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 17 Feb 2021
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Arifiyanto Hadinegoro, S.Kom, MT
Arif Akbarul Huda, S.Si., M.Eng
WINDHA MEGA PD, M. KOM.
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPLP06 Mampu menggunakan dan mengoptimalisasi teknik akuisisi data , analisis data, pengolahan data untuk menyelesaikan masalah penelitian atau industri
CPLP10 mampu menjelaskan konsep dan pengetahuan teknik akuisisi data , analisis data, 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 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 Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang teks
sub.cpmk.ST164.CPMK21.2 Mahasiswa mampu menyampaikan cara bekerja Generative Deep Learning
sub.cpmk.ST164.CPMK21.3 Mahasiswa mampu membangun solusi nyata untuk menyelesaikan suatu masalah
sub.cpmk.ST164.CPMK23.1 Mahasiswa mampu menjelaskan machine learning dan evaluasinya
sub.cpmk.ST164.CPMK23.2 Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang computer vision
sub.cpmk.ST164.CPMK41.1 Mahasiswa mampu menjelaskan konsep Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL)
sub.cpmk.ST164.CPMK41.2 Mahasiswa mampu menyampaikan cara bekerja deep learning pada data time series
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
Deskripsi Singkat MK 1. Perkuliahan diselenggarakan sebanyak 14 kali pertemuan dalam satu semester, yang terdiri 14 pertemuan teori yang dilaksanakan dengan metode Synchronous pada setiap pertemuannya. Ditambah 2 kali pertemuan yang dikhususkan untuk pelaksanaan UTS (Ujian Tengah Semester) dan UAS (Ujian Akhir Semester). 2. Perkuliahan mengajak dan memandu mahasiswa untuk memahami serta mampu menggali masalah, menganalisis dan mengevaluasi data dalam era revolusi industri 4.0. Pada akhir kuliah mahasiswa wajib membuat proyek implementasi supervised learning.
Bahan Kajian : Materi Pembelajaran Materi yang disampaikan meliputi: Konsep AI, Kecerdasan Alami vs Buatan, Pengenalan Revolusi Industri 4.0, Dampak Revolusi Industri 4.0, Pengenalan Machine Learning, Teknnologi AI pada penggunaan Machine Learning, Pola Machine Learning, Perkembangan AI, Machine Learning, dan Deep Learning, teknik computing, Soft Computing, Hard Computing, python programming environtment, Supervised Learning, UnSupervised Learning, Regression, collection dataset, linear regression, loss functions, overftting, gradient descent, logistic regression, support vector machines (SVMs), k-nearest neighbors(k-NN), decision trees, random forests, Introducing cross-validation, hyperparameter tuning, ensemble models, Feed Forward, Backpropagation, Classifier Project, principal components analysis (PCA), singular value decomposition (SVD), Implementasi dan Presentasi Proyek AI
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.
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, "Neural Network Optimization for Prediction of Student Study Period," 2021 Sixth International Conference on Informatics and Computing (ICIC), 2021, pp. 1-5, doi: 10.1109/ICIC54025.2021.9632965.
Dosen Pengampu Ainul Yaqin, M. Kom, Arif Akbarul Huda, S.Si, M.Eng
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.CPMK41.1-Mahasiswa mampu menjelaskan konsep Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL) Mahasiswa dapat menyampaikan perbedaan AI, ML dan DL Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
- Kontrak Belajar Artificial Intelligence - Machine Learning Deep learning
Sub Topik
- Kontrak Belajar Artificial Intelligence - Machine Learning Deep learning
  • [1] Hal: Ref1
1.25
2 sub.cpmk.ST164.CPMK41.1-Mahasiswa mampu menjelaskan konsep Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL) Mahasiswa dapat menceritakan operasi-operasi matematika yang berhubungan dengan Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Fondasi matematika
Sub Topik
Fondasi matematika
  • [2] Hal: Ref2
1.25
3 sub.cpmk.ST164.CPMK23.1-Mahasiswa mampu menjelaskan machine learning dan evaluasinya Mahasiswa dapat menjelaskan salah satu algoritma machine learning populer, seperti linear regression, decision tree, k-nearest neighbors, SVM, atau neural networks, serta cara kerjanya. Kriteria
Rubrik Analitik
Teknik
Kuis 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
algoritma machine learning
Sub Topik
algoritma machine learning
  • [1] Hal: Ref3
6.66
4 sub.cpmk.ST164.CPMK23.1-Mahasiswa mampu menjelaskan machine learning dan evaluasinya Mahasiswa dapat menjelaskan metode evaluasi model, seperti confusion matrix, precision, recall, F1-score, ROC-AUC, dan cross-validation. Kriteria
Rubrik Analitik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Evaluasi model
Sub Topik
Evaluasi model
  • [1] Hal: Ref1
1.25
5 sub.cpmk.ST164.CPMK23.2-Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang computer vision Mahasiswa mampu menceritakan konsep dasar pengolahan citra digital dan video processing Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
konsep dasar pengolahan AI
Sub Topik
konsep dasar pengolahan AI
  • [1] Hal: Ref2
1.25
6 sub.cpmk.ST164.CPMK23.2-Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang computer vision Mahasiswa mampu menjelaskan arsitektur dasar CNN, termasuk konsep lapisan konvolusi, pooling, dan fully connected layers, serta peran masing-masing dalam memproses gambar. Kriteria
Rubrik Holistik
Teknik
Kuis 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
arsitektur dasar CNN
Sub Topik
arsitektur dasar CNN
  • [1] Hal: Ref1
6.66
7 sub.cpmk.ST164.CPMK41.2-Mahasiswa mampu menyampaikan cara bekerja deep learning pada data time series Mahasiswa dapat menceritakan jenis-jenis kasus terkait data time-series Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Jenis-jenis kasus terkait AI
Sub Topik
Jenis-jenis kasus terkait AI
  • [1] Hal: Ref2
1.25
8 sub.cpmk.ST164.CPMK41.2-Mahasiswa mampu menyampaikan cara bekerja deep learning pada data time series UTS Kriteria

Teknik
UTS 		Topik
UTS
Sub Topik
UTS
 20.01
9 sub.cpmk.ST164.CPMK41.2-Mahasiswa mampu menyampaikan cara bekerja deep learning pada data time series Mahasiswa dapat menjelaskan arsitektur Recurrent Neural Networks (RNN) serta varian lebih lanjut seperti Long Short-Term Memory (LSTM) dan bagaimana mereka digunakan untuk menangani data time series dengan mempertahankan informasi dari langkah waktu sebelumnya. Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
arsitektur CNN
Sub Topik
arsitektur CNN
  • [1] Hal: Ref3
1.25
10 sub.cpmk.ST164.CPMK21.1-Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang teks Mahasiswa dapat menjelaskan perkembangan NLP Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Perkembangan NLP
Sub Topik
Perkembangan NLP
  • [1] Hal: Ref3
1.25
11 sub.cpmk.ST164.CPMK21.1-Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang teks Mahasiswa dapat menjelaskan tentang algoritma seperti Transformer, RNN, LSTM Kriteria
Rubrik Holistik
Teknik
Kuis 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Algoritma seperti Transformer
Sub Topik
Algoritma seperti Transformer
  • [1] Hal: Ref3
6.66
12 sub.cpmk.ST164.CPMK21.2-Mahasiswa mampu menyampaikan cara bekerja Generative Deep Learning Mahasiswa dapat menjelaskan arsitektur dan prinsip kerja dari model-generatif utama, seperti Generative Adversarial Networks (GANs) dan Variational Autoencoders (VAEs). Kriteria
Rubrik Holistik
Teknik
Keaktifan 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
arsitektur dan prinsip kerja AI
Sub Topik
arsitektur dan prinsip kerja AI
  • [2] Hal: RefP1
1.25
13 sub.cpmk.ST164.CPMK21.2-Mahasiswa mampu menyampaikan cara bekerja Generative Deep Learning Mahasiswa dapat menunjukkan karya berbasis teknologi Deep Learning Kriteria
Rubrik Holistik
Teknik
Tugas 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
teknik training stability
Sub Topik
teknik training stability
  • [2] Hal: RefP2
10
14 sub.cpmk.ST164.CPMK21.3-Mahasiswa mampu membangun solusi nyata untuk menyelesaikan suatu masalah Mahasiswa dapat menunjukkan karya berbasis teknologi Deep Learning Kriteria
Rubrik skala Persepsi
Teknik
Presentasi 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Menunjukkan karya berbasis AI
Sub Topik
Menunjukkan karya berbasis AI
  • [1] Hal: Ref3
10
15 sub.cpmk.ST164.CPMK21.3-Mahasiswa mampu membangun solusi nyata untuk menyelesaikan suatu masalah Mahasiswa dapat menunjukkan karya berbasis teknologi Deep Learning Kriteria
Rubrik skala Persepsi
Teknik
Presentasi 		Kuliah,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Kuliah Online Zoom,Proses Belajar,[PB=100 Menit]
Tugas ,Penugasan terstruktur dan Kegiatan Mandiri ,[PT+KM : (1+1 ) x (2 x 60" )=120 Menit]
 Topik
Menunjukkan karya berbasis AI
Sub Topik
Menunjukkan karya berbasis AI
  • [1] Hal: Ref1
10
16 sub.cpmk.ST164.CPMK21.1-Mahasiswa mampu menyampaikan cara bekerja deep learning pada bidang teks sub.cpmk.ST164.CPMK21.2-Mahasiswa mampu menyampaikan cara bekerja Generative Deep Learning sub.cpmk.ST164.CPMK21.3-Mahasiswa mampu membangun solusi nyata untuk menyelesaikan suatu masalah UAS Kriteria

Teknik
UAS 		Topik
UAS
Sub Topik
UAS
 20.01

Teknik Penilaian CPMK

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

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.1 Keaktifan 1.25 Rubrik Holistik
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.1 Keaktifan 1.25 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.1 Kuis 6.66 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.1 Keaktifan 1.25 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.2 Keaktifan 1.25 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST164.CPMK23.2 Kuis 6.66 Rubrik Holistik
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.2 Keaktifan 1.25 Rubrik Holistik
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.2 UTS 20.01
CPLP10 CPMK41 sub.cpmk.ST164.CPMK41.2 Keaktifan 1.25 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.1 Keaktifan 1.25 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.1 Kuis 6.66 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.2 Keaktifan 1.25 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.2 Tugas 10 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.3 Presentasi 10 Rubrik skala Persepsi
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.3 Presentasi 10 Rubrik skala Persepsi
CPLP06 CPMK21 sub.cpmk.ST164.CPMK21.1, sub.cpmk.ST164.CPMK21.2, sub.cpmk.ST164.CPMK21.3 UAS 20.01
Total 100
2. Penilaian CPMK
CPL MK CPMK Tugas Tes Tulis (UTS) Presentasi Tes Tulis ( UAS ) Total
CPLP06 KECERDASAN BUATAN LANJUT CPMK21 19.16% 0% 20% 20.01% 59.17%
CPLP06 KECERDASAN BUATAN LANJUT CPMK23 15.82% 0% 0% 0% 15.82%
CPLP10 KECERDASAN BUATAN LANJUT CPMK39 0% 0% 0% 0% 0%
CPLP10 KECERDASAN BUATAN LANJUT CPMK41 5% 20.01% 0% 0% 25.01%
100%