GARIS BESAR PROGAM
PEMBELAJARAN (GBPP)
GBPP
Revisi :
Tanggal :
Dikaji Ulang Oleh : Dikendalikan Oleh : Disetujui Oleh :
SPMI-DARMAJAYA/GBPP/
Disetujui Oleh
Revisi ke Tanggal
Garis Besar Program Pembelajaran
GARIS BESAR PROGRAM PEMBELAJARAN (GBPP)
Disetujui Oleh Revisi ke : Tanggal :
Kode Mata Kuliah : TIF01405
Mata Kuliah : KECERDASAN BUATAN
SKS : 4 (2/2)
Semester : 3
Prasyarat :
Deskripsi singkat : Membahas pentingnya Konsep Dasar kecerdasan buatan, Masalah dan ruang keadaan, teknik pencarian dan pelacakan Blind dan heuristic, Representasi Pengetahuan, Sistem Pakar, Ketidakpastian, Case Base Reasoing, Jaringan syaraf tiruan, dan Algoritma Genetika
Standar kompetensi : Setelah mengikuti matakuliah ini, mahasiswa akan mampu menganalisis tentang konsep dasar kecerdasan buatan dan penerapan cabang ilmu keserdasan buatan dalam penyelesaikan masalah.
1 2 3 4 5 6 7 8
NO Kompetensi dasar (KD) Materi Pokok dan Uraian
Materi Pokok Pengalaman Belajar Indikator Penilaian
Alokasi Waktu
Sumber / Bahan / Alat
1
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan perbedaan kecerdasan buatan dan kecerdasan alamiah, perbedaan antara pemograman konvensional dengan Kecerdasan Buatan, dan Bagian Utama Sistem Kecerdasan Buatan
Pengenalan AI
1. Definisi Kecerdasan Buatan
2. Kecerdasan Buatan dan Kecerdasan Alamiah
3. Komputasi
Kecerdasan Buatan dan Komputasi Konvensional 4. Sejarah Kecerdanan
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh aplikasi kecerdasan buatan dalam kehidupan sehari-hari
Mahasiswa mampu :
1. Menjelaskan prinsip dasar kecerdasan buatan 2. Menjelaskan
berbagai macam perbedaan antara
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di
lalboratori um
1 kali tatap muka (4 x 50 menit)
1. Buku
bacaan/literat ure lain yang terkait dan relevan 2. Handout/mo
dul
secara lisan tanpa membuka buku, 60% benar.
Buatan
5. Lingkup Kecerdasan Buatan Pada Aplikasi Komersial
6. AI dilihat dari berbagai sudut pandang
7. Domain Penelitian Kecerdasan buatan 8. Bagian utama
Aplikasi Kecerdasan buatan
9. Soft Computing 10. Sistem Kecerdasan
Buatan
pemograman konvensional dengan kecerdasan buatan 3. Menganalisa
kecerdasan buatan dan penerapannya 4. Menjelaskan
bagian utama apllikasi kecerdasan buatan
5. Komputer
2
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan Representasi masalah, representasi ruangan keadaan dan
karakteristik masalah tanpa membuka buku, 60% benar
Masalah dan Ruang Keadaan
1. Representasi Masalah 2. Representasi Ruang
Keadaaan
3. Karakteristik Masalah
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh penyelesaian masalah dengan kecerdasan buatan
Mahasiswa mampu:
1. Menerangkan konsep dasar pemecahan masalah dengan kecerdasan buatan 2. Menerangkan
langkah langkah state space search 3. Menjelaskan
dan
menerangkan karakteristik masalah
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di
lalboratori um
1 kali tatap muka (4 x 50 menit)
1. Buku
bacaan/literat ure lain yang terkait dan relevan 2. Handout/mo
dul
3
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan teknik-teknik
pemecahan masalah dan konsep teknik
pemecahan masalah dengan Blind Search secara lisan tanpa membuka buku, 60% benar
Teknik Pencarian dan Pelacakan Blind Search
1. Pendahuluan 2. Empat Teknik
Pemecahan Masalah 3. Blind search yaitu
Depth First Search : Pendahuluan, 4. Blind search yaitu
Depth First Search dan Breadth First Search
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh penyelesaian masalah dengan blind search
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari konsep blind search 2. Menerangkan
konsep dari depth and breadth search
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
4
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan teknik pemecahan masalah dengan heuristic search secara lisan tanpa membuka buku, 60% benar
Pencarian dan Pelacakan Heuristik
1. Pendahuluan 2. Metode pencarian
heuristic
- Generate and test : pendahuluan, algoritma, contoh kasus
- Hill Climbing : pendahuluan,
metode hill climbing - Best Fisrt Search :
pendahuluan, metode BFS - Simulated
Annealing : pendahuluan
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh penyelesaian masalah dengan pencarian dan pelacakan heuristik
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari konsep pencarian heuristi 2. Menerangkan
konsep dari Generate and Test
3. Menerangkan konsep Hill Climbing dan Best First Search
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
5
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan konsep Representasi Pengetahuan dengan
Representasi Pengetahuan 1. Definisi Representasi
pengetahuan 2. Logika :
3. Logika proposisi :
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari
1. Keaktifan 2. Tugas
logika, list, dan tree secara lisan tanpa membuka buku, 60% benar
pendahuluan, operator logika
4. logika predikat : representasi fakta sederhana, representasi hubungan Instance dan Isa, Computable Function, resolusi 5. List dan tree (pohon)
contoh representasi pengetahuan dengan logika proposisi, logika predikat, list, dan tree (pohon)
Representasi Pengetahuan 2. Menerangkan
konsep dari logika proposisi, logika predikat, list, dan tree (pohon)
terstruktur di
lalboratori um
2. Handout/mo dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
6
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan konsep Representasi Pengetahuan dengan jaringan semantic dan frame secara lisan tanpa membuka buku, 60% benar
Representasi Pengetahuan II
1. Jaringan semantic : Perluasan jaringan semantic dan operasi pada jaringan semantic 2. Frame
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh representasi pengetahuan dengan jaringan semantic dan frame
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari
Representasi Pengetahuan dengan jaringan semantik dan frame
2. Memberikan contoh kasus dengan kedua representasi tersebut
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
7
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan Representasi
Pengetahuan dengan konsep Naskah (Script) dan Sistem Produksi
Represenrasi Pengetahuan III
1. Naskah (Script) 2. Sistem Produksi :
Definisi sistem produksi, kaidah produksi, pengetahuan
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh representasi pengetahuan
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari
Representasi Pengetahuan
4. Keaktifan 5. Tugas
terstruktur di kelas 6. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
tanpa membuka buku, 60% benar
dan kaidah inferensi, keuntungan sistem produksi
dengan Naskah dan sistem produksi
dengan naskah dan sistem produksi 2. Memberikan
contoh kasus dengan kedua representasi tersebut
lalboratori um
praktikum 3. Whiteboard 4. LCD 5. Komputer
8
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan konsep Sistem Pakar, struktur sistem pakar, basis pengetahuan, motor inferensi, dan mengembangkan sistem pakar secara lisan tanpa membuka buku, 60% benar.
Sistem Pakar 1. Pendahuluan
2. Ciri-ciri dan Kategori Masalah dalam Sistem Pakar 3. Keuntungan dan
Kelemahan Sistem Pakar
4. Bentuk Sistem Pakat 5. Struktur Sistem Pakar 6. Unsur manusia dalam
sistem pakar 7. Basis Pengetahuan 8. Motor Inferensi 9. Mengembangkan/Pe
mbangunan sistem pakar
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh
mengembangkan sistem pakar
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari sistem pakar
2. Memberikan contoh
mengembangk an sistem pakar
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
9
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan konsep ketidakpastian dengan metode probabilitas dan teori Bayesian tanpa membuka buku, 60%
Ketidakpastian 1. Pendahuluan 2. Probabilitas dan
Teorema Bayes 3. Faktor Kepastian
(CF)
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh probabilitas dan teorema bayes serta factor
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari
ketidakpastian dengan
probabilitas
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
benar kepastian dan bayes serta factor
kepastian 2. Memberikan
contoh kasus dengan kedua ketidakpastian tersebut
um 3. Whiteboard
4. LCD 5. Komputer
10
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan konsep ketidakpastian dengan metode Teori Dempster Shafer tanpa membuka buku, 60% benar
Ketidakpastian
Teori Dempster_Shafer
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh
ketidakpastian dengan teori dempster shafer
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari
ketidakpastian teori dempster shafer
2. Memberikan contoh kasus dengan
ketidakpastian Teori
Dempster_Sha fer
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di
lalboratori um
1 kali tatap muka (4 x 50 menit)
1. Buku
bacaan/literat ure lain yang terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
11
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan Memahami tentang Sistem Fuzzy dan metode dalam Fuzzy tanpa membuka buku, 60% benar.
Fuzzy Logic 1. Pendahuluan 2. Sistem fuzzy dan
logika fuzzy
3. Istilah dalam fuzzy : variabel fuzzy, semesta pembicaraan, domain himpunan fuzzy, Himpunan fuzzy,
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh sistem fuzzy
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari sistem fuzzy 2. Memberikan
contoh kasus sistem fuzzy
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di
lalboratori um
1 kali tatap muka (4 x 50 menit)
1. Buku
bacaan/literat ure lain yang terkait dan relevan 2. Handout/mo
dul
himpunan crisp 4. Fungsi keanggotaan 5. Metode Fuzzy
4. LCD 5. Komputer
12
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan konsep case base reasoning, keuntungan sistem CBR, dan Tahapan CBR tanpa membuka buku, 60% benar
Case base Reasoning 1. Pendahuluan 2. Basis pengetahuan 3. Keuntungan sistem
CBR
4. Tahapan CBR
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh aplikasi dengan case base reasoning
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari case base reasoning 2. Memberikan
contoh aplikasi case base reasoning
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
13
Setelah mengikuti perkuliahan, mahasiswa mampu menjelaskan tentang Jaringan Syaraf Tiruan secara lisan tanpa membuka buku, 60% benar.
Jaringan Syaraf Tiruan 1. Pendahuluan 2. Istilah JST 3. Aplikasi JST 4. Komponen JST 5. Arsitektur JST :
Neuron buatan, fungsi aktivasi sistem JST 6. Karakteristik JST 7. Pelatihan Supervised
dan Unsupervised 8. Algoritma
pembelajaran :
Algoritma perceptron, metode back
propogation
1. Mengkaji berbagai literature dan mendiskusikannya di dalam kelas 2. Memberikan
contoh aplikasi dengan jaringan syaraf tituan
Mahasiswa mampu :
1. Menerangkan prinsip dasar dari jaringan syaraf tiruan 2. Memberikan
contoh aplikasi jaringan syaraf tiruan
1. Keaktifan 2. Tugas
terstruktur di kelas 3. Tugas
terstruktur di terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
14 Setelah mengikuti perkuliahan, mahasiswa
Algoritma Genetika 1. Struktur umum
1. Mengkaji berbagai literature dan
Mahasiswa mampu :
1. Keaktifan 2. Tugas
1 kali tatap
1. Buku
mampu menjelaskan konsep Algoritma genetic secara lisan tanpa membuka buku, 60% benar
Algoritma genetika 2. Pengkodean
3. Operator Genetika : Seleksi, crossover, mutasi
4. Control parameter algoritma genetika 5. Algoritma genetika
untuk masalah optimalisasi
mendiskusikannya di dalam kelas 2. Memberikan
contoh aplikasi algoritma genetika
1. Menerangkan prinsip dasar dari algoritma genetika 2. Memberikan
contoh aplikasi algoritma genetika
terstruktur di kelas 3. Tugas
terstruktur di
lalboratori um
muka (4 x 50 menit)
ure lain yang terkait dan relevan 2. Handout/mo
dul
praktikum 3. Whiteboard 4. LCD 5. Komputer
Daftar Pustaka :
Referensi Utama :
1. Kusumadewi, s. (2003). Artificial Intelegence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.
Referensi Tambahan :
1. Arhami, M. (2005). Konsep Dasar Sistem Pakar. Yogyakarta: Andi Offset.
2. Bojadziev, G., & Bojadziev, M. (2007). Fuzzy Logic for Business, Finance, and Management . Singapore: Word Scientific. 3. Desiani, A., & Arhami, M. (2006). Konsep Kecerdasan Buatan. Yogyakarta: Andi Offset.
4. Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy : Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. 5. Morris W, F. (1989). Artificial Intelligence . Boston: PWS-Kent .
6. Puspitaningrum, D. (2006). Pengantar jaringan Syaraf Tiruan. Yogyakarta: Andi Offset. 7. Suyanto. (2005). Algoritma Genetika dalam Matlab. Yogyakarta: Andi Offset.