Universitas Negeri Surabaya
Fakultas Teknik
Program Studi S1 Pendidikan Teknik Mesin

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

AI dalam Industri Manufaktur

8320302303

T=2

P=0

ECTS=3.18

4

19 April 2025

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




Dr. Rachmad Syarifudin Hidayatullah, S.Pd., M.Pd.


Ir. Wahyu Dwi Kurniawan, S.Pd., M.Pd.


Ir. Wahyu Dwi Kurniawan, S.Pd., M.Pd.

Model Pembelajaran

Case Study

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-3

Mengembangkan pemikiran logis, kritis, sistematis, dan kreatif dalam melakukan pekerjaan yang spesifik di bidang keahliannya serta sesuai dengan standar kompetensi kerja bidang yang bersangkutan

PLO-7

Mampu mendemonstrasikan perawatan dan perbaikan di bidang teknik otomotif (konsentrasi otomotif) atau mampu mengoperasikan berbagai peralatan dan mesin produksi di bidang manufaktur (konsentrasi produksi)

PLO-10

Mampu menerapkan technopreneurship pada bidang teknologi otomotif/manufaktur

Program Objectives (PO)

PO - 1

Mahasiswa mampu menjelaskan konsep AI dan searching algorithm di industri manufaktur

PO - 2

Mahasiswa mampu membandingkan kelebihan/kekurangan searching algorithm untuk kasus manufaktur

PO - 3

Mahasiswa mampu memodelkan masalah manufaktur ke dalam bentuk komputasi

PO - 4

Mahasiswa mampu mengimplementasikan searching algorithm dengan software programming

PO - 5

Mahasiswa mampu menganalisis kinerja searching algorithm

PO - 6

Mahasiswa mampu menjelaskan integrasi AI dengan sistem produksi modern

PO - 7

Mahasiswa mampu menyelesaikan proyek aplikasi searching algorithm untuk masalah manufaktur

Matrik PLO-PO
 
POPLO-3PLO-7PLO-10
PO-1✔  
PO-2✔  
PO-3 ✔ 
PO-4 ✔ 
PO-5✔  
PO-6  ✔
PO-7 ✔ 

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PO-1✔✔
PO-2✔✔
PO-3✔✔
PO-4✔✔✔✔
PO-5✔✔
PO-6✔✔✔
PO-7✔

Deskripsi Singkat Mata Kuliah

Mata kuliah ini membahas konsep-konsep kecerdasan buatan (AI) dan algoritma optimisasi yang esensial untuk analisis dan peningkatan sistem manufaktur, dengan fokus pada aplikasi di bidang teknik mesin. Mahasiswa akan mempelajari teknik-teknik pencarian cerdas, pemodelan sistem produksi, serta solusi numerik untuk masalah optimisasi.

Pustaka

Utama :

  1. Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.
  2. Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.

Pendukung :

Dosen Pengampu

Prof. Dr. Soeryanto, M.Pd.

Ali Hasbi Ramadani, S.Pd., M.Pd.

Sudirman Rizki Ariyanto, M.Pd., M.T.

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1

Daftar aplikasi AI di manufaktur

 Kriteria:

Relevansi contoh


Bentuk Penilaian :
Aktifitas Partisipasif		 Ceramah diskusi kasus
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 2%

2

Minggu ke 2

Mendeskripsikan prinsip dasar searching algorithm

Diagram perbandingan algoritma

 Kriteria:

Kedalaman analisis


Bentuk Penilaian :
Aktifitas Partisipasif		 Studi literatur presentasi
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 2%

3

Minggu ke 3

Memetakan masalah penjadwalan produksi ke model matematis.

Dokumen spesifikasi masalah

 Kriteria:

Ketepatan pemodelan

 Workshop pemodelan
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 3%

4

Minggu ke 4

Membuat model kontrol kualitas berbasis data.

Flowchart proses QC

 Kriteria:

Kelengkapan model


Bentuk Penilaian :
Penilaian Hasil Project / Penilaian Produk		 Latihan studi kasus
2 x50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 3%

5

Minggu ke 5

Menginstalasi tools komputasi

Screenshot environment

 Kriteria:

Keberhasilan instalasi


Bentuk Penilaian :
Aktifitas Partisipasif		 Praktikum
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 2%

6

Minggu ke 6

Menulis kode dasar untuk algoritma GA

File coding

 Kriteria:

Funggsionalitas kode


Bentuk Penilaian :
Penilaian Praktikum		 Coding mandiri
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 8%

7

Minggu ke 7

Menulis kode dasar untuk algoritma PSO

File coding

 Kriteria:

Efisiensi kode


Bentuk Penilaian :
Penilaian Praktikum		 Coding mandiri
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 8%

8

Minggu ke 8

Menguji algoritma pada dataset produksi sederhana.

Laporan uji coba

 Kriteria:

Akurasi hasil


Bentuk Penilaian :
Penilaian Praktikum		 Simulasi data
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 7%

9

Minggu ke 9

Menganalisis kinerja algoritma (konvergensi, waktu)

Grafik perbandingan

 Kriteria:

Kedalaman evaluasi

 Analisis data
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 10%

10

Minggu ke 10

Mengoptimasi parameter algoritma untuk kasus spesifik.

Rekomendasi parameter

 Kriteria:

Validasi hasil

 Eksperimen numerik
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 10%

11

Minggu ke 11

Menjelaskan integrasi AI dengan IoT di manufaktur.

Ringkasan materi

 Kriteria:

Kejelasan pemahaman

 Guest lecture
2 x 50
Materi: -
Pustaka: Yang, X.-S. (2020). Nature-inspired optimization algorithms (2nd ed.). Academic Press.		 5%

12

Minggu ke 12

Mendemonstrasikan simulasi digital twin

Video simulasi

 Kriteria:

Kualitas demonstrasi


Bentuk Penilaian :
Aktifitas Partisipasif		 Demo software
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 5%

13

Minggu ke 13

Merancang proyek optimisasi mesin CNC

Proposal gagasan

 Kriteria:

Kelayakan ide


Bentuk Penilaian :
Aktifitas Partisipasif		 Brainstorming
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 5%

14

Minggu ke 14

Mengembangkan kode solusi untuk proyek

Progress report

 Kriteria:

Kemajuan kerja

 Mentoring proyek
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 10%

15

Minggu ke 15

Menguji solusi pada simulasi/real data.

Hasil pengujian

 Kriteria:

Akurasi solusi


Bentuk Penilaian :
Aktifitas Partisipasif		 Validasi proyek
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.		 10%

16

Minggu ke 16

Mempresentasikan hasil proyek akhir

Slide demo

 Kriteria:

Profesionalitas


Bentuk Penilaian :
Aktifitas Partisipasif		 Presentasi
2 x 50
Materi: -
Pustaka: Konar, A. (2019). Artificial intelligence and soft computing: Behavioral and cognitive modeling of the human brain (2nd ed.). CRC Press.
Materi: -
Pustaka: 		10%



Rekap Persentase Evaluasi : Case Study

No Evaluasi Persentase
1. Aktifitas Partisipasif 36%
2. Penilaian Hasil Project / Penilaian Produk 3%
3. Penilaian Praktikum 23%
62%

Catatan

  1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
  2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
  3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
  4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
  5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
  6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
  7. Bentuk penilaian: tes dan non-tes.
  8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
  9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
  10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
  11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
  12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.