2017 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS ESA UNGGUL

RENCANA PEMBELAJARAN SEMESTER GENAP 2016/2017 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS ESA UNGGUL Mata Kuliah Mata Kuliah Prasyarat Dosen Pengampu Alokasi Waktu

: : : :

Capaian Pembelajaran

:

SESI 1

KEMAMPUAN AKHIR Mahasiswa mampu mengenal, mengerti dan memahami konsep dan manfaat fuzzy logic

MATERI PEMBELAJARAN    

2

Mahasiswa mampu mengenal, mengerti dan memahami implementasi fuzzy logic





3-4

Mahasiswa mampu mengerti dan memahmi dalam membedakan himpunan klasik dan himpunan fuzzy

FUZZY LOGIC Kode MK : CIF416 KECERDASAN BUATAN , LOGIKA MATEMATIKA & STATISTIKA Bobot MK : 3 SKS NIZIRWAN ANWAR Kode Dosen : 7097 14 TATAP MUKA x 100 MENIT 1. Mahasiswa mampu mengenal, mengetahui, mengerti dan memahami konsep, manfaat dan implemetasi fuzzy logic 2. Mahasiswa mampu mengerti dan memahami mampu membedakan himpunan klasik dan himpunan fuzzy 3. Mahasiswa mampu memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication dan sistem fuzzy 4. Mahasiswa mampu menguraikan dan menganalisa menganalisa fuzzy system simulation, clasification fuzzy, pattern recognition, control systems 5. Mahasiswa mampu mengaplikasi fuzzy logic dalam bentuk database





 

BENTUK PEMBELAJARAN

SUMBER PEMBELAJARAN

RPS Kontrak Kuliah Kegunaan sistem fuzzy Keterbatasan sistem fuzzy Ilustrasi fuzzy

Metoda contextual instruction Media : Komputer, LCD, Whiteboard, Tutorial (off / on line)

Ilustrasi model implementasi fuzzy logic Contoh dan tugas individu / kelompok


Himpunan klasik dan himpunan fuzzy Contoh dan tugas individu / kelompok Presentasi Kuis


Rinaldi Munir , -, Pengantar Logika Fuzzy (slide) , STEI ITB Bandung, halaman 1-10 Klir, George J, dan Yuan Bo., 1995, Fuzzy Sets and Fuzzy Logic : Teory and Aplication, Prentice hall, New Jersey, Part 1 point 1 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 1 Rinaldi Munir , -, Pengantar Logika Fuzzy (slide) , STEI ITB Bandung, halaman 7 Klir, George J, dan Yuan Bo., 1995, Fuzzy Sets and Fuzzy Logic : Teory and Aplication, Prentice hall, New Jersey, Chapter 2 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 7 Kasabov, Nikola K., 1998, Foundations of neural network, fuzzy system and knowledge engineering 2nd , massachusetts institute of technology, USA, Chapter 7 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 3

INDIKATOR PENILAIAN 

Mahasiswa aktif menanyakan mengenai proses perkuliahan dan memahami kegunaan, konsep dan manfaat fuzzy logic



Mahasiswa aktif menanyakan mengenai proses perkuliahan dan memahami implementasi fuzzy logic



Mahasiswa aktif menjawab serta bertanya mengenai hubungan klasik dan hubungan fuzzy

SESI 5

6

KEMAMPUAN AKHIR Mahasiswa mampu memahami logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

Mahasiswa mampu memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication

MATERI PEMBELAJARAN  

 



7

Mahasiswa mampu memahami sistem fuzzy

  



8

9 - 10

Mahasiswa mampu menganalisa fuzzy system simulation

Mahasiswa mampu menganalisa clasification fuzzy system

 

  



BENTUK PEMBELAJARAN

SUMBER PEMBELAJARAN

Logika klasik dan logika fuzzy Contoh dan tugas individu / kelompok Kuis properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication Contoh dan tugas individu / kelompok Presentasi Sistem fuzzy Contoh dan tugas individu / kelompok Presentasi


Klir, George J, dan Yuan Bo., 1995, Fuzzy Sets and Fuzzy Logic : Teory and Aplication, Prentice hall, New Jersey, Chapter 1 & 8 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 5 Kasabov, Nikola K., 1998, Foundations of neural network, fuzzy system and knowledge engineering 2nd , massachusetts institute of technology, USA, Chapter 3 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 4 & 6





Mahasiswa aktif menjawab serta bertanya mengenai logika fuzzy dan aturan yang berlaku dalam logika fuzzy

Fuzzy system simulation Contoh dan tugas individu / kelompok Kuis Clasification fuzzy system Contoh dan tugas individu / kelompok Presentasi


Kasabov, Nikola K., 1998, Foundations of neural network, fuzzy system and knowledge engineering 2nd , massachusetts institute of technology, USA, Chapter 7 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 5 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 8



Mahasiswa aktif menjawab serta bertanya Fuzzy system simulation

Klir, George J, dan Yuan Bo., 1995, Fuzzy Sets and Fuzzy Logic : Teory and Aplication, Prentice hall, New Jersey, Chapter 15 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 10, 14



Mahasiswa aktif menjawab serta bertanya clasification system simulation




INDIKATOR PENILAIAN



Mahasiswa aktif menjawab serta bertanya mengenai logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

Mahasiswa aktif menjawab serta bertanya mengenai properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication

SESI 11

KEMAMPUAN AKHIR Mahasiswa mampu menganalisa pattern recognition

MATERI PEMBELAJARAN  



12

Mahasiswa mampu menganalisa fuzzy control system

 

 13 - 14

Mahasiswa mampu mengaplikasi fuzzy logic dalam bentuk database

 

 

BENTUK PEMBELAJARAN

SUMBER PEMBELAJARAN

Pattern recognition Contoh dan tugas individu / kelompok Kuis


Klir, George J, dan Yuan Bo., 1995, Fuzzy Sets and Fuzzy Logic : Teory and Aplication, Prentice hall, New Jersey, Chapter 13 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 11



Mahasiswa aktif menjawab serta bertanya pattern recognition

Fuzzy control system Contoh dan tugas individu / kelompok Presentasi




Mahasiswa aktif menjawab serta bertanya fuzzy control system

Database fuzzy logic Contoh dan tugas individu / kelompok Presentasi Kuis


Jyh-shing Roger Jang et.al, 1997, Neuro Fuzzy and Soft Computing, Prentice hall, USA, Part I Chapter 3-4 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 13 Jyh-shing Roger Jang et.al, 1997, Neuro Fuzzy and Soft Computing, Prentice hall, USA, Part VII Chapter 19-20 Klir, George J, dan Yuan Bo., 1995, Fuzzy Sets and Fuzzy Logic : Teory and Aplication, Prentice hall, New Jersey, Chapter 14 Timothy J. Ross, 2010, Fuzzy Logic with Engineerig Application 3rd , A John Wiley and Sons Ltd Publications, United Kingdom, Chapter 14



Mahasiswa aktif menjawab serta bertanya database fuzzy logic

Jakarta, 14 Maret 2017 Mengetahui, Ketua Program Studi,

Koordinator / Dosen Pengampu,

BAMBANG IRAWAN, S.KOM M.KOM

IR. NIZIRWAN ANWAR, MT

INDIKATOR PENILAIAN

EVALUASI PEMBELAJARAN SESI

PROSEDUR Pre test dan post test -

BENTUK Tugas mandiri individu / kelompo k

SEKOR > 77 ( A / A-) Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta dapat menguraikan konsep dan manfaat fuzzy logic

2

Pre test dan post test

Tugas mandiri individu / kelompo k

Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta dapat menguraikan implementasi fuzzy logic

3-4


Tugas mandiri individu / kelompo k, Presentas i, Kuis

Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta dapat menguraikan dalam membedakan himpunan klasik dan himpunan fuzzy

5


Tugas mandiri individu / kelompo k Kuis

Baik, benar dan sesuai dalam mengenal, mengerti dan memahami logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

1

SEKOR > 65 (B- / B / B+ ) Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta dapat menguraikan konsep dan manfaat fuzzy logic Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta dapat menguraikan implementasi fuzzy logic Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta dapat menguraikan dalam membedakan himpunan klasik dan himpunan fuzzy

SEKOR > 60 (C / C+ ) Baik, dan benar Mengenal, mengerti dan memahami serta dapat menguraikan konsep dan manfaat fuzzy logic

Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

Baik, dan benar Mengenal, mengerti dan memahami logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

Baik, dan benar Mengenal, mengerti dan memahami serta dapat menguraikan implementasi fuzzy logic Baik, dan benar Mengenal, mengerti dan memahami serta dapat menguraikan dalam membedakan himpunan klasik dan himpunan fuzzy

SEKOR > 45 (D) Kurang mengenal, mengerti dan memahami serta dapat menguraikan konsep dan manfaat fuzzy logic Kurang mengenal, mengerti dan memahami serta dapat menguraikan implementasi fuzzy logic

SEKOR < 45 (E) Tidak mengenal, mengerti dan memahami serta dapat menguraikan konsep dan manfaat fuzzy logic Tidak mengenal, mengerti dan memahami serta dapat menguraikan implementasi fuzzy logic

BOBOT (%) 5%

Kurang mengenal, mengerti dan memahami serta dapat menguraikan dalam membedakan himpunan klasik dan himpunan fuzzy Kurang mengenal, mengerti dan memahami logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

Tidak mengenal, mengerti dan memahami serta dapat menguraikan dalam membedakan himpunan klasik dan himpunan fuzzy Tidak mengenal, mengerti dan memahami logika klasik / fuzzy dan pembuktiannya serta bentuk operasinya

10 %

10 %

10 %

EVALUASI PEMBELAJARAN SESI

PROSEDUR Post test

BENTUK Tugas mandiri individu / kelompo k, Presentas i, kuis

SEKOR > 77 ( A / A-) Baik, benar dan sesuai dalam mengenal, mengerti dan memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication

7


Tugas mandiri individu / kelompo k, Presentas i, kuis

Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta dapat menguraikan Dualitas Dan Sensitivitas (lanjutan)

8


Baik, benar dan sesuai dalam mengenal, mengerti dan memahami sistem fuzzy

9 - 10


Tugas mandiri individu / kelompo k, kuis Tugas mandiri individu / kelompo k, Presentas i,

6

Baik, benar dan sesuai dalam mengenal, mengerti dan memahami dalam menganalisa clasification fuzzy system

SEKOR > 65 (B- / B / B+ ) Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta dapat menguraikan Dualitas Dan Sensitivitas (lanjutan) Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami sistem fuzzy Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami dalam menganalisa clasification fuzzy system

SEKOR > 60 (C / C+ ) Baik, dan benar Mengenal, mengerti dan memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication

SEKOR > 45 ( D ) Kurang mengenal, mengerti dan memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication

SEKOR < 45 ( E ) Tidak mengenal, mengerti dan memahami properties of membership function (fungsi keanggotaan), fuzzification dan defuzzyfication

BOBOT

Baik, dan benar Mengenal, mengerti dan memahami serta dapat menguraikan Dualitas Dan Sensitivitas (lanjutan)

Kurang mengenal, mengerti dan memahami serta dapat menguraikan Dualitas Dan Sensitivitas (lanjutan)

Tidak mengenal, mengerti dan memahami serta dapat menguraikan Dualitas Dan Sensitivitas (lanjutan)

10 %

Baik, dan benar Mengenal, mengerti dan memahami sistem fuzzy

Kurang mengenal, mengerti dan memahami sistem fuzzy

Tidak mengenal, mengerti dan memahami sistem fuzzy

5%

Baik, dan benar Mengenal, mengerti dan memahami dalam menganalisa clasification fuzzy system

Kurang mengenal, mengerti dan memahami dalam menganalisa clasification fuzzy system

Tidak mengenal, mengerti dan memahami dalam menganalisa clasification fuzzy system

10 %

10 %

EVALUASI PEMBELAJARAN SESI 11

PROSEDUR Pre test

BENTUK Tugas mandiri individu / kelompo k, kuis

SEKOR > 77 ( A / A-) Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta menganalisa pattern recognition

12

Post test

Tugas mandiri individu / kelompo k, Presentas i Tugas mandiri individu / kelompo k, Presentas i, Kuis

Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta menganalisa fuzzy control system

13 - 14


Baik, benar dan sesuai dalam mengenal, mengerti dan memahami serta mengaplikasi fuzzy logic dalam bentuk database

SEKOR > 65 (B- / B / B+ ) Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta menganalisa pattern recognition Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta menganalisa fuzzy control system

SEKOR > 60 (C / C+ ) Baik, dan benar Mengenal, mengerti dan memahami serta menganalisa pattern recognition

SEKOR < 45 ( E ) Tidak mengenal, mengerti dan memahami serta menganalisa pattern recognition Tidak mengenal, mengerti dan memahami serta menganalisa fuzzy control system

BOBOT

Baik, dan benar Mengenal, mengerti dan memahami serta menganalisa fuzzy control system

SEKOR > 45 ( D ) Kurang mengenal, mengerti dan memahami serta menganalisa pattern recognition Kurang mengenal, mengerti dan memahami serta menganalisa fuzzy control system

Baik, dan benar dan kurang sesuai mengenal, mengerti dan memahami serta mengaplikasi fuzzy logic dalam bentuk database

Baik, dan benar Mengenal, mengerti dan memahami serta mengaplikasi fuzzy logic dalam bentuk database

Kurang mengenal, mengerti dan memahami serta mengaplikasi fuzzy logic dalam bentuk database

Tidak mengenal, mengerti dan memahami serta mengaplikasi fuzzy logic dalam bentuk database

10 %

Komponen penilaian : 1. Tugas, Kuis dan Forum = 40 % 2. UTS = 30 % 3. UAS = 30 % Jakarta, 14 Maret 2017 Mengetahui, Ketua Program Studi,

Koordinator / Dosen Pengampu,

BAMBANG IRAWAN, S.KOM M.KOM

IR. NIZIRWAN ANWAR, MT

10 %

10 %

2017 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS ESA UNGGUL

Recommend Documents