RENCANA PEMBELAJARAN SEMESTER (RPS)

Transkripsi

1 RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4C3 EVOLUTIONARY COMPUTATION Disusun oleh: Untari Novia Wisesty Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY

2 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah berikut: Kode Mata Kuliah : CIG4C3 Nama Mata Kuliah : EVOLUTIONARY COMPUTATION Mengetahui Ketua Program Studi S1 Teknik Informatika Bandung, 2015 Menyetujui Ketua KK Intelligent, Computing, and Multimedia (ICM) M. Arif Bijaksana, Ph.D Ari M. Barmawi, Ph.D ii

3 DAFTAR ISI LEMBAR PENGESAHAN...ii DAFTAR ISI... iii A. PROFIL MATA KULIAH... 1 B. RENCANA PEMBELAJARAN SEMESTER (RPS)... 2 C. RANCANGAN INTERAKSI DOSEN MAHASISWA... 6 D. RANCANGAN TUGAS E. PENILAIAN DENGAN RUBRIK F. PENENTUAN NILAI AKHIR MATA KULIAH iii

4 A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH Nama Mata Kuliah : Evolutionary Computation Kode Mata Kuliah : CIG4C3 SKS : 3 (tiga) Jenis : Mata kuliah pilihan Jam pelaksanaan : Tatap muka di kelas = 3 jam per pekan Tutorial/ responsi Semester / Tingkat : 6 (enam)/ 3 (tiga) Pre-requisite : Kecerdasan Mesin dan Artifisial (CSG3G3) Co-requisite : Soft Computing (CIG4C3) = 1 jam per pekan Bidang Kajian : Keilmuan Pelengkap (Penciri ProDi S1 Teknik Informatika Telkom University) DESKRIPSI SINGKAT MATA KULIAH Mata kuliah ini membahas Evolutionary Computation (EC) secara seimbang antara teori dan praktek. EC merupakan suatu abstraksi yang mengadopsi evolusi dan genetika yang disederhanakan. Dari abstraksi tersebut, lahirlah berbagai algoritma berbasis EC yang dikenal sebagai Evolutionary Algorithms (EAs). Yang menarik pada EAs adalah Hanya dengan menggunakan proses-proses yang sebagian besar dilakukan secara acak, EAs bisa menghasilkan solusi yang bagus (mungkin saja solusi terbaik) dengan kecepatan yang dapat diterima. DAFTAR PUSTAKA 1. Suyanto, Algoritma Genetika dalam Matlab, Andi Publisher, Yogyakarta, Suyanto, Artificial Intelligence: Searching-Reasoning-Planning-Learning, Informatika, Bandung, Suyanto, Evolutionary Computation: Komputasi Berbasis `Evolusi dan `Genetika, Informatika, Bandung, Suyanto, Soft-Computing: Membangun Mesin Ber-IQ Tinggi, Informatika, Bandung, Suyanto, Algoritma Optimasi: Deterministik atau Probabilistik, Graha Ilmu, Yogyakarta, Mitchell M. Tom, Machine Learning, McGraw-Hill International Editions,

5 B. RENCANA PEMBELAJARAN SEMESTER (RPS) Pertemuan ke- Kemampuan Akhir yang Diharapkan 1-2 Memahami teknik optimasi berbasis Evolusi dan Genetika. 3-5 Memahami berbagai algoritma EAs. Memahami kelebihan dan kekurangan berbagai algoritma EAs Mampu memilih algoritma yang paling sesuai untuk beragam masalah dan kasus yang dihadapi Memahami Genetic Algorithms (GA). Mengetahui kelebihan dan kekurangan GA. Mampu menerapkan GA untuk memecahkan Bahan Kajian (Materi Ajar) Teknik optimasi berbasis Evolusi dan Genetika : 1. Evolusi dan Genetika. 2. EC: dulu, sekarang, dan masa depan. Evolutionary Algorithms (EAs): 1. Apa itu EAs? 2. Mengapa, kapan, dimana, dan bagaimana menggunakan EAs? 3. Enam algoritma EAs, perbedaan, kelebihan dan kekurangannya. Genetic Algorithms: 1. Simple GA. 2. Masalah optimasi fungsi 3. Representasi Individu 4. Nilai Fitness 5. Seleksi Orangtua Bentuk/ Metode/ Strategi Pembelajaran Ceramah dan diskusi permasalahan. Ceramah, diskusi permasalahan, dan Praktikum. Ceramah, diskusi permasalahan, dan Praktikum. Kriteria Penilaian (Indikator) Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Bobot Nilai 4% 4% 4% 2

6 Pertemuan ke- Kemampuan Akhir yang Diharapkan Bahan Kajian (Materi Ajar) sebuah permasalahan. 6. Rekombinasi 7. Mutasi 8. Seleksi Survivor 9. Pembuktian GA Secara Matematis 10. Studi Kasus Memahami Evolution Strategies (ES). Memahami kelebihan dan kekurangan ES. Memahami perbedaan ES dengan GA Memahami Evolutionary Programming (EP). Memahami kelebihan dan kekurangan EP. Memahami perbedaan EP dengan GA dan ES Memahami Genetic Programming (GP). Memahami kelebihan dan kekurangan GP. Evolution Strategies: 1. ES Pada Masa Awal 2. Representasi Individu 3. Seleksi Orangtua 4. Rekombinasi 5. Mutasi 6. Seleksi Survivor 7. Self-Adaptation Evolutionary Programming: 1. EP tradisional 2. Representasi Individu 3. Seleksi Orangtua 4. Rekombinasi 5. Mutasi 6. Seleksi Survivor Genetic Programming: 1. Proses Evolusi. 2. Representasi Individu. 3. Seleksi Orangtua. Bentuk/ Metode/ Strategi Pembelajaran Ceramah, diskusi permasalahan, dan Praktikum. Ceramah, diskusi permasalahan, dan Praktikum. Ceramah, diskusi permasalahan, dan Praktikum. Kriteria Penilaian (Indikator) Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Bobot Nilai 4% 4% 4% 3

7 Pertemuan ke- Kemampuan Akhir yang Diharapkan Memahami perbedaan GP dengan GA, ES, dan EP. Bahan Kajian (Materi Ajar) 4. Rekombinasi. 5. Mutasi. 6. Seleksi Survivor. Bentuk/ Metode/ Strategi Pembelajaran Kriteria Penilaian (Indikator) Bobot Nilai Memahami Differential Evolution (DE). Memahami kelebihan dan kekurangan DE. Memahami perbedaan DE dengan GA, ES, EP dan GP. Differential Evolution: 1. Masalah optimasi. 2. DE untuk optimasi. 3. Performansi DE. Ceramah, diskusi permasalahan, dan Praktikum. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. 4% Memahami Grammatical Evolution (GE). Memahami kelebihan dan kekurangan GE. Memahami perbedaan GE dengan GA, ES, EP, GP dan DE. Grammatical Evolution: 1. Backus Naur Form (BNF). 2. Representasi Individu. 3. Operator Evolusi. 4. Performansi GE. Ceramah, diskusi permasalahan, dan Praktikum. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. 4% Memahami berbagai permasalahan pada EAs. Permasalahan EAs dan Solusinya: Konvergensi prematur Island Model EAs Messy Encoding Ceramah, diskusi permasalahan, dan Praktikum. Mahasiswa mampu menyelesaikan studi kasus yang diberikan. 4% 4

8 Pertemuan ke- Kemampuan Akhir yang Diharapkan Mengimplementasikan Evolutionary Computation dalam penyelesaian masalah dunia nyata. Memodelkan beragam masalah dan kasus dunia nyata ke dalam EAs. Bahan Kajian (Materi Ajar) Adaptive EAs Implementasi EAs Strategi EAs menggunakan Studi Kasus: 1. Graph bisection 2. 8-queens 3. TSP dengan batasan 4. Pemotongan bahan 5. Penjadwalan kuliah 6. Peramalan data time series Bentuk/ Metode/ Strategi Pembelajaran Ceramah, diskusi permasalahan, dan Praktikum. Kriteria Penilaian (Indikator) Mahasiswa mampu menyelesaikan studi kasus yang diberikan. Bobot Nilai 4% 5

9 C. RANCANGAN INTERAKSI DOSEN MAHASISWA 1. Materi pengenalan Evolutionary Computation. Kemampuan Akhir yang Diharapkan Memahami teknik optimasi berbasis Evolusi dan Genetika. Nama Kajian Teknik optimasi berbasis Evolusi dan Genetika : 1. Evolusi dan Genetika. 2. EC: dulu, sekarang, dan masa depan. Nama Strategi Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) 1-2 Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 2. Materi pengenalan Evolutionary Algorithms. Kemampuan Akhir yang Diharapkan Memahami berbagai algoritma EAs. Memahami kelebihan dan kekurangan 6

10 berbagai algoritma EAs Mampu memilih algoritma yang paling sesuai untuk beragam masalah dan kasus yang dihadapi. Nama Kajian Evolutionary Algorithms (EAs): 1. Apa itu EAs? 2. Mengapa, kapan, dimana, dan bagaimana menggunakan EAs? Enam algoritma EAs, perbedaan, kelebihan dan kekurangannya. Nama Strategi Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) 3-5 Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 3. Materi Genetic Algorithms. Kemampuan Akhir yang Diharapkan Memahami Genetic Algorithms (GA). Mengetahui kelebihan dan kekurangan GA. 7

11 Nama Kajian Mampu menerapkan GA untuk memecahkan sebuah permasalahan. Genetic Algorithms: 1. Simple GA. 2. Masalah optimasi fungsi 3. Representasi Individu 4. Nilai Fitness 5. Seleksi Orangtua 6. Rekombinasi 7. Mutasi 8. Seleksi Survivor 9. Pembuktian GA Secara Matematis 10. Studi Kasus Nama Strategi Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) 6-10 Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 4. Materi Evolution Strategies. 8

12 Kemampuan Akhir yang Diharapkan Memahami Evolution Strategies (ES). Memahami kelebihan dan kekurangan ES. Memahami perbedaan ES dengan GA. Nama Kajian Nama Strategi Pertemuan Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) pembelajaran Evolution Strategies: 1. ES Pada Masa Awal 2. Representasi Individu 3. Seleksi Orangtua 4. Rekombinasi 5. Mutasi 6. Seleksi Survivor 7. Self-Adaptation Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 5. Materi Evolutionary Programming. Kemampuan Akhir yang Diharapkan Memahami Evolutionary Programming (EP). 9

13 Memahami kelebihan dan kekurangan EP. Memahami perbedaan EP dengan GA dan ES. Nama Kajian Evolutionary Programming: 1. EP tradisional 2. Representasi Individu 3. Seleksi Orangtua 4. Rekombinasi 5. Mutasi 6. Seleksi Survivor Nama Strategi Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 6. Materi Genetic Programming. Kemampuan Akhir yang Diharapkan Memahami Genetic Programming (GP). 10

14 Nama Kajian Nama Strategi Memahami kelebihan dan kekurangan GP. Memahami perbedaan GP dengan GA, ES, dan EP. Genetic Programming: 1. Proses Evolusi. 2. Representasi Individu. 3. Seleksi Orangtua. 4. Rekombinasi. 5. Mutasi. 6. Seleksi Survivor. Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 7. Materi Differential Evolution. Kemampuan Akhir yang Diharapkan Memahami Differential Evolution (DE). Memahami kelebihan dan kekurangan DE. 11

15 Nama Kajian Nama Strategi Memahami perbedaan DE dengan GA, ES, EP dan GP. Differential Evolution: 1. Masalah optimasi. 2. DE untuk optimasi. 3. Performansi DE. Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 8. Materi Grammatical Evolution. Kemampuan Akhir yang Diharapkan Nama Kajian Memahami Grammatical Evolution (GE). Memahami kelebihan dan kekurangan GE. Memahami perbedaan GE dengan GA, ES, EP, GP dan DE. Grammatical Evolution: 1. Backus Naur Form (BNF). 12

16 Nama Strategi 2. Representasi Individu. 3. Operator Evolusi. 4. Performansi GE. Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 9. Materi permasalahan pada EAs. Kemampuan Akhir yang Diharapkan Memahami berbagai permasalahan pada EAs. Nama Kajian Nama Strategi Pertemuan Penggunaan Strategi (Metode) Permasalahan EAs dan Solusinya: 1. Konvergensi prematur 2. Island Model EAs 3. Messy Encoding 4. Adaptive EAs Ceramah, presentasi tugas kelompok, dan diskusi permasalahan.

17 Deskripsi Singkat Strategi (Metode) pembelajaran Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian topik-topik studi kasus untuk dikerjakan berkelompok, pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; penulisan dan presentasi paper oleh mahasiswa; diskusi pembahasan hasil studi kasus. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 10. Materi implementasi EAs. Kemampuan Akhir yang Diharapkan Mengimplementasikan Evolutionary Computation dalam penyelesaian masalah dunia nyata. Nama Kajian Memodelkan beragam masalah dan kasus dunia nyata ke dalam EAs. Implementasi EAs Strategi menggunakan EAs Studi Kasus: 1. Graph bisection 2. 8-queens 3. TSP dengan batasan 4. Pemotongan bahan 5. Penjadwalan kuliah 14

18 Nama Strategi 6. Peramalan data time series Ceramah, presentasi tugas kelompok, dan diskusi permasalahan. Pertemuan Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) Dosen memberikan ceramah mengenai materi pembelajaran yang diajarkan; pemberian topik-topik studi kasus untuk dikerjakan berkelompok, pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; penulisan dan presentasi paper oleh mahasiswa; diskusi pembahasan hasil studi kasus. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Menjelaskan tentang tujuan pembelajaran dari kegiatan Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan Membahas materi. Aktivitas Mahasiswa Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa. Menyimpulkan materi Menjawab pertanyaan yang diberikan. Mengerjakan tugas dengan baik sesuai dengan arahan dosen, tidak melakukan tindak plagiarisme dalam pengerjaan tugas. Menyimak kesimpulan. 15

19 D. RANCANGAN TUGAS 1. Materi Genetic Algorithms. Kode mata Kuliah Nama Mata Kuliah Kemampuan Akhir yang Diharapkan CIG4C3 Evolutionary Computation Memahami Genetic Algorithms (GA). Mengetahui kelebihan dan kekurangan GA. Mampu menerapkan GA untuk memecahkan sebuah permasalahan. Pertemuan ke 6 Tugas ke 1 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa membuat makalah secara berkelompok tentang GA yang meliputi Seleksi Orangtua, Rekombinasi, Mutasi, dan Advanced GA untuk mencegah konvergensi prematur. b. Output tugas berupa makalah. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 2. Materi Evolution Strategies. Kode mata Kuliah Nama Mata Kuliah Kemampuan Akhir yang Diharapkan CIG4C3 Evolutionary Computation Memahami Evolution Strategies (ES). Memahami kelebihan dan kekurangan ES. Memahami perbedaan ES dengan GA. Pertemuan ke 11 Tugas ke 2 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa secara individu membuat source code GA dan ES untuk mendapatkan nilai 16

20 minimum dari fungsi matematis yang diberikan dan mendapatkan paduan parameter yang optimum dari GA dan ES. b. Mahasiswa menganalisa hasil observasi yang diperoleh GA dan ES. c. Output tugas adalah source code dan laporan berisi analisa hasil observasi. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 3. Materi Evolutionary Programming. Kode mata Kuliah Nama Mata Kuliah CIG4C3 Evolutionary Computation Kemampuan Akhir yang Diharapkan Memahami Evolutionary Programming (EP). Pertemuan ke 13 Tugas ke 3 Memahami kelebihan dan kekurangan EP. Memahami perbedaan EP dengan GA dan ES. 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa secara individu membuat source code EP untuk mendapatkan nilai minimum dari fungsi matematis yang diberikan dan mendapatkan paduan parameter yang optimum dari EP. b. Mahasiswa menganalisa hasil observasi yang diperoleh EP. c. Mahasiswa menganalisa perbandingan hasil observasi yang diperoleh EP dengan GA dan ES. d. Output tugas adalah source code dan laporan berisi analisa hasil observasi. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 4. Materi Genetic Programming. Kode mata Kuliah Nama Mata Kuliah Kemampuan Akhir yang Diharapkan CIG4C3 Evolutionary Computation Memahami Genetic Programming (GP). Memahami kelebihan dan kekurangan GP. Memahami perbedaan GP dengan GA, ES, dan EP. Pertemuan ke 15 17

21 Tugas ke 5 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa mengimplementasikan GP untuk menyelesaikan permasalahan yang diberikan dengan studi kasus: promosi jabatan di suatu instansi/perusahaan. b. c. Mahasiswa mencari nilai dan paduan parameter yang optimum yang digunakan oleh GP. d. Mahasiswa menganalisa hasil observasi yang diperoleh GP. e. Output tugas adalah source code dan laporan berisi analisa hasil observasi. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 5. Materi Differential Evolution. Kode mata Kuliah Nama Mata Kuliah CIG4C3 Evolutionary Computation Kemampuan Akhir yang Diharapkan Memahami Differential Evolution (DE). Pertemuan ke 17 Tugas ke 4 Memahami kelebihan dan kekurangan DE. Memahami perbedaan DE dengan GA, ES, EP dan GP. 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa secara individu membuat source code DE untuk mendapatkan nilai minimum dari fungsi matematis yang diberikan dan mendapatkan paduan parameter yang optimum dari DE. b. Mahasiswa menganalisa hasil observasi yang diperoleh DE. c. Mahasiswa menganalisa perbandingan hasil observasi yang diperoleh DE dengan GA, ES, dan EP. d. Output tugas adalah laporan berisi analisa problem, rancangan dan implementasi EA yang digunakan, serta solusi yang dihasilkannya. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 18

22 6. Materi Grammatical Evolution. Kode mata Kuliah Nama Mata Kuliah Kemampuan Akhir yang Diharapkan CIG4C3 Evolutionary Computation Memahami Grammatical Evolution (GE). Memahami kelebihan dan kekurangan GE. Memahami perbedaan GE dengan GP. Pertemuan ke 17 Tugas ke 6 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa mengimplementasikan GE untuk menyelesaikan permasalahan yang diberikan dengan studi kasus: promosi jabatan di suatu instansi/perusahaan. b. Mahasiswa mencari nilai dan paduan parameter yang optimum yang digunakan oleh GE. c. Mahasiswa menganalisa hasil observasi yang diperoleh GE. d. Mahasiswa menganalisa perbandingan hasil observasi yang diperoleh GP dan GE. e. Output tugas adalah source code dan laporan berisi analisa hasil observasi. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 7. Tugas besar. Kode mata Kuliah Nama Mata Kuliah CIG4C3 Evolutionary Computation Kemampuan Akhir yang Diharapkan Mengimplementasikan Evolutionary Computation dalam penyelesaian masalah dunia nyata. Pertemuan ke 25 Tugas ke 7 Memodelkan beragam masalah dan kasus dunia nyata ke dalam EAs. 1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa. 2. Uraian Tugas: a. Mahasiswa mengimplementasikan EC untuk menyelesaikan salah satu permasalahan yang diberikan antara lain artificial characters,.breast cancer, ionosphere, ozone level 19

23 detection, EEG eye state, parkinson speech, climate model simulation crashes, airfoil self-noise, individual household electric power consumption, EMG dataset in lower limb, EMG physical, user identification from walking activity, pen-based recognition of handwritten digits. b. Mahasiswa mencari nilai dan paduan parameter yang optimum yang digunakan oleh GE. c. Mahasiswa menganalisa hasil observasi yang diperoleh EC. d. Output tugas adalah source code dan laporan berisi masalah yang diangkat, pemodelan dan desain program/algoritma yang digunakan, dan analisa hasil observasi. 3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E. 20

24 E. PENILAIAN DENGAN RUBRIK Rubrik penilaian tugas individu/kelompok, UTS, UAS, dan Tugas Besar Jenjang (Grade) Istimewa Angka (Skor) 90 < Skor Sangat Baik 80 < Skor 90 Baik 70 < Skor 80 Cukup Baik 60 < Skor 70 Cukup 50 < Skor 60 Kurang 40 < Skor 50 Sangat Kurang Skor 40 Deskripsi Perilaku (Indikator) - Ide yang dikemukakan sesuai dengan permasalahan - Inovatif - Mampu menyelesaikan permasalahan - Adanya analisis dan penjelasan yang komprehensif - Ide yang dikemukakan sesuai dengan permasalahan - Mampu menyelesaikan permasalahan - Adanya analisis dan penjelasan yang komprehensif - Ide yang dikemukakan sesuai dengan permasalahan - Mampu menyelesaikan permasalahan - Adanya analisis dan penjelasan yang cukup komprehensif - Ide yang dikemukakan sesuai dengan permasalahan - Mampu menyelesaikan permasalahan - Ada penjelasan dan analisis namun kurang komprehensif - Ide yang dikemukakan sesuai dengan permasalahan - Mampu menyelesaikan permasalahan - Ada analisis dan penjelasan namun tidak komprehensif - Ide yang dikemukakan sesuai dengan permasalahan - Kurang mampu menyelesaikan permasalahan - Tidak ada analisis dan penjelasan. - Ide yang dikemukakan kurang sesuai dengan permasalahan - Tidak mampu menyelesaikan permasalahan - Tidak ada analisis dan penjelasan. 21

25 F. PERSENTASE KOMPONEN PENILAIAN 1. Kuis : 10% 2. Tugas Besar : 20% 3. UTS : 30% 4. UAS : 40% G. PENENTUAN NILAI AKHIR MATA KULIAH Berikut adalah komponen penentu nilai akhir mata kuliah yang digunakan, Komponen Bobot Tugas harian 15% Tugas besar 25% UTS 30% UAS 30% Berikut adalah penentuan indeks nilai akhir mata kuliah yang digunakan, Nilai Skor Matakuliah (NSM) Nilai Mata Kuliah (NMK) 80 NSM A 70 NSM < 80 AB 65 NSM < 70 B 60 NSM < 65 BC 45 NSM < 60 C 30 NSM < 45 D NSM < 30 E 22