Jalan Kampus Universitas Teknologi Mataram, Kekalik, Mataram, Telp. (0370) 628418
Nama Mata Kuliah Kode Mata Kuliah Bobot (sks) Semester Tgl Penyusunan
Artificial Intelligence 3 5
Otorisasi
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.
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. 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:
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 (%)
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