman (knowledge) i. Memahami konsep dasar Neural Networks
ii. Memahami Neural Net sederhana untuk klasifikasi pola iii. Memahami asosiasi pola
iv. Memahami Adaptive Resonace Theory
v. Memahami Backpropagation Neural Networks vi. Memahami Jenis Neural Networks yang lain
b. Kemampuan/Ketrampilan (skill)
i. Skill pengembangan algoritma cerdas ii. Skill bahasa pemrograman
8. Jumlah dan Pembagiannya
Perkuliahan Neural Networks dalam satu semester direncanakan berlangsung 16 kali program kuliah yang terdiri dari 14 kali tatap muka, 1 kali ujian tengah semester dan 1 kali ujian akhir semester. Setiap program tatap muka terdiri atas 150 menit kuliah. Pembagian waktu selengkapnya adalah sebagai berikut.
No Jenis Program Jumlah Program
Jumlah Waktu
Keterangan
1 Tatap muka: Ceramah, tanya jawab
14 kali 150 1. memberikan teori-teori Neural Networks
2. memberi pengetahuan dan pembekalan kepada mahasiswa tentang teori-teori Neural Networks
3. memberi pengetahuan dan wawasan tentang Neural Networks yang aktual dan berdaya guna bagi masyarakat.
4. memberi pengetahuan dan wawasan leadership (hidden curriculum), serta kewirausahaan (hidden curriculum).
2 Praktek - 150 -
3 Diskusi/Presentasi 10-12 kali
50 menit 1) Membahas hasil tugas Neural Networks yang telah dilakukan mahasiswa 2) Teknis penyelesaian (problem solving).
4 Evaluasi 10-12
kali
10-20 menit x 4kali
Mengevaluasi tugas-tugas mahasiswa
5 Browsing Internet 1-7 kali - Di luar jam kuliah
6 Kunjungan Ke instansi yang memanfaatkan Neural Networks
1 kali - Di luar jam kuliah yang dilakukan secara mandiri oleh kelompok mahasiswa
7 Ujian Tengah Semester
1 kali 120 Menjawab pertanyaan-pertanyaan
8 Ujian Akhir 1 kali 120 Menjawab pertanyaan-pertanyaan
9. Rencana Kegiatan Pembelajaran Mingguan dan Materi Pembelajaran
Mgg ke-
Kompetensi Topik/Pokok
Bahasan Sub Pokok Bahasan
Waktu
Indikator Sumber Pustaka 1 Mahasiswa
mengetahui materi dan tatacara
a. Perkenalan b. Aturan main
perkuliahan
c. Fungsi dan tugas dosen dan mahasiswa
d. Bahan kuliah e. Literatur Wajib dan
acuan
150 Kelas:
1. Menerangkan 2. Tanya Jawab Neural Networks
1,2,3,4, konsep dasar Neural Networks
konsep dasar Neural Networks
a. Artificial Neural Networks b. Biological Neural
Networks
c. Area Neural Networks d. Desain Neural
Networks
e. McCulloch Pitts Neural Networks
300 Kelas:
1. Menerangkan 2. Tanya Jawab 3. Diskusi
Porfolio Mahasiswa memahami konsep dasar Neural Networks
1,2,3,4,
Neural Net sederhana untuk klasifikasi pola
a. Hebb Net b. Perceptron c. Adaline
300 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Porfolio Mahasiswa mampu mendesain NN sederhana asosiasi pola
Asosiasi pola a. Training Algoritma untuk Asosiasi Pola b. Heteroassosiative
Memory Neural
300 Kelas :
1. Menerangkan 2. Tanya Jawab 3. Praktikum
Portfolio Mahasiswa memahami asosiasi pola
Network
c. Autoassosiative Net d. Iteractive
Autoassosiative Net e. Bidirectional
Assosiative Memory
4. Diskusi
8 UTS Porfolio dan Presentasi
9 NN berbasis kompetisi
Neural Networks berbasis kompetisi
a. Fixed-Weight Competitive Nets b. Kohinen SOM c. LVQ
d. Counter Propagation
300 Kelas dan Lab: 1. Menerangkan
2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu mendesain NN berbasis 1. Menerangkan
2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu
mendesain ART
1,2,3,4, tion Neural Networks
a. Standar
Backpropagation b. Variations
c. Theoretical Result
300 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu mendesain NN Backpropagation
Jenis Neural Networks yang lain
d. Fixed Weight Nets for Constrained
Optimization
e. A Few More Nets than Learn
f. Adaptive Arsitechtures g. Neocognitron
150 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Porfolio Mahasiswa memahami adaptive Arsitechtures
1
Metode Pembelajaran yang dikembangkan
Model pengembangan proses pembelajaran mata kuliah Neural Networks tidak hanya sekedar kuliah dan tugas mandiri praktek, tetapi
pengembangannya berupa diskusi, presentasi mahasiswa, browsing artikel di internet, dan pemilihan teks-teks actual terkait dengan masalah nyata.
Pelaksanaannya sebagai berikut:
1) Dosen menyiapkan bahan kuliah, serta menyiapkan bahan praktikum mandiri Neural Networks yang sesuai dan dapat implementasikan pada bidang-bidang actual.
2) Mahasiswa diharapkan:
a) mampu memahami Neural Networks sebagai sains terhadap beberapa jenis kegiatan yang terkait dengan tranformasi informasi. b) mampu menganalisa dan membuat ide serta gagasan ke dalam bahasa tulisan maupun presentasi.
c) mampu memanfaatkan teknologi informasi sebagai media transformasi informasi kepada masyarakat. d) mampu berkreativitas
e) mampu berinovasi
f) mampu bekerja sama dalam kelompon dan mampu memimpin kelompok.
g) memberikan pendapat saling memberikan masukan secara aktif sesuai dengan pokok bahasan sehingga diskusi lancar. h) mempunyai kepercayaan diri dalam berpresentasi.
i) mampu menciptakan ide mata kuliah “Neural Networks” dapat digunakan sebagai sains untuk mengembangkan gagasan baru sehingga tumbuh jiwa profesionalisme didunia teknologi informasi.
Media
Studi literature melalui browsing di dunia maya yang terkait dengan Neural Networks baik perkelompok atau mandiri. Setelah studi seaching kasus, mahasiswa diharapkan mampu berinovasi dan bermotivasi akan pentingnya Neural Networks sebagai hidden sains pada dunia kerja dan atau transformasi informasi di masyarakat.
10.Penilaian
Aspek penilaian yang digunakan pada proses pembelajaran ini adalah:
Aspek Penilaian Unsur penilian Skor Maks Presentasi
Pemahaman dan Ketrampilan Tugas:teori,praktek,ujian mid, ujian akhir 500 50%
Aktivitas Aktivitas didalam kelas, diskusi, praktek 200 20%
Leadership Kedisplinan, kemampuan mengemukaan pendapat, partisipasi dikelas 150 15%
Attitude Sikap/Sopan santun 150 15%
Skor Total 1000 100%
Evaluasi dilakukan pada hasil pengumpulan poin oleh masing-masing mahasiswa dan hasil akhir ditentukan sebagai berikut: - Nilai A untuk mahasiswa yang mencapai jumlah 800-1000
- Nilai B untuk 700-799
- Nilai C untuk 600-699 - Nilai D untuk 500-599
- Nilai E untuk kurang dari 500 dan dianggap Tidak Lengkap/Tidak Lulus.
11. Bahan, Sumber Informasi, dan Referensi
1). Fausett, Laurene, 1995, Fundamental of Neural Networks, Prentice Hall, Englewood.
2). Rao, Valluru B., 1995, C++ Neural Networks and Fuzzy Logic, MTBooks, IDG Books Worldwide, Inc. 3). Ham, Fredric M., 2001, Principles of Neurocomputing for Science & Engineering, Mc Graw-Hill. Inc.
4). Widodo, Thomas S., 2005, Sistem Neuro Fuzzy untuk Pengolahan Informasi, Pemodelan, dan Kendali., Graha Ilmu, Yogyakarta. 5). Kusumadewi, Sri., 2004, Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excel link, Graha Ilmu, Yogyakarta.
