UNIVERSITAS AMIKOM YOGYAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI INFORMATIKA

RPS-S1IF-ST164
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
KECERDASAN BUATAN LANJUT ST164 Kelompok mata kulliah Sistem cerdas T= 2 5 19 Sep 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Hartatik, S.T., M.Cs.
Dr. Hartatik, S.T., M.Cs.
Eli Pujastuti, M. Kom
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPLP06 Mampu menggunakan dan mengoptimalkan teknik akuisisi data , analisis data, dan pengolahan data untuk menyelesaikan masalah penelitian atau industri.
CPLP10 Mampu menjelaskan konsep dan pengetahuan teknik akuisisi data , analisis data, dan pengolahan data untuk menyelesaikan masalah.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK21 Mahasiswa mampu menerapkan metode analisis data.
CPMK23 Mahasiswa mampu menerapkan metode evaluasi data.
CPMK39 Mahasiswa mampu menjelaskan konsep teknik akuisisi data.
CPMK41 Mahasiswa mampu menerapkan teknik pengolahan data untuk menyelesaikan masalah.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.ST164.CPMK21.1 Penerapan analisis data menggunakan Deep Learning/MLP
sub.cpmk.ST164.CPMK21.2 Penerapan analisis data citra menggunakan CNN
sub.cpmk.ST164.CPMK21.3 Penerapan analisis data berurutan menggunakan RNN/LSTM/GRU
sub.cpmk.ST164.CPMK23.1 Penerapan evaluasi data/keluaran pada Transformer
sub.cpmk.ST164.CPMK23.2 Penerapan evaluasi keluaran Generative AI/GAN
sub.cpmk.ST164.CPMK39.1 Menjelaskan konsep akuisisi data/input/context pada sistem AI modern dan LLM
sub.cpmk.ST164.CPMK41.1 Pengolahan data teks menggunakan embedding, cosine similarity, dan semantic search
sub.cpmk.ST164.CPMK41.2 Integrasi komponen AI menjadi prototipe untuk menyelesaikan masalah
Korelasi CPMK terhadap Sub-CPMK
CPMK41 sub.cpmk.ST164.CPMK41.1
sub.cpmk.ST164.CPMK41.2
CPMK23 sub.cpmk.ST164.CPMK23.1
sub.cpmk.ST164.CPMK23.2
CPMK21 sub.cpmk.ST164.CPMK21.1
sub.cpmk.ST164.CPMK21.2
sub.cpmk.ST164.CPMK21.3
CPMK39 sub.cpmk.ST164.CPMK39.1
Deskripsi Singkat MK Mata kuliah Kecerdasan Buatan Lanjut membahas perkembangan arsitektur dan aplikasi AI secara bertahap. Pembelajaran dimulai dari fondasi deep learning dan MLP, dilanjutkan CNN untuk citra, RNN/LSTM/GRU untuk data berurutan, Transformer, Generative AI dan GAN, dasar Large Language Model (LLM) dan prompt engineering, embedding untuk semantic search. Pembelajaran menekankan praktikum terbimbing, pembagian data yang benar, interpretasi hasil tanpa klaim berlebihan, evaluasi kegagalan, dan integrasi komponen pada final project.
Bahan Kajian : Materi Pembelajaran 1. Fondasi deep learning, MLP, training/inference, split data, epoch, loss, dan overfitting. 2. CNN untuk citra: pixel/channel, convolution, filter/kernel, feature map, activation, pooling, dan classifier. 3. RNN, LSTM, dan GRU untuk data berurutan: timestep, hidden state, memory/gate, dan keterbatasan recurrent model. 4. Transformer: tokenization, token ID, embedding token, positional information, self-attention, Q/K/V secara intuitif, multi-head attention, encoder/decoder. 5. Generative AI dan GAN: generative vs discriminative, latent noise, Generator, Discriminator, adversarial training, diversity, artifact, dan mode collapse. 6. Dasar LLM dan prompt engineering: language model, next-token prediction, context, model vs aplikasi, pretraining/fine-tuning secara konseptual, instruksi/context/batasan/format. 7. Embedding dan semantic search: sentence/document embedding, vector space, cosine similarity, dan top-k retrieval. 8. Integrasi, pengujian, dokumentasi, dan presentasi final project.
Pustaka Utama
  • 1. Ref1. Lisa Tagliaferri, Michelle Morales, Ellie Birbeck, and Alvin Wan, Python Machine Learning Projects. New York City: DigitalOcean, 2020. Ref2.A. Géron, Hands-on Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O’Reilly Media, 2017. Ref3. Francois Chollet. 2017. Deep Learning with Python (1st. ed.). Manning Publications Co., USA.
  • 3. Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2023). Dive into deep learning. Cambridge University Press.
  • 4. Raschka, S. (2024). Build a large language model (from scratch). Manning Publications.
  • 5. Foster, D. (2023). Generative deep learning (Edisi ke-2). O’Reilly Media.
  • 6. Huyen, C. (2025). AI engineering: Building applications with foundation models. O’Reilly Media.
Pendukung
  • 2. RefP1.A. Yaqin, A. D. Laksito, and S. Fatonah, “Evaluation of Backpropagation Neural Network Models for Early Prediction of Student’s Graduation in XYZ University,” Int J Adv Sci Eng Inf Technol, vol. 11, no. 2, pp. 610–617, 2021, doi: 10.18517/IJASEIT.11.2.11152. RefP2. A. D. Laksito, A. Yaqin, S. Adi and M. Hayaty,
  • 7. Hugging Face. (t.t.). LLM Course [Materi kursus daring].
  • 8. Vaswani, A., Shazeer, N., Parmar, N., et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.
  • 9. Goodfellow, I., Pouget-Abadie, J., Mirza, M., et al. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems.
  • 10. Sentence-Transformers. (t.t.). Semantic search documentation.
Dosen Pengampu Anna Baita, M.Kom, Hartatik, S.T., M.Cs, Yudha Riwanto, M.Kom, Arief Setyanto, S.Si., MT., Ph.D, Kusrini, Prof., Dr., M.Kom
Mata Kuliah Syarat -
Pertemuan Ke Kemampuan akhir tiap tahapan belajar (Sub-CPMK) Penilaian Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; Materi Pembelajaran Bobot Penilaian
Indikator Kriteria & Teknik Luring Daring
1 sub.cpmk.ST164.CPMK21.1-Penerapan analisis data menggunakan Deep Learning/MLP
 Mahasiswa mampu menjelaskan komponen dasar MLP (input, bobot, bias, aktivasi, output, loss) serta membedakan training dan inference. Kriteria
Rubrik Analitik
Teknik
Observasi, tanya jawab, latihan terstruktur 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
Fondasi Deep Learning dan MLP

Sub Topik
Neural network ke deep learning; neuron; input; weight; bias; activation; output; loss; training vs inference.

 0
2 sub.cpmk.ST164.CPMK21.1-Penerapan analisis data menggunakan Deep Learning/MLP
 Mahasiswa mampu menyiapkan data train/validation/test, menjalankan MLP baseline, mendokumentasikan konfigurasi, dan menginterpretasikan metrik awal. Kriteria
Rubrik Analitik
Teknik
Penilaian produk/notebook + laporan singkat 		Penugasan,Penugasan Terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=1 Menit]
 Topik
Praktik MLP dan Baseline Project

Sub Topik
Split data; preprocessing dasar; epoch; batch; loss; metrik; overfitting awal; dokumentasi eksperimen.
MLP terbimbing. Tugas 1: Project Brief + Data Card + baseline MLP + pembagian data + metrik awal. Artefak menjadi fondasi final project.
 10
3 sub.cpmk.ST164.CPMK21.2-Penerapan analisis data citra menggunakan CNN
 Mahasiswa mampu menjelaskan citra sebagai tensor, proses convolution, feature map dan pooling, lalu menjalankan CNN sederhana dan membaca hasil klasifikasi. Kriteria
Rubrik Analitik
Teknik
observasi dan diskusi 		Diskusi,Proses Belajar,[PB=100 Menit]
 Topik
Convolutional Neural Network (CNN)

Sub Topik
Tensor citra; channel; kernel/filter; convolution; stride/padding; activation; pooling; feature map; classifier.

 0
4 sub.cpmk.ST164.CPMK21.3-Penerapan analisis data berurutan menggunakan RNN/LSTM/GRU
 Mahasiswa mampu menjelaskan sequence, timestep dan hidden state serta membedakan mekanisme dasar RNN, LSTM, dan GRU. Kriteria
Rubrik Holistik
Teknik
Tanya jawab, latihan analisis diagram 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
RNN, LSTM, dan GRU I

Sub Topik
Sequence/timestep; recurrent connection; hidden state; vanishing dependency; memory cell; gate pada LSTM/GRU.

 0
5 sub.cpmk.ST164.CPMK21.3-Penerapan analisis data berurutan menggunakan RNN/LSTM/GRU
 Mahasiswa mampu menjalankan model sequence sederhana, membandingkan keluaran/kurva dua konfigurasi, dan menjelaskan perbedaan perilakunya. Kriteria
Rubrik Holistik
Teknik
interpretasi kasus, diskusi 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
RNN, LSTM, dan GRU II
Sub Topik
Input sequence; padding sederhana; training; hidden state/output; perbandingan RNN–LSTM–GRU; interpretasi loss/metrik.

 0
6 sub.cpmk.ST164.CPMK23.1-Penerapan evaluasi data/keluaran pada Transformer
 Mahasiswa mampu menelusuri alur input Transformer dari teks menjadi token, token ID, embedding, positional information, dan representasi kontekstual. Kriteria
Rubrik Holistik
Teknik
Materi, diskusi terstruktur dan tanya jawab 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
Transformer I – Representasi Input

Sub Topik
Tokenization; vocabulary; token ID; special token; token embedding; positional information; contextual representation.

 0
7 sub.cpmk.ST164.CPMK23.1-Penerapan evaluasi data/keluaran pada Transformer
 Mahasiswa mampu menjelaskan self-attention secara intuitif, membaca hubungan antartoken, dan menginterpretasikan keluaran demonstrasi attention. Kriteria
Rubrik Holistik
Teknik
Demonstrasi dan penjelasan lisan 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
Transformer II – Self-Attention

Sub Topik
Query/Key/Value; attention score; weighted context; multi-head attention; residual/normalization secara intuitif.

 0
8 sub.cpmk.ST164.CPMK21.1-Penerapan analisis data menggunakan Deep Learning/MLP
sub.cpmk.ST164.CPMK21.2-Penerapan analisis data citra menggunakan CNN
sub.cpmk.ST164.CPMK21.3-Penerapan analisis data berurutan menggunakan RNN/LSTM/GRU
 Mahasiswa mampu menerapkan konsep analisis data menggunakan MLP, CNN, dan RNN/LSTM/GRU pada kasus yang diberikan serta membaca hasil eksperimen/kode sederhana. Kriteria
Rubrik Analitik
Teknik
Tes tertulis/analisis kasus individual 		Ujian terjadwal,Durasi sesuai DAAK,[D=75 Menit]
 Topik
Ujian Tengah Semester

Sub Topik
MLP; CNN; RNN/LSTM/GRU; split data; training/inference; pembacaan kurva, metrik, dan keluaran.

 20
9 sub.cpmk.ST164.CPMK23.1-Penerapan evaluasi data/keluaran pada Transformer
 Mahasiswa mampu mengevaluasi keluaran Transformer menggunakan metrik/kriteria yang sesuai, menemukan pola kesalahan, dan merumuskan perbaikan berbasis bukti. Kriteria
Rubrik Analitik
Teknik
Penilaian notebook/produk + analisis hasil 		Penugasan,Penugasan Terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=100 Menit]
 Topik
Transformer III – Evaluasi dan Praktik

Sub Topik
Transformer block; encoder/decoder secara konseptual; output model; metrik; confusion/error analysis; eksperimen konfigurasi; justifikasi perbaikan.

 10
10 sub.cpmk.ST164.CPMK23.2-Penerapan evaluasi keluaran Generative AI/GAN
 Mahasiswa mampu menjelaskan perbedaan generative dan discriminative modeling serta mekanisme Generator–Discriminator pada GAN. Kriteria
Rubrik Holistik
Teknik
Pembelajaran, analisis diagram/model 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
Generative AI dan GAN I

Sub Topik
Generative vs discriminative; latent vector/noise; Generator; Discriminator; adversarial training; kualitas keluaran.

 0
11 sub.cpmk.ST164.CPMK23.2-Penerapan evaluasi keluaran Generative AI/GAN
 Mahasiswa mampu mengevaluasi keluaran GAN berdasarkan kualitas, keragaman, artifact, dan indikasi mode collapse dari beberapa kondisi pengujian. Kriteria
Rubrik Holistik
Teknik
Penjelasan, observasi keluaran, analisis komparatif 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
Generative AI dan GAN II – Evaluasi Keluaran

Sub Topik
Sampling; fixed/random noise; diversity; artifact; mode collapse; keterbatasan evaluasi visual; dokumentasi bukti.

 0
12 sub.cpmk.ST164.CPMK39.1-Menjelaskan konsep akuisisi data/input/context pada sistem AI modern dan LLM
 Mahasiswa mampu menjelaskan sumber, bentuk, kualitas, dan konteks input pada LLM serta menyusun prompt terstruktur yang mendokumentasikan tujuan, konteks, constraint, dan format keluaran. Kriteria
Rubrik Analitik
Teknik
Penilaian dokumen desain + demonstrasi prompt 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
LLM, Akuisisi Input/Context, dan Prompt Engineering

Sub Topik
Language model; next-token prediction; input/context; provenance/sumber; kualitas input; prompt structure; instruction; constraint; output format; test case.

 10
13 sub.cpmk.ST164.CPMK41.1-Pengolahan data teks menggunakan embedding, cosine similarity, dan semantic search
 Mahasiswa mampu menghasilkan embedding teks, menghitung cosine similarity, melakukan ranking top-k, dan menjelaskan relevansi serta kegagalan semantic search. Kriteria
Rubrik Holistik
Teknik
Evaluasi hasil pencarian 		Kuliah,Proses Belajar,[PB=100 Menit]
 Topik
Embedding, Cosine Similarity, dan Semantic Search

Sub Topik
Sentence/document embedding; vector space; normalization; cosine similarity; top-k ranking; relevance; failure case; threshold sederhana.

 0
14 sub.cpmk.ST164.CPMK41.1-Pengolahan data teks menggunakan embedding, cosine similarity, dan semantic search
 Mahasiswa mampu mengintegrasikan komponen project menjadi pipeline input–processing–output, menjalankan skenario uji, dan mencatat failure case serta perbaikannya. Kriteria
Rubrik Analitik
Teknik
Review prototipe, demo, peer/instructor feedback 		Diskusi,Penugasan Terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=1 Menit]
 Topik
Integrasi Prototipe AI

Sub Topik
Pipeline sistem; interface input/output; integrasi model; semantic search; pengujian fungsional; logging hasil; failure analysis; dokumentasi.

 0
15 sub.cpmk.ST164.CPMK41.1-Pengolahan data teks menggunakan embedding, cosine similarity, dan semantic search
sub.cpmk.ST164.CPMK41.2-Integrasi komponen AI menjadi prototipe untuk menyelesaikan masalah
 Mahasiswa mampu mendemonstrasikan prototipe terintegrasi, menunjukkan bukti pengujian semantic search dan komponen AI, menjelaskan keterbatasan, serta mempertanggungjawabkan keputusan teknis. Kriteria
Rubrik Analitik
Teknik
Penilaian produk + demo + laporan + presentasi 		Diskusi,Penugasan Terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=100 Menit]
 Topik
Presentasi dan Evaluasi Final Project

Sub Topik
Demo sistem; hasil evaluasi; semantic search; dokumentasi; keterbatasan; risiko; kontribusi; refleksi perbaikan.

 30
16 sub.cpmk.ST164.CPMK23.1-Penerapan evaluasi data/keluaran pada Transformer
sub.cpmk.ST164.CPMK23.2-Penerapan evaluasi keluaran Generative AI/GAN
 Mahasiswa mampu menerapkan metode evaluasi terhadap keluaran Transformer dan Generative AI/GAN, memilih kriteria/metric yang sesuai, serta menyusun perbaikan berdasarkan bukti. Kriteria
Menjawab
Teknik
Tes tertulis/analisis kasus individual 		Ujian terjadwal,Durasi sesuai DAAK,[D=75 Menit]
 Topik
Ujian Akhir Semester

Sub Topik
Evaluasi Transformer; Generative AI/GAN; kualitas/diversity/artifact/mode collapse; error analysis; alasan pemilihan evaluasi dan perbaikan.

 20

Teknik Penilaian CPMK

CPL MK CPMK Tugas Tes Tulis (UTS) Diskusi Tes Tulis ( UAS )
CPLP06 KECERDASAN BUATAN LANJUT CPMK21 Y Y
CPLP06 KECERDASAN BUATAN LANJUT CPMK23 Y Y
CPLP10 KECERDASAN BUATAN LANJUT CPMK39 Y
CPLP10 KECERDASAN BUATAN LANJUT CPMK41 Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.1 Observasi, tanya jawab, latihan terstruktur 0 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.1 Penilaian produk/notebook + laporan singkat 10 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.2 observasi dan diskusi 0 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.3 Tanya jawab, latihan analisis diagram 0 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.3 interpretasi kasus, diskusi 0 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.1 Materi, diskusi terstruktur dan tanya jawab 0 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.1 Demonstrasi dan penjelasan lisan 0 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.1, sub.cpmk.ST164.CPMK21.2, sub.cpmk.ST164.CPMK21.3 Tes tertulis/analisis kasus individual 20 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.1 Penilaian notebook/produk + analisis hasil 10 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.2 Pembelajaran, analisis diagram/model 0 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.2 Penjelasan, observasi keluaran, analisis komparatif 0 Rubrik Holistik
CPLP10 CPMK39 sub.cpmk.ST164.CPMK39.1 Penilaian dokumen desain + demonstrasi prompt 10 Rubrik Analitik
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.1 Evaluasi hasil pencarian 0 Rubrik Holistik
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.1 Review prototipe, demo, peer/instructor feedback 0 Rubrik Analitik
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.1, sub.cpmk.ST164.CPMK41.2 Penilaian produk + demo + laporan + presentasi 30 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.1, sub.cpmk.ST164.CPMK23.2 Tes tertulis/analisis kasus individual 20 Menjawab
Total 100
2. Penilaian CPMK
CPL MK CPMK Tugas Tes Tulis (UTS) Diskusi Tes Tulis ( UAS ) Total
CPLP06 KECERDASAN BUATAN LANJUT CPMK21 0% 10% 20% 0% 0% 30%
CPLP06 KECERDASAN BUATAN LANJUT CPMK23 0% 10% 0% 0% 20% 30%
CPLP10 KECERDASAN BUATAN LANJUT CPMK39 0% 10% 0% 0% 0% 10%
CPLP10 KECERDASAN BUATAN LANJUT CPMK41 0% 30% 0% 0% 0% 30%
100%