UNIVERSITAS BUMIGORA
FAKULTAS PROGRAM PASCA SARJANA
PROGRAM STUDI S2 ILMU KOMPUTER

RPS-18-IKKK310007
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
Artificial Neural Network IKKK310007 Artificial Intelligence (AI) T= 3 1 11 May 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Dadang Priyanto, M.Kom
-
Dr. Neny Sulistianingsih, M.Kom
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
CPL03 Mampu mengelola dan mengevaluasi proyek teknologi informasi secara profesional, termasuk dalam perencanaan, pengembangan, pengujian, serta integrasi teknologi terkini
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK0113 Mampu menganalisis arsitektur dan algoritma Artificial Neural Network dalam konteks sistem cerdas
CPMK027 Mampu membangun dan mengoptimasi model Artificial Neural Network
CPMK033 Mampu mengevaluasi peran algoritma jaringan syaraf tiruan dalam proyek
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.IKKK310007.CPMK0113 .1 Mampu menganalisis arsitektur dan algoritma Artificial Neural Network dalam konteks sistem cerdas.
sub.cpmk.IKKK310007.CPMK0113 .2 Mampu menjelaskan konsep dasar Artificial Neural Network, sejarah perkembangan, dan ruang lingkup penerapannya dalam sistem cerdas secara sistematis (C2).
sub.cpmk.IKKK310007.CPMK0113 .3 Mampu menganalisis struktur neuron biologis dan neuron buatan serta mekanisme pembelajaran pada jaringan saraf tiruan (C4).
sub.cpmk.IKKK310007.CPMK027 .1 Mampu menerapkan algoritma perceptron tunggal untuk menyelesaikan permasalahan klasifikasi sederhana berbasis data (C3).
sub.cpmk.IKKK310007.CPMK027 .2 Mampu membangun model Multilayer Perceptron menggunakan algoritma backpropagation untuk menyelesaikan permasalahan klasifikasi atau prediksi (C3).
sub.cpmk.IKKK310007.CPMK027 .3 Mampu mengoptimasi model Artificial Neural Network melalui pengaturan fungsi aktivasi, learning rate, jumlah neuron, dan parameter pelatihan lainnya (C5).
sub.cpmk.IKKK310007.CPMK033 .1 Mampu mengevaluasi performa model Artificial Neural Network menggunakan metrik evaluasi yang sesuai secara kritis dan sistematis (C5).
sub.cpmk.IKKK310007.CPMK033 .2 Mampu mengevaluasi kelebihan, keterbatasan, dan kontribusi algoritma jaringan syaraf tiruan dalam penyelesaian proyek sistem cerdas (C5).
sub.cpmk.IKKK310007.CPMK033 .3 Mampu merancang dan mempresentasikan solusi berbasis Artificial Neural Network untuk suatu proyek sistem cerdas secara inovatif dan bertanggung jawab (C6).
Korelasi CPMK terhadap Sub-CPMK
CPMK0113 sub.cpmk.IKKK310007.CPMK0113 .1
sub.cpmk.IKKK310007.CPMK0113 .2
sub.cpmk.IKKK310007.CPMK0113 .3
CPMK027 sub.cpmk.IKKK310007.CPMK027 .1
sub.cpmk.IKKK310007.CPMK027 .2
sub.cpmk.IKKK310007.CPMK027 .3
CPMK033 sub.cpmk.IKKK310007.CPMK033 .1
sub.cpmk.IKKK310007.CPMK033 .2
sub.cpmk.IKKK310007.CPMK033 .3
Deskripsi Singkat MK Melalui mata kuliah ini, mahasiswa S2 Ilmu Komputer akan mampu menyusun penelitian ilmiah di bidang kecerdasan buatan (AI) dan mengolahnya menjadi artikel ilmiah yang memanfaatkan data kompleks serta studi kasus AI di berbagai sektor (kesehatan, pendidikan, keuangan) menggunakan prinsip AI, teknik, dan aplikasi dalam konteks Computer Vision, Natural Language Processing, dan Sistem Otonom, dengan fokus pada penerapan metode yang sistematis, evaluasi algoritma, dan keamanan sistem AI dengan sangat baik.
Bahan Kajian : Materi Pembelajaran 1. Pengenalan Jaringan saraf tiruan 2. Metode Jaringan McCulloch-Pitts 3. Metode Jaringan Hebbian 4. Metode Jaringan Perceptron 5. Metode Jaringan Adaline 6. Metode Jaringan Madaline 7. Metode Jaringan Hopfield Dsikrit 8. Metode Jaringan Back Propagation 9. Metode Jaringan Learning Vector Quantization 10. Metode Jaringan Kohonen
Pustaka Utama
  • 1. Goodfellow, I., Bengio, Y., & Courville, A. (2023). Deep Learning for Intelligent Systems. MIT Press.
  • 2. Aggarwal, C. C. (2023). Neural Networks and Deep Learning: A Textbook. Springer.
  • 3. Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2024). Dive into Deep Learning. Cambridge University Press.
  • 4. Nielsen, M. A. (2022). Neural Networks and Deep Learning. Determination Press.
  • 5. Bishop, C. M., & Bishop, H. (2024). Pattern Recognition and Machine Learning. Springer.
Pendukung
  • 6. LeCun, Y., Bengio, Y., & Hinton, G. (2021). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539
  • 7. Schmidhuber, J. (2022). Deep learning in neural networks: An overview. Neural Networks, 61, 85–117. https://doi.org/10.1016/j.neunet.2014.09.003
  • 8. Chollet, F. (2022). Deep Learning with Python. Manning Publications.
  • 9. Raschka, S., Liu, Y., Mirjalili, V., & Dzhulgakov, D. (2023). Machine Learning with PyTorch and Scikit-Learn. Packt Publishing.
  • 10. Géron, A. (2024). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly Media.
Dosen Pengampu Dr. Dadang Priyanto, S.Kom, M.Kom
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.IKKK310007.CPMK0113 .1-Mampu menganalisis arsitektur dan algoritma Artificial Neural Network dalam konteks sistem cerdas. 1. Menjelaskan konsep dasar ANN. 2. Mengidentifikasi ruang lingkup penerapan ANN. 3. Menjelaskan sejarah perkembangan ANN. Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Kuliah,Ceramah Langsung,[C=150 Menit]
 Topik
Konsep dasar ANN dan sejarah perkembangan
Sub Topik
-
 5
2 sub.cpmk.IKKK310007.CPMK0113 .2-Mampu menjelaskan konsep dasar Artificial Neural Network, sejarah perkembangan, dan ruang lingkup penerapannya dalam sistem cerdas secara sistematis (C2). 1. Mengidentifikasi struktur neuron biologis. 2. Membandingkan neuron biologis dan neuron buatan. 3. Menjelaskan mekanisme pembelajaran ANN. Kriteria
Kriteria: Ketepatan analisis dan argumentasi ilmiah. Bentuk: Tugas analisis. Tes: Kuis konsep neuron Non-tes: Presentasi kelompok.
Teknik
- 		Kuliah,Problem based Learning,[PBL=150 Menit]
 Topik
Struktur neuron biologis dan neuron buatan
Sub Topik
-
 5
3 sub.cpmk.IKKK310007.CPMK0113 .3-Mampu menganalisis struktur neuron biologis dan neuron buatan serta mekanisme pembelajaran pada jaringan saraf tiruan (C4). 1. Menjelaskan algoritma perceptron. 2. Mengimplementasikan perceptron sederhana. 3. Menganalisis hasil klasifikasi data. Kriteria
Kriteria: Ketepatan implementasi dan interpretasi hasil. Bentuk: Praktikum dan tugas. Tes: Kuis implementasi. Non-tes: Laporan praktikum.
Teknik
- 		Penugasan,Problem based Learning,[PBL=50 Menit]
 Topik
Algoritma perceptron tunggal
Sub Topik
-
 5
4 sub.cpmk.IKKK310007.CPMK0113 .3-Mampu menganalisis struktur neuron biologis dan neuron buatan serta mekanisme pembelajaran pada jaringan saraf tiruan (C4). 1. Menjelaskan multilayer perceptron. 2. Menganalisis mekanisme backpropagation. 3. Mengidentifikasi tahapan pelatihan ANN. Kriteria
Ketepatan analisis algoritma dan mekanisme pelatihan. Bentuk: Aktivitas partisipatif dan studi kasus. Tes: Kuis backpropagation. Non-tes: Diskusi kelompok.
Teknik
- 		Kuliah,Case Based Learning,[CBL=150 Menit]
 Topik
Multilayer perceptron dan backpropagation
Sub Topik
-
 5
5 sub.cpmk.IKKK310007.CPMK027 .1-Mampu menerapkan algoritma perceptron tunggal untuk menyelesaikan permasalahan klasifikasi sederhana berbasis data (C3). 1. Membandingkan fungsi aktivasi. 2. Mengevaluasi learning rate. 3. Menentukan parameter pelatihan optimal. Kriteria
Ketepatan hasil proyek sesuai topik yang dipilih
Teknik
- 		Penugasan,Kuis Take Home,[KH=50 Menit]
 Topik
Fungsi aktivasi dan optimasi parameter
Sub Topik
-
 5
6 sub.cpmk.IKKK310007.CPMK027 .2-Mampu membangun model Multilayer Perceptron menggunakan algoritma backpropagation untuk menyelesaikan permasalahan klasifikasi atau prediksi (C3). 1. Menentukan studi kasus sistem cerdas. 2. Mendesain model ANN. 3. Mengimplementasikan model ANN berbasis data nyata. Kriteria
Kriteria: Ketepatan desain dan implementasi model ANN. Bentuk: Project kelompok. Tes: Evaluasi progres proyek. Non-tes: Portofolio proyek.
Teknik
- 		Diskusi,Ceramah Langsung,[C=150 Menit]
 Topik
Implementasi ANN berbasis studi kasus
Sub Topik
-
 5
7 sub.cpmk.IKKK310007.CPMK027 .3-Mampu mengoptimasi model Artificial Neural Network melalui pengaturan fungsi aktivasi, learning rate, jumlah neuron, dan parameter pelatihan lainnya (C5). 1. Mengukur performa model ANN. 2. Menganalisis confusion matrix dan accuracy. 3. Mengevaluasi hasil implementasi model. Kriteria
Kriteria: Ketepatan evaluasi performa model. Bentuk: Presentasi dan laporan evaluasi. Tes: Kuis evaluasi model. Nontes: Presentasi kelompok.
Teknik
- 		Diskusi,Problem based Learning,[PBL=50 Menit]
 Topik
Evaluasi performa model ANN
Sub Topik
-
 5
8 sub.cpmk.IKKK310007.CPMK0113 .1-Mampu menganalisis arsitektur dan algoritma Artificial Neural Network dalam konteks sistem cerdas. sub.cpmk.IKKK310007.CPMK0113 .2-Mampu menjelaskan konsep dasar Artificial Neural Network, sejarah perkembangan, dan ruang lingkup penerapannya dalam sistem cerdas secara sistematis (C2). sub.cpmk.IKKK310007.CPMK0113 .3-Mampu menganalisis struktur neuron biologis dan neuron buatan serta mekanisme pembelajaran pada jaringan saraf tiruan (C4). 1. Menguasai konsep dan implementasi ANN pada pertemuan 1–7. Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
- 		Ujian terjadwal,Durasi sesuai DAAK,[D=150 Menit]
 Topik
Materi pertemuan 1–7
Sub Topik
-
 10
9 sub.cpmk.IKKK310007.CPMK033 .1-Mampu mengevaluasi performa model Artificial Neural Network menggunakan metrik evaluasi yang sesuai secara kritis dan sistematis (C5). 1. Mengembangkan arsitektur ANN lanjutan. 2. Mengoptimalkan model ANN. 3. Mengintegrasikan data nyata. Kriteria
Kriteria: Ketepatan desain dan implementasi model ANN. Bentuk: Project kelompok. Tes: Evaluasi progres proyek. Non-tes: Portofolio proyek.
Teknik
- 		Kuliah,Ceramah Langsung,[C=150 Menit]
 Topik
Optimasi model ANN
Sub Topik
-
 5
10 sub.cpmk.IKKK310007.CPMK033 .1-Mampu mengevaluasi performa model Artificial Neural Network menggunakan metrik evaluasi yang sesuai secara kritis dan sistematis (C5). 1. Mengevaluasi precision dan recall. 2. Menentukan model terbaik. 3. Menyusun laporan evaluasi ANN. Kriteria
Kriteria: Ketepatan evaluasi parameter dan argumentasi hasil. Bentuk: Tugas evaluasi. Tes: Kuis parameter pelatihan. Nontes: Presentasi hasil eksperimen.
Teknik
- 		Penugasan,Kuis Take Home,[KH=50 Menit]
 Topik
Evaluasi performa model ANN
Sub Topik
-
 5
11 sub.cpmk.IKKK310007.CPMK033 .2-Mampu mengevaluasi kelebihan, keterbatasan, dan kontribusi algoritma jaringan syaraf tiruan dalam penyelesaian proyek sistem cerdas (C5). 1. Merancang solusi ANN inovatif. 2. Menentukan strategi implementasi. 3. Menjelaskan dampak solusi terhadap sistem cerdas. Kriteria
Kriteria: Inovasi solusi dan ketepatan desain sistem. Bentuk: Project dan presentasi. Tes: Evaluasi desain solusi. Non-tes: Presentasi proposal.
Teknik
- 		Diskusi,Project based Learning,[PjBL=150 Menit]
 Topik
Perancangan solusi ANN
Sub Topik
-
 5
12 sub.cpmk.IKKK310007.CPMK033 .2-Mampu mengevaluasi kelebihan, keterbatasan, dan kontribusi algoritma jaringan syaraf tiruan dalam penyelesaian proyek sistem cerdas (C5). 1. Mengembangkan prototipe solusi ANN. 2. Menguji solusi ANN. 3. Menyusun dokumentasi implementasi. Kriteria
Kriteria: Ketepatan implementasi dan interpretasi hasil. Bentuk: Praktikum dan tugas. Tes: Kuis implementasi. Non-tes: Laporan praktikum.
Teknik
- 		Kuliah,Project based Learning,[PjBL=150 Menit]
 Topik
Implementasi solusi ANN
Sub Topik
-
 5
13 sub.cpmk.IKKK310007.CPMK033 .2-Mampu mengevaluasi kelebihan, keterbatasan, dan kontribusi algoritma jaringan syaraf tiruan dalam penyelesaian proyek sistem cerdas (C5). 1. Mengevaluasi efektivitas solusi ANN. 2. Mengidentifikasi keterbatasan sistem. 3. Menyusun rekomendasi pengembangan. Kriteria
Partisipasi aktif dalam diskusi
Teknik
 Topik
Evaluasi solusi ANN
Sub Topik
-
 5
14 sub.cpmk.IKKK310007.CPMK033 .3-Mampu merancang dan mempresentasikan solusi berbasis Artificial Neural Network untuk suatu proyek sistem cerdas secara inovatif dan bertanggung jawab (C6). 1. Menyempurnakan solusi ANN. 2. Mengintegrasikan masukan evaluasi. 3. Menyusun laporan akhir proyek. Kriteria
Kriteria: Ketepatan desain dan implementasi model ANN. Bentuk: Project kelompok. Tes: Evaluasi progres proyek. Non-tes: Portofolio proyek.
Teknik
- 		Kuliah,Project based Learning,[PjBL=150 Menit]
 Topik
Penyempurnaan solusi ANN
Sub Topik
-
 5
15 sub.cpmk.IKKK310007.CPMK033 .3-Mampu merancang dan mempresentasikan solusi berbasis Artificial Neural Network untuk suatu proyek sistem cerdas secara inovatif dan bertanggung jawab (C6). 1. Menyajikan hasil proyek ANN. 2. Menjelaskan kontribusi solusi. 3. Menjawab pertanyaan akademik secara argumentatif. Kriteria
Partisipasi aktif dalam diskusi
Teknik
- 		Diskusi,Problem based Learning,[PBL=150 Menit]
 Topik
Presentasi hasil proyek ANN
Sub Topik
-
 5
16 sub.cpmk.IKKK310007.CPMK033 .3-Mampu merancang dan mempresentasikan solusi berbasis Artificial Neural Network untuk suatu proyek sistem cerdas secara inovatif dan bertanggung jawab (C6). 1. Menguasai konsep, implementasi, evaluasi, dan pengembanganANN secara komprehensif. Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
- 		Ujian terjadwal,Durasi sesuai DAAK,[D=150 Menit]
 Topik
Materi pertemuan 9 sampai 15
Sub Topik
-
 20

Teknik Penilaian CPMK

CPL MK CPMK Tes Tulis (UTS) Tes Tulis (UAS) Tugas Teori (Kelompok) Partisipasi
CPL01 Artificial Neural Network CPMK0113 Y Y
CPL02 Artificial Neural Network CPMK027 Y
CPL03 Artificial Neural Network CPMK033 Y Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL01 CPMK0113 sub.cpmk.IKKK310007.CPMK0113 .1 - 5 Partisipasi aktif dalam diskusi
CPL01 CPMK0113 sub.cpmk.IKKK310007.CPMK0113 .2 - 5 Kriteria: Ketepatan analisis dan argumentasi ilmiah. Bentuk: Tugas analisis. Tes: Kuis konsep neuron Non-tes: Presentasi kelompok.
CPL01 CPMK0113 sub.cpmk.IKKK310007.CPMK0113 .3 - 5 Kriteria: Ketepatan implementasi dan interpretasi hasil. Bentuk: Praktikum dan tugas. Tes: Kuis implementasi. Non-tes: Laporan praktikum.
CPL01 CPMK0113 sub.cpmk.IKKK310007.CPMK0113 .3 - 5 Ketepatan analisis algoritma dan mekanisme pelatihan. Bentuk: Aktivitas partisipatif dan studi kasus. Tes: Kuis backpropagation. Non-tes: Diskusi kelompok.
CPL02 CPMK027 sub.cpmk.IKKK310007.CPMK027 .1 - 5 Ketepatan hasil proyek sesuai topik yang dipilih
CPL02 CPMK027 sub.cpmk.IKKK310007.CPMK027 .2 - 5 Kriteria: Ketepatan desain dan implementasi model ANN. Bentuk: Project kelompok. Tes: Evaluasi progres proyek. Non-tes: Portofolio proyek.
CPL02 CPMK027 sub.cpmk.IKKK310007.CPMK027 .3 - 5 Kriteria: Ketepatan evaluasi performa model. Bentuk: Presentasi dan laporan evaluasi. Tes: Kuis evaluasi model. Nontes: Presentasi kelompok.
CPL01 CPMK0113 sub.cpmk.IKKK310007.CPMK0113 .1, sub.cpmk.IKKK310007.CPMK0113 .2, sub.cpmk.IKKK310007.CPMK0113 .3 - 10 Ketepatan jawaban ujian sesuai perintah soal
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .1 - 5 Kriteria: Ketepatan desain dan implementasi model ANN. Bentuk: Project kelompok. Tes: Evaluasi progres proyek. Non-tes: Portofolio proyek.
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .1 - 5 Kriteria: Ketepatan evaluasi parameter dan argumentasi hasil. Bentuk: Tugas evaluasi. Tes: Kuis parameter pelatihan. Nontes: Presentasi hasil eksperimen.
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .2 - 5 Kriteria: Inovasi solusi dan ketepatan desain sistem. Bentuk: Project dan presentasi. Tes: Evaluasi desain solusi. Non-tes: Presentasi proposal.
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .2 - 5 Kriteria: Ketepatan implementasi dan interpretasi hasil. Bentuk: Praktikum dan tugas. Tes: Kuis implementasi. Non-tes: Laporan praktikum.
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .2 5 Partisipasi aktif dalam diskusi
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .3 - 5 Kriteria: Ketepatan desain dan implementasi model ANN. Bentuk: Project kelompok. Tes: Evaluasi progres proyek. Non-tes: Portofolio proyek.
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .3 - 5 Partisipasi aktif dalam diskusi
CPL03 CPMK033 sub.cpmk.IKKK310007.CPMK033 .3 - 20 Ketepatan jawaban ujian sesuai perintah soal
Total 100
2. Penilaian CPMK
CPL MK CPMK Tes Tulis (UTS) Tes Tulis (UAS) Tugas Teori (Kelompok) Partisipasi Total
CPL01 Artificial Neural Network CPMK0113 10% 0% 0% 20% 30%
CPL02 Artificial Neural Network CPMK027 0% 0% 15% 0% 15%
CPL03 Artificial Neural Network CPMK033 0% 20% 0% 35% 55%
100%