UNIVERSITAS POTENSI UTAMA
FAKULTAS FAKULTAS TEKNIK DAN ILMU KOMPUTER
PROGRAM STUDI ILMU KOMPUTER

RPS--AG2024MT2302
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
Deep Learning AG2024MT2302 Data Structures, Algorithms and Complexity T= 3 2 29 Jun 2024
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Wanayumini, S.Kom, M.Kom
Dr. Wanayumini, S.Kom, M.Kom
Dr. Adil Setiawan, M.Kom
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL03 Mampu menganalisis, merancang dan mengimplemetasikan solusi dari masalah yang terkait dengan keamanan data dan informasi dengan metode yang sesuai kebutuhan pengguna.
CPL05 Mampu menganalisis, membangun model dan menerapkan pendekatan Artificial Intelligence untuk memprediksi dan mendapatkan solusi.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK011 Mampu mengimplementasikan solusi dari permasalahan yang terkait dengan keamanan data dan informasi dengan metode yang sesuai dengan kebutuhan pengguna.
CPMK015 Mampu menganalisis pendekatan Artificial Intelligence untuk memprediksi dan mendapatkan solusi
CPMK017 Mampu menerapkan pendekatan Artificial Intelligence untuk memprediksi dan mendapatkan solusi
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi Artificial Neural Network pada Deep Learning.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi Artificial Neural Network pada Deep Learning dan Multilayer Perceptron.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi Multilayer Perceptron.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi yang berkaitan dengan Back Propagation Algorithm.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi Back Propagation Algorithm.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi Deep learning Framework Introduction (TensoFlow dan Keras).
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi lanjutan Deep learning Framework Introduction (TensoFlow dan Keras).
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi Classification (Multiclass Classification).
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi berhubungan dengan Deep AutoEncoder.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan Deep AutoEncoder.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi berhubungan tentang Convolution Neural Network.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan tentang Convolution Neural Network.
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan Gender Classification using Pre-Trained
sub.cpmk.AG2024MT2302.CPM Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan lanjutan Gender Classification using Pre-Trained Network (Transfer Learning)
Korelasi CPMK terhadap Sub-CPMK
CPMK011 sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
CPMK015 sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
CPMK017 sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
sub.cpmk.AG2024MT2302.CPM
Deskripsi Singkat MK Pada Matakuliah ini mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi yang terkait dengan keamanan data dan informasi dengan Algortihma Deep Learning dengan metode Artificial Neural Network, Multilayer Perceptron, Back Propagation Algorithm, Deep Learning Framework Introduction (TensorFlow & Keras) sesuai dengan kebutuhan pengguna. Mampu menganalisis, membangun model dan menerapkan pendekatan Artificial Intelligence dan metode Classification, Deep Auto Encoder, Convolution Neural Network, Gender Classification Using Pre- Trained Network (Transfer Learning) untuk memprediksi dan mendapatkan solusi.
Bahan Kajian : Materi Pembelajaran 1. Artificial Neural Network 2. Multilayer Perceptron 3. Back Propagation Algorithm. 4. Deep Learning Framework Introduction (TensorFlow & Keras) 5. Classification. 6. Deep Auto Encoder. 7. Convolution Neural Network. 8. Gender Classification Using Pre-Trained Network (Transfer Learning).
Pustaka Utama
  • 1. Generative Deep Learning, Author: David Foster, Publisher: O'Reilly Media, 2019, Hardback Adaptive Computation and Machine Learning English by (author) Yoshua Bengio
  • 2. Deep Learning, 2017, Hardback Adaptive Computation and Machine Learning English by (author) Yoshua Bengio, 2017
Pendukung
  • 3. Diktat
  • 4. Youtube
Dosen Pengampu Dr. LILI TANTI, 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.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Artificial Neural Network pada Deep Learning.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasi kan Artificial Neural Network. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
RPS, Kontrak Kuliah, Artificial Neural Network
Sub Topik

 2
2 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Artificial Neural Network pada Deep Learning dan Multilayer Perceptron.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasi kan solusi tentang Artificial Neural Network dan Multilayer Perceptron. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Artificial Neural Network dan Multilayer Perceptron.
Sub Topik

 2
3 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Multilayer Perceptron.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasi kan solusi Artificial Neural Network dan Multilayer Perceptron. Kriteria
Kebenaran dan Ketepatan
Teknik
Lanjutan Artificial Neural Network dan Multilayer Perceptron. 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Multilayer Perceptron
Sub Topik

 2
4 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berkaitan dengan Back Propagation Algorithm.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi tentang Back Propagation Algorithm. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Back Propagation Algorithm
Sub Topik

 2
5 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Back Propagation Algorithm.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Back Propagation Algorithm. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Back Propagation Algorithm
Sub Topik

 2
6 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Deep learning Framework Introduction (TensoFlow dan Keras).
 Mahasiswa mampu menjelaskan tentang Deep Learning Framework Introduction(Tenso Flow dan Keras). Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Deep Learning Framework Introduction (TensoFlow dan Keras)
Sub Topik

 2
7 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Classification (Multiclass Classification).
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Deep Learning Framework Introduction (Tenso Flow dan Keras). Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Deep Learning Framework Introduction (TensoFlow dan Keras)
Sub Topik

 3
8 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Artificial Neural Network pada Deep Learning.
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Artificial Neural Network pada Deep Learning dan Multilayer Perceptron.
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Multilayer Perceptron.
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berkaitan dengan Back Propagation Algorithm.
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Back Propagation Algorithm.
 Ketepatan Menuliskan jawaban sesuai soal Kriteria
Ketepatan jawaban ujian sesuai perintah soal
Teknik
Menjawab soal-soal pertanyaan 		Ujian terjadwal,Durasi sesuai DAAK,[D=100 Menit]
 Ujian terjadwal,Durasi sesuai DAAK,[D=100 Menit]
 Topik
Materi Pertemuan 1-7
Sub Topik
Materi Pertemuan 1-7
 15
9 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi Classification (Multiclass Classification).
 Mahasiswa mampu menjelaskan tentang menganalisis, merancang dan mengimplementasikan solusi Classification (Multiclass Classification). Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Classification(MulticlassClassification)
Sub Topik

 5
10 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi berhubungan dengan Deep AutoEncoder.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Deep AutoEncoder. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Deep AutoEncoder dan AutoDecoder
Sub Topik

 2
11 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan Deep AutoEncoder.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Deep AutoEncoder. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Deep AutoEncoder
Sub Topik

 3
12 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi berhubungan tentang Convolution Neural Network.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Convolution Neural Network. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Convolution Neural Network
Sub Topik

 5
13 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan tentang Convolution Neural Network.
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Convolution Neural Network. Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Convolution Neural Network
Sub Topik

 5
14 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan Gender Classification using Pre-Trained
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Gender Classification using Pre- Trained Network (Transfer Learning). Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Gender Classification using Pre-Trained Network (Transfer Learning)
Sub Topik

 10
15 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan lanjutan Gender Classification using Pre-Trained Network (Transfer Learning)
 Mahasiswa mampu menganalisis, merancang dan mengimplementasikan solusi Gender Classification using Pre-Trained Network (Transfer Learning). Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab pertanyaan dari peserta 		Kuliah,Diskusi,[D=150 Menit]
 Kuliah,Diskusi,[D=150 Menit]
 Topik
Lanjutan Gender Classification using Pre-Trained Network (Transfer Learning)
Sub Topik

 10
16 sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi berhubungan tentang Convolution Neural Network.
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan tentang Convolution Neural Network.
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan Gender Classification using Pre-Trained
sub.cpmk.AG2024MT2302.CPM-Mampu menganalisis, merancang dan mengimplementasikan solusi yang berhubungan dengan lanjutan Gender Classification using Pre-Trained Network (Transfer Learning)
 Ketepatan Menuliskan jawaban sesuai soal Kriteria
Kebenaran dan Ketepatan
Teknik
Menjawab soal- soal pertanyaan 		Ujian terjadwal,Durasi sesuai DAAK,[D=100 Menit]
 Ujian terjadwal,Durasi sesuai DAAK,[D=100 Menit]
 Topik
Materi Pertemuan 9-15
Sub Topik

 30

Teknik Penilaian CPMK

CPL MK CPMK Partisipasi (Kehadiran/Quiz) Unjuk Kerja (Presentasi) Tes Tulis (UTS) Tes Tulis (UAS) Observasi (Praktek/Tugas) Tes Lisan (Tugas Kelompok)
CPL03 Deep Learning CPMK011 Y Y
CPL05 Deep Learning CPMK015 Y Y
CPL05 Deep Learning CPMK017 Y Y Y Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL03 CPMK011 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 2 Kebenaran dan Ketepatan
CPL03 CPMK011 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 2 Kebenaran dan Ketepatan
CPL03 CPMK011 sub.cpmk.AG2024MT2302.CPM Lanjutan Artificial Neural Network dan Multilayer Perceptron. 2 Kebenaran dan Ketepatan
CPL03 CPMK011 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 2 Kebenaran dan Ketepatan
CPL03 CPMK011 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 2 Kebenaran dan Ketepatan
CPL05 CPMK015 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 2 Kebenaran dan Ketepatan
CPL05 CPMK015 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 3 Kebenaran dan Ketepatan
CPL03 CPMK011 sub.cpmk.AG2024MT2302.CPM Menjawab soal-soal pertanyaan 15 Ketepatan jawaban ujian sesuai perintah soal
CPL05 CPMK015 sub.cpmk.AG2024MT2302.CPM Menjawab pertanyaan dari peserta 5 Kebenaran dan Ketepatan
CPL05 CPMK015 sub.cpmk.AG2024MT2302.CPM Menjawab pertanyaan dari peserta 2 Kebenaran dan Ketepatan
CPL05 CPMK015 sub.cpmk.AG2024MT2302.CPM Menjawab pertanyaan dari peserta 3 Kebenaran dan Ketepatan
CPL05 CPMK017 sub.cpmk.AG2024MT2302.CPM Menjawab pertanyaan dari peserta 5 Kebenaran dan Ketepatan
CPL05 CPMK017 sub.cpmk.AG2024MT2302.CPM Menjawab pertanyaan dari peserta 5 Kebenaran dan Ketepatan
CPL05 CPMK017 sub.cpmk.AG2024MT2302.CPM Menjawab Menjawab pertanyaan dari peserta 10 Kebenaran dan Ketepatan
CPL05 CPMK017 sub.cpmk.AG2024MT2302.CPM Menjawab pertanyaan dari peserta 10 Kebenaran dan Ketepatan
CPL05 CPMK017 sub.cpmk.AG2024MT2302.CPM Menjawab soal- soal pertanyaan 30 Kebenaran dan Ketepatan
Total 100
2. Penilaian CPMK
CPL MK CPMK Partisipasi (Kehadiran/Quiz) Unjuk Kerja (Presentasi) Tes Tulis (UTS) Tes Tulis (UAS) Observasi (Praktek/Tugas) Tes Lisan (Tugas Kelompok) Total
CPL03 Deep Learning CPMK011 10% 0% 15% 0% 0% 0% 25%
CPL05 Deep Learning CPMK015 10% 0% 0% 0% 0% 5% 15%
CPL05 Deep Learning CPMK017 0% 10% 0% 30% 10% 10% 60%
100%