PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan Kode/SKS: SS / (2/1/0) Dosen : BSSU Semester : III

Ukuran: px

Mulai penontonan dengan halaman:

Download "PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Jaringan Syaraf Tiruan Kode/SKS: SS / (2/1/0) Dosen : BSSU Semester : III"

Hartono Kusnadi
7 tahun lalu
Tontonan:

1 RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMBELAJARAN : CP 3.3 : Mampu menyelesaikan masalah di bidang Stat komputasi dan Membuat program untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada CP.15.1 : Mampu Berkomunikasi secara lisan dan tertulis dalam bhs Indonesia dan Bhs inggris CP15.2 : Mampu mengelola dan bekerja dalam tim CP15.4 : Bertanggung jawab atas hasil kerja mandiri dan kelompok B. Untuk mencapai CP di atas diperlukan sebagai berrikut : Konsep (JST), Pemrograman MATLAB, Arsitektur JST, Perceptron, Proses, Multilayer Perceptron, FFNN, RBFNN, SOM, JST untuk Pemodelan Statistik. C. Mata Kuliah Prasyarat : An. Regresi, Ranc.Perc., An. Multivariate, ADW D. CP secara umum KKNI Level 6 Kemampuan Penguasaan pengetahuan Kemampuan kerja Kemampuan manjerial Sikap dan tata nilai 6.1 Menjelaskan penggunaan konsep Jaringan syaraf Tiruan. Mampu menjelaskan prosedur Jaringan syaraf Tiruan. Mampu mengaplikasikan Jaringan syaraf Tiruan untuk pemodelan statistik Mampu memanfaatkan IPTEKS untuk pemodelan statistic dengan pendekatan Jaringan syaraf Tiruan 6.5 Mampu beradaptasi terhadap situasi yang dihadapi Mampu mengambil keputusan yang tepat berdasarkan pemodelan statistic dengan pendekatan Jaringan syaraf Tiruan dan mampu mengkomunikasikan hasil analisis baik secara lisan maupun tertulis. 6.7 Mampu memberikan petunjuk dalam memilih teknik Jaringan syaraf Tiruan secara mandiri dan kelompok; Bertanggung jawab pada pekerjaan sendiri dan dapat diberi tanggung jawab atas pencapaian hasil kerja organisasi Memiliki EtikaProfesi, kerjasama, menghargai orang lain, patuh aturan, cerdas amanahk reatif 1-CP 3-RE 7-Prosedur Cek soal / Porosedur

2 RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 2 dari Memahami konsep JST untuk pemodelan Statistik 2.mampu menguasai dasardasar pemrograman 3. Mampu Membangun Sederhana (Perceptron) 1.1 Dapat menjelaskan dan memahami struktur pemodelan JST 1.2 Dapat mengidentifikasi permasalahan yang cocok untuk diselesaikan dengan JST 1.3 Dapat membangun 2.1 Dapat mengoperasikan/ menjalankan program (MATLAB) untuk pemrograman JST 2.2 Dapat membuat algoritma pemrograman 3.1 Dapat mengidentifikasi permasalahan dan menyajikannya dalam bentuk 3.2 Dapat menentukan proses pembeln dan dari arsitektur yang dibuat dengan berbagai fungsi aktivasialgoritma Dasar-dasar JST Dasar-dasar Pemrograman MATLAB Perceptron, Hebb Rule, Ceramah interaktif Diskusi (CID) CID, Latihan Soal (L) CIDL Observasi Aktifitas di kelas (TOA) Tes Tugas1 (ObservasiA ktifitas di kelas Tes &Observasi Aktifitas di kelas(toa) 5%/5% 15%/20% 10%/30% 1-CP 3-RE 7-Prosedur Cek soal / Porosedur

3 RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 3 dari Mampu Membangun dengan proses pembelan adaptif CP Mampu membangun arsitektur Multilayer Perceptron (FFNN) Cp15.4, 4.1. Dapat mengidentifikasi permasalahan dan menyajikannya dalam bentuk 4.2 Dapat melakukan proses pembelan dari jaringan adaptif dan madaline 4.3 Dapat melakukan proses pembelan dan membuat algoritma untuk jaringan Pattern Association 5.1. Dapat memilih filter adaptive dan metode estimasi bobot 5.2. Dapat menentukan bobot dengan proses Backpropagation Beserta criteria kebaikan model 5.3.Dapat menyusun algoritma untuk jaringan multilayer perceptron (FFNN) Adaline, Madaline, Pattern Association Adaptif dan filter linear FFNN CIDL Praktikum (P) CIDLP TOA 15%/45% TOA Tugas-3 15%/60% 1-CP 3-RE 7-Prosedur Cek soal / Porosedur

4 RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 4 dari Evaluasi Bersama Mampu membangun arsitektur Multilayer Perceptron (RBFNN) Cp15.4, 6. Mampu Membangun JST untuk pemetaan/ klasifikasi Cp15.4, CP Dapat menentukan jumlah node dan bobot input untuk RBFNN Beserta criteria kebaikan model.dapat menyusun algoritma untuk jaringan multilayer perceptron (RBFNN) 7.1. Dapat membuat arsitektur NN untuk pemetaan/ klasifikasi 7.2. Dapat memilih metode untuk klasifikasi derdasarkan metode JST 7.3. Dapat membuat rancangan pemetaan terorganisasi RBFNN Commette Machines Self Organizing Map (SOM) Learning CIDLP TOA Tugas-3 15%/60% CIDLP TOA 15%/75% 1-CP 3-RE 7-Prosedur Cek soal / Porosedur

5 RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 5 dari Dapat membuat algoritma pembelan untuk jaringan pemetaan Vector Quantification (LVQ) Mampu merancang model statistik dengan pendekatan JST untuk prediksi. Cp15.4, CP Mampu merancang model statistik dengan pendekatan JST untuk Klasifikasi. 7.1 Dapat merancang JST untuk pemodelan statistic untuk keperluan prediksi 7.2. Dapat memilih terbaik dari rancangan yang dibuat untuk pemodelan statistic 8.1 Dapat merancang JST untuk pemodelan statistic untuk keperluan Klasifikasi 8.2. Dapat memilih terbaik dari rancangan yang dibuat untuk pemodelan statistic Studi kasus FFNN RBFNN Studi kasus FFNN RBF SOM LVQ CIDLP TOA 15%/90% CIDLP TOA 10%/100% 1-CP 3-RE 7-Prosedur Cek soal / Porosedur

6 RP-S1-SK-12 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 6 dari 6 Cp15.4, CP Evaluasi Akhir Semester Pustaka : 1. Haykin, S. 1999, Neural Networks, 2 nd., ed., Prentice Hall 2. Fausett, L., 1994, Fundamental of Neural Networks, Prentice Hall 3. Limin Fu, 1994, Neural Network in Computer Intelligence, McGraw Hill 4. Sivanandam, S.N., Sumathi, S., and Deepa, S. N., 2006, Introduction to Neural Networks using MATLAB 6, McGraw-Hill 1-CP 3-RE 7-Prosedur Cek soal / Porosedur

dokumen-dokumen yang mirip

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Struktur Data Kode/SKS: SS / (2/1/0) Dosen : BS Semester : III

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Struktur Data Kode/SKS: SS / (2/1/0) Dosen : BS Semester : III RP-S1-SK-09 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMBELAJARAN : CP 3.3 : Mampu menyelesaikan masalah di bidang Stat komputasi khusunya Struktur data untuk mengoptimalkan