RENCANA PEMBELAJARAN SEMESTER

Program Studi: Teknik Elektro Fakultas: Teknik

Mata Kuliah: Aplikasi Kecerdasan Buatan Kode: SKS: 2 Sem: VII

dalam Sistem Tenaga
Dosen Pengampu: DR. Susatyo Handoko, ST, MT, Dr. Iwan Setiawan, ST, MT
Prasyarat : -
Capaian Pembelajaran Setelah mengikuti mata kuliah ini diharapkan mahasiswa pendidikan strata satu (S1) teknik elektro konsentrasi
Mata Kuliah: Teknik Tenaga Listrik mampu menerapkan (C3), menganalisis (C4) dan mengevaluasi (C5) teknik
kecerdasan buatan yang diaplikasikan dalam sistem tenaga listrik.
Deskripsi singkat Mata Mata kuliah ini berisi pengertian kecerdasan buatan/Artificial Intelligent/AI (Fuzzy logic, Algoritma Genetika,
Kuliah: Jaringan Syaraf Tiruan, Sistem Pakar) dan proses pemecahan masalah dengan AI (Fuzzy Logic, Algoritma
Genetika, Jaringan Syaraf Tiruan, serta Sistem Pakar) dalam sistem tenaga listrik.
1 2 3 4 5 6 7
Mingg Kemampuan Akhir tiap Bahan Kajian/ Metode Pengalaman Penilaian
u ke
Waktu
tahapan pembelajaran Pokok Bahasan Pembelajaran Belajar Mahasiswa Kriteria & Indikator Bobot (%)
1 Mampu memahami (C2) • RPS • Ceramah TM: 1 x (2 x • Mahasiswa • Mahasiswa
sistem perkuliahan, • Kontrak kuliah • Tanya jawab 50”) mencatat merespon aktif
sistem penilaian, tata • Definisi Sistem BT + BM = semua materi yang
cerdas 1 x [(2 x 50”) informasi secara diberikan dengan
tertib kuliah, dan
• Kecerdasan + ringkas cara bertanya dan
pendahuluan (1 x 60”)]
Buatan dan berdiskusi. 5
alami
• Komputasi
dengan sistem
cerdas dan
Konvensional
 • Sejarah sistem
cerdas
• Lingkup sistem
cerdas
• Permasalahan
dalam sistem
tenaga listrik
kaitannya
dengan sistem
cerdas sebagai
solusi
2-3 Mampu menjelaskan • Komponen-ko • Ceramah TM: 2 x (2 x • Mahasiswa • Ketepatan dalam
(C2), menghitung (C3), mponen • Simulasi 50”) menyimak, perhitungan
menganalisis (C4) Algoritma • Cooperative BT + BM = mencatat, tanya menggunakan
Algoritma Genetika Genetika Learning 2 x [(2 x 50”) jawab dan Algoritma Genetika
dengan tingkat • Analisis • Problem Based + mengerjakan • Ketepatan dalam
kebenaran minimal 80% permasalahan Learning (2 x 60”)] tugas tentang menganalisis dan
menggunakan mekanisme mengevaluasi hasil
Algoritma penggunaan pemrograman 15
Genetika Algoritma menggunakan
• Pembuatan Genetika. Algoritma Genetika
program • Mahasiswa
Algoritma diberi tugas dari
Genetika buku
menggunakan
Matlab
4-5 Mampu menjelaskan • Konsep • Ceramah TM: 2 x (2 x • Mahasiswa • Ketepatan dalam
(C2), menghitung (C3), fuzziness dan • Simulasi 50”) menyimak, perhitungan 15
menganalisis (C4) Fuzzy probabilitas • Cooperative BT + BM = mencatat, tanya menggunakan Fuzzy
 Logic dengan tingkat • Penjelasan Learning 2 x [(2 x 50”) jawab dan Logic
kebenaran minimal 80% fuzzy • Problem Based + mengerjakan • Ketepatan dalam
• Analisis dan Learning (2 x 60”)] tugas tentang menganalisis dan
penyelesaian mekanisme mengevaluasi hasil
masalah pada penggunaan pemrograman
system fuzzy Fuzzy Logic. menggunakan Fuzzy
• Mahasiswa Logic
diberi tugas dari
buku

6-7 Mampu menjelaskan • Konsep dasar • Ceramah TM: 2 x (2 x • Mahasiswa • Ketepatan dalam
(C2), menghitung (C3), JST • Simulasi 50”) menyimak, perhitungan
menganalisis (C4) • Analisis • Cooperative BT + BM = mencatat, tanya menggunakan
Jaringan Syaraf Tiruan permasalahan Learning 2 x [(2 x 50”) jawab dan Jaringan Syaraf
dengan tingkat dengan model • Problem Based + mengerjakan Tiruan
kebenaran minimal 80% syaraf tiruan Learning (2 x 60”)] tugas tentang • Ketepatan dalam
(Neuron) mekanisme menganalisis dan
• Fungsi aktivasi penggunaan mengevaluasi hasil
dan arsitektur Jaringan Syaraf pemrograman
jaringan pada Tiruan. menggunakan
15
JST • Mahasiswa Jaringan Syaraf
• Analisis diberi tugas dari Tiruan
permasalahan buku
dengan proses
belajar
supervised
learning dan
unsupervised
learning
• Konsep analisis
 parameter dan
aplikasi JST
8 Ujian Tengah Semester 50
9-10 Mampu menjelaskan • Definisi Sistem • Ceramah TM: 2 x (2 x • Mahasiswa • Ketepatan dalam
(C2), menghitung (C3), Pakar • Simulasi 50”) menyimak, penggunaan Sistem
menganalisis (C4) • Konsep dasar • Cooperative BT + BM = mencatat, tanya Pakar
Konsep dasar Sistem sistem Pakar Learning 2 x [(2 x 50”) jawab dan • Ketepatan dalam
Pakar (Expert System) • Bentuk dan Ciri • Problem Based + mengerjakan menganalisis dan
dengan tingkat Sistem Pakar Learning (2 x 60”)] tugas tentang mengevaluasi hasil
kebenaran minimal 80% • Keuntungan mekanisme pemrograman
Sistem pakar penggunaan menggunakan
• Kelemahan Sistem Pakar. Sistem Pakar
sistem pakar • Mahasiswa 15
• Struktur dan diberi tugas dari
Bagian-Bagian buku
Sistem Pakar
• Klasifikasi
Sistem Pakar
• Knowledge
Base
• Interefernce
engine
Mampu menjelaskan • Penempatan, • Ceramah TM: 5 x (2 x • Mahasiswa • Ketepatan dalam
(C2) mengaplikasikan penggantian, • Simulasi 50”) menyimak, penggunaan
(C3) dan menganalisis dan penentuan • Cooperative BT + BM = mencatat, tanya algoritma
11-15 (C4) berbagai masalah ukuran Learning 5 x [(2 x 50”) jawab dan pembuatan program 35
dalam sisten tenaga kapasitor bank • Problem Based + mengerjakan untuk penyelesaian
listrik yang dapat yang optimal Learning (5 x 60”)] tugas tentang permasalahan
diselesaikain dengan • Pemilihan dan aplikasi sistem dalam sistem tenaga
 kecerdasan buatan penempatan cerdas listrik
dengan tingkat peralatan dalamsisten • Ketepatan dalam
kebenaran minimal 80% FACTS optimal tenaga listrik menganalisis dan
• Optimasi • Mahasiswa mengevaluasi hasil
kompensasi diberi tugas dari pemrograman
daya reaktif buku pembuatan
pada sistem program.
tenaga listrik
• Peramalan
Kebutuhan
Beban Sistem
Tenaga Listrik
• Setting rele
proteksi

16 Ujian Akhir Semester 50

8. Daftar Referensi: 1. Metaheuristik Konsep dan Implementasi, Budi Santosa & Paul Willy, 2011, Guna Widya
2. Artificial Intelligence, Sri Kusumadewi, 2003, Penerbit GRAHA ILMU
3. Desain Sistem Tenaga Modern, Imam Robandi, 2006, Penerbit ANDI Yogyakarta
4. Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Syaraf, Sri Kusumadewi dan Sri hartati, 2010, Graha Ilmu
5. Neuro-Fuzzy and Soft Computing, Jyh-Shing Roger Jang, Chuen-Tsal Sun, Eiji Mizutani, 1997, Prentice-Hall International,
Inc.