RANCANGAN PEMBELAJARAN BERBASIS STUDENT CENTERED LEARNING Kode matakuliah Mata kuliah Semester, SKS
: TIFS 3415 : LO LOGIKA FUZZY : VI/ 3
RANCANGAN PEMBELAJARAN BERBASIS STUDENT CENTERED LEARNING Mata Kuliah Kode Mata Kuliah Semester SKS Program Studi Jenjang Prasyarat 1. Tujuan
: Logika Fuzzy : TIFS 3415 : VI (enam) : 3 (tiga) : Teknik Informatika : Sarjana :-
: memberikan wawasan kepada mahasiswa tentang konsep-konsep penting dalam logika fuzzy, perbedaan dengan logika tegas (crisp), inferensi fuzzy dan penerapannya dalam berbagai bidang bidang teknik informatika.
2. Kompetensi : Mahasiswa memiliki gambaran tentang konsep-konsep himpunan fuzzy, operasi himpunan fuzzy, penalaran fuzzy dan mampu menerapkan dalam bidang informatika seperti Aplikasi pada bidang teknik informatika antara lain pada clustering data, bidang basis data, dan bidang pengambilan keputusan. 3. Kepustakaan: 1. Terano, Thosiro, Kiyoji Asai, dan Michio Sugeno. 1992. Fuzzy Systems Theory and Its Applications. London: Academic Press 2. Zimmermann. 1991. Fuzzy Set Theory an Its Applications . Edisi-2. Massachusetts: Kluwer Academic Publishers. 3. Yan Jun, Michael dan James Power. 1994. Using Fuzzy Logic (Toward
5. Evaluasi : Rumus Evaluasi adalah : NA = 10% Pres + 20% UTS + 20% UAS + 50% Tugas 1. Presensi (kehadiran kuliah) : 10% 2. Ujian Tengah Semester (UTS) : 20% 3. Ujian AKhir Semester (UAS) : 20% 4. Tugas-tugas, diskusi, presentasi : 50% Norma Penilaian : Semua penilaian dalam bentuk angka 0.00 sampai 100.00, kemudian nilai akhir (NA) ditentukan berdasarkan formula nilai akhir dan dikonversikan ke nilai huruf dengan ketentuan sbb : Kisaran Nilai Angka (NA) 0.00 < NA < 20.00 20.00 < NA < 40.00 40.00 < NA < 60.00 60.00 < NA < 80.00 80.00 < NA < 100.00
Nilai Huruf (NH) E D C B A
6. Ketentuan dan Tata Tertib kuliah tatap muka 1. Kehadiran kuliah minimal 75% untuk dapat mengikuti ujiaan, utamanya ujian akhir semester (UAS) 2. Keterlambatan kehadiran kuliah : maksimal 20 menit (atau sesuai kesepakatan), lebih dari
http://elearning.akprind.ac.id/moodle/course/ view.php?id=351 1.
2.
http://amir.dosen.akprind.ac.id/logika-fuzzy/
Materi Tiap tatap muka, pustaka dan bobot evaluasi : 1
2
3
No
Kompetensi yang diharapkan
1
Mengetahui dan memahami konsep dasar Pendahuluan logika fuzzy, Memahami definisi logika fuzzy dan aplikasinya
2
Pokok Bahasan
Mengetahui dan memahami konsep dasar himpunan fuzzy himpunan fuzzy. Mampu mengenal konsep dasar himpunan fuzzy dan himpunan crisp beserta terminologinya
4 Materi
• • •
•
.himpunan fuzzy vs himpunan crisp Variabel fuzzy. Tinggi himpunan fuzzy. Domain. Semseta pembicaraan Support set
•
α
•
• • • •
3
Mengetahui dan memahami cara mencari
Fungs keanggotaan
nilai keanggotaan dengan pendekatan
Definisi logika fuzzy, sistem fuzzy. Aplikasi logika fuzzy.
6
Bentuk Pembelajaran
Pustaka
Kuliah , diskusi
1,2,3,4
Kuliah, diskusi
1,2,3,4
Kuliah , diskusi
1,2,3,4
Kuliah , diskusi
1,2,3,4
Kuliah , diskusi
1,2,3,4
Segitiga
fungsi keanggotaan
Sigmoid (S & Z) Gauss Beta
4
Mengetahui dan memahami konsep dasar relasi himpunan fuzzy Mampu mengenal operato-operator pada himpunan fuzzy
5
Mengetahui dan memahami konsep dasar sistem inferensi fuzzy dan aplikasinya. Mampu mengenal dan
Operator-operator fungsi
Sistem Inferensi
Diskret • Operator-operator dasar Zadeh; • Operator-operator pengganti. Penalaran monoton FIS: Metode Tsukamoto FIS: Metode Sugeno
7 Evaluasi (Bobot)
Tugas 1 (12.5%)
-cut set
Fungsi keanggotaan : Linear (naik/turun)
fungsi. Mampu mengenal macam-mcama
5
6
membangun sistem inferensi fuzzy dengan metode Tsukamoto & Sugeno
Fuzzy (FIS)
Mampu mengenal dan membangun
Sistem Inferensi Fuzzy (FIS)
sistem inferensi fuzzy dengan metode Mamdani 7
Mengetahui dan memahami konsep dasar fuzzy clustering. Mampu mengenal
Fuzzy Clustering
FIS: Metode Mamdani
Kuliah , diskusi
1,2,3,4 Tugas 2 (12.5%)
Ukuran-ukuran fuzzy.
Kuliah , diskusi
1,2,3,4
Fuzzy C-Mean (FCM)
dan merepresentasikan fuzzy clustering dengan metode FCM
20%
UJIAN TENGAH SEMESTER (UTS) 8
9
10
Mampu mengenal dan merepresentasikan
•
Fuzzy clustering :
•
Metode aglomeratif Metode Additive
Kuliah , diskusi
1,2,3,4
Kuliah , diskusi
1,2,3,4
fuzzy clustering dengan metode Hierarchical : agglomerative dan additive
Hierarchical
Mengetahui konsep dasar dan aplikasi
Basisdata
Basisdata fuzzy model
basisdata fuzzy. Mampu mengenal dan
fuzzy
Tahani.
merepresentasikan struktur &
Basisdata fuzzy model
implementasi basisdata fuzzy
Umano
Mengetahui dan memahami konsep dasar Penyelesaian masalah dan aplikasi Fuzzy Multi-Attribute FMADM dengan metode-metode Decision Making(FMADM). MADM klasik Mampu mengenal dan merepresentasikan penyelesaian masalah FMADM dengan metode-metode MADM
Metode Simple Additive Weighting (SAW) Metode Weighted Product (WP) Metode pengembangan
Tugas 3 (12.5%)
Kuliah , diskusi
12,3,5
11
FMADM : Mampu mengenal dan merepresentasikan bentuk-bentuk relasi preferensi fuzzy
Relasi preferensi fuzzy
Vektor terurut
Kuliah , diskusi
12,3,5
Vektor utilitas Bentuk linguistik Himpunan bagian terseleksi Himpunan bagian fuzzy Terseleksi
12
13
FMADM :
Fungsi-fungsi
Mampu mengenal dan merepresentasikan fungsi-fungsi agregasi FMADM FMADM : Mampu mengenal dan merepresentasikan metode-metode penyelesaian masalah FMADM pada group decision making (GDM)
agregasi pada FMADM Penyelesaian masalah FMADM pada group decision making (GDM
Operator OWA, IOWA, C-IOWA, dan I-IOWA.
Kuliah , diskusi
12,3,5
•
Algoritma genetika untuk penentuan bobot atribut.
Kuliah , diskusi
12,3,5
•
Format preferensi, agregasi, dan perankingan pada penyelesaian masalah FMADM untuk GDM.
• •
Tugas 4 (12.5%)
14 PRESENTASI TUGAS KELOMPOK UJIAN AKHIR SEMESTER (UAS)
20%
