LMS-SPADA INDONESIA
Course Content
Topic outline
-
Mata kuliah Kecerdasan Buatan adalah mata kuliah dengan bobot 3 SKS yang terdiri dari 2 SKS kuliah dan 1 SKS praktikum. Pelaksanaan perkuliahan dalam satu semester terdiri atas 24 kali pertemuan. Secara rinci, perkulihan terdiri dari 14 kali pertemuan untuk memaparkan materi, 1 kali pertemuan untuk mengadakan Ujian Tengah Semester (UTS), dan 1 kali pertemuan untuk mengadakan Ujian Akhir Semester (UAS). Sedangkan untuk kegiatan praktikum terdiri dari 16 kali pertemuan di ruangan laboratorium. Rencana Pembelajaran Semester (RPS) untuk matakuliah ini versi PDF dapat didownload disini.
Mata kuliah ini mengajarkan konsep-konsep dasar kecerdasan buatan, dimana materi pembelajaran mencakupi sejarah Kecerdasan Buatan, Intelligent Agent, problem solving, metode pencarian, metode heuristik, first order logic, logika fuzzy, pengantar jaringan saraf tiruan, fungsi basis radial. Mata kuliah ini menggunakan Bahasa pemrograman Java, untuk mendukung pemahaman konsep tersebut di laboratorium.Dosen Koodinator mata kuliah ini adalah:
Irvanizam Zamanhuri, S.Si, M.Sc
irvanizam.zamanhuri@unsyiah.ac.id
Dalila Husna Yunardi, B.Sc, M.Sc
dalila@unsyiah.ac.idSistem Penilaian
Untuk mahasiswa FMIPA Universitas Syiah Kuala, sistem penilaian dilakukan dengan distribusi sebagai berikut:Tugas 25% Ujian Tengah Semester (UTS) 20% Ujian Akhir Semester (UAS) 25% Kuis Online 15% Praktikum 10% Keaktifan Forum 5% Catatan: Tugas merupakan kerja individu yang terbagi atas 4 (empat) tugas dengan prosentasi penilaian untuk masing-masing tugas sebesar 6.25%.
Kategori nilai huruf diberikan sesuai dengan Buku Panduan Akademik FMIPA UNSYIAH. Adapun Kategori nilai hurufnya adalah sebagai berikut:
- Istimewa (Nilai A),jika total nilai ≥87
- Sangat Baik (Nilai AB), jika 78 ≤total nilai≤87
- Baik (Nilai B), jika 69 ≤total nilai ≤78
- Sangat Cukup (Nilai BC), 60 ≤total nilai ≤69
- Cukup (Nilai C), 51 ≤total nilai ≤60
- Buruk (Nilai D), 41 ≤total nilai ≤51 (Tidak Lulus)
- Sangat Buruk (Nilai E), total nilai ≤ 41 (Tidak Lulus)
Academic Dishonesty
Diskusi secara kelompok untuk membicarakan materi perkuliahan dan tugas-tugas yang diberikan sangat dianjurkan, tetapi implementasi dari tugas-tugas yang diberikan haruslah dilakukan secara perorangan. Tidak dibenarkan bagi mahasiswa memberikan hasil pekerjaannya kepada mahasiswa yang lain. Apabila dari tugas yang dikumpulkan ditemukan indikasi bahwa tugas tersebut adalah hasil kopian dari teman yang lain, maka mahasiswa yang memberi kopian tugasnya dan mahasiswa yang mengkopi tugas tersebut sama-sama akan mendapat nilai 0.
Konsultasi
Apabila ada diantara mahasiswa mengalami kesulitan dalam memahami materi perkuliahan ataupun menyelesaikan tugas harap segera mendiskusikannya kepada dosen pengasuh secara langsung, via email, atau Forum diskusi Online.
Referensi- Stuart Russel & Peter Norvig, Artificial Intelligence: A Modern Approach, Third Edition Addison Wesley, Berkeley University.(strongly recommended)
- George F. Luger, Artificial Intelligence, Addison Wesley, Fourth Edition.
- Irvanizam Irvanizam, Multiple Attribute Decision Making with Simple Additive Weighting Approach for Selecting the Scholarship Recipients at Syiah Kuala University, International Conference on Electrical Engineering and Informatics (ICELTICs 2017), October 18-20, 2017, Banda Aceh Indonesia.
- Irvanizam Irvanizam, Application of the fuzzy topsis multi-attribute decision making method to determine scholarship recipients, International Conference on Computing and Applied Informatics (ICCAI 2017), November 28-30, 2017, Medan Indonesia.
-
Standard Kompetensi: Mahasiswa memahami konsep dasar dan penerapan kecerdasan buatan.
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Mendefinisikan kecerdasan buatan. (2). Sejarah kecerdasan buatan. (3). Contoh-contoh kecerdasan buatan. (4). Riset-riset di dalam kecerdasan buatan.
Kompetensi Dasar: (1). Mahasiswa memiliki pengetahuan dasar tentang kecerdasan buatan, (2). Mahasiswa mengetahui dan (3). memahami penerapan kecerdasan buatan di dalam bidang ilmu informatika.
Indikator: Mahasiswa mampu memahami konsep dasar kecerdasan buatan.
-
Materi ini menyajikan tentang pengertian kecerdasan buatan, memperkenalkan kepada mahasiswa bidang-bidang yang termasuk di dalam kecerdasan buatan, sejarah kecerdasan buatan, dan menyajikan bidang-bidang ilmu dalam kecerdasan buatan
-
Tautan ini menyajikan dan membahas tentang konsep dasar kecerdasan buatan, yang menyajikan topik pertanyaan dasar tentang Kecerdasan Buatan, cabang ilmu kecerdasan Buatan, dan aplikasi kecerdasan buatan.
-
Tautan ini menyajikan berbagai paper atau tulisan yang uptodate yangberkaitan dengan intellegent systems. Ini sebagai refernsi bahkan perkembangan kecerdasan buatan semakin berkembang saat ini.
-
Tugas 1: Buatlah ringkasan mengenai Video 1: Pengenalan Kecerdasan Buatan. Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 20 November 2017 pada sistem e-learning.
-
-
Standard Kompetensi: Mahasiswa mampu memahami konsep dasar kecerdasan buatan dan algoritma serta mampu membedakan antara keduanya.
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Konsep perbedaan antara kecerdasan buatan dan pemograman, (2). Bidang-bidang ilmu dalam kecerdasan buatan.
Kompetensi Dasar: (1). Mahasiswa mampu memahahami definisi kecerdasan buatan dan algoritma, (2). Mahasiswa dapat memberi penjelasan tentang perbedaan antara algoritma dan kecerdasan buatan.
Indikator: Mahasiswa mampu menjawab kuis yang berkaitan dengan materi kecerdasan buatan dan algoritma.
-
Materi ini membahas tentang definisi, contoh, relational agent, konsep agent, dan model-model agent. Jenis-jenis agent program yang dibahas oleh Russel dan Norvig juga turut dipaparkan dengan jelas.
-
Tautan ini menyajikan dan membahas tentang intelligent agents, jenis-jenis intellegent agents, hierarchy agents, dan aplikasinya.
-
Tautan ini menunjukkan salah satu aplikasi penggunaan intellegent agent dalam sotware game (AgentCubes). Software tersebut diberi nama Agentssheet.
-
Forum Diskusi 1 : adalah wadah untuk mendiskusikan materi tentang Intelligent Agent. Mahasiswa diharapkan aktif dalam berdiskusi, silakan memberikan pendapat dan tanggapan serta penjelasan mengenai topik inteligent agent
-
Kuis 1 adalah kuis pilihan berganda sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan pendahuluan kecerdasan buatan, sejarah perbedaan antara dan algoritma.
-
Tugas 2: Buatlah ringkasan mengenai Video 2: Intellegent Agent. Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 20 November 2017 pada sistem e-learning.
-
Materi praktikum 1: membahas tentang konsep agent, relational agent, dan cara merancang sebuah struktur agent. Pada praktikum ini, mahasiswa akan berlatih membuat sebuah struktur agent Robot Pembersih (Vacuum Cleaner).
-
-
Standard Kompetensi: Mahasiswa memahami konsep agen relasional.
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Konsep perbedaan antara kecerdasan buatan dan pemograman, (2). Bidang-bidang ilmu dalam kecerdasan buatan.
Kompetensi Dasar: (1). Mahasiswa memahami konsep agen relasional. (2). Mahasiswa mempu mendefinisikan kriteria-kriteria untuk membangun sebuah agen relasional. 3. Mahasiswa mempelajari contoh agen relasional yang sudah diberikan, yaitu taksi otomatis dan mampu membangun contoh sendiri berdasar kriteria-kriteria yang sudah didefinisikan.
Indikator: (1). Mahasiswa memahami dan mengerti konsep agen relasional. (2). Mahasiswa dapat menerapkan konsep agen relasional yang sudah dipelajari dengan membangun agen relasional sendiri.
-
Materi ini membahas tentang definisi agen relasional, contoh dengan taksi otomatis dan mampu membangun contoh sendiri berdasar kriteria-kriteria yang sudah didefinisikan.
-
Materi praktikum 2: membahas tentang jenis-jenis agent program dan cara merancang sebuah agent robot menggunakan bahasa pemrograman Java Applet. Pada praktikum ini, mahasiswa akan berlatih membuat sebuah agent Robot Pacman menggunakan metode Simple Reflex Agents.
-
-
Standard Kompetensi: Mahasiswa memahami cara-cara pemecahan masalah dalam kecerdasan buatan..
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Definisi problem solving, (2).Menjelaskan mekanisme problem solving dalam kecerdasan buatan, (3).Menerapkan metode problem solving ke kasus turis di Rumania.
Kompetensi Dasar: (1). Mahasiswa memahami penerapan pemecahan masalah(problem solving) di dalam kecerdasan buatan. (2). Mahasiswa memahami mekanisme pemecahan masalah dalam kecerdasan buatan.
Indikator: (1). Mahasiswa memahami penerapan konsep problem solving di dalam kecerdasan buatan. (2). Mahasiswa memahami cara kerja dan mekanisme problem solving.
-
Slide ini menyajikan materi tentang penyelesaian masalah agent, mekanisme kerja problem solving, dan contoh kasus turis di rumania.
-
Tautan ini menyajikan contoh-contoh problem solving. Salah satunya adalah dengan menggunakan teori kombinatorial. Pada tautan ini akan dibaha tentang bagaimana logika menyelesaikan permainan sudoku.
-
Kuis 2 sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan materi Agen Relasional dan Problem Solving.
-
Tugas 3: Buatlah ringkasan mengenai Video 3: Problem Solving. Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 20 November 2017 pada sistem e-learning.
-
Materi praktikum 3: membahas tentang konsep penentuan masalah dan ruang keadaan untuk memberikan output berupa solusi . Pada praktikum ini, mahasiswa akan berlatih membuat topologi tree sebagai salah satu solusi dalam memecahkan permasalahan Kecerdasan Buatan.
-
Problem solving
-
-
Standard Kompetensi: Mahasiswa mampu memahami dan menerapkan berbagai jenis teknik pencarian.
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Definisi teknik pencarian, (2). Jenis-jenis teknik pencarian. (3). Mendefinisikan blind search (4). Mengidentifikasi performance searching (5). Diskusi contoh program yang menerapkan algoritma teknik pencarian.
Kompetensi Dasar: (1). Mahasiswa mampu memahami berbagai jenis teknik pencarian. (2). Mahasiswa mampu menggunakan teknik pencarian yang sesuai untuk suatu permasalahan. (3). Mahasiswa mengetahui jenis-jenis teknik pencarian.
Indikator: (1). Mahasiswa memahami dan mengetahui jenis-jenis teknik pencarian. (2). Mahasiswa mampu memilih teknik pencarian yang tepat berdasarkan permasalahan yang diberikan.
-
Slide ini menyajikan materi tentang penjelasan macam-macam metode pencarian.
-
Tugas 4: Buatlah ringkasan mengenai Video 4: Metode Teknik Pencarian. Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 20 November 2017 pada sistem e-learning.
-
Forum Diskusi 2 : adalah wadah untuk mendiskusikan materi tentang metode Teknik Pencarian. Mahasiswa diharapkan aktif dalam berdiskusi, silakan memberikan pendapat dan tanggapan serta penjelasan mengenai topik Teknik Pencarian
-
Materi praktikum 4: membahas tentang konsep blind search. Pada praktikum ini, mahasiswa akan berlatih mengimplementasikan salah satu algoritma blind search pada kasus tree menggunakan bahasa pemrograman Java.
-
-
-
Standard Kompetensi: Mahasiswa memahami Teknik Pencarian Heuristik.
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Mempelajari teknik pencarian Hill Climbing (2). Mempelajari cara kerja teknik pencarian Hill Climbing (3). Membedakan antara teknik pencarian heuristik dengan teknik pencarian biasa di pertemuan sebelumnya. (4). Diskusi contoh program yang menggunakan teknik pencarian Hill Climbing..
Kompetensi Dasar: (1). Mahasiswa mampu memahami dan mengetahui jenis-jenis teknik pencarian heuristik. (2). Mahasiswa memahami menggunakan teknik pencarian heuristik yang tepat untuk permasalahan yang diberikan.
Indikator: (1). Mahasiswa mengerti algoritma dan jenis-jenis teknik pencarian heuristik. (2). Mahasiswa mampu memilih jenis teknik pencarian yang sesuai untuk permasalahan yang diberikan.
-
Slide ini mempelajari tentang konsep dan metode heuristic searh. Metode pencarian heuristic yang dijelaskan pada slide ini yaitu metode Generate and Test dan Hill Climbing.
-
Slide ini menjelaskan tentang contoh latihan dan penyelesaian dari metode pencarian.
-
Kuis 3 sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan materi Teknik Pencarian dan Teknik Pencarian Heuristic.
-
Tugas 6: Buatlah ringkasan mengenai Video 6: Teknik Pencarian Heuristic. Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 20 Desember 2017 pada sistem e-learning.
-
Materi praktikum 5: membahas tentang konsep Teknik Pencarian Heuristic Search. Pada praktikum ini, mahasiswa akan berlatih menyelesaikan permasalahan pada game 8-puzzle dengan menggunakan algoritma heuristic search.
-
-
Standard Kompetensi: Mahasiswa mengerti dan memahami metode Best First Search (BFS).
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Menjelaskan tentang teknik pencarian BFS (2). Menjelaskan tentang algoritma BFS (3). Diskusi contoh program yang menggunakan kedua teknik pencarian tersebut untuk memecahkan suatu masalah.
Kompetensi Dasar: (1). Mahasiswa memahami teknik pencarian BFS (2). Mahasiswa memahami cara kerja teknik pencarian BFS 3. Mahasiswa dapat menerapkan teknik pencarian BFS ke masalah yang diberikan.
Indikator: (1). Mahasiswa mengerti dan memahami teknik pencarian BFS (2). Mahasiswa mampu menerapkan teknik pencarian BFS ke permasalahan yang diberikan.
-
Slide ini mempelajari tentang konsep dan fungsi dari algoritma pencarian Best First Search. slide ini juga menjelaskan konsep dari algoritma yang termasuk dalam teknik pencarian best first search diantaranya Greedy Best First Search dan Algoritma A*.
-
Kuis 4 sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan materi Teknik Pencarian Best First Search.
-
Tugas 5: Buatlah ringkasan mengenai Video 5: Teknik Best First Search. Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 20 November 2017 pada sistem e-learning.
-
-
Standard Kompetensi: Mahasiswa diuji tingkat pemahamannya terhadap ketujuh Materi pembelajaran yang telah diajarkanpada minggu 1 sd 7.
Materi Pembahasan: Pada pertemuan ini akan diuji atau evaluasi materi tentang: (1). Pengenalan dan sejarah Kecerdasan Buatan (2). Agen relasional (3). Perbedaan antara kecerdasan buatan dan algoritma - Pemecahan masalah (problem solving) (4). Teknik pencarian (5). Teknik pencarian heuristik (6). Teknik pencarian Best First Search
Kompetensi Dasar: (1). Mahasiswa mengerti konsep-konsep dasar dan bidang riset di dalam bidang kecerdasan buatan. (2). Mahasiswa memahami cara-cara membangun sebuah agen relasional dan mampu membuat contoh sendiri. (3). Mahasiswa memahami cara-cara problem solving dan memahami teknik-teknik pencarian yang sudah dipelajari.
Indikator: Mahasiswa mendapat nilai UTS minimal C
-
Nilai UTS: Lampiran nilai Ujian Tengah Semester (UTS). UTS tersebut dilaksanakan secara ujian tertulis di dalam kelas.
-
Ujian Tengah Semester (UTS) ini akan diuji atau evaluasi materi tentang: (1). Pengenalan dan sejarah Kecerdasan Buatan (2). Agen relasional (3). Perbedaan antara kecerdasan buatan dan algoritma - Pemecahan masalah (problem solving) (4). Teknik pencarian (5). Teknik pencarian heuristik (6). Teknik pencarian Best First Search
-
-
Standar Kompetensi : Mahasiswa mampu memahami teknik pencarian A* dan Greedy Best First Search (Greedy BFS).
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Teknik pencarian dan algoritma A* (2). Teknik pencarian dan algoritma Greedy BFS (3). Diskusi contoh program yang menggunakan kedua algoritma tersebut.
Kompetensi Dasar : (1). Mahasiswa memahami teknik pencarian A* dan Greedy BFS (2). Mahasiswa dapat membedakan kedua teknik pencarian tersebut (3). Mahasiswa mampu menerapkan kedua teknik pencarian tersebut ke permasalahan yang diberikan.
Indikator: Mahasiswa memahami cara kerja teknik pencarian A* dan Greedy BFS
-
Slide ini mempelajari tentang konsep dan fungsi dari algoritma pencarian Best First Search. slide ini juga menjelaskan konsep dari algoritma yang termasuk dalam teknik pencarian best first search diantaranya Greedy Best First Search dan Algoritma A*.
-
Materi praktikum 6: membahas tentang konsep Object Oriented Programming pada Permainan Tic Tac Toe. Pada praktikum ini, mahasiswa akan berlatih membuat permainan Tic Tac Toe menggunakan bahasa pemrograman Java terutama Java Swing dan Japplet..
-
Forum Diskusi 3 : adalah wadah untuk mendiskusikan materi tentang metode Teknik Pencarian. Mahasiswa diharapkan aktif dalam berdiskusi, silakan memberikan pendapat dan tanggapan serta penjelasan mengenai topik Teknik Pencarian
-
Kuis 5 adalah kuis pilihan berganda sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan Teknik Pencarian A* dan Greedy Best First Search.
-
-
Standard Kompetensi: Mahasiswa mampu memahami konsep-konsep yang berkaitan dengan pencarian (searching) dan penalaran (reasoning).
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Konsep-konsep seputar searching dan reasoning (2). Perbedaan antara searching dan reasoning (3). Penerapan searching dan reasoning ke permasalah yang diberikan (4). Knowledge-based system (5). Penyelesaian masalah menggunakan teknik reasoning. (6). Diskusi contoh program yang menggunakan searching dan reasoning.
Kompetensi Dasar: (1). Mahasiswa memahami konsep searching dan reasoning (2). Mahasiswa mampu membedakan antara konsep searching dan reasoning.
Indikator: (1). Mahasiswa memahami cara kerja searching dan reasoning (2). Mahasiswa mengetahui jenis-jenis logic (3). Mahasiswa mampu membangun knowledge-based system.
-
Slide ini mempelajari tentang konsep dan fungsi dari algoritma pencarian dengan menggunakan beberapa contoh kasus. Slide ini juga menampilkan cara menghitung fungsi nilai heuristic mahattan distance.
-
Materi praktikum 7: membahas tentang konsep dasar-dasar bahasa pemrograman logic (SWI PROLOG). Pada praktikum ini, mahasiswa akan berlatih menerjemahkan dan mereresentasikan kasus-kasus order logic ke dalam program komputer; mampu memahami konsep logika proposional (Proposional Logic) dalam menyelesaikan suatu permasalahan logika.
-
Kuis 6 adalah kuis pilihan berganda sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan Pencarian dan Penalaran (Searching and Reasoning).
-
NEW Tugas 7: Buatlah ringkasan mengenai Video 7: Pencarian dan Penalaran (Searching and Reasoning). Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 30 Desember 2017 pada sistem e-learning.
-
Searching and reasoning
-
-
Standard Kompetensi: Mahasiswa mampu memahami konsep predicate logic dan predicate calculus.
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Menjelaskan tentang predicate calculus (2). Menjelaskan tentang predicate logic (3). Logika dengan contoh kasus, yaitu: hokum pernikahan (4). Pengenalan tentang First Order Logic (FOL) (5). Membangun knowledge representation terhadap permainan catur (6). Diskusi contoh program yang menerapkan predicate calculus dan predicate logic.
Kompetensi Dasar: (1). Mahasiswa memahami konsep predicate logic dan predicate calculus. 2. Mahasiswa mampu membedakan antara predicate logic dan predicate calculus. 3. Mahasiswa mampu menerapkan predicate logic dan predicate logic ke dalam permasalahan yang diberikan
Indikator: Mahasiswa memahami cara kerja predicate calculus dan predicate logic.
-
Materi praktikum 8: membahas tentang konsep dasar-dasar First Order Logic. Pada praktikum ini, mahasiswa akan berlatih membuat Silsilah Keturunan Kerajaan Inggris menggunakan SWI-PROLOG.
-
Self connection logic
-
Neuron, concept, dan connection
-
-
Standard Kompetensi: Mahasiswa mampu memahami konsep Simple Additive Weighting (SAW)
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Konsep dasar sietem pengambil keputusan (2). Metode yang digunakan untuk pengambil keputusan (3). contoh implementasi metode Simple Additive Weighting (SAW).
Indikator: Mahasiswa memahami konsep dasar Simple Additive Weighting (SAW)
-
Slide ini mempelajari tentang konsep dasar sistem pengambilan keputusan dan metode yang digunakan dalam mengambil sebuah keputusan, salah satu metodenya yaitu Simple Additive Weighting (SAW).
-
Artikel ini berisi jurnal terkait metode Simple Additive Weighting (SAW). Artikel ini mendeskripsikan tentang algoritma SAW dan juga mendemonstrasikan studi kasus penentuan penerima beasiswa berprestasi dan bantuan pendidikan pada universitas dengan menggunakan pendekatan SAW.
-
-
NEW Tugas 8: Buatlah ringkasan mengenai Video 8: Sistem Pengambilan Keputusan: Simple Additive Weighting (SAW). Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 30 Desember 2017 pada sistem e-learning.
-
Kuis 7 adalah kuis pilihan berganda sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan Sistem Pengambilan Keputusan: Simple Additive Weighting (SAW).
-
-
Standard Kompetensi: Mahasiswa mampu memahami konsep Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Kompetensi Dasar: (1). Mahasiswa memahami konsep Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). (2). Mahasiwa dapat mengimplementasi konsep Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Indikator: (1). Mahasiswa memahami teknik konsep Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
-
Slide ini mempelajari tentang konsep dasar metode pengambil keputusan dan langkah kerja dari metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
-
NEW Tugas 9: Buatlah ringkasan mengenai Video 9: Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Ringkasan diketik pada kertas A4 minimal 4 halaman dengan ketentuan spasi 1,5 dan berformat pdf. Tugas dikumpulkan paling telat pada tanggal 30 Desember 2017 pada sistem e-learning.
-
Kuis 8 adalah kuis pilihan berganda sebanyak 10 soal yang harus dijawab dan dikumpulkan secara online oleh setiap mahasiswa menggunakan LMS. Bahan kuis berkaitan dengan Sistem Pengambilan Keputusan: Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
-
Perbandingan metode : contoh kasus
-
Tugas individu ini adalah tugas mengenai algoritma pendukung keputusan TOPSIS untuk menentukan referensi smartphone sesuai dengan kebutuhan pengguna (user). SIlakan dikerjakan tugas ini dan diperhatikan ketentuan pengerjaan tugas.
Soal tugas dapat diunggah disini.
-
-
Standard Kompetensi: Mahasiswa mampu memahami logika fuzzy
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Konsep dasar logika fuzzy (2). Aturan-aturan dalam logika fuzzy (3). Penerapan logika fuzzy (4). Konsep defuzzification.
Indikator: Mahasiswa memahami konsep dasar logika fuzzy
-
Slide ini mempelajari tentang konsep dasar Metode Pengambilan Keputusan Atribut Berganda Berdasarkan Bilangan Fuzzy Eksponensial. juga dijelaskan pada slide, langkah-langkah penggunaan metode fuzzy.
-
Gambar fuzzy set numbers
-
-
Standard Kompetensi: Mahasiswa mampu memahami konsep Metode Set pair Analysis
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Konsep Metode Set pair Analysis
Kompetensi Dasar: (1). Mahasiswa memahami konsep Metode Set pair Analysis
Indikator: Mahasiswa memahami konsep Metode Set pair Analysis
-
Slide ini mempelajari tentang konsep dasar Metode Set pair Analysis. juga dijelaskan pada slide, langkah-langkah Triangular Fuzzy Number Multi-attribute Decision-making Menggunakan Metode Set-pair Analysis.
-
Graf sensitivity analysis : contoh
sumber: Website The National Center for Biotechnology Information (NCBI)
-
-
Standard Kompetensi: Mahasiswa diuji tingkat pemahamannya terhadap ketujuh materi pembelajaran yang telah diajarkan pada pertemuan 9 sd 15
Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1). Teknik pencarian A* dan Greedy BFS (2).Pencarian dan Penalaran (3). Predicate Logic dan Predicate Calculus (4). Logika Fuzzy (5). Jaringan Saraf dan Neuron Tiruan (6). Backpropagation (7). Radial Basis Function
Kompetensi Dasar: (1). Mahasiswa mengerti dan memahami teknik pencarian A* dan Greedy BFS (2). Mahasiswa mengerti dan memahami konsep penalaran dan pencarian (3). Mahasiswa memahami backpropagation, radial basis function, logika fuzzy, predicate calculus dan predicate logic.
Indikator: Mahasiswa mendapat nilai UAS minimal C
-
Ujian Akhir Semester ini mengevaluasi materi tentang materi Teknik Pencarian A* dan Greedy Best First, Pencarian dan Penalaran, Sistem Pengambilan Keputusan, dan TOPSIS
-
DPNA Matakuliah Kecerdasan Buatan Kelas A sudah dapat diunduh melalui elearning. Bagi Mahasiswa yang menyanggah nilai diberikan waktu sampai dengan Rabu, 8 Januari 2020, Pukul 10.30 WIB.
-
LMS-SPADA INDONESIA