SILABUS MATA KULIAH

Mata Kuliah : Jaringan Syaraf Tiruan Kode Mata Kuliah :SKS : 3 SKSPengampu : Julian Supardi, M.T

I. Deskripsi Mata KuliahMata muliah ini merupakan matakuliah pilihan.Bidang Kajian Jaringan Syaraf Tiruan meliputi Sejarah Jaringan Syaraf Tiruan, Aplikasi-Aplikasi pada Jaringan Syaraf Tiruan, Pendekatan Biologis untuk Jaringan Syaraf Tiruan, Model Neuron dan Arsitektur Jaringan, Perseptron, Metode Belajar Hebbian, Metode Belajar Widrow-Hoff, Backpropagation, Pembelajarana sosiatif, Jaringan kompetitif, Jaringan Grossberg, Stabilitas, Jaringan Hopfield.

II. Standar KompetensiSasaran yang diinginkan pada proses pembelajaran Jaringan Syaraf Tiruan adalah mahasiswa memahami cara kerja Jaringan Syaraf Tiruan dan aplikasi-aplikasinya diberbagai bidang serta dapat menterjemahkan metode dan algoritma-algoritma pembelajaran pada Jaringan Syaraf Tiruan kedalam Bahasa Pemrograman Komputer.

III. Kompetensi Dasar1. Mahasisiwa memahami sejarah, aplikasi, dan pendekatan Biologis pada

Jaringan Syaraf Tiruan.2. Mahasiswa memahami Model Neuron dan Arisetiktur Jaringan Syaraf Tiruan.3. Mahasiswa memahami metode-metode pembelajaran pada Jaringan Syaraf

Tiruan.4. Mahasiswa memahami cara mengimplementasikan masing-masing metode

(Algoritma) pembelajaran pada Jaringan Syaraf Tiruan ke dalam Bahasa Pemrograman Komputer.

5. Mahasiswa memahami berbagai jaringan pada Jaringan Syaraf Tiruan.6. Mahasiswa memahami cara mengimplementasikan masing-masing Jaringan

pada Jaringan Syaraf Tiruan ke dalam Bahasa Pemrograman Komputer.

IV. Indikator1. Mahasiswa dapat menjelaskan sejarah perkembangan Jaringan Syaraf Tiruan.2. Mahasiswa dapat menjeleskan contoh-contoh aplikasi Jaringan Syaraf Tiruan.3. Mahasiswa dapat menjelaskan pendekatan Biologis pada Jaringan Syaraf

Tiruan.4. Mahasiswa dapat menjelaskan model Neuron dan arisetiktur Jaringan pada

Jaringan Syaraf Tiruan.5. Mahasiswa dapat menjelaskan metode-metode (Algoritma) pembelajaran pada

Jaringan Syaraf Tiruan.6. Mahasiswa dapat membuat program Komputer untuk setiap metode (Algoritma)

pembelajaran pada Jaringan Syaraf Tiruan.7. Mahasiswa dapat menjelaskan jenis-jenis jaringan pada Jaringan Syaraf Tiruan8. Mahasiswa dapat membuat program Komputer untuk masing-masing jaringan

pada pada Jaringan Syaraf Tiruan.

V. Tujuan Pembelajaran

Mata kuliah ini bertujuan agar mahasiswa dapat memahami konsep dan prinsif Jaringan Syaraf Tiruan dan dapat menerapkannya dalam menyelesaikan berbagai permasalahan yang relevan.

VI. Materi Pokok1. Pendahuluan: Sejarah Perkembangan Jaringan Syaraf Tiruan, Contoh-Contoh

Aplikasi Jaringan Syaraf Tiruan, Pendekatan Biologis Untuk Jaringan Syaraf Tiruan.

2. Model Neuron dan Arsitektur Jaringan Syarat Tiruan3. Metode(Algoritma) Pembelajaran Pada Jaringan Syaraf Tiruan4. Model Jaringan Pada Jaringan Syaraf Tiruan (Jaringan kompetitif, jaringan

Grossberg, Stabilitas,Jaringan Hopfield)

VII. Rencana Perkuliahan, Materi Ajar, Sasaran Pembelajaran

No.Pertem

uanMateri Ajar Sasaran Pembelajaran

1. 1Pengantar Jaringan Syaraf Tiruan

Kontrak kuliah,Pendahuluan: Orientasi Mata Kuliah,

penjelasan tujuan pembelajaran Jaringan Syaraf Tiruan, Kompetensi yang diinginkan, overview Topik-Topik yang akandiakan dibahas pada Mata Kuliah Jaringan Syaraf Tiruan

2. 2 dan 3

Pendahuluan :Sejarah Perkembangan Jaringan Syaraf Tiruan, Contoh- contoh aplikasi Jaringan Syaraf Tiruan, pendekatan Biologis Untuk Jaringan Syaraf

1. Menjelaskan sejarah perkembangan Jaringan Syaraf Tiruan

2. Menjelaskan contoh-contoh aplikasi Jaringan Syaraf Tiruan

3. Menjelaskan pendekatan Biologis untuk Jaringan Syaraf Tiruan

3 4, 5Model Neuron dan Arsitektur Jaringan Syaraf Tiruan

1. Mengenal dan memahami model neuron, arsitektur, sertacaramenjalankanperhitungan model neuron.

2. Mengetahui prinsif kerja Jaringan Syaraf Tiruan

3. Mengenal dan memahami model jaringan hamming serta dapatmelakukanperhitungannya

4. Mengenaldanmemahami model jaringan Hopfield sertadapatmelakukanperhitungannya.

4 6,7Metode Pembelajaran Jaringan Syaraf Tiruan

1. Mengenal dan memahami metode pembelajaran perseptron

2. Memahami metode uji konvergensi pada perseptron

3. Mengenal dan memahami metode belajaran hebbian, yang meliputiasosiasi linier, aturan hebb dan aturan Pseudoinverse dalam proses pembelajaran.

4. Mengenal dan memahami metode belajar Widrow-Hoff, yang meliputi jaringan adaline, MSE, Algoritma LMS, dan adaptive filtering

5 8 UJIAN MID SEMESTER

6 9,10Model Backpropagation

1. Mengenal dan memahami arsitektur Backpropagation

2. Mengenal dan memahami jaringan feed forward

3. Mengenal dan memahami Algoritma Backpropagation

4. Mengenal dan memahami kelemahan Backpropagation dan cara mengatasinya

5. Mengenal dan memahami teknik optimasi numeric pada backpropagaition

6. Menerapkan algoritma Backpropagation untuk sebuah

7 11 Pembelajaran Asosiatif

1. Mengenal dan memahami jaringan asosiatif sederhana

2. Mengenal dan memahami aturan Hebb tanpa hopfield

3. Mengenal dan memahami aturan instar dan aturan kohonen

8 12 Jaringan Kompetitif

1. Mengenal dan memahami jaringan kompetitif, seperti jaringan hamming

2. Mengenal dan memahami lapisan kompetitif3. Mengenal dan memahami

pembelajaran kompetitif4. Mengenal dan memahami masalah-

masalah pada lapisan kompetitif

9 13 Jaringan Grossberg1. Mengenal dan memahami sejarah kompetitif

dari sudut pandang biologi

2. Mengenal dan memahami model dasar Jaringan Syaraf Tiruan yang nonlinier

3. Mengenal dan memahami jaringan kompetitif dua lapis

4. Mengenal dan memahami hubungan antara model kompetitif dengan hokum

10 14Jaringan Recurrent danJaringan Hopfield

1. Mengenal dan memahami jaringanrecurrent

2. Mengenal dan memahami jaringan Hopfield3. Penggunaan fungsi Lyapunov

dalam jaringan hopfield4. Efek Gain dalam jaringan Hopfield5. Mengenal dan memahami prinsif

perancanganjaringan Hopfield untuk sebuah masalah tertentu

11 15 Statibilitas

1. Mengenal dan memahami stabilitas dalam Jaringan Syaraf Tiruan

2. Mengenal danmemahami teorema stabilitas lyapunov

3. Mengenal dan memahami teorema inviariansi LaSalle

12 16 UJIAN AKHIR SEMESTER

VIII. Model dan Metode Pembelajaran

Model pembelajaran langsung, penekanan pada sisi kognitif, afektif, dan motorik.

Metode Pembelajaran:1. Ekspositori2. Studikasus3. Problem based learning4. Inquiry5. Simulasi

IX. Media Pembelajaran1. LCD2. OHP

X. TugasTugasTerstruktur : Individu, Kelompok

TugasMandiri : Individu, Kelompok

XI. Evaluasi1. TugasIndividu2. TugasKelompok3. Ujian Tengah Semester4. UjianAkhir Semester5. Presentasi

XII. BukuSumber1. Hagan, Martin, Howard Demuth and Mark Belle, T, Neural Network Design,

PWS Publishing Company, Boston, 19962. Fu, LiMin, Neural Networks In Computer Intelligence, Mc.Graw-Hill

International Editions, Singapore, 19943. Demuth, Howard and Mark Belle, Neural Network Toolbox : for use with

MATLAB, (online available), Mathworks, 20024. Fausett, Laurence. Fundamentals of Neural Network: Architectures, Algorithms,

and Applications. Prentice Hall. New Jersey.19945. Graupe,D. Principles of Artificial Neural Network. Toh Tuck Link: World

Scientific Publishing Co, Pte, Ltd. 2007