SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN DAN KOMPUTER ASIA MALANG

MATA KULIAH
: SISTEM PAKAR
STRATA/JURUSAN : (S1) / SISTEM PAKAI
JUMLAH PERTEMUAN : 16 x pertemuan (14 x materi kuliah, 2 x Ujian (UTS dan UAS))
SKS
2 (DUA)
PERTEMU
AN KE

POKOK BAHASAN DAN TIU

SUB POKOK BAHASAN DAN TIK

TEKNIK
PEMBELAJARAN

MEDIA
PEMBELAJARAN

Introductin to Artificial Intelligence

AI dan Definisinya Latar Belakang AI Agar mahasiswa dapat

Manusia
dengan
AI
Knowledge memahami tentang:
Representation Metode dan Penerapan
AI dan penerapannya

Ruang teori,Papan
tulis (white
Board),LCD
Proyektor
Ruang teori,
Papan tulis (white
board),LCD
Proyektor

Sistem Pakar & Knowledg

Representasion

Agar mahasiswa dapat

Memahami tentang:
Sistem pakar dan
knowledge
representasion

Reasoning

Definisi Expert Systems Sejarah Expert

System Komponen Expert System Alat
Pengembangan Expert System
fasilitas
Expert System Aplikasi Expert System
Karakteristik Knowledge Model Knowledge
Representasion
Reasoning Method Reasoning Strategies
Ketidakpastian dan Reasoning Control
Strategis

Agar siswa dapat

memahami tentang:
Reasoning

Ruang teori,papan
tulis (white
board),LCD
Proyektor

Knowledge Base,Inference Engine

& User Interface

Memilih alat pengembangan,mencari

dan
mengatur
knowledge
memperbaharui dan merawat knowledge
Ketidakpastian memecahkan konflik
rule bentuk user interface guideline user
interface yang efektif untuk expert
sistem

Agar mahasiswa dapat

memahami tentang:
Knowledge base
interference Engine

Agar mahasiswa
mampu dan bisa:
1.Membedakan
metode transmisi
pararel dan seri
2.menggambarkan
proses transmisi
full duplex dan half

REFEREN
SI

TUGAS

SOFT
SKILL

(optional)
-membaca
Bab 1
(optional)
Tugas
Kelompok
:
Pengolaha
n sinyal
(optional)
Tugas
individu:
Artikel
Contoh
Penerapan
Media
transmisi
(optional)

Page 1 of 7

SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN DAN KOMPUTER ASIA MALANG

5.

Sistem OLTP,Data Warehouse &

Intelligent SP

Sistem OLTP dan data warehouse proses Agar mahasiswa dapat

data warehouse case studies komponen data memahami tentang:
Warehouse intelligent axpert system
Sistem OLTP,data
warehouse

CLIPS

Introduction to Data Mining

Definisi
data
mining,data Agar mahasiswa dapat
warehousing,OLAP
Data memahami tentang:
Mining,Machine
Learning,Statistik Data Mining
Proses Data Mining Model and
Algoritme
Assosiasion
Rulr,Clustering,Decision Trees,Neural
Networks

Data mining

Conventional expert system expert

Agar siswa dapat
Dan data intelligent SP dan SPK Data memahami tentang:
mining metode data mining metode data Data mining dan SP
mining potensial knowledge extraction

Pengenalan CLIPS Knowledge Representasion

Commands

Agar mahasiswa dapat

memahami tentang:
CLIPS

duplex
3.Menjeleskan
timing,clock,frame,
dan fungsi dalam
pengiriman data
Agar mahasiswa
Mampu dan bisa:
1.sistem OLTP
2.data warehouse
Dan intelligent SP
Agar mahasiswa
mampu dan bisa:
1.Mengetahui level
proses
2.Mengetahui
Standarisari
3.Menggambarkan
proses jabat tangan
Agar mahasiswa
mampu dan bisa:
1.konsep data
mining
2.data warehouse
3.machine learning
Agar mahasiswa
mampu dan bisa:
1.konvensional
System pakar
2.data intelligent
3.system berbasis
pengertian

(optional)

(optional)

(optional)

(optional)

Page 2 of 7

SATUAN ACARA PERKULIAHAN

SEKOLAH TINGGI MANAJEMEN DAN KOMPUTER ASIA MALANG
9

Decision Trees

10

Neural Networks

11

Association Rules

12 & 13

Clustering

14

Bayesian Network

MODEL PERHITUNGAN

Agar mahasiswa dapat

memahami:
Decision Trees

Agar mahasiswa
mampu dan bisa:
1.bentuk-bentuk
Tree
2.model
penyelesaian
Supervised,unsupervised,& semi supervised Agar mahasiswa dapat Agar mahasiswa
classification devinition of decision trees memahami tentang:
mampu dan bisa:
method for finding a good decision trees Neural network
1.menjelaskan
overfitting problem pruning method
konsep neural
network
2.klasifikasi
3.metode tree
Neural Network Definition dan Metode Agar mahasiswa dapat Agar
mahasiswa
Memahami tentang:
mampu dan bisa:
Association Rules
1.Aplikasi software
(mathlab)
2.Metode/rules
Hierarchical Clustering Partitional
Agar
siswa
dapat Agar mahasiswa
Clustering
Non-Probability-Based memahami tentang:
mampu dan bisa:
Partitional Clustering Definition dan Clustering
1.menggambarkan
Metode
Probability-Based
Partitioal
hirarki clustering
Clustering Definition dan metode
2.definisi dan
metode clustering
TEOREMA BAYES
Agar mahasiswa dapat Agar mahasiswa
Memahami tentang:
mampu dan bisa:
Jaringan Bayes
1.Menggambarkan
Teorema bayes dan
perhitungan
UJIAN AKHIR SEMESTER

(optional)

(optional)

(optional)

(optional)

(optional)

DAFTAR REFERENSI:
Page 3 of 7