CGS3G3 Kecerdasan Mesin dan Artifisial


Keterangan Mata Kuliah

  • Kode Mata Kuliah: CSG3G3 Kecerdasan Mesin dan Artifisial
  • Jumlah SKS: 3 SKS
  • Silabus Singkat: —
  • Kelas bersifat pararel:

Kompetensi Mata Kuliah:

  1. Membuat mahasiswa memahami teknik-teknik dasar dan beragam metode kecerdasan mesin, kelebihan dan kekurangannya, serta mampu memilih teknik dan metode yang paling sesuai untuk beragam masalah dan kasus yang dihadapi;
  2. Membuat mahasiswa mampu memahami berbagai masalah dan bagaimana menyelesaikannya menggunakan teknik dasar yang sesuai;
  3. Melatih mahasiswa untuk mengimplementasikan teknik dasar untuk penyelesaian masalah dunia nyata.

Materi Utama:

  • Searching, Planning(UTS)
  • Reasoning, Learning (UAS)

Course Grade:

  • A>80
  • 70>AB <80
  • 65>  B <70
  • 60>BC <65
  • 50>  C <60
  • 40>  D <50
  • E < 40 or because of academic dishonest activity done by student

Grade composition*:

  • Daily Task: 10%
  • Project : 20%
  • Mid Term: 30%
  • Final Term : 40 %

Note:grading composition can be change by the lecture

Academic Dishonest

  1. Penyontekan (Cheating) : meliputi tindakan secara nyata menerima dan memberi bantuan di luar kewenangan atau memberi dan menerima keuntungan secara tidak sah dalam segala bentuk pekerjaan akademik.
  2. Plagiat (Plagiarism)  :meliputi mencuri atau menyalin kalimat, struktur, gagasan dan/atau pemikiran orang lain dan meniru hasil kerja/karya orang lain, atau usahausaha semacam itu, tanpa menyebutkan sumber atau referensi yang disalin.
  3. Pemalsuan (Falsification):  meliputi pernyataan atau perkataan atau penulisan yang tidak benar atau dokumen palsu terhadap segala kondisi yang terkait dengan akademik seseorang. Tindakan pemalsuan meliputi – namun tidak terbatas pada – pemalsuan tanda tangan, mengubah atau merusak data resmi, memberikan dokumen palsu atau menambah atau mengurangi atau menghapus informasi pada dokumen akademik, atau mengubah pernyataan jawaban ujian atau pekerjaan akademik lain setelah periode ujian atau batas waktu yang ditetapkan.

Slide Materi Perkuliahan:

  1. KMA_CSG3G3_Pendahuluan
  2. KMA_CSG3G3_Searching_1
  3. KMA_CSG3G3_Searching_2
  4. KMA_CSG3G3_Searching_3
  5. Revisi Pseudo-code UCS KMA_CSG3G3_Searching_3
  6. KMA_CSG3G3_Searching_4
  7. Materi Tambahan Untuk Take Home Exercise Algoritma Genetika
  8. KMA_CSG3G3_Reasoning_1_New
  9. KMA_CSG3G3_Reasoning_2_Fuzzy
  10. KMA_CSG3G3_Reasoning_2_Fuzzy_Contoh Soal
  11. KMA_CSG3G3_Planning_1
  12. ===================================================
  13. KMA_CSG3G3_Learning_1 <Naive Bayes>
  14. KMA_CSG3G3_Learning_1_update
  15. KMA_CSG3G3_Learning_2 <Decision Tree Learning>
  16. KMA_CSG3G3_Learning_3_Latihan <Latihan Naive Bayes dan DTL>
  17. -===================================================
  18. Bahan bacaan untuk Jaringan Syaraf Tiruan:
  19. nn -> tulisan overview mengenai Jaringan Syaraf Tiruan
  20. nn-clab -> proces perhitungan dalam Multi Layer Perceptron
  21. KMA_CSG3G3_Learning_4_Perceptron -> Pemahaman Tentang Perceptron (update)
  22. Backpropagation-> Konsep Pembelajaran Back-Propagation (wajib di cetak dan dibawa kuliah)
  23. KMA_CSG3G3_Learning_5_MLP -> Materi MLP (wajib di cetak dan dibawa kuliah)
  24. ================================================
  25. KMA_CS3243_Second_2010_2011_04_Planning <slide lama>
  26. KMA_CS3243_Second_2010_2011_05_Learning_01 <slide lama>
  27. KMA_CS3243_Second_2010_2011_05_Learning_02 <slide lama>
  28. KMA_CS3243_Second_2010_2011_05_Learning_03<slide lama>
  29. KMA_CS3243_Second_2010_2011_05_Learning_04 <slide lama>
  30. <on-progress>