|
UNIVERSITAS KLABAT
|
RPS-57202-IFKV232 |
| RENCANA PEMBELAJARAN SEMESTER | ||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tanggal Penyusunan | |
| Sistem Cerdas/Expert System | IFKV232 | Systems Analysis and Design | T= 3 | 4 | 16 Dec 2024 | |
| Pengesahan | Dosen Pengembang RPS | Koordinator RMK | Ka PRODI |
 Sandag, Green A. |
 Sandag, Green A. |
 Semmy Wellem Taju, S.Kom., M.S., PhD |
| Capaian Pembelajaran | CPL-PRODI yang dibebankan pada MK | |
| CPL05 | Memiliki pengetahuan yang memadai terkait cara kerja sistem komputer dan mampu menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu organisasi. | |
| CPL07 | Menguasai konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. | |
| CPL10 | Kemampuan mengimplementasi kebutuhan computing dengan mempertimbangkan berbagai metode/algoritma yang sesuai. | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK13 | Mampu melakukan simulasi dan pemodelan sistem kompleks menggunakan tools komputasi modern. | |
| CPMK15 | Mampu mengembangkan aplikasi mobile, game, dan sistem cerdas (AI, NLP, CV, Robotics) sesuai kebutuhan pengguna. | |
| CPMK23 | Mampu mengintegrasikan komponen sistem (database, jaringan, UI, logika bisnis) dalam satu solusi utuh. | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| sub.cpmk.IFKV232.CPMK13.1 | Mengimplementasikan data preprocessing pada NLP dan metode-metodenya | |
| sub.cpmk.IFKV232.CPMK13.2 | Memamahami teknik konversi text data menjadi fitur | |
| sub.cpmk.IFKV232.CPMK13.3 | Mengaitkan proses evaluasi model pada NLP | |
| sub.cpmk.IFKV232.CPMK15.1 | Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. | |
| sub.cpmk.IFKV232.CPMK15.2 | Menyebutkan proses extraksi data NLP pada social media, format dokumen, dan memahami teknik REGEX pada NLP | |
| sub.cpmk.IFKV232.CPMK15.3 | Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | |
| sub.cpmk.IFKV232.CPMK23.1 | Membangun model text mining menggunakan machine learning | |
| sub.cpmk.IFKV232.CPMK23.2 | Membangun model text mining menggunakan deep learning | |
| Korelasi CPMK terhadap Sub-CPMK | ||
| CPMK15 |
sub.cpmk.IFKV232.CPMK15.1 sub.cpmk.IFKV232.CPMK15.2 sub.cpmk.IFKV232.CPMK15.3 |
|
| CPMK13 |
sub.cpmk.IFKV232.CPMK13.1 sub.cpmk.IFKV232.CPMK13.2 sub.cpmk.IFKV232.CPMK13.3 |
|
| CPMK23 |
sub.cpmk.IFKV232.CPMK23.1 sub.cpmk.IFKV232.CPMK23.2 |
|
| Deskripsi Singkat MK | Mata kuliah Sistem Pakar ini dirancang untuk memberikan pemahaman menyeluruh tentang konsep dasar hingga teknologi terkini dalam bidang Sistem Pakar dan Pemrosesan Bahasa Alamiah (Natural Language Processing/NLP). Mahasiswa akan diperkenalkan dengan konsep Sistem Pakar, termasuk arsitektur, representasi pengetahuan, dan mekanisme inferensi. Selanjutnya, mereka akan mempelajari berbagai aspek Pemrosesan Bahasa Alamiah, mulai dari pengenalan konsep dasar hingga teknik-teknik canggih seperti ekstraksi dan eksplorasi data teks, konversi teks menjadi fitur-fitur yang dapat digunakan untuk analisis, serta penggunaan teknologi Deep Learning dalam NLP. Mata kuliah ini juga akan membahas aplikasi praktis dari Sistem Pakar dan NLP dalam berbagai domain, termasuk kesehatan, keuangan, dan manufaktur. Melalui kursus ini, mahasiswa diharapkan dapat mengembangkan pemahaman yang mendalam tentang Sistem Pakar dan NLP serta kemampuan untuk menerapkannya dalam solusi berbasis data yang kompleks dan real-world. | |
| Bahan Kajian : Materi Pembelajaran | 1 Pengantar Expert System dan Natural Language Processing (Pengertian, sejarah, peran, dan aplikasi NLP & Expert System) 2 Data Extraction pada NLP dan Regular Expression (Regex) 3 Data Preprocessing pada NLP (case folding, tokenization, stopword removal, stemming, lemmatization) 4 Feature Extraction pada NLP (Bag of Words, TF-IDF, Word Embedding) 5 Algoritma Machine Learning dan Deep Learning pada NLP 6 Evaluasi Model NLP (Confusion Matrix, Accuracy, Precision, Recall, F1-Score) 7 Implementasi Text Mining menggunakan Machine Learning 8 Implementasi Text Mining menggunakan Deep Learning 9 Analisis Sentimen pada Media Sosial 10 Text Classification dan Spam Detection 11 Topic Modeling dan Text Clustering 12 Chatbot dan NLP Applications 13 Transformer dan Large Language Model (BERT, GPT, T5) 14 Studi Kasus dan Implementasi Proyek NLP | |
| Pustaka | Utama | |
|
||
| Pendukung | ||
|
||
| Dosen Pengampu | Sandag, Green A. | |
| Mata Kuliah Syarat | [MATH000] Matematika/ Mathematics - 2 credit(s) - [IS1221] Matematika Diskrit/ Discrete Mathematics - 3 credit(s) | |
| 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.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | ● Kemampuan mengidentifikasi dan mengakui keterbatasan yang dimiliki oleh sistem pakar. ● Kemampuan mengenali kelas-kelas yang berbeda dari sistem pakar. ● Kemampuan mengidentifikasi elemen-elemen kunci yang terdapat dalam suatu sistem pakar. ● Kemampuan menggambarkan metode inferensi umum yang digunakan dalam sistem pakar. ● Kemampuan menjelaskan paradigma prosedural dan penggunaannya dalam pemecahan masalah dengan menggunakan sistem pakar. |
Kriteria Kedalaman pembahasan Teknik |
Diskusi,Ceramah,[CR=90 Menit] |
Topik INTRODUCTION OF EXPERT SYSTEM Sub Topik ● What is an expert system? ● Basic Functions of Expert Systems ● Advantages of Expert Systems ● Representing the Knowledge ● Development of an Expert System ● Limitations of Expert Systems ● Classes of Expert Systems ● Elements of an Expert System ● General Methods of Inferencing ● Procedural Paradigms |
5 | |
| 2 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | ● Kemampuan mengidentifikasi dan mengakui keterbatasan yang dimiliki oleh sistem pakar. ● Kemampuan mengenali kelas-kelas yang berbeda dari sistem pakar. ● Kemampuan mengidentifikasi elemen-elemen kunci yang terdapat dalam suatu sistem pakar. ● Kemampuan menggambarkan metode inferensi umum yang digunakan dalam sistem pakar. ● Kemampuan menjelaskan paradigma prosedural dan penggunaannya dalam pemecahan masalah dengan menggunakan sistem pakar. |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Project Based Learning,[PBL=90 Menit] |
Topik INTRODUCTION OF EXPERT SYSTEM Sub Topik ● What is an expert system? ● Basic Functions of Expert Systems ● Advantages of Expert Systems ● Representing the Knowledge ● Development of an Expert System ● Limitations of Expert Systems ● Classes of Expert Systems ● Elements of an Expert System ● General Methods of Inferencing ● Procedural Paradigms |
5 | |
| 3 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | ● Memahami konsep NLP dan signifikansinya dalam pengolahan bahasa alamiah. ● Mampu mengidentifikasi dan menjelaskan berbagai aplikasi NLP di berbagai bidang. ● Kemampuan untuk mengekstraksi informasi penting dari teks dan data bahasa alamiah. ● Mengenal dan memahami berbagai bentuk bahasa alamiah yang ada. ● Memahami komponen-komponen penting dalam NLP seperti tokenisasi, stemming, dan part-of-speech tagging. |
Kriteria Kedalaman pembahasan Teknik |
Diskusi,Project Based Learning,[PBL=90 Menit] |
Topik Overview of Natural Language Processing Sub Topik ● What is NLP? ● Information Extraction ● Forms of Natural Language ● Components of NLP ● Why NL Understanding is hard? ● Ambiguity ● Resolve Ambiguities ● Models to Represent Linguistic Knowledge ● Algorithms to Manipulate Linguistic Knowledge ● Brief History of NLP ● Knowledge of Language |
5 | |
| 4 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | ● Mengidentifikasi tantangan utama dalam memahami bahasa alamiah dan mengapa hal itu sulit dilakukan. ● Mampu mengenali ambiguitas dalam bahasa alamiah dan memahami cara menyelesaikannya. ● Kemampuan untuk memilih dan menggunakan model yang tepat untuk mewakili pengetahuan linguistik. ● Mampu menggunakan berbagai algoritma untuk memanipulasi pengetahuan linguistik. ● Memahami sejarah singkat perkembangan NLP dan landasan teoritisnya. ● Mengenal dan memahami pengetahuan dasar tentang struktur dan pemrosesan bahasa. |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Project Based Learning,[PBL=90 Menit] |
Topik Overview of Natural Language Processing Sub Topik ● What is NLP? ● Information Extraction ● Forms of Natural Language ● Components of NLP ● Why NL Understanding is hard? ● Ambiguity ● Resolve Ambiguities ● Models to Represent Linguistic Knowledge ● Algorithms to Manipulate Linguistic Knowledge ● Brief History of NLP ● Knowledge of Language |
5 | |
| 5 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.2-Menyebutkan proses extraksi data NLP pada social media, format dokumen, dan memahami teknik REGEX pada NLP | ● Kemampuan untuk mengidentifikasi dan memilih sumber data yang tepat, termasuk media sosial, file PDF, Word, JSON, dan HTML. ● Kemampuan untuk merancang dan menerapkan ekspresi reguler untuk melakukan parsing teks dari berbagai jenis data. ● Kemampuan untuk mengelola dan memanipulasi string dengan menggunakan fungsi dan metode yang sesuai. ● Kemampuan untuk mengimplementasikan teknik scraping untuk mengekstrak teks dari halaman web secara otomatis. ● Kemampuan untuk menghasilkan output yang akurat dan terstruktur dari proses ekstraksi data untuk digunakan dalam analisis lebih lanjut atau aplikasi lainnya. |
Kriteria Kedalaman pembahasan Teknik |
Tugas,Ceramah,[CR=90 Menit] |
Topik Extracting the Data Sub Topik ● Extracting the Data ● Collecting Data from: ● Social Media, PDF, Word files, JSON, and HTML ● Parsing text using regular expressions ● Handling strings ● Scraping text from web |
5 | |
| 6 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.2-Menyebutkan proses extraksi data NLP pada social media, format dokumen, dan memahami teknik REGEX pada NLP | ● Kemampuan untuk mengevaluasi keberhasilan proses ekstraksi data berdasarkan kriteria-kriteria yang ditetapkan, seperti akurasi, kecepatan, dan efisiensi. ● Kemampuan untuk menyesuaikan dan memperbaiki proses ekstraksi data berdasarkan umpan balik dan perubahan dalam sumber data atau lingkungan. ● Kemampuan untuk menjelaskan dan mengkomunikasikan proses ekstraksi data dengan jelas dan efektif kepada orang lain |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Problem Based Learning,[PBL=90 Menit] |
Topik Extracting the Data Sub Topik ● Extracting the Data ● Collecting Data from: ● Social Media, PDF, Word files, JSON, and HTML ● Parsing text using regular expressions ● Handling strings ● Scraping text from web |
5 | |
| 7 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.2-Menyebutkan proses extraksi data NLP pada social media, format dokumen, dan memahami teknik REGEX pada NLP sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | Ketepatan mencapai tujuan CPMK15 |
Kriteria Ketepatan menjawab sesuai instruksi soal Teknik |
Ujian,Ujian,[UJ=90 Menit] |
Topik TEST#1 Sub Topik Semua kemampuan akhir CPMK15 |
10 | |
| 8 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur | ● Kemampuan untuk mengubah data teks menjadi huruf kecil (lowercase) untuk konsistensi dan kemudahan pengolahan. ● Kemampuan untuk menghapus tanda baca dari teks untuk membersihkan dan mempersiapkannya untuk analisis. ● Kemampuan untuk menghilangkan kata-kata stop (stop words) yang umumnya tidak bermakna dalam konteks analisis. ● Kemampuan untuk melakukan standarisasi teks untuk menghilangkan variasi dalam format atau ejaan. ● Kemampuan untuk memperbaiki ejaan dengan menggunakan algoritma otomatis atau kamus kata. |
Kriteria Kedalaman pembahasan Teknik |
Diskusi,Ceramah,[CR=90 Menit] |
Topik Exploring and Processing text data Sub Topik ● Converting text data to lowercase ● Removing punctuation ● Removing stop words ● Standardizing text ● Correcting spelling ● Tokenizing text ● Stemming ● Lemmatizing ● Exploring text data ● Building a text preprocessing pipeline |
5 | |
| 9 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur | ● Kemampuan untuk membagi teks menjadi token-token atau kata-kata individual untuk analisis lebih lanjut. ● Kemampuan untuk melakukan stemming, yaitu menghilangkan akhiran kata untuk menghasilkan bentuk dasar kata. ● Kemampuan untuk melakukan lemmatisasi, yaitu mengubah kata-kata ke bentuk dasar mereka yang sesuai dengan kamus. ● Kemampuan untuk mengeksplorasi data teks untuk memahami pola dan tren yang terkandung di dalamnya. ● Kemampuan untuk membangun sebuah pipa garis preprocessing teks yang mencakup semua langkah di atas untuk mempersiapkan data teks secara otomatis untuk analisis lebih lanjut. |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Problem Based Learning,[PBL=90 Menit] |
Topik Exploring and Processing text data Sub Topik ● Converting text data to lowercase ● Removing punctuation ● Removing stop words ● Standardizing text ● Correcting spelling ● Tokenizing text ● Stemming ● Lemmatizing ● Exploring text data ● Building a text preprocessing pipeline |
5 | |
| 10 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur sub.cpmk.IFKV232.CPMK13.3-Mengaitkan proses evaluasi model pada NLP | ● Kemampuan untuk menerapkan one hot encoding untuk mengonversi teks menjadi representasi fitur biner yang sesuai. ● Kemampuan untuk menggunakan count vectorizing untuk menghasilkan vektor fitur berdasarkan frekuensi kemunculan kata dalam teks. ● Kemampuan untuk menghasilkan n-gram untuk menangkap hubungan antara kata-kata yang berdekatan dalam teks. ● Kemampuan untuk membuat matriks co-occurrence yang merepresentasikan frekuensi kemunculan kata-kata bersamaan dalam teks. ● Kemampuan untuk menerapkan hashing vectorizing untuk mengonversi teks menjadi vektor fitur menggunakan fungsi hash. |
Kriteria Kedalaman pembahasan Teknik |
Diskusi,Ceramah,[CR=90 Menit] |
Topik Converting text to Features Sub Topik ● Converting text to features using one hot encoding ● Converting text to features using count vectorizing ● Generating N-gram ● Generating co-occurrence matrix ● Hash vectorizing ● Converting text to features using TF-IDF ● Implementing word embeddings ● Implementing fastText |
5 | |
| 11 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur sub.cpmk.IFKV232.CPMK13.3-Mengaitkan proses evaluasi model pada NLP | ● Kemampuan untuk menggunakan TF-IDF untuk memberikan bobot pada fitur berdasarkan frekuensi dan kepentingannya dalam teks. ● Kemampuan untuk mengimplementasikan word embeddings untuk menghasilkan representasi vektor dari kata-kata dalam teks. ● Kemampuan untuk mengimplementasikan fastText untuk menghasilkan representasi vektor kata yang lebih kaya berdasarkan subkata. |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Problem Based Learning,[PBL=90 Menit] |
Topik Converting text to Features Sub Topik ● Converting text to features using one hot encoding ● Converting text to features using count vectorizing ● Generating N-gram ● Generating co-occurrence matrix ● Hash vectorizing ● Converting text to features using TF-IDF ● Implementing word embeddings ● Implementing fastText |
5 | |
| 12 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur sub.cpmk.IFKV232.CPMK13.3-Mengaitkan proses evaluasi model pada NLP | Ketepatan mencapai tujuan CPMK13, CPMK15 |
Kriteria Ketepatan menjawab sesuai instruksi soal Teknik |
UTS,Ujian,[UJ=90 Menit] |
Topik Ujian Tengah Semester (UTS) Sub Topik Materi CPMK13, CPMK15 |
10 | |
| 13 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.2-Menyebutkan proses extraksi data NLP pada social media, format dokumen, dan memahami teknik REGEX pada NLP sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | ● Kemampuan untuk mengidentifikasi dan mengekstrak frasa nomina dari teks dengan akurasi tinggi. ● Kemampuan untuk menentukan tingkat kemiripan antara dua teks menggunakan metode yang sesuai. ● Kemampuan untuk melakukan penandaan bagian ucapan (POS tagging) dengan benar untuk setiap kata dalam teks. ● Kemampuan untuk mengidentifikasi dan mengekstrak entitas seperti orang, tempat, atau tanggal dari teks. ● Kemampuan untuk mengekstrak topik atau tema utama yang terdapat dalam teks dengan metode yang tepat. |
Kriteria Kedalaman pembahasan Teknik |
Diskusi,Ceramah,[CR=90 Menit] |
Topik Advanced Natural Language Processing Sub Topik ● Extracting noun phrases ● Finding similarity between texts ● Tagging part of speech ● Extract entities from text ● Extracting topics from text ● Classifying text ● Carrying out sentiment analysis ● Disambiguating text ● Converting speech to text ● Converting text to speech ● Translating speech |
5 | |
| 14 | sub.cpmk.IFKV232.CPMK15.1-Memahami latar belakang, pengertian, peran, sejarah, dan aplikasi expert system dan NLP. sub.cpmk.IFKV232.CPMK15.2-Menyebutkan proses extraksi data NLP pada social media, format dokumen, dan memahami teknik REGEX pada NLP sub.cpmk.IFKV232.CPMK15.3-Mendefinisikan macam-macam algoritma pada NLP dan penerapannya | ● Kemampuan untuk mengklasifikasikan teks ke dalam kategori atau kelas yang sesuai berdasarkan kontennya. ● Kemampuan untuk melakukan analisis sentimen untuk menentukan sentimen positif, negatif, atau netral dari teks. ● Kemampuan untuk menghilangkan ambiguitas dalam teks dan memastikan interpretasi yang tepat. ● Kemampuan untuk mengonversi ucapan menjadi teks dengan akurasi tinggi menggunakan teknologi pengenalan ucapan. ● Kemampuan untuk mengonversi teks menjadi ucapan dengan suara alami dan intonasi yang tepat. ● Kemampuan untuk menerjemahkan ucapan dari satu bahasa ke bahasa lain dengan menggunakan teknologi terjemahan yang sesuai. |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Project Based Learning,[PBL=90 Menit] |
Topik Advanced Natural Language Processing Sub Topik ● Extracting noun phrases ● Finding similarity between texts ● Tagging part of speech ● Extract entities from text ● Extracting topics from text ● Classifying text ● Carrying out sentiment analysis ● Disambiguating text ● Converting speech to text ● Converting text to speech ● Translating speech |
5 | |
| 15 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur sub.cpmk.IFKV232.CPMK13.3-Mengaitkan proses evaluasi model pada NLP | ● Kemampuan untuk mengimplementasikan model klasifikasi multikelas yang akurat dan efisien untuk mengelompokkan data teks ke dalam berbagai kategori yang relevan. ● Kemampuan untuk menerapkan analisis sentimen untuk mengevaluasi dan mengklasifikasikan sentimen dari data teks, dengan menghasilkan keluaran yang akurat dan bermakna. ● Kemampuan untuk menggunakan fungsi kesamaan teks untuk menemukan dan menilai tingkat kemiripan antara dokumen atau teks yang berbeda, sehingga mendukung pengambilan keputusan yang lebih baik. |
Kriteria Kedalaman pembahasan Teknik |
Diskusi,Project Based Learning,[PBL=90 Menit] |
Topik Implementing Industry Applications Sub Topik ● Implementing multiclass classification ● Implementing sentiment analysis ● Applying text similarity functions ● Summarizing text data ● NLP in search engine |
5 | |
| 16 | sub.cpmk.IFKV232.CPMK13.1-Mengimplementasikan data preprocessing pada NLP dan metode-metodenya sub.cpmk.IFKV232.CPMK13.2-Memamahami teknik konversi text data menjadi fitur sub.cpmk.IFKV232.CPMK13.3-Mengaitkan proses evaluasi model pada NLP | ● Kemampuan untuk merangkum data teks secara otomatis dengan mengidentifikasi dan mengekstrak informasi inti dari teks yang panjang atau kompleks, sehingga mempercepat pemrosesan dan pemahaman data. ● Kemampuan untuk mengimplementasikan pemrosesan bahasa alamiah dalam mesin pencari untuk meningkatkan relevansi dan kualitas hasil pencarian, sehingga meningkatkan pengalaman pengguna secara keseluruhan. |
Kriteria Ketepatan metode atau prosedur penyelesaian Teknik |
Praktikum,Project Based Learning,[PBL=90 Menit] |
Topik Implementing Industry Applications Sub Topik ● Implementing multiclass classification ● Implementing sentiment analysis ● Applying text similarity functions ● Summarizing text data ● NLP in search engine |
5 | |
| 17 | sub.cpmk.IFKV232.CPMK23.1-Membangun model text mining menggunakan machine learning sub.cpmk.IFKV232.CPMK23.2-Membangun model text mining menggunakan deep learning | Mahasiswa membuat proyek final dan mempresentasikannya |
Kriteria Proyek berfungsi, inovatif, sesuai tujuan Teknik |
UAS,Project Based Learning,[PBL=90 Menit] |
Topik Final Project Sub Topik Final Project |
10 | |
Teknik Penilaian CPMK
| CPL | MK | CPMK | Tugas | Ujian | Mid Test (UTS) | Praktek | Final Test (UAS) |
|---|---|---|---|---|---|---|---|
| CPL06 | Sistem Cerdas/Expert System | CPMK13 | Y | Y | Y | ||
| CPL07 | Sistem Cerdas/Expert System | CPMK15 | Y | Y | Y | ||
| CPL10 | Sistem Cerdas/Expert System | CPMK23 | Y |
Prosedur Penilaian CPMK
1. Komponen Penilaian CPMK
| CPL | CPMK | Sub-CPMK | Detail Penugasan (Teknik Penilaian) | Bobot % | Kriteria Penilaian |
|---|---|---|---|---|---|
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.3 | 5 | Kedalaman pembahasan | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.3 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.3 | 5 | Kedalaman pembahasan | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.3 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.2 | 5 | Kedalaman pembahasan | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.2 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.2, sub.cpmk.IFKV232.CPMK15.3 | 10 | Ketepatan menjawab sesuai instruksi soal | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2 | 5 | Kedalaman pembahasan | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2, sub.cpmk.IFKV232.CPMK13.3 | 5 | Kedalaman pembahasan | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2, sub.cpmk.IFKV232.CPMK13.3 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2, sub.cpmk.IFKV232.CPMK13.3 | 10 | Ketepatan menjawab sesuai instruksi soal | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.2, sub.cpmk.IFKV232.CPMK15.3 | 5 | Kedalaman pembahasan | |
| CPL07 | CPMK15 | sub.cpmk.IFKV232.CPMK15.1, sub.cpmk.IFKV232.CPMK15.2, sub.cpmk.IFKV232.CPMK15.3 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2, sub.cpmk.IFKV232.CPMK13.3 | 5 | Kedalaman pembahasan | |
| CPL06 | CPMK13 | sub.cpmk.IFKV232.CPMK13.1, sub.cpmk.IFKV232.CPMK13.2, sub.cpmk.IFKV232.CPMK13.3 | 5 | Ketepatan metode atau prosedur penyelesaian | |
| CPL10 | CPMK23 | sub.cpmk.IFKV232.CPMK23.1, sub.cpmk.IFKV232.CPMK23.2 | 10 | Proyek berfungsi, inovatif, sesuai tujuan | |
| Total | 100 | ||||
2. Penilaian CPMK
| CPL | MK | CPMK | Tugas | Ujian | Mid Test (UTS) | Praktek | Final Test (UAS) | Total |
|---|---|---|---|---|---|---|---|---|
| CPL06 | Sistem Cerdas/Expert System | CPMK13 | 15% | 0% | 10% | 15% | 0% | 40% |
| CPL07 | Sistem Cerdas/Expert System | CPMK15 | 20% | 10% | 0% | 20% | 0% | 50% |
| CPL10 | Sistem Cerdas/Expert System | CPMK23 | 0% | 0% | 0% | 0% | 10% | 10% |
| 100% | ||||||||