PPKF53106 KNOWLEDGE BASED SYSTEM

Transkripsi

1 PROGRAM STUDI S1 TEKNIK INFO R MAT IK A FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONE SIA YPTK PADANG RENCANA PEMBELAJARAN SEMESTER (RPS) PPKF53106 KNOWLEDGE BASED SYSTEM PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG

2 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb: Kode Mata Kuliah : PPKF53106 Nama Mata Kuliah : Knowledge Based System Padang, 2017 Menyetujui Ka Prodi S1 Teknik Informatika Rini Sovia, S.Kom, M.Kom ii

3 DAFTAR ISI LEMBAR PENGESAHAN... ii DAFTAR ISI...iii A. PROFIL MATA KULIAH... 1 B. B.RENCANA PEMBELAJARAN SEMESTER (RPS)... 2 C. RANCANGAN INTERAKSI DOSEN MAHASISWA... 7 D. RANCANGAN TUGAS... 9 E. PENILAIAN DENGAN RUBRIK F. PENENTUAN NILAI AKHIR MATA KULIAH iii

4 A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH Nama Mata Kuliah : Knowledge Based System Kode Mata Kuliah : PPKF53106 SKS : 3 Jenis : MK Wajib Jam pelaksanaan : Tatap muka di kelas = 3 x 50 menit per minggu Responsi = 1 x 50 menit per minggu Semester / Tingkat : - Pre-requisite : - Co-requisite : - Bidang Kajian : DESKRIPSI SINGKAT MATA KULIAH Mata kuliah ini menjelaskan mengenai konsep sistem berbasis pengetahuan atau sistem pakar sebagai bagian bagian dari kecerdasaan yang mana pada unumnya menggunakan logika dan set jaringan, logika dan set order permata, logika predikat order pertama, batasan logika predikat. DAFTAR PUSTAKA 1. Farid Azis, Belajar Sendiri Pemrograman Sistem Pakar, Elek Media Komputindo, Jakarta, Giarratano, J and G. Riley, Expert System : Principle and Programming, PWS Kent, USA, Gonzales, A., The Engineering of Knowledge Bases System, PrenticeHall, NewJersey, Suryadi HS, Pengantar Sistem Pakar, Gunadarma, Jakarta,

5 B. RENCANA PEMBELAJARAN SEMESTER (RPS) Pertemuan ke- Kemampuan Akhir yang Diharapkan Bahan Kajian (Materi Ajar) Bentuk/ Metode/ Strategi 1 memahami konsep Sistemo Kecerdasan Buatan Pembelajaran Ceramah Berbasis Pengetahuan / Sistem (Artificial Intelligent) Pakar sebagai bagian dari - Pengertian Kecerdasan Kecerdasan Buatan Buatan - Area Kecerdasan Buatan - Pengenalan terhadap Masalah dan Metode Pemecahannya - Teknik Pencarian Heuristik Kriteria Penilaian (Indikator) dapat menjelaskan tentang Kecerdasan dapat menerangkan keuntungan SBP dapat menggambarkan arsitektur Sistem Pakar Bobot Nilai 2 memahami konsep Sistem Sistem Berbasis Pengetahuan / Sistem Pakar sebagai bagian dari Kecerdasan Buatan Berbasis Pengetahuan (SBP) / Sistem Pakar (SP) - Pengertian SBP / SP - Kelebihan SBP / SP - Konsep Umum SBP - Karakteristik SBP /SP - Kategori SBP /SP - Pengembangan Teknologi Sistem Pakar - Aplikasi dan Domain SBP /SP - Bahasa, Shell dan Peralatan - Elemen SBP Ceramah Diskusi dapat menjelaskan tentang Kecerdasan dapat menerangkan keuntungan SBP dapat menggambarkan arsitektur Sistem Pakar 2

6 Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot ke- Diharapkan Metode/ (Indikator) Nilai Strategi 3 memahami konsep Sistem Berbasis Pengetahuan / Sistem Pakar sebagai bagian dari Kecerdasan Buatan Sistem Produksi Sistem Produksi Post Algoritma Markov Algoritma Rete - Paradigma Prosedural - Paradigma Non Prosedural - Artificial Neural System Hubungan SBP dan Belajar Induktif Pembelajaran Ceramah dapat menjelaskan Diskusi tentang Kecerdasan dapat menerangkan keuntungan SBP dapat menggambarkan arsitektur Sistem Pakar 5 memahami representasi pengetahuan yang umum digunakan dalam SPB. Arti dan Pengetahuan Produksi Jariangan Semantik Triple Obyek-Atribut- Angka Prolog dan Jaringan Semantik Schemata Frames Ceramah Diskusi dapat menyebutkan elemen dari teori pengetahuan dan tekniknya menjelaskan teknikteknik-teknik representasi pengetahuan : Jaringan Semantik, Schemata, Frames, dan Logika 3

7 Pertemuan ke Kemampuan Akhir yang Diharapkan memahami representasi pengetahuan yang umum digunakan dalam SPB. memahami bagaimana metode inferensi dapat memecahkan masalah dalam Sistem Berbasis Pengetahuan Mampu menyelesaikan soal / studi kasus yang berhubungan dengan materi pra-uts Bahan Kajian (Materi Ajar) Logika dan Set Jaringan Logika dan Set Order Permata Logika Predikat Order Pertama Quantifier Universal Quantifier Existensial Quantifier dan Set / Jaringan Trees, Lattice dan Graph Spasi Stata dan Spasi Permasalahan AND-OR Tree dan Goals Logika Deduktif dan Syllogisms Aturan dari Inferensi Logika Pembatasan dari Proposisional Logika Predikat Order Pertama Kali QUIZ Materi pra-uts Bentuk/ Metode/ Strategi Kriteria Penilaian (Indikator) Pembelajaran Ceramah dapat menyebutkan Problem- elemen dari teori Based pengetahuan dan Learning tekniknya menjelaskan teknikteknik-teknik representasi pengetahuan : Jaringan Semantik, Schemata, Frames, dan Logika Ceramah Problem- Based Learning Tes mampu memahami perbedaan antara Trees, Lattice dan Graph serta dapat membuat Decision Trees untuk memecahkan masalah SBP Ketepatan dalam menyelesaikan soal quiz Bobot Nilai 7.5% UJIAN TENGAH SEMESTER 30 % 4

8 Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot ke- Diharapkan Metode/ (Indikator) Nilai Strategi memahami teori atau konsep ketidakpastian memahami teori atau konsep ketidakpastian Ketidakpastian Tipe Kesalahan Kesalahan dan Induksi Probabilitas Klasik o Definisi o Ruang Contoh o Teori Probabilitas Eksperimen dan Probabilitas Subjektif Probabilitas Komposit Probabilitas Kondisi Hukum Perkalian Alasan Hipotesa dan Induksi Ke Belakang Alasan Sementara dan Rantai Markov Keuntungan dari Kepercayaan Kebutuhan dan Kecukupan Ketidakpastian pada Rantai Inferensi Kombinasi dari Bukti Pembelajaran Ceramah Problem- Based Learning Ceramah Problem- Based Learning mengetahui mengenai eksperimen dan probabilitas subjektif mengetahui kombinasi dari bukti, klasifikasinya, bagaimana mengkombinasikan bukti dengan logika fuzy, kemungkinan yang efektif serta mengetahui kesulitan dengan independensi yang terbatas. 5

9 Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot ke- Diharapkan Metode/ (Indikator) Nilai Strategi memahami konsep pemberian alasan yang tidak eksak Mampu menyelesaikan soal / studi kasus yang berhubungan dengan materi pra-uas Ketidakpastian dan Aturan Faktor Kepastian Teori Dempster-Shafer Alasan Perkiraan Bentuk Ketidakpastian QUIZ Materi pra-uas Pembelajara Ceramah Problem -Based Learning Tes mengetahui frame dari persepsi, fungsi Massa dan ketidakpastian, mengetahui bagaimana mengkombinasikan bukti, Menormalisasikan kepercayaan, mengetahui bagaimana menggerakan massa dan himpunan, dan mengetahui kesulitan dalam teori Dempster- Shafer Ketepatan dalam menyelesaikan soal quiz 7.5% UJIAN AKHIR SEMESTER 30 % 6

10 C. RANCANGAN INTERAKSI DOSEN MAHASISWA Kemampuan Akhir yang Diharapkan Nama Kajian Nama Strategi Minggu Penggunaan Strategi (Metode) 1 7 dan Deskripsi Singkat Strategi (Metode) pembelajaran Aktivitas Dosen Mengulas materi yang telah diberikan pada pertemuan sebelumnya (untuk pertemuan 2 dst). Mahasiswa mampu memahami konsep materi yang diberikan. 1. Kecerdasan buatan 2. Sistem berbasis pengetahuan 3. Representasi pengetahuan 4. Metode inferensi 5. Teori dan konsep ketidak pastian 6. Konsep pemberian alasan yang tidak eksak 7. Ketidakpastian dan aturan 8. Faktor kepastian 9. Teori dempster-shafer 10. Alasan perkiraan 11. Bentuk ketidakpastian 12. Perancanan sistem berbasis pengetahuan Ceramah Dosen mengulas materi sebelumnya, menjelaskan tujuan, hasil pembelajaran, materi, dan kesimpulan, serta mendorong mahasiswa untuk aktif bertanya dan mengemukakan pendapat terkait materi yang disampaikan. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Mahasiswa Mengungkapkan apa yang telah dipahami dari materi yang telah disampaikan pada pertemuan sebelumnya. Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran. Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan pembelajaran. Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. 7

11 Kemampuan Akhir yang Diharapkan Nama Kajian Nama Strategi Mahasiswa mampu menyelesaikan soal/ studi kasus yang berhubungan dengan materi pra- UTS dan pra-uas. 1. Quiz (Evaluasi) Pra-UTS a. Kecerdasan buatan b. Sistem berbasis pengetahuan c. Representasi pengetahuan d. Metode inferensi e. Teori dan konsep ketidak pastian 2. Quiz (Evaluasi) Pra-UAS a. Konsep pemberian alasan yang tidak eksak b. Ketidakpastian dan aturan c. Faktor kepastian d. Teori dempster-shafer e. Alasan perkiraan f. Bentuk ketidakpastian Tes Minggu Penggunaan Strategi (Metode) 9, 15 Deskripsi Singkat Strategi (Metode) pembelajaran Mahasiswa diminta untuk menyelesaikan soal- soal quiz sebagai evaluasi terhadap pemahaman materi yang telah diberikan. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Memberikan soal quiz. Aktivitas Mahasiswa Menyelesaikan soal yang diberikan. 8

12 D. RANCANGAN TUGAS Kode mata Kuliah Nama Mata Kuliah Kemampuan Akhir yang Diharapkan PPKF53106 Knowledge Based System Mampu memahami semua konsep yang telah dipelajari untuk menyelesaikan kasus tugas akhir matakuliah secara komprehensif Minggu / Pertemuan ke Tugas ke Tugas Akhir 1. Tujuan tugas: Memahami semua konsep yang telah dipelajari untuk menyelesaikan kasus tugas akhir matakuliah secara komprehensif 2. Uraian Tugas: a. Obyek garapan: b. Melakukan dan mendesain sistem berbasis pengetahuan menggunakan beberapa metode ketidakpastian c. Yang harus dikerjakan dan batasan-batasan: Makalah dikumpulkan pada pertemuan terakhir perkuliahan d. Metode/cara pengerjaan, acuan yang digunakan: Tugas akhir adalah tugas perorangan. Topik tugas akhir berasal dari dosen, mahasiswa hanya mencari dan merangkum berdasarkan topik yang diterima e. Deskripsi luaran tugas yang dihasilkan/dikerjakan: Makalah 3. Kriteria penilaian: Penilaian Individu (100%) - Penyelesaian Studi kasus (50%) - Penyelesaian masalah(50%) E. PERSENTASE KOMPONEN PENILAIAN 1. Kuis : 10% 2. Tugas Akhir : 20% 3. UTS : 30% 4. UAS : 40% 9

13 F. PENILAIAN DENGAN RUBRIK Jenjang (Grade) A Angka (Skor) Deskripsi perilaku (Indikator) Tugas tidak terlambat, hasil bagus, pembagian tugas jelas B Tugas tidak terlambat, hasil jelek, pembagian tugas jelas C Tugas tidak terlambat, hasil jelek, pembagian tugas tidak jelas D 1 40 Tugas terlambat E 0 Tidak mengumpulkan tugas G. PENENTUAN NILAI AKHIR MATA KULIAH Nilai Angka (NA) Nilai Huruf (NH) NA > 80 A 65 < NA 79 B 55 < NA 64 C 40 < NA 54 D NA < 40 E 10