I. Analisis Pembelajaran
CPMK-5. Mampu merancang aplikasi sistem logika fuzzy dengan beberapa studi kasus bidang TF
atau bidang multidisiplin [C6,P3,A3], (mg ke 10-15)(44%);
CPMK-4. Mampu merancang kaidah fuzzy berdasarkan data dengan menggunakan Fuzzy
Clustering. [C6,P3,A3], (mg ke 9)(17%);
Deskripsi Singkat MK Matakuliah Sistem Fuzzy, merupakan mata kuliah yang membahas materi pembelajaran tentang kecerdasan buatan. Mata kuliah ini merupakan
salah satu landasan utama dalam pengembangan ilmu tan teknologi kecerdasan buatan. Pada mata kuiah ini mahasiswa akan belajar tentang
sistem fuzzy, fuzzy logic, fuzzy clustering, ANFIS dan aplikasi nya dalam bidang Teknik Fisika. Sistem fuzzy yang dipelajari dalam ata kuliah ini,
telah banyak digunakan oleh mahasiswa sebagai landasan metodology untuk melakukan penelitian tugas akhir atau skripsi
Bahan Kajian: Materi A. Pengantar Sistem Fuzzy.
Pembelajaran • Pengantar : apa dan mengapa menggunakan fuzzy?, kalsifikasi Sistem Fuzzy.
• Matematika sistem fuzzy : himpunan fuzzy, operasi himpunan fuzzy, logika fuzzy, variabel linguistik
• Sistem fuzzy : kaidah dasar kaidah fuzzy, fuzzyfikasi dan defuzzifikasi, mesin penalaran fuzzy.
B. Fuzzy Clustering.
• Membangun kaidah fuzzy dari data input-output dengan menggunakan metoda clustering; Fuzzy C-Means (FCM) dan Fuzzy Substractice
Clustering (FSC).
C. Fuzzy Neurel Network.
• Konsep dasar Biological Neuronal Morphology, Biological Neuronal Morphology dan Fuzzy Neurel Network.
• Fuzzy Neural Network Architectures, Learning Scheme: Adapting The Knowledge Base dan Membangun ANFIS dengan Toolbox MATLAB :
Studi Kasus
Pustaka Utama :
1. Syamsul Arifin, Modul Sistem Fuzzy, ITS, 2020
2. Timothy J. Ross: Fuzzy Logic with Engineering Applications, edisi III, John Wiley & Sons, 2010.
3. Li-Xin-wang : A Course in Fuzzy Systems and Control, Prentice Hall International Inc, 1997
4. J.S. Roger Jang, Ned Gulley : Fuzzy Logic : Toolbox for use with Matlab, The Math Works Inc, 1995.
Pendukung :
5. Bart Kosko : Neural Networks and Fuzzy Systems: A Dynamics Systems Approach to machine intelligence, Prentice Hall Int.Inc, 1992.
6. C.J. Harris, C.G. Moore & M Brown, Intelligent Control: Aspects of fuzzy logic and neural networks, World Scientific, 1993
7. Li-Xin-Wang : Adaptive Fuzzy Systems and Controls, Design and Stability Analysis, Prentice Hall Int.Inc.1994.
Dosen Pengampu Dr. Ir. Syamsul Arifin, M.T. & Dr. Imam Abadi, S.T.,M.T.
Matakuliah syarat ---
Bantuk Pembelajaran,
Metode Pembelajaran,
Penilaian Bobot
Capaian Pembelajaran MK Penugasan Mahasiswa, Materi Pembelajaran
Mg Ke- Penilaia
(CPMK) [ Estimasi Waktu] [ Pustaka ]
n (%)
Indikator Kriteria & Pembelajaran Luring Pembelajaran
Teknik (offline) Daring (online)
(1) (2) (3) (4) (5) (6) (7) (8)
1 CPMK1: Mampu 1.1 Ketepatan Teknik non-test: Kuliah & Diskusi. eLearning: MyITS- RPS MK Sistem Logika
menjelaskan apa, mengapa menjelaskan • Review Root Menjelaskan RPS MK Sistem C Fuzzy;
dan bagaimana sistem tentang Root Map Sistem Logika Fuzzy http:// Pengenalan sistem
fuzzy dikembangkan dan Map Sistem Fuzzy. [TM:1x(2x50”)] https://classroom Fuzzy :
digunakan dalam bidang Fuzzy; Tugas-1: Membuat Root .its.ac.id/course/v • Mengapa sistem Fuzzy
Ilmu dan Teknologi. 1.2 Keaktifan dalam Map Sistem Fuzzy. iew.php?id=2575 • Apa sistem Fuzzy
berdiskusi [BT+BM:2x(2x50”)] • Diskusi • Dalam bidang apa 5
asingkron; sistem Fuzzy
• Pengumpulan digunakan
Tugas-1 • Sejarah
perkembangan teori
Fuzzy dan
penerapannya
2 CPMK2: Mampu 2.1 Membedakan Teknik tes: Kuliah & Diskusi. eLearning: Klasifikasi Logika Fuzzy :
menjelaskan perbedaan dengan tajam •Marking Scam. [TM:1x(2x50”)] MyITS-C: • Logika Fuzzy Murni.
beberapa metoda logika dan benar. •Soal esai dlm Tugas-2: Makalah meringkas • Diskusi • Logika Fuzzy Takagi-
fuzzy. 2.2. Memberikan bentuk kuis dan mengembangkan materi 10
asingkron; Sugeno.
contoh aplikasi kulia. • Pengumpulan • Logika Fuzzy
yang terkait. [BT+BM:2x(2x50”)] Tugas-2 Mamdani.
3,4 CPMK3: Mampu merancang 3.1 Ketepatan Teknik non-tes: Kuliah & Diskusi eLearning: Himpunan dan Logika
Fuzzy Inference System, menjelaskan ragam • Rubrik; [TM:2x(2x50”)] MyITS-C: Fuzzy:
15
Fuzzification, dan himpunan fuzzy. • Review peper • Diskusi • Himpunan Fuzzy
Defuzzification secara tentang studi asingkron;
manual maupun dengan 3.2 Ketepatan kasus yang • Pengumpulan • Operasi himpunan
menggunakan MATLAB menggunakan dipilih dalam Tugas-3 fuzzy.
kemudian menjelaskan operasi himpunan kelompok
hasilnya. fuzzy. kolaboratif. Tugas-3: Studi Kasus- Fuzzyfication-
3.2 Ketepatan Defuzzification dan operasi himpunan fuzzy
menggunakan dengan Studi Kasus berbeda tiap kelompok dan
menggunakan dipresentasikan [BT+BM:4x(2x50”)]
operasi himpunan
fuzzy.
5,6,7 3.3 Ketepatan Teknik non-tes: Kuliah. eLearning: Fuzzy Inference and
rancangan Fuzzy • Rubrik. Diskusi Kelompok. MyITS-C: Composition :
Inference yang. • Review hasil [TM:3x(2x50”)] • Diskusi • Relasi Fuzzy.
3.4 Ketepatan Program FIS asingkron; • Generalised fuzzy
penggunakan MATLAB. • Pengumpulan implications.
Program FIS • Observasi Tugas-4 • Choice of fuzzy
MATLAB secara aktivitas dalam Tugas-4:Membangun FIS dengan Studi Kasus implication functions 20
lengkap. kelompok dan berbeda tiap kelompok dan dipresentasikan. • Union connectives in
3.5 Ketajaman diskusi. [BT+BM:6x(2x50”)] fuzzy logic.
menjelaskan hasil • Defuzzification.
Program.
3.6 Keaktifan bekerja
dlm kelompok.
8 Evaluasi Tengah Semester / Ujian Tengan Semester
9 CPMK4: Mampu 4.1 Ketepatan Teknik non-tes: Kuliah. eLearning: • Fuzzy C-Means (FCM).
merancang kaidah fuzzy menjelaskan dengan • Rubrik; Diskusi kelompok. MyITS-C: • Fuzzy Substractice
berdasarkan data dengan benar perbedaan • Review peper [TM:1x(2x50”)] • Diskusi Clustering (FSC).
menggunakan Fuzzy antara FCM dan FSC. hasil asingkron;
Clustering. 4.2 Ketepatan rancangan • Pengumpulan 7
menggunakan FCM FCM Tugas-5
berdasarkan data.
Tugas-5: Studi Kasus-Membangun himpunan &
4.3. Kesesuaian
kaidah fuzzy berdasar data dengan metode Fuzzy
himpunan dan
Clustering berdasarkan data lapangan.
Catatan :
1. Capaian Pembelajaran Lulusan PRODI (CPL-PRODI) adalah kemampuan yang dimiliki oleh setiap lulusan PRODI yang merupakan internalisasi dari
sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
2. CPL yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-PRODI) yang digunakan untuk
pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
3. CP Mata kuliah (CPMK) adalah kemampuan yang dijabarkan secara spesifik dari CPL yang dibebankan pada mata kuliah, dan bersifat spesifik
terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
4. 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.
5. 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.
6. Teknik penilaian: tes dan non-tes.
7. 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.
8. 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.
9. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
10. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-CPMK yang besarnya proposional dengan tingkat kesulitan pencapaian
sub-CPMK tsb., dan totalnya 100%.
11. PB=Proses Belajar, PT=Penugasan Terstruktur, KM=Kegiatan Mandiri.
12. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-CPMK yang besarnya proposional dengan tingkat kesulitan pencapaian
sub-CPMK tsb., dan totalnya 100%.
13. PB=Proses Belajar, PT=Penugasan Terstuktur, KM=Kegiatan Mandiri.