SAP ANN.doc Official Site of Achmad Benny Mutiara Gunadarma University SAP ANN

(1)

SATUAN ACARA PERKULIAHAN

MATA KULIAH JARINGAN SYARAF TIRUAN (JST)

SISTEM INFORMASI/TEKNIK INFORMATIKA

MINGGU BAHASAN & ITU SUB BAHASAN & SASARAN BELAJAR CARA PENGAJARAN MEDIA TUGAS REF 1 Pendahuluan

TIU :

Mahasiswa dapat memahami dasar pemikiran pembentukan konsep JST dan hasil serta implementasi yang ada hingga saat ini.

Sejarah

Mahasiswa memahami latarbelakang pemikiran yang melahirkan konsep-konsep JST dan kronologi perkembangan JST

Aplikasi

Mahasiswa mengetahui beberapa implementasi JST dalam bentuk aplikasi

Pendekatan biologis

Mahasiswa memahami sasaran apa yang ingin dicapai melalui pengembangan JST.

Kuliah mimbar papan tulis

OHP Mempelajari penggunaan MATLAB

1 2 3

2 Model Neuron dan Arsitektur Jaringan TIU :

Mahasiswa dapat memahami beberapa model serta

arsitektur JST dan memahami cara menggunakannya

Model Neuron

- Single Input Neuron - Fungsi transfer - Multiple-Input Neuron Arsitektur Jaringan - Neuron selapis

- Neuron beberapa lapis - Jaringan recurrent

Mahasiswa mengenal dan memahami model neuron, arsitektur, serta cara menjalankan perhitungan model neuron.

(2)

3 Contoh Ilustratif TIU :

Mahasiswa dapat memahami JST melalui contoh-contohnya

Perseptron - kasus dua input

- Contoh pengenalan pola

Mahasiswa mengetahui prinsip kerja JST secara umum melalui pembahasan model perseptron secara umum

Jaringan Hamming - Feedforward layer - Recurrent layer

Mahasiswa mengenal dan memahami model jaringan Hamming, serta dapat melakukan perhitungan dengan model ini.

Jaringan Hopfield

Mahasiswa mengenal dan memahami model jaringan Hopfield, serta dapat melakukan perhitungan dengan model ini.

Kuliah mimbar papan tulis OHP

1 2 3

4 Perseptron TIU :

Mahasiswa dapat memahami model perseptron, termasuk di dalamnya metode belajarnya dan metode uji konvergensi.

Arsitektur perseptron

Mahasiswa dapat lebih mengenal dan memahami model perseptron, serta dapat melakukan perhitungan dengan model ini.

Aturan belajar perseptron

Mahasiswa dapat mengenal dan memahami metode belajar perseptron.

Uji konvergensi

Mahasiswa memahami metode uji konvergensi pada perseptron.

OHP Eksperimen dengan MATLAB

(3)

MINGGU BAHASAN & ITU SUB BAHASAN & SASARAN BELAJAR CARA PENGAJARAN MEDIA TUGAS REF 5 Metode Belajar Hebbian

TIU :

Mahasiswa dapat memahami metode belajar Hebbian berikut contoh apikasinya

Asosiator linier

Mahasiswa mengenal dan memahami apa yang dimaksud dengan asosiator linier

Aturan Hebb - Analisis kinerja

Mahasiswa mengenal dan memahami aturan Hebb dalam proses pembelajaran JST

Aturan Pseudoinverse

Mahasiswa mengenal dan memahami aturan Pseudoinverse dalam proses pembelajaran JST

Aplikasi

Mahasiswa mengenal sejumlah aplikasi JST yang menggunakan metode belajar Hebbian

2 3

6 Metode Belajar Widrow-Hoff TIU :

Mahasiswa dapat memahami metode belajar Widrow-Hoff berikut contoh apikasinya

Jaringan ADALINE

Mahasiswa mengenal dan memahami jaringan ADALINE (ADAptive LInear NEuron), yang menerapkan aturan belajar LMS (Least Mean Square)

Mean Square Error

Mahasiswa memahami apa yang dimaksud dengan Mean Square Error

Algoritma LMS

Mahasiswa mengenal dan memahami aturan LMS dalam proses pembelajaran JST

1 2 3

(4)

Mahasiswa memahami prinsip adaptive filtering menggunakan ADALINE

7 Backpropagation TIU :

Mahasiswa dapat memahami model backpropagation, algoritmanya, termasuk metode belajarnya

Arsitektur Backpropagation

Mahasiswa mengenal dan memahami arsitektur Backpropagation

Jaringan feedforward

Mahasiswa mengenal dan memahami jaringan feedforward

Algoritma Backpropagation

Mahasiswa mengenal dan memahami algoritma Backpropagation

Eksperimen dengan MATLAB

1 2 3 4

8 Backpropagation lanjut TIU :

Mahasiswa memahami karakteristik JST

Backpropagation secara lebih mendalam

Kelemahan Backpropagation

Mahasiswa mengenal dan memahami kelemahan-kelemahan yang dimiliki Backpropagation

Modifikasi heuristik

Mahasiswa mengenal dan memahami salah satu cara (modifikasi heuristik) untuk mengatasi kelemahan Backpropagation

Teknik optimisasi numerik

Mahasiswa mengenal dan memahami teknik optimisasi numerik pada Backpropagation

(5)

MINGGU BAHASAN & ITU SUB BAHASAN & SASARAN BELAJAR CARA PENGAJARAN MEDIA TUGAS REF 9 Pembelajaran asosiatif

TIU :

Mahasiswa dapat memahami metode pembelajaran asosiatif berikut contoh apikasinya

Jaringan Asosiatif sederhana

Mahasiswa mengenal dan memahami jaringan asosisatif sederhana

Aturan Hebb tanpa supervisi

Mahasiswa mengenal dan memahami aturan Hebb tanpa supervisi, berikut implementasinya.

Jaringan rekognisi sederhana

Mahasiswa mengenal dan memahami salah satu bentuk aplikasi jaringan asosiatif sebagai jaringan rekognisi (pengenal)

Aturan instar - aturan Kohonen

Mahasiswa mengenal dan memahami aturan instar dan aturan Kohonen untuk jaringan asosiatif.

Eksperimen dengan MATLAB

1 2 3

10 Review Mahasiswa mengulang kembali materi yang telah dibahas dalam sembilan pertemuan sebelumnya

Kuliah mimbar dan diskusi

UJIAN TENGAH SEMESTER 11 Jaringan kompetitif

TIU :

Mahasiswa dapat memahami apa yang dimaksud dengan jaringan kompetitif

Jaringan Hamming

Mahasiswa mengenal dan memahami jaringan Hamming sebagai salah satu contoh jaringan kompetitif

OHP 2 3 4

(6)

- pembelajaran kompetitif

- masalah pada lapisan kompetitif

Mahasiswa mengenal dan memahami makna kompetitif dalam lapisan jaringan dan proses pembelajaran

12 Jaringan Grossberg TIU :

Mahasiswa dapat memahami jaringan Grossberg

Motivasi biologi

Mahasiswa mengenal dan memahami asal usul konsep kompetisi dari sudut biologi

Model nonlinier dasar

Mahasiswa mengenal dan memahami model dasar JST yang bersifat nonlinier

Jaringan kompetitif dua lapis

Mahasiswa mengenal dan memahami jaringan kompetitif dua lapis.

Hubungan dengan hukum Kohonen

Mahasiswa memahami hubungan antara model kompetitif dengan hukum Kohonen

OHP 2

13 Stabilitas TIU :

Mahasiswa memahami konsep stabilitas dan beberapa teorema stabilitas

Jaringan recurrent

Mahasiswa mengenal dan memahami apa yang dimaksud dengan jaringan recurrent

Konsep Stabilitas - Definisi

Mahasiswa mengenal dan memahami konsep stabilitas dalam JST

OHP 2

(7)

Mahasiswa mengenal dan memahami teorema stabilitas Lyapunov

Contoh Pendulum

Mahasiswa lebih mengenal dan memahami

konsep stabilitas melalui contoh

Teorema invariansi LaSalle - Definisi

- Teorema

Mahasiswa mengenal dan memahami teorema invariansi La Salle

14 Jaringan Hopfield TIU :

Mahasiswa dapat memahami jaringan Hopfield

Model Hopfield

Mahasiswa mengenal dan memahami model Hopfield, berikut karakteristiknya

Fungsi Lyapunov - himpunan invarian

Mahasiswa memahami penggunaan fungsi Lyapunov dalam jaringan Hopfield

Efek Gain

Mahasiswa mengenal dan memahami efek Gain dalam jaringan Hopfield

Disain Hopfield

Mahasiswa mengenal dan memahami prinsip-prinsip perancangan jaringan Hopfield

1 2 3

Daftar Pustaka :

(8)

3. Fu, LiMin, Neural Networks In Computer Intelligence, Mc.Graw-Hill International Editions, Singapore, 1994