RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)
MATA KULIAH:
KECERDASAN BUATAN (TIF5905) Oleh: S U P A T M A N PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI UNIVESITAS MERCU BUANA YOGYAKARTA AGUSTUS 2012
A. PENDAHULUAN
1. Latar Belakang
Kecerdasan Buatan merupakan mata kuliah wajib Program Stud Teknik Informatika yang diberikan bagi mahasiswa semester 6 Program Studi Teknik
Informatika, Fakultas Teknologi Informasi, Universitas Mercu Buana Yogyakarta. Tujuan mata kuliah ini agar mahasiswa mampu dan trampil mengembangkan
konsep dasar Kecedasan buatan dan algoritma pembelajaran kecerdasan buatan. Untuk mencapai tujuan yang diinginkan secara maksimal, pada setiap
proses pembelajaran memerlukan perencanaan, persiapan, dan pengendalian yang baik. Sehubungan dengan hal itu, diperlukan pengembangan kegiatan
yang disebut Rencana Program Kegiatan Pembelajaran Semester (RPKPS). Implementasi kegiatan tersebut diharapkan dapat menciptakan suasana akademik
yang kondusif sehingga muncul kegairahan dalam proses pembelajaran. Kegiatan ini diharapkan juga dapat meningkatkan motivasi, kreativitas, kesungguhan,
dan keteraturan dalam proses belajar mengajar serta meningkatkan keaktifan mahasiswa dalam mengikuti proses pembelajaran.2. Deskripsi Mata Kuliah
Pengantar Kecerdasan Buatan; kecerdasan artificial, algoritma heuristik, generate and test, hill-climbing, tabu search, algoritma semut, algoritma genetika, dan algoritma immune system (AIS).
3. Kompetensi kuliah terdadap lulusan
Setelah menyelesaikan perkuliahan ini mahasiswa diharapkan memiliki kompetensi dalam memahami kecerdasan buatan dan mampu mengembangkan mengembangkan algoritma pembelajaran kecerdasan buatan serta mampu mengimplementasikan pada bidang teknik informatika dan teknologi informasi.
B. PERENCANAAN PEMBELAJARAN
1. Nama Mata Kuliah : Kecerdasan Buatan
2. : TIF5905 / 3 sks Kode/SKS 3. : 7 (Tujuh).
Semester 4.
: Pilihan
Status Mata Kuliah 5. : Neural Networks, Logika Fuzzy Prasyarat 6. : Tujuan Pembelajaran
Proses pembelajaran pada mata kuliah kecerdasan buatan berfokus pada student-centerd Learning yang akan memberi kompetensi-kompetensi khusus pada
mahasiswa. Setelah mengikuti kuliah kecerdasan buatan, mahasiswa diharapkan mampu menjelaskan teori-teori Sistem Cerdas dan aplikasi Sistem Cerdas
yang terkait dengan keilmuan didunia teknologi informasi serta mampu secara trampil mengembangkan Sistem Cerdas dengan bahasa pemrograman,
sekaligus mengaplikasikannya di bidang Teknik Informatika.Manfaat model pembelajaran ini adalah mahasiswa tidak hanya sekadar menguasai teori-teori dan aplikasi Sistem Cerdas, tetapi mahasiswa dapat
menerapkan pengetahuan dan ketrampilan pemrograman kecedasan buatan ke dalam menyelesaikan tugas pada bidang kehidupan nyata, memiliki wawasan
luas, memanfaatkan teknologi informasi, berkreativitas, berinovasi, dan memiliki jiwa kepemimpinan. Selain itu, mahasiswa mendapat kesempatan untuk
lebih mengembangkan kemampuan berpikir kritis, berani mengemukakan pendapat sehingga timbul percaya diri dan terdorong melakukan
entrepreneurship/wirausaha di bidang keahliannya berbasis teknologi informasi. Mahasiswa diharapkan mampu mensinergikan bidang kecerdasan buatan
dengan bidang-bidang lain, misalnya agroteknologi, teknik, ekonomi dan bisnis, psikologi, bahasa, komunikasi, matematika, serta isu-isu aktual sehingga
kecerdasan buatan dapat membantu dalam tugas transformasi informasi dan berdaya guna bagi masyarakat.7. Outcome Pembelajaran
Untuk mencapai tujuan mata kuliah kecerdasan buatan mahasiswa diharapkan mampu:
Pengantar kecerdasan buatan; kecerdasan artificial, algoritma heuristik, generate and test, hill-climbing, tabu search, algoritma semut, algoritma genetika, dan algoritma immune system (AIS).
a. Pengetahuan dan pemahaman (knowledge) i. Memahami kecerdasan artificial.
ii. Memahami algoritma heuristik. iii. Memahami generate and test. iv. Memahami hill-climbing. v. Memahami tabu search.
vi. Memahami algoritma semut. vii. Memahami algoritma genetika. viii. Memahami algoritma immune system (AIS).
b. Kemampuan/Ketrampilan (skill)
i. Skill pengembangan algoritma cerdas ii. Skill bahasa pemrograman
c. Sikap (attitude)
i. Kreatifitas ii. Ulet
iii. Teliti 8.
Jumlah dan Pembagiannya
Perkuliahan kecerdasan buatan dalam satu semester direncanakan berlangsung 16 kali program kuliah yang terdiri dari 14 kali tatap muka, 1 kali ujian tengah
semester dan 1 kali ujian akhir semester. Setiap program tatap muka terdiri atas 150 menit kuliah dan 150 menit praktikum di laboratorium. Pembagian
waktu selengkapnya adalah sebagai berikut.No Jenis Program Jumlah Program
Jumlah Waktu
Keterangan
1 Tatap muka: Ceramah, tanya jawab
14 kali 150 1.
memberikan teori-teori kecerdasanbuatan 2. memberi pengetahuan dan pembekalan kepada mahasiswa tentang teori-teori 3. memberi pengetahuan dan wawasan tentang kecerdasan buatan yang aktual dan berdaya guna bagi masyarakat. 4. memberi pengetahuan dan wawasan leadership (hidden curriculum), serta kewirausahaan (hidden curriculum).
2 Praktek
10 Kali 150 Pratikum di Laboratorium Komputasi Dasar
1) Membahas hasil tugas dan praktikum kecerdsan buatan yang telah dilakukan mahasiswa 2) Teknis penyelesaian (problem solving).
Mengevaluasi tugas-tugas mahasiswa
Di luar jam kuliah
6 Kunjungan Ke instansi yang memanfaatkan
kecerdan buatan
1 kali -
Di luar jam kuliah yang dilakukan secara mandiri oleh kelompok mahasiswa
7 Ujian Tengah Semester 1 kali 120
Menjawab pertanyaan-pertanyaan
8 Ujian Akhir 1 kali 120
Menjawab pertanyaan-pertanyaan
4 Evaluasi 10-12 kali 10-20 menit x 4kali
3 Diskusi/Presentasi 10-12 kali 50 menit
5 Browsing Internet 1-7 kali -
9 Ujian Project Akhir 1 kali 100
Porfolio Mahasiswa mampu menjelaskan konsep dasar kecerdasan buatan
Kecerdasan artifisial a.
Definisi b. Kecerdasan Buatan dan
Alami c. Komputasi Kecerdasan
Buatan dan Komputasi Konvensional d. Sejarah e. Aplikasi komersial f. Softcomputing 300 Kelas:
1. Menerangkan 2.
Tanya Jawab 3. Diskusi
5
5
3 Mahasiswa memahami algoritma heuristik
Algoritma heuristik a.
Mendefinisikan masalah b. Metode pencarian dan pelacakan c.
Reduksi masalah 300 Kelas dan Lab:
1. Menerangkan 2.
Tanya Jawab 3. Praktikum 4. Diskusi
Porfolio Mahasiswa mampu menjelaskan pencarian heuristik
2 Mahasiswa mengetahui konsep dasar Sistem Cerdas
Mahasiswa memahami tatacara perkuliahan kecerdasan buatan
Menyelesaikan kasus sistem cerdas dengan komputer 8.
1 Mahasiswa mengetahui materi dan tatacara perkuliahan
Rencana Kegiatan Pembelajaran Mingguan dan Materi Pembelajaran
Mgg ke- Kompetensi Topik/Pokok
Bahasan Sub Pokok Bahasan
Waktu (menit)
Metode Pembelajaran
Metode Evaluasi
Indikator Sumber Pustaka
Pengantar Perkuliahan
Tanya Jawab
kecerdasan buatan
a.
Perkenalan b. Aturan main perkuliahan c.
Fungsi dan tugas dosen dan mahasiswa d.
Bahan kuliah e. Literatur Wajib dan acuan
150 Kelas: 1.
Menerangkan 2. Tanya Jawab 3. Diskusi
5
4 Mahasiswa memahami algoritma generate and test
Algoritma Semut a.
Simulated Annealing a.
Konsep Dasar Simulated Annealing.
b.
Algoritma Simulated Annealing.
c.
Aplikasi Algoritma Simulated Annealing.
300 Kelas dan Lab: 1.
Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma simulated annealing
5
11 dan
12 Memahami Algoritma Semut
Konsep Dasar Algoritma Semut b. Algoritma Semut c. Aplikas Algoritma Semut.
9 dan
300 Kelas dan Lab: 1.
Menerangkan 2. Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma semut
5
13 dan
14 Memahami Genetika Algoritma
Algoritma Genetika a.
Pendahuluan b. Struktur Umum GA c. Komponen GA d.
Seleksi 300 Kelas dan Lab:
1. Menerangkan 2.
Tanya Jawab 3. Praktikum
Portfolio Mahasiswa mampu menjelaskan algoritma
10 Mahasiswa memahami simulated annealing
8 UTS Porfolio dan Presentasi
Generate and Test a.
Portfolio Mahasiswa mampu menjelaskan algoritma hill- climbing
Ruang Keadaan b. Alur Pencarian 300 Kelas :
1. Menerangkan 2.
Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma generate & test
5
5 Mahasiswa memahami algoritma hill-climbing
Hill-Climbing a.
Konsep Hill Climbing b.
Algoritma Hill Climbing c. Aplikasi Algoritma Hill
Climbing 300 Kelas dan Lab:
1. Menerangkan 2.
Tanya Jawab 3. Praktikum 4. Diskusi
5
5
6 dan
7 Mahasiswa memahami algoritma tabu search
Tabu Search a.
Konsep Dasar Tabu Search.
b.
Algoritma Tabu Search.
c.
Aplikasi Algoritma Tabu Search.
300 Kelas dan Lab: 1.
Menerangkan 2.
Tanya Jawab 3. Praktikum 4. Diskusi
Portfolio Mahasiswa mampu menjelaskan algoritma tabu search
5 e.
Rekombinasi f. Mutasi g.
16 UTS Portfolio dan Presentasi
d) mampu berkreativitas e) mampu berinovasi f) mampu bekerja sama dalam kelompok dan mampu memimpin kelompok.
c) mampu memanfaatkan teknologi informasi sebagai media transformasi informasi kepada masyarakat.
b) mampu menganalisa dan membuat ide serta gagasan ke dalam bahasa tulisan maupun presentasi.
a) mampu memahami kecerdasan buatan sebagai sains terhadap beberapa jenis kegiatan yang terkait dengan tranformasi informasi.
2) Mahasiswa diharapkan:
1) Dosen menyiapkan bahan kuliah, serta menyiapkan bahan praktikum mandiri kecerdasan buatan yang sesuai dan dapat implementasikan pada bidang-bidang actual.
Model pengembangan proses pembelajaran mata kuliah kecerdasan buatan tidak hanya sekedar kuliah dan tugas mandiri praktek, tetapi pengembangannya berupa diskusi, presentasi mahasiswa, browsing artikel di internet, dan pemilihan teks-teks actual terkait dengan masalah nyata. Pelaksanaannya sebagai berikut:
Metode Pembelajaran yang dikembangkan
5
GA sederhana 4.
Porfolio Mahasiswa mampu menjelaskan algoritma immune system(AIS)
Tanya Jawab 3. Praktikum 4. Diskusi
1. Menerangkan 2.
Immune Sistem (AIS) 150 Kelas dan Lab:
Sistem c. Aplikasi Algoritma
Konsep Dasar Algoritma Immune System b. Algoritma Immune
a.
15 Mahasiswa memahami algoritma immune system(AIS) algoritma immune system (AIS).
Diskusi genetika
g) memberikan pendapat saling memberikan masukan secara aktif sesuai dengan pokok bahasan sehingga diskusi lancar. h) mempunyai kepercayaan diri dalam berpresentasi. i) mampu menciptakan ide mata kuliah “Kecerdasan Buatan” dapat digunakan sebagai sains untuk mengembangkan gagasan baru sehingga tumbuh jiwa profesionalisme didunia teknologi informasi.
Media
Media yang digunakan dalam proses pembelajaran berupa komputer, papan tulis/white board, dan LCD Proyektor, referensi online, manual books software scilab, browsing internet. Tugas kelompok dan mandiri bersifat wajib sesuai topic bahasan. Studi literature melalui browsing di dunia maya yang terkait dengan Sistem Cerdas baik perkelompok atau mandiri. Setelah studi seaching kasus, mahasiswa diharapkan mampu berinovasi dan bermotivasi akan pentingnya Sistem Cerdas sebagai hidden sains pada dunia kerja dan atau transformasi informasi di masyarakat.
9. Penilaian
Aspek penilaian yang digunakan pada proses pembelajaran ini adalah:
Aspek Penilaian Unsur penilian Skor Maks Presentasi
Pemahaman dan Ketrampilan Tugas:teori,praktek,ujian mid, ujian akhir 500 50% Aktivitas Aktivitas didalam kelas, diskusi, praktek
200 20%
Leadership Kedisplinan, kemampuan mengemukaan pendapat, partisipasi dikelas 150 15% Attitude Sikap/Sopan santun
150 15% Skor Total
1000 100% Evaluasi dilakukan pada hasil pengumpulan poin oleh masing-masing mahasiswa dan hasil akhir ditentukan sebagai berikut:
Nilai A untuk mahasiswa yang mencapai jumlah 800-1000
- Nilai B untuk 700-799
Nilai C untuk 600-699
- Nilai D untuk 500-599
- Nilai E untuk kurang dari 500 dan dianggap Tidak Lengkap/Tidak Lulus.
- Apabila minmal 75% mahasiswa memperoleh nilai A dan B pada semua komponen evaluasi, maka dapat dikatakan proses pembelajaran dan hasil pembelajaran berhasil.
10. Bahan, Sumber Informasi, dan Referensi
1) Kusumadewi, Sri., 2003, “Artificial Intelligence: Teknik dan Aplikasinya”, Graha Ilmu, Yogyakarta. 2) Rich, E., 1983, “Artificial Intelligence”, McGraw-Hill. 3) J-L Lauriere, 1987, “Problem Solving and Artificial Intelligence”, Prentice-Hill. 4) J.Russell dan P. Norvig, 1995, “Artificial Intelligence”, Prentice-Hall. 5) Kusumadewi, Sri., 2005, “Teknik Optimasi”, Graha Ilmu, Yogyakarta.
&&& e-Calista 2012 &&&