1
A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH
Nama Mata Kuliah :
Knowledge Based System
Kode Mata Kuliah :
PPKF53106 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 :
-
Pre-requisite :
- Co-requisite
: -
Bidang Kajian :
DESKRIPSI SINGKAT MATA KULIAH
Mata kuliah ini menjelaskan mengenai konsep sistem berbasis pengetahuan atau sistem pakar sebagai bagian bagian dari kecerdasaan yang mana pada unumnya menggunakan logika dan set jaringan, logika dan
set order permata, logika predikat order pertama, batasan logika predikat.
DAFTAR PUSTAKA
1. Farid Azis,
Belajar Sendiri Pemrograman Sistem Pakar
, Elek Media Komputindo, Jakarta, 1994
2. Giarratano, J and G. Riley,
Expert System : Principle and Programming
, PWS Kent, USA,1989
3. Gonzales, A.,
The Engineering of Knowledge Bases System
, PrenticeHall, NewJersey, 1993 4.
Suryadi HS,
Pengantar Sistem Pakar
, Gunadarma, Jakarta, 1994
B. RENCANA PEMBELAJARAN SEMESTER RPS Pertemuan
ke- Kemampuan Akhir yang
Diharapkan Bahan Kajian Materi Ajar
Bentuk Metode
Strategi Pembelajaran
Kriteria Penilaian Indikator
Bobot Nilai
1
memahami konsep Sistem Berbasis Pengetahuan Sistem
Pakar sebagai bagian dari Kecerdasan Buatan
o Kecerdasan
Buatan Artificial Intelligent
- Pengertian Kecerdasan
Buatan -
Area Kecerdasan Buatan -
Pengenalan terhadap Masalah dan Metode
Pemecahannya -
Teknik Pencarian Heuristik
Ceramah dapat menjelaskan
tentang Kecerdasan dapat
menerangkan keuntungan SBP
dapat menggambarkan arsitektur Sistem Pakar
2
memahami konsep Sistem Berbasis Pengetahuan Sistem
Pakar sebagai bagian dari Kecerdasan Buatan
Sistem Berbasis
Pengetahuan SBP Sistem Pakar SP
- Pengertian SBP SP
- Kelebihan SBP SP
- Konsep Umum SBP
- Karakteristik SBP SP
- Kategori SBP SP
- Pengembangan Teknologi
Sistem Pakar -
Aplikasi dan Domain SBP SP
- Bahasa, Shell dan Peralatan
- Elemen SBP Ceramah
Diskusi dapat menjelaskan
tentang Kecerdasan dapat
menerangkan keuntungan SBP
dapat menggambarkan arsitektur Sistem Pakar
2
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
Bahan Kajian Materi Ajar Bentuk
Metode Strategi
Pembelajaran Kriteria Penilaian
Indikator Bobot
Nilai
3
memahami konsep Sistem Berbasis Pengetahuan Sistem
Pakar sebagai bagian dari Kecerdasan Buatan
Sistem Produksi Sistem Produksi Post
Algoritma Markov Algoritma Rete
- Paradigma Prosedural
- Paradigma Non Prosedural
- Artificial Neural System
Hubungan SBP dan Belajar Induktif
Ceramah Diskusi
dapat menjelaskan tentang Kecerdasan
dapat menerangkan
keuntungan SBP dapat menggambarkan
arsitektur Sistem Pakar
5
memahami representasi pengetahuan yang umum
digunakan dalam SPB. Arti dan Pengetahuan
Produksi Jariangan Semantik
Triple Obyek-Atribut- Angka
Prolog dan Jaringan Semantik
Schemata Frames
Ceramah Diskusi
dapat menyebutkan elemen dari teori
pengetahuan dan tekniknya
menjelaskan teknik- teknik-teknik representasi
pengetahuan : Jaringan Semantik, Schemata,
Frames, dan Logika
3
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
Bahan Kajian Materi Ajar Bentuk
Metode Strategi
Pembelajaran Kriteria Penilaian
Indikator Bobot
Nilai
6
memahami representasi pengetahuan yang umum
digunakan dalam SPB. Logika
dan Set
Jaringan Logika dan Set Order
Permata Logika Predikat Order
Pertama Quantifier Universal
Quantifier Existensial Quantifier dan Set
Jaringan Ceramah
Problem- Based
Learning dapat menyebutkan
elemen dari teori pengetahuan dan
tekniknya
menjelaskan teknik- teknik-teknik representasi
pengetahuan : Jaringan Semantik, Schemata,
Frames, dan Logika
7
memahami bagaimana metode inferensi dapat memecahkan
masalah dalam
Sistem Berbasis Pengetahuan
Trees, Lattice dan Graph Spasi Stata dan Spasi
Permasalahan AND-OR Tree dan
Goals Logika Deduktif dan
Syllogisms Aturan dari Inferensi
Logika Pembatasan dari Proposisional
Logika Predikat Order Pertama Kali
Ceramah Problem-
Based Learning
mampu memahami perbedaan antara Trees,
Lattice dan Graph serta dapat membuat Decision
Trees untuk memecahkan masalah SBP
8
Mampu menyelesaikan soal studi kasus yang berhubungan
dengan materi pra-UTS
QUIZ
Materi pra-UTS Tes
Ketepatan dalam menyelesaikan soal quiz
7.5
UJIAN TENGAH SEMESTER
30 4
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
Bahan Kajian Materi Ajar Bentuk
Metode Strategi
Pembelajaran Kriteria Penilaian
Indikator Bobot
Nilai
10
memahami teori atau konsep ketidakpastian
Ketidakpastian Tipe Kesalahan
Kesalahan dan Induksi Probabilitas Klasik
o Definisi
o Ruang Contoh
o Teori Probabilitas
Eksperimen dan Probabilitas Subjektif
Probabilitas Komposit Probabilitas Kondisi
Hukum Perkalian
Ceramah Problem-
Based Learning
mengetahui mengenai eksperimen dan
probabilitas subjektif
11
memahami teori atau konsep ketidakpastian
Alasan Hipotesa dan Induksi Ke Belakang
Alasan Sementara dan Rantai Markov
Keuntungan dari Kepercayaan
Kebutuhan dan Kecukupan
Ketidakpastian pada Rantai Inferensi
Kombinasi dari Bukti Ceramah
Problem- Based
Learning mengetahui kombinasi
dari bukti, klasifikasinya, bagaimana
mengkombinasikan bukti dengan logika fuzy,
kemungkinan yang efektif serta mengetahui
kesulitan dengan independensi yang
terbatas.
5
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
Bahan Kajian Materi Ajar Bentuk
Metode Strategi
Pembelajara Kriteria Penilaian
Indikator Bobot
Nilai
14
memahami konsep pemberian alasan yang tidak eksak
Ketidakpastian dan Aturan
Faktor Kepastian Teori Dempster-Shafer
Alasan Perkiraan Bentuk Ketidakpastian
1.
Ceramah
Problem -Based
Learning mengetahui frame dari
persepsi, fungsi Massa dan ketidakpastian, mengetahui
bagaimana mengkombinasikan bukti ,
Menormalisasikan kepercayaan, mengetahui
bagaimana menggerakan massa dan himpunan, dan
mengetahui kesulitan dalam teori Dempster-
Shafer
15
Mampu menyelesaikan soal studi kasus yang berhubungan
dengan materi pra-UAS
QUIZ
Materi pra-UAS Tes
Ketepatan dalam menyelesaikan soal quiz
7.5
UJIAN AKHIR SEMESTER
30
6
C. RANCANGAN INTERAKSI DOSEN –MAHASISWA