MATA KULIAH
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
Sistem
Pendukung
Sebuah Tinjauan
DSS cerdas
3
Sistem
Pengambilan
Pemodelan, dan Pendukung
Sistem
Pengambilan
Pemodelan, dan Pendukung
Keputusan,
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
Pengambilan
implementasi
5
Keputusan
fase
mampu
memahami
dan
menjelaskan
komponen-komponen penyusun SPK, serta
klasifikasi SPK
PERSIAPAN UTS
review materi
Pemodelan
Model Statis dan dinamis
Kepastian, Ketidakpastian, dan resiko
Diagram Pengaruh
9
10
11
ditinjau
12
Studi kasus
Menentukan jenis pemodelan yang sesuai mampu memilih jenis pemodelan yang sesuai
untuk kasus tertentu
untuk kasus tertentu
13
Studi Kasus
14
PERSIAPAN UAS
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
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
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
Himpunan
Keanggotaan
Samar,
memahami
fungsi
10
PERSIAPAN UTS
Himpunan
Keanggotaan
Samar,
Operator
(Fuzzy)
Himpunan
Operator
(Fuzzy)
Himpunan
memahami
Fungsi Fungsi keanggotaan : berbentuk mampu
keanggotaan
kurva,
kurva segitiga, trapezium, kurva
trapezium,
baku,
dan
S
baku, dan kurva S
fungsi
segitiga,
memahami
dan
menggunakan
operator-0perator pada himpunan
samar
Contoh-contoh
13
Pengertian
IMPLIKASI
14
15
IMPLIKASI
Implikasi
:
Dienes-Reseher, mampu memahami dan menjelaskan
Lukasiewics, Zadeh,
berbagai macam implikasi
11
12
16
17
IMPLIKASI
operasi:
AND,
19
20
21
22
23
24
memahami pengertian
pembuatan aturan
memahami defuzzyfikasi
fuzzyfikasi,
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
SILABI
MATA KUL:
SKS
JURUSAN:
TI
PRASYAR :
Jenis
LAMA
SEMESTE:
DESKRIPS:
TUJUAN :
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
Hebb rule
Perceptron
Delta Rule
10
11
Adaline
Madaline
12
13
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
SILABI
MATA KUL:
Kecerdasan Buatan
SKS
Jenis
LAMA
JURUSAN:
TI
PRASYAR :
SEMESTE:
DESKRIPS:
TUJUAN :
1.
2.
3.
4.
MATERI
NO
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.
penhagen Denmark.
SILABI
MATA KUL
SISTEM PAKAR
SKS
JURUSAN
TI
PRASYAR
SEMESTE
DESKRIPS
TUJUAN :
MATERI
NO
Jenis
LAMA
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
Inferensi
Test Persiapan
Inferensi
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
13
Perancangan
Sistem
Pakar
Sederhana
14
SOFTWAR
HARDWAR
:-
Persiapan UAS
DAFTAR PUSTAKA
1.
2.
3.
4.
SILABI
MATA KUL:
Kecerdasan Buatan
SKS
Jenis
JURUSAN:
TI
PRASYAR :
LAMA
SEMESTE:
DESKRIPS:
TUJUAN :
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
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 :
SEMESTE:
DESKRIPS:
TUJUAN :
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
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.
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