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 : Mata kuliah ini membahas tentang konsep dasar sistem pakar, representasi menggunakan: propotitional logic, predicate calculus, sistem berbasis aturan, semantic network dan frame; representasi samar menggunakan: bayesian, certainty factor dan sistem fuzzy; dan Jaringan Syaraf TUJUAN INSTRUKSIONAL UMUM : Setelah mengikuti matakuliah ini mahasiswa akan memahami model-model representasi, memiliki kemampuan untuk menarik kesimpulan (inference) dari fakta yang digambarkan dalam modelmodel representasi, serta mampu merancang dan membuat implementasi sistem pakar menggunakan bahasa pemrograman. PUSTAKAAN/SUMBER BELAJAR : Wajib: 1. Jusak. 2007. Sistem Pakar: Buku Pegangan Kuliah. Surabaya: STIKOM. (Jus) 2. Gonzales, A.J., and Douglas, D.D. 1993. The Engineering of Knowledge Based System. New Jersey: Prentice Hall International, Inc. (Gon) 3. Durkin, John. 1994. Expert System: Design and Development. New Jersey: Prentice Hall International, Inc. (Dur) Anjuran: 4. Kumar, Satish. 2004. Neural Network: A Classroom Approach. New Delhi: Tata McGraw-Hill Companies. () PERSENTASE PENILAIAN : UTS 30% UAS 30% Tugas 40% 1 Mahasiswa mampu: - Menjelaskan konsep dasar Konsep dasar 1. Sejarah 2. Contoh Proyek PUSTAKAAN Jus (Bab 1) Gon (Bab 1) Halaman 1 dari 5
PERT TUJUAN INSTRUKSIONAL - Memberi contoh aplikasiaplikasi sistem pakar dalam sistem komputer modern. - Memahami konsep Heuristic Searching. yang dapat diselesaikan 3. Perbedaan sistem konvensional dan 4. Struktur 5. Heuristic Searching. ESTIMASI WAKTU JENIS EVALUASI berkelompok PUSTAKAAN 2 Mahasiswa mampu: - Merepresentasikan knowledge ke dalam bentuk propositional logic dan predicate calculus. - Memecahkan yang direpresentasikan dalam bentuk propositional logic dan predicate calculus. Propositional Logic dan predicate calculus. 1. Konsep logika. 2. Operator penghubung. 3. fakta ke dalam propositional logic. 4. fakta ke dalam predicate calculus. 5. Quantifier. 6. Model-model inferensi. 7. Automated Jus (Bab 2) Gon (Bab 2) 3 Mahasiswa mampu: - Menjelaskan representasi dalam bentuk Sistem Berbasis Aturan (Ruled-based System). - Menjelaskan model inferensi forward reasoning dalam sistem berbasis aturan. Berbasis Aturan: forward 1. Struktur Sistem Berbasis Aturan. 2. ke dalam Sistem Berbasis Aturan. 3. Sistem Berbasis Aturan forward Memberi contoh dan contoh aplikasi. Jus (Bab 3) Gon (Bab 4,5) Halaman 2 dari 5
4 Mahasiswa mampu: - Menjelaskan model inferensi backward reasoning dalam sistem berbasis aturan. Berbasis Aturan: Backward 1. Sistem Berbasis Aturan backward Memberi contoh dan contoh aplikasi. PUSTAKAAN Jus (Bab 3) Gon (Bab 4,5) 5 Mahasiswa mampu: - Membuat dan melakukan analisis rancangan dependency diagram untuk kasus yang akan diselesaikan sistem berbasis aturan. Membangun sistem berbasis aturan. 1. Dependency Diagram. 2. Menyusun sistem berbasis aturan dari dependency diagram. Case study Jus (Bab 4) 6 Mahasiswa mampu: - Membuat representasi dalam bentuk Semantic Networks. - Membuat representasi dalam bentuk Frame. 7 Mahasiswa mampu: - Memahami pendekatan Bayesian sebagai dasar representasi fakta yang memiliki derajad ketidakpastian tertentu. - Membuat representasi fakta menggunakan metoda Semantic Networks dan Frame. samar bayesian dan 1. Semantic Networks. 2. Frame. 1. Konsep dasar representasi fakta samar/ambigu. 2. Pendekatan Bayesian. 3. Propagasi kepercayaan. 4. Certainty Factor.. 150 - Jus (Bab 5) 150 - Jus (Bab 6) Dur (Bab 11) Dur (Bab 12) Halaman 3 dari 5
8 Mahasiswa mampu mendefinisikan dan menyelesaikan (atau menarik kesimpulan) yang mengandung fakta derajad ketidakpastian tertentu. Inferensi menggunakan 1. Sistem berbasis aturan certainty factor. 2. Propagasi keyakinan pada sistem berbasis aturan - Ceramah - Tanya jawab - Contoh PUSTAKAAN Jus (Bab 6) Dur (Bab 12) 9 Mahasiswa mampu memformulasikan yang mengandung fakta derajad ketidakpastian tertentu ke dalam pendekatan Sistem 1. Konsep dasar Sistem 2. Himpunan 3. Fungsi keanggotaan. 4. Derajad keanggotaan 150 Jus Bab 7 Dur Bab 13 10 Mahasiswa mampu melakukan perhitungan secara manual dan analisis untuk melakukan inferensi dan defuzzifikasi pada Sistem Inferensi Fuzzy 1. Inferensi pada Sistem 2. Defuzzifikasi.. 150 Jus (Bab 7) Dur (Bab 13) 11 - Mahasiswa mengenal contoh aplikasi Sistem - Mahasiswa mampu merancang perangkat lunak untuk penyelesaian masalah menggunakan Sistem Contoh dan penyelesaian 1. Case Study 1: menentukan tip pelayan restaurant. 2. Case Study 2: Sprinkle System. Demo menggunakan MATLAB (optional) 150 - Jus (Bab 7) 12 Mahasiswa memahami: - Berbagai jenis arsitektur dan algoritma yang digunakan Konsep Dasar Jaringan Syaraf 1. Jaringan syaraf biologis. 2. Arsitektur Jaringan Halaman 4 dari 5
PERT TUJUAN INSTRUKSIONAL dalam Jaringan Syaraf - Perbandingan antara jaringan syaraf biologis dan Jaringan Syaraf Syaraf Tiruan 1 neuron (perceptron). 3. Konsep belajar dalam perceptron. ESTIMASI WAKTU JENIS EVALUASI PUSTAKAAN 13 Mahasiswa mampu menjelaskan konsep belajar dalam Jaringan Syaraf Arsitektur dan algoritma perceptron. 1. Arsitektur dan algoritma perceptron. 2. Jaringan Syaraf Tiruan back error propagation pada multilayer perceptron. Tanya Jawab Demo MATLAB. 14 Mahasiswa mampu merencanakan aplikasi sistem Jaringan Syaraf Tiruan untuk menyelesaikan - time-series. Pengembanganpengembangan aplikasi Jaringan Syarat 1. Contoh aplikasi Jaringan Syaraf Tiruan untuk penyelesaian problem Time Series. Tanya Jawab Demo MATLAB (optional). Disahkan Oleh: Diperiksa Oleh: Dibuat Oleh: Helmy Widyantara, S.Kom., M.Eng Dra. M.J. Dewiyani Sunarto, M.Pd Dra. Sulis Janu Hartati, MT Wakil Ketua I Kaprodi S1 Sistem Informasi Ketua Tim GBPP Halaman 5 dari 5