Mata kuliah Kecerdasan Buatan adalah mata kuliah dengan bobot 3 SKS yang terdiri dari 2 SKS kuliah dan 1 SKS praktikum. Pelaksanaan perkuliahan dalam satu semester terdiri atas 24 kali pertemuan. Secara rinci, perkulihan terdiri dari 14 kali pertemuan untuk memaparkan materi, 1 kali pertemuan untuk mengadakan Ujian Tengah Semester (UTS), dan 1 kali pertemuan untuk mengadakan Ujian Akhir Semester (UAS). Sedangkan untuk kegiatan praktikum terdiri dari 16 kali pertemuan di ruangan laboratorium.Rencana Pembelajaran Semester (RPS) untuk matakuliah ini versi PDF dapat didownload disini . Mata kuliah ini mengajarkan konsep-konsep dasar kecerdasan buatan, dimana materi pembelajaran mencakupi sejarah Kecerdasan Buatan, Intelligent Agent, problem solving, metode pencarian, metode heuristik, first order logic, logika fuzzy, pengantar jaringan saraf tiruan, fungsi basis radial. Mata kuliah ini menggunakan Bahasa pemrograman Java, untuk mendukung pemahaman konsep tersebut di laboratorium. Dosen Koodinatormata kuliah ini adalah: Irvanizam Zamanhuri, S.Si, M.Sc irvanizam.zamanhuri@unsyiah.ac.id Dalila Husna Yunardi, B.Sc, M.Sc dalila@unsyiah.ac.id Sistem Penilaian Untuk mahasiswa FMIPA Universitas Syiah Kuala, sistem penilaian dilakukan dengan distribusi sebagai berikut: Tugas 25% Ujian Tengah Semester (UTS) 20% Ujian Akhir Semester (UAS) 25% Kuis Online 15% Praktikum 10% Keaktifan Forum 5% Catatan: Tugas merupakan kerja individu yang terbagi atas 4 (empat) tugas dengan prosentasi penilaian untuk masing-masing tugas sebesar 6.25%. Kategori nilai huruf diberikan sesuai dengan Buku Panduan Akademik FMIPA UNSYIAH. Adapun Kategori nilai hurufnya adalah sebagai berikut: Istimewa (Nilai A),jika total nilai> =87 Sangat Baik (Nilai AB), jika 78

---

Course Modules

Standard Kompetensi:Mahasiswa memahami konsep dasar dan penerapankecerdasan buatan. Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1).Mendefinisikan kecerdasan buatan. (2).Sejarah kecerdasan buatan. (3).Contoh-contoh kecerdasan buatan. (4).Riset-riset di dalam kecerdasan buatan. Kompetensi Dasar: (1). Mahasiswa memiliki pengetahuan dasar tentang kecerdasan buatan, (2). Mahasiswa mengetahui dan (3). memahami penerapan kecerdasan buatan di dalam bidang ilmu informatika. Indikator: Mahasiswa mampu memahami konsep dasar kecerdasan buatan.

---

Course Modules

Standard Kompetensi: Mahasiswa mampu memahami konsep dasar kecerdasan buatan dan algoritma serta mampu membedakan antara keduanya. Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1).Konsep perbedaan antara kecerdasan buatan dan pemograman, (2).Bidang-bidang ilmu dalam kecerdasan buatan. Kompetensi Dasar: (1).Mahasiswa mampu memahahami definisi kecerdasan buatan dan algoritma, (2). Mahasiswa dapat memberi penjelasan tentang perbedaan antara algoritma dan kecerdasan buatan. Indikator: Mahasiswa mampu menjawab kuis yang berkaitan dengan materi kecerdasan buatan dan algoritma.

---

Course Modules

Standard Kompetensi: Mahasiswa memahami konsep agen relasional. Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1).Konsep perbedaan antara kecerdasan buatan dan pemograman, (2).Bidang-bidang ilmu dalam kecerdasan buatan. Kompetensi Dasar: (1).Mahasiswa memahami konsep agen relasional. (2). Mahasiswa mempu mendefinisikan kriteria-kriteria untuk membangun sebuah agen relasional. 3. Mahasiswa mempelajari contoh agen relasional yang sudah diberikan, yaitu taksi otomatis dan mampu membangun contoh sendiri berdasar kriteria-kriteria yang sudah didefinisikan. Indikator: (1). Mahasiswa memahami dan mengerti konsep agen relasional. (2). Mahasiswa dapat menerapkan konsep agen relasional yang sudah dipelajari dengan membangun agen relasional sendiri.

---

Course Modules

Standard Kompetensi: Mahasiswa memahami cara-cara pemecahan masalah dalam kecerdasan buatan.. Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1).Definisi problem solving, (2).Menjelaskan mekanisme problem solving dalam kecerdasan buatan, (3).Menerapkan metode problem solving ke kasus turis di Rumania. Kompetensi Dasar: (1). Mahasiswa memahami penerapan pemecahan masalah(problem solving) di dalam kecerdasan buatan. (2). Mahasiswa memahami mekanisme pemecahan masalah dalam kecerdasan buatan. Indikator: (1). Mahasiswa memahami penerapan konsep problem solving di dalam kecerdasan buatan. (2). Mahasiswa memahami cara kerja dan mekanisme problem solving.

---

Course Modules

Standard Kompetensi: Mahasiswa mampu memahami dan menerapkan berbagai jenis teknik pencarian. Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1).Definisi teknik pencarian, (2). Jenis-jenis teknik pencarian. (3). Mendefinisikan blind search (4). Mengidentifikasi performance searching (5). Diskusi contoh program yang menerapkan algoritma teknik pencarian. Kompetensi Dasar: (1).Mahasiswa mampu memahami berbagai jenis teknik pencarian. (2). Mahasiswa mampu menggunakan teknik pencarian yang sesuai untuk suatu permasalahan. (3). Mahasiswa mengetahui jenis-jenis teknik pencarian. Indikator: (1). Mahasiswa memahami dan mengetahui jenis-jenis teknik pencarian. (2). Mahasiswa mampu memilih teknik pencarian yang tepat berdasarkan permasalahan yang diberikan.

---

Course Modules

Standard Kompetensi: Mahasiswa memahami Teknik Pencarian Heuristik. Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1).Mempelajari teknik pencarian Hill Climbing (2). Mempelajari cara kerja teknik pencarian Hill Climbing (3). Membedakan antara teknik pencarian heuristik dengan teknik pencarian biasa di pertemuan sebelumnya. (4). Diskusi contoh program yang menggunakan teknik pencarian Hill Climbing.. Kompetensi Dasar: (1).Mahasiswa mampu memahami dan mengetahui jenis-jenis teknik pencarian heuristik. (2). Mahasiswa memahami menggunakan teknik pencarian heuristik yang tepat untuk permasalahan yang diberikan. Indikator: (1). Mahasiswa mengerti algoritma dan jenis-jenis teknik pencarian heuristik. (2). Mahasiswa mampu memilih jenis teknik pencarian yang sesuai untuk permasalahan yang diberikan.

---

Course Modules

Standard Kompetensi: Mahasiswa mengerti dan memahami metode Best First Search (BFS). Materi Pembahasan: Pada pertemuan ini akan dibahas tentang: (1).Menjelaskan tentang teknik pencarian BFS (2). Menjelaskan tentang algoritma BFS (3). Diskusi contoh program yang menggunakan kedua teknik pencarian tersebut untuk memecahkan suatu masalah. Kompetensi Dasar: (1).Mahasiswa memahami teknik pencarian BFS (2). Mahasiswa memahami cara kerja teknik pencarian BFS 3. Mahasiswa dapat menerapkan teknik pencarian BFS ke masalah yang diberikan. Indikator: (1). Mahasiswa mengerti dan memahami teknik pencarian BFS (2). Mahasiswa mampu menerapkan teknik pencarian BFS ke permasalahan yang diberikan.

---

Course Modules

Standard Kompetensi: Mahasiswa diuji tingkat pemahamannya terhadap ketujuh Materi pembelajaran yang telah diajarkanpada minggu 1 sd 7. Materi Pembahasan: Pada pertemuan ini akan diuji atau evaluasi materi tentang: (1).Pengenalan dan sejarah Kecerdasan Buatan (2). Agen relasional (3). Perbedaan antara kecerdasan buatan dan algoritma - Pemecahan masalah (problem solving) (4). Teknik pencarian (5). Teknik pencarian heuristik (6). Teknik pencarian Best First Search Kompetensi Dasar: (1).Mahasiswa mengerti konsep-konsep dasar dan bidang riset di dalam bidang kecerdasan buatan. (2). Mahasiswa memahami cara-cara membangun sebuah agen relasional dan mampu membuat contoh sendiri. (3). Mahasiswa memahami cara-cara problem solving dan memahami teknik-teknik pencarian yang sudah dipelajari. Indikator: Mahasiswa mendapat nilai UTS minimal C

---

Course Modules

Standar Kompetensi : Mahasiswa mampu memahami teknik pencarian A* danGreedy Best First Search (Greedy BFS). Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1). Teknik pencarian dan algoritma A* (2).Teknik pencarian dan algoritma Greedy BFS (3).Diskusi contoh program yang menggunakan keduaalgoritma tersebut. Kompetensi Dasar : (1). Mahasiswa memahami teknik pencarian A* dan GreedyBFS (2).Mahasiswa dapat membedakan kedua teknik pencariantersebut (3). Mahasiswa mampu menerapkan kedua teknik pencariantersebut ke permasalahan yang diberikan. Indikator: Mahasiswa memahami cara kerja teknik pencarian A* danGreedy BFS

---

Course Modules

Standard Kompetensi:Mahasiswa mampu memahami konsep-konsep yang berkaitandengan pencarian (searching) dan penalaran (reasoning). Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1).Konsep-konsep seputar searching dan reasoning (2).Perbedaan antara searching dan reasoning (3).Penerapan searching dan reasoning ke permasalah yangdiberikan (4).Knowledge-based system (5).Penyelesaian masalah menggunakan teknik reasoning. (6).Diskusi contoh program yang menggunakan searching danreasoning. Kompetensi Dasar: (1).Mahasiswa memahami konsep searching dan reasoning (2). Mahasiswa mampu membedakan antara konsep searching danreasoning. Indikator:(1).Mahasiswa memahami cara kerja searching dan reasoning (2).Mahasiswa mengetahui jenis-jenis logic (3).Mahasiswa mampu membangun knowledge-based system.

---

Course Modules

Standard Kompetensi:Mahasiswa mampu memahami konsep predicate logic danpredicate calculus. Materi Pembahasan:Pada pertemuan ini akan dibahas tentang:(1). Menjelaskan tentang predicate calculus(2). Menjelaskan tentang predicate logic(3). Logika dengan contoh kasus, yaitu: hokum pernikahan(4). Pengenalan tentang First Order Logic (FOL)(5). Membangun knowledge representation terhadap permainan catur (6).Diskusi contoh program yang menerapkan predicate calculus dan predicate logic. Kompetensi Dasar: (1).Mahasiswa memahami konsep predicate logic dan predicate calculus.2. Mahasiswa mampu membedakan antara predicate logic dan predicate calculus.3. Mahasiswa mampu menerapkan predicate logic dan predicate logic ke dalam permasalahan yang diberikan Indikator:Mahasiswa memahami cara kerja predicate calculus danpredicate logic.

---

Course Modules

Standard Kompetensi:Mahasiswa mampu memahamikonsep Simple Additive Weighting (SAW) Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1).Konsep dasar sietem pengambil keputusan (2). Metode yang digunakan untuk pengambil keputusan (3). contoh implementasi metodeSimple Additive Weighting (SAW). Indikator:Mahasiswa memahami konsep dasarSimple Additive Weighting (SAW)

---

Course Modules

Standard Kompetensi:Mahasiswa mampu memahami konsepTechnique for Order Preference by Similarity to Ideal Solution (TOPSIS). Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1). Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Kompetensi Dasar: (1).Mahasiswa memahami konsep Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). (2). Mahasiwa dapat mengimplementasi konsep Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Indikator:(1).Mahasiswa memahami teknik konsepTechnique for Order Preference by Similarity to Ideal Solution (TOPSIS)

---

Course Modules

Standard Kompetensi:Mahasiswa mampu memahami logika fuzzy Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1).Konsep dasar logika fuzzy (2).Aturan-aturan dalam logika fuzzy (3).Penerapan logika fuzzy (4).Konsep defuzzification. Indikator:Mahasiswa memahami konsep dasar logika fuzzy

---

Course Modules

Standard Kompetensi:Mahasiswa mampu memahami konsepMetode Set pair Analysis Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1).KonsepMetode Set pair Analysis Kompetensi Dasar: (1).Mahasiswa memahami konsepMetode Set pair Analysis Indikator:Mahasiswa memahami konsepMetode Set pair Analysis

---

Course Modules

Standard Kompetensi:Mahasiswa diuji tingkat pemahamannya terhadap ketujuhmateri pembelajaran yang telah diajarkan pada pertemuan 9 sd15 Materi Pembahasan:Pada pertemuan ini akan dibahas tentang: (1).Teknik pencarian A* dan Greedy BFS (2).Pencarian dan Penalaran (3).Predicate Logic dan Predicate Calculus (4).Logika Fuzzy (5).Jaringan Saraf dan Neuron Tiruan (6).Backpropagation (7).Radial Basis Function Kompetensi Dasar: (1).Mahasiswa mengerti dan memahami teknik pencarian A*dan Greedy BFS (2). Mahasiswa mengerti dan memahami konsep penalaran danpencarian (3). Mahasiswa memahami backpropagation, radial basisfunction, logika fuzzy, predicate calculus dan predicatelogic. Indikator:Mahasiswa mendapat nilai UAS minimal C

---

Course Modules