II SILABUS dan SAP

Silabus Jaringan Syaraf Tiruan

Program Studi
Mata Kuliah (MK)
Kode MK
Semester
SKS

: Fisika
: Jaringan Syaraf Tiruan (JST)
: FI713420
: lima
: 2 (1-1)

Nama Dosen:
1. I G.A. Widagda,S.Si., M.Kom.

Standar Kompetensi : Mahasiswa dapat memakai Jaringan Syaraf Tiruan untuk menyelesaikan masalah pengenalan pola sederhana
No.

Kompetensi Dasar
Mampu menjelaskan
sejarah, model,
fungsi aktivasi serta
prinsip dasar
pelatihan dari JST
Mampu
mengaplikasikan
JST Hebb untuk
menyelesaikan
masalah pengenalan
pola sederhana

Materi Pokok

Pengalaman Belajar

Indikator Pencapaian

Sejarah JST
Model JST
Fungsi aktivasi
Prinsip dasar
pelatihan JST
Algoritma JST
Hebb
Aplikasi JST
Hebb

Mempelajari dan
mendiskusikan
sejarah, pemodelan,
fungsi aktivasi,
prinsip pelatihan JST

Mahasiswa dapat
menjelaskan sejarah,
model, fungsi aktivasi
dan prinsip dasar
pelatihan JST

Mempelajari dan
mendiskusikan
algoritma dan
aplikasi JST Hebb

Mahasiswa dapat
memakai JST Hebb
untuk menyelesaikan
masalah pengenalan pola
sederhana

Perancangan
Progam
Komputer JST
Hebb

Membuat program
komputer JST Hebb

Penilaian
T UK US

Alokasi Waktu
TM
P
L
30
20

30

100

20

Sumber/
Bahan/Alat
Silabus, SAP
Kontrak
Perkuliahan
Textbook
slide
Idem

Mahasiswa dapat
membuat program
komputer JST Hebb
serta mengaplikasikan
progam tsb untuk
memecahkan masalah-

Mampu memakai
JST Perceptron
untuk menyelesaikan
masalah-masalah
pengenalan pola
sederhana

Mampu memakai
JST Adaline dan
Madaline untuk
menyelesaikan
masalah-masalah
pengenalan pola
sederhana

Arsitektur JST
Perceptron
Algoritma
Pelatihan JST
Perceptron
Aplikasi JST
Perceptron
Perancangan
Progam
Komputer JST
Perceptron

Mempelajari dan
mendiskusikan
arsitektur, algoritma,
dan aplikasi
Perceptron

Delta Rule
Adaline
Madaline

Mempelajari dan
mendiskusikan JST
Adaline dan
Madaline

Perancangan
Progam
Komputer
Adaline dan
Madaline

Membuat program
komputer dari
Adaline dan
Madaline

Membuat program
komputer dari JST
Perceptron

masalah pengenalan pola

sederhana
Mahasiswa dapat
memakai Perceptron
pada kasus-kasus
pengenalan pola
sederhana
Mahasiswa dapat
membuat program
komputer JST
Perceptron serta
mengaplikasikan progam
tsb untuk menyelesaikan
masalah-masalah
pengenalan pola
sederhana
Mahasiswa dapat
mengaplikasikan
Adaline dan Madaline
pada kasus-kasus
pengenalan pola
Mahasiswa dapat
membuat program
komputer dari Adaline
dan Madaline serta
mengaplikasikan progam
tsb untuk memecahkan

30

100

20

Idem

30

20

Idem

30

100

20

Mampu memakai
JST
Heteroassociative
Memory (HM) dan
Autoassociative
Memory (AM)
untuk menyelesaikan
masalah-masalah
pengenalan pola
sederhana

Arsitektur HM
Algoritma
Pelatihan HM
Arsitektur AM
Algoritma
Pelatihan AM

Mempelajari dan
mendiskusikan JST
HM dan AM

Perancangan
Progam
Komputer HM

Membuat program
komputer dari HM
dan AM

Mampu memakai
JST Hopfield untuk
menyelesaikan
masalah-masalah
pengenalan pola
sederhana

Arsitektur
Hopfield
Algoritma
Pelatihan
Hopfield
Perancangan
Progam
Komputer
Hopfield

Mempelajari dan
mendiskusikan JST
Hopfield

Mampu memakai

Arsitektur BAM

Mempelajari dan

Membuat program
komputer dari
Hopfield

masalah-masalah
pengenalan pola
Mahasiswa dapat
mengaplikasikan HM
dan AM pada kasuskasus pengenalan pola

Mahasiswa dapat
membuat program
komputer dari HM dan
AM serta
mengaplikasikan progam
tsb untuk memecahkan
masalah-masalah
pengenalan pola
Mahasiswa dapat
mengaplikasikan
Hopfield pada kasuskasus pengenalan pola
Mahasiswa dapat
membuat program
komputer dari Hopfield
serta mengaplikasikan
progam tsb untuk
memecahkan masalahmasalah pengenalan pola
Mahasiswa dapat

30

100

20

30

100

20

30

20

30

100

20

30

100

20

Idem

Idem

Idem

JST Bidirectional
Associative Memory
(BAM) untuk
menyelesaikan
masalah-masalah
pengenalan pola
sederhana

Algoritma
Pelatihan BAM

mendiskusikan JST
BAM

mengaplikasikan BAM
pada kasus-kasus
pengenalan pola

Perancangan
Progam
Komputer BAM

Membuat program
komputer dari BAM

Mampu memakai
JST
Backpropagation
untuk menyelesaikan
masalah-masalah
pengenalan pola
sederhana

Arsitektur
Backpropagation
Algoritma
Pelatihan
Backpropagation

Mempelajari dan
mendiskusikan JST
Backpropagation

Mahasiswa dapat
membuat program
komputer dari BAM
serta mengaplikasikan
progam tsb untuk
memecahkan masalahmasalah pengenalan pola
Mahasiswa dapat
mengaplikasikan
Backpropagation pada
kasus-kasus pengenalan
pola

Perancangan
Progam
Komputer
Backpropagation

Membuat program
komputer dari JST
Backpropagation

Mampu membuat
dan
mempresentasikan
makalah tentang
aplikasi JST

Semua materi
pokok yg sudah
dibahas
sebelumnya

Membuat makalah
Presentasi makalah

Mahasiswa dapat
membuat program
komputer dari
Backpropagation serta
mengaplikasikan progam
tsb untuk memecahkan
masalah-masalah
pengenalan pola
Mahasiswa dapat
membuat dan
mempresentasikan
makalah
Mahasiswa dapat

30

20

30

100

20

60

40

Idem

berkomunikasi secara
efektif
Mahasiswa dapat bekerja
dalam tim
Keterangan : T = tertulis, UK = Unjuk kerja, US = Unjuk sikap, Tm = Tatap muka, P = Praktikum, L = Latihan

60

40

Pustaka :

1. Fausett, Laurene,1994,. Fundamentals of Neural Networks, Prentice-Hall International, Inc.,USA

2.Li Min Fu, 1994, Neural Networks in Computer Intelligence, McGraw-Hill International, New York.
3. Neural Networks for Pattern Recognition, The MIT Press, Cambridge, MA
4.Rao, Valluru B. dan Rao, Hayagriva V, 1993, C++ Neural Networks and Fuzzy Logic, MIS Press, New York