RENCANA PROGRAM
KEGIATAN PEMBELAJARAN SEMESTER
(RPKPS)
MATA KULIAH:
KECERDASAN BUATAN
(TIF5905)
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
Kecerdasan Buatan merupakan mata kuliah wajib Program Stud Teknik Informatika yang diberikan bagi mahasiswa semester 6 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Mercu Buana Yogyakarta. Tujuan mata kuliah ini agar mahasiswa mampu dan trampil mengembangkan konsep dasar Kecedasan buatan dan algoritma pembelajaran kecerdasan buatan. 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 Kecerdasan Buatan; kecerdasan artificial, algoritma heuristik, generate and test, hill-climbing, tabu search, algoritma semut, algoritma genetika, dan algoritma immune system (AIS).
3. Kompetensi kuliah terdadap lulusan
Setelah menyelesaikan perkuliahan ini mahasiswa diharapkan memiliki kompetensi dalam memahami kecerdasan buatan dan mampu mengembangkan mengembangkan algoritma pembelajaran kecerdasan buatan serta mampu mengimplementasikan pada bidang teknik informatika dan teknologi informasi.
B. PERENCANAAN PEMBELAJARAN
1. Nama Mata Kuliah : Kecerdasan Buatan
2. Kode/SKS : TIF5905 / 3 sks
3. Semester : 7 (Tujuh).
4. Status Mata Kuliah : Pilihan
5. Prasyarat : Neural Networks, Logika Fuzzy
Proses pembelajaran pada mata kuliah kecerdasan buatan berfokus pada student-centerd Learning yang akan memberi kompetensi-kompetensi khusus pada mahasiswa. Setelah mengikuti kuliah kecerdasan buatan, mahasiswa diharapkan mampu menjelaskan teori-teori Sistem Cerdas dan aplikasi Sistem Cerdas yang terkait dengan keilmuan didunia teknologi informasi serta mampu secara trampil mengembangkan Sistem Cerdas dengan bahasa pemrograman, sekaligus mengaplikasikannya di bidang Teknik Informatika.
Manfaat model pembelajaran ini adalah mahasiswa tidak hanya sekadar menguasai teori-teori dan aplikasi Sistem Cerdas, tetapi mahasiswa dapat menerapkan pengetahuan dan ketrampilan pemrograman kecedasan buatan 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 kecerdasan buatan dengan bidang-bidang lain, misalnya agroteknologi, teknik, ekonomi dan bisnis, psikologi, bahasa, komunikasi, matematika, serta isu-isu aktual sehingga kecerdasan buatan dapat membantu dalam tugas transformasi informasi dan berdaya guna bagi masyarakat.
7. Outcome Pembelajaran
Untuk mencapai tujuan mata kuliah kecerdasan buatan mahasiswa diharapkan mampu:
Pengantar kecerdasan buatan; kecerdasan artificial, algoritma heuristik, generate and test, hill-climbing, tabu search, algoritma semut, algoritma genetika, dan algoritma immune system (AIS).
a. Pengetahuan dan pemahaman (knowledge) i. Memahami kecerdasan artificial. ii. Memahami algoritma heuristik. iii. Memahami generate and test. iv. Memahami hill-climbing. v. Memahami tabu search. vi. Memahamialgoritma semut. vii. Memahami algoritma genetika.
viii. Memahami algoritma immune system (AIS).
b. Kemampuan/Ketrampilan (skill)
c. Sikap (attitude) i. Kreatifitas ii. Ulet iii. Teliti
8. Jumlah dan Pembagiannya
Perkuliahan kecerdasan buatan 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 dan 150 menit praktikum di laboratorium. 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 kecerdasanbuatan
2. memberi pengetahuan dan pembekalan kepada mahasiswa tentang teori-teori
3. memberi pengetahuan dan wawasan tentang kecerdasan buatan yang aktual dan berdaya guna bagi masyarakat.
4. memberi pengetahuan dan wawasan leadership (hidden curriculum), serta kewirausahaan (hidden curriculum).
2 Praktek 10 Kali 150 Pratikum di Laboratorium Komputasi Dasar
3 Diskusi/Presentasi 10-12 kali
50 menit 1) Membahas hasil tugas dan praktikum kecerdsan buatan 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 kecerdan buatan
1 kali - Di luar jam kuliah yang dilakukan secara mandiri oleh kelompok mahasiswa
7 Ujian Tengah Semester
1 kali 120 Menjawab pertanyaan-pertanyaan
9 Ujian Project Akhir 1 kali 100 Menyelesaikan kasus sistem cerdas dengan komputer
8. 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 konsep dasar Sistem Cerdas
Kecerdasan artifisial
a. Definisi
b. Kecerdasan Buatan dan Alami
c. Komputasi Kecerdasan Buatan dan Komputasi Konvensional
d. Sejarah
e. Aplikasi komersial f. Softcomputing
300 Kelas:
1. Menerangkan 2. Tanya Jawab 3. Diskusi
Porfolio Mahasiswa mampu menjelaskan konsep dasar kecerdasan
a. Mendefinisikan masalah b. Metode pencarian dan
pelacakan c. Reduksi masalah
300 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Porfolio Mahasiswa mampu menjelaskan pencarian heuristik
4 Mahasiswa memahami algoritma generate and test
Generate and Test
a. Ruang Keadaan b. Alur Pencarian
300 Kelas :
1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma generate & test
5
5 Mahasiswa memahami algoritma hill-climbing
Hill-Climbing a. Konsep Hill Climbing b. Algoritma Hill Climbing c. Aplikasi Algoritma Hill
Climbing
300 Kelas dan Lab: 1. Menerangkan
2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu tabu search
Tabu Search a. Konsep Dasar Tabu Search.
b. Algoritma Tabu Search. c. Aplikasi Algoritma Tabu
Search.
300 Kelas dan Lab: 1. Menerangkan
2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma tabu search
5
8 UTS Porfolio dan Presentasi
9
a. Konsep Dasar Simulated Annealing. b. Algoritma Simulated
Annealing.
c. Aplikasi Algoritma Simulated Annealing.
300 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu
a. Konsep Dasar Algoritma Semut
b. Algoritma Semut c. Aplikas Algoritma
Semut.
300 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma semut
5
a. Pendahuluan b. Struktur Umum GA c. Komponen GA d. Seleksi
300 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum
Portfolio Mahasiswa mampu menjelaskan algoritma
e. Rekombinasi f. Mutasi g. GA sederhana
4. Diskusi genetika
15 Mahasiswa memahami algoritma immune system(AIS)
algoritma immune system (AIS).
a. Konsep Dasar Algoritma Immune System
b. Algoritma Immune Sistem
c. Aplikasi Algoritma Immune Sistem (AIS)
150 Kelas dan Lab: 1. Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Porfolio Mahasiswa mampu menjelaskan algoritma immune system(AIS)
5
16 UTS Portfolio dan Presentasi
Metode Pembelajaran yang dikembangkan
Model pengembangan proses pembelajaran mata kuliah kecerdasan buatan 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 kecerdasan buatan yang sesuai dan dapat implementasikan pada bidang-bidang actual.
2) Mahasiswa diharapkan:
a) mampu memahami kecerdasan buatan 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 kelompok dan mampu memimpin kelompok.
h) mempunyai kepercayaan diri dalam berpresentasi.
i) mampu menciptakan ide mata kuliah “Kecerdasan Buatan” dapat digunakan sebagai sains untuk mengembangkan gagasan baru sehingga
tumbuh jiwa profesionalisme didunia teknologi informasi. Media
Media yang digunakan dalam proses pembelajaran berupa komputer, papan tulis/white board, dan LCD Proyektor, referensi online, manual books software scilab, browsing internet. Tugas kelompok dan mandiri bersifat wajib sesuai topic bahasan.
Studi literature melalui browsing di dunia maya yang terkait dengan Sistem Cerdas baik perkelompok atau mandiri. Setelah studi seaching kasus, mahasiswa diharapkan mampu berinovasi dan bermotivasi akan pentingnya Sistem Cerdas sebagai hidden sains pada dunia kerja dan atau transformasi informasi di masyarakat.
9. 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 C untuk 600-699
- Nilai D untuk 500-599
- Nilai E untuk kurang dari 500 dan dianggap Tidak Lengkap/Tidak Lulus.
Apabila minmal 75% mahasiswa memperoleh nilai A dan B pada semua komponen evaluasi, maka dapat dikatakan proses pembelajaran dan hasil pembelajaran berhasil.
10. Bahan, Sumber Informasi, dan Referensi
1) Kusumadewi, Sri., 2003, “Artificial Intelligence: Teknik dan Aplikasinya”, Graha Ilmu, Yogyakarta.
2) Rich, E., 1983, “Artificial Intelligence”, McGraw-Hill.
3) J-L Lauriere, 1987, “Problem Solving and Artificial Intelligence”, Prentice-Hill.
4) J.Russell dan P. Norvig, 1995, “Artificial Intelligence”, Prentice-Hall.
5) Kusumadewi, Sri., 2005, “Teknik Optimasi”, Graha Ilmu, Yogyakarta.
