Garis besar topik

    • Perkenalan dan Deskripsi Matakuliah Forum

      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. Wb

      NURJOKO

       

      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:

      1. Memberikan landasan konseptual tentang AI dan elemen-elemennya.
      2. Mengembangkan kemampuan kritis dalam mengevaluasi aplikasi AI.
      3. 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%)
    • Perkenalan dan Deskripsi Matakuliah Forum

      Assalamualaikum Wr.. Wb.

      Selamat Pagi dan salam sejahtera untuk para Mahasiswa Semoga selalu dalam keadaan sehat walafiat dan dalam Lindungan Allah SWT Tuhan yang Maha Kuasa.

      Selamat bergabung di kelas Mata kuliah Pengantar Sains Data pada Program Studi Sains Data  Fakultas Ilmu Komputer, IIB DARMAJAYA.

      Dalam matakuliah ini, kita akan membahas konsep dasar sains data dan perannya dalam berbagai sektor, serta bagaimana sains data memengaruhi kehidupan kita sehari-hari. Sains data sebagai salah satu bidang yang paling dinamis dan berpengaruh dalam ilmu pengetahuan dan industri telah mendorong pemahaman dan pengambilan keputusan berdasarkan data. Sains data telah mengubah cara kita memandang informasi dan membantu kita mengeksplorasi dunia dengan cara yang baru dan lebih mendalam.

      Selamat mengikuti perkuliahan ini dengan baik, dan  Tetap semangatΓǪ !!

      Wassalamu'alaikum Wr. Wb


      Nurjoko, S.Kom., M.T.I

       

      Deskripsi Matakuliah:

      Pengantar Sains Data merupakan mata kuliah yang secara komprehensif mempelajari konsep-konsep dasar, teknik, dan alat yang digunakan dalam analisis data untuk mendapatkan wawasan berarti dan mendukung pengambilan keputusan yang lebih baik. Mata kuliah ini memberikan dasar bagi mahasiswa untuk memahami bagaimana data dapat diolah, dipahami, dan dimanfaatkan untuk mengidentifikasi tren, pola, dan informasi berharga dengan berbagai pendekatan.

      Capaian Pembelajaran Mata Kuliah (CPMK)

      1. Mahasiswa memahami konsep dasar sains data dalam pengambilan keputusan, teknik dan analisis dasar menggunakan statistika, seperti statistika deskriptif dan inferensial.
      2. Mahasiswa mampu menjelaskan prinsip-prinsip dasar sains data, termasuk konsep data, preprocessing, analisis, dan interpretasi hasil.
      3. Mahasiswa mampu menganalisis kebutuhan analisis data yang spesifik dan memilih metode yang paling sesuai dan tools, seperti klasifikasi, regresi, clustering, atau lainnya.

       

      Struktur Pelaksanaan yaitu : 

      Materi ini akan kita pelajari sebanyak 16 kali pertemuan, dimana pertemuan 1-7 pemaparan materi dilanjutkan pertemuan ke 8 evaluasi UTS dan dilanjutkan pemaparan materi 9-15 dilanjutkan dengan pertemuan ke-16 evaluasi UAS. Untuk lebih detail bisa di lihat pada RPS.


      Model Asesment  dan bobot penilaian

      Evaluasi penguasaan dan pemahaman terhadap materi kuliah menggunakan pendekatan dengan instrumen sebagai berikut :

      1.      Presensi Kehadiran (20%)

      2.      Tugas Mandiri (20%)

      3.      Ujian Tengah Semester (20%)

      4.      Ujian Akhir Semester (20%)

      5.      Etika (20%)

       

      Pustaka

      1.      Introduction to Data Science, Laura Igual dan Santi Segui, Springer: 2017

      2.       An Introduction to Data Science, Jefrey Stanton, Syracuse University

      3.      PractiotionerΓÇÖs Guide to Data Science, Hui Lin dan Ming LI, 2023

  • Pertemuan Minggu ke-01, Mendefinisikan AI

    • Materi Berkas PPTX
      Siswa harus
      Tandai selesai

      Mendefinisikan AI

      - How should we define AI?

      1.3 MB · Diunggah 25/09/25, 09:39
    • MATERI PPT PERTEMUAN 1 Berkas PPTX
      Siswa harus
      Tandai selesai

      Konsep Dasar Data Science  

      -    Definisi Sains Data

      -    Apa itu Data

      -    Tentang Skills dan peluang Sains Data?

      -    Identifikasi Masalah Data secara umum?


      3.4 MB · Diunggah 7/09/26, 04:44
    • Diskusi Kelas: Konsep Dasar Data Science Forum
      Siswa harus
      Tandai selesai

      1. Apa yang terlintas di pikiran Anda saat mendengar istilah Data Science?
      2. Menurut Anda, apa itu data? Bisa sebutkan contoh data yang sering kita temui sehari-hari.
      3. Menurut Anda, skill apa yang paling penting dimiliki seorang Data Scientist?
      4. Apa peluang kerja atau manfaat Data Science yang paling menarik menurut kalian?
      5. Menurut Anda, masalah apa yang sering muncul ketika kita bekerja dengan data?

  • Pertemuan Minggu ke-02,Pola Logika dan Penalaran

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Pola Logika dan Penalaran

      • Pendahuluan

      • Peran Pengetahuan

      • Logika Proporsional

      • Pola Penalaran

      • Proof Methods

      Penalaran Nonmonotonic

      1.4 MB · Diunggah 3/10/25, 06:50
    • Materi Berkas PDF
      Siswa harus
      Tandai selesai

      PENGUMPULAN DATA DAN PREPROCESSING


      1.6 MB · Diunggah 7/09/26, 04:44

  • Pertemuan Minggu ke-03, First Order Logic (FOL)

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      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
    • Siswa harus
      Tandai selesai

      Silahkan simak dan pelajari materi Vidio berikut ini:



    • Latihan Penugasan
      Siswa harus
      Tandai selesai

      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:

      1. ¬Manusia(x) ∨ Berakal(x)
      2. Manusia(Socrates)
      Pertanyaan:

      Gunakan teknik resolusi untuk membuktikan apakah ΓÇ£Socrates berakalΓÇ¥ benar atau salah. Tunjukkan langkah-langkahnya.

      Latihan 3: Modus Ponens

      Diketahui:

      1. Jika mahasiswa rajin maka mahasiswa lulus.
      2. Budi adalah mahasiswa rajin.
      Pertanyaan:
      Gunakan Modus Ponens untuk menyimpulkan hasil logisnya.
      Tuliskan dalam bentuk simbolik dan hasil inferensinya


      Latihan 4: Generalized Modus Ponens (GMP)

      Diketahui aturan:

      1. Jika seseorang adalah dosen dan seseorang mengajar mahasiswa, maka orang tersebut berpengetahuan luas.
        → Dosen(x) ∧ Mengajar(x, y) → BerpengetahuanLuas(x)
      2. 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:

      1. Jika seseorang demam dan batuk, maka dia mungkin flu.
        → Demam(x) ∧ Batuk(x) → Flu(x)
      2. Fakta: Demam(Ali), Batuk(Ali)
      Pertanyaan:
      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 PDF
      Siswa harus
      Tandai selesai

      Statistik Deskriptif

      • Pengenalan Statistik Deskriftif.
      • Pengumpulan dan Presentasi Data (Qual & Quan) dan (frekuensi & distribusi).
      • Ukuran Pemusatan Data (Rata-rata, mean, modus).
      • Ukuran Variablitas Data (rentang & varians).

      1.0 MB · Diunggah 7/09/26, 04:44

  • Pertemuan Minggu ke-04, Logika Program

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Logika Program

      -          Pendahuuan

      -          Logika Kondisional

      -          Logika Perulangan

      -          Fungsi

      -          Operasinal (Aritmatika, Perbandingan, Boolean)

      Contoh Kasus

      935.6 KB · Diunggah 17/10/25, 05:59
    • Meteri PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Statistik Inferensial

      -          Pengenalan Statistik Inferensial

      -          Distribusi Probabilitas.

      -          Estimasi Parameter

      -          Pengujian Hipotesis

      Contoh Kasus

      739.7 KB · Diunggah 7/09/26, 04:44

  • Pertemuan Minggu ke-05, Rule Base Reasoning

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Rule Base Reasoning

      -  Pendahuluan

      -  Forward Chaining

      -  Backward Chaining

      -  Forward vs Backward

      -  Sistem Penalaran Lainnya


      879.2 KB · Diunggah 24/10/25, 08:26
    • Siswa harus
      Tandai selesai

      Materi Vidio



    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Supervised Learning

      -          Pengenalan Supervised Learning

      -          Tipe-Tipe Masalah Supervised Learning

      -          Pemahaman Tentang Data (training dan testing)

      Fitur dan Label

      593.9 KB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan ditonton dan simak Materi vidio Beriku ini:



    • Soal Latihan Forum
      Siswa harus
      Tandai selesai

      1. Jelaskan dengan singkat apa yang dimaksud dengan Supervised Learning!

      2. Sebutkan dua contoh masalah yang bisa diselesaikan dengan metode klasifikasi!

      3. Apa perbedaan utama antara data training dan data testing?

      4. Berikan contoh 3 fitur dan 1 label

  • Pertemuan Minggu ke-06, Machine Learning

    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Machine Learning

      -   Pendahuluan

      -  Tipe Machine Learning

      -  Disiplin ilmu Machine Learning

      -  Model Pembelajaran


      994.7 KB · Diunggah 31/10/25, 06:49
    • Siswa harus
      Tandai selesai

      Silahkan tonton dan pelajari materi Vidio berikut ini:


    • Latihan Diskusi Forum
      Siswa harus
      Tandai selesai

      Soal Diskusi:

      1. Apa perbedaan utama antara Machine Learning dan Artificial Intelligence (AI)?
          ΓåÆ Diskusikan pendapat kalian dengan memberikan contoh aplikasi nyata dari masing-masing!

      2. Terdapat tiga tipe utama pembelajaran mesin: Supervised, Unsupervised, dan Reinforcement Learning.
          ΓåÆ 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

    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      SUPERVISED LEARNING

      - KLASIFIKASI & REGRESI

      939.3 KB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Materi Vidio


  • Pertemuan Minggu ke-07, Natural Language Processing

    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      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
    • Siswa harus
      Tandai selesai
      Silahkan Simak dan toton materi vidio pada Link berikut ini:



    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Unsupervised Learning

      -   Pengenalan Unsupervised Learning

      -   Tipe-Tipe Masalah Unsupervised Learning

      -   Algoritma Clustering

      -   Association Rule Mining

      -   Unsupervised to Supervised

      Contoh Kasus. 

      387.6 KB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan Tonton materi Vidio pada link beriku ini:


  • Pertemuan Minggu ke-08, Ujian Tengah Semester

  • Pertemuan Minggu ke-09, Neural Network

    • Meteri PPT Berkas PDF
      Siswa harus
      Tandai selesai

      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
    • Siswa harus
      Tandai selesai

      Meteri Vidio: Silahkan simak dan tonton pada link berikut:


    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Unsupervised Learning

      -          Algoritma Clustering

      -          Association Rule Mining

      -          Unsupervised to Supervised

      Contoh Kasus.

      1.3 MB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan Simak dan Tonton Materi Vidio pada link berikut: 


  • Pertemuan Ke -10- Unsupervised Learning

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Unsupervised Learning

      -          Introduction

      -          Dimensionality Reduction and Matrix Factorization

      -          Clustering

      Why Unsupervised Learning is Important?

      2.8 MB · Diunggah 5/12/25, 06:40
    • Siswa harus
      Tandai selesai

      link Materi:

      https://www.dicoding.com/blog/supervised-vs-unsupervised-learning-mana-yang-sesuai-untuk-data-kamu/


    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Network Analysis

      -          Pengenalan Network Analysis

      -          Representasi Jaringan (Graf, Bobot dan Atribut)

      -          Mengukur Sentralitas

      -          Deteksi Komunitas

      -          Analisis Jarak dan Hubungan

      -          Analisis Jarak Terpendek

      Contoh Kasus. 

      1.7 MB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai
      Silahkan disimak materi vidio berikut ini:



    • Tugas Forum
      Siswa harus
      Tandai selesai

      Buat Resume dari Materi Vidio tersebut dan buatkan juga kesimpulanya

  • Pertemuan Ke -11 - Automated Speech Recognition

    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      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
    • Siswa harus
      Tandai selesai

      silahkan Simak dan tonton materi dari vidio berikut ini


    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Recommender System

      -          Pengenalan Sistem Rekomendasi

      -          Representasi Data

      -          Tipe Rekomendasi Sistem

      -          Matriks Faktorisasi

      -          Contoh Kasus


      1.4 MB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan simak dan toton materi Pengenalan Sistem rekomendasi pada vidio berikut:


  • Pertemuan Ke -12 PENGENALAN COMPUTER VISION

    • Meteri PPT Berkas PDF
      Siswa harus
      Tandai selesai

      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
    • Siswa harus
      Tandai selesai

      Meteri Vidio



    • Tugas latihan Forum
      Siswa harus
      Tandai selesai

      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 PDF
      Siswa harus
      Tandai selesai

      Pengolahan Bahasa Alami (NLP)

      1.2 MB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan simak dan tonton Materi Vidio pada link berikut: 


  • Pertemuan Ke -13 Expert System

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Expert System

      -  Introduction

      - Knowledge Representation

      - Inference Engine

      - Knowledge Acquisition


      321.5 KB · Diunggah 5/01/26, 05:53
    • Siswa harus
      Tandai selesai

      Silahkan Simak Materi Vidio pada link berikut ini:

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Big Data

      -  Pengenalan Big Data

      -  Teknologi Big Data

      -  Pengolahan Big Data

      -  Analisis Big Data

      -  Visualisasi Big Data

      -  Keamanan dan Privasi Big Data


      5.5 MB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan SImak Materi Vido berikut ini:



  • Pertemuan Ke -14 Information Retrieval (IR)

    • Materi Berkas PDF
      Siswa harus
      Tandai selesai

      Information Retrieval (IR)

      -  Introduction

      -  Retrieval Strategies

      -  Types of IR

      -  Probabilistic Retrieval Model

      1.0 MB · Diunggah 2/01/26, 06:45
    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Paralel Computing

      - dasar-dasar komputasi paralel

      - arsitektur komputasi paralel

      - model pemrograman paralel


      1.3 MB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai
      Silahkan Simak dan Tonton Materi Vidionnya pada link berikut ini:



  • Pertemuan Ke -15 Robotics

    • Materi PPT Berkas PPTX
      Siswa harus
      Tandai selesai

      Robotics

      -  Introduction

      -  Type of Robot

      -  Robot Perception

      -  Path Planning and Navigation

      -  Behavior and Intelligence

      -  Robotics in AI

      -  Emerging Trends of Robot

      567.7 KB · Diunggah 9/01/26, 08:34
    • Materi PPT Berkas PDF
      Siswa harus
      Tandai selesai

      Visualisasi Data

      -   Pengenalan Visualisasi Data

      -   Tipe-Tipe Visualisasi Data

      -    Prinsip-Prinsip Visualisasi Data yang Efektif

      -    Alat dan Teknologi untuk Visualisasi Data

      644.5 KB · Diunggah 7/09/26, 04:44
    • Siswa harus
      Tandai selesai

      Silahkan simak dan pelajari materi pada link Vidio berikut ini: