SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK ) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8

dokumen-dokumen yang mirip
SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)

SATUAN ACARA PERKULIAHAN (SAP)

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM BERBASIS PENGETAHUAN FAKULTAS / JURUSAN : SISTEM INFORMASI / S-1 JUMLAH SKS : 3

PPKF53106 KNOWLEDGE BASED SYSTEM

SATUAN ACARA PERKULIAHAN(SAP)

SATUAN ACARA PERKULIAHAN MATA KULIAH INTELIGENSI BUATAN (TK) KODE / SKS : KK / 4 SKS

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015

STMIK EL RAHMA YOGYAKARTA Dibuat Oleh Revisi ke Tanggal dibuat Diperiksa oleh

SILABUS ATIFICIAL INTELIGENCE

KBKF63307 INTELIGENSI BUATAN

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran KONTRAK KULIAH DAN PREVIEW MATERI. PENGENALAN KECERDASAN BUATAN a.

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PEMBELAJARAN SEMESTER (RPS)

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

TK36301 PENGANTAR KECERDASAN BUATAN

Artificial Intelligence. uthie 1

Artificial Intelligence. (Teknik dan Aplikasinya)

L ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.

Soal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23

Pengenalan Kecerdasan Buatan (KB)

PROGRAM STUDI SISTEM KOMPUTER

Semoga Tuhan memberi berkah pada kelas ini.

Program Studi Teknik Informatika

ARTIFICIAL INTELLIGENCE

SISTEM BERBASIS PENGETAHUAN PENDAHULUAN HENKI FDS R

KECERDASAN BUATAN Artificial intelligence TRI WAHYUDI TIPA 15

KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM

SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK ) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Artificial Intelligence

PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE

BAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan,

Artificial intelligence

PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY

BAB II LANDASAN TEORI

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: SISTEM INFORMASI Semester : 7

ALGORITMA PENCARIAN (1)

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2003/2004 (sesuai periode berjalan)

ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)

Kecerdasan Buatan (Artificial Intelligence) Muhammad Dahria

MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB

BAB I PENDAHULUAN 1-1. Howard. W. Sams & Co.1987, hal 1. 1 Frenzel, L.W. Crash Course In Artifical Intelligence And Expert Systems. 1st Edition.

Artificial Intelegence/ P_2. Eka Yuniar

RENCANA PEMBELAJARAN SEMESTER (RPS)

BAB I Pengenalan Kecerdasan Buatan (Artificial Inteligent / AI ) Created A.Tohir from Dosen Mr.Zulkifli

LEMBAR TUGAS MAHASISWA ( LTM )

RENCANA PEMBELAJARAN SEMESTER (RPS)

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT

SATUAN ACARA PERKULIAHAN

EXPERT SYSTEM DENGAN BEBERAPA KNOWLEDGE UNTUK DIAGNOSA DINI PENYAKIT-PENYAKIT HEWAN TERNAK DAN UNGGAS

mental kita begitu penting bagi kehidupan

SISTEM PAKAR DENGAN BEBERAPA KNOWLEDGE BASE MENGGUNAKAN PROBABILITAS BAYES DAN MESIN INFERENSI FORWARD CHAINING

PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT.

METODE PENCARIAN DAN PELACAKAN

KATA PENGANTAR. Maha Esa, yang telah berkenan memelihara dan membimbing penulis, sehingga

H. A. Simon [1987] : Rich and Knight [1991]:

TAHUN AKADEMIK 2016/2017. : PENGANTAR INTELEGENSI BUATAN : Betha Nurina Sari, M.Kom. : Open Book via Google Form (90 Menit)

SATUAN ACARA PERKULIAHAN MATA KULIAH MATEMATIKA INFORMATIKA JURUSAN TEKNIK KOMPUTER (D3) SEMESTER 3 KODE / SKS : IT014213/2

SATUAN ACARA PERKULIAHAN PERANCANGAN DAN ANALISIS ALGORITMA ** (S1/TEKNIK INFORMATIKA) PTA 2010/2011

ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

ARTIFICIAL INTELLIGENCE

Sistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015

Artificial Intelegence. Eka Yuniar

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Pilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN [ GBPP ]

BAB I PENGANTAR KECERDASAN BUATAN

RENCANA PEMBELAJARAN SEMESTER (RPS)

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007

DIAGNOSA PENYAKIT MANUSIA YANG DIAKIBATKAN OLEH GIGITAN HEWAN MENGGUNAKAN METODE CERTAINTY FACTOR

RENCANA PEMBELAJARAN SEMESTER (RPS)

BAB I PENDAHULUAN. Perkembangan komputer sekarang ini sangat pesat dan salah. satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan.

SA N BUA BU T A A T N

Universitas Bina Nusantara. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005/2006

BAB II LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

UNIVERSITAS BINA NUSANTARA

KECERDASAN BUATAN Artificial Intelligence (AI)

UNIVERSITAS GUNADARMA

PERANCANGAN APLIKASI PENCARIAN (SEARCHING) FILE DENGAN MENGGUNAKAN METODE BEST FIRST SEARCH JUNA ESKA,

RENCANA PEMBELAJARAN SEMESTER (RPS)

PENERAPAN POHON PELACAKAN DALAM MENCARI LINTASAN YANG DAPAT DILALUI OLEH SEEKOR SEMUT PADA BIDANG KARTESIAN DENGAN METODE BREADTH FIRST SEARCH

Representasi Pengetahuan : LOGIKA

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

BAB 2 LANDASAN TEORI. berkonsultasi dengan seorang pakar atau ahli. Seorang pakar adalah seseorang yang

BAHAN AJAR. Mata Kuliah Sistem Pengambilan Keputusan. Disusun oleh: Eva Yulianti, S.Kom.,M.Cs

MANAGEMENT INFORMATION SYSTEMS Raymond McLeod, Jr. and George Schell

SEARCHING. Blind Search & Heuristic Search

HEURISTIC SEARCH UTHIE

CASE-BASED REASONING (CBR) PADA SISTEM PAKAR IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN SINGKONG DALAM USAHA MENINGKATKAN PRODUKTIVITAS TANAMAN PANGAN

ANALISIS ALGORITMA A* DAN BDA* PADA PERMASALAHAN PLANNING (STUDI KASUS: LOGISTIK)

UNIVERSITAS BINA NUSANTARA

Masalah, Ruang Masalah dan Pencarian

METODE PENCARIAN BFS dan DFS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transkripsi:

SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK-045218) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8 Minggu Pokok Bahasan Ke Dan TIU 1 Pengenalan (KB) 2 serta ruang lingkup dan aplikasinya Masalah, Ruang Masalah dan Pencarian masalah dan ruang masalah serta Metode Pencarian dalam Sub Pokok Bahasan dan Sasaran Belajar 1.1 Pengertian 1.2 dan Kecerdasan Alami 1.3 Komputasi dan Komputasi Konvensional 1.4 Sejarah 1.5 Lingkup 1.6 Soft Computing dapat menjelaskan tentang Kecerdasan dapat menerangkan perbedaan KB dengan kecerdasan alami dapat menerangkan sejarah dan lingkup dari KB dapat memahami soft computing sebagai inovasi baru dalam membangun KB 2.1 Definisi Masalah dan Ruang Masalah 2.2 Metode Pencarian Buta (Blind Search) 2.2.1 Breadth First Search 2.2.2 Depth First Search dapat menganalisis masalah dan dapat menyelesaikan ruang masalah dengan metode pencarian buta Cara Pengajaran & Diskusi & Diskusi Media Papan Tulis & Papan Tulis & Tugas Tugas kelompok : membuat resensi film ttg AI, dikumpulkan sblm UTS menyelesai kan kasus dengan BFS dan DFS Referensi [3-bab1], [5-bab1] [3-bab3], [5-bab2], [7-bab3] 3 Teknik Pencarian Heuristik Metode Pencarian 3.1 Generate And Test 3.2 Hill Climbing 3.3 Best First Search 3.4 Problem Reduction 3.5 Constraint Satisfaction 3.6 Means End Analysis [5-bab2], [7-bab3] 1

Heuristik dapat menyebutkan berbagai teknik pencarian heuristik dapat menggunakan berbagai teknik pencarian heuristik dalam menyelesaikan masalah 4 Representasi Pengetahuan memahami representasi pengetahuan yang umum digunakan dalam Kecerdasan. 4.1 Arti Pengetahuan 4.2 Produksi 4.3 Jaringan Semantik 4.4. Triple Obyek-Atribut-Nilai 4.5 Schemata : Frame dan Script dapat menyebutkan elemen dari teori pengetahuan dan tekniknya dapat menjelaskan teknik-teknikteknik representasi pengetahuan : Jaringan Semantik, Schemata, Frames, dan Logika dapat menjelaskan kelebihan dan kekurangan teknik-teknik tersebut. Menterjem ahkan pengetahua n dalam bentuk teknik representas inya [5-bab3], [3-bab9], [2-bab2] 5 Representasi Pengetahuan : LOGIKA Representasi Pengetahuan dalam bentuk LOGIKA 5.1 Logika dan Set Jaringan 5.2 Logika dan Set Order Permata 5.3 Logika Predikat Order Pertama 5.4 Quantifier Universal 5.5 Quantifier Existensial 5.6 Quantifier dan Set / Jaringan 5.7 Batasan Logika Predikat dapat menyebutkan elemen logika dalam representasi pengetahuan dapat memahami perbedaan konsep kuantifikasi universal dan existensial. [2-bab2], [5-bab3] 2

6 Metode Inferensi memahami bagaimana metode inferensi dapat memecahkan masalah dalam Kecerdasan 6.1. Trees, Lattice dan Graph 6.2. Ruang Keadaan dan Ruang Permasalahan 6.3. AND-OR Tree dan Goals 6.4. Logika Deduktif dan Syllogisms 6.5. Aturan dari Inferensi 6.6. Logika Pembatasan dari Proposisional 6.7. Logika Predikat Order Pertama Kali 6.8. Sistem Logika 6.9. Resolusi, Sistem Resolusi dan Deduksi 6.10. Shallow dan Casual Reasoning 6.11. Rangkaian Forward dan Backward 6.12. Metode Lain dari Inferensi 6.13. Metaknowledge & diskusi [2-bab3] mampu memahami perbedaan antara Trees, Lattice dan Graph serta dapat membuat Decision Trees untuk memecahkan masalah mampu memahami perbedaan penggunaan Pohon, Logika dan Syllogistic untuk memecahkan masalah mampu memahami aturan-aturan inferensi mampu memilih metode inferensi yang terbaik untuk memecahkan masalah. 7 8 Penalaran Agar mahasiswa memahami teori atau konsep penalaran dan pengambilan keputusan Sistem Pakar (SP) Agar mahasiswa 7.1. Ketidakpastian 7.2. Probabilitas dan Teorema Bayes 7.3. Faktor Kepastian (Certainty Factor) 7.4. Teori Dempster-Shafer memahami defini ketidakpastian serta ilustrasinya. mengetahui definisi dan teori probabilitas klasik. mengetahui konsep kepercayaan mengetahui mengenai ketidakpastian pada rantai inferensi. mengetahui tentang faktor kepastian mengetahui teori Dempster-Shafer. 8.1 Definisi 8.2 Keuntungan dan kelemahan 8.3 Konsep Dasar 8.4 Bentuk dan Struktur Sistem 8.5 Basis Pengetahuan Papan tulis & [5-bab4] [2-bab 4 & 5] [2-bab 1], [5-bab 5] 3

dasar Sistem Pakar 8.6 Metode Inferensi 8.7 Ciri-Ciri 8.8 Aplikasi dan Pengembangan 9 10 11 Bahasa Alami 1 dasar Bahasa Alami Bahasa Alami 2 lanjut Bahasa Alami Jaringan Tiruan (JST) Syaraf dasar Jaringan Syaraf Tiruan sebagai bagian dari Kecerdasan dapat menjelaskan SP di dalam KB dapat menerangkan keuntungan & kelemahan dapat menggambarkan konsep, bentuk dan struktur SP dapat menjelaskan basis pengetahuan dan metode inferensi dalam SP dapat menjelaskan area aplikasinya. 9.1 Peranan Pengetahuan dalam bahasa 9.2 Masalah Bahasa Alami 9.3 Proses Sintaksis 9.4 Grammar dan Parser 9.5 Automated Transition Network dapat memahami bahasa alami sebagai intermediasi antara pengguna dengan komputer dapat menganalisis sintaks 10.1 Semantik 10.2 Discourse Pragmatic Processing 10.3 Kombinasi Sintaks dan Semantik 10.4 Aplikasi dapat memahami bahasa alami sebagai intermediasi antara pengguna dengan komputer dapat menjelaskan semantik bahasa. UJIAN TENGAH SEMESTER 11.1 Otak manusia 11.2 Sejarah 11.3 Komponen Jaringan Syaraf 11.4 Arsitektur Jaringan 11.5 Fungsi Aktivasi 11.6 Proses Pembelajaran: Supervisi/Bukan Supervisi dapat mengerti konsep JST dapat menjelaskan komponen JST dapat memahami fungsi aktivasi dapat memahami proses pembelajaran [3-bab 10] [7-bab 15] [3-bab 10] [7-bab 15] [5-bab 8] 4

12 Logika Fuzzy mengerti konsep tentang logika Fuzzy dalam JST. 12.1 Alasan Pengunaan Logika Fuzzy 12.2 Himpunan Dan Fungsi Keanggotaan Fuzzy 12.3 Operator Dasar Operasi Himpunan 12.4 Penalaran Monoton 12.5 Fungsi Implikasi 12.6 Metode Inferensi Fuzzy 12.7 Database Fuzzy [5-bab 7] 13 14 Algoritma Genetika mengerti konsep tentang Algoritma Genetika sebagai salah satu komputasi evolusioner Studi Kasus TIU: dapat menyelesaikan kasus dengan pemrograman dapat mengetahui tentang logika fuzzy dapat memetakan sebuah permasalahan yang ambigu. 13.1 Struktur Umum 13.2 Komponen-komponen Utama 13.3 Seleksi 13.4 Rekombinasi/ Crossover 13.5 Mutasi 13.6 Contoh Algoritma dapat mengetahui tentang algoritma genetika dapat menyebutkan komponen algoritma dapat mengerti alur algoritma. 14.1 Membahas Contoh Program 14.2 Membuat Program Sederhana dapat menganalisis sebuah kasus dapat mengkoding. UJIAN AKHIR SEMESTER OHT [5-bab 9], [3-bab 12.8] [1] [4] REFERENSI : 1. Bowen, Kenneth A, Prolog and Expert Systems, McGraw-Hill, Singapore, 1991 2. Giarratano, J and G. Riley, Expert System : Principle and Programming, 4 th ed, PWS Kent, USA,2004 3. Luger, George F. and Stubblefield, William A, AI : Structures and Strategies For Complex Problem Solving, 2 nd edition, The Benjamin Cumming Pub, California, 1993 4. M. Farid Azis, Belajar Sendiri Pemrograman Sistem Pakar, Elek Media Komputindo, Jakarta, 1994 5. Sri Kusumadewi, Artificial Intelligence:Teknik dan Aplikasinya, Graha Ilmu, Yogjakarta, 2003 6. Suryadi HS, Pengantar Sistem Pakar, Gunadarma, Jakarta, 1994 7. Rich, Elaine and Knight, Kevin, Artificial Intelligence, 2 nd Edition, McGraw-Hill, Singapore, 1991 15082006 5