RPS Mnj Sains

1

RENCANA PEMBELAJARAN

SEMESTER

(RP

S)

KBKI72116

Manajemen Sains

PROGRAM STUDIS1 SISTEM

INFORMASI FAKULTAS ILMU

KOMPUTER (FILKOM)

2

LEMBAR PENGESAHAN

Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk

matakuliah sbb:

Kode Mata Kuliah : KBKI72116

Nama Mata Kuliah : Manajemen Sains

Padang, 2012

Menyetujui

Kaprodi S1 Sistem Informasi

3

DAFTARISI

LEMBARPENGESAHAN... ...ii

DAFTAR

ISI... ...iii

A. PROFILMATA

KULIAH...1

B. RENCANA PEMBELAJARANSEMESTER

(RPS) ...2

C. RANCANGANINTERAKSIDOSEN–

MAHASISWA...9 D.

RANCANGANTUGAS... ...12

E.

PENILAIANDENGANRUBRIK... ...13

F.

PENENTUANNILAIAKHIRMATAKULIAH... ...14

4

A. PROFIL MATA KULIAH

IDENTITASMATAKULIAH

Nama MataKuliah : Manajemen sains Kode MataKuliah :

KBKI72116

SKS : 2

Jenis : MK Wajib

Jam pelaksanaan : Tatap muka dikelas =2x50 menitperminggu

Responsi =1x50 menitperminggu

Semester/ Tingkat : 7/4 Pre-requisite : -Co-requisite : BidangKajian :

DESKRIPSI SINGKATMATAKULIAH

Dalam perkuliahan ini membahas tentang konsep-konsep dasar AI yaitu meliputi teknik pencarian, representasi pengetahuan, sistem pakar, logika fuzzy, jaringan syraf tiruan dan algoritma genetika.

DAFTAR PUSTAKA

1. Kecerdasan Buatan. Andi Yogyakarta, T. Sutojo, Edy Muyanto, Dr. Vincent. 2011. 2. Artificial Intelligence. Suyanto, 2006.

5

B. RENCANA PEMBELAJARAN SEMESTER(RPS)

Pertemu an

ke-KemampuanAkhiryangDiharap

kan BahanKajian(MateriAjar)

Bentu k/ Metode/ Strategi Pembelaja

KriteriaPeni laian (Indika

tor)

Bobot Nilai

1 Pengenalan Kecerdasasan Buatan/

Articial Intelligence (AI) Pengertian _{Kecerdasan Buatan} (bertindak dan berpikir seperti manusia dan rasional).

 Bidang ilmu yang menjadi dasar Kecerdasan Buatan.

Ceramah Ketepatan dalam memahami materi serta memahami konsep dasar dari kecerdasan buatan

2 Pengenalan General Proble Solving

(GPS) Defenisi masalah _{dalam kecerdasan} buatan.

masalah ruang keadaan dan aturan.

searching sebagai teknik pencarian masalah

Ceramah Ketepatan dalam _{memahami materi} serta memahami konsep dasar dari general proble soving

3 Penyelesaian Masalah melalui proses Pencarian / Searching (BLIND SEARCHING)

Teknik pencarian dengan menggunakan metode blind

searching : Breadth First SearchDepth First Search.

Problem based learning

Ketepatan dalam memahami

penyelesaian masalah melalui proses

6 Perte mu an ke-KemampuanAkhiryangDih arapkan BahanKajian(Materi Ajar) Bent uk/ Metode/ Strategi Pembela jaran KriteriaPen ilaian (Indik ator) Bobo t Nilai

4 Penyelesaian Masalah melalui proses Pencarian / Searching ( HEURISTIC SEARCHING)

Teknik pencarian dengan menggunakan metode Heuristic searching : Generale and test, Hill climbing ( simpel hill climbing dan stepest hill climbing ) Problem based learning Ketepatan dalam memahami penyelesaian masalah melalui proses pencarian / searching.

5 Penyelesaian Masalah melalui proses Pencarian / Searching ( HEURISTIC SEARCHING)

Teknik pencarian dengan menggunakan metode Heuristic searching : best fisrt searching

Problem based learning Ketepatan dalam memahami penyelesaian masalah melalui proses pencarian / searching.

6

Mampu memahami knowledge Representation.

Pengertian

pengetahuan (knowledge).

tipe dari knowlege : procedural knowledge, declarative knowledge, meta knowledge, heuristic Cerama

h Ketepatan dalam memahami materi yang diajarkan tentang knowledge (pengetahuan).

7

Perte mu an

ke-KemampuanAkhiryangDih arapkan

BahanKajian(Materi Ajar)

Bent uk/ Metode/ Strategi Pembela

jaran

KriteriaPen ilaian (Indik ator)

Bobo t

Nilai

7

Mampu memahami knowledge

Representation. representasi_{pengetahuan :}

Representasi logika, jaringan

semantik, frame (bingkai),

script (naskah) dan

Problem based learning

Ketepatan dalam memahami materi yang diajarkan tentang knowledge (pengetahuan).

8

Mampu memahami dan Mengimplementasikanmateri dari pertemuan 1 – 8

QUIZ _{Problem}

based learning

Ketepatan dalam memahami dan memecahkan masalah tentang materi yang sudah dipelajari.

9

UTS

40%

Pertemua

n ke- KemampuanAkhiryangDih_arapkan BahanKajian(MateriAj_ar)

Bentu k/ Metode/ Strategi Pembelaja

ran

KriteriaPenil aian (Indikat

8 10 Mampu memahami Expert

Sistem

Definisi sistem pakar, manfaat, kekurangan, konsep dasar, struktur sistem pakar

Rule sebagai teknik representasi

Ceramah Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada sistem pakar.

11 Mampu memahami Expert

Sistem Teknik inferensi : _{Forward chaining,} bacward chainng.

Ketidakpastian sistem pakar berbasis rule : teori probabilitas, teori bayes, certainty factor.

Problem based learning

Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada sistem pakar.

12 Mampu memahami Fuzzy logic pengertian dari fuzzy logic,dasar fuzzy logic, fungsi keanggotaan dan fungsi implikasi.

cara kerja fuzzy logic : metode tsukamoto, mamdani, sugeno.

Ceramah

Problem based learning

Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada fuzzy logic.

Pertemua

n ke- KemampuanAkhiryangDih_arapkan BahanKajian(MateriAj_ar)

Bentu k/ Metode/ Strategi Pembelaja

ran

KriteriaPenil aian (Indikat

Bobot Nilai

9 13 Mampu memahami Arifical

Intelligence pengantar JST, _{Arsitektur jaringan dan} fungsi aktivasi, medel nouren McCulloch – Pitts, algoritma

pembelajaran dengan supervisi : ( Hebb rule, Perceptron ,

Bacpropagation )

Ceramah

Problem based learning

Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada Artifical Inteligence.

14

Mampu memahami Genetika

Algoritma.  Aplikasi algoritma _genetika.

 Komponen – komponen utama algoritma

genetika.

Ceramah

Problem based learning

Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada algoritma genetika. 15 Mampu memahami game

playing

 Macam – macam game dalam AI.

 Type game dan Definisi games

 Deterministik dan Nondeterministik.

Ceramah

Problem based learning

Ketepatan dalam memahami dan

menguasai materi dan penyelesaian masalah pada game playing.

10

C. RANCANGAN INTERAKSI DOSEN–MAHASISWA

KemampuanAkhiryangDiharapk

an Mahasiswamampumemahamikonsep_{materi yangdiberikan.} Nama Kajian 1. Pengenalan kecerdasan buatan

2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori

probabilitas, teorema bayes, certainty factor

7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi

Nama Strategi Ceramah

MingguPenggunaanStrategi(M

etode) 1,2,6,10,12,13,14,15 DeskripsiSingkatStrategi

(Metode) Pembelajaran

Dosenmengulasmateri sebelumnya, menjelaskan tujuan,hasil

pembelajaran, materi,dan kesimpulan, serta mendorong

mahasiswa untuk aktif bertanya dan mahasiswa mampu menyelesaikan kasus dengan teliti.

RANCANGANINTERAKSIDOSEN–MAHASISWA AktivitasDosen AktivitasMahasiswa

Mengulasmateri

yangtelahdiberikan pada pertemuansebelumnya.

Mengungkapkanapayangtelahdipaha mi dari materi yangtelahdisampaikan pada pertemuansebelumnya.

Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.

11

Membahas materi. Menyimak dan mencatat hal-hal penting dari materi yang

disampaikan oleh dosen.

Bertanya apabila ada materi yang Mengajukan sejumlah

pertanyaan terkait materi yang telah diberikan.

Menjawab pertanyaan yangdiberikan. Menyimpulkan materi. Menyimak kesimpulan.

Kemampuan Akhir yang

Diharapkan Mahasiswa mampumemahami dan_{menguasai konsep materi}

yangdipelajari, dan metode – metode yang dipelajari.

Nama Kajian 1. Pengenalan kecerdasan buatan 2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori probabilitas, teorema bayes, certainty factor 7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi algoritma genetika, komponen utama algoritma genetika.

Nama Strategi Problem based learning

MingguPenggunaan

Strategi(Metode) 3,4,5,7,8,11,12,13,14,15

KemampuanAkhiryangDiharapk an

Mahasiswamampumemahami dan menguasai konsep materi yangdipelajari, dan metode –metode yang dipelajari.

Nama Kajian Tugas Besar

D e s k

Mahasiswamampumemahami dan menguasai konsep materi

yangdipelajari, dan metode – metode yang dipelajari.

RANCANGANINTERAKSIDOSEN–MAHASISWA

AktivitasDosen AktivitasMahasiswa

Memberikan sejumlah contoh kasus yang sesuai dengan materi yang diberikan.

Menyelesaikan kasus yang ada sesuai yang diajarkan.

KemampuanAkhiryangDiharapk

an Mahasiswamampumemahami_{menguasai konsep materi}dan

yangdipelajari, dan metode – metode yang dipelajari.

Nama Kajian 1. Pengenalan kecerdasan buatan 2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori

probabilitas, teorema bayes, certainty factor

7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi algoritma genetika, komponen

Nama Strategi Tes

MingguPenggunaan Strategi(Metode) 8,14 DeskripsiSingkatStrategi (Metode) pembelajaran Mahasiswadiminta untukmenyelesaikansoal- soal

quizsebagai bentukevaluasi terhadap pemahamanmahasiswa atas

materi-RANCANGANINTERAKSIDOSEN–MAHASISWA

AktivitasDosen AktivitasMahasiswa

12

Nama Strategi 1. Pengenalan kecerdasan buatan

2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori

probabilitas, teorema bayes, certainty factor

7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi

MingguPenggunaan Strategi

(Metode) 15 ,16 DeskripsiSingkatStrategi

(Metode) Pembelajaran

Mahasiswasecara individu

menerapkan pelajaran yang diajarkan berupa tugas besar yang diberikan.

RANCANGANINTERAKSIDOSEN–MAHASISWA AktivitasDosen AktivitasMahasiswa

Memberikan sejumlah pengarahan

terkait dengan tugas besar. Menyiapkanmateriberdasarkan_{TugasBesaryangtelahdikerjakan.} Memberikan penilaian kepada

individu terhadap tugas besar yang dibuat

D. RANCANGAN TUGAS

KodemataKuliah

KBKI72116

13 KemampuanAkhir

yangDiharapkan

Mahasiswamampumemahami dan menguasai konsep materi yangdipelajari, dan metode – metode yang dipelajari.

Minggu/Pertemuanke 1-8/9–16

Tugas ke Tugas Besar

1. Tujuantugas:

Menerapkan semua metode yang telahdipelajari untuk menyelesaikan kasus tugas besar secarakomprehensif.

2. UraianTugas:

15–16. a. Metode/carapengerjaan,acuanyangdigunakan:

Tugas besar dikerjakansecara individu.

 Topik tugas besar berasal dari dosen..

d. Deskripsiluarantugasyangdihasilkan/dikerjakan:bentuk metode yang digunakan mahasiswa .

3. Kriteriapenilaian:

PenilaianIndividu(100%)

- Ketepatan menggunakan metode yang ada (50%) - Pemahaman materi (50%

E. PERSENTASE KOMPONEN PENILAIAN

1. Kuis :

10% 2. Tugas Besar :

10%

3. UTS :

20%

4. UAS :

14

F. PENILAIAN DENGAN RUBRIK

Jenjan g (Grad

Angka

(Skor) Deskripsiperilaku(Indikator)

A >80 Mengikuti perkuliahan dengan baik, memahami materi dengan baik. Mampu menyelesaikan masalah / tugas dengan akurasi bagus.

B 65 –79 Mengikuti perkuliahan dengan baik, berusaha _{memahami materi Mampu menyelesaikan masalah /} tugas dengan akurasi cukup

C 55–64 Mengikuti perkuliahan dengan cukup baik, berusaha memahami materi namun kurang konsisten . Mampu menyelesaikan masalah sebagian / tugas dengan D 45–54 Mengikuti perkuliahan dengan seadanya, tidak fokus_{dalam memahami materi sehingga hanya mampu} hanya mampu menyelesaikan sebagian masalah/ E ≤44 Tidak melaksanakan tugas dan sama sekali tidak

memahami materi.

G. PENENTUAN NILAI AKHIRMATAKULIAH

Nilai Angka (NA) Nilai Huruf (NH)

NA>80 A

65<NA≤79 B

55<NA ≤64 C

45<NA≤54 D

9 13 Mampu memahami Arifical

Intelligence pengantar JST, _{Arsitektur jaringan dan} fungsi aktivasi, medel nouren McCulloch – Pitts, algoritma

pembelajaran dengan supervisi : ( Hebb rule, Perceptron ,

Bacpropagation )

Ceramah Problem

based learning

Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada Artifical Inteligence.

14

Mampu memahami Genetika

Algoritma.  Aplikasi algoritma _genetika.  Komponen – komponen

utama algoritma genetika.

Ceramah Problem

based learning

Ketepatan dalam memahami dan menguasai materi dan penyelesaian masalah pada algoritma genetika. 15 Mampu memahami game

playing

 Macam – macam game dalam AI.

 Type game dan Definisi games

 Deterministik dan Nondeterministik.

Ceramah Problem

based learning

Ketepatan dalam memahami dan

menguasai materi dan penyelesaian masalah pada game playing.

10

C. RANCANGAN INTERAKSI DOSEN–MAHASISWA

KemampuanAkhiryangDiharapk

an Mahasiswamampumemahamikonsep_{materi yangdiberikan.}

Nama Kajian 1. Pengenalan kecerdasan buatan

2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori

probabilitas, teorema bayes, certainty factor

7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi

Nama Strategi Ceramah

MingguPenggunaanStrategi(M

etode) 1,2,6,10,12,13,14,15

DeskripsiSingkatStrategi (Metode)

Pembelajaran

Dosenmengulasmateri sebelumnya, menjelaskan tujuan,hasil

pembelajaran, materi,dan kesimpulan, serta mendorong

mahasiswa untuk aktif bertanya dan mahasiswa mampu menyelesaikan kasus dengan teliti.

RANCANGANINTERAKSIDOSEN–MAHASISWA

AktivitasDosen AktivitasMahasiswa

Mengulasmateri

yangtelahdiberikan pada pertemuansebelumnya.

Mengungkapkanapayangtelahdipaha mi dari materi yangtelahdisampaikan pada pertemuansebelumnya.

Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.

11

Membahas materi. Menyimak dan mencatat hal-hal penting dari materi yang

disampaikan oleh dosen.

Bertanya apabila ada materi yang Mengajukan sejumlah

pertanyaan terkait materi yang telah diberikan.

Menjawab pertanyaan yangdiberikan. Menyimpulkan materi. Menyimak kesimpulan.

Kemampuan Akhir yang

Diharapkan Mahasiswa mampumemahami dan_{menguasai konsep materi}

yangdipelajari, dan metode – metode yang dipelajari.

Nama Kajian 1. Pengenalan kecerdasan buatan

2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori probabilitas, teorema bayes, certainty factor 7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi algoritma genetika, komponen utama algoritma genetika.

Nama Strategi Problem based learning

MingguPenggunaan

Strategi(Metode) 3,4,5,7,8,11,12,13,14,15

KemampuanAkhiryangDiharapk an

Mahasiswamampumemahami dan menguasai konsep materi yangdipelajari, dan metode –metode yang dipelajari.

Nama Kajian Tugas Besar

D e s k

Mahasiswamampumemahami dan menguasai konsep materi

yangdipelajari, dan metode – metode yang dipelajari.

RANCANGANINTERAKSIDOSEN–MAHASISWA

AktivitasDosen AktivitasMahasiswa

Memberikan sejumlah contoh kasus yang sesuai dengan materi yang diberikan.

Menyelesaikan kasus yang ada sesuai yang diajarkan.

KemampuanAkhiryangDiharapk

an Mahasiswamampumemahami_{menguasai konsep materi}dan yangdipelajari, dan metode – metode yang dipelajari.

Nama Kajian 1. Pengenalan kecerdasan buatan

2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori

probabilitas, teorema bayes, certainty factor

7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi algoritma genetika, komponen

Nama Strategi Tes

MingguPenggunaan Strategi(Metode) 8,14 DeskripsiSingkatStrategi (Metode) pembelajaran Mahasiswadiminta untukmenyelesaikansoal- soal

quizsebagai bentukevaluasi terhadap pemahamanmahasiswa atas materi-RANCANGANINTERAKSIDOSEN–MAHASISWA

AktivitasDosen AktivitasMahasiswa

12

Nama Strategi 1. Pengenalan kecerdasan

buatan

2. General problem sorving (GPS) 3. Blind searching : breadth fisrt

searching, depth first searching.

4. Heuristic searching : generate and test, hill climbing, best first shearching.

5. Knowledge pengetahuan : representasi logika, jaringan semantik, frame (bingkai), script (naskah), aturan produksi.

6. Sistem pakar :- tekni inferensi : forward chaining, bacward chaining.

- Ketidakpastian sistem pakar berbasis rule: teori

probabilitas, teorema bayes, certainty factor

7. Fuzzy logic : metode

tsukamoto, mamdani, sugeno. 8. Artificial intelligence : hebb

rule, perceptron, bacpropagation.

9. Genetics algorithm : aplikasi MingguPenggunaan Strategi

(Metode) 15 ,16

DeskripsiSingkatStrategi (Metode)

Pembelajaran

Mahasiswasecara individu

menerapkan pelajaran yang diajarkan berupa tugas besar yang diberikan. RANCANGANINTERAKSIDOSEN–MAHASISWA

AktivitasDosen AktivitasMahasiswa

Memberikan sejumlah pengarahan

terkait dengan tugas besar. Menyiapkanmateriberdasarkan_{TugasBesaryangtelahdikerjakan.} Memberikan penilaian kepada

individu terhadap tugas besar yang dibuat

D. RANCANGAN TUGAS

KodemataKuliah

KBKI72116

13 KemampuanAkhir

yangDiharapkan

Mahasiswamampumemahami dan menguasai konsep materi yangdipelajari, dan metode – metode yang dipelajari.

Minggu/Pertemuanke 1-8/9–16

Tugas ke Tugas Besar

1. Tujuantugas:

Menerapkan semua metode yang telahdipelajari untuk menyelesaikan kasus tugas besar secarakomprehensif.

2. UraianTugas:

15–16. a. Metode/carapengerjaan,acuanyangdigunakan: Tugas besar dikerjakansecara individu.

 Topik tugas besar berasal dari dosen..

d. Deskripsiluarantugasyangdihasilkan/dikerjakan:bentuk metode yang digunakan mahasiswa .

3. Kriteriapenilaian:

PenilaianIndividu(100%)

- Ketepatan menggunakan metode yang ada (50%) - Pemahaman materi (50%

E. PERSENTASE KOMPONEN PENILAIAN

1. Kuis :

10% 2. Tugas Besar :

10%

3. UTS :

20%

4. UAS :

14

F. PENILAIAN DENGAN RUBRIK

Jenjan g (Grad

Angka

(Skor) Deskripsiperilaku(Indikator)

A >80 Mengikuti perkuliahan dengan baik, memahami materi dengan baik. Mampu menyelesaikan masalah / tugas dengan akurasi bagus.

B 65 –79 Mengikuti perkuliahan dengan baik, berusaha _{memahami materi Mampu menyelesaikan masalah /} tugas dengan akurasi cukup

C 55–64 Mengikuti perkuliahan dengan cukup baik, berusaha memahami materi namun kurang konsisten . Mampu menyelesaikan masalah sebagian / tugas dengan D 45–54 Mengikuti perkuliahan dengan seadanya, tidak fokus_{dalam memahami materi sehingga hanya mampu} hanya mampu menyelesaikan sebagian masalah/ E ≤44 Tidak melaksanakan tugas dan sama sekali tidak

memahami materi.

G. PENENTUAN NILAI AKHIRMATAKULIAH

Nilai Angka (NA) Nilai Huruf (NH)

NA>80 A

65<NA≤79 B

55<NA ≤64 C

45<NA≤54 D