SATUAN ACARA PENGAJARAN (SAP)
|
|
|
- Erlin Tanudjaja
- 9 tahun lalu
- Tontonan:
Transkripsi
1 SATUAN ACARA PENGAJARAN (SAP) Mata Kuliah : Jaringan Syaraf Tiruan Kode Mata Kuliah : TSK 615 SKS : 2 Waktu Pertemuan : 100 Pertemuan ke : 1 A. Kompetensi 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami cara kerja otak nusia 3. Indikator : - Dapat menjelaskan Inspirasi Sel Saraf Manusia dalam jaringan saraf tiruan - Dapat mehami Pembelajaran dari Sistem Biologi - Dapat menjelaskan Jaringan Saraf Biologi B. Pokok Bahasan : Bagian otak Manusia C. Sub Pokok Bahasan : Inspirasi Sel Saraf Manusia dalam jaringan saraf tiruan, Pembelajaran dari Sistem Biologi, Jaringan Saraf Biologi D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi Jaringan Saraf Tiruan Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Inspirasi Sel Saraf Manusia dalam jaringan saraf tiruan, Pembelajaran dari Sistem Biologi, Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Waktu 60
2 Jaringan Saraf Biologi Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya jawab Penugasan ndiri Leadersh ip E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09
3 Pertemuan ke : 2 A. Kompetensi 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami konsep jaringan saraf tiruan 3. Indikator : - Dapat menjelaskan Pengenalan Jaringan Saraf Tiruan - Dapat mehami Fungsi Aktivasi JST - Dapat menjelaskan Jaringan Saraf Satu Lapis B. Pokok Bahasan : Pengantar Jaringan Saraf Tiruan C. Sub Pokok Bahasan : Pengenalan Jaringan Saraf Tiruan, Fungsi Aktivasi JST, Jaringan Saraf Satu Lapis D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Pengenalan Jaringan Saraf Tiruan, Fungsi Aktivasi JST, Jaringan Saraf Satu Lapis Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
4 Merangkum semua hasil diskusi dan tanya jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 3 A. Kompetensi
5 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami jaringan saraf satu lapis 3. Indikator : - Dapat mehami bana Membangun JST-Perceptron - Dapat mehami bana Membangun JST-Hebb - Dapat menjelaskan bana Membangun JST-Adaline B. Pokok Bahasan : Jaringan Saraf Satu Lapis C. Sub Pokok Bahasan : Membangun JST-Perceptron, Membangun JST-Hebb, Membangun JST-Adaline D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Membangun JST- Perceptron, Membangun JST- Hebb, Membangun JST- Adaline Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
6 diskusi dan tanya jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 4 A. Kompetensi
7 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami jaringan saraf tiruan berbasis kompetensi 3. Indikator : - Dapat menjelaskan Arsitektur Jaringan Hamming - Dapat mehami Cara kerja dan apli Jaringan Hamming - Dapat mehami dan menjelaskan Arsitektur Jaringan LVQ - Dapat mehami Cara kerja dan apli jaringan LVQ B. Pokok Bahasan : Jaringan Berbasis Kompetensi C. Sub Pokok Bahasan : Arsitektur Jaringan Hamming, Cara kerja dan apli Jaringan Hamming, Arsitektur Jaringan LVQ, Cara kerja dan apli jaringan LVQ D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Arsitektur Jaringan Hamming, Cara kerja dan apli Jaringan Hamming, Arsitektur Jaringan LVQ, Cara kerja dan apli jaringan LVQ Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
8 dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 5 A. Kompetensi
9 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami jaringan saraf tiruan perambatan balik 3. Indikator : - Dapat mehami bana Membangun Jaringan Perambatan Balik - Dapat mehami Arsitektur dan algorit Pelatihan BP Sederhana - Dapat menjelaskan Algorit Pelatihan yang lebih cepat - Dapat mengaplikan jaringan saraf perambatan balik B. Pokok Bahasan : Jaringan Perambatan Balik (BP) C. Sub Pokok Bahasan : Membangun Jaringan Perambatan Balik, Arsitektur dan algorit Pelatihan BP Sederhana, Algorit Pelatihan yang lebih cepat, mengaplikan jaringan saraf perambatan balik D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Membangun Jaringan Perambatan Balik, Arsitektur dan algorit Pelatihan BP Sederhana, Algorit Pelatihan yang lebih cepat, mengaplikan jaringan saraf perambatan balik Diskusi antar kelompok Tanya jawab Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership 3 Penutup Diskusi, Waktu 60
10 dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya jawab Penugasan ndiri Leadersh ip E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 6 A. Kompetensi
11 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami jaringan saraf recurrent 3. Indikator : - Dapat menjelaskan bana Membangun Jaringan Eln - Dapat menjelaskan bana Membangun Jaringan Hopfield B. Pokok Bahasan : Jaringan saraf Recurrent C. Sub Pokok Bahasan : Membangun Jaringan Eln, Membangun Jaringan Hopfield D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Membangun Jaringan Eln, Membangun Jaringan Hopfield Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya jawab Penugasan Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
12 ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 7 A. Kompetensi
13 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami pengenalan sistem hybrid 3. Indikator : - Dapat menjelaskan Soft Computing - Dapat mehami Sistem Hybrid - Dapat menjelaskan Apli Sistem Hybrid B. Pokok Bahasan : Pengenalan Sistem Hybrid C. Sub Pokok Bahasan : Soft Computing, Sistem Hybrid, Apli Sistem Hybrid D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Soft Computing, Sistem Hybrid, Apli Sistem Hybrid Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya jawab Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
14 Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 8 dan 9 A. Kompetensi
15 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami pengembangan sistem hybrid 3. Indikator : - Dapat menjelaskan Proses pengembangan Sistem Hybrid - Dapat mehami Fuzzy Neural Network - Dapat menjelaskan Neural Fuzzy System B. Pokok Bahasan : Pengembangan sistem hybrid C. Sub Pokok Bahasan : Proses pengembangan Sistem Hybrid, Fuzzy Neural Network, Neural Fuzzy System D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Proses pengembangan Sistem Hybrid, Fuzzy Neural Network, Neural Fuzzy System Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
16 semua hasil diskusi dan tanya jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 10
17 A. Kompetensi 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami berbedaan jaringan saraf tiruan dan logika fuzi 3. Indikator : - Dapat mehami Himpunan Klasik - Dapat mehami Himpunan Fuzzy - Dapat menjelaskan Fungsi Keanggotaan Fuzi - Dapat mehami Operator-operator fuzi B. Pokok Bahasan : Perbedaan JST dan Logika Fuzi C. Sub Pokok Bahasan : Himpunan Klasik, Himpunan Fuzzy, Fungsi Keanggotaan Fuzi, Operator-operator fuzi D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Himpunan Klasik, Himpunan Fuzzy, Fungsi Keanggotaan Fuzi, Operator-operator fuzi Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
18 Merangkum semua hasil diskusi dan tanya jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 11 A. Kompetensi
19 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami jaringan saraf satu multilapis 3. Indikator : - Dapat mehami Sistem Inferensi Fuzi metode Tsukamoto - Dapat mehami Sistem Inferensi Fuzi metode Sugeno (TSK) B. Pokok Bahasan : Apli JST multi layer dan Logika Fuzi C. Sub Pokok Bahasan : Sistem Inferensi Fuzi metode Tsukamoto, Sistem Inferensi Fuzi metode Sugeno (TSK) D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Sistem Inferensi Fuzi metode Tsukamoto, Sistem Inferensi Fuzi metode Sugeno (TSK) Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
20 jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 12 A. Kompetensi
21 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami dan mengaplikan fuzi neural network 3. Indikator : - Dapat menjelaskan Neuron-neuron Fuzzy - Dapat mehami Fuzzy Perceptron - Dapat menjelaskan Fuzzy Associative Memory B. Pokok Bahasan : Fuzzy Neural Network C. Sub Pokok Bahasan : Neuron-neuron Fuzzy, Fuzzy Perceptron, Fuzzy Associative Memory D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Neuron-neuron Fuzzy, Fuzzy Perceptron, Fuzzy Associative Memory Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
22 jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09 Pertemuan ke : 13 A. Kompetensi
23 1. Standar Kompetensi : Mahasiswa akan dapat mehami teori, menggunakan metodemetode pembelajaran pada jaringan saraf tiruan dalam bidang teknik upun bidang ilmu-ilmu yang lain. 2. Kompetensi Dasar : Mahasiswa Program Studi Sistem Komputer mpu mehami dan mengaplikan ANFIS 3. Indikator : - Dapat mehami Gambaran umum ANFIS - Dapat mehami Arsitektur ANFIS - Dapat menjelaskan Cara kerja dan Apli ANFIS B. Pokok Bahasan : Adaptive Neuro Fuzzy Inference System C. Sub Pokok Bahasan : Gambaran umum ANFIS, Arsitektur ANFIS, Cara kerja dan Apli ANFIS D. Kegiatan Pembelajaran No Tahap Metode Pembelajaran Aktivitas Belajar Mengajar 1 Pendahuluan Cerah dan Diskusi Review sepintas mencatat dan tentang teri diskusi sebelumnya Menjelaskan cakupan teri dalam pertemuan 2 Penyajian Sll Group Discussion Diskusi kelompok tentang teori, dan apli: Gambaran umum ANFIS, Arsitektur ANFIS, Cara kerja dan Apli ANFIS Diskusi antar kelompok Tanya jawab 3 Penutup Diskusi, dan penugasan Diskusi antara hasiswa dengan fasilitator tentang sub pokok bahasan Merangkum semua hasil diskusi dan tanya Media dan Alat Pembelajaran SoftSkill Menghar Orang lain Leadership Leadersh ip Waktu 60
24 jawab Penugasan ndiri E. Evaluasi 1. Instrument yang digunakan : check list untuk menilai strategi instruksional yang telah dibuat hasiswa dari segi medai tidaknya dan konsistensinya dengan tujuan instruksional. 2. Instrument tersebut digunakan minggu berikutnya setelah hasiswa menyerahkan hasil pekerjaan ruh mereka. F. Referensi 1. Jaringan Syaraf Tiruan dan Pemrogran menggunakan Matlab, Jong Jek Siang, Supervised Neural Network, M.Hery P& Agus Kurniawan, Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, Apli Logika Fuzzy untuk Pendukung Keputusan, Sri Kusu Dewi & Hari Purnomo, Fuzzy Neural Network Theory and Applications, ebook, 09
KONTRAK PEMBELAJARAN (KP) MATA KULIAH
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 KONTRAK
Kode/SKS : TEL 212/2 Prasyarat : -
Nama MatakuIiah : Teknik Neuro Fuzzy Kode/SKS : TEL 212/2 Prasyarat : - Status Mata Kuliah : Wajib Umum Deskripsi Singkat Mata Kuliah : Mata kuliah Teknik Neuro Fuzzy mempelajari penerapan kecerdasan dan
RENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER 1. Identitas Nama Departemen : Pendidikan Ilmu Komputer Nama Program Studi : Pendidikan Ilmu Komputer Nama : Jaringan Saraf Tiruan Kode : IK550 lompok : cerdasan Buatan Bobot
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran KONTRAK KULIAH DAN PREVIEW MATERI. PENGENALAN KECERDASAN BUATAN a.
SILABUS MATAKULIAH Revisi : 2 Tanggal Berlaku : Maret 2014 A. Identitas 1. Nama Matakuliah : A11. 54605 / Kecerdasan Buatan 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot
BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
SATUAN ACARA PERKULIAHAN
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-05/R4 Versi : 1 Revisi : 0 Tggal Revisi : Tggal Berlaku : 1 Agustus 2010 SATUAN ACARA PERKULIAHAN Program Studi : Teknik Informatika Fakultas : Teknologi Industri
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu [email protected] ABSTRAK Pertumbuhan penduduk harus
SATUAN ACARA PERKULIAHAN
Topik bahasan : Pendahuluan Mahasiswa dapat memahami konsep cerdasan buatan dan aplikasinya dalam bidang rekayasa 1 Setelah mempelajari materi ini, diharapkan mahasiswa : 1.Mampu mengenal permbangan teknologi
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
RENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
Architecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
BAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Universitas Muhammadiyah Ponorogo merupakan salah satu universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang terdiri dari : 3 program studi
Jurnal Coding, Sistem Komputer Untan Volume 04, No. 3 (2016), hal ISSN: X
SISTEM PENDUKUNG KEPUTUSAN PREDIKSI CURAH HUJAN DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (Studi Kasus: Kota Pontianak) [1] Ruspina Ningsih, [2] Beni Irawan, [3] Fatma Agus Setyaningsih [1][3]
1.1. Jaringan Syaraf Tiruan
BAB I PENDAHULUAN 1.1. Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan (JST) adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi yang digambarkan sebagai berikut
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah yang dihadapi seluruh Negara di dunia terutama Negara berkembang seperti Indonesia adalah kemiskinan. Kemiskinan atau tingkat kesejahteraan yang rendah menjadi
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54605 / Kecerdasan Buatan Revisi 2 Satuan Kredit Semester : 3 SKS Tgl revisi : Februari 2014 Jml Jam kuliah dalam seminggu
MODEL N EURON NEURON DAN
1 MODEL NEURON DAN ARSITEKTUR JARINGAN 1 1 Model Neuron Mengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan digambarkan sebagai berikut : Menerima input atau masukan (baikdari data yang dimasukkan
Satuan Acara Pengajaran (SAP)
Mata Kuliah : Kewirausahaan Kode Mata Kuliah : TSK 702 SKS : 2 Waktu Pertemuan : 100 menit Satuan Acara Pengajaran (SAP) Pertemuan ke : 1 A. Kompetensi 1. Standar Kompetensi : Mahasiswa akan memiliki pilar
PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012, 18-26 PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION UNTUK PENENTUAN KELULUSAN SIDANG SKRIPSI
JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION UNTUK PENENTUAN KELULUSAN SIDANG SKRIPSI ekson Arizona Matondang Dosen Tetap STMIK Budi Darma Medan Jl Sisingamangaraja No 338 Sp Limun Medan http://wwwstmik-budidarmaacid
Jaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum
Jaringan Syaraf Tiruan Disusun oleh: Liana Kusuma Ningrum Susilo Nugroho Drajad Maknawi M0105047 M0105068 M01040 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E124907 / Sistem Cerdas Revisi 4 Satuan Kredit Semester : 2 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu :
KBKF63307 INTELIGENSI BUATAN
RENCANA PEMBELAJARAN SEMESTER (RPS) KBKF63307 INTELIGENSI BUATAN Disusun oleh: PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia
T 2 Aplikasi Model Neuro Fuzzy Untuk Prediksi Tingkat Inflasi Di Indonesia Aidatul Fitriah 1, Agus Maman Abadi 2 1) Program Studi Matematika, FMIPA Universitas Negeri Yogyakarta 2) Jurusan Pendidikan Matematika,
Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari
Jurnal Informatika Mulawarman Vol 5 No. 1 Februari 2010 50 Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran
1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI
PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata
Akhmad Kahfi Jurusan Akuntansi Fakultas Ekonomi Universitas Gunadarma. &
ESTIMASI TINGKAT BI RATE BERDASARKAN FAKTOR NILAI TUKAR(KURS USD/RP), JUB, INFLASI, IHSG DAN PDB MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Akhmad Kahfi Jurusan Akuntansi Fakultas
Jaringan Syaraf Tiruan
07/06/06 Rumusan: Jaringan Syaraf Tiruan Shinta P. Sari Manusia = tangan + kaki + mulut + mata + hidung + Kepala + telinga Otak Manusia Bertugas untuk memproses informasi Seperti prosesor sederhana Masing-masing
Project Akhir UAS. 2. daftar isi a. fuzzy b. jst. 3. daftar gambar. 4. isi fuzzy step by step langkah penyelesaikan latihan soal
Project Akhir UAS Laporan diketik dalam bentuk laporan yang tersusun dari 1. cover a. nama b. nim c. kelompok : A11.4610 / A11.4609 d. warna : biru -> A11.4610 putih -> A11.4609 2. daftar isi a. fuzzy
SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015
SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 04 September 2015 A. Identitas 1. Nama Matakuliah : Sistem Cerdas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen
BAB II MODEL NEURON DAN ARSITEKTUR JARINGAN
BAB II MODEL NEURON DAN ARSITEKTUR JARINGAN Neuron adalah unit pemroses informasi yang menjadi dasar dalam pengoperasian JST. Neuron terdiri dari 3 elemen: Himpunan unit2 yang dihubungkan dengan jalus
ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A
ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan
APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI
APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI Muhamad Arifin SMK Telkom Malang Email: [email protected] Khoirudin Asfani Fakultas Teknik, Universitas Negeri Malang
KLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION A B S T R A K
KLASIFIKASI KELAINAN JANTUNG ANAK MENGGUNAKAN JARINGAN SARAF TIRUAN ALGORITMA BACKPROPAGATION Oleh : Gunawan Abdillah, Agus Komarudin, Rachim Suherlan A B S T R A K Kelainan jantung anak merupakan salah
Farah Zakiyah Rahmanti
Farah Zakiyah Rahmanti Latar Belakang Struktur Dasar Jaringan Syaraf Manusia Konsep Dasar Permodelan JST Fungsi Aktivasi JST Contoh dan Program Jaringan Sederhana Metode Pelatihan Supervised Learning Unsupervised
KONTRAK PEMBELAJARAN (KP) MATA KULIAH
KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TSK-710 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 7 KONTRAK PEMBELAJARAN Nama
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)
ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM) Hanura Ian Pratowo¹, Retno Novi Dayawati², Agung Toto Wibowo³ ¹Teknik Informatika,,
Jaringan Syaraf Tiruan
Jaringan Syaraf Tiruan Pendahuluan Otak Manusia Sejarah Komponen Jaringan Syaraf Arisitektur Jaringan Fungsi Aktivasi Proses Pembelajaran Pembelajaran Terawasi Jaringan Kohonen Referensi Sri Kusumadewi
Jaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
RENCANA PEMBELAJARAN SEMESTER
RENCANA PEMBELAJARAN SEMESTER Program Studi: Statistika Fakultas: Sains dan Matematika Mata Kuliah: Jaringan Syaraf Tiruan Kode: AST21-415 SKS: 3 Sem: VI Dosen Pengampu: Dr. Budi Warsito, S.Si, M.Si. Capaian
ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR
Jurnal Barekeng Vol. 8 No. Hal. 7 3 (04) ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR Analysis of Backpropagation Artificial Neural Network to
SATUAN ACARA PERKULIAHAN(SAP)
SATUAN ACARA PERKULIAHAN(SAP) Nama Mata Kuliah : Kecerdasan Buatan Kode Mata Kuliah : SI 044 Bobot Kredit : 3 SKS Semester Penempatan : 3 Kedudukan Mata Kuliah : Mata Kuliah Prasyarat : - Penanggung Jawab
BAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan diuraikan materi yang mendukung dalam pembahasan evaluasi implementasi sistem informasi akademik berdasarkan pengembangan model fit HOT menggunakan regresi linier
VOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 [email protected] Abstrak- Guru merupakan aspek
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) 1. Nama Matakuliah : KECERDASAN BUATAN 2. Kode/SKS : IES5353 / 3 sks 3. Semester : 5 4. Sifat Mata Kuliah : Wajib 5. Prasyarat : Tidak ada 6.
APLIKASI JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PASIEN RAWAT INAP DENGAN METODE BACK PROPAGATION (Studi Kasus : RSU.
APLIKASI JARINGAN SARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PASIEN RAWAT INAP DENGAN METODE BACK PROPAGATION (Studi Kasus : RSU. TERE MARGARETH) Fitri Ruth Diani Br. Simangunsong 1, Surya Darma Nasution 2
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:[email protected] Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Implementasi Neuro Fuzzy dalam Proses Belajar Mengajar untuk Meningkatkan Prestasi Mahasiswa
Implementasi Neuro Fuzzy dalam Proses Belajar Mengajar untuk Meningkatkan Prestasi Mahasiswa Nurjayadi Jurusan Manajemen Informatika STMIK Amik Riau [email protected] Abstrak Proses belajar
SKRIPSI. Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang.
PRAKIRAAN PENGGUNAAN JUMLAH AKOMODASI KAPAL FERRY PADA PELABUHAN PT ASDP INDONESIA FERRY (PERSERO) CABANG KETAPANG-GILIMANUK DENGAN PENERAPAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum 2.1.1 Genetic Algorithm Genetic algorithm adalah suatu algoritma yang biasanya digunakan untuk mencari solusi-solusi yang optimal untuk berbagai masalah
BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
SILABUS MATA KULIAH. Mata Kuliah : Jaringan Syaraf Tiruan Kode Mata Kuliah : Pengampu : Julian Supardi, M.T
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
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Peningkatan Akurasi Dalam Prakiraan Beban Listrik Jangka Pendek Menggunakan Data Temperatur
Peningkatan Akurasi Dalam Prakiraan Beban Listrik Jangka Pendek Menggunakan Data Temperatur Imaad Al-Mutawakkil*, Dian Yayan Sukma** Jurusan Teknik Elektro Fakultas Teknik Universitas Riau Kampus Binawidya
SUPERVISED NEURAL NETWORKS DAN APLIKASINYA/Mauridhi
Kata Pengantar i ii Supervised Neural Networks dan Aplikasinya Kata Pengantar iii SUPERVISED NEURAL NETWORKS DAN APLIKASINYA Oleh : Mauridhi Hery Purnomo Agus Kurniawan Edisi Pertama Cetakan Pertama, 2006
BAB 1. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Proses penalaran merupakan bagian yang sangat penting dalam sistem cerdas. Adakalanya proses penalaran mengandung data-data atau informasi yang mengandung ketidaktepatan
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
FAKULTAS SAINS DAN TEKNOLOGI UIN SUSKA RIAU. IIS AFRIANTY, ST., M.Sc
IIS AFRIANTY, ST., M.Sc Sistem Penilaian Tugas dan Keaktifan : 15% Quiz : 15% UTS : 35% UAS : 35% Toleransi keterlambatan 15 menit Handphone: Silent Costume : aturan UIN Laki-laki Perempuan Menggunakan
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION Zulkarnain Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)
MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG) R. Ayu Mahessya, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas
L ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi
SIMULASI APLIKASI ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM) TIRUAN PID PADA PENGENDALIAN TINGGI PERMUKAAN AIR
SIMULASI APLIKASI ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM) TIRUAN PID PADA PENGENDALIAN TINGGI PERMUKAAN AIR Oyas Wahyunggoro dan Gideon Charles Teknik Elektro UGM, Yogyakarta email : [email protected]
PERAMALAN PRODUKSI CABAI RAWIT DENGAN NEURAL NETWORK Muhammad Fajar
PERAMALAN PRODUKSI CABAI RAWIT DENGAN NEURAL NETWORK Muhammad Fajar Abstrak Tujuan penelitian ini untuk melakukan peramalan produksi cabai rawit dengan menggunakan neural network. Data yang digunakan dalam
SISTEM PREDIKSI SAHAM MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (STUDI KASUS SAHAM MINGGUAN PT ASTRA AGRO LESTARI, TBK)
Vol., No., Agustus 16, 35-39 SISTEM PREDIKSI SAHAM MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (STUDI KASUS SAHAM MINGGUAN PT ASTRA AGRO LESTARI, TBK) Yuniar Farida, S.T, M.T 1) Program Studi Matematika
PENGGUNAAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK SELEKSI PENERIMAAN MAHASISWA BARU PADA JURUSAN TEKNIK KOMPUTER DI POLITEKNIK NEGERI SRIWIJAYA
PENGGUNAAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK SELEKSI PENERIMAAN MAHASISWA BARU PADA JURUSAN TEKNIK KOMPUTER DI POLITEKNIK NEGERI SRIWIJAYA Tesis untuk memenuhi sebagian persyaratan mencapai
DETEKSI CACAT UBIN KERAMIK DENGAN METODE JARINGAN SARAF TIRUAN DAN ALGORITMA BACKPROPAGATION
DETEKSI CACAT UBIN KERAMIK DENGAN METODE JARINGAN SARAF TIRUAN DAN ALGORITMA BACKPROPAGATION DIAN NAZELLIANA [email protected] PRABOWO PUDJO WIDODO [email protected] Teknologi Sistem Informasi, Magister
Artificial Intelligence. uthie 1
Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian
Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
terinspirasi dari sistem biologi saraf makhluk hidup seperti pemrosesan informasi
25 BAB III JARINGAN SARAF TIRUAN (JST) 3.1 Pengertian JST JST merupakan sebuah model atau pola dalam pemrosesan informasi. Model ini terinspirasi dari sistem biologi saraf makhluk hidup seperti pemrosesan
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
BAB VIII JARINGAN SYARAF TIRUAN
BAB VIII JARINGAN SYARAF TIRUAN A. OTAK MANUSIA Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memproses informasi. Tiaptiap sel bekerja seperti suatu prosesor sederhana. Masing-masing
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: SISTEM INFORMASI Semester : 7
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: SISTEM INFORMASI Semester : 7 MATA KULIAH : Sistem Pakar KODE MATA KULIAH / SKS : 410103101 / 3 SKS MATA KULIAH PRASYARAT : - DESKRIPSI MATA KULIAH :
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
PERANCANGAN SISTEM MANAJEMEN RUANG KULIAH MENGGUNAKAN JARINGAN SYARAF TIRUAN (STUDI KASUS PADA FIKST UNIVERSITAS DHYANA PURA)
PERANCANGAN SISTEM MANAJEMEN RUANG KULIAH MENGGUNAKAN JARINGAN SYARAF TIRUAN (STUDI KASUS PADA FIKST UNIVERSITAS DHYANA PURA) I Gusti Ngurah Anom Cahyadi Putra 1) Made Agung Raharja 2) Program Studi Sistem
BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Pertemuan 11 Diema Hernyka Satyareni, M.Kom
JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Pertemuan 11 Diema Hernyka Satyareni, M.Kom Outline Konsep JST Model Struktur JST Arsitektur JST Aplikasi JST Metode Pembelajaran Fungsi Aktivasi McCulloch
BAB 2 TINJAUAN PUSTAKA. menggunakan teknik statistik, matematika, kecerdasan buatan, tiruan dan machinelearning
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data mining adalah kombinasi secara logis antara pengetahuan data, dan analisa statistik yang dikembangkan dalam pengetahuan bisnis atau suatu proses yang menggunakan
Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia Muhammad Ulinnuha
BAB I PENDAHULUAN. kendali dengan campur tangan manusia dalam jumlah yang sangat kecil.
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teknologi pada saat ini mulai bergeser kepada otomatisasi sistem kendali dengan campur tangan manusia dalam jumlah yang sangat kecil. Banyaknya penemuan
