SILABUS MATA KULIAH. Mata Kuliah : Jaringan Syaraf Tiruan Kode Mata Kuliah : Pengampu : Julian Supardi, M.T

Ukuran: px

Mulai penontonan dengan halaman:

Download "SILABUS MATA KULIAH. Mata Kuliah : Jaringan Syaraf Tiruan Kode Mata Kuliah : Pengampu : Julian Supardi, M.T"

Lanny Pranata
7 tahun lalu
Tontonan:

1 SILABUS MATA KULIAH Mata Kuliah : Kode Mata Kuliah : SKS : 3 SKS Pengampu : Julian Supardi, M.T I. Deskripsi Mata Kuliah Mata muliah ini merupakan matakuliah pilihan.bidang Kajian meliputi Sejarah, Aplikasi-Aplikasi pada, Pendekatan Biologis untuk, Model Neuron dan Arsitektur Jaringan, Perseptron, Metode Belajar Hebbian, Metode Belajar Widrow-Hoff,, Pembelajarana sosiatif, Jaringan kompetitif, Jaringan Grossberg, Stabilitas, Jaringan Hopfield. II. Standar Kompetensi Sasaran yang diinginkan pada proses pembelajaran adalah mahasiswa memahami cara kerja dan aplikasi-aplikasinya diberbagai bidang serta dapat menterjemahkan metode dan algoritma-algoritma pembelajaran pada kedalam Bahasa Pemrograman Komputer. III. Kompetensi Dasar 1. Mahasisiwa memahami sejarah, aplikasi, dan pendekatan Biologis pada Jaringan Syaraf 2. Mahasiswa memahami Model Neuron dan Arisetiktur. 3. Mahasiswa memahami metode-metode pembelajaran pada Jaringan Syaraf 4. Mahasiswa memahami cara mengimplementasikan masing-masing metode (Algoritma) pembelajaran pada ke dalam Bahasa Pemrograman Komputer. 5. Mahasiswa memahami berbagai jaringan pada. 6. Mahasiswa memahami cara mengimplementasikan masing-masing Jaringan pada ke dalam Bahasa Pemrograman Komputer. IV. Indikator 1. Mahasiswa dapat menjelaskan sejarah perkembangan. 2. Mahasiswa dapat menjeleskan contoh-contoh aplikasi. 3. Mahasiswa dapat menjelaskan pendekatan Biologis pada. 4. Mahasiswa dapat menjelaskan model Neuron dan arisetiktur Jaringan pada. 5. Mahasiswa dapat menjelaskan metode-metode (Algoritma) pembelajaran pada. 6. Mahasiswa dapat membuat program Komputer untuk setiap metode (Algoritma) pembelajaran pada. 7. Mahasiswa dapat menjelaskan jenis-jenis jaringan pada 8. Mahasiswa dapat membuat program Komputer untuk masing-masing jaringan pada pada.

2 V. Tujuan Pembelajaran Mata kuliah ini bertujuan agar mahasiswa dapat memahami konsep dan prinsif Jaringan Syaraf Tiruan dan dapat menerapkannya dalam menyelesaikan berbagai permasalahan yang relevan. VI. Materi Pokok 1. Pendahuluan: Sejarah Perkembangan, Contoh-Contoh Aplikasi, Pendekatan Biologis Untuk Jaringan Syaraf 2. Model Neuron dan Arsitektur Jaringan Syarat Tiruan 3. Metode(Algoritma) Pembelajaran Pada 4. Model Jaringan Pada (Jaringan kompetitif, jaringan Grossberg, Stabilitas,Jaringan Hopfield) VII. Rencana Perkuliahan, Materi Ajar, Sasaran Pembelajaran No. Pertem uan dan 3 3 4, 5 Materi Ajar Pengantar Jaringan Syaraf Tiruan Pendahuluan :Sejarah Perkembangan Jaringan Syaraf Tiruan, Contohcontoh aplikasi, pendekatan Biologis Untuk Jaringan Syaraf Model Neuron dan Arsitektur Jaringan Syaraf Tiruan Sasaran Pembelajaran Kontrak kuliah, Pendahuluan: Orientasi Mata Kuliah, penjelasan tujuan pembelajaran Jaringan Syaraf Tiruan, Kompetensi yang diinginkan, overview Topik-Topik yang akandiakan dibahas pada Mata Kuliah 1. Menjelaskan sejarah perkembangan 2. Menjelaskan contoh-contoh aplikasi 3. Menjelaskan pendekatan Biologis untuk 1. Mengenal dan memahami model neuron, arsitektur, sertacaramenjalankanperhitungan model neuron. 2. Mengetahui prinsif kerja Jaringan Syaraf Tiruan 3. Mengenal dan memahami model jaringan hamming serta dapatmelakukanperhitungannya 4. Mengenaldanmemahami model jaringan Hopfield sertadapatmelakukanperhitungannya.

3 4 6,7 Metode Pembelajaran 1. Mengenal dan memahami metode pembelajaran perseptron 2. Memahami metode uji konvergensi pada perseptron 3. Mengenal dan memahami metode belajaran hebbian, yang meliputiasosiasi linier, aturan hebb dan aturan Pseudoinverse dalam proses pembelajaran. 4. Mengenal dan memahami metode belajar Widrow-Hoff, yang meliputi jaringan adaline, MSE, Algoritma LMS, dan adaptive filtering 5 8 UJIAN MID SEMESTER 6 9,10 Model 1. Mengenal dan memahami arsitektur 2. Mengenal dan memahami jaringan feed forward 3. Mengenal dan memahami Algoritma 4. Mengenal dan memahami kelemahan dan cara mengatasinya 5. Mengenal dan memahami teknik optimasi numeric pada backpropagaition 6. Menerapkan algoritma untuk sebuah permasalahan sederhana 7 11 Pembelajaran Asosiatif 8 12 Jaringan Kompetitif 9 13 Jaringan Grossberg 1. Mengenal dan memahami jaringan asosiatif sederhana 2. Mengenal dan memahami aturan Hebb tanpa hopfield 3. Mengenal dan memahami aturan instar dan aturan kohonen 1. Mengenal dan memahami jaringan kompetitif, seperti jaringan hamming 2. Mengenal dan memahami lapisan kompetitif 3. Mengenal dan memahami pembelajaran kompetitif 4. Mengenal dan memahami masalah-masalah pada lapisan kompetitif 1. Mengenal dan memahami sejarah kompetitif dari sudut pandang biologi

4 10 14 Jaringan Recurrent danjaringan Hopfield 2. Mengenal dan memahami model dasar yang nonlinier 3. Mengenal dan memahami jaringan kompetitif dua lapis 4. Mengenal dan memahami hubungan antara model kompetitif dengan hokum kohonen 1. Mengenal dan memahami jaringan recurrent 2. Mengenal dan memahami jaringan Hopfield 3. Penggunaan fungsi Lyapunov dalam jaringan hopfield 4. Efek Gain dalam jaringan Hopfield 5. Mengenal dan memahami prinsif perancanganjaringan Hopfield untuk sebuah masalah tertentu Statibilitas 1. Mengenal dan memahami stabilitas dalam 2. Mengenal danmemahami teorema stabilitas lyapunov 3. Mengenal dan memahami teorema inviariansi LaSalle UJIAN AKHIR SEMESTER VIII.Model dan Metode Pembelajaran Model pembelajaran langsung, penekanan pada sisi kognitif, afektif, dan motorik. Metode Pembelajaran: 1. Ekspositori 2. Studikasus 3. Problem based learning 4. Inquiry 5. Simulasi IX. Media Pembelajaran 1. LCD 2. OHP X. Tugas TugasTerstruktur : Individu, Kelompok

5 TugasMandiri : Individu, Kelompok XI. Evaluasi 1. TugasIndividu 2. TugasKelompok 3. Ujian Tengah Semester 4. UjianAkhir Semester 5. Presentasi XII. BukuSumber 1. Hagan, Martin, Howard Demuth and Mark Belle, T, Neural Network Design, PWS Publishing Company, Boston, Fu, LiMin, Neural Networks In Computer Intelligence, Mc.Graw-Hill International Editions, Singapore, Demuth, Howard and Mark Belle, Neural Network Toolbox : for use with MATLAB, (online available), Mathworks, Fausett, Laurence. Fundamentals of Neural Network: Architectures, Algorithms, and Applications. Prentice Hall. New Jersey Graupe,D. Principles of Artificial Neural Network. Toh Tuck Link: World Scientific Publishing Co, Pte, Ltd. 2007

dokumen-dokumen yang mirip

PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR ABSTRAK

PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR Rosihan Ari Yuana Program Studi Pendidikan Matematika Universitas Sebelas Maret ABSTRAK Aplikasi jaringan