Garis besar topik
-
-
Salam sejahtera untuk kita semua dan Selamat datang di kelas mata kuliah ELEMEN KECERDASAN BUATAN untuk para Mahasiswa Semoga selalu dalam keadaan sehat walafiat dan dalam Lindungan Allah SWT.
Mata kuliah ELEMEN KECERDASAN BUATAN memiliki Bobot SKS sebesar 2 SKS (Teori) dan perkuliahan akan dilaksanakan selama 16 kali pertemuan atau 16 minggu.
Selamat mengikuti perkuliahan ini dengan baik, dan tetap semangat !!
Wassalamu'alaikum Wr. Wb
Wassalamu'alaikum Wr. WbNURJOKO
Deskripsi Matakuliah :
Mata kuliah Elemen Kecerdasan Buatan membekali mahasiswa dengan pemahaman dasar mengenai konsep, prinsip, dan penerapan kecerdasan buatan (Artificial Intelligence/AI) dalam berbagai bidang. Materi perkuliahan mencakup definisi dan ruang lingkup AI, sejarah dan perkembangannya, serta pengenalan terhadap teknik-teknik utama seperti machine learning, search and planning, natural language processing, computer vision, dan decision making.
Selain memahami teori, mahasiswa juga akan mempelajari contoh nyata penerapan AI, seperti mobil otonom, sistem rekomendasi konten, pengenalan wajah, serta penggunaan AI dalam bidang kesehatan, pendidikan, dan bisnis. Mahasiswa diajak untuk menganalisis dampak sosial, etika, dan tantangan yang muncul dari penerapan AI di masyarakat.
Melalui kuliah, diskusi, dan tugas berbasis studi kasus, mata kuliah ini diharapkan dapat:
- Memberikan landasan konseptual tentang AI dan elemen-elemennya.
- Mengembangkan kemampuan kritis dalam mengevaluasi aplikasi AI.
- Menumbuhkan kesadaran etis dalam pemanfaatan teknologi AI untuk kepentingan masyarakat.
Model Asesment dan bobot penilaian
Peserta didik akan dievaluasi penguasaannya dan pemahamannya terhadap materi kuliah dengan menggunakan pendekatan sebagai berikut :
1. Presensi Kehadiran (20%)
2. Tugas Mandiri (20%)
3. Ujian Tengah Semester (20%)
4. Ujian Akhir Semester (20%)
5. Etika (20%)
-
-
-
-
-
Materi PPT Berkas PPTX
Pola Logika dan Penalaran
Pendahuluan
Peran Pengetahuan
Logika Proporsional
Pola Penalaran
Proof Methods
1.4 MB · Diunggah 3/10/25, 06:50
-
-
-
Materi PPT Berkas PPTX
First Order Logic
Pendahuluan
Dasar First Order Logic
Populasi Basis Pengetahuan
Prosedur Sistematics Inferencing Contoh Kasus (Sistem Pakar dengan First Order Logic)
62.1 KB · Diunggah 10/10/25, 05:56 -
-
Silahkan dikerjakan Soal Latihan berikut ini:
1. Tentukan hasil unification (substitusi) berikut ini:
a. P(x, a) dan P(b, y)
b. Q(f(x), x) dan Q(f(y), a)Latihan 2: Resolusi
Diketahui klausa-klausa berikut:
- ¬Manusia(x) ∨ Berakal(x)
- Manusia(Socrates)
Gunakan teknik resolusi untuk membuktikan apakah ΓÇ£Socrates berakalΓÇ¥ benar atau salah. Tunjukkan langkah-langkahnya.
Latihan 3: Modus Ponens
Diketahui:
- Jika mahasiswa rajin maka mahasiswa lulus.
- Budi adalah mahasiswa rajin.
Gunakan Modus Ponens untuk menyimpulkan hasil logisnya.
Tuliskan dalam bentuk simbolik dan hasil inferensinyaLatihan 4: Generalized Modus Ponens (GMP)
Diketahui aturan:
- Jika
seseorang adalah dosen dan seseorang mengajar mahasiswa, maka orang
tersebut berpengetahuan luas.
→ Dosen(x) ∧ Mengajar(x, y) → BerpengetahuanLuas(x) - Fakta:
- Dosen(Ani)
- Mengajar(Ani, Budi)
Pertanyaan:
Gunakan Generalized Modus Ponens untuk menyimpulkan fakta baru.
Tuliskan langkah-langkah inferensinya secara sistematis.Latihan 5 (Aplikasi Kasus Sistem Pakar)
Dalam sistem pakar kesehatan, diketahui:
- Jika
seseorang demam dan batuk, maka dia mungkin flu.
→ Demam(x) ∧ Batuk(x) → Flu(x) - Fakta: Demam(Ali), Batuk(Ali)
a. Gunakan Generalized Modus Ponens untuk menghasilkan kesimpulan.
b. Jika ditambahkan fakta baru “¬Flu(Ali)”, gunakan Resolusi untuk melihat apakah ada kontradiksi.
-
-
-
Materi PPT Berkas PPTX
Logika Program
- Pendahuuan
- Logika Kondisional
- Logika Perulangan
- Fungsi
- Operasinal (Aritmatika, Perbandingan, Boolean)
Contoh Kasus935.6 KB · Diunggah 17/10/25, 05:59
-
-
-
Materi PPT Berkas PPTX
Rule Base Reasoning
- Pendahuluan
- Forward Chaining
- Backward Chaining
- Forward vs Backward
- Sistem Penalaran Lainnya
879.2 KB · Diunggah 24/10/25, 08:26 -
-
-
-
Machine Learning
- Pendahuluan
- Tipe Machine Learning
- Disiplin ilmu Machine Learning
- Model Pembelajaran
994.7 KB · Diunggah 31/10/25, 06:49 -
-
Soal Diskusi:
1. Apa perbedaan utama antara Machine Learning dan Artificial Intelligence (AI)?
→ Diskusikan pendapat kalian dengan memberikan contoh aplikasi nyata dari masing-masing!2. Terdapat tiga tipe utama pembelajaran mesin: Supervised, Unsupervised, dan Reinforcement Learning.
→ Diskusikan perbedaan ketiganya dari segi tujuan, data yang digunakan, dan contoh penerapannya.3. Identifikasi dan diskusikan disiplin ilmu apa saja yang berperan penting dalam pengembangan Machine Learning, Berikan contoh bagaimana masing-masing disiplin tersebut berkontribusi dalam proses pelatihan model
-
-
-
Natural Language Processing
- Introduction
- Progress in NLP
- Applications of NLP
- Component of NLP
- Tools of NLP
1.2 MB · Diunggah 7/11/25, 04:10 -
-
-
-
Neural Network
ΓÇó Latar Belakang
ΓÇó Sejarah Jaringan Syaraf Tiruan
ΓÇó Jaringan Syaraf Tiruan Pertama
ΓÇó Perceptron
ΓÇó Traveling Salesman Problem
993.5 KB · Diunggah 28/11/25, 05:29 -
Meteri Vidio: Silahkan simak dan tonton pada link berikut:
-
-
-
Materi PPT Berkas PPTX
Unsupervised Learning
- Introduction
- Dimensionality Reduction and Matrix Factorization
- Clustering
Why Unsupervised Learning is Important?2.8 MB · Diunggah 5/12/25, 06:40
-
-
-
Automated Speech Recognition
- Introduction
- Automatic Speech Recognition Resources
- Voice Web
- Speech Recognition Algorithm
- Automatic Speech Recognition Tools
3.8 MB · Diunggah 12/12/25, 06:07 -
-
-
-
Machine Vision
- Introduction
- Machine Vision Application
- Basic Principles of Vision
- Machine Vision Technique
Computer Vision Tools
366.4 KB · Diunggah 19/12/25, 06:05 -
Meteri Vidio
-
1. Apa yang dimaksud dengan Computer Vision?
Diskusikan perbedaannya dengan image processing dan machine learning.
-
Mengapa Computer Vision menjadi salah satu bidang penting dalam perkembangan kecerdasan buatan saat ini?
2. Jelaskan tahapan umum dalam sistem Computer Vision (akuisisi citra, preprocessing, ekstraksi fitur, klasifikasi).
3. Sebutkan dan jelaskan minimal tiga contoh penerapan Computer Vision dalam kehidupan sehari-hari (misalnya pengenalan wajah, kendaraan otonom, atau diagnosis medis).
-
-
-
Materi PPT Berkas PPTX
Expert System
- Introduction
- Knowledge Representation
- Inference Engine
- Knowledge Acquisition
321.5 KB · Diunggah 5/01/26, 05:53 -
Silahkan Simak Materi Vidio pada link berikut ini:
-
-
-
Materi Berkas PDF
Information Retrieval (IR)
- Introduction
- Retrieval Strategies
- Types of IR
- Probabilistic Retrieval Model1.0 MB · Diunggah 2/01/26, 06:45
-
-
-
Materi PPT Berkas PPTX
Robotics
- Introduction
- Type of Robot
- Robot Perception
- Path Planning and Navigation
- Behavior and Intelligence
- Robotics in AI
- Emerging Trends of Robot567.7 KB · Diunggah 9/01/26, 08:34
-