RENCANA PEMBELAJARAN SEMESTER

(RPS)

KBKF63307
INTELIGENSI BUATAN

Disusun oleh:

PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER (FILKOM)

UNIVERSITAS PUTRA INDONESIA “YPTK” PADANG

 LEMBAR PENGESAHAN

Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb:

Kode Mata Kuliah : KBKF63307

Nama Mata Kuliah : Inteligensi Buatan

Padang, 2017
Menyetujui
Ka Prodi S1 Teknik Informatika

Rini Sovia, S.Kom, M.Kom

ii
 DAFTAR ISI

LEMBAR PENGESAHAN.................................................................................................................. ii

DAFTAR ISI ........................................................................................................................................iii

A. PROFIL MATA KULIAH........................................................................................................... 1

B. B.RENCANA PEMBELAJARAN SEMESTER (RPS) ............................................................. 2

C. RANCANGAN INTERAKSI DOSEN–MAHASISWA ............................................................. 7

D. RANCANGAN TUGAS ............................................................................................................ 9

E. PENILAIAN DENGAN RUBRIK ............................................................................................. 10

F. PENENTUAN NILAI AKHIR MATA KULIAH ..................................................................... 10

iii
A. PROFIL MATA KULIAH

IDENTITAS MATA KULIAH

Nama Mata Kuliah : Inteligensi Buatan

Kode Mata Kuliah : KBKF63307
SKS : 3
Jenis : MK Wajib
Jam pelaksanaan : Tatap muka di kelas = 3 x 50 menit per minggu
Responsi = 1 x 50 menit per minggu

Semester / Tingkat : 6/3

Pre-requisite : -
Co-requisite : -
Bidang Kajian : Artificial Intelligence, Fuzzy Logic, Expert System, Artificial Neural
Network

DESKRIPSI SINGKAT MATA KULIAH

Intelegensi Buatan adalah mesin yang mampu berpikir, mampu menimbang tindakan yang akan
diambil dan mampu mengambil keputusan seperti yang dilakukan oleh manusia. Jadi, mata kuliah
Intelegensi Buatan ini menjelaskan mengenai konsep dan definisi dari intelegensi buatan,
menjelaskan ilmu yang berkaitan dengan intelegensi buatan. Pada mata kuliah ini akan dibahas
konsep dari searching, sistem pakar, logika fuzzy, jaringan saraf tiruan dan algoritma genetika

DAFTAR PUSTAKA
1. Sutojo. T, dkk, Kecerdasan Buatan, Penerbit Andi, Jakarta, 2012
2. Budiharto. W, Suhartono. D, Artificial Intelligence Konsep dan Penerapannya, Andi, 2014
3. Suyanto, Artificial Intelligence : Searching - Reasoning - Planing - Learning (Edisi Revisi Kedua),
Informatika, 2014
4. Desiani. A, Arhami. M, Konsep Kecerdasan Buatan, Andi.

1
B. RENCANA PEMBELAJARAN SEMESTER (RPS)
Pertemuan Kemampuan Akhir yang
ke- Diharapkan
1  Dapat menyebutkan definisi,
sejarah dan ilu ilmu yang
berkatitan dengan kecerdasan
buatan
 Dapat membedakan antara
kecerdasan alami dan kecerdasan
buatan
 Dapat mengetahui kasus apa saja
yang bisa diselesaikan dengan
menggunakan soft computing
2  Dapat menyebut definisi dari
masalah dan kecerdasan buatan
 Dapat menerangkan yang mana
masalah, ruang keadaan dan aturan
 Dapat menggunakan teknik
searching untuk menyelesaikan
masalah
3  Dapat memahami teknik BFS
 Dapat memahami teknik DFS
 Dapat menyelesaikan kasus
dengan teknik BFS dan DFS
Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot
Metode/ (Indikator) Nilai
Strategi
SEKILAS TENTANG  Ceramah
Pembelajaran  Ketepatan dalam
KECERDASAN BUATAN mendefinisikan
 Definisi kecerdasan buatan kecerdasan buatan
 Sejarah Kecerdasan buatan  Ketepatan dalam
 Ilmu – ilmu yang berkaitan membedakan kecerdasan
dengan kecerdasan buatan alami dan kecerdasan
 Kecerdasan alami vs buatan
kecerdasan buatan
 Soft Computing
GENERAL PROBLEM  Ceramah  Ketepatan dalam
SOLVING  Problem- menentukan masalah
 Definisi masalah dalam Based yang ada di dalam
kecerdasan buatan Learning kecerdasan buatan
 Masalah, ruang keadaan  Ketepatan dalam memilih
dan aturan teknik yang akan
 Pengenalan teknik digunakan untuk
Searching (Blind Serach menyelesaikan masalah
dan Heuristic Search)
BLIND SEARCH  Ceramah  Ketepatan dalam
 Breadth First Search (BFS)  Problem- melakukan pencarian
 Depth First Search (DFS) Based dengan teknik BFS
Learning  Ketepatan dalam
melakukan pencarian
dengan teknik DFS
2
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot
ke- Diharapkan Metode/ (Indikator) Nilai
Strategi

4
 Mahasiswa dapat memahami
teknik Generate and Test
 Mahasiswa dapat memahami
teknik Hill Climbing (Simple Hill
Climbing dan Stepest Ascend Hill
Climbing)
 Mahasiswa dapat memahami
teknik Best First Search
 Mahasiswa dapat menyelesaikan
kasus dengan teknik Generate and
Test, Hill Climbing dan Best First
Search
HEURISTIC SEARCH
Pembelajaran
 Generate and Test
 Hill Climbing (Simple Hill
Climbing dan Stepest
Ascend Hill Climbing)
 Best First Search
 Ceramah 
Ketepatan dalam
 Problem- melakukan pencarian
Based dengan teknik Generate
Learning and Test
 Ketepatan dalam
melakukan pencarian
dengan teknik Hill
Climbing
 Ketepatan dalam
melakukan pencarian
dengan teknik Best First
Search

5
 Dapat memahami tentang definisi KNOWLEDGE  Ceramah  Ketepatan dalam
pengetahuan dalam kecerdasan REPRESENTATION merepresentasikan
buatan  Definisi Pengetahuan pengetahuan dengan
 Dapat merepresentasikan  Cara merepresentasikan menggunakan salah satu
pengetahuan dengan cara pengetahuan cara representasi
representasi logika, jaringan - Representasi Logika
semantik, frame, script dan aturan - Jaringan Semantik
produksi - Frame
- Script
- Aturan Produksi

3
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot
ke- Diharapkan Metode/ (Indikator) Nilai
Strategi

6
 Dapat memahami tentang definisi, SISTEM PAKAR (1)  Ceramah 
Pembelajaran Ketepatan dalam
ciri-ciri, konsep dasar sistem pakar  Definisi, manfaat, ciri-ciri,  Problem- memahami cara kerja
 Dapat mengetahui bagaimana cara konsep dasar sistem pakar Based metode forward chaining
membuat sistem pakar dengan  Teknik Inferensi sistem Learning dan backward chaining.
teknik inferensi forward chaing pakar  Ketepatan dalam
dan backward chaining  Forward Chaining menyelesaikan kasus
 Backward Chaining sistem pakar dengan
metode forward chaining
dan backward chaining.

7
 Dapat mengetahui bagaimana cara SISTEM PAKAR (2)  Ceramah  Ketepatan dalam
membuat sistem pakar dengan  Teknik Inferensi sistem  Problem- memahami cara kerja
teknik inferensi certainty factor pakar Based metode certainty factor
dan teorema bayes  Certainty Factor Learning dan teorema bayes
 Teorema Bayes  Ketepatan dalam
menyelesaikan kasus
sistem pakar dengan
metode certainty factor
dan teorema bayes
 Mampu menyelesaikan soal / studi QUIZ  Tes  Ketepatan dalam 7.5%
8 kasus yang berhubungan dengan  Materi pra-UTS menyelesaikan soal quiz
materi pra-UTS

UJIAN TENGAH SEMESTER 30 %

4
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot
ke- Diharapkan Metode/ (Indikator) Nilai
Strategi

10
 Dapat memahami tentang definisi LOGIKA FUZZY (1)  Ceramah 
Pembelajaran Ketepatan dalam
dan konsep dasar logika fuzzy  Definisi logika fuzzy memahami tentang
 Konsep dasar logika fuzzy definisi dan konsep dasar
tentang logika fuzzy
11
 Dapat mengetahui bagaimana cara LOGIKA FUZZY (2)  Ceramah  Ketepatan dalam
menyelesaikan logika fuzzy  Teknik Inferensi logika  Problem- menyelesaikan kasus
dengan metode Tsukamoto, fuzzy Based logika fuzzy dengan
metode Mamdani dan metode - Metode Tsukamoto Learning metode Tsukamoto,
Sugeno - Metode Mamdani metode Mamdani dan
- Metode Sugeno metode Sugeno

 Dapat memahami tentang jaringan JARINGAN SARAF  Ceramah  Ketepatan dalam
12
saraf tiruan TIRUAN (1)  Problem- Menyelesaikan kasus JST
 Dapat mengetahui bagaimana cara  Jaringan Saraf Tiruan Based dengan model neuron
mambuat jaringan saraf tiruan  Model Neuron McCulloch Learning dan model hebb
dengan model neuron dan model and Pitts
hebb  Model Hebb

13
 Dapat mengetahui bagaimana cara JARINGAN SARAF  Ceramah  Ketepatan dalam
mambuat jaringan saraf tiruan TIRUAN (2)  Problem- Menyelesaikan kasus JST
dengan perceptron dan  Perceptron Based dengan perceptron dan
backpropagation  Backpropagation Learning backpropagation

5
Pertemuan Kemampuan Akhir yang Bahan Kajian (Materi Ajar) Bentuk/ Kriteria Penilaian Bobot
ke- Diharapkan Metode/ (Indikator) Nilai
Strategi

14
 Dapat memahami tentang  Ceramah 
ALGORITMA GENETIKA Pembelajaran Ketepatan dalam
algoritma genetika dan  Pengantar Algoritma  Problem- memahami konsep dari
mengetahui masalah apa saja yang Genetika Based algoritma genetika
bisa diselesaikan dengan algoritma  Gen dan Individu Learning  Ketepatan dalam
genetika  Populasi membedakan gen,
 Dapat mengetahui tentang gen,  Mutasi individu, populasi dan
individu, populasi dan mutasi mutasi

 Mampu menyelesaikan soal / studi QUIZ  Tes  Ketepatan dalam 7.5%

15 kasus yang berhubungan dengan  Materi pra-UAS menyelesaikan soal quiz
materi pra-UAS

UJIAN AKHIR SEMESTER 30 %

6
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA
Kemampuan Akhir yang Diharapkan
Nama Kajian
Nama Strategi
Minggu Penggunaan Strategi (Metode)
Deskripsi Singkat Strategi (Metode)
pembelajaran
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen
Mengulas materi yang telah diberikan
pada pertemuan sebelumnya (untuk
pertemuan 2 dst).
Menjelaskan tentang tujuan pembelajaran
dari kegiatan pembelajaran.
Mengarahkan mahasiswa untuk
melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Membahas materi.
Mengajukan sejumlah pertanyaan terkait
materi yang telah diberikan.
Menyimpulkan materi.
7
Mahasiswa mampu memahami konsep
materi yang diberikan.
1. Sekilas Tentang Kecerdasan Buatan
2. General Problem Solving
3. Blind Search
4. Heuristic Search
5. Knowledge Representation
6. Sistem Pakar (1)
7. Sistem Pakar (2)
8. Logika Fuzzy (1)
9. Logika Fuzzy (2)
10. Jaringan Saraf Tiruan (1)
11. Jaringan Saraf Tiruan (2)
12. Algoritma Genetika
Ceramah
1 – 7 dan 10 – 14
Dosen mengulas materi sebelumnya,
menjelaskan tujuan, hasil pembelajaran,
materi, dan kesimpulan, serta mendorong
mahasiswa untuk aktif bertanya dan
mengemukakan pendapat terkait materi
yang disampaikan.
Aktivitas Mahasiswa
Mengungkapkan apa yang telah dipahami
dari materi yang telah disampaikan pada
pertemuan sebelumnya.
Menyimak penjelasan dosen.
Menyiapkan diri menerima materi yang
akan disampaikan.
Menyimak dan mencatat hal-hal penting
dari materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang
jelas.
Menjawab pertanyaan yang diberikan.
Menyimak kesimpulan.
Kemampuan Akhir yang Diharapkan Mahasiswa mampu menuangkan konsep
materi yang dipelajari untuk menyelesaikan
suatu kasus.
Nama Kajian 1. General Problem Solving
2. Blind Search
3. Heuristic Search
4. Sistem Pakar (1)
5. Sistem Pakar (2)
6. Logika Fuzzy (2)
7. Jaringan Saraf Tiruan (1)
8. Jaringan Saraf Tiruan (2)
9. Algoritma Genetika
Nama Strategi Problem Based Learning (PBL)
Minggu Penggunaan Strategi (Metode) 2, 3, 4, 6, 7, 11, 12, 13, 14
Deskripsi Singkat Strategi (Metode)Mahasiswa diminta membuat
pembelajaran menyelesaikan suatu kasus sesuai dengan
materi yang diberikan.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Memberikan kasus yang harus Menyelesaikan soal yang diberikan.
diselesaikan dalam bentuk soal latihan.
Membahas hasil jawaban mahasiswa. Mempresentasikan jawaban dari setiap soal.

Kemampuan Akhir yang Diharapkan Mahasiswa mampu menyelesaikan soal/

studi kasus yang berhubungan dengan
materi pra- UTS dan pra-UAS.
Nama Kajian 1. Quiz (Evaluasi) Pra-UTS
a. General Problem Solving
b. Blind Search
c. Heuristic Search
d. Representasi Pengetahuan
e. Sistem Pakar
2. Quiz (Evaluasi) Pra-UAS
a. Logika Fuzzy
b. Jaringan Saraf Tiruan
c. Algoritma Genetika
Nama Strategi Tes
Minggu Penggunaan Strategi (Metode) 9, 15
Deskripsi Singkat Strategi (Metode) Mahasiswa diminta untuk menyelesaikan
pembelajaran soal- soal quiz sebagai evaluasi terhadap
pemahaman materi yang telah diberikan.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Memberikan soal quiz. Menyelesaikan soal yang diberikan.
8
D. RANCANGAN TUGAS
Kode mata Kuliah KBKF63307
Nama Mata Kuliah Inteligensi Buatan
Kemampuan Akhir yang Mampu memahami semua konsep dalam kecerdasan
Diharapkan buatan yang telah dipelajari untuk menyelesaikan
kasus tugas akhir matakuliah secara komprehensif
Minggu / Pertemuan ke 14 – 16
Tugas ke Tugas Akhir
1. Tujuan tugas:
Memahami semua konsep dalam kecerdasan buatan yang telah dipelajari untuk
menyelesaikan kasus tugas akhir matakuliah secara komprehensif

2. Uraian Tugas:
a. Obyek garapan:
 Melakukan bedah jurnal yang berhubungan dengan kecerdasan buatan
 Jurnal yang akan dibedah adalah Jurnal Nasional dan Jurnal Internasional
yang ber-ISSN
 Jurnal yang sudah dibedah, harus dibuatkan rangkumannya dalam bentuk
makalah.
b. Yang harus dikerjakan dan batasan-batasan:
 Topik sudah diberikan oleh dosen untuk masing-masing mahasiswa
 Cari dan download masing-masing 1 buah Jurnal Nasional dan Jurnal
Internasional sesuai dengan topik masing-masing.
 Baca dan bedah jurnal tersebut, kemudian buat rangkuman tentang jurnal
yang sudah dibedah tersebut dalam bentuk makalah.
 Jurnal dan Makalah dikumpulkan pada pertemuan terakhir perkuliahan
c. Metode/cara pengerjaan, acuan yang digunakan:
 Tugas akhir adalah tugas perorangan.
 Topik tugas akhir berasal dari dosen, mahasiswa hanya mencari dan
merangkum berdasarkan topik yang diterima
d. Deskripsi luaran tugas yang dihasilkan/dikerjakan: Makalah
3. Kriteria penilaian:
 Penilaian Individu (100%)
- Jurnal Nasional (15%)
- Rangkuman Jurnal Nasional (25%)
- Jurnal Internasional (25%)
- Rangkuman Jurnal Internasional (35%)

E. PERSENTASE KOMPONEN PENILAIAN

1. Kuis : 10%
2. Tugas Akhir : 20%
3. UTS : 30%
4. UAS : 40%
9
F. PENILAIAN DENGAN RUBRIK
Jenjang Angka
Deskripsi perilaku (Indikator)
(Grade) (Skor)
A > 80 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada,
Jurnal Nasional Ada, Rangkuman Jurnal Nasional Ada
B 65 – 79 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada,
Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada
C 55 – 64 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Ada,
Jurnal Nasional Tidak Ada, Rangkuman Jurnal Nasional Tidak Ada
D 40 – 54 Jurnal Internasional Ada, Rangkuman Jurnal Internasional Tidak Ada,
Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada
E ≤ 40 Jurnal Internasional Tidak Ada, Rangkuman Jurnal Internasional Tidak Ada,
Jurnal Nasional Ada, Rangkuman Jurnal Nasional Tidak Ada

G. PENENTUAN NILAI AKHIR MATA KULIAH

Nilai Angka (NA) Nilai Huruf (NH)

NA > 80 A
65 < NA ≤ 79 B
55 < NA ≤ 64 C
40 < NA ≤ 54 D
NA < 40 E

10