UNIVERSITAS AMIKOM YOGYAKARTA
FAKULTAS ILMU KOMPUTER S2
PROGRAM STUDI S2 INFORMATIKA

RPS-S2IF-MT112
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
DEEP LEARNING MT112 Algorithmic Foundations (AL) T= 3 2 10 Jun 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Kumara Ari Yuana, S.T., M.T.
Robert Marco
Robert Marco, ST,. M.T., Ph.D.
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL01 Menjunjung sikap amanah, bertindak jujur dan berpegang teguh pada nilai moral serta etika akademik atas pekerjaan bidang TIK secara mandiri.
CPL03 Mampu menjelaskan permasalahan yang kompleks dalam ilmu pengetahuan dan teknologi melalui hasil analisa dan evaluasi baik inter atau multidisipliner sesuai keahliannya dalam bidang TIK.
CPL05 Mampu mengembangkan pemikiran logis, kritis, dan sistematis melalui penelitian ilmiah, penciptaan desain atau karya seni dalam ilmu pengetahuan dan teknologi berdasarkan kaidah, dan etika ilmiah bidang TIK.
CPL07 Mampu menganalisis dan merancang teknologi informasi berbasis kecerdasan artifisial yang tepat sesuai dengan problem yang dihadapi untuk mengimplementasikan pada bidang Digital transformation intelligence, Big Data and Predictive analytics atau intelligent multimedia technology.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK02 Mampu bekerja sesuai etika akdemik dalam berkomunikasi baik lisan dan tulisan secara mandiri pada aspek teknis dan non-teknis.
CPMK06 Mampu menganalisa dan mengevaluasi baik inter atau multidisipliner sesuai keahliannya dalam bidang TIK dalam berbagai area, termasuk yang berkaitan dengan manipulasi gambar,citra, suara, bahasa, atau sistem yang memerlukan interaksi antara manusia dan komputer.
CPMK09 Mampu mengembangkan pemikiran logis, kritis, dan sistematis melalui penelitian ilmiah sesuai dengan kebutuhan pengguna serta mampu meningkatkan efektivitas penggunaan komputer untuk memecahkan data dalam masalah tertentu.
CPMK14 Mampu mengimplementasikan teknologi informasi berbasis kecerdasan artifisial yang tepat pada bidang Digital transformation intelligence atau Big Data and Predictive analytics dan atau Intelligent Multimedia Technology.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.MT112.CPMK02.1 Menjelaskan konsep, aplikasi, dan tren deep learning secara komunikatif
sub.cpmk.MT112.CPMK02.2 Menganalisis aspek etika, fairness, dan interpretabilitas AI
sub.cpmk.MT112.CPMK02.3 Menyusun laporan ilmiah dan mempresentasikan hasil proyek sesuai etika akademik
sub.cpmk.MT112.CPMK06.1 Menganalisis dan mengevaluasi model CNN untuk data citra
sub.cpmk.MT112.CPMK06.2 Menganalisis model sekuensial dan Transformer
sub.cpmk.MT112.CPMK06.3 Mengevaluasi model generatif dan reinforcement learning
sub.cpmk.MT112.CPMK06.4 Mengevaluasi performa model melalui optimasi dan generalisasi
sub.cpmk.MT112.CPMK09.1 Menggunakan dasar matematis deep learning
sub.cpmk.MT112.CPMK09.2 Merumuskan masalah penelitian secara logis dan sistematis
sub.cpmk.MT112.CPMK09.3 Menerapkan algoritma neural network dan proses training
sub.cpmk.MT112.CPMK14.1 Mengembangkan model CNN untuk analisis citra
sub.cpmk.MT112.CPMK14.2 Mengimplementasikan model sekuensial dan Transformer
sub.cpmk.MT112.CPMK14.3 Mengembangkan model generatif dan reinforcement learning
Korelasi CPMK terhadap Sub-CPMK
CPMK02 sub.cpmk.MT112.CPMK02.1
sub.cpmk.MT112.CPMK02.2
sub.cpmk.MT112.CPMK02.3
CPMK06 sub.cpmk.MT112.CPMK06.1
sub.cpmk.MT112.CPMK06.2
sub.cpmk.MT112.CPMK06.3
sub.cpmk.MT112.CPMK06.4
CPMK09 sub.cpmk.MT112.CPMK09.1
sub.cpmk.MT112.CPMK09.2
sub.cpmk.MT112.CPMK09.3
CPMK14 sub.cpmk.MT112.CPMK14.1
sub.cpmk.MT112.CPMK14.2
sub.cpmk.MT112.CPMK14.3
Deskripsi Singkat MK Perkuliahan ini memberikan pemahaman mendalam tentang konsep, model, dan aplikasi pembelajaran mendalam (deep learning). Mahasiswa akan mempelajari baik dasar-dasar teoritis maupun implementasi praktis dari arsitektur jaringan saraf mutakhir. Penekanan diberikan pada penerapan pembelajaran mendalam di domain dunia nyata seperti computer vision, natural language processing, reinforcement learning, dan generative AI.
Bahan Kajian : Materi Pembelajaran 1. Memahami dasar-dasar matematika dan teori pembelajaran mendalam (deep learning). 2. Mengimplementasikan dan melatih jaringan saraf dalam (deep neural network) menggunakan kerangka kerja modern (TensorFlow, PyTorch). 3. Menganalisis dan mengoptimalkan model untuk kinerja dan generalisasi. 4. Menerapkan teknik pembelajaran mendalam untuk memecahkan masalah dunia nyata. 5. Mengevaluasi secara kritis makalah penelitian terbaru dalam pembelajaran mendalam.
Pustaka Utama
  • 1. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
  • 2. Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2023). Dive into deep learning. Cambridge University Press.
Pendukung
Dosen Pengampu Dr. Kumara Ari Yuana, S.T., M.T., Dr. Andi Sunyoto, S.Kom., 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.MT112.CPMK02.2-Menganalisis aspek etika, fairness, dan interpretabilitas AI
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Introduction to Deep Learning
Sub Topik
-History and motivation -Neural networks vs. traditional ML -Overview of deep learning applications
 0
2 sub.cpmk.MT112.CPMK09.1-Menggunakan dasar matematis deep learning
sub.cpmk.MT112.CPMK09.2-Merumuskan masalah penelitian secara logis dan sistematis
 Mahasiswa dapat menemukan permasalahan penelitian Kriteria
Pemahaman Konsep
Teknik
Systematic Literature Review 		Topik
Mathematical Foundations
Sub Topik
-Vectors, matrices, and tensors -Probability review (Bayes rule, distributions) -Gradient-based optimization
 10
3 sub.cpmk.MT112.CPMK09.3-Menerapkan algoritma neural network dan proses training
 Kriteria

Teknik
 Kuliah,Diskusi Interaktif,[DI=150 Menit]
 Topik
Fundamentals of Neural Networks
Sub Topik
-Perceptrons, activation functions -Forward and backward propagation -Loss functions
 0
4 sub.cpmk.MT112.CPMK09.3-Menerapkan algoritma neural network dan proses training
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=100 Menit]
Praktikum,Praktik Langsung,[PL=50 Menit]
 Topik
Training Deep Networks
Sub Topik
-Gradient Descent, SGD, Momentum, Adam -Weight initialization -Regularization (dropout, L2, batch norm)
 0
5 sub.cpmk.MT112.CPMK14.1-Mengembangkan model CNN untuk analisis citra
 Berhasil melakukan preprocessing data terhadap kasus yang diangkat. Kriteria
Kemampuan menganalisa Kasus
Teknik
 Kuliah,Ceramah interaktif,[CI=100 Menit]
Praktikum,Studi Kasus,[SK=50 Menit]
 Topik
Convolutional Neural Networks (CNNs)
Sub Topik
-Convolution and pooling -Architectures: LeNet, AlexNet, VGG, ResNet -Applications in image classification & detection
 10
6 sub.cpmk.MT112.CPMK06.1-Menganalisis dan mengevaluasi model CNN untuk data citra
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Sequence Models & Recurrent Neural Networks (RNNs)
Sub Topik
-RNN basics, vanishing gradients -LSTM, GRU -Applications in NLP and time series
 0
7 sub.cpmk.MT112.CPMK14.2-Mengimplementasikan model sekuensial dan Transformer
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Attention Mechanisms & Transformers
Sub Topik
-Seq2Seq models -Self-attention & Transformer architecture -BERT, GPT models
 0
8 sub.cpmk.MT112.CPMK06.1-Menganalisis dan mengevaluasi model CNN untuk data citra
sub.cpmk.MT112.CPMK06.2-Menganalisis model sekuensial dan Transformer
sub.cpmk.MT112.CPMK06.3-Mengevaluasi model generatif dan reinforcement learning
sub.cpmk.MT112.CPMK06.4-Mengevaluasi performa model melalui optimasi dan generalisasi
 Berhasil membuat ekperimen menjadi naskah publikasi: Introduction, Related Method, Methodology. Kriteria
Kemampuan menganalisa Kasus
Teknik
 Ujian terjadwal,Submit Daring,[SD=150 Menit]
 Topik
Ujian Tengah Semester (UTS)
Sub Topik

 30
9 sub.cpmk.MT112.CPMK06.2-Menganalisis model sekuensial dan Transformer
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Generative Models
Sub Topik
-Autoencoders (AE, VAE) -Generative Adversarial Networks (GANs) -Diffusion models (overview)
 0
10 sub.cpmk.MT112.CPMK14.3-Mengembangkan model generatif dan reinforcement learning
Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Reinforcement Learning & Deep RL
Sub Topik
Basics of RL (MDP, Q-learning) Deep Q-Networks (DQN) Policy Gradient Methods
 10
11 sub.cpmk.MT112.CPMK06.3-Mengevaluasi model generatif dan reinforcement learning
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Advanced Topics in Optimization & Generalization
Sub Topik
-Bias-variance tradeoff in deep learning -Hyperparameter tuning & AutoML -Transfer learning, fine-tuning
 0
12 sub.cpmk.MT112.CPMK06.4-Mengevaluasi performa model melalui optimasi dan generalisasi
 Dapat Menganalisa Result and Discuss Eksperiment Kriteria
Rubrik Analisis
Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Explainable AI (XAI) & Model Interpretability
Sub Topik
-SHAP, LIME, saliency maps -Fairness and ethical considerations
 10
13 sub.cpmk.MT112.CPMK02.1-Menjelaskan konsep, aplikasi, dan tren deep learning secara komunikatif
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Research Trends & Applications
Sub Topik
-Multimodal learning -Foundation models & large-scale AI -Applications in healthcare, finance, robotics
 0
14 sub.cpmk.MT112.CPMK02.1-Menjelaskan konsep, aplikasi, dan tren deep learning secara komunikatif
 Kriteria

Teknik
 Kuliah,Ceramah interaktif,[CI=150 Menit]
 Topik
Final Project Presentations
Sub Topik
-Students present research/implementation projects -Peer review and discussion -Minimal Experiment report/ Draft Paper
 0
15 sub.cpmk.MT112.CPMK02.1-Menjelaskan konsep, aplikasi, dan tren deep learning secara komunikatif
 Kriteria

Teknik
 Ujian terjadwal,Tugas Mandiri,[TM=150 Menit]
 Topik
Ujian Akhir Semester (UAS)
Sub Topik

 30

Teknik Penilaian CPMK

CPL MK CPMK Tugas Teori (Kelompok) Tugas Teori (Individu) Tes Tulis (UTS) Tes Tulis (UAS)
CPL01 DEEP LEARNING CPMK02 Y
CPL03 DEEP LEARNING CPMK06 Y Y
CPL05 DEEP LEARNING CPMK09 Y
CPL07 DEEP LEARNING CPMK14 Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL01 CPMK02 sub.cpmk.MT112.CPMK02.2 0
CPL05 CPMK09 sub.cpmk.MT112.CPMK09.1, sub.cpmk.MT112.CPMK09.2 Systematic Literature Review 10 Pemahaman Konsep
CPL05 CPMK09 sub.cpmk.MT112.CPMK09.3 0
CPL05 CPMK09 sub.cpmk.MT112.CPMK09.3 0
CPL07 CPMK14 sub.cpmk.MT112.CPMK14.1 10 Kemampuan menganalisa Kasus
CPL03 CPMK06 sub.cpmk.MT112.CPMK06.1 0
CPL07 CPMK14 sub.cpmk.MT112.CPMK14.2 0
CPL03 CPMK06 sub.cpmk.MT112.CPMK06.1, sub.cpmk.MT112.CPMK06.2, sub.cpmk.MT112.CPMK06.3, sub.cpmk.MT112.CPMK06.4 30 Kemampuan menganalisa Kasus
CPL03 CPMK06 sub.cpmk.MT112.CPMK06.2 0
CPL07 CPMK14 sub.cpmk.MT112.CPMK14.3 10
CPL03 CPMK06 sub.cpmk.MT112.CPMK06.3 0
CPL03 CPMK06 sub.cpmk.MT112.CPMK06.4 10 Rubrik Analisis
CPL01 CPMK02 sub.cpmk.MT112.CPMK02.1 0
CPL01 CPMK02 sub.cpmk.MT112.CPMK02.1 0
CPL01 CPMK02 sub.cpmk.MT112.CPMK02.1 30
Total 100
2. Penilaian CPMK
CPL MK CPMK Tugas Teori (Kelompok) Tugas Teori (Individu) Tes Tulis (UTS) Tes Tulis (UAS) Total
CPL01 DEEP LEARNING CPMK02 0% 0% 0% 0% 30% 30%
CPL03 DEEP LEARNING CPMK06 0% 0% 10% 30% 0% 40%
CPL05 DEEP LEARNING CPMK09 0% 10% 0% 0% 0% 10%
CPL07 DEEP LEARNING CPMK14 0% 0% 20% 0% 0% 20%
100%