KONTRAK PEMBELAJARAN (KP) MATA KULIAH

Transkripsi

1 KONTRAK PEMBELAJARAN (KP) MATA KULIAH Jaringan Saraf Tiruan Kode MK: TSK 615 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester : 6

2 KONTRAK PEMBELAJARAN Nama Mata Kuliah : Jaringan Saraf Tiruan Kode Mata Kuliah/ SKS : TSK 615/ 2 Dosen : Dr.Oky Dwi Nurhayati, ST, MT Semester : 6 Hari/Waktu Pertemuan : Jumat/ Tempat Pertemuan : E Manfaat Pembelajaran Setelah mengikuti mata kuliah ini, diharapkan mahasiswa dapat menganalisis, menerapkan teori, arsitektur jaringan syaraf tiruan, serta mengaplikasikannya dalam setiap permasalahan (berbagai disiplin ilmu) 2. Deskripsi Pembelajaran Mata kuliah ini berisi konsep teori, memperkenalkan metode-metode pembelajaran pada jaringan saraf tiruan serta implementasinya dengan menggunakan program. 3. Kompetensi Pembelajaran Standar Kompetensi (SK): Mahasiswa akan dapat memahami teori, menggunakan metode-metode pembelajaran pada jaringan saraf tiruan dalam bidang teknik maupun bidang ilmu-ilmu yang lain. Kompetensi Dasar (KD): Setelah menyelesaikan materi ini mahasiswa Program Studi Sistem Komputer akan mampu memahami cara kerja otak manusia paling sedikit Komputer akan mampu memahami konsep jaringan saraf tiruan paling sedikit Komputer akan mampu memahami jaringan saraf satu lapis paling sedikit 80%

3 Komputer akan mampu memahami jaringan saraf tiruan berbasis kompetensi paling sedikit Komputer akan mampu memahami jaringan saraf tiruan perambatan balik paling sedikit Komputer akan mampu memahami jaringan saraf recurrent paling sedikit 80% Komputer akan mampu memahami pengenalan sistem hybrid paling sedikit 80% Komputer akan mampu memahami pengembangan sistem hybrid paling sedikit Komputer akan mampu memahami berbedaan jaringan saraf tiruan dan logika fuzi paling sedikit Komputer akan mampu memahami jaringan saraf satu multilapis paling sedikit Komputer akan mampu memahami dan mengaplikasikan fuzi neural paling sedikit Komputer akan mampu memahami dan mengaplikasikan ANFIS paling sedikit 4. Strategi Pembelajaran Ceramah Small Group Discussion Discover Learning Simulasi Cooperative Learning Contextual Instruction Problem Based Learning 5. Referesi Pembelajaran

4 1. Jaringan Syaraf Tiruan dan Pemrograman menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Sri Kusuma Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, Tugas Tugas Small Discussion 1. Membuat aplikasi teknologi supervised NN pada aplikasi multimedia a. pengenalan suara yang diinterfacekan pada animasi ekspresi wajah b. pengenalan gambar secara otomatis c. pengolahan video secara real time 2. Pada aplikasi kedokteran a. klasifikasi untuk pengenalan/deteksi penyakit 3. Pada bidang biologi a. identifikasi plankton 4. Aplikasi pada sistem tenaga listrik Pelepasan beban 5. Aplikasi pada bidang industri Klasifikasi kualitas PCB Klasifikasi paparan uap pelarut 6. Aplikasi pada bidang ekonomi dan manajemen Peramalan beban listrik untuk jangka pendek di unit produksi PT.Pertamina Peramalan fluktuasi nilai saham, nilai tukar mata uang 7. Di bidang Pertanian Peramalan curah hujan untuk pemilihan bibit, pupuk, dan pemberantasan hama 8. Membuat aplikasi untuk : Face recognition Time series prediction Process identification Process control Optical character recognition Adaptative filtering

5 7.Kriteria Penilaian NA = 30 % UTS + 40 % UAS + 20 % Tugas + 10 % Quiz dengan indeks dan range : A >=80 B >=70 - <80 C >=50 - <70 D >=35 - <50 E < Jadwal Pembelajaran Mingg u ke Topik Bahasan Referensi 1 Bagian otak Manusia 1,2,3,4,5 2 Pengantar Jaringan Saraf Tiruan 1,2,3,4,5 3 Jaringan Saraf Satu Lapis 1,2,3,4,5 4 Jaringan Berbasis Kompetensi 1,2,3,4,5 5 Membangun Jaringan Perambatan Balik dan algoritma 1,2,3,4,5 Pelatihan BP Sederhana 6 Algoritma Pelatihan yang lebih cepat dan aplikasi 1,2,3,4,5 jaringan saraf perambatan balik 7 Jaringan Recurrent 1,2,3,4,5 8 Pengenalan Sistem Hybrid 1,2,3,4,5 9 Fuzzy Neural Network 1,2,3,4,5 10 Neural Fuzzy System 1,2,3,4,5 11 Perbedaan JST dan Logika Fuzi 1,2,3,4,5 12 Aplikasi JST multi layer dan Logika Fuzi 1,2,3,4,5 13 Fuzzy Perceptron dan Fuzzy Associative Memory 1,2,3,4,5 14 Adaptive Neuro Fuzzy Inference System 1,2,3,4,5