rencana pembelajaran semester (rps)sonia.soc.telkomuniversity.ac.id/cdn/rps/s1 teknik...
Post on 04-Jun-2018
230 Views
Preview:
TRANSCRIPT
RENCANA PEMBELAJARAN SEMESTER (RPS)
CIG4C3
EVOLUTIONARY COMPUTATION
Disusun oleh:
Untari Novia Wisesty Syahrul Mubarok
PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA
TELKOM UNIVERSITY
ii
LEMBAR PENGESAHAN
Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah berikut:
Kode Mata Kuliah : CIG4C3
Nama Mata Kuliah : EVOLUTIONARY COMPUTATION
Bandung, 2015 Mengetahui Menyetujui
Ketua Program Studi S1 Teknik Informatika
Ketua KK Intelligent, Computing, and Multimedia (ICM)
M. Arif Bijaksana, Ph.D Ari M. Barmawi, Ph.D
iii
DAFTAR ISI
LEMBAR PENGESAHAN ........................................................................................................................ii
DAFTAR ISI .......................................................................................................................................... iii
A. PROFIL MATA KULIAH................................................................................................................. 1
B. RENCANA PEMBELAJARAN SEMESTER (RPS) ............................................................................. 2
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA ......................................................................... 6
D. RANCANGAN TUGAS ................................................................................................................ 16
E. PENILAIAN DENGAN RUBRIK .................................................................................................... 21
F. PENENTUAN NILAI AKHIR MATA KULIAH ................................................................................. 22
1
A. PROFIL MATA KULIAH
IDENTITAS MATA KULIAH
Nama Mata Kuliah : Evolutionary Computation
Kode Mata Kuliah : CIG4C3
SKS : 3 (tiga)
Jenis : Mata kuliah pilihan
Jam pelaksanaan : Tatap muka di kelas = 3 jam per pekan
Tutorial/ responsi = 1 jam per pekan
Semester / Tingkat : 6 (enam)/ 3 (tiga)
Pre-requisite : Kecerdasan Mesin dan Artifisial (CSG3G3)
Co-requisite : Soft Computing (CIG4C3)
Bidang Kajian : Keilmuan Pelengkap (Penciri ProDi S1 Teknik Informatika Telkom
University)
DESKRIPSI SINGKAT MATA KULIAH Mata kuliah ini membahas Evolutionary Computation (EC) secara seimbang antara teori dan praktek.
EC merupakan suatu abstraksi yang mengadopsi “evolusi” dan “genetika” yang disederhanakan. Dari
abstraksi tersebut, lahirlah berbagai algoritma berbasis EC yang dikenal sebagai Evolutionary
Algorithms (EAs). Yang menarik pada EAs adalah “Hanya dengan menggunakan proses-proses yang
sebagian besar dilakukan secara acak, EAs bisa menghasilkan solusi yang “bagus” (mungkin saja
solusi terbaik) dengan kecepatan yang dapat diterima.
DAFTAR PUSTAKA
1. Suyanto, Algoritma Genetika dalam Matlab, Andi Publisher, Yogyakarta, 2005.
2. Suyanto, Artificial Intelligence: Searching-Reasoning-Planning-Learning, Informatika, Bandung,
2005.
3. Suyanto, Evolutionary Computation: Komputasi Berbasis `Evolusi’ dan `Genetika’, Informatika,
Bandung, 2008.
4. Suyanto, Soft-Computing: Membangun Mesin Ber-IQ Tinggi, Informatika, Bandung, 2008.
5. Suyanto, Algoritma Optimasi: Deterministik atau Probabilistik, Graha Ilmu, Yogyakarta, 2010.
6. Mitchell M. Tom, Machine Learning, McGraw-Hill International Editions, 1997.
2
B. RENCANA PEMBELAJARAN SEMESTER (RPS)
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi
Ajar)
Bentuk/ Metode/
Strategi
Pembelajaran
Kriteria Penilaian (Indikator) Bobot
Nilai
1-2 Memahami teknik
optimasi berbasis
“Evolusi” dan “Genetika”.
Teknik optimasi berbasis
“Evolusi” dan “Genetika”:
1. “Evolusi” dan
“Genetika”.
2. EC: dulu, sekarang, dan
masa depan.
Ceramah dan
diskusi
permasalahan.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
3-5 Memahami berbagai
algoritma EAs.
Memahami kelebihan
dan kekurangan
berbagai algoritma EAs
Mampu memilih
algoritma yang paling
sesuai untuk beragam
masalah dan kasus
yang dihadapi.
Evolutionary Algorithms
(EAs):
1. Apa itu EAs?
2. Mengapa, kapan,
dimana, dan bagaimana
menggunakan EAs?
3. Enam algoritma EAs,
perbedaan, kelebihan
dan kekurangannya.
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
6-10 Memahami Genetic
Algorithms (GA).
Mengetahui kelebihan
dan kekurangan GA.
Mampu menerapkan
GA untuk memecahkan
Genetic Algorithms:
1. Simple GA.
2. Masalah optimasi
fungsi
3. Representasi Individu
4. Nilai Fitness
5. Seleksi Orangtua
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
3
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi
Ajar)
Bentuk/ Metode/
Strategi
Pembelajaran
Kriteria Penilaian (Indikator) Bobot
Nilai
sebuah permasalahan. 6. Rekombinasi
7. Mutasi
8. Seleksi Survivor
9. Pembuktian GA Secara
Matematis
10. Studi Kasus
11-12 Memahami Evolution
Strategies (ES).
Memahami kelebihan
dan kekurangan ES.
Memahami perbedaan
ES dengan GA.
Evolution Strategies:
1. ES Pada Masa Awal
2. Representasi Individu
3. Seleksi Orangtua
4. Rekombinasi
5. Mutasi
6. Seleksi Survivor
7. Self-Adaptation
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
13-14 Memahami
Evolutionary
Programming (EP).
Memahami kelebihan
dan kekurangan EP.
Memahami perbedaan
EP dengan GA dan ES.
Evolutionary Programming:
1. EP tradisional
2. Representasi Individu
3. Seleksi Orangtua
4. Rekombinasi
5. Mutasi
6. Seleksi Survivor
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
15-16 Memahami Genetic
Programming (GP).
Memahami kelebihan
dan kekurangan GP.
Genetic Programming:
1. Proses Evolusi.
2. Representasi Individu.
3. Seleksi Orangtua.
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
4
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi
Ajar)
Bentuk/ Metode/
Strategi
Pembelajaran
Kriteria Penilaian (Indikator) Bobot
Nilai
Memahami perbedaan
GP dengan GA, ES, dan
EP.
4. Rekombinasi.
5. Mutasi.
6. Seleksi Survivor.
17-18 Memahami Differential
Evolution (DE).
Memahami kelebihan
dan kekurangan DE.
Memahami perbedaan
DE dengan GA, ES, EP
dan GP.
Differential Evolution:
1. Masalah optimasi.
2. DE untuk optimasi.
3. Performansi DE.
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
19-20 Memahami
Grammatical Evolution
(GE).
Memahami kelebihan
dan kekurangan GE.
Memahami perbedaan
GE dengan GA, ES, EP,
GP dan DE.
Grammatical Evolution:
1. Backus Naur Form
(BNF).
2. Representasi Individu.
3. Operator Evolusi.
4. Performansi GE.
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
21-24 Memahami berbagai
permasalahan pada EAs.
Permasalahan EAs dan
Solusinya:
Konvergensi prematur
Island Model EAs
Messy Encoding
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
5
Pertemuan
ke-
Kemampuan Akhir yang
Diharapkan
Bahan Kajian (Materi
Ajar)
Bentuk/ Metode/
Strategi
Pembelajaran
Kriteria Penilaian (Indikator) Bobot
Nilai
Adaptive EAs
25-28 Mengimplementasikan
Evolutionary
Computation dalam
penyelesaian masalah
dunia nyata.
Memodelkan beragam
masalah dan kasus
dunia nyata ke dalam
EAs.
Implementasi EAs
Strategi menggunakan
EAs
Studi Kasus:
1. Graph bisection
2. 8-queens
3. TSP dengan
batasan
4. Pemotongan
bahan
5. Penjadwalan kuliah
6. Peramalan data
time series
Ceramah, diskusi
permasalahan, dan
Praktikum.
Mahasiswa mampu menyelesaikan
studi kasus yang diberikan.
4%
6
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA
1. Materi pengenalan Evolutionary Computation.
Kemampuan Akhir yang Diharapkan
Memahami teknik optimasi berbasis “Evolusi”
dan “Genetika”.
Nama Kajian Teknik optimasi berbasis “Evolusi” dan
“Genetika”:
1. “Evolusi” dan “Genetika”.
2. EC: dulu, sekarang, dan masa depan.
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 1-2
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
2. Materi pengenalan Evolutionary Algorithms.
Kemampuan Akhir yang Diharapkan Memahami berbagai algoritma EAs.
Memahami kelebihan dan kekurangan
7
berbagai algoritma EAs
Mampu memilih algoritma yang paling
sesuai untuk beragam masalah dan kasus
yang dihadapi.
Nama Kajian Evolutionary Algorithms (EAs):
1. Apa itu EAs?
2. Mengapa, kapan, dimana, dan bagaimana
menggunakan EAs?
Enam algoritma EAs, perbedaan, kelebihan dan
kekurangannya.
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 3-5
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
3. Materi Genetic Algorithms.
Kemampuan Akhir yang Diharapkan Memahami Genetic Algorithms (GA).
Mengetahui kelebihan dan kekurangan GA.
8
Mampu menerapkan GA untuk memecahkan
sebuah permasalahan.
Nama Kajian Genetic Algorithms:
1. Simple GA.
2. Masalah optimasi fungsi
3. Representasi Individu
4. Nilai Fitness
5. Seleksi Orangtua
6. Rekombinasi
7. Mutasi
8. Seleksi Survivor
9. Pembuktian GA Secara Matematis
10. Studi Kasus
Nama Strategi Ceramah, presentasi tugas kelompok, dan diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 6-10
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
4. Materi Evolution Strategies.
9
Kemampuan Akhir yang Diharapkan
Memahami Evolution Strategies (ES).
Memahami kelebihan dan kekurangan ES.
Memahami perbedaan ES dengan GA.
Nama Kajian Evolution Strategies:
1. ES Pada Masa Awal
2. Representasi Individu
3. Seleksi Orangtua
4. Rekombinasi
5. Mutasi
6. Seleksi Survivor
7. Self-Adaptation
Nama Strategi Ceramah, presentasi tugas kelompok, dan diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 11-12
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
5. Materi Evolutionary Programming.
Kemampuan Akhir yang Diharapkan Memahami Evolutionary Programming (EP).
10
Memahami kelebihan dan kekurangan EP.
Memahami perbedaan EP dengan GA dan
ES.
Nama Kajian Evolutionary Programming:
1. EP tradisional
2. Representasi Individu
3. Seleksi Orangtua
4. Rekombinasi
5. Mutasi
6. Seleksi Survivor
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 13-14
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
6. Materi Genetic Programming.
Kemampuan Akhir yang Diharapkan Memahami Genetic Programming (GP).
11
Memahami kelebihan dan kekurangan GP.
Memahami perbedaan GP dengan GA, ES,
dan EP.
Nama Kajian Genetic Programming:
1. Proses Evolusi.
2. Representasi Individu.
3. Seleksi Orangtua.
4. Rekombinasi.
5. Mutasi.
6. Seleksi Survivor.
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 15-16
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
7. Materi Differential Evolution.
Kemampuan Akhir yang Diharapkan Memahami Differential Evolution (DE).
Memahami kelebihan dan kekurangan DE.
12
Memahami perbedaan DE dengan GA, ES, EP
dan GP.
Nama Kajian Differential Evolution:
1. Masalah optimasi.
2. DE untuk optimasi.
3. Performansi DE.
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 17-18
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
8. Materi Grammatical Evolution.
Kemampuan Akhir yang Diharapkan
Memahami Grammatical Evolution (GE).
Memahami kelebihan dan kekurangan GE.
Memahami perbedaan GE dengan GA, ES,
EP, GP dan DE.
Nama Kajian Grammatical Evolution:
1. Backus Naur Form (BNF).
13
2. Representasi Individu.
3. Operator Evolusi.
4. Performansi GE.
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 19-20
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; diskusi dilakukan di kelas maupun IDEA sebagai media e-learning.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
9. Materi permasalahan pada EAs.
Kemampuan Akhir yang Diharapkan
Memahami berbagai permasalahan pada EAs.
Nama Kajian Permasalahan EAs dan Solusinya:
1. Konvergensi prematur
2. Island Model EAs
3. Messy Encoding
4. Adaptive EAs
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 21-24
14
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian topik-topik studi kasus untuk dikerjakan berkelompok, pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; penulisan dan presentasi paper oleh mahasiswa; diskusi pembahasan hasil studi kasus.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
10. Materi implementasi EAs.
Kemampuan Akhir yang Diharapkan
Mengimplementasikan Evolutionary
Computation dalam penyelesaian masalah
dunia nyata.
Memodelkan beragam masalah dan kasus
dunia nyata ke dalam EAs.
Nama Kajian Implementasi EAs
Strategi menggunakan EAs
Studi Kasus:
1. Graph bisection
2. 8-queens
3. TSP dengan batasan
4. Pemotongan bahan
5. Penjadwalan kuliah
15
6. Peramalan data time series
Nama Strategi Ceramah, presentasi tugas kelompok, dan
diskusi permasalahan.
Pertemuan Penggunaan Strategi (Metode) 25-28
Deskripsi Singkat Strategi (Metode) pembelajaran
Dosen memberikan ceramah mengenai materi yang diajarkan; pemberian topik-topik studi kasus untuk dikerjakan berkelompok, pemberian tugas kelompok dilakukan untuk melatih kemampuan teknis dan kerja sama mahasiswa; penulisan dan presentasi paper oleh mahasiswa; diskusi pembahasan hasil studi kasus.
RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen Aktivitas Mahasiswa
Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.
Menyimak penjelasan dosen.
Mengarahkan mahasiswa untuk melibatkan diri dan aktif dalam kegiatan
pembelajaran.
Menyiapkan diri menerima materi yang akan
disampaikan.
Membahas materi.
Menyimak dan mencatat hal-hal penting dari
materi yang disampaikan oleh dosen.
Bertanya apabila ada materi yang kurang jelas.
Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan
Menjawab pertanyaan yang diberikan.
Memberikan tugas sebagai sarana berlatih dan evaluasi diri kepada mahasiswa.
Mengerjakan tugas dengan baik sesuai dengan
arahan dosen, tidak melakukan tindak
plagiarisme dalam pengerjaan tugas.
Menyimpulkan materi Menyimak kesimpulan.
16
D. RANCANGAN TUGAS
1. Materi Genetic Algorithms.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Memahami Genetic Algorithms (GA).
Mengetahui kelebihan dan kekurangan GA.
Mampu menerapkan GA untuk memecahkan sebuah
permasalahan.
Pertemuan ke 6
Tugas ke 1
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas:
a. Mahasiswa membuat makalah secara berkelompok tentang GA yang meliputi Seleksi Orangtua, Rekombinasi, Mutasi, dan Advanced GA untuk mencegah konvergensi prematur.
b. Output tugas berupa makalah.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
2. Materi Evolution Strategies.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Memahami Evolution Strategies (ES).
Memahami kelebihan dan kekurangan ES.
Memahami perbedaan ES dengan GA.
Pertemuan ke 11
Tugas ke 2
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas: a. Mahasiswa secara individu membuat source code GA dan ES untuk mendapatkan nilai
17
minimum dari fungsi matematis yang diberikan dan mendapatkan paduan parameter yang optimum dari GA dan ES.
b. Mahasiswa menganalisa hasil observasi yang diperoleh GA dan ES. c. Output tugas adalah source code dan laporan berisi analisa hasil observasi.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
3. Materi Evolutionary Programming.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Memahami Evolutionary Programming (EP).
Memahami kelebihan dan kekurangan EP.
Memahami perbedaan EP dengan GA dan ES.
Pertemuan ke 13
Tugas ke 3
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas: a. Mahasiswa secara individu membuat source code EP untuk mendapatkan nilai
minimum dari fungsi matematis yang diberikan dan mendapatkan paduan parameter yang optimum dari EP.
b. Mahasiswa menganalisa hasil observasi yang diperoleh EP. c. Mahasiswa menganalisa perbandingan hasil observasi yang diperoleh EP dengan GA
dan ES. d. Output tugas adalah source code dan laporan berisi analisa hasil observasi.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
4. Materi Genetic Programming.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Memahami Genetic Programming (GP).
Memahami kelebihan dan kekurangan GP.
Memahami perbedaan GP dengan GA, ES, dan EP.
Pertemuan ke 15
18
Tugas ke 5
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas: a. Mahasiswa mengimplementasikan GP untuk menyelesaikan permasalahan yang
diberikan dengan studi kasus: promosi jabatan di suatu instansi/perusahaan. b. c. Mahasiswa mencari nilai dan paduan parameter yang optimum yang digunakan oleh
GP. d. Mahasiswa menganalisa hasil observasi yang diperoleh GP. e. Output tugas adalah source code dan laporan berisi analisa hasil observasi.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
5. Materi Differential Evolution.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Memahami Differential Evolution (DE).
Memahami kelebihan dan kekurangan DE.
Memahami perbedaan DE dengan GA, ES, EP dan GP.
Pertemuan ke 17
Tugas ke 4
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas: a. Mahasiswa secara individu membuat source code DE untuk mendapatkan nilai
minimum dari fungsi matematis yang diberikan dan mendapatkan paduan parameter yang optimum dari DE.
b. Mahasiswa menganalisa hasil observasi yang diperoleh DE. c. Mahasiswa menganalisa perbandingan hasil observasi yang diperoleh DE dengan GA,
ES, dan EP. d. Output tugas adalah laporan berisi analisa problem, rancangan dan implementasi EA
yang digunakan, serta solusi yang dihasilkannya.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
19
6. Materi Grammatical Evolution.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Memahami Grammatical Evolution (GE).
Memahami kelebihan dan kekurangan GE.
Memahami perbedaan GE dengan GP.
Pertemuan ke 17
Tugas ke 6
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas: a. Mahasiswa mengimplementasikan GE untuk menyelesaikan permasalahan yang
diberikan dengan studi kasus: promosi jabatan di suatu instansi/perusahaan. b. Mahasiswa mencari nilai dan paduan parameter yang optimum yang digunakan oleh
GE. c. Mahasiswa menganalisa hasil observasi yang diperoleh GE. d. Mahasiswa menganalisa perbandingan hasil observasi yang diperoleh GP dan GE. e. Output tugas adalah source code dan laporan berisi analisa hasil observasi.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
7. Tugas besar.
Kode mata Kuliah CIG4C3
Nama Mata Kuliah Evolutionary Computation
Kemampuan Akhir yang Diharapkan Mengimplementasikan Evolutionary Computation
dalam penyelesaian masalah dunia nyata.
Memodelkan beragam masalah dan kasus dunia
nyata ke dalam EAs.
Pertemuan ke 25
Tugas ke 7
1. Tujuan tugas: a. Mendukung tercapainya kemampuan akhir yang diharapkan. b. Melatih mahasiswa belajar secara pro-aktif. c. Melatih kemampuan analisis, teknis, dan kerjasama mahasiswa.
2. Uraian Tugas: a. Mahasiswa mengimplementasikan EC untuk menyelesaikan salah satu permasalahan
yang diberikan antara lain artificial characters,.breast cancer, ionosphere, ozone level
20
detection, EEG eye state, parkinson speech, climate model simulation crashes, airfoil self-noise, individual household electric power consumption, EMG dataset in lower limb, EMG physical, user identification from walking activity, pen-based recognition of handwritten digits.
b. Mahasiswa mencari nilai dan paduan parameter yang optimum yang digunakan oleh GE.
c. Mahasiswa menganalisa hasil observasi yang diperoleh EC. d. Output tugas adalah source code dan laporan berisi masalah yang diangkat, pemodelan
dan desain program/algoritma yang digunakan, dan analisa hasil observasi.
3. Kriteria penilaian: menggunakan rubrik penilaian yang terdapat pada bagian E.
21
E. PENILAIAN DENGAN RUBRIK
Rubrik penilaian tugas individu/kelompok, UTS, UAS, dan Tugas Besar
Jenjang
(Grade) Angka (Skor) Deskripsi Perilaku (Indikator)
Istimewa 90 < Skor
- Ide yang dikemukakan sesuai dengan permasalahan
- Inovatif
- Mampu menyelesaikan permasalahan
- Adanya analisis dan penjelasan yang komprehensif
Sangat Baik 80 < Skor ≤ 90 - Ide yang dikemukakan sesuai dengan permasalahan
- Mampu menyelesaikan permasalahan
- Adanya analisis dan penjelasan yang komprehensif
Baik 70 < Skor ≤ 80 - Ide yang dikemukakan sesuai dengan permasalahan
- Mampu menyelesaikan permasalahan
- Adanya analisis dan penjelasan yang cukup komprehensif
Cukup Baik 60 < Skor ≤ 70 - Ide yang dikemukakan sesuai dengan permasalahan
- Mampu menyelesaikan permasalahan
- Ada penjelasan dan analisis namun kurang komprehensif
Cukup 50 < Skor ≤ 60 - Ide yang dikemukakan sesuai dengan permasalahan
- Mampu menyelesaikan permasalahan
- Ada analisis dan penjelasan namun tidak komprehensif
Kurang 40 < Skor ≤ 50 - Ide yang dikemukakan sesuai dengan permasalahan
- Kurang mampu menyelesaikan permasalahan
- Tidak ada analisis dan penjelasan.
Sangat
Kurang Skor ≤ 40
- Ide yang dikemukakan kurang sesuai dengan
permasalahan
- Tidak mampu menyelesaikan permasalahan
- Tidak ada analisis dan penjelasan.
22
F. PERSENTASE KOMPONEN PENILAIAN
1. Kuis : 10%
2. Tugas Besar : 20%
3. UTS : 30%
4. UAS : 40%
G. PENENTUAN NILAI AKHIR MATA KULIAH
Berikut adalah komponen penentu nilai akhir mata kuliah yang digunakan,
Komponen Bobot
Tugas harian 15%
Tugas besar 25%
UTS 30%
UAS 30%
Berikut adalah penentuan indeks nilai akhir mata kuliah yang digunakan,
Nilai Skor Matakuliah (NSM) Nilai Mata Kuliah (NMK)
80 ≤ NSM A
70 ≤ NSM < 80 AB
65 ≤ NSM < 70 B
60 ≤ NSM < 65 BC
45 ≤ NSM < 60 C
30 ≤ NSM < 45 D
NSM < 30 E
top related