• Tidak ada hasil yang ditemukan

Gbpp kecerdasan buatan dan id

N/A
N/A
Protected

Academic year: 2018

Membagikan "Gbpp kecerdasan buatan dan id"

Copied!
2
0
0

Teks penuh

(1)

GBPP

Nama mata kuliah : Kecerdasan Buatan

Semester : 6

Jumlah SKS : 3 sks

Status : Wajib

Prasyarat : Rancangan dan Analisa Algoritma Rumusan Standar Kompetensi

1. Mahasiswa dapat membuat aplikasi Cerdas dengan berbagai metode yang ada

Rumusan kompetensi Dasar

 Mahasiswa Dapat Memahami, Mengembangkan dan Mengimplementasikan Konsep Logika.

 Mahasiswa Dapat Memahami Konsep Kecerdasan Buatan.

 Mahasiswa Dapat Memahami, Mengembangkan dan Mengimplementasikan Konsep Jaringan Saraf Tiruan.

 Mahasiswa Dapat Memahami, Mengembangkan dan Mengimplementasikan Konsep Logika Fuzzy.

 Mahasiswa Dapat Memahami, Mengembangkan dan Mengimplementasikan Konsep Algoritma Genetika.

Pokok Bahasan

Pertemuan Topik bahasan Keterangan

I Pendahuluan  Kontrak Perkuliahan

 Penjelasan materi kuliah secara global

II Kecerdasan buatan  Definisi kecerdasan buatan

 Kecerdasan buatan vs kecerdasan alami

 Sejarah kecerdasan buatan  Perkembangan dan aplikasinya III-IV Masalah, ruang keadaan, dan

pencarian  Mendefinisikan masalah sebagaisuatu ruang keadaan  Metode pencarian dan pelacakan  Reduksi masalah

V-VI Representasi Pengetahuan  Logika  Pohon

 Jaringan semantic  Frame

 Naskah

 Sistem produksi

(2)

VIII Ujian Tengah Semester (UTS)

IX Sistem Pakar  Definisi sistem pakar

 Struktur sistem pakar  Knowledge base  Inference engine

X-XI Logika Fuzzy  Pengenalan logika fuzzy

 Himpunan fuzzy  Fungsi keanggotaan

 Operator dasar operasi himpunan fuzzy

 Fungsi implikasi fuzzy  Sistem inferensi fuzzy

XII-XIII Jaringan Syaraf Tiruan  Sejarah jaringan syaraf tiruan  Komponen jaringan syaraf  Arsitektur jaringan

 Proses Pembelajaran

XIV-XV Algoritma Genetika  Struktur umum Algoritma Genetika  Komponen-komponen utama

algoritma genetika

 Algoritma genetika sederhana

XVI Ujian Akhir Semester (UAS)

Referensi Wajib

 William Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”, Wiley-Interscience, 2005

 Laurene Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000

Referensi

Dokumen terkait

Perkuliahan ini secara umum untuk membekali mahasiswa dalam memahami dan menjelaskan konsep-konsep dasar matematika seperti himpunan, logika, teori bilangan, barisan

Sebaiknya pada praktikum ini dilakukan perbandingan hasil yang didapatkan melalui masing-masing metode penalaran sistem fuzzy sehingga dapat menjadi acuan atau referensi bagi

Mahasiswa diharapkan dapat memahami dan menjelaskan tentang pihak-pihak yang mengimplementasikan strategi, hal-hal yang harus dilakukan, dan cara mengimplementasikan

Artifisial Neural Networks (Jaringan Saraf Tiruan) menurut Haykin [4] didefinisikan sebagai berikut : “Sebuah neural network (JST: Jaringan Saraf Tiruan) adalah prosesor yang

Dalam penelitian ini penulis akan melakukan Prediksi Prestasi Mahasiswa Politeknik Unggul LP3M dengan Jaringan Saraf Tiruan Backpropagation dan Fuzzy Tsukamoto.. Terlebih

(1992), Introduction To Artificial Neural Systems, Boston: PWS Publishing Company, mendefinisikan sebagai berikut: “Sistem saraf tiruan atau jaringan saraf tiruan adalah

Tujuan dari penelitian yang dilakukan adalah merancang piranti lunak prediksi pertandingan sepak bola menggunakan jaringan saraf tiruan dan logika fuzzy, dan diharapkan

1 BAB I Konsep Dasar Logika Fuzzy Capaian Pembelajaran Mata Kuliah : - Mahasiswa mampu memahami konsep dasar logika fuzzy - Mahasiswa mampu memahami konsep dasar himpunan fuzzy