KONTRAK PEMBELAJARAN (KP)
MATA KULIAH
Kode MK: TSK-710 Program Studi Sistem Komputer Fakultas Teknik
Universitas Diponegoro
Pengajar : Eko Didik Widianto, ST, MT Semester : 7
KONTRAK PEMBELAJARAN Nama Mata Kuliah Kode Mata Kuliah/ SKS Dosen Semester Hari/Waktu Pertemuan Tempat Pertemuan
: : : : : :
Logika Fuzzy TSK-710 / 2 SKS Eko Didik Widianto, ST, MT 7 Senin, jam 08.40 – 10.20 Ruang D202 1. Manfaat Pembelajaran
Kuliah ini memberikan pembelajaran pada mahasiswa tentang sistem logika fuzzy baik konsep, algoritma, pemrograman dan aplikasinya.
2. Deskripsi Pembelajaran Kuliah ini merupakan kuliah pilihan di jurusan Sistem Komputer. Dalam kuliah ini dipelajari 3 materi berikut: Himpunan Fuzzy dan Logika Fuzzy: motivasi, himpunan, konsep dasar, set operasi, relasi fuzzy dan keputusan fuzzy. Aplikasi logika fuzzy: aritmatika fuzzy, model linguistik, pengambilan keputusan fuzzy, klasifikasi, pengenalan pola dan kontrol fuzzy. Algoritma dan Programming: realisasi software untuk aplikasi rekayasa berbasis fuzzy. Secara rinci, materi kuliah ini yang hendak disampaikan adalah sebagai berikut: 1. definisi, sifat dan operasi himpunan klasik (crisp) dan fuzzy; 2. relasi dalam himpunan klasik dan fuzzy: cardinality, operasi, property dan komposisi; 3. fungsi keanggotaan: klasifikasi himpunan fuzzy, proses fuzzifikasi; 4. proses dan metode defuzzifikasi: metode lambda cut, centroid; 5. sistem fuzzy berbasis aturan: agregasi, dekomposisi dan formulasi aturan; 6. metode sistem inferensi fuzzy (FIS): mamdani dan sugeno; 7. proses pengambilan keputusan: fuzzy ordering, individual decision making, multiperson decision makin; 8. multiobjective decision making, dan Bayesian decision making; 9. memberikan studi kasus aplikasi logika fuzzy di aplikasi industri dan kontrol; 3. Kompetensi Pembelajaran Standar Kompetensi (SK): Setelah selesai perkuliahan, mahasiswa akan mampu: • memahami dasar-dasar logika fuzzy, • memahami kapan dan mengapa menggunakan logika fuzzy, • memahami dan menggunakan teknik-teknik logika fuzzy untuk menghasilkan solusi problem rekayasa, dan
•
memahami pendekatan implementasi logika fuzzy untuk aplikasi sistem embedded dan kontrol
Kompetensi Dasar (KD):
Mahasiswa akan mampu membedakan logika klasik dan logika fuzzy dengan benar
Mahasiswa akan mampu memahami kapan logika fuzzy bisa diterapkan
Mahasiswa akan mampu membedakan antara himpunan klasik dan fuzzy, meliputi konsep dasar dan sifat himpuna serta derajat keanggotaan elemen-elemennya
Mahasiswa akan mampu menuliskan model matematis dari himpunan klasik dan fuzzy dengan tepat
Mahasiswa akan mampu melakukan operasi himpunan fuzzy, meliputi AND, OR dan komplemen dengan tepat jika diberikan suatu himpunan
Mahasiswa akan mampu menentukan produk kartesian dengan tepat jika diberikan dua himpunan semesta
Mahasiswa akan mampu menentukan relasi dan komposisi himpunan klasik dan fuzzy dengan tepat jika diberikan lebih dari satu himpunan
Mahasiswa akan mampu menentukan relasi toleransi dan ekuivalensi himpunan klasik dan fuzzy
Mahasiswa akan mampu menerapkan penalaran klasik dan fuzzy
Mahasiswa akan mampu mengklasifikasikan himpunan fuzzy
Mahasiswa akan mampu melakukan fuzzifikasi jika diberikan suatu himpunan klasik atau fuzzy
Mahasiswa akan mampu menyelesaikan problem terkait fungsi keanggotaan dengan tepat
Mahasiswa akan mampu mengaplikasikan metode-metode defuzzifikasi dari himpunan fuzzy
Mahasiswa akan mampu menyelesaikan problem desain sistem fuzzy berbasis aturan menggunakan metode-metode FIS (fuzzy inference system)
Mahasiswa akan mampu menyelesaian problem pengambilan keputusan menggunakan logika fuzzy baik keputusan individual, banyak orang maupun multi-objective
Mahasiswa akan mampu mendesain satu aplikasi berbasis fuzzy dari contoh-contoh aplikasi yang diberikan
4. Strategi Pembelajaran Kuliah dilakukan dengan metode tatap muka selama 2 x 50 menit yang berisi ceramah dan diskusi. Perkuliahan akan dilakukan setidaknya dalam 12 kali tatap muka sesuai jadwal. Waktu tambahan tatap muka di luar jadwal diberikan untuk kegiatan responsi dan kuis. Penetapan waktu tambahan akan diumumkan di blog http://didik.blog.undip.ac.id
5. Referesi Pembelajaran 1. S. N. Sivanandam, S. Sumathi and S. N. Deepa, “Introduction to Fuzzy Logic using MATLAB”, 2007 2. Ahmad M. Ibrahim, “Fuzzy Logic for Embedded System Applications”, Elsevier, 2004 3. Kwang H. Lee, “First Course on Fuzzy Theory and Applications”, 2005 Web kuliah: http://didik.blog.undip.ac.id/2011/09/13/tsk-710-logika-fuzzy-2011/ Web berisi deskripsi dan rencana kuliah TSK-710, file lecture note, tugas dan solusi, serta sebagai wadah interaksi dosen-mahasiswa 6. Tugas •
Tugas diberikan berdasarkan topik kuliah;
•
Tugas dikerjakan secara individu/grup di rumah;
•
Solusi tugas dikumpulkan paling lambat 1 minggu setelah tugas diberikan;
7.Kriteria Penilaian Komponen penilaian: 1. Tugas • Tugas diberikan berdasarkan topik kuliah; • Tugas dikerjakan secara individu/grup di rumah; • Solusi tugas dikumpulkan paling lambat 1 minggu setelah tugas diberikan; 2. UTS • UTS dilakukan sesuai jadwal yang ditentukan oleh program studi; • Bahan soal UTS sesuai dengan SAP/GBPP yang telah ditentukan; 3. UAS • UAS dilakukan sesuai jadwal yang ditentukan oleh program studi; • Bahan soal UAS mencakup semua materi yang telah diberikan; Nilai Akhir (NA) ditentukan sebagai berikut:
NA=(0.4×Tgs)+(0.3×UTS)+(0.3×UAS) Keterangan: • Tgs: nilai rata-rata tugas • UTS, UAS: nilai ujian tengah dan akhir semester • Skala nilai Tgs, UTS, UAS adalah 0 - 100
Penilaian kompetensi dilakukan dengan kriteria sebagai berikut: Nilai Akhir/NA 80 < NA 65 < NA 80 50 < NA 65 35 < NA 50 NA 35
Nilai Angka A B C D E
Nilai bobot 4 3 2 1 0
8. Jadwal Pembelajaran No .
Sub Pokok Bahasan
Estimasi Waktu (menit)
• Logika, penalaran dan pengambilan keputusan • Logika biner (klasik) dan logika fuzzy • Contoh aplikasi menggunakan fuzzy
2 x 50
[1] Bab 1 [2] Bab 1
2 Mahasiswa akan mampu membedakan Himpunan: antara himpunan klasik dan fuzzy, klasik vs fuzzy meliputi konsep dasar dan sifat himpuna serta derajat keanggotaan elemen-elemennya
• Himpunan klasik: konsep dasar dan sifat • Himpunan fuzzy: konsep dasar, derajat keanggotaan dan sifat himpunan
2 x 50
[1] Bab 2 [2] Bab 2 [3] Bab 1
3
• Representasi himpunan klasik dan fuzzy • Operasi himpunan klasik: komplemen, gabungan, irisan • Operasi himpunan fuzzy: komplemen, gabungan, irisan • Operasi aljabar fuzzy
2 x 50
[1] Bab 2 [2] Bab 2 [3] Bab 2
Produk kartesian dari relasi Relasi dan komposisi himpunan klasik Relasi dan komposisi himpunan fuzzy Operasi relasi himpunan Relasi toleransi dan ekuivalensi Penalaran klasik dan fuzzy
4 x 50
[1] Bab 3 [2] Bab 3 [3] Bab 3
2 x 50
[1] Bab 4
1
Kompentensi Dasar
a) b)
a)
b)
4,5
a)
b)
c)
d)
6
a) b)
Mahasiswa akan mampu membedakan logika klasik dan logika fuzzy dengan benar Mahasiswa akan mampu memahami kapan logika fuzzy bisa diterapkan
Mahasiswa akan mampu menuliskan model matematis dari himpunan klasik dan fuzzy dengan tepat Mahasiswa akan mampu melakukan operasi himpunan fuzzy, meliputi AND, OR dan komplemen dengan tepat jika diberikan suatu himpunan
Pokok Bahasan Pengantar logika fuzzy
Representasi dan Operasi himpunan: komplemen, gabungan dan irisan
Mahasiswa akan mampu Relasi, menentukan produk kartesian Komposisi dan dengan tepat jika diberikan dua Penalaran himpunan semesta Mahasiswa akan mampu menentukan relasi dan komposisi himpunan klasik dan fuzzy dengan tepat jika diberikan lebih dari satu himpunan Mahasiswa akan mampu menentukan relasi toleransi dan ekuivalensi himpunan klasik dan fuzzy Mahasiswa akan mampu menerapkan penalaran klasik dan fuzzy
• • • • • •
Mahasiswa akan mampu mengklasifikasikan himpunan fuzzy Mahasiswa akan mampu melakukan fuzzifikasi jika diberikan suatu himpunan
• Klasifikasi himpunan fuzzy • Fuzzifikasi • Pemberian nilai keanggotaan
Fungsi keanggotaan
Daftar Pustaka
c)
klasik atau fuzzy Mahasiswa akan mampu menyelesaikan problem terkait fungsi keanggotaan dengan tepat
7 Mahasiswa akan mampu mengaplikasikan metode-metode defuzzifikasi dari himpunan fuzzy 8,9 Mahasiswa akan mampu menyelesaikan problem desain sistem fuzzy berbasis aturan menggunakan metode-metode FIS (fuzzy inference system)
Defuzzifikasi
• Lambda-cut dari himpunan fuzzy • Lambda-cut dari himpunan relasi fuzzy • Metode-metode defuzzifikasi
2 x 50
[1] Bab 5
Fuzzy RuleBase System
• • • •
Pembentukan rule (aturan) Dekomposisi rule Sifat himpunan aturan-aturan FIS (fuzzy inference system) dan metodenya • Metode Mamdani • Metode Takagi-Sugeno
4 x 50
[1] Bab 6
10 Mahasiswa akan mampu menyelesaian Fuzzy Decision problem pengambilan keputusan Making menggunakan logika fuzzy baik keputusan individual, banyak orang maupun multi-objective
• • • • •
Fuzzy ordering Individual decision making Multi-person decision making Multi-objective decision making Fuzzy Bayesian decision methode
2 x 50
[1] Bab 7
11, Mahasiswa akan mampu mendesain 12, satu aplikasi berbasis fuzzy dari 13, contoh-contoh aplikasi yang diberikan 14
• • • •
Fuzzy logic controller Fuzzy in industrial automation DC motor speed control system with fuzzy Fuzzy in power system stability controller
8 x 50
[1] Bab 8,9 [2] Bab 4
Aplikasi Logika Fuzzy
