Garis besar topik

    • Pekenalan & 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.

      Selamat datang di kelas Mata kuliah Kecerdasan Buatan / Artificial Inteligance pada  Fakultas Ilmu Komputer Program Studi Sistem Informasi IIB DARMAJAYA.

      Mata kuliah ini ditujukan bagi mahasiswa yang sedang mengambil program Sarjana S1 pada rumpun Ilmu SISTEM INFORMASI dan KOMPUTER.

      Mata kuliah KECERDASAN BUATAN / Artificial Inteligance 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  semangat !!

      Wassalamu'alaikum Wr. Wb


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

       

      Deskripsi Matakuliah :

      Mata kuliah ini akan memberikan dasar tentang kecerdasan buatan yang berfokus pada aplikasi-aplikasi, cabang-cabang ilmu kecerdasan buatan dan beberapa teknik penyelesaian masalah dalam kecerdasan buatan. Selain itu, akan mempelajari beberapa teori dan aplikasi dalam kecerdasan buatan

      Adapun capaian dari Pembejaran ini yaitu :

      1. Mengerti dan memahami konsep kecerdasan buatan yaitu perbedaan kecerdasan buatan dengan kecerdasan alamiah, masalah dan ruang masalah dalam kecerdasan buatan, teknik pencarian dan pelacakan, representasi pengetahuan, sistem pakar, ketidakpastian, case based reasoning, jaringan syaraf tiruan, dan algoritma genetika.
      2. Mahasiswa mengerti cabang-cabang ilmu kecerdasan buatan dan teknik penyelesaian masalah dalam kecerdasan buatan.
      3. Mahasiswa termotivasi dan mampu mengikuti perkembangan terkini teknologi kecerdasan buatan.

      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

      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%)

       

       Identitas Dosen :

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

      NIK                             : 00440702

      Jenjang Akademik     : Lektor

      NIDN                           : 0212067502

      Agama                        : Islam

      Kantor                        : Prodi Sistem Informasi (Gedung Raden Saleh) Lantai 1

                                             JL. ZA Pagar Alam No 93 Bandar Lampung

      Email                           : nurjoko@darmajaya.ac.id

       

      Refrensi yang digunakan :

      1.      Arhami, M. (2005). Konsep Dasar Sistem Pakar. Yogyakarta: Andi Offset.

      2.      Bojadziev, G., & Bojadziev, M. (2007). Fuzzy Logic for Business, Finance, and Management . Singapore:      Word Scientific.

      3.      Desiani, A., & Arhami, M. (2006). Konsep Kecerdasan Buatan. Yogyakarta: Andi Offset.

      4.      Kusumadewi, s. (2003). Artificial Intelegence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.

      5.      Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy : Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

      6.      Morris W, F. (1989). Artificial Intelligence . Boston: PWS-Kent .

      7.      Puspitaningrum, D. (2006). Pengantar jaringan Syaraf Tiruan. Yogyakarta: Andi Offset.

      8.      Suyanto. (2005). Algoritma Genetika dalam Matlab. Yogyakarta: Andi Offset.

      9.      Suyanto. (2007). Artificial intelegence : Searching, Reasoning, Planning, and Learning. Bandung: Informatika.


      RPS KECERDASAN BUATAN

      Berikut ini adalah RPS KECERDASAN BUATAN yang akan digunakan selama pembelajaran di semester ini, Silahkan didownload dan dipelajari.

  • SESI-01 | PENGENALAN KECERDASAN BUATAN

    Selamat datang di pertemuan pertama mata kuliah Kecerdasan Buatan. Pada pertemuan ini, kita akan membahas pengenalan dasar tentang apa itu Kecerdasan Buatan (AI), sejarah perkembangannya, serta berbagai penerapan AI dalam kehidupan sehari-hari. Kita juga akan mengupas bagaimana AI menjadi salah satu disiplin ilmu yang sangat penting dalam teknologi modern, mulai dari pengenalan pola, sistem pakar, hingga pembelajaran mesin. Tujuannya adalah memberikan gambaran awal mengenai ruang lingkup, potensi, dan tantangan yang ada dalam dunia AI. Setelah anda mengikuti perkuliahan pada pertemuan ini diharapkan  Anda akan memiliki pemahaman dasar yang kuat tentang konsep dan peran AI di berbagai bidang.

    • MATERI PPT PERTEMUAN Sesi. 01- PENGENALAN KECERDASAN BUATAN Berkas
      Siswa harus
      Tandai selesai

      PENGENALAN  KECERDASAN BUATAN

      Materi pada sesi 1 ini akan membahas tentang pengenalan Kecerdasan Buatan yang meliputi:

      • Definisi Kecerdasan Buatan
      • Kecerdasan Buatan dan Kecerdasan Alamiah
      • Komputasi Kecerdasan Buatan dan Komputasi Konvensional
      • Sejarah Kecerdasan Buatan
      • Lingkup Kecerdasan Buatan Pada Aplikasi Komersial
      • Bagian utama Aplikasi AI
      • Sistem Kecerdasan Buatan

      Silahkan Download dan dipelajari Materinya

    • Diskusi Forum
      Siswa harus
      Tandai selesai

      Forum Diskusi

      1. Menurut Anda, apa definisi kecerdasan buatan (AI) yang paling tepat dan mengapa? 
      2. Dalam hal apa kecerdasan buatan berbeda dari kecerdasan manusia? Apakah Anda berpikir AI bisa sepenuhnya meniru kemampuan manusia, termasuk kreativitas dan emosi?
      Tanggapan atau pendapat yang anda sampaikan wajib menyebutkan sumber refrensi teorinya dan disusun dengan bahasa sendiri.

  • Pertemuan Sesi-02┬¡| Jumat, 04 Oktober 2024

    Selamat datang di pertemuan hari ini. Pada sesi ini, kita akan membahas topik penting dalam kecerdasan buatan, yaitu Representasi Masalah, Representasi Ruang Keadaan, dan Karakteristik Masalah. Representasi masalah adalah cara kita memformulasikan suatu masalah sehingga dapat dipecahkan oleh mesin, sedangkan representasi ruang keadaan adalah himpunan semua kemungkinan keadaan yang bisa diambil dalam proses penyelesaian masalah. Pemahaman yang baik tentang karakteristik masalah sangat penting untuk memilih metode penyelesaian yang tepat, karena setiap masalah memiliki kompleksitas dan struktur yang berbeda. Pada akhir perkuliahan ini, Anda diharapkan mampu memahami bagaimana masalah diformulasikan dalam kecerdasan buatan.

    • MATERI PPT PERTEMUAN 2 Berkas
      Siswa harus
      Tandai selesai

      MATERI PPT PERTEMUAN 2

      Masalah dan ruang keadaan dalam kecerdasan buatan

      1. Representasi Masalah
      2. Representasi Ruang Keadaan
      3. Karakteristik Masalah

    • Forum Diskusi
      Siswa harus
      Tandai selesai

      Diskusi:

      1. Bagaimana Anda mendefinisikan representasi masalah dan representasi ruang keadaan dalam kecerdasan buatan?
      2. Apa perbedaan utama antara representasi masalah dan representasi ruang keadaan?

      Tanggapan atau pendapat yang anda sampaikan wajib menyebutkan sumber refrensi teorinya dan disusun dengan bahasa sendiri.


  • Pertemuan Sesi-03┬¡| Jumat, 11 Oktober 2024, TEKNIK PENCARIAN & PELACAKAN BUTA

    • MATERI PPT PERTEMUAN 3 Berkas
      Siswa harus
      Tandai selesai

      TEKNIK PENCARIAN & PELACAKAN BUTA

      • Konsep Pencarian
      • Empat Teknik Pemecahan Masalah
      • Teknik ΓÇô Teknik Pencarian
      • Breadth First Search
      • Depth First Search

    • Materi Vidio Halaman
      Siswa harus
      Tandai selesai

      Silahkan lihat materi vidionya pada link akses berikut ini: 



    • Forum Diskusi
      Siswa harus
      Tandai selesai

      Tugas Diskusi:

      1. Apa yang dimaksud dengan "pencarian buta" dalam kecerdasan buatan, dan apa peran utamanya dalam pemecahan masalah?
      2. Apa perbedaan antara Breadth-First Search (BFS) dan Depth-First Search (DFS) dalam pencarian buta? 
      3. Sebutkan beberapa contoh masalah dunia nyata yang dapat dipecahkan dengan teknik pencarian dan pelacakan buta.
      4. Bagaimana Anda menilai efisiensi dan keefektifan sebuah algoritma pencarian dalam pemecahan masalah? Apa yang perlu dipertimbangkan?

      Tanggapan atau pendapat yang anda sampaikan wajib menyebutkan sumber refrensi teorinya dan disusun dengan bahasa sendiri.


  • Pertemuan Sesi Ke-4, Teknik Pencarian dan Pelacakan Heuristik

    • MATERI PPT PERTEMUAN 4 Berkas
      Siswa harus
      Tandai selesai

      Teknik Pencarian dan Pelacakan Heuristik
      - Definisi Pencarian Heuristik
      - Empat Metode Pencarian Heuristik
      - Pembangkitan & Pengujian (Generate & Test)
      - Pembangkitan Bukit (Hill Climbing)
      - Pencarian Terbaik Pertama (Best First Search)

    • Materi Vidio Halaman
      Siswa harus
      Tandai selesai

      Teknik Pencarian dan Pelacakan Heuristik


    • Tugas 1 Penugasan
      Siswa harus
      Tandai selesai

      Silahkan dikerjakan tugas 1 sesuai instrusi yang ada pada soal tugas

  • Pertemuan Sesi Ke-5, Representasi Pengetahuan

    • MATERI PPT PERTEMUAN 5 Berkas
      Siswa harus
      Tandai selesai

      Representasi Pengetahuan
      - Definisi Representasi Pengetahuan
      - Kategori Representasi
      - Teknik Representasi Pengetahuan
      - Logika
      - List
      - Tree (Pohon

    • Materi Vidio Halaman
      Siswa harus
      Tandai selesai



    • Forum Diskusi
      Siswa harus
      Tandai selesai

      1. Bagaimana Anda mendefinisikan representasi pengetahuan dalam kecerdasan buatan? Mengapa representasi pengetahuan menjadi komponen kunci dalam pengembangan sistem berbasis AI?
      2. Diskusikan berbagai jenis representasi pengetahuan, seperti logika proposisional, logika predikat, jaringan semantik, dan sistem berbasis aturan. Dalam situasi apa setiap metode ini lebih efektif digunakan?

      Tanggapan atau pendapat yang anda sampaikan wajib menyebutkan sumber refrensi teorinya dan disusun dengan bahasa sendiri.


  • Pertemuan Sesi Ke-6, Representasi Pengetahuan

    • MATERI PPT PERTEMUAN 6 Berkas
      Siswa harus
      Tandai selesai

      Selamat datang di pertemuan hari ini. Kali ini kita akan mendalami konsep Representasi Pengetahuan, yaitu cara-cara dalam kecerdasan buatan untuk menangkap, mengorganisir, dan memanfaatkan pengetahuan agar mesin atau sistem dapat melakukan penalaran, pengambilan keputusan, dan pemecahan masalah secara efektif. Representasi pengetahuan mencakup berbagai metode, seperti logika, jaringan semantik, dan sistem berbasis aturan, yang masing-masing memiliki kelebihan dalam berbagai aplikasi. Melalui diskusi hari ini, kita akan membahas berbagai bentuk representasi pengetahuan, tantangan yang dihadapi dalam proses ini, serta penerapannya di dunia nyata. Mari kita mulai dengan mengeksplorasi bagaimana cara merepresentasikan pengetahuan agar dapat digunakan untuk menyelesaikan masalah dalam kecerdasan buatan.


      Representasi Pengetahuan
      - frame
      - Naskah
      - Sistem produksi

    • Materi Vidio Halaman
      Siswa harus
      Tandai selesai


    • Forum Diskusi
      Siswa harus
      Tandai selesai

      1. Bagaimana Anda mendefinisikan representasi pengetahuan dalam kecerdasan buatan? Mengapa representasi pengetahuan menjadi komponen kunci dalam pengembangan sistem berbasis AI?
      2. Berikan contoh aplikasi representasi pengetahuan dalam sistem pakar, pengambilan keputusan otomatis, atau sistem pemrosesan bahasa alami (NLP). Bagaimana representasi pengetahuan tersebut membantu dalam pemecahan masalah?

  • Pertemuan Sesi Ke-7, Sistem Pakar

    • Materi PPT Pertemuan ke-7 Berkas
      Siswa harus
      Tandai selesai

      Sistem Pakar
      - struktur sistem pakar
      - basis pengetahuan,
      - motor inferensi, dan
      - mengembangkan sistem pakar

    • Materi Vidio Halaman
      Siswa harus
      Tandai selesai

      Silahkan simak dan toton materi vidio ini dengan mengakses link berikut ini: 


    • Tugas Madiri Penugasan
      Siswa harus
      Tandai selesai

      Tugas Madiri: Sistem Pakar

  • Pertemuan Ke 08, Ujian Tengah Semester (UTS)

  • Pertemuan Sesi Ke-09, Konsep ketidakpastian dengan metode probabilitas dan teori Bayesian

    • MATERI PPT PERTEMUAN 09 Berkas
      Siswa harus
      Tandai selesai

      Konsep ketidakpastian dengan metode probabilitas dan teori Bayesian

    • Siswa harus
      Tandai selesai

      Materi Vidio

      Silahkan akses dan toton Meteri Vidio dilink berikut ini:



    • Forum Diskusi
      Siswa harus
      Tandai selesai

      1. Diskusiakan: Mengapa ketidakpastian merupakan bagian penting yang harus dipertimbangkan dalam kecerdasan buatan? Berikan contoh situasi nyata di mana sistem AI menghadapi ketidakpastian.
      2. Jelaskan bagaimana Teorema Bayesian dapat digunakan untuk memperbarui keyakinan (belief) berdasarkan bukti baru. Berikan contoh kasus dalam AI, seperti deteksi penyakit atau pengenalan pola, yang menggunakan Teorema Bayesian.


  • Pertemuan Sesi Ke-10, Faktor Kepastian

    • MATERI PPT PERTEMUAN 10 Berkas
      Siswa harus
      Tandai selesai

      Faktor kepastian (Certainty Factor)
      - Tingkat kepercayaan pada CF
      - Menghitung Certainty Factor (CF)
      - Faktor kepastian kombinasi

    • Tugas Latihan Forum
      Siswa harus
      Tandai selesai

      Kerjakan Soal Latihan yang ada pada materi PPT pertemuan ke-10, dan silahkan jawabannya submit disini

  • Pertemuan Sesi -11, Case Based Reasoning

    • Materi PPT Pertemuan ke-11 Berkas
      Siswa harus
      Tandai selesai

      Case Based Reasoning

      1. Konsep case base reasoning
      2. Keuntungan sistem CBR
      3. Tahapan CBR


  • Pertemuan Sesi Ke-12, Fuzzy Logic

    • Materi PPT Pertemuan ke-12 Berkas
      Siswa harus
      Tandai selesai

      Fuzzy Logic

        • Logika Fuzzy
        • Sistem Fuzzy dan metode dalam Fuzzy

    • Siswa harus
      Tandai selesai

      Pengenalan Logika Fuzzy | Konsep, Contoh Aplikasi, Fungsi Keanggotaan hingga Sistem Inferensi


      Silahkan simak dan tonton materi Vidionya pada Link berikut ini: 



    • Forum Diskusi
      Siswa harus
      Tandai selesai

      Diskusikan contoh nyata penerapan logika fuzzy dalam kehidupan sehari-hari, seperti dalam sistem kontrol suhu, kendaraan otomatis, atau rekomendasi produk. 

      Mengapa logika fuzzy efektif dalam contoh tersebut?

  • Pertemuan Sesi -13, Jaringan Saraf Tiruan

    • Materi PPT Pertemuan ke-13 Berkas
      Siswa harus
      Tandai selesai

      Jaringan Syaraf Tiruan
      - Konsep Dasar Jaringan Saraf Tiruan (ANN)
      - Struktur Jaringan Saraf Tiruan
      - Fungsi Aktivasi
      - Pelatihan Jaringan Saraf Tiruan

    • Siswa harus
      Tandai selesai

      Silahkan Simak dan toton Meteri Vidio pada link berikut:


    • Tugas diskusi Forum
      Siswa harus
      Tandai selesai

      1. Jelaskan apa yang dimaksud dengan jaringan syaraf tiruan (JST). Apa prinsip dasar yang mendasari cara kerja jaringan syaraf tiruan?
      2. Jelaskan komponen dasar yang membentuk jaringan syaraf tiruan, seperti neuron, lapisan input, lapisan tersembunyi (hidden layer), dan lapisan output.

  • Pertemuan Sesi Ke-14, Jaringan Saraf Tiruan

    • Materi PPT Pertemuan ke-14 Berkas
      Siswa harus
      Tandai selesai

      Jaringan Syaraf Tiruan
      - Fungsi Aktivasi
      - Pelatihan Jaringan Saraf Tiruan

    • Siswa harus
      Tandai selesai

      Silahkan Tonton Materi Vidionya:


  • Pertemuan Ke-15, Algoritma Genetika

    • Materi PPT Pertemuan ke-15 Berkas
      Siswa harus
      Tandai selesai

      Algoritma Genetika
      - KONSEP DASAR
      - PROSEDUR GA
      - CONTOH KASUS

    • Siswa harus
      Tandai selesai

      Silahkan tonton dan simak materi vidionya dibawah ini: