RENCANA PEMBELAJARAN SEMESTER (RPS)

UNIVERSITAS DIPONEGORO

SPMI- UNDIP RPS 10.04.05 501

Revisi ke 1
Tanggal 5 September 2019
Dikaji Ulang Oleh Ketua Program Studi Teknik Elektro
Dikendalikan Oleh GPM Teknik Elektro
Disetujui Oleh Dekan Fakultas Teknik

UNIVERSITAS SPMI-UNDIP/RPS/10.04.05/097 Disetujui Oleh

DIPONEGORO
Revisi ke Tanggal Dekan Fak. Teknik
Rencana Pembelajaran
1 5
Semester
September
2019
 UNIVERSITAS DIPONEGORO
SPMI-
FAKULTAS TEKNIK
UNDIP/RPS/10.04.05/09
DEPARTEMEN TEKNIK ELEKTRO
7
PROGRAM SARJANA

RENCANA PEMBELAJARAN SEMESTER

TANGGAL
MATA KULIAH (MK) KODE RUMPUN MK BOBOT SEMESTER
PENYUSUNAN
5 September
Sistem Cerdas TEL21501 Elektronika T=3 P=0 7
2019
Koordinator
OTORISASI/PENGESAHAN DOSEN PENGEMBANG RPS KaPRODI
RMK

CAPAIAN PEMBELAJARAN CPL yang dibebankan pada MK

PK2 Memiliki kemampuan melakukan perancangan, penerapan dan verifikasi
komponen, proses atau sistem yang sesuai dengan bidang keahlian untuk
memenuhi spesifikasi atau kebutuhan yang diinginkan serta
mempertimbangkan faktor-faktor lain seperti: ekonomi, lingkungan,
sosial, kesehatan, keselamatan dan keberlanjutan dengan
memanfaatkan sumber daya lokal dan nasional
CPMK (Capaian Pembelajaran Mata Kuliah)
CPMK-1 Mampu memahami konsep kecerdasan buatan
CPMK-2 Mengaplikasikan konsep pada beberapa algoritma yang ada
CPMK-3 Mampu merancang dan membuat aplikasi sistem cerdas sederhana
CPL 🡺 subCPMK

Deskripsi Singkat Mata kuliah ini akan memberikan pengertian dan pemahaman tentang kecerdasan
buatan, terutama pada beberapa aplikasi dari kecerdasan buatan dan beberapa teknik
penyelesaian masalah kecerdasan buatan yang mengalami banyak perkembangan
menjadi soft computing dan deep learning. Selain itu dikenalkan juga aplikasi dari sistem
cerdas yang sudah terimplementasi.
Bahan Kajian 1. Sarana dan Prasarana Sistem Cerdas
Materi Pembelajaran 2. Model Jaringan Syaraf dalam Kecerdasan Buatan
3. Karaktersitik ANN
4. Arsitektur Neural Network (ANN)
5. Metode Pembelajaran ANN, Learning Rule
6. Bidang-Bidang Ilmu yang Terkait dengan ANN
7. Sistem Fuzzy dan Perbedaannya dengan Sistem Crisp
8. Karakteristik Sistem Fuzzy
9. Arsitektur Sistem Fuzzy
10. Perancangan Sistem Cerdas Sederhana
Pustaka Utama:
1. Laurene Fausett, Fundamentals of neural networks: architectures, algorithms,
and applications, Prentice-Hall, Inc. Upper Saddle River, NJ, USA, 1994
2. Atanassov, K.T., Intuitionistics Fuzzy Sets, Springer-Verlag, 1999.
 Pendukung:
1. Mordeson, J.N., Nair, P.S., Fuzzy Mathematics, An Introduction for Enggineer
and Scientists, Springer-Verlag Company, 2001.
2. Paper-paper pada jurnal internasional sesuai dengan topik yang didiskusikan
dalam perkuliahan.
Pengampu Trias Andromeda, Ph.D
Prasyarat -
Media Pembelajaran Papan Tulis, LCD Projector, Laptop, dan Power Point

Bentuk
pembelajaran;
Metode
Sub-CPMK Penilaian
Pembelajaran;
Mg (sebagai Materi Bobot
Penugasan;
ke- kemampuan akhir Pembelajaran (%)
[Estimasi Waktu]
yang diharapkan)
Tatap
Kriteria dan
Indikator Muka/Lur Daring
Bentuk
ing
(1) (2) (3) (4) (5) (6) (7) (8)
1 Mampu memahami ● Ketepatan Kriteria: Kuliah, ● RPS 5
sistem perkuliahan, menjabarkan Ketepatan diskusi dan ● Kontrak kuliah
sistem penilaian, dan makna system sesuai kerja ● Pendahuluan
tata tertib kuliah cerdas sesuai pedoman mandiri
mengetahui maksud definisi yang penilaian
dan tujuan model ada TM: 3 x
matematis jaringan 50”
syaraf BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
2 Mampu mengenal ● Pemahaman Kriteria: Kuliah, ● Matlab 5
sarana dan prasarana pemrograman Ketepatan diskusi dan ● Mikroprosesor
sistem cerdas ● Memahami sesuai kerja secara umum
fungsi pedoman mandiri disertai contoh
mikroprosesor penilaian aplikasi
untuk system TM: 3 x
cerdas 50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
3 Mampu memahami ● Mahasiswa Kriteria: Kuliah, ● Model neuron
model jaringan syaraf merespon aktif Ketepatan diskusi dan ● Fungsi aktivasi
dalam kecerdasan materi yang sesuai kerja ● Layer-layer pada
buatan diberikan pedoman mandiri jaringan syaraf
dengan cara penilaian tiruan
bertanya dan TM: 3 x
berdiskusi. 50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
60”
 Merangkum
bahan ajar
4 Mampu memahami ● Mahasiswa Kriteria: Kuliah, ● Arsitektur,
karaktersitik ANN merespon aktif Ketepatan diskusi dan perancangan 7.5
materi yang sesuai kerja organisasi
diberikan pedoman mandiri neuron,
dengan cara penilaian hubungan antar
bertanya dan TM: 3 x neuron
berdiskusi. 50” ● Fungsi aktivasi,
BT: 3 x Step, sign,
Bentuk 50” sigmoid, dll.
non-test: BM: 3 x ● Algoritma
Merangkum 60” pembelajaran,
bahan ajar pembaharuan
dan
pembelajaran
bobot terkait
waktu.
5 Mampu memahami ● Mahasiswa Kriteria: Kuliah, ● Single Layer 7.5
dan menguasai merespon aktif Ketepatan diskusi dan Feedforward NN
beberapa Arsitektur materi yang sesuai kerja ● Multilayer Neural
Neural Network (ANN) diberikan pedoman mandiri Network
dengan cara penilaian ● Recurrent Neural
bertanya dan TM: 3 x Network
berdiskusi. 50” ● Competitive
BT: 3 x Neural Network
Bentuk 50” ● Backpropagation
non-test: BM: 3 x
Merangkum 60”
bahan ajar
6 Mampu menguasai ● Mahasiswa Kriteria: Kuliah, ● McCulloch-Pitts 10
metode Pembelajaran merespon aktif Ketepatan diskusi dan Learning
ANN, Learning rule materi yang sesuai kerja ● Hebb Learning
diberikan pedoman mandiri ● Extended Hebb
dengan cara penilaian Rule
bertanya dan TM: 3 x ● Perceptron Rule
berdiskusi. 50” ● Delta Rule or
BT: 3 x Widrow-Hoff
Bentuk 50” Rule:
non-test: BM: 3 x
Merangkum 60”
bahan ajar
7 Mampu mengetahui ● Mahasiswa Kriteria: Kuliah, ● Teknik Elektro, 10
Bidang-bidang Ilmu merespon aktif Ketepatan diskusi dan pemrosesan
yang terkait dengan materi yang sesuai kerja sinyal, teori
ANN diberikan pedoman mandiri kontrol
dengan cara penilaian ● Computer
bertanya dan TM: 3 x Engineers,
berdiskusi. 50” robotics
● Mahasiswa BT: 3 x ● Computer
mempunyai Bentuk 50” Scientists,
wawasan luas non-test: BM: 3 x artificial,
dengan Merangkum 60” intelligence,
bidang yang bahan ajar pattern
terkait recognition
 ● Mathematicians,
pemodelan untuk
kasus yang relasi
input dan
outputnya
diketahui
UTS 40
8 Mampu memahami ● Menyimak Kriteria: Kuliah, ● Pengenalan 5
system Fuzzy dan penjelasan Ketepatan diskusi dan logika fuzzy
membedakannya dosen sesuai kerja ● Himpunan fuzzy
dengan system Crisp ● Diskusi pedoman mandiri ● Fungsi
atau tegas penilaian keanggotaan
TM: 3 x ● Operator dasar
50” operasi
BT: 3 x Himpunan fuzzy
Bentuk 50” ● Fungsi implikasi
non-test: BM: 3 x fuzzy
Merangkum 60” ● Sistem inferensi
bahan ajar fuzzy
9 Mahasiswa mampu ● Menyimak Kriteria: Kuliah, ● Fleksibilitas dan 5
memahami penjelasan Ketepatan diskusi dan kemudahan
karakteristik sistem dosen sesuai kerja system fuzzy
Fuzzy ● Diskusi pedoman mandiri ● Area penerapan
penilaian sistem fuzzy
TM: 3 x
50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
10 Mahasiswa ● Menyimak Kriteria: Kuliah, ● Fuzzifikasi 15
menguasai arsitektur penjelasan Ketepatan diskusi dan ● Rule base
system Fuzzy dosen sesuai kerja ● Defuzzifikasi
● Diskusi pedoman mandiri ● Inference engine
penilaian
TM: 3 x
50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
11 Mampu menyusun ● Memunculkan Kriteria: Kuliah, ● contoh masalah 15
atau merancang ide terapan Ketepatan diskusi dan pengenalan pola
sistem cerdas ● Menggali sesuai kerja sederhana
sederhana kemampuan pedoman mandiri ● FLC pada
mengemukaka penilaian MATLAB
n ide solutif TM: 3 x Simulink
50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
12 Mendemonstrasikan ● Memunculkan Kriteria: Kuliah, ● Masalah yang 10
sistem yang dirancang ide terapan Ketepatan diskusi dan dipilih untuk
● Menggali sesuai kerja media belajar
kemampuan pedoman mandiri
mengemukaka penilaian
n ide solutif TM: 3 x
50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
13 Mampu memahami ● Menyimak Kriteria: Kuliah, ● Pengenalan 5
system Fuzzy dan penjelasan Ketepatan diskusi dan logika fuzzy
membedakannya dosen sesuai kerja ● Himpunan fuzzy
dengan system Crisp ● Diskusi pedoman mandiri ● Fungsi
atau tegas penilaian keanggotaan
TM: 3 x ● Operator dasar
50” operasi
BT: 3 x Himpunan fuzzy
Bentuk 50” ● Fungsi implikasi
non-test: BM: 3 x fuzzy
Merangkum 60” ● Sistem inferensi
bahan ajar fuzzy
14 Mahasiswa mampu ● Menyimak Kriteria: Kuliah, ● Fleksibilitas dan 5
memahami penjelasan Ketepatan diskusi dan kemudahan
karakteristik sistem dosen sesuai kerja system fuzzy
Fuzzy ● Diskusi pedoman mandiri ● Area penerapan
penilaian sistem fuzzy
TM: 3 x
50”
BT: 3 x
Bentuk 50”
non-test: BM: 3 x
Merangkum 60”
bahan ajar
UAS 40