SILABI

MATA KULIAH

SISTEM PENDUKUNG KEPUTUSAN

SKS

:
:

JURUSAN
PRASYARAT

Jenis

LAMA

TI, SI

SEMESTER

:
:

DESKRIPSI

Kuliah ini membahas teknologi untuk mengembangkan aplikasi SPK, dimana pengambilan keputusan
dilakukan dengan didukung oleh hasil analisis dari kumpulan data yang ada

TUJUAN

Mahasiswa mampu memahami langkah-langkah pengambilan keputusan dan mampu membangun sistem pendukung keputusan dengan memanfaatkan hasil analisis data
pendukung yang ada.

MATERI

NO
1

MATERI PEMBELAJARAN
Sistem
Pendukung
Sebuah Tinjauan

RINCIAN MATERI

RINCIAN KEMAMPUAN

KEGIATAN
TEORI PRAKTEK

Manajemen Manajer dan Pengambilan Keputusan,

Mahasiswa mampu memahami dan menjelaskan

tentang: pengambilan keputusan, keputusan
Pengambilan Keputusan Manajerial dan Sistem manajerial dan sistem informasi, pentingnya
Informasi,
dukungan komputer, keputusan terkomputerisasi
dan kerangka kerja pendukung keputusan
Manajer dan Dukungan Komputer

Pendukung Komputusan Terkomputerisasi

Kerangka Kerja Pendukung Keputusan
2

Sistem
Pendukung
Sebuah Tinjauan

Manajemen Konsep Sistem Pendukung Keputusan

Sistem Pendukung Keputusan Kelompok
Sistem Informasi Perusahaan
Sistem Manajemen Perusahaan

Mahasiswa mampu memahami dan menjelaskan

tentang: sistem pendukung keputusan, sistem
pendukung kelompok, sistem informasi perusahaan,
sistem manajemen perusahaan dan DSS cerdas
tingkat lanjut

DSS cerdas
3

Sistem
Pengambilan
Pemodelan, dan Pendukung

Keputusan, Pengambilan Keputusan : Pengantar dan Definisi

Fase-fase pengambilan keputusan

Mahasiswa mampu memahami dan menjelaskan

tentang: pengambilan keputusan pengantar dan
definisi,
fase-fase pengambil keputusan dan
pengambilan keputusan intelijen

Sistem
Pengambilan
Pemodelan, dan Pendukung

Mahasiswa mampu memahami dan menjelaskan

tentang: pengambilan keputusan pengantar dan
definisi,
fase-fase pengambil keputusan dan
pengambilan keputusan intelijen

Keputusan,

Pengambilan Keputusan : fase intelijen

4

Sistem
Pengambilan
Pemodelan, dan Pendukung

Mampu
memahami
dan
menjelaskan
tentang:pengambilan keputusan dan fase
desain, fase pilihan, fase implementasi,
bagaimana keputusan didukung

Pengertian SPK
karakteristik dan kapabilitas SPK
Arsitektur SPK
Komponen-komponen SPK
Klasifikasi SPK

Mampu memahami dan menjelaskan tentang

sistem pengambilan keputusan

Keputusan, Pengambilan Keputusan : fase desain

Pengambilan Keputusan : fase pilihan

Pengambilan
implementasi
5

SISTEM PENDUKUNG KEPUTUSAN

SISTEM PENDUKUNG KEPUTUSAN

Keputusan

fase

mampu
memahami
dan
menjelaskan
komponen-komponen penyusun SPK, serta
klasifikasi SPK

PERSIAPAN UTS

review materi

mampu menjawab pertanyaan yang sesuai dengan

materi 1- 6

PEMODELAN DAN ANALISIS

Pemodelan
Model Statis dan dinamis
Kepastian, Ketidakpastian, dan resiko

Mampu mamahami dan menjelaskan tentang:

pemodelan, model statis,dan dinamis, kepastian,
dan diagram pengaruh

Mampu memahami dan menjelaskan model

tabel keputusan, model AHP

mampu memahami dan menjelaskan model

pencocokan profile

Diagram Pengaruh
9

PEMODELAN DAN ANALISIS

10

PEMODELAN DAN ANALISIS

11

Contoh Aplikasi SPK

Pengenalan Berbagai Model dalam SPK

Model dengan tabel keputusan
Model AHP
Model Pencocokan Profile
Sistem Pendukung Keputusan
komponen-komponen penyusunnya

ditinjau

dari mampu mengenali suatu permasalahan yang dapat

diangkat menjadi aplikasi sistem pendukung
keputusan dan mampu menganalisis suatu aplikasi
sistem pendukung keputusan ditinjau dari
komponen-komponen penyusun SPK

12

Studi kasus

Menentukan jenis pemodelan yang sesuai mampu memilih jenis pemodelan yang sesuai
untuk kasus tertentu
untuk kasus tertentu

13

Studi Kasus

Merancang SPK berdasarkan Arsitektur mampu merancang SPK sederhana berdasarkan

SPK
komponen-komponen penyusunnya

14

PERSIAPAN UAS

review materi setelah mid

1.
2.

Decision Support Systems and Intelligent Systems;Efraim Turban & Jay E. Aronson,6th edition, Prentice Hall, Upper Saddle River, NJ, 2001
Konsep dan Aplikasi Sistem Pendukung Keputusan, Kusrini, 2007

3
4

Pengambilan Keputusan Bagi para Pemimpin, Thomas L. Saaty, PPM

Sistem Pendukung Keputusan, Kadarsah, Suryadi, 1998, PT Remaja Rosdakarya, Bandung

mampu menjawab pertanyaan yang sesuai dengan

materi setelah UTS

DAFTAR PUSTAKA

SILABI
MATA KULIAH

LOGIKA SAMAR

SKS

:
:

3
TI

JURUSAN
PRASYARAT
SEMESTER

:
:

DESKRIPSI

TUJUAN

MATERI

NO

Jenis

mahasiswa dapat memahami konsep-konsep dasar Logika Samar dan mampu menerapkan pada masalah-masalah diantaranya: Teknik, Ekonomi,
Kedokteran, Psikologi, Riset Operasi, Ilmu-ilmu sosial, dsb.

MATERI PEMBELAJARAN

RINCIAN MATERI

RINCIAN KEMAMPUAN

Pendahuluan

memahami
himpunan
Mengulang
Himpunan-Himpunan Himpunan dan operasi-operasi pada Mampu
himpunan
elementer dan menggunakannya
Elementer dan Nilai Karakteristik

LAMA

Alasan digunakan Logika Samar dan Mampu mengerti dan memahami

Aplikasinya
definisi logika samar

Mengulang
Himpunan-Himpunan Himpunan dan operasi-operasi pada mampu memahami himpunan dan
himpunan
operasi-operasi yang ada didalamnya.
Elementer dan Nilai Karakteristik

KEGIATAN
TEORI
PRAKTEK

Pengertian Himpunan Samar (Fuzzy) Himpunan dan Nilai Keanggotaan

dan Nilai Keanggotaan

mampu memahami himpunan dan

nilai keanggotaan

Pengertian Himpunan Samar (Fuzzy) himpunan samar elementer

dan Nilai Keanggotaan

mampu memahami himpunan samar

elementer

Himpunan
Keanggotaan

Samar,

Fungsi Beberapa contoh fungsi-fungsi mampu

memahami

keanggotaan : linear (naik/turun) keanggotaan linear

fungsi

10

review materi : materi 1-6

PERSIAPAN UTS

Himpunan
Keanggotaan

Samar,

Operator
(Fuzzy)

Himpunan

Operator
(Fuzzy)

Himpunan

mampu meyelesaikan persoalan yang

terkait dengan materi no 1 - 6

memahami
Fungsi Fungsi keanggotaan : berbentuk mampu
keanggotaan
kurva,
kurva segitiga, trapezium, kurva
trapezium,
baku,
dan
S
baku, dan kurva S

fungsi
segitiga,

Samar operator union

operator irisan
komplemen

memahami
dan
menggunakan
operator-0perator pada himpunan
samar

Samar operator sub himpunan fuzzy

memahami operator-operator pada

himpunan
samar
dan
menggunakannya

Jarak Hamming dan

Jarak Euclides untuk HimpunanHimpunan Samar

Definisi: Jarak Hamming, Jarak memahami jarak hamming dan

Euclides, untuk dua himpunan jarak euclides
Samar.

Jarak Hamming dan

Jarak Euclides untuk HimpunanHimpunan Samar

Contoh-contoh

13

Operator pada Logika Samar

(Fuzzy)

Pengertian
IMPLIKASI

OR, memahami operator-operator pada

logika samar

14

Operator pada Logika Samar

(Fuzzy)

Pemakaian operator-operator : AND, mampu menggunakan operatorOR, IMPLIKASI

operator pada logika samar

15

IMPLIKASI

Implikasi
:
Dienes-Reseher, mampu memahami dan menjelaskan
Lukasiewics, Zadeh,
berbagai macam implikasi

11

12

16

17

IMPLIKASI

Sistem Inferensi Samar (Fuzzy)

operasi:

AND,

Implikasi : Godel, Tsunamoto, Mandani, ampu memahami dan menjelaskan

Sugemo, dan contoh-contoh.
berbagai macam implikasi

Modus Ponens, Modus Tollens, Modus mampu memahami berbagai metode

Transitif,
inferensi

19

20

21

22

23

24

Sistem Inferensi Samar (Fuzzy)

Modus Ponen yang digeneralisasi dan

Modus Tollens yang digeneralisasi

mampu memahami berbagai metode

inferensi yang digeneralisasi

Metoda Inferensi: Fuzzyfikasi,

Pembangkitan Aturan,
Defuzzyfikasi

Pengertian Fuzzyfikasi, Pembuatan

Aturan dengan berbagai contoh

memahami pengertian
pembuatan aturan

Metoda Inferensi: Fuzzyfikasi,

Pembangkitan Aturan,
Defuzzyfikasi

Defuzzyfikasi, dengan beberapa

contoh.

memahami defuzzyfikasi

Aplikasi Logika Samar di berbagai Contoh aplikasi: permasalahan

bidang
ekonomi, permasalahan pertanian,
kedokteran, dsb

fuzzyfikasi,

memahami contoh-contoh aplikasi

diberbagai bidang menggunakan fuzzy
logic

Aplikasi Logika Samar di berbagai Contoh

aplikasi:
permasalahan mampu menggunakan fuzzy logic
bidang
ekonomi, permasalahan pertanian, untuk diterapkan dalam berbagai
bidang
kedokteran, dsb
PERSIAPAN UAS

review materi setelah mid

mampu menjawab pertanyaan yang

sesuai dengan materi setelah UTS

DAFTAR PUSTAKA

1.

Himpunan dan Logika Samar serta aplikasinya, Setiadji, Graha Ilmu, 2009

2.
3

Himpunan dan Logika Samar serta aplikasinya, Susilo, SJ, Graha Ilmu, 2006
Fuzzy Sets and Fuzzy Logic Theory and Application, Klir George and Yuan Bo, Prentice Hall, 1995

Artificial Intelegence, Sri Kusumadewi, 2003

SILABI
MATA KUL:

Jaringan Syaraf Tiruan

SKS

JURUSAN:

TI

PRASYAR :

Kecerdasan Buatan, Matematika Informatika

Jenis

LAMA

SEMESTE:
DESKRIPS:

Matakuliah ini menjelaskan mengenai konsep-konsep yang

TUJUAN :

1. Mhs mampu memahami konsep JST

2. Mhs dapat mengetahui dan memahami jenis-jenis algoritma pembelajaran JST
3. Mhs mampu mengimplementasikan JST dalam kehidupan nyata

MATERI
NO

MATERI
PEMBELAJARA
N

RINCIAN KEMAMPUAN

KEGIATAN
TEORI PRAKTEK

Pendahuluan

Mahasiswa mampu
memahami dan menjelaskan
Konsep dan jenis-jenis
Neural Network Model
matematis Neural Network

v
Mhs mampu memahami
Model matematis Neural
Network

Mhs mampu mengetahui

penerapan Neural Network di
kehidupan nyata

Mhs mampu memahami

Fungsi Aktivasi fungsi aktivasi

Mhs dapat membedakan

masing-masing fungsi
aktivasi yang ada

Hebb rule

Perceptron

Mhs mampu memahami

algoritma Hebb rule dan
arsitekturnya

Mhs mampu menggunakan

algoritma Hebb rule untuk
aplikasi JST

Mhs mampu memahami

algoritma perceptron dan
arsitekturnya

Mhs mampu memahami

vektor prototipe

Mhs mampu menggunakan

algoritma perceptron untuk
aplikasi JST

Mhs mampu menyelesaikan

soal yang berhubungan
dengan Hebb rule,
Review Materi UTSperceptron dan delta rule

Delta Rule

Mhs mampu memahami

algoritma Delta Rule dan
dapat menggunakan pada
aplikasi JST

10

11

Adaline

Mhs mampu memahami

algoritma Adaline dan
menggunakannya dalam
aplikasi JST

Madaline

Mhs mampu memahami

algoritma Madaline dan
menggunakannya dalam
aplikasi JST

Mhs mampu memahami

algoritma backpropagation
bacpropagation satu lapis (single layer)

12

Mhs mampu memahami

algoritma backpropagation
satu lapis(multilayer) dan
banyak output

13

Mhs mampu menggunakan

algoritma backpropagation
untuk aplikasi JST

mhs dapat menyelesaikan

soal untuk algoritma
Review Materi UASbackpropagat

14

SOFTWAR:
HARDWAR: DAFTAR PUSTAKA
1
2
3
4
5

Fausett Laurene, Fundamentals of Neural Networks : architectures, algorithms and applications, Prentic
LiMin Fu, 1994, Neural Network In Coomputer Intelligence, McGraw-Hill International Editions.
Robert J Schalkoff, Artificial Neural Network, McGraw-Hill International Editions, 1997.
Sri Kusumadewi, Membangun Jaringan Syaraf Tiruan menggunakan MATLAB dan Excel Link, Penerbit
JJ. Siang, 20023, Pemrograman Jaringan Saraf Tiruan Dengan Matlab, Penerbit Andi, Yogyakarta

belajaran JST

ms and applications, Prentice-Hall, Inc, 1994.

ernational Editions.

AB dan Excel Link, Penerbit Graha Ilmu Yogyakarta, 2004.

nerbit Andi, Yogyakarta

SILABI
MATA KUL:

Kecerdasan Buatan

SKS

Jenis

LAMA

JURUSAN:

TI

PRASYAR :

logika informatika, matematika informatika

SEMESTE:
DESKRIPS:

Matakuliah ini mempelajari dasar-dasar

TUJUAN :

1.
2.
3.
4.

MATERI
NO

Mhs mampu memahami konsep dasar AI

Mhs mampu mendefinisikan dan menggambarkan problem space
Mhs mampu memahami dan menerapkan teknik-teknik pelacakan dalam AI
Mampu mengenal bidang-bidang yang berada di dalam AI

MATERI
PEMBEL
AJARAN

penganta
r Sistem
cerdas

Sub
KEGIATAN
Materi
RINCIAN KEMAMPUAN
TEORI PRAKTEK

Mahasis
wa
mampu
memaha
mi dan
menjelas
kan
definisi
sistem
cerdas,
AI dan
ruang
lingkup
AI.

Deskrips
i Obyek
dan
Simbol

Mhs
mampu
mendesk
ripsikan
obyek
dan
simbolsimbol
dalam AI

Problem Space

Mhs
mampu
memaha
mi dan
mendefin
isikan
problem
space
Mhs
mengga
mbarkan
problem
space

searchin
g

Mhs
mampu
memaha
mi
teknik
pelacaka
n dan
berbagai
teknikteknik
pelacaka
n

6
7

Mhs
mampu
memilih
jenis
teknik
pelacaka
n: Buta
dan
heuristik
Persiapan UTS

searching

Mhs
mampu
mengapli
kasikan
teknik
pelacaka
n

Represen
tasi
Pengetah
uan

Mhs
mampu
memaha
mi
konsep
pengetah
uan dan
represent
asi
pengetah
uan
serta
memilih
RP yang
sesuai
dgn
permasal
ahan

10

Membua
t RP
yang
sesuai
dengan
permasal
ahan
menggun
akan
Tool
tertentu

11

Mhs
mampu
memaha
mi
aplikasi
AI: Agent
cerdas,
Game

Aplikasi AI

12
Bahasa Pengenalan AI

13
14 Persiapan UAS

Mhs
mampu
mengena
l
berbagai
macam
bahasa
pemrogr
aman AI
Mhs
mampu
menggun
akan
bahasa
pemrogr
aman
Prolog

SOFTWAR:
HARDWAR: DAFTAR PUSTAKA
1

Sri Kusuma Dewi, 2003, Artificial Intelegence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta.

2
3
4
5

Morris W Fembaugh, 1998, Artificial Intelegence :A Knowledge Base Approach, PWS-Kent Publiser Bos
Elaine Rich & Kevin Knight, Artificial Intelligence, 2 nd Ed, Mc Graw Hill, Inc, Singapore.
Suyanto, 2004, Intelegensi Buatan : Teori dan Pemrograman, Gava Media, 2004
Visual Prolog Version 5.0, Getting Started, Prolog Development center AS, Copenhagen Denmark.

lmu, Yogyakarta.

, PWS-Kent Publiser Boston.

penhagen Denmark.

SILABI
MATA KUL

SISTEM PAKAR

SKS

JURUSAN

TI

PRASYAR

KECERDASAN BUATAN, MATEMATIKA INFORMATIKA

SEMESTE

DESKRIPS

TUJUAN :
MATERI

NO

Jenis

LAMA

Mata kuliah ini membahas tentang konsep sistem pakar,

contoh aplikasi sistem pakar, dan merancang pembuatan sistem pakar sederhana
Mahasiswa memiliki kemampuan untuk memahami konsep sistem pakar beserta
struktur/komponen-komponen dalam sistem pakar memahami proses inferensi yang
MATERI
KEGIATAN
PEMBELAJAR
RINCIAN KEMAMPUAN
TEORI
PRAKTEK
AN
mampu memahami pengertian
sistem cerdas, KBS, dan sistem
pakar
Pengertian Sistem
Cerdas, Knowledge
Base
System
(KBS), dan Sistem
Pakar

mampu memahami ciri-ciri dan

struktur sistem pakar serta
mengenal dan memahami
kategori problem dalam sistem
pakar

Ciri-ciri dan struktur

mampu memahami pengertian

pengetahuan,
hirarki
pengetahuan, dan representasi
pengetahuan

Pengetahuan dan
Representasi
Pengetahuan

mampu memahami
akuisisi pengetahuan,
4

Akuisisi Knowle

proses

mampu melakukan
akuisisi pengetahuan
merepresentasikan
bentuk yang sesuai.

proses
dan
dalam

Akuisisi Knowle

mampu memahami pengertian

inferensi dan berbagai metode
untuk melakukan inferensi

Inferensi

mampu menjawab pertanyaan

yang terkait dengan pengertian
sistem cerdas, KBS, sistem
pakar,
pengetahuan
dan
representasinya
,
proses
akuisisi pengetahuan dan
proses inferensi

Test Persiapan

dapat menerapkan metode

inferensi untuk suatu kasus

Inferensi

mampu memahami konsep

ketidakpastian dan metodeKetidakpastian
metode
untuk
mengatasi
ketidakpastian

mampu menerapkan metodemetode

untuk
mengatasi
ketidakpastian dalam suatu
kasus

10

Ketidakpastian

11

mampu
mengenali
suatu
permasalahan yang dapat
Contoh
aplikasi
diangkat menjadi aplikasi sistem
sistem
pakar
pakar dan mampu menganalisis
sederhana dalam
suatu aplikasi sistem pakar
bidang tertentu
ditinjau
dari
komponenkomponen sistem pakar

Mampu
memahami
cara
merancang sistem pakar
12

Perancangan
Sistem
Pakar
Sederhana

mampu merancang sistem

pakar
sederhana dengan
mengacu pada struktur sistem
pakar

13

Perancangan
Sistem
Pakar
Sederhana

Mampu menjawab pertanyaan

yang
terkait
dengan
ketidakpastian dan analisis
aplikasi sistem pakar tertentu

14

SOFTWAR

HARDWAR

:-

Persiapan UAS

DAFTAR PUSTAKA

1.
2.
3.
4.

Giarratano, J, and Riley G.,2004. Expert System : Principle and Programming ,

Ignizio, James, P., Introduction to Expert System, 1991, McGraw-Hill. Inc, USA
Kusumadewi, S, 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu
Hartati, S, 2008, " Sistem Pakar dan Pengembangannya", Graha Ilmu

SILABI
MATA KUL:

Kecerdasan Buatan

SKS

Jenis

JURUSAN:

TI

PRASYAR :

Mikrokontroller dan Sistem Pengaturan

LAMA

SEMESTE:
DESKRIPS:

Matakuliah ini mempelajari dasar-dasar robotika dan sistem kendali

TUJUAN :

1. Mhs mampu memahami dasar-dasar robotika

2. Mampu mengimplementasikan robot gerk sederhana

MATERI
PEMBELAJARAN

MATERI
NO

Pendahuluan

1
Motor dan Gerak

RINCIAN KEMAMPUAN
RINCIAN
MATERI
KEGIATAN
TEORI PRAKTEK
Mampu
memaha
mi
pengertia
n robot
Pengertian robot, dan
sejarah
sejarah
perkembangan
perkemb
robotika dan
angan
bagian robotika robotika
Jenis-jenis
motor

Mampu
mengena
l jenisjenis
robot

v
v

Jenis-jenis
gerakan robot

Mampu
memaha
mi
sistem
pengerak
robot
dan
presisi
gerak
robot

Peralatan transfer day langsung dan

tak langsung

v
Roda dan suspensi

5
6
7
8

9
10

Persiapan UTS
Kaki dan lengan

11
12
13
14

v
v

Bahan dan
konstruksi
Sensor dan Navigasi

v
v
Sensor suhu,
Compass,
ultrasonik dan
Api

v
Pemrograman Robot
Persiapan UAS

SOFTWAR:
HARDWAR: DAFTAR PUSTAKA
1
2

Groover, et.al., [1986], "Industrial Robotics", McGraw Hill Book Coy., New York.
Sharon, et.al., (terj. Y. Sutrisno dan M. Mas'udi), [1987], "Robot dan Otomasi Industri

Taufiq Dwi Septian Suyadhi, Build Your Own Line Follower Robot, Penerbit Andi, 2009

New York.
omasi Industri", Elex Media Elektrindo, Jakarta.

SILABI
MATA KUL:

Algoritma Genetika

SKS

Jenis

LAMA

JURUSAN:

TI

PRASYAR :

Kecerdasan Buatan, Matematika Informatika

SEMESTE:
DESKRIPS:

Matakuliah ini menjelaskan mengenai konsep-

TUJUAN :

1. Mhs mampu memahami konsep genetika algoritma

2. Mhs mampu mengembangkan model genetika algoritma
3. Mhs mampu mengimplementasikan algoritma genetika dalam kehidupan nyata

MATERI

MATERI
PEMBEL
AJARAN
Konsep
dasar
algoritm
a
genetika

NO
1

KEGIATAN
RINCIAN
RINCIAN KEMAMPUAN
TEORI PRAKTEK
MATERI
1.
Penganta
r
komputa
si evolusi

1.
Mampu
memaha
mi
konsep
komputa
si evolusi

2.
Sejarah
dan jenis 2.
algoritm Mampu
a genetik menjelas
kan
sejarah
kemuncu
lan
algoritm
a genetik

3. Sistem

4. Sistem

Teori
Skema

3.
Mengu
asai
konsep
sistem
genetik
biologi
s

4.
Mengena
l
penggun
aan
genetik
algoritm
a

Skema dan
1.
Mampu
memaha
mi
definisi
schemat
a

2.
Mampu
menggun
akan
jenis
teori
schemat
a
4

Operator Jenis-Jeni 1. Mampu

2.
Mampu
menggun
akan
operator
yang ada

Paramete
rparamete
r
algoritm
a
genetika

Seleksi

Pindah
silang,
paramete
rparamete
r lain

1.
Konsep
Fitness

Mampu
memaha
mi
paramete
r
algoritm
a
genetik.

2.
Mampu
menggun
akan
paramete
r dalam
penerapa
n
algoritm
a
genetika

1.
Mampu
memaha
mi
definisi
nilai
fitness
untuk
seleksi

Persiapan UTS

2.
Metode
Seleksi

Seleksi

V
2.
Mampu
memaha
mi jenisjenis
metode
seleksi
V

3.
Mampu
menggun
akan dan
memilih
metode
seleksi
yang ada

1.
Mampu
menguas
ai konsep
1.
Pengkode berbagai
mode
an
(Encodin pengkod
ean
g),
9

10

binary
Encoding Encoding
2. RealValued
Encoding 2.
Mampu
mensimu
lasikan
berbagai
mode
pengkod
ean
dengan
GA

V
V

V
V

3. RealValued
Encoding
dan
Characte
r
Encoding
11
4. Tree Encoding

1. Permas

12

Optimisasi
2.
Kodekan
solusi
menggun
akan
algoritm
a
genetik.

3.
penggun
aan
optimisa
si

13
14Review Materi UAS

SOFTWAR:

1.
Memaha
mi
permasal
ahan
optimisa
si fungsi.

2.
Mampu
mengana
lisa
permasal
ahan
dan
mengkod
ekan
solusi
menggun
akan
algoritm
a
genetik.

3.
Mampu
mensimu
lasikan
algoritm
a genetik
untuk
menyeles
aikan
masalah
optimisa
si fungsi.

HARDWAR: DAFTAR PUSTAKA

1.
2.

Sri Kusumadewi, Hari Purnomo, Penyelesaian Masalah Optimasi dengan teknik Heuristic, Graha Ilmu,
InfoTech Code Vision AVR C Compiler, http://www.hpinfotech.ro
3 Paraskeropoulus, P.N, Digital Control Systems, Prentice Hall, London, 1996

upan nyata

nik Heuristic, Graha Ilmu, 2005