Koordinator Rumpun MK Ka Program Studi. tanda tangan tanda tangan tanda tangan

(1)

1 RENCANA PEMBELAJARAN SEMESTER (RPS)

PROGRAM STUDI : TEKNIK INFORMATIKA FAKULTAS : TEKNIK

UNIVERSITAS PAHLAWAN TUANKU TAMBUSAI

MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan

Kecerdasan Buatan IF17211 Teknik 3 7 23-9-2020

Dosen Pengembang RPS

Koordinator Rumpun MK Ka Program Studi

tanda tangan tanda tangan tanda tangan

Capaian Pembelajaran (CP)

Catatan : S : Sikap

P : Pengetahuan KU : Keterampilan Umum

KK : Keterampilan Khusus

CP Program Studi

PP1 Menguasai konsep teoritis di bidang Informatika, khususnya di bidang teori komputasi, jaringan komputer, teknologi web, dan basis data.

PP2 Memiliki pengetahuan yang memadai terkait dengan cara kerja sistem komputer dan mampu merancang dan mengembangkan berbagai algoritma/metode untuk memecahkan masalah.

PP3 Mempunyai pengetahuan dalam mengembangkan algoritma/metode yang diimplementasikan dalam perangkat lunak berbasis komputer.

KK1 Mampu secara kreatif dan inovatif memformulasikan pemecahan masalah dengan memanfaatkan teknik komputasi dan teknologi informasi berbasis konsep-konsep yang relevan dan dengan memanfaatkan tool pemodelan tepat.

KK2 Mampu membangun program komputer untuk mengimplementasikan pemecahan masalah, dan dengan memanfaatkan framework, atau teknologi informasi yang terkini (up to date).

KU1 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya.

KU2 Mampu menunjukkan kinerja mandiri, bermutu, dan terukur

KU5 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data.

KU10 Mempunyai kemampuan dalam mendefinisikan kebutuhan pengguna atau pasar terhadap kinerja (menganalisis, mengevaluasi dan mengembangkan) algoritma/metode berbasis komputer.

(2)

2 CP Mata Kuliah

1 Mengerti dan memahami konsep dasar kecerdasan buatan yakni: perbedaan kecerdasan buatan dengan kecerdasan alami, representasi pengetahuan, masalah dan ruang keadaan, teknik pencarian, representasi pengetahuan, sistem pakar, ketidakpastian, logika fuzzy, jaringan syaraf tiruan, dan algoritma genetika.

2 Mahasiswa termotivasi dan mampu mengikuti perkembangan terkini teknologi kecerdasan buatan.

3 Mahasiswa mengerti bidang-bidang penelitian yang berkaitan dengan kecerdasan buatan.

Deskripsi Singkat Mata Kuliah

Mata kuliah ini akan memberikan dasar tentang kecerdasan buatan yang berfokus pada beberapa aplikasi dari kecerdasan buatan dan beberapa teknik penyelesaian masalah dalam kecerdasan buatan yang dikenal dengan soft computing. Selain itu mempelajari beberapa teori dan aplikasi dari system cerdas dan penerapan beberapa aplikasi algortima kecerdasan buatan.

Materi Pembelajaran/

Pokok Bahasan 1. Pendahuluan Kecerdasan Buatan 2. Masalah dan Ruang Keadaan 3. Teknik Pelacakan dan Pencarian.

4. Representasi Pengetahuan 5. Ketidakpastian.

6. Sistem Pakar 7. Logika Fuzzy

8. Jaringan Syaraf Tiruan 9. Algoritma Genetika

Pustaka Utama :

(3)

3 1. Russel, Stuart and Norvig, Peter; Artificial Intelligence: A Modern Approach. Prentice Hall International, Inc.,

1995.

2. Suyanto; Artificial Intelligence: Searching, Reasoning, Planning and Learning. Informatika, Bandung, 2007.

ISBN: 979-1153-05-1.

3. Vincent Suhartono, Kecerdasan Buatan, Penerbit Andi, 2011.

4. Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, 2003.

5. Suyanto, Soft Computing Membangun Mesin Ber-IQ Tinggi, Penerbit Informatika, 2008.

6. Suyanto, Artificial Intelligence, Penerbit Informatika, 2011 Pendukung :

Media Pembelajaran Perangkat lunak : Perangkat keras : LCD & Projector Team Teaching

Assessment

Matakuliah Syarat

Pelaksanaan Perkuliahan 2 SKS Mg

Ke-

Kemampuan akhir yg diharapkan

Bahan Kajian (Materi Ajar) Dan Referensi

Metode Pembelajaran dan Alokasi Waktu

Pengalaman Belajar Mahasiswa

Kreteria (Indikator) Penilaian

Bobot Penilan

(%)

(1) (2) (3) (4) (5) (6) (7)

(4)

4 Mg

Ke-

(%)

1

Mahasiswa dapat memahami kontrak perkuliahan.

Mahasiswa dapat memahami konsep perkuliahan dan mata kuliah secara umum.

Mahasiswa dapat mengetahui secara umum gambaran mata kuliah kecerdasan Buatan

1. Kontrak kuliah 2. Definisi kecerdasan mesin

3. Beragam aplikasi Artificial Intelligence (AI)

4. AI: dulu, sekarang dan masa depan

Referensi 1,3

Kuliah dan diskusi, (TM;1x(3x30”)

Pemaparan di kelas dan diskusi.

Belajar mandiri.

Kemampuan menjelaskan.

Antusiasme dan keaktifan mahasiswa dalam bertanya.

Keaktifan mahasiswa mengungkapkan pendapat

Kemampuan pemahaman

5

2 Mahasiswa mampu menjelaskan definisi kecerdasan buatan dan sejarahnya,

membandingkan kecerdasan buatan dengan kecerdasan alami,

membandingkan komputasi kecerdasan buatan dan komputasi pemrograman

konvensional. Mampu mengklarifikasi

 Pengenalan Kecerdasan Buatan

 Definisi kecerdasan buatan

 Sejarah kecerdasan buatan

 Komputasi

 kecerdasan buatan

 Sub disiplin ilmu dalam kecerdasan buatan

Belajar mandiri.

Kemampuan mahasiswa

menjelaskan definisi kecerdasan buatan dan sejarahnya, perbandingan antara kecerdasan buatan dan kecerdasan alami, perbandingan komputasi

kecerdasan buatan dan komputasi

Kemampuan pemahaman dan penjelasan

(5)

5 Mg

Ke-

(%) subdisiplin ilmu dalam

kecerdasan buatan, bias menjelaskan aplikasi kecerdasan buatan dalam bidang komersial.

pemrograman konvensial.

Kemampuan mahasiswa menjelaskan dan mengaplikasikan disiplin ilmu dalam kecerdasan buatan, aplikasi buatan dalam bidang komersial.

3 Mampu menjelaskan aplikasi

kecerdasan buatan dalam bidang komersial, bisa menerangkan istilah soft computing, tujuan dan

kegunaannya

 Ruang lingkup

kecerdasan buatan pada aplikasi

 komersial

 Bidang komunikasi

 Bidang kedokteran

 Bidang Pertahanan

 Bidang industri - Soft Computing

 Metode soft computing

 Tujuan Soft computing

Referensi 1,3,4

Belajar mandiri.

Kemampuan mahasiswa dalam menjelaskan dan penerapan istilah soft computing, tujuan dan kegunaannya.

Kemampuan pemahaman dan penjelasan

5

(6)

6 Mg

Ke-

(%) 4 Mahasiswa mampu

menjelaskan

konsep masalah dan ruang

masalah serta dapat menyelesaikan masalah tersebut menggunakan metode pencarian

buta dan heuristik

 Searching (Pencarian node)

 Definisi masalah dalam kecerdasan buatan

 Masalah, Ruang keadaan, aturan

 Representasi ruang keadaan. Searching sebagai teknik pemecahan masalah - Metode searching

 Pencarian buta (blind search)

 Pencarian heuristik

Referensi 1,3,4

Belajar mandiri.

Latihan soal dengan melihat contoh kasus di dunia nyata, misalnya sistem cerdas untuk mendiagnosa

penyakit dsb. Latihan soal dengan contoh kasus pada beberapa sistem cerdas.

Ketepatan merancang tahapan-tahapan ruang keadaan, aturan (rule).

Kemampuan merancang entitas, menentukan Fist finite, tujuan serta kardinalitasnya

5

5 Mahasiswa mampu menjelaskan definisi pengetahuan, definisi representasi

pengetahuan, menerapkan representasi pengetahuan dan penalaran untuk menyelesaikan permasalahan kecerdasan buatan

 Pengetahuan (Knowledge) – Representasi pengetahuan

 Representasi logika

 Jaringan semantic

 Frame (Bingkai)

 Script

 Aturan produksi

Belajar mandiri.

Latihan soal dengan contoh kasus pada permasalahan kecerdasan buatan

Kemampuan menganalisan representasi pengetahuan

(7)

7 Mg

Ke-

menjelaskan definisi sistem pakar, manfaat, kekurangan, ciri-ciri sistem pakar, aplikasi sistem pakar

 Pengertian sistem pakar

 Manfaat sistem pakar

 Kekurangan sistem pakar

 Ciri-ciri sistem pakar

 Area permasalahan aplikasi sistem pakar

Belajar mandiri.

Latihan soal disertai contoh kasus dalam pembuatan sistem pakar

Kemampuan

pemahaman dan kinerja sistem pakar

7 Mahasiswa mampu menjelaskan konsep dasar dan struktur sistem pakar, serta dapat menggunakan konsep faktor kepastian kedalam sistem pakar

 Konsep dasar dan struktur sistem pakar

 Rule sebagai teknik representasi

pengetahuan

 Strategi penyelesaian konflik

 Ketidakpastian sistem pakar berbasis rule



Referensi 3,4,5

Belajar mandiri.

Latihan soal dengan contoh kasus pada permasalahan kecerdasan buatan

Kemampuan pemahaman

membuat konsep dan penerapannya

5

8 UTS

9 Mahasiswa mampu menjelaskan pengertian logika fuzzy, dasardasar logika fuzzy, dapat memetakan sebuah permasalahan

 Pengertian logika fuzzy

 Mengapa menggunakan logika fuzzy

 Dasar-dasar logika fuzzy

 Fungsi keanggotaan

Belajar mandiri.

Latihan soal dengan contoh kasus pada beberapa

permasalahan

menggunakan logika fuzzy

Kemampuan pemahaman

menggunakan logika fuzzy dan dalam berdiskusi

5

(8)

8 Mg

Ke-

(%) ambigu, dapat

menghitung fungsi keanggotaan fuzzy 10 Mahasiswa mampu

menerapkan operasi himpunan fuzzy, dapat

menggunakan fungsi implikasi dan

menerapkannya dalam sistem

inferensi fuzzy

 Operasi himpunan fuzzy

 Penalaran monoton

 Fungsi implikasi

 Cara kerja logika fuzzy dengan metode

Tsukamoto, Mamdani dan Sugeno

Belajar mandiri.

permasalahan

menggunakan logika fuzzy

Kemampuan penerapan sistem inferensi logika

11 Mahasiswa mampu menjelaskan

konsep dasar jaringan syaraf tiruan

dan menjelaskan alasan

penggunaan aplikasi jaringan

syaraf tiruan

 Pengantar jaringan syaraf tiruan

 Mengapa menggunakan

 jaringan syaraf tiruan

 Aplikasi jaringan syaraf tiruan dalam kehidupan seharihari, dalam dunia kedokteran, dalam bisnis

 Arsitektur jaringan

Belajar mandiri.

permasalahan menggunakan aplikasi

jaringan syaraf tiruan

Kemampuan pemahaman konsep jaringan syaraf tiruan

komponen-komponen jaringan

syaraf tiruan,

menggunakan fungsi

 Fungsi aktifasi

 Paradigma pembelajaran

 Algoritma supervise hebb rule, perceptron,

Kemampuan penerapan studi kasus

menggunakan aplikasi jaringan syaraf tiruan

(9)

9 Mg

Ke-

(%) aktifasi, menjelaskan

proses

pembelajaran supervisi

delta rule dan backpropagation

Belajar mandiri. jaringan syaraf tiruan

13 Mahasiswa mampu menjelaskan algoritma

pembelajaran tanpa supervisi (jaringan kohonen)

 Arsitektur jaringan kohonen

 Algoritma pembelajaran jaringan kohonen Referensi

3,4

Tugas ; tentang design produk

pembelajaran tanpa supervisi

Kemampuan penerapan studi kasus

menggunakan aplikasi jaringan kohonen

5

konsep algoritma genetika

 Pendahuluan

 algoritma genetika

 Permasalahan yang

 membutuhkan

 algoritma genetika

 Aplikasi algoritma

 genetika

 Beberapa pengertian

 dasar algoritma

 genetika

 Siklus algoritma

 Genetika

Referensi 1,3,4

Tugas ; tentang design produk

Latihan soal dengan contoh kasus pada beberapa konsep algoritma genetika

Kemampuan pemahaman konsep algoritma genetika

5

(10)

10 Mg

Ke-

menerapkan algoritma genetika untuk

menyelesaikan masalah-masalah kecerdasan buatan

 Komponen-komponen utama algoritma genetika (teknik

encoding/decoding gen dan individu,

membangkitkan populasi awal, nilai fitnes, elitisme, seleksi, cross over, mutasi dan penggantian populasi)

 Teknik cross over

 Teknik Mutasi

Kuliah dan diskusi, (TM;1x(3x30”) Tugas ; tentang design produk

algoritma genetika

Kemampuan penerapan dan menyelesaikan masalah menggunakan aplikasi algoritma genetika

5

16 UAS 30