UNIVERSITAS MERCU BUANA

FAKULTAS : TEKNIK
PROGRAM STUDI : TEKNIK ELEKTRO
No. Dokumen 02-3.04.1.02 Distribusi
Tgl. Efektif 1 November 2011
RENCANA PEMBELAJARAN SEMESTER
Mata Kuliah Kode Rumpun Bobot Semester Tanggal Penyusunan
MK (SKS)
Jaringan Syaraf Tiruan 3 12-09-2017
Otorisasi Dosen Pengemban Koordinator MK/ Ketua Program Studi
RPS Kelompok Bidang Ilmu

Capaian
Pembelajaran
1. Mampu memahami cara kerja otak manusia
2. mampu memahami konsep jaringan saraf tiruan
3. mampu memahami jaringan saraf satu lapis
4. mampu memahami jaringan saraf tiruan berbasis kompetensi
5. mampu memahami jaringan saraf tiruan perambatan balik
6. mampu memahami jaringan saraf recurrent

Deskripsi Singkat Mata Kuliah Ini merupakan mata kuliah untuk memahami teori, menggunakan metodemetode pembelajaran pada jaringan
Mata Kuliah saraf tiruan dalam bidang teknik maupun bidang ilmu-ilmu yang lain.
Materi 1. Inspirasi Sel Saraf Manusia dalam jaringan saraf tiruan
Pembelajaran/ 2. Pengenalan Jaringan Saraf Tiruan, Fungsi Aktivasi JST, Jaringan Saraf Satu Lapis
Pokok Bahasan 3. Membangun JST-Perceptron, Membangun JST-Hebb, Membangun JST-Adaline
Pustaka Utama:
1. Jaringan Syaraf Tiruan dan Pemrograman menggunakan Matlab, Jong Jek Siang, 2009
2. Supervised Neural Network, M.Hery P& Agus Kurniawan, 2006
3. Pengantar Jaringan Syaraf Tiruan, Diyah Puspitaningrum, 2006
Pendukung:
1. Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Sri Kusuma Dewi & Hari Purnomo, 2010
 2. Fuzzy Neural Network Theory and Applications, ebook, 2009
Media Pembelajaran Perangkat Lunak: Perangkat Keras:
MATLAB Komputer, LCD
Team Teaching
Mata Kuliah
Prasyarat
Sub-CP-MK Bahan Kajian Kriteria Bentuk Bentuk dan Aktivitas Bobot
Minggu Sebagai Kemampuan Akhir Materi (Indikator) Penilaian Metode Pembelajaraan / Peniliaian
Ke- yang diharapkan Pembelajaran Penilaian Pembelajaran Pengalaman
Mahasiswa
(1) (2) (3) (4) (5) (6) (7) (8)
Dapat Ceramah, 7%
menjelaskan diskusi
Pengenalan
Jaringan Saraf
Tiruan
- Dapat
Bagian otak Prinsip
1 memahami
Manusia Edukatif
Fungsi Aktivasi
JST
- Dapat
menjelaskan
Jaringan Saraf
Satu Lapis
- Dapat 5%
memahami
bagaimana
Membangun JST-
Perceptron
Pengantar - Dapat
2 Jaringan Saraf memahami
Tiruan bagaimana
Membangun JST-
Hebb
- Dapat
menjelaskan
bagaimana
 Membangun JST-
Adaline
- Dapat 7%
menjelaskan
Arsitektur Jaringan
Hamming
- Dapat
memahami Cara
kerja dan aplikasi
Jaringan Saraf Jaringan Hamming
3
Satu Lapis - Dapat emahami
dan menjelaskan
Arsitektur Jaringan
LVQ
- Dapat
memahami Cara
kerja dan aplikasi
jaringan LVQ
- Dapat 6%
memahami
bagaimana
Membangun
Jaringan
Perambatan Balik
- Dapat
memahami
Jaringan
Arsitektur dan
4 Berbasis
algoritma
Kompetensi
Pelatihan BP
Sederhana
- Dapat
menjelaskan
Algoritma
Pelatihan yang
lebih cepat
- Dapat
 mengaplikasikan
jaringan saraf
perambatan balik
- Dapat 5%
menjelaskan
bagaimana
Membangun
Jaringan
Jaringan Elman
5 Perambatan
- Dapat
Balik (BP)
menjelaskan
bagaimana
Membangun
Jaringan Hopfield
- Dapat 5%
menjelaskan
bagaimana
Membangun
Jaringan saraf
6 Jaringan Elman -
Recurrent
Dapat menjelaskan
bagaimana
Membangun
Jaringan Hopfield
Latihan soal dan 15%
7
kisi-kisi
8 Evaluasi Tengah Semester: Melakukan Validasi Penilaian, Evaluasi dan Perbaikan Proses Pembelajaran berikutnya
- Dapat 5%
menjelaskan Soft
Computing
- Dapat
Pengenalan memahami Sistem
9
Sistem Hybrid Hybrid
- Dapat
menjelaskan
Aplikasi Sistem
Hybrid
 - Dapat 7%
menjelaskan
Proses
pengembangan
Sistem Hybrid -
Pengembangan
10 Dapat memahami
sistem hybrid
Fuzzy Neural
Network - Dapat
menjelaskan
Neural Fuzzy
System
- Dapat 7%
memahami
Himpunan Klasik -
Dapat memahami
Himpunan Fuzzy -
Perbedaan JST
11 Dapat menjelaskan
dan Logika Fuzi
Fungsi
Keanggotaan Fuzi -
Dapat memahami
Operator-operator
fuzi
- Dapat 5%
memahami Sistem
Inferensi Fuzi
Aplikasi JST metode
12 multi layer dan Tsukamoto - Dapat
Logika Fuzi memahami Sistem
Inferensi Fuzi
metode Sugeno
(TSK)
- Dapat 5%
menjelaskan
Fuzzy Neural
13 Neuron-neuron
Network
Fuzzy - Dapat
memahami Fuzzy
 Perceptron - Dapat
menjelaskan Fuzzy
Associative
Memory
- Dapat 5%
memahami
Gambaran umum
Adaptive Neuro ANFIS - Dapat
14 Fuzzy Inference memahami
System Arsitektur ANFIS -
Dapat menjelaskan
Cara kerja dan
Aplikasi ANFIS
Latihan Soal dan 16%
15
kisi-kisi
16 Evaluasi Akhir Semester: Melakukan Validasi Penilaian Akhir dan Menentukan Kelulusan Mahasiswa