Courses

Courser in English	ARTIFICIAL NEURAL NETWORK
Program	Teknik Elektro - S1
SKS	3 SKS
RPS	2 Data

RPS (Rencanan Perkuliahan Semester)

+ – Jaringan Saraf Tiruan » 66R7RA
Dosen : 1. Dr. Adhi Kusmantoro S.T., M.T

Course Descriptions

Mahasiswa memahami cara kerja Jaringan Syaraf Tiruan dan aplikasinya diberbagai bidang serta dapat menterjemahkan metode dan algoritma-algoritma pembelajaran pada Jaringan Syaraf Tiruan kedalam Bahasa Pemrograman.

Learning Outcomes

Diharapkan mahasiswa dapat :

Mampu menunjukkan sikap bertanggungjawab atas pekerjaan dibidang keahliannya secara mandiri.
Dapat menerapkan pengetahuan komputasi yang diperlukan untuk menganalisa dan merancang pemrograman JST Hopfield, AM, HM, BAM pada matakuliah jaringan syaraf tiruan.
Mampu menerapkan pemikiran logis, kritis, sistematis, dan inofatif dalam pengembangan atau implementasi ilmu pengetahuan dan teknologi dengan metode yang sesuai dengan jaringan syaraf tiruan.
Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah dibidang keahliannya, berdasarkan hasil analisis informasi dan data.

References

Demuth, Howard and Mark Belle, Neural Network Toolbox : for use with MATLAB, (online available), Mathworks, 2002i Min Fu, 1994, Neural Networks in Computer Intelligence, McGraw-Hill International, New York.
Neural Networks for Pattern Recognition, The MIT Press, Cambridge, MA
Rao, Valluru B. dan Rao, Hayagriva V, 1993, C++ Neural Networks and Fuzzy Logic, MIS Press, New York
Fausett, Laurene,1994,. Fundamentals of Neural Networks, Prentice-Hall International, Inc.,USA

Details ...

+ – Jaringan Saraf Tiruan » 66R7RA
Dosen : 1. Dr. Adhi Kusmantoro S.T., M.T , 2. Ir. Agus Nuwolo MT

Course Descriptions

Himpunan Fuzzy dan Logika Fuzzy: motivasi, himpunan, konsep dasar, set operasi, relasi fuzzy dan keputusan fuzzy. Aplikasi logika fuzzy: aritmatika fuzzy, model linguistik, pengambilan keputusan fuzzy, klasifikasi, pengenalan pola dan kontrol fuzzy. Algoritma dan Programming: realisasi software untuk aplikasi rekayasa berbasis fuzzy. Secara rinci, materi kuliah ini yang hendak disampaikan adalah sebagai berikut:

1. definisi, sifat dan operasi himpunan klasik (crisp) dan fuzzy;

2. relasi dalam himpunan klasik dan fuzzy: cardinality, operasi, property dan komposisi;

3. fungsi keanggotaan: klasifikasi himpunan fuzzy, proses fuzzifikasi;

4. proses dan metode defuzzifikasi: metode lambda cut, centroid;

5. sistem fuzzy berbasis aturan: agregasi, dekomposisi dan formulasi aturan;

6. metode sistem inferensi fuzzy (FIS): mamdani dan sugeno;

7. proses pengambilan keputusan: fuzzy ordering, individual decision making, multiperson decision makin;

8. multiobjective decision making, dan Bayesian decision making;

9. memberikan studi kasus aplikasi logika fuzzy di aplikasi industri dan kontrol;