SAP ANN.doc Official Site of Achmad Benny Mutiara Gunadarma University SAP ANN

SATUAN ACARA PERKULIAHAN
MATA KULIAH JARINGAN SYARAF TIRUAN (JST)
SISTEM INFORMASI/TEKNIK INFORMATIKA
MINGGU
1

BAHASAN & ITU
Pendahuluan

SUB BAHASAN & SASARAN BELAJAR
Sejarah

TIU :
Mahasiswa dapat memahami
dasar pemikiran pembentukan
konsep JST dan hasil serta
implementasi yang ada hingga
saat ini.

Mahasiswa memahami latarbelakang pemikiran
yang melahirkan konsep-konsep JST dan

kronologi perkembangan JST

CARA PENGAJARAN
Kuliah mimbar

MEDIA
papan tulis
OHP

Kuliah mimbar

papan tulis
OHP

TUGAS
Mempelajari
penggunaan
MATLAB

REF

123

Aplikasi
Mahasiswa mengetahui beberapa implementasi
JST dalam bentuk aplikasi
Pendekatan biologis
Mahasiswa memahami sasaran apa yang ingin
dicapai melalui pengembangan JST.

2

Model Neuron dan
Arsitektur Jaringan
TIU :
Mahasiswa dapat memahami
beberapa model serta
arsitektur JST dan memahami
cara menggunakannya

Model Neuron

- Single Input Neuron
- Fungsi transfer
- Multiple-Input Neuron
Arsitektur Jaringan
- Neuron selapis
- Neuron beberapa lapis
- Jaringan recurrent
Mahasiswa mengenal dan memahami model
neuron, arsitektur, serta cara menjalankan
perhitungan model neuron.

123

MINGGU
3

BAHASAN & ITU
Contoh Ilustratif
TIU :
Mahasiswa dapat memahami

JST melalui contoh-contohnya

SUB BAHASAN & SASARAN BELAJAR
Perseptron
- kasus dua input
- Contoh pengenalan pola

CARA PENGAJARAN
Kuliah mimbar

MEDIA
papan tulis
OHP

Kuliah mimbar

papan tulis
OHP

TUGAS

REF
123

Mahasiswa mengetahui prinsip kerja JST secara
umum melalui pembahasan model perseptron
secara umum
Jaringan Hamming
- Feedforward layer
- Recurrent layer
Mahasiswa mengenal dan memahami model
jaringan Hamming, serta dapat melakukan
perhitungan dengan model ini.
Jaringan Hopfield
Mahasiswa mengenal dan memahami model
jaringan Hopfield, serta dapat melakukan
perhitungan dengan model ini.

4

Perseptron

Arsitektur perseptron

TIU :
Mahasiswa dapat memahami
model perseptron, termasuk di
dalamnya metode belajarnya
dan metode uji konvergensi.

Mahasiswa dapat lebih mengenal dan
memahami model perseptron, serta dapat
melakukan perhitungan dengan model ini.
Aturan belajar perseptron
Mahasiswa dapat mengenal dan memahami
metode belajar perseptron.
Uji konvergensi
Mahasiswa memahami metode uji konvergensi
pada perseptron.

Eksperimen
dengan
MATLAB

123
4

MINGGU
5

BAHASAN & ITU
Metode Belajar Hebbian

SUB BAHASAN & SASARAN BELAJAR
Asosiator linier

TIU :
Mahasiswa dapat memahami
metode belajar Hebbian
berikut contoh apikasinya

Mahasiswa mengenal dan memahami apa yang
dimaksud dengan asosiator linier

CARA PENGAJARAN
Kuliah mimbar

MEDIA
papan tulis
OHP

Kuliah mimbar

papan tulis
OHP

CARA PENGAJARAN

MEDIA

TUGAS

REF
23

Aturan Hebb
- Analisis kinerja
Mahasiswa mengenal dan memahami aturan
Hebb dalam proses pembelajaran JST
Aturan Pseudoinverse
Mahasiswa mengenal dan memahami aturan
Pseudoinverse dalam proses pembelajaran JST
Aplikasi
Mahasiswa mengenal sejumlah aplikasi JST
yang menggunakan metode belajar Hebbian

6

Metode Belajar Widrow-Hoff

Jaringan ADALINE

TIU :
Mahasiswa dapat memahami
metode belajar Widrow-Hoff
berikut contoh apikasinya

Mahasiswa mengenal dan memahami jaringan
ADALINE (ADAptive LInear NEuron), yang
menerapkan aturan belajar LMS (Least Mean
Square)

123

Mean Square Error
Mahasiswa memahami apa yang dimaksud
dengan Mean Square Error
Algoritma LMS
Mahasiswa mengenal dan memahami aturan
LMS dalam proses pembelajaran JST

MINGGU

BAHASAN & ITU

SUB BAHASAN & SASARAN BELAJAR

TUGAS

REF

Adaptive Filtering
Mahasiswa memahami prinsip adaptive filtering
menggunakan ADALINE
7

Backpropagation

Arsitektur Backpropagation

TIU :
Mahasiswa dapat memahami
model backpropagation,
algoritmanya, termasuk
metode belajarnya

Mahasiswa mengenal dan memahami arsitektur
Backpropagation
Jaringan feedforward

Kuliah mimbar

papan tulis
OHP

Kuliah mimbar

papan tulis
OHP

Eksperimen
dengan
MATLAB

123
4

Mahasiswa mengenal dan memahami jaringan
feedforward
Algoritma Backpropagation
Mahasiswa mengenal dan memahami algoritma
Backpropagation

8

Backpropagation lanjut

Kelemahan Backpropagation

TIU :
Mahasiswa memahami
karakteristik JST
Backpropagation secara lebih
mendalam

Mahasiswa mengenal dan memahami
kelemahan-kelemahan yang dimiliki
Backpropagation
Modifikasi heuristik
Mahasiswa mengenal dan memahami salah
satu cara (modifikasi heuristik) untuk mengatasi
kelemahan Backpropagation
Teknik optimisasi numerik
Mahasiswa mengenal dan memahami teknik
optimisasi numerik pada Backpropagation

23

MINGGU
9

BAHASAN & ITU
Pembelajaran asosiatif

SUB BAHASAN & SASARAN BELAJAR
Jaringan Asosiatif sederhana

TIU :
Mahasiswa dapat memahami
metode pembelajaran asosiatif
berikut contoh apikasinya

Mahasiswa mengenal dan memahami jaringan
asosisatif sederhana

CARA PENGAJARAN
Kuliah mimbar

MEDIA
papan tulis
OHP

TUGAS
Eksperimen
dengan
MATLAB

REF
123

Aturan Hebb tanpa supervisi
Mahasiswa mengenal dan memahami aturan
Hebb tanpa supervisi, berikut implementasinya.
Jaringan rekognisi sederhana
Mahasiswa mengenal dan memahami salah
satu bentuk aplikasi jaringan asosiatif sebagai
jaringan rekognisi (pengenal)
Aturan instar
- aturan Kohonen
Mahasiswa mengenal dan memahami aturan
instar dan aturan Kohonen untuk jaringan
asosiatif.

10

Review

Mahasiswa mengulang kembali materi yang
telah dibahas dalam sembilan pertemuan
sebelumnya

Kuliah mimbar dan
diskusi

UJIAN TENGAH SEMESTER
11

MINGGU

Jaringan kompetitif

Jaringan Hamming

TIU :
Mahasiswa dapat memahami
apa yang dimaksud dengan
jaringan kompetitif

Mahasiswa mengenal dan memahami jaringan
Hamming sebagai salah satu contoh jaringan
kompetitif

BAHASAN & ITU

SUB BAHASAN & SASARAN BELAJAR

Kuliah mimbar

papan tulis
OHP

CARA PENGAJARAN

MEDIA

234

TUGAS

REF

Lapisan kompetitif
- pembelajaran kompetitif
- masalah pada lapisan kompetitif
Mahasiswa mengenal dan memahami makna
kompetitif dalam lapisan jaringan dan proses
pembelajaran
12

Jaringan Grossberg

Motivasi biologi

TIU :
Mahasiswa dapat memahami
jaringan Grossberg

Mahasiswa mengenal dan memahami asal usul
konsep kompetisi dari sudut biologi

Kuliah mimbar

papan tulis
OHP

2

Kuliah mimbar

papan tulis
OHP

2

CARA PENGAJARAN

MEDIA

Model nonlinier dasar
Mahasiswa mengenal dan memahami model
dasar JST yang bersifat nonlinier
Jaringan kompetitif dua lapis
Mahasiswa mengenal dan memahami jaringan
kompetitif dua lapis.
Hubungan dengan hukum Kohonen
Mahasiswa memahami hubungan antara model
kompetitif dengan hukum Kohonen
13

Stabilitas

Jaringan recurrent

TIU :
Mahasiswa memahami
konsep stabilitas dan
beberapa teorema stabilitas

Mahasiswa mengenal dan memahami apa yang
dimaksud dengan jaringan recurrent
Konsep Stabilitas
- Definisi
Mahasiswa mengenal dan memahami konsep
stabilitas dalam JST

MINGGU

BAHASAN & ITU

SUB BAHASAN & SASARAN BELAJAR
Teorema stabilitas Lyapunov

TUGAS

REF

Mahasiswa mengenal dan memahami teorema
stabilitas Lyapunov
Contoh Pendulum
Mahasiswa lebih mengenal dan memahami
konsep stabilitas melalui contoh
Teorema invariansi LaSalle
- Definisi
- Teorema
Mahasiswa mengenal dan memahami teorema
invariansi La Salle
14

Jaringan Hopfield

Model Hopfield

TIU :
Mahasiswa dapat memahami
jaringan Hopfield

Mahasiswa mengenal dan memahami model
Hopfield, berikut karakteristiknya
Fungsi Lyapunov
- himpunan invarian
Mahasiswa memahami penggunaan fungsi
Lyapunov dalam jaringan Hopfield
Efek Gain
Mahasiswa mengenal dan memahami efek Gain
dalam jaringan Hopfield
Disain Hopfield
Mahasiswa mengenal dan memahami prinsipprinsip perancangan jaringan Hopfield

Daftar Pustaka :
1.

Soepono Soeparlan, Pengantar Jaringan Neural, Penerbit Gunadarma, 1995

Kuliah mimbar

papan tulis
OHP

123

2.

Hagan, Martin, Howard Demuth and Mark Belle, T, Neural Network Design, PWS Publishing Company, Boston, 1996

3.

Fu, LiMin, Neural Networks In Computer Intelligence, Mc.Graw-Hill International Editions, Singapore, 1994

4.

Demuth, Howard and Mark Belle, Neural Network Toolbox : for use with MATLAB, (online available), Mathworks, 2002