UNIVERSITAS BUMIGORA
FAKULTAS PROGRAM PASCA SARJANA
PROGRAM STUDI S2 ILMU KOMPUTER

RPS-18-IKKK310006
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
Advanced Artificial Intellegence IKKK310006 Artificial Intelligence (AI) T= 3 1 05 Aug 2024
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Galih Hendro Martono, S.Kom.,M.Eng
Dr. Galih Hendro Martono, S.Kom.,M.Eng
Dr. Galih Hendro Martono, S.Kom.,M.Eng
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL01 Mampu menguasai dan mengembangkan konsep serta teori lanjutan di bidang sistem cerdas dan rekayasa perangkat lunak dan data secara mendalam dan sistematis
CPL02 Mampu merancang dan mengimplementasikan solusi teknologi berbasis AI dan data engineering untuk menyelesaikan permasalahan kompleks di berbagai sektor
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK015 Mampu mengintegrasikan konsep dalam Advanced Artificial Intelligence dalam konteks kompleks
CPMK026 Mampu merancang arsitektur dan model klasifikasi berbasis visual deep learning
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.IKKK310006.CPMK015 .1 SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks
sub.cpmk.IKKK310006.CPMK015 .2 SUB-CPMK0152 Mampu menganalisis implementasi metode AI seperti reinforcement learning, generative models, dan transfer learning dalam studi kasus nyata
sub.cpmk.IKKK310006.CPMK015 .3 SUB-CPMK0153 Mampu merancang sistem berbasis AI yang mengintegrasikan lebih dari satu pendekatan (hybrid AI systems)
sub.cpmk.IKKK310006.CPMK015 .4 Mampu mengevaluasi hasil penerapan metode AI pada studi kasus kompleks.
sub.cpmk.IKKK310006.CPMK026 .1 Mampu menjelaskan konsep Computer Vision dan Deep Learning untuk klasifikasi citra.
sub.cpmk.IKKK310006.CPMK026 .2 Mampu merancang arsitektur model visual deep learning sesuai kebutuhan kasus.
sub.cpmk.IKKK310006.CPMK026 .3 Mampu mengimplementasikan model klasifikasi berbasis visual deep learning menggunakan dataset yang relevan.
sub.cpmk.IKKK310006.CPMK026 .4 Mampu mengevaluasi performa model klasifikasi visual deep learning menggunakan metrik yang sesuai.
sub.cpmk.IKKK310006.CPMK026 .5 Mampu menyajikan dan menginterpretasikan hasil eksperimen model visual deep learning dalam bentuk laporan atau artikel ilmiah.
Korelasi CPMK terhadap Sub-CPMK
CPMK015 sub.cpmk.IKKK310006.CPMK015 .1
sub.cpmk.IKKK310006.CPMK015 .2
sub.cpmk.IKKK310006.CPMK015 .3
sub.cpmk.IKKK310006.CPMK015 .4
CPMK026 sub.cpmk.IKKK310006.CPMK026 .1
sub.cpmk.IKKK310006.CPMK026 .2
sub.cpmk.IKKK310006.CPMK026 .3
sub.cpmk.IKKK310006.CPMK026 .4
sub.cpmk.IKKK310006.CPMK026 .5
Deskripsi Singkat MK Mata kuliah Advanced Artificial Intelligence (AAI) ditujukan bagi mahasiswa Magister Ilmu Komputer (Audience) agar mampu menganalisis, merancang, serta mengimplementasikan pendekatan kecerdasan buatan klasik dan modern, termasuk reinforcement learning, generative models, transfer learning, dan hybrid AI systems (Behavior) dengan menggunakan teori lanjutan, studi kasus nyata, serta pemrograman berbasis Python dan framework deep learning (Condition) sehingga menghasilkan model kecerdasan buatan yang inovatif, dapat dievaluasi secara sistematis, serta memenuhi standar akademik dan etika AI (Degree).
Bahan Kajian : Materi Pembelajaran 1. Pengantar Advanced AI: AI klasik vs modern 2. Reinforcement Learning (Q-Learning, Deep RL) 3. Generative Models (GANs, VAEs) 4. Transfer Learning & Fine-Tuning 5. Hybrid AI Systems 6. Arsitektur Deep Learning (CNN, ResNet, EfficientNet, Vision Transformer) 7. Teknik Augmentasi, Regularisasi, dan Optimisasi 8. Evaluasi performa model (Confusion Matrix, Precision, Recall, F1-score) 9. Studi kasus klasifikasi citra medis & sosial 10. Interpretabilitas model AI 11. Etika, bias, dan tantangan dalam AI modern
Pustaka Utama
  • 1. Goodfellow, I., Bengio, Y., & Courville, A. (2021). Deep Learning. MIT Press.
  • 2. Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press.
  • 3. Chollet, F. (2021). Deep Learning with Python (2nd ed.). Manning.
  • 4. Aggarwal, C. C. (2023). Neural Networks and Deep Learning: A Textbook. Springer.
Pendukung
Dosen Pengampu Dr.Galih Hendro Martono, 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.IKKK310006.CPMK015 .1-SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks Menjelaskan teori dasar AAI Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Kuliah,Ceramah Langsung,[C=150 Menit]
 Topik
Pengantar AAI & perbedaan dengan AI klasik
Sub Topik
-
 2
2 sub.cpmk.IKKK310006.CPMK015 .2-SUB-CPMK0152 Mampu menganalisis implementasi metode AI seperti reinforcement learning, generative models, dan transfer learning dalam studi kasus nyata Jawaban benar & logis Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Kuis Langsung,[KL=150 Menit]
 Responsi,Kuis Take Home,[KH=50 Menit]
 Topik
Probabilistic reasoning, fuzzy logic
Sub Topik
-
 2
3 sub.cpmk.IKKK310006.CPMK015 .3-SUB-CPMK0153 Mampu merancang sistem berbasis AI yang mengintegrasikan lebih dari satu pendekatan (hybrid AI systems) Pemahaman tepat Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Problem based Learning,[PBL=150 Menit]
 Topik
Neural embeddings, feature learning
Sub Topik
-
 2
4 sub.cpmk.IKKK310006.CPMK015 .1-SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks Menjawab dengan benar Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Proses Belajar,[PB=150 Menit]
 Pembimbingan,Problem based Learning,[PBL=50 Menit]
 Topik
Optimisasi, heuristik, metaheuristik
Sub Topik
-
 2
5 sub.cpmk.IKKK310006.CPMK015 .2-SUB-CPMK0152 Mampu menganalisis implementasi metode AI seperti reinforcement learning, generative models, dan transfer learning dalam studi kasus nyata Argumentasi logis Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Proses Belajar,[PB=150 Menit]
 Topik
Studi kasus AAI
Sub Topik
-
 10
6 sub.cpmk.IKKK310006.CPMK015 .1-SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks Penyajian jelas & runtut Kriteria
Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
Teknik
 Diskusi,Project based Learning,[PjBL=150 Menit]
 Topik
Aplikasi AAI
Sub Topik
-
 10
7 sub.cpmk.IKKK310006.CPMK015 .1-SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks Presentasi sesuai instruksi Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Proses Belajar,[PB=150 Menit]
 Topik
Implementasi awal proyek
Sub Topik
-
 10
8 sub.cpmk.IKKK310006.CPMK015 .1-SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks sub.cpmk.IKKK310006.CPMK015 .2-SUB-CPMK0152 Mampu menganalisis implementasi metode AI seperti reinforcement learning, generative models, dan transfer learning dalam studi kasus nyata sub.cpmk.IKKK310006.CPMK015 .3-SUB-CPMK0153 Mampu merancang sistem berbasis AI yang mengintegrasikan lebih dari satu pendekatan (hybrid AI systems) sub.cpmk.IKKK310006.CPMK015 .4-Mampu mengevaluasi hasil penerapan metode AI pada studi kasus kompleks. UJIAN TENGAH SEMESTER (UTS) Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
- 		Ujian terjadwal,Durasi sesuai DAAK,[D=100 Menit]
 Topik
UJIAN TENGAH SEMESTER (UTS)
Sub Topik
-
 30
9 sub.cpmk.IKKK310006.CPMK026 .3-Mampu mengimplementasikan model klasifikasi berbasis visual deep learning menggunakan dataset yang relevan. Kemampuan mahasiswa mengembangkan aplikasi robotika dan sistem otonom berbasis AI untuk otomatisasi tugas tertentu Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Kuliah,Ceramah Langsung,[C=150 Menit]
 Topik
Robotika dan Sistem Otonom 1. Prinsip dasar robotika: aktuator, sensor, dan kontroler 2. Sistem otonom dan AI dalampengendalian robot 3. Aplikasi robotika
Sub Topik
-
 1
10 sub.cpmk.IKKK310006.CPMK015 .3-SUB-CPMK0153 Mampu merancang sistem berbasis AI yang mengintegrasikan lebih dari satu pendekatan (hybrid AI systems) Kemampuan mahasiswa membangun aplikasi sistem pakar berbasis Android untuk memecahkan masalah dalam domain tertentu. Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Project based Learning,[PjBL=150 Menit]
 Topik
Sistem Pakar Berbasis Android 1. Definisi dan komponen sistem pakar 2. Pengembangan aplikasi sistem pakar di Android (tools, framework, coding) 3. Studi kasus: sistem pakar untuk diagnosis penyakit di perangkat mobile
Sub Topik
-
 1
11 sub.cpmk.IKKK310006.CPMK015 .4-Mampu mengevaluasi hasil penerapan metode AI pada studi kasus kompleks. Kemampuan mahasiswa menganalisis dan mengevaluasi hasil pemodelan AI untuk meningkatkan kinerja model dengan mendalam Kriteria

Teknik
- 		Diskusi,Video Pembelajaran,[VA=50 Menit]
 Topik
Evaluasi Pemodelan AI 1. Teknik evaluasi pemodelan AI: validasi silang (cross-validation),ROC curve, AUC 2. Optimasi model AI dengan hyperparameter tuning 3. Studi kasus optimasi model AI berdasarkan dataset spesifik
Sub Topik
-
 1
12 sub.cpmk.IKKK310006.CPMK015 .3-SUB-CPMK0153 Mampu merancang sistem berbasis AI yang mengintegrasikan lebih dari satu pendekatan (hybrid AI systems) Kemampuan mahasiswa merancang dan membangun model AI sebagai bagian dari proyek akhir, dengan mempertimbangkan kebutuhan spesifik dan batasan teknis Kriteria
Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
Teknik
- 		Pembimbingan,Ceramah Langsung,[C=150 Menit]
 Topik
Proyek Akhir dan Implementasi AI 1. Perancangan proyek AI 2. pengembangan proyek AI yang berkelanjutan 3. Implementasi proyek AI dalam domain yang dipilih (misalnya robotika, NLP, atau keuangan)
Sub Topik
-
 1
13
14 sub.cpmk.IKKK310006.CPMK015 .4-Mampu mengevaluasi hasil penerapan metode AI pada studi kasus kompleks. Kemampuan mahasiswa mempresentasikan hasil proyek AI secara jelas dan terstruktur kepada audiens. Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Ceramah Langsung,[C=150 Menit]
 Topik
Presentasi Proyek Akhir AI 1. Teknik presentasi proyek ilmiah yang efektif 2. Struktur laporan dan presentasi proyek AI 3. Diskusi hasil implementasi dan evaluasi akhir proyek AI
Sub Topik
-
 8
15
16 sub.cpmk.IKKK310006.CPMK015 .1-SUB-CPMK0151 Mampu menjelaskan perbedaan pendekatan AI klasik dan modern dalam penyelesaian masalah kompleks sub.cpmk.IKKK310006.CPMK015 .2-SUB-CPMK0152 Mampu menganalisis implementasi metode AI seperti reinforcement learning, generative models, dan transfer learning dalam studi kasus nyata sub.cpmk.IKKK310006.CPMK015 .3-SUB-CPMK0153 Mampu merancang sistem berbasis AI yang mengintegrasikan lebih dari satu pendekatan (hybrid AI systems) sub.cpmk.IKKK310006.CPMK015 .4-Mampu mengevaluasi hasil penerapan metode AI pada studi kasus kompleks. UJIAN AKHIR SEMESTER (UAS) Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
- 		Penugasan,Project based Learning,[PjBL=150 Menit]
 Topik
UJIAN AKHIR SEMESTER (UAS)
Sub Topik
-
 20

Teknik Penilaian CPMK

CPL MK CPMK Kuis Tes Tulis (UTS) Tes Tulis (UAS) Tugas Teori (Kelompok) Responsi Partisipasi
CPL01 Advanced Artificial Intellegence CPMK015 Y Y Y Y Y Y
CPL02 Advanced Artificial Intellegence CPMK026 Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .1 - 2 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .2 - 2 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .3 - 2 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .1 - 2 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .2 - 10 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .1 10 Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .1 - 10 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .1, sub.cpmk.IKKK310006.CPMK015 .2, sub.cpmk.IKKK310006.CPMK015 .3, sub.cpmk.IKKK310006.CPMK015 .4 - 30 Ketepatan jawaban ujian sesuai perintah soal
CPL02 CPMK026 sub.cpmk.IKKK310006.CPMK026 .3 - 1 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .3 - 1 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .4 - 1
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .3 - 1 Kemampuan mahasiswa dalam menerapkan konsep/teori untuk menganalisis kasus nyata atau simulasi profesional.
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .4 - 8 Partisipasi aktif dalam diskusi
CPL01 CPMK015 sub.cpmk.IKKK310006.CPMK015 .1, sub.cpmk.IKKK310006.CPMK015 .2, sub.cpmk.IKKK310006.CPMK015 .3, sub.cpmk.IKKK310006.CPMK015 .4 - 20 Ketepatan jawaban ujian sesuai perintah soal
Total 100
2. Penilaian CPMK
CPL MK CPMK Kuis Tes Tulis (UTS) Tes Tulis (UAS) Tugas Teori (Kelompok) Responsi Partisipasi Total
CPL01 Advanced Artificial Intellegence CPMK015 2% 30% 20% 20% 1% 26% 99%
CPL02 Advanced Artificial Intellegence CPMK026 0% 0% 0% 0% 0% 1% 1%
100%