SPKSILABIMATA KULIAH:SISTEM PENDUKUNG KEPUTUSANJenisLAMASKS:3JURUSAN:TI, SIPRASYARAT:SEMESTER:DESKRIPSI:Kuliah ini membahas teknologi untuk mengembangkan aplikasi SPK, dimana pengambilan keputusan dilakukan dengan didukung oleh hasil analisis dari kumpulan data yang adaTUJUAN:Mahasiswa mampu memahami langkah-langkah pengambilan keputusan dan mampu membangun sistem pendukung keputusan dengan memanfaatkan hasil analisis data pendukung yang ada.MATERINOMATERI PEMBELAJARANRINCIAN MATERIRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1Sistem Pendukung Manajemen Sebuah TinjauanManajer dan Pengambilan Keputusan,Mahasiswa mampu memahami dan menjelaskan tentang: pengambilan keputusan, keputusan manajerial dan sistem informasi, pentingnya dukungan komputer, keputusan terkomputerisasi dan kerangka kerja pendukung keputusanPengambilan Keputusan Manajerial dan Sistem Informasi,Manajer dan Dukungan KomputerPendukung Komputusan TerkomputerisasiKerangka Kerja Pendukung Keputusan2Sistem Pendukung Manajemen Sebuah TinjauanKonsep Sistem Pendukung KeputusanMahasiswa mampu memahami dan menjelaskan tentang: sistem pendukung keputusan, sistem pendukung kelompok, sistem informasi perusahaan, sistem manajemen perusahaan dan DSS cerdas tingkat lanjutSistem Pendukung Keputusan KelompokSistem Informasi PerusahaanSistem Manajemen PerusahaanDSS cerdas3Sistem Pengambilan Keputusan, Pemodelan, dan PendukungPengambilan Keputusan : Pengantar dan DefinisiMahasiswa mampu memahami dan menjelaskan tentang: pengambilan keputusan pengantar dan definisi, fase-fase pengambil keputusan dan pengambilan keputusan intelijenFase-fase pengambilan keputusanPengambilan Keputusan : fase intelijen4Sistem Pengambilan Keputusan, Pemodelan, dan PendukungPengambilan Keputusan : fase desainMampu memahami dan menjelaskan tentang:pengambilan keputusan dan fase desain, fase pilihan, fase implementasi, bagaimana keputusan didukungPengambilan Keputusan : fase pilihanPengambilan Keputusan : fase implementasi5SISTEM PENDUKUNG KEPUTUSANPengertian SPKMampu memahami dan menjelaskan tentang sistem pengambilan keputusankarakteristik dan kapabilitas SPKArsitektur SPK6SISTEM PENDUKUNG KEPUTUSANKomponen-komponen SPKmampu memahami dan menjelaskan komponen-komponen penyusun SPK, serta klasifikasi SPKKlasifikasi SPK7PERSIAPAN UTSreview materimampu menjawab pertanyaan yang sesuai dengan materi 1- 68PEMODELAN DAN ANALISISPemodelanMampu mamahami dan menjelaskan tentang: pemodelan, model statis,dan dinamis, kepastian, dan diagram pengaruhModel Statis dan dinamisKepastian, Ketidakpastian, dan resikoDiagram Pengaruh9PEMODELAN DAN ANALISISPengenalan Berbagai Model dalam SPKMampu memahami dan menjelaskan model tabel keputusan, model AHPModel dengan tabel keputusanModel AHP10PEMODELAN DAN ANALISISModel Pencocokan Profilemampu memahami dan menjelaskan model pencocokan profile11Contoh Aplikasi SPKSistem Pendukung Keputusan ditinjau dari komponen-komponen penyusunnyamampu mengenali suatu permasalahan yang dapat diangkat menjadi aplikasi sistem pendukung keputusan dan mampu menganalisis suatu aplikasi sistem pendukung keputusan ditinjau dari komponen-komponen penyusun SPK12Studi kasusMenentukan jenis pemodelan yang sesuai untuk kasus tertentumampu memilih jenis pemodelan yang sesuai untuk kasus tertentu13Studi KasusMerancang SPK berdasarkan Arsitektur SPKmampu merancang SPK sederhana berdasarkan komponen-komponen penyusunnya14PERSIAPAN UASreview materi setelah midmampu menjawab pertanyaan yang sesuai dengan materi setelah UTSDAFTAR PUSTAKA1.Decision Support Systems and Intelligent Systems;Efraim Turban & Jay E. Aronson,6th edition, Prentice Hall, Upper Saddle River, NJ, 20012.Konsep dan Aplikasi Sistem Pendukung Keputusan, Kusrini, 20073Pengambilan Keputusan Bagi para Pemimpin, Thomas L. Saaty, PPM4Sistem Pendukung Keputusan, Kadarsah, Suryadi, 1998, PT Remaja Rosdakarya, Bandung

FUZZYSILABIMATA KULIAH:LOGIKA SAMARJenisLAMASKS:3JURUSAN:TIPRASYARAT:SEMESTER:DESKRIPSI:TUJUAN:mahasiswa dapat memahami konsep-konsep dasar Logika Samar dan mampu menerapkan pada masalah-masalah diantaranya: Teknik, Ekonomi, Kedokteran, Psikologi, Riset Operasi, Ilmu-ilmu sosial, dsb.MATERINOMATERI PEMBELAJARANRINCIAN MATERIRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1PendahuluanAlasan digunakan Logika Samar dan AplikasinyaMampu mengerti dan memahami definisi logika samar2Mengulang Himpunan-Himpunan Elementer dan Nilai KarakteristikHimpunan dan operasi-operasi pada himpunanMampu memahami himpunan elementer dan menggunakannya3Mengulang Himpunan-Himpunan Elementer dan Nilai KarakteristikHimpunan dan operasi-operasi pada himpunanmampu memahami himpunan dan operasi-operasi yang ada didalamnya.4Pengertian Himpunan Samar (Fuzzy) dan Nilai KeanggotaanHimpunan dan Nilai Keanggotaanmampu memahami himpunan dan nilai keanggotaan5Pengertian Himpunan Samar (Fuzzy) dan Nilai Keanggotaanhimpunan samar elementermampu memahami himpunan samar elementer6Himpunan Samar, Fungsi KeanggotaanBeberapa contoh fungsi-fungsi keanggotaan : linear (naik/turun)mampu memahami fungsi keanggotaan linear7PERSIAPAN UTSreview materi : materi 1-6mampu meyelesaikan persoalan yang terkait dengan materi no 1 - 68Himpunan Samar, Fungsi KeanggotaanFungsi keanggotaan : berbentuk kurva segitiga, trapezium, kurva baku, dan kurva Smampu memahami fungsi keanggotaan kurva, segitiga, trapezium, baku, dan S9Operator Himpunan Samar (Fuzzy)operator unionmemahami dan menggunakan operator-0perator pada himpunan samaroperator irisankomplemen10Operator Himpunan Samar (Fuzzy)operator sub himpunan fuzzymemahami operator-operator pada himpunan samar dan menggunakannya11Jarak Hamming dan Jarak Euclides untuk Himpunan-Himpunan SamarDefinisi: Jarak Hamming, Jarak Euclides, untuk dua himpunan Samar.memahami jarak hamming dan jarak euclides12Jarak Hamming dan Jarak Euclides untuk Himpunan-Himpunan SamarContoh-contoh13Operator pada Logika Samar (Fuzzy)Pengertian operasi: AND, OR, IMPLIKASImemahami operator-operator pada logika samar14Operator pada Logika Samar (Fuzzy)Pemakaian operator-operator : AND, OR, IMPLIKASImampu menggunakan operator-operator pada logika samar15IMPLIKASIImplikasi : Dienes-Reseher, Lukasiewics, Zadeh,mampu memahami dan menjelaskan berbagai macam implikasi16IMPLIKASIImplikasi : Godel, Tsunamoto, Mandani, Sugemo, dan contoh-contoh.ampu memahami dan menjelaskan berbagai macam implikasiv17Sistem Inferensi Samar (Fuzzy)Modus Ponens, Modus Tollens, Modus Transitif,mampu memahami berbagai metode inferensi19Sistem Inferensi Samar (Fuzzy)Modus Ponen yang digeneralisasi dan Modus Tollens yang digeneralisasimampu memahami berbagai metode inferensi yang digeneralisasi20Metoda Inferensi: Fuzzyfikasi, Pembangkitan Aturan, DefuzzyfikasiPengertian Fuzzyfikasi, Pembuatan Aturan dengan berbagai contohmemahami pengertian fuzzyfikasi, pembuatan aturan21Metoda Inferensi: Fuzzyfikasi, Pembangkitan Aturan, DefuzzyfikasiDefuzzyfikasi, dengan beberapa contoh.memahami defuzzyfikasi22Aplikasi Logika Samar di berbagai bidangContoh aplikasi: permasalahan ekonomi, permasalahan pertanian, kedokteran, dsbmemahami contoh-contoh aplikasi diberbagai bidang menggunakan fuzzy logic23Aplikasi Logika Samar di berbagai bidangContoh aplikasi: permasalahan ekonomi, permasalahan pertanian, kedokteran, dsbmampu menggunakan fuzzy logic untuk diterapkan dalam berbagai bidang24PERSIAPAN UASreview materi setelah midmampu menjawab pertanyaan yang sesuai dengan materi setelah UTSDAFTAR PUSTAKA1.Himpunan dan Logika Samar serta aplikasinya, Setiadji, Graha Ilmu, 20092.Himpunan dan Logika Samar serta aplikasinya, Susilo, SJ, Graha Ilmu, 20063Fuzzy Sets and Fuzzy Logic Theory and Application, Klir George and Yuan Bo, Prentice Hall, 19954Artificial Intelegence, Sri Kusumadewi, 2003

JSTSILABIMATA KULIAH:Jaringan Syaraf TiruanJenisLAMASKS:3JURUSAN:TIPRASYARAT:Kecerdasan Buatan, Matematika InformatikaSEMESTER:DESKRIPSI:Matakuliah ini menjelaskan mengenai konsep-konsep yang berhubungan dengan JST, jenis-jenis algoritma pembelajaran JST dan implementasi JSTTUJUAN:1. Mhs mampu memahami konsep JST2. Mhs dapat mengetahui dan memahami jenis-jenis algoritma pembelajaran JST3. Mhs mampu mengimplementasikan JST dalam kehidupan nyataMATERINOMATERI PEMBELAJARANRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1PendahuluanMahasiswa mampu memahami dan menjelaskan Konsep dan jenis-jenis Neural Network Model matematis Neural NetworkMhs mampu memahami Model matematis Neural NetworkvMhs mampu mengetahui penerapan Neural Network di kehidupan nyatav2Fungsi AktivasiMhs mampu memahami fungsi aktivasivMhs dapat membedakan masing-masing fungsi aktivasi yang ada3Hebb ruleMhs mampu memahami algoritma Hebb rule dan arsitekturnyavvMhs mampu menggunakan algoritma Hebb rule untuk aplikasi JSTvv4PerceptronMhs mampu memahami algoritma perceptron dan arsitekturnyavv5Mhs mampu memahami vektor prototipevv6Mhs mampu menggunakan algoritma perceptron untuk aplikasi JSTvv7Review Materi UTSMhs mampu menyelesaikan soal yang berhubungan dengan Hebb rule, perceptron dan delta rulev8Delta RuleMhs mampu memahami algoritma Delta Rule dan dapat menggunakan pada aplikasi JSTvv9AdalineMhs mampu memahami algoritma Adaline dan menggunakannya dalam aplikasi JSTvv10MadalineMhs mampu memahami algoritma Madaline dan menggunakannya dalam aplikasi JSTvv11bacpropagationMhs mampu memahami algoritma backpropagation satu lapis (single layer)vv12Mhs mampu memahami algoritma backpropagation satu lapis(multilayer) dan banyak outputvv13Mhs mampu menggunakan algoritma backpropagation untuk aplikasi JSTvv14Review Materi UASmhs dapat menyelesaikan soal untuk algoritma backpropagatvSOFTWARE:HARDWARE: -DAFTAR PUSTAKA1Fausett Laurene, Fundamentals of Neural Networks : architectures, algorithms and applications, Prentice-Hall, Inc, 1994.2LiMin Fu, 1994, Neural Network In Coomputer Intelligence, McGraw-Hill International Editions.3Robert J Schalkoff, Artificial Neural Network, McGraw-Hill International Editions, 1997.4Sri Kusumadewi, Membangun Jaringan Syaraf Tiruan menggunakan MATLAB dan Excel Link, Penerbit Graha Ilmu Yogyakarta, 2004.5JJ. Siang, 20023, Pemrograman Jaringan Saraf Tiruan Dengan Matlab, Penerbit Andi, Yogyakarta

AISILABIMATA KULIAH:Kecerdasan BuatanJenisLAMASKS:3JURUSAN:TIPRASYARAT:logika informatika, matematika informatikaSEMESTER:DESKRIPSI:Matakuliah ini mempelajari dasar-dasar kecerdasan buatan, teknik-teknik AI, dan bidang ilmu yang berada didalam kecerdasan buatanTUJUAN:1. Mhs mampu memahami konsep dasar AI2. Mhs mampu mendefinisikan dan menggambarkan problem space3. Mhs mampu memahami dan menerapkan teknik-teknik pelacakan dalam AI4. Mampu mengenal bidang-bidang yang berada di dalam AIMATERINOMATERI PEMBELAJARANSub MateriRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1pengantar Sistem cerdasMahasiswa mampu memahami dan menjelaskan definisi sistem cerdas, AI dan ruang lingkup AI.2Deskripsi Obyek dan SimbolMhs mampu mendeskripsikan obyek dan simbol-simbol dalam AIvv3Problem SpaceMhs mampu memahami dan mendefinisikan problem spacev4Mhs menggambarkan problem space5searchingMhs mampu memahami teknik pelacakan dan berbagai teknik-teknik pelacakan6Mhs mampu memilih jenis teknik pelacakan: Buta dan heuristik7Persiapan UTS8searchingMhs mampu mengaplikasikan teknik pelacakan9Representasi PengetahuanMhs mampu memahami konsep pengetahuan dan representasi pengetahuan serta memilih RP yang sesuai dgn permasalahan10Membuat RP yang sesuai dengan permasalahan menggunakan Tool tertentu11Aplikasi AIMhs mampu memahami aplikasi AI: Agent cerdas, Game12Bahasa Pengenalan AIMhs mampu mengenal berbagai macam bahasa pemrograman AI13Mhs mampu menggunakan bahasa pemrograman Prolog14Persiapan UASSOFTWARE:HARDWARE: -DAFTAR PUSTAKA1Sri Kusuma Dewi, 2003, Artificial Intelegence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta.2Morris W Fembaugh, 1998, Artificial Intelegence :A Knowledge Base Approach, PWS-Kent Publiser Boston.3Elaine Rich & Kevin Knight, Artificial Intelligence, 2 nd Ed, Mc Graw Hill, Inc, Singapore.4Suyanto, 2004, Intelegensi Buatan : Teori dan Pemrograman, Gava Media, 20045Visual Prolog Version 5.0, Getting Started, Prolog Development center AS, Copenhagen Denmark.

PakarSILABIMATA KULIAH:SISTEM PAKARJenisLAMASKS:3JURUSAN:TIPRASYARAT:KECERDASAN BUATAN, MATEMATIKA INFORMATIKASEMESTER:DESKRIPSI:Mata kuliah ini membahas tentang konsep sistem pakar,contoh aplikasi sistem pakar, dan merancang pembuatan sistem pakar sederhanaTUJUAN:Mahasiswa memiliki kemampuan untuk memahami konsep sistem pakar beserta struktur/komponen-komponen dalam sistem pakar memahami proses inferensi yang digunakan dalam sistem pakar, dapat melakukan akuisisi pengetahuan, memahami masalah ketidakpastian di dalam sistem pakar dan dapat mengatasinya serta mampu merancang sistem pakar sederhanaMATERINOMATERI PEMBELAJARANRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1Pengertian Sistem Cerdas, Knowledge Base System (KBS), dan Sistem Pakarmampu memahami pengertian sistem cerdas, KBS, dan sistem pakar2Ciri-ciri dan struktur Sistem Pakarmampu memahami ciri-ciri dan struktur sistem pakar serta mengenal dan memahami kategori problem dalam sistem pakar3Pengetahuan dan Representasi Pengetahuanmampu memahami pengertian pengetahuan, hirarki pengetahuan, dan representasi pengetahuan4Akuisisi Knowledgemampu memahami proses akuisisi pengetahuan,5Akuisisi Knowledgemampu melakukan proses akuisisi pengetahuan dan merepresentasikan dalam bentuk yang sesuai.6Inferensimampu memahami pengertian inferensi dan berbagai metode untuk melakukan inferensi7Test Persiapan UTSmampu menjawab pertanyaan yang terkait dengan pengertian sistem cerdas, KBS, sistem pakar, pengetahuan dan representasinya , proses akuisisi pengetahuan dan proses inferensi8Inferensidapat menerapkan metode inferensi untuk suatu kasus9Ketidakpastianmampu memahami konsep ketidakpastian dan metode-metode untuk mengatasi ketidakpastian10Ketidakpastianmampu menerapkan metode-metode untuk mengatasi ketidakpastian dalam suatu kasus11Contoh aplikasi sistem pakar sederhana dalam bidang tertentumampu mengenali suatu permasalahan yang dapat diangkat menjadi aplikasi sistem pakar dan mampu menganalisis suatu aplikasi sistem pakar ditinjau dari komponen-komponen sistem pakar12Perancangan Sistem Pakar SederhanaMampu memahami cara merancang sistem pakar13Perancangan Sistem Pakar Sederhanamampu merancang sistem pakar sederhana dengan mengacu pada struktur sistem pakar14Persiapan UASMampu menjawab pertanyaan yang terkait dengan ketidakpastian dan analisis aplikasi sistem pakar tertentuSOFTWARE:-HARDWARE: -DAFTAR PUSTAKA1.Giarratano, J, and Riley G.,2004. Expert System : Principle and Programming ,2.Ignizio, James, P., Introduction to Expert System, 1991, McGraw-Hill. Inc, USA3.Kusumadewi, S, 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu4.Hartati, S, 2008, " Sistem Pakar dan Pengembangannya", Graha Ilmu

RobotikaSILABIMATA KULIAH:Kecerdasan BuatanJenisLAMASKS:3JURUSAN:TIPRASYARAT:Mikrokontroller dan Sistem PengaturanSEMESTER:DESKRIPSI:Matakuliah ini mempelajari dasar-dasar robotika dan sistem kendali robotTUJUAN:1. Mhs mampu memahami dasar-dasar robotika2. Mampu mengimplementasikan robot gerk sederhanaMATERINOMATERI PEMBELAJARANRINCIAN MATERIRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1PendahuluanPengertian robot, sejarah perkembangan robotika dan bagian robotikaMampu memahami pengertian robot dan sejarah perkembangan robotikav2Motor dan GerakJenis-jenis motorMampu mengenal jenis-jenis robotvv3Jenis-jenis gerakan robotMampu memahami sistem pengerak robot dan presisi gerak robot4Peralatan transfer dayalangsung dan tak langsungv5Roda dan suspensivv67Persiapan UTSv8Kaki dan lenganv9Bahan dan konstruksiv10v11Sensor dan NavigasiSensor suhu, Compass, ultrasonik dan Apiv1213Pemrograman Robotv14Persiapan UASSOFTWARE:HARDWARE: -DAFTAR PUSTAKA1Groover, et.al., [1986], "Industrial Robotics", McGraw Hill Book Coy., New York.2Sharon, et.al., (terj. Y. Sutrisno dan M. Mas'udi), [1987], "Robot dan Otomasi Industri", Elex Media Elektrindo, Jakarta.3Taufiq Dwi Septian Suyadhi, Build Your Own Line Follower Robot, Penerbit Andi, 2009

GASILABIMATA KULIAH:Algoritma GenetikaJenisLAMASKS:3JURUSAN:TIPRASYARAT:Kecerdasan Buatan, Matematika InformatikaSEMESTER:DESKRIPSI:Matakuliah ini menjelaskan mengenai konsep-konsep yang algoritma genetika, jenis-jenis operator, perkawinan dan mutasi genTUJUAN:1. Mhs mampu memahami konsep genetika algoritma2. Mhs mampu mengembangkan model genetika algoritma3. Mhs mampu mengimplementasikan algoritma genetika dalam kehidupan nyataMATERINOMATERI PEMBELAJARANRINCIAN MATERIRINCIAN KEMAMPUANKEGIATANTEORIPRAKTEK1Konsep dasar algoritma genetika1. Pengantar komputasi evolusi1. Mampu memahami konsep komputasi evolusiV2. Sejarah dan jenis algoritma genetik2. Mampu menjelaskan sejarah kemunculan algoritma genetikV23. Sistem Genetik Biologis3. Menguasai konsep sistem genetik biologisV4. Sistem Gen, alam , silang dan mutasi4. Mengenal penggunaan genetik algoritmaV3Teori SkemaSkema dan teori Skema1. Mampu memahami definisi schemataV2. Mampu menggunakan jenis teori schemataV4OperatorJenis-Jenis operator1. Mampu memahami operatorV2. Mampu menggunakan operator yang adaV5Parameter-parameter algoritma genetikaPindah silang, parameter-parameter lainMampu memahami parameter algoritma genetik.V2. Mampu menggunakan parameter dalam penerapan algoritma genetikaVV6Seleksi1. Konsep Fitness1. Mampu memahami definisi nilai fitness untuk seleksiV7Persiapan UTSV8Seleksi2. Metode Seleksi2. Mampu memahami jenis-jenis metode seleksiV3. Mampu menggunakan dan memilih metode seleksi yang adaVV9Encoding1. Pengkodean (Encoding), binary Encoding1. Mampu menguasai konsep berbagai mode pengkodeanV102. Real-Valued Encoding2. Mampu mensimulasikan berbagai mode pengkodean dengan GAVV113. Real-Valued Encoding dan Character EncodingVV4. Tree EncodingVV12Optimisasi fungsi1. Permasalahan Optimisasi1. Memahami permasalahan optimisasi fungsi.V2. Kodekan solusi menggunakan algoritma genetik.2. Mampu menganalisa permasalahan dan mengkodekan solusi menggunakan algoritma genetik.VV133. penggunaan optimisasi3. Mampu mensimulasikan algoritma genetik untuk menyelesaikan masalah optimisasi fungsi.V14Review Materi UASSOFTWARE:HARDWARE: -DAFTAR PUSTAKA1.Sri Kusumadewi, Hari Purnomo, Penyelesaian Masalah Optimasi dengan teknik Heuristic, Graha Ilmu, 20052.InfoTech Code Vision AVR C Compiler, http://www.hpinfotech.ro3Paraskeropoulus, P.N, Digital Control Systems, Prentice Hall, London, 1996