RENCANA PEMBELAJARAN SEMESTER (RPS)

Jurusan : Teknik Informatika

Program Studi : Teknik Informatika
Nama Mata Kuliah : Logika Fuzzy
Kode MK/SKS : <Kode MK sesuai kurikulum> / 3 sks
Mata Kuliah Prasyarat : Struktur Data (<Isikan kode MK prasyarat sesuai kurikulum>)
Deskripsi Singkat : Mata kuliah ini memberikan konsep dasar teori Fuzzy dan aplikasinya. Setelah mengetahui konsep dasar Fuzzy,
dapat digunakan untuk membuat aplikasi yang berbasis fuzzyness. Perkuliahan dilakukan dengan memberikan
materi mulai himpunan fuzzy, operasi danrelasi pada himpunan fuzzy, komposisi dan inferensi fuzzy,
clustering fuzzy, aplikasi fuzzy dan optimasi fuzzy.

Capaian Pembelajaran Mata Kuliah:

Setelah menyelesaikan mata kuliah ini, mahasiswa diharapkan dapat mengimplementasikan fuzzy pada berbagai permasalahan yang
menggunakan pendekatan fuzzy dan memanfaatkan salah satu metode berbasis fuzzy.

Tim Dosen Pengampu (yang bisa dinominasikan per semester):

1. Candra Dewi, S.Kom., M.Sc
2. Budi Dharma Setiawan, S.Kom., M.Cs

Evaluasi:
1. UTS (30%)
2. UAS (35%)
3. Tugas (35%)

Deskripsi Tugas:
1. Pada setiap pokok bahasan mahasiswa akan diberikan tugas terstruktur berupa latihan berbasis hitungan untuk pemahaman materi.
2. Tugas berupa project yang diselesaikan secara berkelompok.
Referensi:
1. Kwang H. Lee. 2005. First Course on Fuzzy Theory and Applications. Springer
2. Timothy J. Ross. 2004. Fuzzy Logic with engineering applications. John Wiley & Sons Ltd,
3. Kusumadewi, Sri; dan Purnomo, Hari. 2004. Logika Fuzzy untuk Pendukung Keputusan. Graha Ilmu, Yogyakarta.
 Matriks Rencana Pembelajaran per Pekan
Mata Kuliah Logika Fuzzy (<Kode MK sesuai kurikulum >)
Kemampuan Akhir yang
Pekan Metode Media Estimasi
Diharapkan (Course Learning Bahan Kajian Referensi
ke- Pengajaran Pengajaran Waktu
Outcome/CLO)
a b c d e f g
1 Mampu memahami kontrak kuliah dan 1. Silabus dan kontrak kuliah Kuliah, diskusi Proyektor, 3x50 menit 1,2
memahami konsep fuzzy 2. Pengenalan fuzzy dan aplikasi papan tulis
fuzzy
2 Mampu memahami himpunan fuzzy 1. Himpunan fuzzy Kuliah, diskusi Proyektor, 3x50 menit 1,2
dan perbedaannya dengan himpunan 2. Pengembangan konsep himpunan papan tulis
boolean fuzzy
3. Convec fuzzy set
3 Mampu mengimplementasikan operasi 1. Operasi dasar pada himpunan Kuliah, diskusi Proyektor, 3x50 menit 1,2
pada himpunan fuzzy fuzzy papan tulis
2. Operasi lain pd himpunan fuzzy
3. T-norms dan T-conorms
4 Mampu memahami relasi dan 1. Relasi fuzzy Kuliah, diskusi Proyektor, 3x50 menit 1,2
komposisi pada himpunan fuzzy 2. Extension pd himpunan Fuzzy & papan tulis
extension relasi
5 Mampu memahami komposisi pada 1. Komposisi pada himpunan fuzzy Kuliah, diskusi Proyektor, 3x50 menit 1,2
himpunan fuzzy sebagai dasar dari 2. Extension komposisi pada papan tulis
inferensi fuzzy himpunan fuzzy
6 Mampu memahami fuzzy number 1. Konsep fuzzy number Kuliah, diskusi Proyektor, 3x50 menit 1,2
2. Operasi pada fuzzy number papan tulis
3. Triangular fuzzy number
4. Fuzzy number yang lain
7 Presentasi tugas (project) 1
8 UTS
9 UTS
10 Mampu memahami inferensi pada 1. Koposisi rule Kuliah, diskusi Proyektor, 3x50 menit 1,2
fuzzy 2. Fuzzy rule dan implikasi papan tulis
3. Mekanisme inferensi
4. Metode inferensi
11 Mampu mengimplementasikan 1. Inferensi Sugeno Kuliah, diskusi Proyektor, 3x50 menit 3
berbagai inferensi 2. Inferensi Tsukamoto papan tulis
3. Inferensi Mamdani
12 Mampu mengimplementasikan 1. Fuzzy c-mean clustering Kuliah, diskusi Proyektor, 3x50 menit 3
clustering fuzzy 2. Subtractive clustering papan tulis
1. Contoh aplikasi
13 Mampu mengimplementasi optimasi 1. Review aturan fuzzy Kuliah, diskusi Proyektor, 3x50 menit 1
pembentukan aturan fuzzy dengan 2. Pembentukan aturan fuzzy papan tulis
teknik clustering dengan subtractive clustering
3. Contoh kasus
14 Mampu mengimplementasikan sistem 1. Komponen Knowledge Base Kuliah, diskusi Proyektor, 3x50 menit 1,2
pakar fuzzy 2. Inferensi (Decision Making papan tulis
Logic)
3. Defuzzifikasi
4. Contoh aplikasi
15 Mampu menjelaskan fussion atau 1. Konsep dan pengenalan Neuro Kuliah, diskusi Proyektor, 3x50 menit 1,2
hybrid fuzzy dengan metode yang lain fuzzy dan Adaptif Neuro Fuzzy papan tulis
(ANFIS)
2. Atau konsep hybrid fuzzy
dengan algoritma lain
16 Presentasi tugas (project) 1
17 UAS
 Matriks Rencana Praktikum per Pekan
Mata Kuliah <Nama MK sesuai kurikulum> (<Kode MK sesuai kurikulum >)
Kemampuan Akhir yang
Pekan Metode Media Estimasi
Diharapkan (Course Learning Bahan Kajian Referensi
ke- Pengajaran Pengajaran Waktu
Outcome/CLO)
a b c d e f g
1 Mampu <mengetahui/ memahami/ 1. ... 1 x 100 menit
mengaplikasikan/ menganalisis/ 2. ...
mengkaji> ...
2 Mampu <mengetahui/ memahami/ 1. ... Praktikum proyektor 1 x 100 menit
mengaplikasikan/ menganalisis/ 2. ... Tugas 1 x 70 menit
mengkaji > ...
3 Mampu <mengetahui/ memahami/ 1. ... ...x... menit
mengaplikasikan/ menganalisis/ 2. ...
mengkaji > ...

---------------
(BAGIAN DI BAWAH INI MOHON DIHAPUS SETELAH PENGISIAN RPS)
Keterangan pengisian kolom:
a. Diisi pekan pengajaran,
contoh: 1, 2, 3; atau
1 – 2, 3 – 5 (bila lebih dari 1 pekan dengan bahan kajian yang sama); atau
1a, 1b, 2a, 2b (bila dalam sepekan lebih dari satu tatap muka)
b. Diisi kemampuan akhir yang harus dicapai setiap pertemuan/bahan kajian.
c. Diisi bahan kajian yang disampaikan dalam pengajaran, termasuk sub bahan kajian yang relevan
d. Diisi metode yang digunakan: praktikum, diskusi, dan/atau tugas
e. Diisi media pengajaran yang digunakan, contoh: proyektor, papan tulis, alat peraga
f. Diisi estimasi waktu yang dibutuhkan untuk mencapai CLO
g. Diisi referensi yang digunakan untuk mencapai CLO sesuai nomor referensi yang telah didefinisikan, contoh: 1, 2, 3.
Catatan:
i. Matriks rencana praktikum ini HANYA DIISI UNTUK MK BERPRAKTIKUM, jika tidak maka bisa dihilangkan
ii. Penamaan file mengikuti aturan berikut: RPS-<kode MK>-<nama MK>-<vX.X>