Universitas Negeri Surabaya
Fakultas Teknik
Program Studi S1 Teknik Informatika

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Kecerdasan Buatan

5520203032

Mata Kuliah Wajib Program Studi

T=3

P=0

ECTS=4.77

3

25 Desember 2024

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Aditya Prapanca, S.T., M.Kom.


Dr. Yuni Yamasari, S.Kom., M.Kom.


PARAMITHA NERISAFITRA

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-7

Kemampuan mendesain, mengimplementasikan, dan mengevaluasi solusi berbasis computing multi-platform yang memenuhi kebutuhan organisasi (COM-02)

Program Objectives (PO)

PO - 1

Mahasiswa dapat menerapkan konsep dan algoritma kecerdasan buatan dalam pengembangan aplikasi multi-platform (C3)

PO - 2

Mahasiswa dapat menganalisis dan memecah masalah kompleks ke dalam sub-komponen menggunakan prinsip-prinsip kecerdasan buatan untuk memudahkan penyelesaian (C4)

PO - 3

Mahasiswa dapat mengevaluasi efektivitas dan efisiensi algoritma kecerdasan buatan yang digunakan dalam solusi berbasis computing (C5)

PO - 4

Mahasiswa dapat menciptakan model kecerdasan buatan baru yang inovatif untuk memecahkan masalah aktual di industri (C6)

PO - 5

Mahasiswa dapat menerapkan teknik-teknik kecerdasan buatan dalam pengembangan sistem yang dapat beradaptasi dengan kebutuhan pengguna dan kondisi lingkungan yang berubah-ubah (C3)

PO - 6

Mahasiswa dapat menganalisis data besar menggunakan algoritma kecerdasan buatan untuk mendapatkan wawasan yang dapat diimplementasikan dalam pengambilan keputusan (C4)

PO - 7

Mahasiswa dapat mengevaluasi berbagai pendekatan dalam kecerdasan buatan untuk menentukan solusi terbaik dalam konteks multi-platform (C5)

PO - 8

Mahasiswa dapat bekerjasama dalam tim untuk mengembangkan proyek kecerdasan buatan, memanfaatkan kekuatan dan meminimalkan kelemahan setiap anggota tim (C3)

PO - 9

Mahasiswa dapat menciptakan prototipe aplikasi yang mengintegrasikan berbagai teknologi kecerdasan buatan untuk memenuhi kebutuhan spesifik pengguna (C6)

PO - 10

Mahasiswa dapat menganalisis dan mengkritik kinerja tim dalam proyek pengembangan kecerdasan buatan, memberikan umpan balik konstruktif untuk perbaikan (C5)

Matrik PLO-PO
 
POPLO-7
PO-1✔
PO-2✔
PO-3✔
PO-4✔
PO-5✔
PO-6✔
PO-7✔
PO-8✔
PO-9✔
PO-10✔

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PO-1✔✔
PO-2✔
PO-3✔
PO-4✔
PO-5✔
PO-6✔✔
PO-7✔✔
PO-8✔✔
PO-9✔✔
PO-10✔✔

Deskripsi Singkat Mata Kuliah

Mengkaji konsep softcomputing, Perceptron, Neural Network, Fuzzy, Supervised Learning, dan unsupervised Learning, serta aplikasinya dalam kehidupan sehari-hari.

Pustaka

Utama :

  1. Jang JSR., Neuro Fuzzy & Soft Computing, Prentice Hall, 1997
  2. Purnomo,MH, Supervised Learning Neural Networks, Graha Ilmu. 2006
  3. Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003
  4. Cormen T., Leiserson C., Rivest R., Stein C., Introduction to Algorithms, 2nd Edition, McG international Edition, 20045. Haykin, Neural Networks, 1999
  5. Prihanto, PERBAIKAN LAYANAN ADMINISTRASI PEMBAYARAN SPP SANTRI DI PONPES AL FATTAH SIDOARJO YANG TERINTERGASI DENGAN CHATBOT TELEGRAM MESSANGER, 2021
  6. Tjahyaningtijas, PENINGKATAN SOFT SKILL MELALUI WORKSHOP PEMANFAATAN ENERGI RENEWABLE BERBASIS ARTIFICIAL INTELLIGENCE BAGI PELAJAR DAN MASYARAKAT DI MANILA 2024
  7. Buditjahjanto, Kartini, Anifah SOSIALISASI PENGGUNAAN TEKNOLOGI ENERGI TERBARUKAN PEMBANGKIT LISTRIK TENAGA MATAHARI BERBASIS ARTIFICIAL INTELLEGENCE DI KABUPATEN MOJOKERTO 2022

Pendukung :

Dosen Pengampu

Anita Qoiriah, S.Kom., M.Kom.

Dr. Yuni Yamasari, S.Kom., M.Kom.

Dr. Ir. Ricky Eka Putra, S.Kom., M.Kom.

Ervin Yohannes, S.Kom., M.Kom., M.Sc., Ph.D.

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1

Memahami pendahuluan Artificial Intelegence
  1. Mengetahui tentang Artificial Intelegence
  2. Menjelaskan aplikasi sistem tentang Artificial Intelegence dalam kehidupan sehari-hari
 Kriteria:
  1. Kejelasan tentang konsep dasar Artificial Intelegence
  2. Kejelasan terkait aplikasi sistem tentang Artificial Intelegence dalam kehidupan sehari-hari

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Presentasi,diskusi kelompok, dan refleksi
3 X 50
Materi: Pengenalan AI dalam kehidupan sehari-hari
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

2

Minggu ke 2

Membuat software DSS sederhana menggunakan Statistik
  1. Memahami penyelesaian masalah menggunakan Statistik
  2. Membuat program DSS sederhana menggunakan Statistik
 Kriteria:

Keseuaian program DSS menggunakan Statistik


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Presentasi,diskusi kelompok dan refleksi serta Project Based Learning
3 X 50
Materi: DSS sederhana menggunakan Statistik
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

3

Minggu ke 3

Membuat software sederhana menggunakan Perceptron

- Memahami Perceptron Dapat membuat program DSS sederhana menggunakan Perceptron

 Kriteria:

Keseuaian program DSS menggunakan Perceptron


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Presentasi,diskusi kelompok dan refleksi
3 X 50
Materi: Perceptron
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

4

Minggu ke 4

Membuat software sederhana menggunakan Perceptron

Memahami Perceptron Dapat membuat program DSS sederhana menggunakan Perceptron

 Kriteria:

Keseuaian program DSS menggunakan Perceptron


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: Perceptron
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

5

Minggu ke 5

Membuat software sederhana menggunakan Neural Network (NN)
  1. Memahami konsep dasar NN
  2. Membuat program sederhana menggunakan NN
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar NN
  2. Keseuaian program dalam menggunakan NN

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Presentasi,diskusi kelompok dan refleksi
3 X 50
Materi: Membuat program sederhana menggunakan NN
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

6

Minggu ke 6

Membuat software sederhana menggunakan Neural Network (NN)
  1. Memahami konsep dasar NN
  2. Membuat program sederhana menggunakan NN
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar NN
  2. Keseuaian program dalam menggunakan NN

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: Membuat program sederhana menggunakan NN
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

7

Minggu ke 7

Membuat software sederhana menggunakan Neural Network (NN)
  1. Memahami konsep dasar NN
  2. Membuat program sederhana menggunakan NN
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar NN
  2. Kesesuaian program dalam menggunakan NN

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: Membuat program sederhana menggunakan NN
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

8

Minggu ke 8

UTS
  1. Menerapkan konsep yang telah dipelajari
  2. Menganalisis dan memecahkan masalah
  3. Menjawab soal esai dan studi kasus
 Kriteria:
  1. Kedalaman jawaban
  2. Kejelasan analisis
  3. Ketepatan Solusi

Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Menyelesaikan soal Ujian SubSumatif
3 X 50
Materi: materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Jang JSR., Neuro Fuzzy & Soft Computing, Prentice Hall, 1997
Materi: materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003
Materi: materi-materi dari minggu ke-1 s.d. ke-7
Pustaka: Cormen T., Leiserson C., Rivest R., Stein C., Introduction to Algorithms, 2nd Edition, McG international Edition, 20045. Haykin, Neural Networks, 1999		 15%

9

Minggu ke 9

Membuat software sederhana menggunakan Fuzzy
  1. Memahami konsep dasar Fuzzy
  2. Membuat program sederhana menggunakan Fuzzy
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar Fuzzy
  2. Kesesuaian program dalam menggunakan Fuzzy

Bentuk Penilaian :
Aktifitas Partisipasif, Penilaian Hasil Project / Penilaian Produk		 Presentasi, diskusi dan refleksi
3 X 50
Materi: Fuzzy
Pustaka: Jang JSR., Neuro Fuzzy & Soft Computing, Prentice Hall, 1997		 5%

10

Minggu ke 10

Membuat software sederhana menggunakan Fuzzy
  1. Memahami konsep dasar Fuzzy
  2. Membuat program sederhana menggunakan Fuzzy
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar Fuzzy
  2. Kesesuaian program dalam menggunakan Fuzzy

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: Fuzzy
Pustaka: Jang JSR., Neuro Fuzzy & Soft Computing, Prentice Hall, 1997		 5%

11

Minggu ke 11

Membuat software sederhana menggunakan Fuzzy
  1. Memahami konsep dasar Fuzzy
  2. Membuat program sederhana menggunakan Fuzzy
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar Fuzzy
  2. Kesesuaian program dalam menggunakan Fuzzy

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: Fuzzy
Pustaka: Jang JSR., Neuro Fuzzy & Soft Computing, Prentice Hall, 1997		 5%

12

Minggu ke 12

Membuat software sederhana menggunakan SOM
  1. Memahami konsep dasar SOM
  2. Membuat program sederhana menggunakan SOM
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar SOM
  2. Kesesuaian program dalam menggunakan SOM

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Presentasi, diskusi dan refleksi
3 X 50
Materi: SOM
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

13

Minggu ke 13

Membuat software sederhana menggunakan SOM
  1. Memahami konsep dasar SOM
  2. Membuat program sederhana menggunakan SOM
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar SOM
  2. Kesesuaian program dalam menggunakan SOM

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: SOM
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

14

Minggu ke 14

Membuat software sederhana menggunakan LVQ
  1. Memahami konsep dasar LVQ
  2. Membuat program sederhana menggunakan LVQ
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar LVQ
  2. Kesesuaian program dalam menggunakan LVQ

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Presentasi, diskusi dan refleksi
3 X 50
Materi: LVQ
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

15

Minggu ke 15

Membuat software sederhana menggunakan LVQ
  1. Memahami konsep dasar LVQ
  2. Membuat program sederhana menggunakan LVQ
 Kriteria:
  1. Kejelasan dalam memaparkan konsep dasar LVQ
  2. Kesesuaian program dalam menggunakan LVQ

Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Project Based Learning
3 X 50
Materi: LVQ
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003		 5%

16

Minggu ke 16

UAS

Mengevaluasi penjelasan dan penerapan konsep AI secara keseluruhan

 Kriteria:

Kemampuan menyelesaikan soal-soal terkait semua CPMK


Bentuk Penilaian :
Aktifitas Partisipasif, Tes		 Menyelesaikan soal Ujian Sumatif
3 X 50
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Jang JSR., Neuro Fuzzy & Soft Computing, Prentice Hall, 1997
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Russel Norvig, Artificial Intelligence A Modern Approach, Prentice Hall, 2003
Materi: Materi-materi dari minggu ke-9 s.d. ke-15
Pustaka: Cormen T., Leiserson C., Rivest R., Stein C., Introduction to Algorithms, 2nd Edition, McG international Edition, 20045. Haykin, Neural Networks, 1999		 15%



Rekap Persentase Evaluasi : Project Based Learning

No Evaluasi Persentase
1. Aktifitas Partisipasif 17.5%
2. Penilaian Hasil Project / Penilaian Produk 67.5%
3. Tes 15%
100%

Catatan

  1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
  2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
  3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
  4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
  5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
  6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
  7. Bentuk penilaian: tes dan non-tes.
  8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
  9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
  10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
  11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
  12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.