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 Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb: Kode Mata Kuliah : KBKF63307 Nama Mata Kuliah : Inteligensi Buatan Padang, 2017 Menyetujui Ka Prodi S1 Teknik Informatika Rini Sovia, S.Kom, M.Kom ii
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... 10 F. PENENTUAN NILAI AKHIR MATA KULIAH... 10 iii
A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH Nama Mata Kuliah : Inteligensi Buatan Kode Mata Kuliah : KBKF63307 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 : 6 / 3 Pre-requisite : - Co-requisite : - Bidang Kajian : Artificial Intelligence, Fuzzy Logic, Expert System, Artificial Neural Network DESKRIPSI SINGKAT MATA KULIAH Intelegensi Buatan adalah mesin yang mampu berpikir, mampu menimbang tindakan yang akan diambil dan mampu mengambil keputusan seperti yang dilakukan oleh manusia. Jadi, mata kuliah Intelegensi Buatan ini menjelaskan mengenai konsep dan definisi dari intelegensi buatan, menjelaskan ilmu yang berkaitan dengan intelegensi buatan. Pada mata kuliah ini akan dibahas konsep dari searching, sistem pakar, logika fuzzy, jaringan saraf tiruan dan algoritma genetika DAFTAR PUSTAKA 1. Sutojo. T, dkk, Kecerdasan Buatan, Penerbit Andi, Jakarta, 2012 2. Budiharto. W, Suhartono. D, Artificial Intelligence Konsep dan Penerapannya, Andi, 2014 3. Suyanto, Artificial Intelligence : Searching - Reasoning - Planing - (Edisi Revisi Kedua), Informatika, 2014 4. Desiani. A, Arhami. M, Konsep Kecerdasan Buatan, Andi. 1
B. RENCANA PEMBELAJARAN SEMESTER (RPS) Pertemuan ke- Kemampuan Akhir yang Diharapkan 1 Dapat menyebutkan definisi, sejarah dan ilu ilmu yang berkatitan dengan kecerdasan buatan Dapat membedakan antara kecerdasan alami dan kecerdasan buatan Dapat mengetahui kasus apa saja yang bisa diselesaikan dengan menggunakan soft computing Bahan Kajian (Materi Ajar) 2 Dapat menyebut definisi dari masalah dan kecerdasan buatan GENERAL PROBLEM SOLVING Dapat menerangkan yang mana masalah, ruang keadaan dan aturan Definisi masalah dalam kecerdasan buatan Dapat menggunakan teknik searching untuk menyelesaikan Masalah, ruang keadaan dan aturan masalah Pengenalan teknik Searching (Blind Serach dan Heuristic Search) 3 Dapat memahami teknik BFS Dapat memahami teknik DFS Dapat menyelesaikan kasus dengan teknik BFS dan DFS Bentuk/ Metode/ Strategi Kriteria Penilaian (Indikator) SEKILAS TENTANG Pembelajaran Ceramah KECERDASAN BUATAN mendefinisikan Definisi kecerdasan buatan kecerdasan buatan Sejarah Kecerdasan buatan Ilmu ilmu yang berkaitan membedakan kecerdasan dengan kecerdasan buatan alami dan kecerdasan Kecerdasan alami vs buatan kecerdasan buatan Soft Computing BLIND SEARCH Breadth First Search (BFS) Depth First Search (DFS) Ceramah Problem- Ceramah Problem- menentukan masalah yang ada di dalam kecerdasan buatan memilih teknik yang akan digunakan untuk menyelesaikan masalah melakukan pencarian dengan teknik BFS melakukan pencarian dengan teknik DFS Bobot Nilai 2
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot ke- Diharapkan Metode/ (Indikator) Nilai Strategi 4 Mahasiswa dapat memahami teknik Generate and Test Mahasiswa dapat memahami teknik Hill Climbing (Simple Hill Climbing dan Stepest Ascend Hill Climbing) Mahasiswa dapat memahami teknik Best First Search Mahasiswa dapat menyelesaikan kasus dengan teknik Generate and Test, Hill Climbing dan Best First Search HEURISTIC SEARCH Generate and Test Hill Climbing (Simple Hill Climbing dan Stepest Ascend Hill Climbing) Best First Search Pembelajaran Ceramah Problem- melakukan pencarian dengan teknik Generate and Test melakukan pencarian dengan teknik Hill Climbing melakukan pencarian dengan teknik Best First Search 5 Dapat memahami tentang definisi pengetahuan dalam kecerdasan buatan Dapat merepresentasikan pengetahuan dengan cara representasi logika, jaringan semantik, frame, script dan aturan produksi KNOWLEDGE REPRESENTATION Definisi Pengetahuan Cara merepresentasikan pengetahuan - Representasi Logika - Jaringan Semantik - Frame - Script - Aturan Produksi Ceramah merepresentasikan pengetahuan dengan menggunakan salah satu cara representasi 3
Pertemuan ke- 6 7 8 Kemampuan Akhir yang Diharapkan Dapat memahami tentang definisi, ciri-ciri, konsep dasar sistem pakar Dapat mengetahui bagaimana cara membuat sistem pakar dengan teknik inferensi forward chaing dan backward chaining Dapat mengetahui bagaimana cara membuat sistem pakar dengan teknik inferensi certainty factor dan teorema bayes Mampu menyelesaikan soal / studi kasus yang berhubungan dengan materi pra-uts Bahan Kajian (Materi Ajar) SISTEM PAKAR (1) Definisi, manfaat, ciri-ciri, konsep dasar sistem pakar Teknik Inferensi sistem pakar Forward Chaining Backward Chaining SISTEM PAKAR (2) Teknik Inferensi sistem pakar Certainty Factor Teorema Bayes QUIZ Materi pra-uts Bentuk/ Metode/ Strategi Pembelajaran Ceramah Problem- Ceramah Problem- Tes Kriteria Penilaian (Indikator) memahami cara kerja metode forward chaining dan backward chaining. menyelesaikan kasus sistem pakar dengan metode forward chaining dan backward chaining. memahami cara kerja metode certainty factor dan teorema bayes menyelesaikan kasus sistem pakar dengan metode certainty factor dan teorema bayes menyelesaikan soal quiz Bobot Nilai 7.5% UJIAN TENGAH SEMESTER 30 % 4
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot ke- Diharapkan Metode/ (Indikator) Nilai Strategi 10 11 12 Dapat memahami tentang definisi dan konsep dasar logika fuzzy Dapat mengetahui bagaimana cara menyelesaikan logika fuzzy dengan metode Tsukamoto, metode Mamdani dan metode Sugeno Dapat memahami tentang jaringan saraf tiruan Dapat mengetahui bagaimana cara mambuat jaringan saraf tiruan dengan model neuron dan model hebb LOGIKA FUZZY (1) Definisi logika fuzzy Konsep dasar logika fuzzy LOGIKA FUZZY (2) Teknik Inferensi logika fuzzy - Metode Tsukamoto - Metode Mamdani - Metode Sugeno JARINGAN SARAF TIRUAN (1) Jaringan Saraf Tiruan Model Neuron McCulloch and Pitts Model Hebb Pembelajaran Ceramah memahami tentang definisi dan konsep dasar tentang logika fuzzy Ceramah Problem- Ceramah Problem- menyelesaikan kasus logika fuzzy dengan metode Tsukamoto, metode Mamdani dan metode Sugeno Menyelesaikan kasus JST dengan model neuron dan model hebb 13 Dapat mengetahui bagaimana cara mambuat jaringan saraf tiruan dengan perceptron dan backpropagation JARINGAN SARAF TIRUAN (2) Perceptron Backpropagation Ceramah Problem- Menyelesaikan kasus JST dengan perceptron dan backpropagation 5
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot ke- Diharapkan Metode/ (Indikator) Nilai Strategi 14 Dapat memahami tentang algoritma genetika dan mengetahui masalah apa saja yang bisa diselesaikan dengan algoritma genetika Dapat mengetahui tentang gen, individu, populasi dan mutasi ALGORITMA GENETIKA Pengantar Algoritma Genetika Gen dan Individu Populasi Mutasi Pembelajaran Ceramah Problem- memahami konsep dari algoritma genetika membedakan gen, individu, populasi dan mutasi 15 Mampu menyelesaikan soal / studi kasus yang berhubungan dengan materi pra-uas QUIZ Materi pra-uas Tes menyelesaikan soal quiz 7.5% UJIAN AKHIR SEMESTER 30 % 6
C. RANCANGAN INTERAKSI DOSEN MAHASISWA Kemampuan Akhir yang Diharapkan Nama Kajian Nama Strategi Mahasiswa mampu memahami konsep materi yang diberikan. 1. Sekilas Tentang Kecerdasan Buatan 2. General Problem Solving 3. Blind Search 4. Heuristic Search 5. Knowledge Representation 6. Sistem Pakar (1) 7. Sistem Pakar (2) 8. Logika Fuzzy (1) 9. Logika Fuzzy (2) 10. Jaringan Saraf Tiruan (1) 11. Jaringan Saraf Tiruan (2) 12. Algoritma Genetika Ceramah Minggu Penggunaan Strategi (Metode) 1 7 dan 10 14 Deskripsi Singkat Strategi (Metode) pembelajaran Aktivitas Dosen Mengulas materi yang telah diberikan pada pertemuan sebelumnya (untuk pertemuan 2 dst). 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. Membahas materi. Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan. Menyimpulkan materi. Menyimak penjelasan dosen. Menyiapkan diri menerima materi yang akan disampaikan. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen. Bertanya apabila ada materi yang kurang jelas. Menjawab pertanyaan yang diberikan. Menyimak kesimpulan. 7
Kemampuan Akhir yang Diharapkan Nama Kajian Nama Strategi Mahasiswa mampu menuangkan konsep materi yang dipelajari untuk menyelesaikan suatu kasus. 1. General Problem Solving 2. Blind Search 3. Heuristic Search 4. Sistem Pakar (1) 5. Sistem Pakar (2) 6. Logika Fuzzy (2) 7. Jaringan Saraf Tiruan (1) 8. Jaringan Saraf Tiruan (2) 9. Algoritma Genetika Problem (PBL) Minggu Penggunaan Strategi (Metode) 2, 3, 4, 6, 7, 11, 12, 13, 14 Deskripsi Singkat Strategi (Metode) Mahasiswa diminta membuat pembelajaran menyelesaikan suatu kasus sesuai dengan materi yang diberikan. RANCANGAN INTERAKSI DOSEN MAHASISWA Aktivitas Dosen Memberikan kasus yang harus diselesaikan dalam bentuk soal latihan. Membahas hasil jawaban mahasiswa. Aktivitas Mahasiswa Menyelesaikan soal yang diberikan. Mempresentasikan jawaban dari setiap soal. 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. General Problem Solving b. Blind Search c. Heuristic Search d. Representasi Pengetahuan e. Sistem Pakar 2. Quiz (Evaluasi) Pra-UAS a. Logika Fuzzy b. Jaringan Saraf Tiruan c. Algoritma Genetika 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. 8 Aktivitas Mahasiswa Menyelesaikan soal yang diberikan.
D. RANCANGAN TUGAS Kode mata Kuliah Nama Mata Kuliah Kemampuan Akhir yang Diharapkan KBKF63307 Inteligensi Buatan Mampu memahami semua konsep dalam kecerdasan buatan yang telah dipelajari untuk menyelesaikan kasus tugas akhir matakuliah secara komprehensif Minggu / Pertemuan ke 14 16 Tugas ke Tugas Akhir 1. Tujuan tugas: Memahami semua konsep dalam kecerdasan buatan yang telah dipelajari untuk menyelesaikan kasus tugas akhir matakuliah secara komprehensif 2. Uraian Tugas: a. Obyek garapan: Melakukan bedah jurnal yang berhubungan dengan kecerdasan buatan Jurnal yang akan dibedah adalah Jurnal Nasional dan Jurnal Internasional yang ber-issn Jurnal yang sudah dibedah, harus dibuatkan rangkumannya dalam bentuk makalah. b. Yang harus dikerjakan dan batasan-batasan: Topik sudah diberikan oleh dosen untuk masing-masing mahasiswa Cari dan download masing-masing 1 buah Jurnal Nasional dan Jurnal Internasional sesuai dengan topik masing-masing. Baca dan bedah jurnal tersebut, kemudian buat rangkuman tentang jurnal yang sudah dibedah tersebut dalam bentuk makalah. Jurnal dan Makalah dikumpulkan pada pertemuan terakhir perkuliahan c. 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 d. Deskripsi luaran tugas yang dihasilkan/dikerjakan: Makalah 3. Kriteria penilaian: Penilaian Individu (100%) - Jurnal Nasional (15%) - Rangkuman Jurnal Nasional (25%) - Jurnal Internasional (25%) - Rangkuman Jurnal Internasional (35%) E. PERSENTASE KOMPONEN PENILAIAN 1. Kuis : 10% 2. Tugas Akhir : 20% 3. UTS : 30% 4. UAS : 40% 9
F. PENILAIAN DENGAN RUBRIK Jenjang (Grade) Angka (Skor) Deskripsi perilaku (Indikator) A > 80 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Ada B 65 79 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada C 55 64 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada, Jurnal Nasional Tidak Ada, Rangkuman Jurnal Nasional Tidak Ada D 40 54 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Tidak Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada E 40 Jurnal Internasional Tidak Ada, Rangkuman Jurnal Internasional Tidak Ada, Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada 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