UNIVERSITAS TEKNOLOGI MATARAM

PROGRAM STUDI TEKNIK INFORMATIKA

Jalan Kampus Universitas Teknologi Mataram, Kekalik, Mataram, Telp. (0370) 628418

RENCANA PEMBELAJARAN SEMESTER (RPS)

Nama Mata Kuliah Kode Mata Kuliah Bobot (sks) Semester Tgl Penyusunan

Artificial Intelligence 3 5

Koordinator Pengembang RPS Koordinator Bidang Keahlian Ketua Prodi

Otorisasi

Muhammad Rijal Alfian, M.Sc. ________________________ M. Multazam, S.Kom., M.Kom.

Capaian
CPL-PRODI Yang Dibebankan Pada Mata Kuliah
Pembelajaran (CP)
S9 Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri.

P3 Menguasai teori dan konsep yang mendasari ilmu computer, konsep-konsep bahasa
pemrograman, prinsip-prinsip dasar arsitektur komputer, bidang fokus ilmu pengetahuan
komputer, metodologi pengembangan sistem yang meliputi perencanaan, desain, penerapan,
pengujian dan pemeliharaan system serta konsep-konsep algoritma dan kompleksitas untuk
menyelesaikan masalah.
 Menguasai pendekataan sistem cerdas yang sesuai dengan problem yang dihadapi, memilih
P4 representasi pengetahuan dan mekanisme penalarannya serta evaluasi kinerja dari penerapan
sistem cerdas.

Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang
KU5
keahliannya, berdasarkan hasil analisis informasi dan data.

Mampu mengaplikasikan pendekatan berbagai sistem cerdas yang sesuai dengan problem yang
KK2 dihadapi dan membangun aplikasi perangkat lunak yang berkaitan dengan pengetahuan ilmu
komputer.

CPMK (Capaian Pembelajaran Mata Kuliah)

CPKMK 1 Mampu menjelaskan apa itu AI dan perkembangan AI.

CPKMK 2 Mampu menjelaskan tentang teknik-teknik dan kriteria AI.

CPKMK 2 Mampu membedakan algoritma blind search dan informed search.

CPKMK 3 Mampu mengidentifikasi studi kasus tentang jaringan syaraf tiruan.

CPKMK 4 Mampu mengidentifikasi studi kasus tentang algoritma genetika.

Mata kuliah ini akan membahas tentang prinsip dasar dari kecerdasan buatan (artificial intelligence). Dengan
Diskripsi Singkat meninjau permasalahan yang dapat diselesaikan dengan kecerdasan buatan, sehingga dapat memberikan
Mata Kuliah hasil yang optimal. Merepresentasikan permasalahan yang akan diimplementasikan pada sebuah metode
kecerdasan buatan.

1. Sejarah dan perkembangan Artificial intelligence (AI).

Bahan Kajian / 2. Teknik-teknik dalam AI.
Materi 3. Algoritma pencarian.
Pembelajaran 4. Jaringan syaraf tiruan.
5. Algoritma genetika.
 Utama:

1. Russel, Stuart and Norvig, Peter. 1995. Artificial Intelligence: A Modern Approach. Prentice Hall
International, Inc.
Daftar Referensi 2. Suyanto. 2007. Artificial Intelligence: Searching, Reasoning, Planning and Learning. Informatika,
Bandung. ISBN:979-1153-05-1.

Pendukung:

Media Pembelajaran Proyektor dan Laptop/ PC

Nama Dosen
Muhammad Rijal Alfian, M.Sc.
Pengampu
Mata kuliah
-
prasyarat
 Sub-CPMK Penilaian
Bahan Kajian Bentuk dan Pengalaman
Mingg (Kemampuan Estimasi
(Materi Metode Belajar Kriteria &
u Ke- Akhir Yang Waktu Bobot
Pembelajaran) Pembelajaran Mahasiswa Indikator
Direncanakan) Bentuk (%)

(1) (2) (3) (4) (5) (6) (7) (8) (9)

 Mencari
Bentuk: Kuliah informasi
Kriteria:
Mahasiswa Aktifitas di melalui
Pengenalan  Ketepatan 1. Mahasiswa
mampu kelas: internet
articial dan memiliki gambaran
menjelaskan  Metode:  Berdiskusi
intelligence (AI): penugasan umum tentang AI
tentang motivasi Discovery TM: dalam
1. Definisi  Rubrik 2. Mahasiswa
atau latar learning kelompok
AI. 2 ×(3× 50' ) deskriptif mengetahui
1-2 belakang teknik  Media: kecil tentang 10
2. Beragam PT: untuk beberapa contoh
dasar dan LCD latar belakang
aplikasi AI. 2 ×(3× 60' ) diskusi aplikasi AI.
metode projector, AI, contoh AI
3. AI; dulu, kelompok 3. Mahasiswa
kecerdasan komputer dan
sekarang dan Bentuk Non- menjelaskan
buatan (artificial dan internet perkembanga
masa depan. test: Diskusi definisi AI.
intelligence)  Online:- n AI dari masa
kelompok
E-learning:- ke masa.
(Tugas 1)
3-4 Mahasiswa 1. Ruang TM:  Mencari Kriteria: Mahasiswa mampu: 10
Bentuk: Kuliah
dapat masalah. 2 ×(3× 50 )'
informasi  Ketepatan 1. Menjelaskan
menjelaskan 2. Sistem Aktifitas di PT: melalui dan definisi dari ruang
teknik-teknik produksi atau kelas: internet penugasan masalah, sistem
2 ×(3× 60' )
dalam operator.  Metode:  Berdiskusi  Rubrik produksi atau
kecerdasan 3. Metode Discovery dalam deskriptif operator dan
buatan pencarian learning kelompok untuk metode pencarian.
4. Kriteria  Media: kecil tentang diskusi 2. Menjelaskan
metode LCD teknik-teknik kelompok tentang metode
pencarian. projector, dalam Bentuk Non- pencarian.
komputer kecerdasan test: Diskusi 3. Mengemukak
dan internet buatan. kelompok an ukuran kriteria
  Online:-
E-learning:- (Tugas 2) metode pencarian.

Mahasiswa mampu:
1. Membedakan
algoritma blind
search dan
 Mencari informed search.
Blind search:
informasi 2. Mengkategori
1. Breadth
melalui kan metode-metode
First Search Kriteria:
internet blind search
(BFS) Bentuk: Kuliah
 Berdiskusi  Ketepatan berdasarkan
2. Depth Aktifitas di dan
dalam performansinya.
First Seacrh kelas: penugasan
kelompok 3. Menguraikan
(DFS)  Metode: tentang  Rubrik kelebihan dan
3. Depth
Discovery algoritma deskriptif kekurangan setiap
Mahasiswa Limited Search TM:
learning, blind search untuk metode blind
dapat (DLS)
cooperative 5 ×(3× 50' ) dan informed diskusi search.
5-9 membedakan 4. Uniform 20
learning PT: search. dan 4. Mengkategori
algoritma Cost Search
 Media: '
5 ×(3× 60 ) Mencari dan persentasi kan metode-metode
pencarian (UCS)
LCD menyelesaikan Bentuk Non- informed search
Informed Search:
projector, contoh studi test: berdasarkan
1. Generate
komputer kasus  Diskusi performansinya.
and Test
dan internet algoritma kelompok 5. Menguraikan
2. Hill
 Online:- blind search  Tulisan kelebihan dan
Climbing
E-learning: atau algoritma makalah kekurangan setiap
3. Best First
Search (BFS) informed  Persentasi metode informed
4. A* search. search.
(Tugas 3) 6. Menyelesaika
n masalah dengan
studi kasus blind
search dan
informed search.
 Bentuk: Kuliah  Mencari
informasi Kriteria:
Aktifitas di Mahasiswa mampu:
melalui
Jaringan Syaraf kelas:  Ketepatan 1. Menjelaskan
internet
Tiruan (JST)  Metode: dan definisi, komponen
 Berdiskusi penugasan
Mahasiswa 1. Pendahulu Discovery dan arsitektur
dalam
mampu an, sejarah. learning, TM:  Rubrik jaringan syaraf.
kelompok
menganalisis 2. Kompone collaborativ 3 ×(3 ×50' ) tentang deskriptif 2. Menjelaskan
10-12 permasalahan n jaringan e learning untuk teknik-teknik pada 20
PT: jaringan syaraf
yang diberikan, syaraf.  Media: ' persentasi. jaringan syaraf
3 ×(3 ×60 ) tiruan.
serta merancang 3. Arsitektur LCD Bentuk Non- tiruan.
solusi jaringan syaraf.  Mencari dan test: 3. Menyelesaika
projector, menyelesaikan
4. Fungsi computer  Tulisan n studi kasus
aktivasi. contoh studi mengenai jaringan
dan internet masalah
kasus jaringan syaraf tiruan.
 Online:-  Persentasi
syaraf tiruan.
E-learning:- (Tugas 4)
13-15 Mahasiswa TM:  Mencari Kriteria: Mahasiswa mampu: 20
Algoritma Bentuk: Kuliah
mampu '
3 ×(3 ×50 ) informasi  Ketepatan 1. Menjelaskan
Genetika
menganalisis Aktifitas di PT: melalui dan definisi isitilah-
1. Pendahulu
permasalahan kelas: isitilah pada
3 ×(3 ×60 ) internet penugasan
'
an
yang diberikan,  Metode:  Berdiskusi  Rubrik algoritma genetika.
2. Struktur
serta merancang Discovery dalam deskriptif 2. Menjelaskan
umum algoritma
solusi learning, kelompok untuk teknik-teknik pada
genetika
collaborativ tentang persentasi. algoritma genetika
3. Kompone
e learning algoritma Bentuk Non- 3. Menyelesaika
n utama
4. Seleksi  Media: genetika. test: n studi kasus
LCD  Mencari dan  Tulisan mengenai algoritma
5. Rekombin
projector, menyelesaikan masalah genetika.
asi
computer contoh studi  Persentasi
6. Mutasi
7. Algoritma dan internet kasus
genetika  Online:- algoritma
sederhana E-learning:- genetika.
 (Tugas 5)
16 UAS 20