Download Sumber / Referensi

UNIVERSITAS ISLAM INDONESIA
FM-UII-AA-FKA-05/R1
Coba-cobaaaaaaa
Versi
Revisi
:2
:1
Tanggal Revisi
Tanggal Berlaku
:
: 2 September 2002
SATUAN ACARA PERKULIAHAN (SAP)
Fakultas / Jurusan / Program Studi
Kode Matakuliah
Nama Matakuliah
Kelompok Matakuliah
Semester / SKS
Pertem
uan ke-
Tujuan Instrusional
Umum
Pokok
Bahasan
Memahami konsep
dasar kecerdasan
buatan
Mengetahui sistem
berdasarkan AI,
perbandingannya
dengan sistem
konvensional, serta
aplikasinya.
Pengenalan
Kecerdasan
Buatan
Memahami ruang
keadaan
Mampu membawa
masalah ke dalam
ruang keadaan
Representasi
Ruang
Keadaan
1.
2.
Tujuan
Instruksional
Khusus
:
:
:
:
:
Teknologi Industri / Teknik Informatika / Teknik Informatika
Kecerdasan Buatan
MPK / MKK / MKB / MPB / MBB / Praktikum
IV / 3
Materi
Media
Definisi
kecerdasan buatan,
perbedaan sistem
konvensional
dengan sistem
berdasar
kecerdasan buatan,
ruang lingkup AI
dan aplikasinya
Mendefinisikan
masalah dalam
ruang keadaan.
Representasi ruang
keadaan.
White
Board,
Komputer,
PC Viewer
tutorial
Latihan
Sumber
/
Referens
i*
A,B,C
White
Board,
Komputer,
PC Viewer
tutorial
Latihan
A,B,C
Metode
Evaluasi
1
3.
4.
5.
6.
7.
8.
Memahami dan mampu Mampu
mengimplementasikan mengimplementasik
pengetahuan
an representasi
pengetahuan
berbentuk logika
Memahami dan mampu Mampu
mengimplementasikan mengimplementasik
pengetahuan
an beberapa metode
representasi
pengetahuan
Memahami dan mampu Mampu
merepresentasikan
merepresentasikan
beberapa metode
beberapa metode
pencarian
pencarian buta &
heuristik.
Memahami dan mampu Mampu
merepresentasikan
merepresentasikan
beberapa metode
beberapa metode
pencarian
pencarian heuristik
Representasi
pengetahuan
Logika proposisi,
predikat, konversi
ke bentuk klausa,
resolusi
tutorial,
demo
program
tutorial
Latihan
A,B,C,I
Representasi
pengetahuan
(lanjutan)
List, Tree,
tutorial,
Jaringan Semantik, demo
Frame, Naskah.
program
tutorial
Latihan
A,B,C,I
Pencarian
dalam ruang
keadaan:
pencarian buta
White
Board,
Komputer,
PC Viewer
tutorial,
demo
program
Latihan
A,B,C,F
White
Board,
Komputer,
PC Viewer
tutorial,
demo
program
Tugas
Pemrogra
man
A,B,C,F
Memahami dan mampu
merepresentasikan
beberapa metode
pencarian
Mampu
merepresentasikan
beberapa metode
pencarian heuristik
White
Board,
Komputer,
PC Viewer
tutorial,
demo
program
Tugas
Pemrogra
man
A,B,C,F
Memahami dan
mengetahui beberapa
metode ketidakpastian
Mampu
menyelesaikan
masalah yang
mengandung
ketidakpastian
dengan: Faktor
Kepastian, Jaringan
Bayes, Teori
Pencarian
dalam ruang
keadaan:
pencarianheuri
stik
Ketidakpastian
Pencarian buta:
breadth-first
search, dan depthfirst search.
Pencaran heuristik.
Generate & test,
Simple Hill
Climbing, Steepest
Ascent Hill
Climbing, Bestfirst Search.
Tabu Search,
Simulated
Annealing.
Teorema Bayes,
Certainty Factor,
Teori Dempster
Shafer
White
Board,
Komputer,
PC Viewer
tutorial,
demo
program
Tugas
Pemrogra
man
A,B,C,I
Pencarian
dalam ruang
keadaan:
pencarianheuri
stik
2
9.
10.
11.
12.
13.
14.
Memahami dan
mengetahui logika
fuzzy
Dempster Shafer.
Mampu mengenal
Sistem Pakar,
konsep dasar dan
aplikasinya
Mampu mengenal
himpuan fuzzy dan
operator dasar.
Memahami dan
mengetahui logika
fuzzy
Mengenal mengenal Fuzzy
sistem inferensi
Inference
fuzzy
System
Memahami dan
mengetahui Jaringan
Syaraf Tiruan
Mampu mengenal
komponenkomponen JST
Jaringan
Syaraf Tiruan
Memahami dan
mengetahui Jaringan
Syaraf Tiruan
Mampu mengenal
beberapa metode
pembelajaran
Jaringan
Syaraf Tiruan
Memahami dan
mengetahui Algoritma
Genetika
Mampu mengenal
konsep dasar GA,
dan operatoroperator GA.
Algoritma
Genetika
Memahami dan
mengetahui sistem
pakar
Sistem Pakar
Definisi dan
aplikasi Sistem
Pakar
Logika fuzzy
Himpunan Fuzzy
Operator Fuzzy,
Fuzzy Inference
System.
Fuzzy Inference
System metode
Tsukamoto.
Komponenkomponen JST,
Arsitektur
jaringan, fungsi
aktivasi.
Metode
pembelajaran:
hebb, delta rule,
perceptron.
Pengertian,
susunan neuron,
fungsi aktivasi,
arsitektur jaringan,
aplikasi.
White
Board,
Komputer,
PC Viewer
White
Board,
Komputer,
PC Viewer
White
Board,
Komputer,
PC Viewer
White
Board,
Komputer,
PC Viewer
tutorial,
demo
program
Latihan
A,B,C,I
tutorial,
demo
program
Latihan
C,D
tutorial,
demo
program
Tugas
Pemrogra
man
C, D
tutorial,
demo
program
Latihan
C,E,G
White
Board,
Komputer,
PC Viewer
White
Board,
Komputer,
PC Viewer
tutorial,
demo
program
Tugas
Pemrogra
man
C,E,G
tutorial,
demo
program
Tugas
Pemrogra
man
C,H
* Sumber/Referensi:
A. Russell, Stuart; dan Norvig, Peter. 2003. Artificial Intelligence A Modern Approach. International Edition, Edisi 2. New Jersey: Pearson PrenticeHall Education International.
B. Rich,E. dan Knight, K. 1991. Artificial Intelligence. Edisi 2. New York: McGraw-Hill Inc.
C. Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: Graha Ilmu.
3
D.
E.
F.
G.
H.
I.
Kusumadewi; Sri dan Purnomo, Hari. 2004. Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Kusumadewi; Sri. 2004. Membangun Jaringan Syaraf Tiruan dengan Matlab & Excel Link. Yogyakarta: Graha Ilmu.
Kusumadewi, Sri; dan Purnomo, Hari. 2005. Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik. Yogyakarta: Graha Ilmu.
Fausett, Laurence. 1994. Fundamentals of Neural Networks (Architectures, Algorithms, and Applications). New Jersey: Prentice-Hall.
Michalewicz, Zbigniew. 1996. Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag.
Turban, Efraim; Aronson, Jay, E.; Liang, Ting-Peng. 2005. Decision Support Systems and Intelligent Systems. International Edition, Edisi 7, New
Jersey: Pearson Prentice-Hall Education International.
Disahkan oleh
Dekan
Fakultas Teknologi Industri
Disiapkan oleh
Ketua Jurusan
Teknik Informatika
Fathul Wahid, ST., M.Sc.
Yudi Prayudi, S.Si., M. Kom.
4