RPS LOGIKA FUZZY - Pendidikan Matematika · 2018. 4. 19. · UNIPA Surabaya| 1 1 Peta Konsep / Hirarki Materi Mata Kuliah : Logika Fuzzy Semester : 8 (Delapan) Kode: sks : 3 Jurusan

UNIPA Surabaya | i

RPS LOGIKA FUZZY

Drs. Prayogo, M.Kom. (NIDN 0720116501)

Sri Rahmawati Fitriatien, S.Pd., M.Si. (NIDN 0726068706)

UNIVERSITAS PGRI ADI BUANA SURABAYA

Fakultas Keguruan dan Ilmu Pendidikan

Program Studi Pendidikan Matematika

Jalan Ngagel Dadi III-B / 37, Surabaya 60245

Tlp. 031-5041190, 5041097, 8281181, Fax. 031-5042804

UNIPA Surabaya | ii

DAFTAR ISI

Halaman Sampul ................................................................................................................ i

Daftar Isi ........................................................................................................................... ii

Kata Pengantar ................................................................................................................. iii

1 Peta Konsep / Hirarki Materi .................................................................................... 1

2 Capaian Pembelajaran Matakuliah ........................................................................... 3

3 Peta Capaian Pembelajaran / Peta Kompetensi ........................................................ 7

4 Rencana Pembelajaran Semester (RPS) ................................................................... 9

5 Rencana Tugas ........................................................................................................ 16

6 Rencana Asesmen & Evaluasi (RA&E) ................................................................. 20

7 Contoh Tes Uraian .................................................................................................. 23

8 Pedoman Penskoran Soal Uraian ............................................................................ 37

9 Satuan Acara Pembelajaran (SAP) ......................................................................... 42

10 Kontrak Pembelajaran ............................................................................................. 68

UNIPA Surabaya | iii

KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT yang telah memberikan nikmat

sehat dan ilmu kepada penulis sehingga dapat menyelesaikan Teknik Instruksional Mata

Kuliah Logika Fuzzy ini dengan baik.

Teknik Instruksional Mata Kuliah Logika Fuzzy ini diharapkan dapat dijadikan

acuan dalam memperbaiki sistem pembelajaran di Fakultas Keguruan dan Ilmu

Pendidikan Jurusan Pendidikan Matematika di kalangan Universitas PGRI Adi Buana

Surabaya, sehingga dalam proses belajar mengajar nanti dapat mengacu pada Kerangka

Kualifikasi Nasional Indonesia.

Penulis mengucapkan terima kasih dan penghargaan kepada :

1. Rektor Universitas PGRI Adi Buana Surabaya,

2. Wakil Rektor Universitas PGRI Adi Buana Surabaya,

3. Dekan Fakultas Keguruan dan Ilmu Pendidikan Universitas PGRI Adi Buana

Surabaya,

4. Ketua Program Studi Pendidikan Matematika Universitas PGRI Adi Buana

Surabaya.

Kritik dan saran guna perbaikan dalam penyusunan Teknik Instruksional Mata

Kuliah Logika Fuzzy ini sangat penulis harapkan sehingga proses peningkatan hasil

pembelajaran dapat tercapai dengan baik.

Surabaya, November 2016

Penulis

UNIPA Surabaya| 1

1 Peta Konsep / Hirarki Materi

Mata Kuliah : Logika Fuzzy Semester : 8 (Delapan) Kode: sks : 3

Jurusan : Pendidikan Matematika Dosen : 1. Drs. Prayogo, M.Kom.

2. Sri Rahmawati Fitriatien, S.Pd., M.Si.

Capaian Pembelajaran (CP) Lulusan Program Studi yang Dibebankan pada MK (CP-PRODI) :

1. Menunjukkan sikap bertanggung jawab atas pekerjaan di bidang keahliannya secara mandiri (S9);

2. Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis

informasi dan data (KU5);

3. Mampu mengambil keputusan strategis di bidang pendidikan matematika berdasarkan informasi dan data yang relevan (KK14);

4. Menguasai konsep matematika yang diperlukan untuk studi ke jenjang berikutnya (PP7).

Kemampuan Akhir Tiap Tahapan Belajar (CP-MK) : [C4, P3, A3]

Mahasiswa mampu mengaplikasikan konsep logika fuzzy dengan membuat aplikasi menggunakan komputasi matematika baik secara

mandiri maupun kerjasama tim.

A

UNIPA Surabaya| 2

A

( 1 )

Konsep Dasar Himpunan Fuzzy

( 4 )

Relasi Preferensi Fuzzy

( 2 )

Fungsi Keanggotaan

( 3 )

Operator-operator Fuzzy

Pengantar Dasar Matematika, Struktur Aljabar, Analisis Real, Aljabar Linear

( 7 )

Penentuan Bobot Atribut dengan

Penedekatan Subjektif - Objektif

( 8 )

Coding untuk Penyelesaian

Masalah MADM

( 6 )

Metode-metode Penyelesaian

Masalah MADM

( 5 )

Multiple Attribute Decission

Making (MADM)

UNIPA Surabaya| 3

2 Capaian Pembelajaran Matakuliah




Capaian Pembelajaran MK: [C4, P3, A3]



I. Capaian Pembelajaran PRODI yang dibebankan pada matakuliah (CP-PRODI)






UNIPA Surabaya| 4

II. Capaian Pembelajaran Tiap Tahapan Belajar (Sub CP-MK)

Minggu Sub CP-MK Indikator Pokok Bahasan

1 [C1 , A1]

Mampu mengidentifikasikan konsep

dasar himpunan fuzzy.

1. Ketepatan menjelaskan kajian mata

kuliah pada proses perkuliahan

2. Ketepatan menjelaskan konsep

dasar himpunan fuzzy

1. Konsep Dasar Himpunan Fuzzy

2 [C2, P3, A3]

Mampu menguraikan fungsi

keanggotaan fuzzy.

1. Ketepatan menjelaskan

representasi linear


representasi kurva segitiga


representasi kurva trapesium


representasi kurva bentuk baku


representasi kurva-S


representasi kurva bentuk lonceng

(bell curve)

2. Fungsi Keanggotaan

3 [C3, P3, A3]

Mampu menunjukkan operator-

operator fuzzy.

1. Ketepatan menggunakan operator-

operator dasar zadeh

2. Ketepatan menggunakan properti

himpunan fuzzy

3. Ketepatan menggunakan operator-

operator alternatif

3. Operator-operator Fuzzy

UNIPA Surabaya| 5


4. Ketepatan menggunakan operator

HEDGE secara linguistik

5. Ketepatan menggunakan bilangan

fuzzy

4-5 [C3, P3, A3]

Mampu menghitung relasi preferensi

fuzzy.

1. Ketepatan menjelaskan konsep

dasar preferensi fuzzy

2. Ketepatan menghitung relasi

preferensi fuzzy yang diperluas

3. Ketepatan menunjukkan format

preferensi

4. Ketepatan penyeragaman format

preferensi

5. Ketepatan membuat coding untuk

fungsi transformasi ke relasi

preferensi fuzzy

4. Relasi Preferensi Fuzzy

6 - 7 [C3, P3, A3]

Mampu memperhitungkan multi-

attribute decision making.

1. Ketepatan menguraikan konsep

multiple criteria decision making

2. Ketepatan menguraikan konsep

dasar multi attribute decision

making

5. Multi-Attribute Decision Making

(MADM)

8 Evaluasi Tengah Semester (ETS)

9 - 13 [C4, P3, A3]

Mampu membuat skema penyelesaian

masalah MADM.

1. Ketepatan merancang sistem untuk

Simple Additive Weigthing

Method (SAW)

6. Metode-metode Penyelesaian Masalah

MADM

UNIPA Surabaya| 6


2. Ketepatan merancang Weighted

Product (WP)

3. Ketepatan merancang ELECTRE

4. Ketepatan merancang TOPSIS

5. Ketepatan merancang Analytic

Hierarchy Process (AHP)

14 [C4, P3, A3]

Mampu membuat bobot atribut dengan

pendekatan subjektif - objektif.

1. Ketepatan menganalisa pendekatan

subjektif


objektif


integrasi subjektif-objektif

7. Penentuan Bobot Atribut dengan

Pendekatan Subjektif - Objektif

15 [C4, P3, A3]

Mampu membuat coding untuk

penyelesaian masalah MADM.

Ketepatan membuat coding untuk

penyelesaian masalah MADM

8. Coding untuk Penyelesaian Masalah

MADM

16 Evaluasi Akhir Semester (EAS)

UNIPA Surabaya| 7

3 Peta Capaian Pembelajaran / Peta Kompetensi




Capaian Pembelajaran (CP) Lulusan Program Studi yang Dibebankan pada MK (CP-PRODI) :






Kemampuan Akhir Tiap Tahapan Belajar (CP-MK) : [C4, P3, A3]



A

UNIPA Surabaya| 8

A

( 1 ) [C1 , A1]

Mampu mengidentifikasikan konsep dasar himpunan fuzzy


( 7 ) [C4, P3, A3]


pendekatan subjektif - objektif

( 8 ) [C4, P3, A3]



( 6 ) [C4, P3, A3]


masalah MADM

( 5 ) [C3, P3, A3]


attribute decision making

( 2 ) [C2, P3, A3]

Mampu menguraikan fungsi keanggotaan fuzzy

( 3 ) [C3, P3, A3]

Mampu menunjukkan operator-operator fuzzy

( 4 ) [C3, P3, A3]

Mampu menghitung relasi preferensi fuzzy

UNIPA Surabaya| 9

4 Rencana Pembelajaran Semester (RPS)




RENCANA PEMBELAJARAN SEMESTER JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN – UNIVERSITAS PGRI ADI BUANA (UNIPA) SURABAYA

MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Direvisi

Logika Fuzzy Teori =

3

8 (Delapan) 24 – 11 -

2016

OTORISASI

Pendidikan Matematika

Pengembang RP Koordinator RMK Ka PRODI

Sri Rahmawati Fitriatien,

S.Pd., M.Si

Drs. Prayogo, M.Kom

Nur Fathonah, S.Pd.,

M.Pd.

Capaian

Pembelajaran

Program Studi (CP-

PRODI)


2. Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya,

berdasarkan hasil analisis informasi dan data (KU5);

UNIPA Surabaya| 10

3. Mampu mengambil keputusan strategis di bidang pendidikan matematika berdasarkan informasi dan data yang

relevan (KK14);


Mata Kuliah(CP-MK)

[C4, P3, A3]

Mahasiswa mampu mengaplikasikan konsep logika fuzzy dengan membuat aplikasi menggunakan komputasi

matematika baik secara mandiri maupun kerjasama tim.

Diskripsi singkat

MK Mata kuliah ini membahas tentang konsep dasar himpunan fuzzy, himpunan fuzzy, operator-operator fuzzy, relasi

preferensi fuzzy, multi-attribute decision making, metode-metode decision making, penentuan bobot atribut dengan

pendekatan subjektif – objektif, serta coding untuk penyelesaian masalah MADM

Pustaka Utama :

1. Timothy J. Ross. 2010. Fuzzy Logic With Engineering Application. Third Edition. United Kingdom: John

Wiley & Sons

Pendukung :

2. Sri Kusumadewi dan Hari Purnomo. 2013. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Edisi 2.

Yogyakarta: Graha Ilmu

3. James J. Buckley dan Esfandiar Eslami. 2002. An Introduction to Fuzzy Logic and Sets. New York: Springer-

Verlag

4. Luis Arguelles Mendez. 2016. A Practical Introduction to Fuzzy Logic using LISP. New York: Springer

UNIPA Surabaya| 11

5. Janusz T. Starczewski. 2013. Advanced Concept in Fuzzy Logic and System with Membership Uncertanty.

New York: Springer

6. Hung T. Nguyen dan Elbert A. Walker. 2006. A First Course in Fuzzy Logic. Third Edition. Boca Raton:

Chapman & Hall / CRC

7. Nazmul Siddique dan Hojjat Adeli. 2013. Computational Intelligence: Synergies of Fuzzy Logic, Neural

Network and Evolutionary Computing. United Kingdom: Wiley

Media

Pembelajaran

Software: Hardware:

Windows, Office, Matlab, R PC , LCD Projector, Laptop, White Board

Team Teaching Drs. Prayogo, M.Kom

Assessment Tugas Tertulis, ETS, EAS, Proyek

Minggu

Ke-

Kemampuan akhir tiap

tahapan belajar (Sub CP-MK)

Materi Pembelajaran

(Pokok bahasan)

[Pustaka]

Metode /

Strategi

Pembelajaran

[Estimasi

Waktu]

Assessment

Indikator Bentuk Bobot

1 [C1 , A1]

Mampu mengidentifikasikan

konsep dasar himpunan fuzzy.

1. Konsep Dasar

Himpunan Fuzzy

Referensi : 1, 2, 3, 6

Ceramah dan

Tanya Jawab

[TM: 1x3x50”]

[BT : 1x3x50”]

[BM : 1x3x60”]


kajian mata kuliah pada

proses perkuliahan


konsep dasar himpunan

fuzzy

- 0 %

UNIPA Surabaya| 12

Minggu

Ke-



Materi Pembelajaran

(Pokok bahasan)

[Pustaka]

Metode /

Strategi

Pembelajaran

[Estimasi

Waktu]

Assessment


2 [C2, P3, A3]


keanggotaan fuzzy.

2. Himpunan Fuzzy

Referensi : 1, 2, 3, 4, 5, 6,

7

Ceramah dan

Tanya Jawab

[TM: 1x3x50”]

[BT : 1x3x50”]

[BM : 1x3x60”]


representasi linear


representasi kurva

segitiga


representasi kurva

trapesium


representasi kurva bentuk

baku


representasi kurva-S


representasi kurva bentuk

lonceng (bell curve)

Tes

Tulis

5 %

3 [C3, P3, A3]

Mampu menunjukkan

operator-operator fuzzy.

3. Operator-operator

Fuzzy


Ceramah dan

Tanya Jawab

[TM: 1x3x50”]

[BT : 1x3x50”]

[BM : 1x3x60”]

1. Ketepatan menggunakan

operator-operator dasar

zadeh


properti himpunan fuzzy

Tes

Tulis

5 %

UNIPA Surabaya| 13

Minggu

Ke-



Materi Pembelajaran

(Pokok bahasan)

[Pustaka]

Metode /

Strategi

Pembelajaran

[Estimasi

Waktu]

Assessment



operator-operator

alternatif


operator HEDGE secara

linguistik


bilangan fuzzy

4 - 5 [C3, P3, A3]

Mampu menghitung relasi

preferensi fuzzy.

4. Relasi Preferensi

Fuzzy

Referensi : 1, 2, 7

Ceramah dan

Tanya Jawab

[TM: 2x3x50”]

[BT : 2x3x50”]

[BM : 2x3x60”]


konsep dasar preferensi

fuzzy

2. Ketepatan menghitung

relasi preferensi fuzzy

yang diperluas

3. Ketepatan menunjukkan

format preferensi

4. Ketepatan penyeragaman

format preferensi

5. Ketepatan membuat

coding untuk fungsi

transformasi ke relasi

preferensi fuzzy

Tes

Tulis

5 %

UNIPA Surabaya| 14

Minggu

Ke-



Materi Pembelajaran

(Pokok bahasan)

[Pustaka]

Metode /

Strategi

Pembelajaran

[Estimasi

Waktu]

Assessment


6 - 7 [C3, P3, A3]

Mampu memperhitungkan

multi-attribute decision

making.

5. Multi-Attribute

Decision Making

(MADM)


Ceramah dan

Tanya Jawab

[TM: 2x3x50”]

[BT : 2x3x50”]

[BM : 2x3x60”]

1. Ketepatan menguraikan

konsep multiple criteria

decision making

2. Ketepatan menguraikan

konsep dasar multi


Tes

Tulis

5 %

8 Evaluasi Tengah Semester (ETS)

9 - 13

[C4, P3, A3]

Mampu membuat skema

penyelesaian masalah

MADM.

6. Metode-metode

Penyelesaian Masalah

MADM

Referensi : 1, 2, 4

Ceramah dan

Tanya Jawab

[TM: 5x3x50”]

[BT : 5x3x50”]

[BM : 5x3x60”]

1. Ketepatan merancang

sistem untuk Simple

Additive Weigthing

Method (SAW)


Weighted Product (WP)


ELECTRE


TOPSIS


Analytic Hierarchy

Process (AHP)

Tes

Tulis

10 %

14 [C4, P3, A3] 7. Penentuan Bobot

Atribut dengan

Ceramah dan

Tanya Jawab

1. Ketepatan menganalisa

pendekatan subjektif

Tes

Tulis

10 %

UNIPA Surabaya| 15

Minggu

Ke-



Materi Pembelajaran

(Pokok bahasan)

[Pustaka]

Metode /

Strategi

Pembelajaran

[Estimasi

Waktu]

Assessment


Mampu membuat bobot

atribut dengan pendekatan

subjektif - objektif.

Pendekatan Subjektif

– Objektif


[TM: 1x3x50”]

[BT : 1x3x50”]

[BM : 1x3x60”]


pendekatan objektif


pendekatan integrasi

subjektif-objektif

15 [C4, P3, A3]

Mampu membuat coding

untuk penyelesaian masalah

MADM.

8. Coding untuk

Penyelesaian Masalah

MADM

Referensi : 2

Ceramah dan

Tanya Jawab

[TM: 1x3x50”]

[BT : 1x3x50”]

[BM : 1x3x60”]

Ketepatan membuat coding


MADM

Projek

Mini

30 %

16 Evaluasi Akhir Semester

UNIPA Surabaya | 16

5 Rencana Tugas

Mata Kuliah : Logika Fuzzy Semester : 8 (Delapan)

Kode : sks: 3

Jurusan : Pendidikan Matematika

Dosen : 1. Drs. Prayogo, M.Kom.


1. Tujuan Tugas :

Mampu menjelaskan aplikasi fuzzy dalam bidang ilmu pendidikan dan teknologi.

2. Kompetensi :

a. Penguasaan terhadap berbagai aplikasi logika fuzzy.

b. Kerjasama tim yang baik dan kompak.

c. Presentasi dan komunikasi verbal dan non-verbal.

d. Ketajaman menjelaskan dan kreatif.

3. Uraian Tugas

a. Objek Garapan

Aplikasi Logika Fuzzy

b. Aktivitas yang Harus Dikerjakan dan Batasan nya

(1) Membentuk grup kecil terdiri dari 5 orang mahasiswa.

(2) Menyusun makalah berdasarkan studi literatur dari berbagai sumber, yang

didukung oleh data, baik data yang berskala nasional maupun

internasional. Dalam hal ini aktualisasi data (kekinian data yaitu 5 tahun

terakhir) menjadi bobot penilaian tinggi.

(3) Membuat program MATLAB.

(4) Menyusun slide presentasi kemudian masing-masing grup

mempresentasikannya. Keberhasilan presentasi ditentukan oleh tampilan,

penguasaan materi, kerjasama, penguasaan audient.

c. Metodologi & Cara Pengerjaannya

(1) Penelusuran dan pengumpulan data.

(2) Mendiskusikan dalam kelompok, item-item yang akan ditampilkan.

UNIPA Surabaya | 17

(3) Menyusun program MATLAB.

(4) Mendiskusikan poin-poin penting yang aka dipresentasikan.

(5) Merancang dan menyusun makalah dan slide presentasi.

(6) Uji coba presentasi dalam kelompok sendiri.

(7) Persiapan presentasi di kelas.

d. Kriteria Luaran Tugas yang Dihasilkan

(1) Makalah dengan format : A4, font : Calibri, size 12, margin 3-2-2-2,

minimum 10 halaman. Menggunakan tata tulis ilmiah. Dikumpulkan

dalam bentuk softcopy format (*.rtf).

(2) Program MATLAB.

(3) Slide presentasi PowerPoint, terdiri dari : text, grafik, tabel, gambar,

animasi ataupun video clips. Minimal 10 slide. Dikumpulkan softcopy

format (*.ppt).

(4) Tuliskan identitas masing-masing anggota kelompok, dengan disertakan

peran dan tugas masing-masing anggota kelompok.

(5) Tugas dikumpulkan dalam folder dengan nama kelompok, berisi : makalah

(*.rtf), slide (*.ppt),program MATLAB, daftar anggota grup beserta

masing-masing tugasnya, dan softcopy referensi yang digunakan.

4. Kreteria Penilaian

a. Penyusunan Makalah (Bobot 20%)

Tata tulis & kepatuhan terhadap format yang ditentukan, kemutakhiran data (5

tahun terakhir), pengolahan & penyajian tulisan (tulisan dari capture & paste

hasil download), susunan setidaknya terdiri dari: abstrak, pendahuluan, ulasan

sistem, tampilan data, kesimpulan, referensi (sumber web jika ada).

b. Program MATLAB (Bobot 30%)

Program dalam format m-file dan simulink.

c. Peyusunan Slide Presentasi (Bobot 20%)

Jelas dan konsisten, sederhana & inovatif, menampilkan gambar & blok sistem,

tulisan menggunakan font yang mudah dibaca, jika diperlukan didukung

dengan video clip yang relevan.

UNIPA Surabaya | 18

d. Presentasi (Bobot 30%)

Bahasa komunikatif, penguasaan materi, penguasaan audience, pengendalian

waktu (15 menit presentasi + 5 menit diskusi), kejelasan & ketajaman paparan.

5. Jadwal Pelaksanaan

a. Pembentukan Kelompok : Minggu ke-1

b. Konsultasi dan Diskusi Proyek : Minggu ke-2 s/d Minggu ke-12

c. Pengumpulan Tugas : Pada Saat UAS

d. Pelaksanaan Presentasi : 2 hari setelah UAS

e. Pengumuman Hasil Evaluasi : 1 hari setelah jadwal presentasi

6. Lain-lain

a. Bobot tugas adalah 30% dari total bobot evaluasi matakuliah Logika Fuzzy.

b. Akan dipilih 3 penampilan terbaik.

RUBRIK PENILAIAN

1) Format Lembar Penilaian Diskusi (Kelompok)

No Sikap / Aspek yang

Dinilai

Nama

Kelompok

Nilai

Kualitatif

Nilai

Kuantitatif

Penilaian Kelompok

1 Menyelesaikan tugas

kelompok dengan baik

2 Kerjasama kelompok

(komunikasi)

3 Hasil tugas (relevansi

dengan bahan)

4 Pembagian tugas

kelompok

5 Sistem pelaksanaan

Jumlah Nilai Kelompok

2) Format Lembar Penilaian Diskusi (Individu Mahasiswa)


Dinilai

Nama

Kelompok

Nilai

Kualitatif

Nilai

Kuantitatif

Penilaian Individu Mahasiswa

1 Berani

mengemukakan

pendapat

UNIPA Surabaya | 19


Dinilai

Nama

Kelompok

Nilai

Kualitatif

Nilai

Kuantitatif

2 Berani menjawab

pertanyaan

3 Inisiatif

4 Ketelitian

5 Jiwa kepemimpinan

6 Bermain peran

Jumlah Nilai Individu

3) Kriteria Penilaian

Kriteria Indikator Nilai Kualitatif Nilai

Kuantitatif

80 - 100 Memuaskan 4

70 – 79 Baik 3

60 – 69 Cukup 2

45 - 59 Kurang Cukup 1

4) Lembar Keaktifan Dalam Diskusi

No Aspek yang Dinilai Nilai

Kualitatif

Nilai

Kuantitatif

1 Cara bertanya

2 Menjawab pertanyaan

3 Kesesuaian dengan topik kajian

4 Cara menyampaikan pendapat

5 Antusiasme mengikuti

pembelajaran

UNIPA Surabaya | 20

6 Rencana Asesmen & Evaluasi (RA&E)




Capaian Pembelajaran MK : [C4, P3, A3]



Minggu

Ke- Sub CP-MK Pokok Bahasan

Butir Soal Evaluasi Bentuk

Test/Non Tes Bobot Kognitif Psikomotor Afektif

C2 C3 C4 P3 A2 A3

1 [C1 , A1]

Mampu

mengidentifikasikan

konsep dasar

himpunan fuzzy.



- %

2 [C2, P3, A3]

Mampu

menguraikan fungsi

keanggotaan fuzzy.

2. Himpunan Fuzzy

Referensi : 1, 2, 3, 4, 5, 6, 7

√

√

Tes Tulis 5 %

3 [C3, P3, A3] 3. Operator-operator Fuzzy

√

√

Tes Tulis 5 %

UNIPA Surabaya | 21

Minggu




C2 C3 C4 P3 A2 A3

Mampu

menunjukkan

operator-operator

fuzzy.


4 - 5 [C3, P3, A3]

Mampu menghitung

relasi preferensi

fuzzy.


Referensi : 1, 2, 7

√

√

Tes Tulis 5 %

6 - 7 [C3, P3, A3]

Mampu

memperhitungkan

multi-attribute

decision making.

5. Multi-Attribute Decision

Making (MADM)


√

√

Tes Tulis 5 %

9 - 13 [C4, P3, A3]

Mampu membuat

skema penyelesaian

masalah MADM.

6. Metode-metode Penyelesaian

Masalah MADM

Referensi : 1, 2, 4

√

√

√

Tes Tulis 10 %

14 [C4, P3, A3]

Mampu membuat

bobot atribut dengan


- objektif.

7. Penentuan Bobot Atribut

dengan Pendekatan Subjektif –

Objektif


√

√

√

Tes Tulis 10 %

UNIPA Surabaya | 22

Minggu




C2 C3 C4 P3 A2 A3

15 [C4, P3, A3]

Mampu membuat

coding untuk


MADM.

8. Coding untuk Penyelesaian

Masalah MADM

Referensi : 2

√

√

√

Projek Mini 30 %

UNIPA Surabaya | 23

7 Contoh Tes Uraian


Kode : sks: 3




Sub Capaian Pembelajaran MK (Sub CP-MK):

1. [C2, P3, A3]

Mampu menguraikan fungsi keanggotaan fuzzy.

Contoh Soal Uraian :

Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1

bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan

terkecil sampai 1000 kemasan/hari. Persediaan barang digudang terbanyak sampai 600

kemasan/hari, dan terkecil pernah sampai 100 kemasan/hari. Dengan segala

keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang

maksimum 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan

perusahaan memproduksi paling tidak 2000 kemasan. Apabila proses produksi

perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut :

[R1] IF Permintaan TURUN And Persediaan BANYAK

THEN Produksi Barang BERKURANG;

[R2] IF Permintaan TURUN And Persediaan SEDIKIT


[R3] IF Permintaan NAIK And Persediaan BANYAK

THEN Produksi Barang BERTAMBAH;

[R4] IF Permintaan NAIK And Persediaan SEDIKIT


Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan

sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan?

Jawaban :

Ada 3 variabel fuzzy yang akan dimodelkan, yaitu:

UNIPA Surabaya | 24

Permintaan; terdiri atas 2 himpunan fuzzy, yaitu: NAIK dan TURUN disajikan dalam

gambar berikut ini.

Fungsi keanggotaan variabel Permintaan Barang

5000x,0

5000x1000,4000

x50001000x,1

]x[PmtTURUN

5000x,1

5000x1000,4000

1000x1000x,0

]x[PmtNAIK

Kita bisa mencari nilai keanggotaan:

PmtTURUN[4000] = (5000-4000)/4000

= 0,25

PmtNAIK[4000] = (4000-1000)/4000

= 0,75

Persediaan; terdiri-atas 2 himpunan fuzzy, yaitu: SEDIKIT dan BANYAK disajikan

dalam gambar berikut ini.

Fungsi keanggotaan variabel Persediaan Barang

0

1 [x]

1000 5000

TURUN NAIK

Permintaan (kemasan/hari)

4000

0,25

0,75

0

1 [y]

100 600

SEDIKIT BANYAK

Persediaan (kemasan/hari)

300

0,4

0,6

UNIPA Surabaya | 25

600y,0

600y100,500

y600100y,1

]y[PsdSEDIKIT

600y,1

600y100,500

100y100y,0

]y[PsdBANYAK


PsdSEDIKIT[300] = (600-300)/500

= 0,6

PsdBANYAK[300] = (300-100)/500

= 0,4

Produksi barang; terdiri-atas 2 himpunan fuzzy, yaitu: BERKURANG dan

BERTAMBAH disajikan dalam gambar berikut ini.

Fungsi keanggotaan variabel Produksi Barang

7000z,0

7000z2000,5000

z70002000z,1

]z[NGBrgBERKURAPr

7000z,1

7000z2000,5000

2000z2000z,0

]z[AHBrgBERTAMBPr

Sekarang kita cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada

aplikasi fungsi implikasinya:



-predikat1 = PmtTURUN PsdBANYAK

= min(PmtTURUN [4000],PsdBANYAK[300])

0

1 [z]

2000 7000

BERKURANG BERTAMBAH

Produksi Barang (kemasan/hari)

UNIPA Surabaya | 26

= min(0,25; 0,4)

= 0,25

Lihat himpunan Produksi Barang BERKURANG,

(7000-z)/5000 = 0,25 ---> z1 = 5750



-predikat2 = PmtTURUN PsdSEDIKIT

= min(PmtTURUN [4000],PsdSEDIKIT[300])

= min(0,25; 0,6)

= 0,25


(7000-z)/5000 = 0,25 ---> z2 = 5750



-predikat3 = PmtNAIK PsdBANYAK

= min(PmtNAIK [4000],PsdBANYAK[300])

= min(0,75; 0,4)

= 0,4

Lihat himpunan Produksi Barang BERTAMBAH,

(z-2000)/5000 = 0,4 ---> z3 = 4000




= min(PmtNAIK [4000],PsdSEDIKIT[300])

= min(0,75; 0,6)

= 0,6


(z-2000)/5000 = 0,6 ---> z4 = 5000

UNIPA Surabaya | 27

Dari sini kita dapat mencari berapakah nilai z, yaitu:

4321

44332211

predpredpredpred

z*predz*predz*predz*predz

49835,1

7475

6,04,025,025,0

5000*6,04000*4,05750*25,05750*25,0z

Jadi jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983 kemasan.

2. [C4, P3, A3]

Mampu membuat skema penyelesaian masalah MADM.


Misalkan kita memiliki data karyawan yang tersimpan pada tabel DT_KARYAWAN

dengan field NIP, nama, tgl lahir, th masuk, dan gaji per bulan seperti pada Tabel 1.

Tabel 1 Data Mentah Karyawan.

NIP Nama Tgl Lahir Th. Masuk Gaji/bl (Rp)

01 Lia 03-06-1972 1996 750.000

02 Iwan 23-09-1954 1985 1.500.000

03 Sari 12-12-1966 1988 1.255.000

04 Andi 06-03-1965 1998 1.040.000

05 Budi 04-12-1960 1990 950.000

06 Amir 18-11-1963 1989 1.600.000

07 Rian 28-05-1965 1997 1.250.000

08 Kiki 09-07-1971 2001 550.000

09 Alda 14-08-1967 1999 735.000

10 Yoga 17-09-1977 2000 860.000

Kemudian dari tabel DT_KARYAWAN, kita oleh menjadi suatu tabel temporer untuk

menghitung umur karyawan dan masa kerjanya. Tabel tersebut kita beri nama dengan

tabel KARYAWAN (Tabel 2)

Tabel 2 Data Karywan Setelah Diolah.

UNIPA Surabaya | 28

NIP Nama Umur (th) Masa Kerja (th)* Gaji/bl

01 Lia 30 6 750.000

02 Iwan 48 17 1.500.000

03 Sari 36 14 1.255.000

04 Andi 37 4 1.040.000

05 Budi 42 12 950.000

06 Amir 39 13 1.600.000

07 Rian 37 5 1.250.000

08 Kiki 32 1 550.000

09 Alda 35 3 735.000

10 Yoga 25 2 860.000

*Misal sekarang tahun 2002

Dengan menggunakan basisdata standar, kita dapat mencari data-data karyawan dengan

spesifikasi tertentu dengan menggunakan query.

Jawaban :

Misal kita ingin mendapatkan informasi tentang nama-nama karyawan yang usianya

kurang dari 35 tahun, maka kita bisa ciptakan suatu query:

SELECT NAMA

FROM KARYAWAN

WHERE (Umur < 35)

Sehingga muncul nama-nama Lia, Kiki, dan Yoga. Apabila kita ingin mendapatkan

informasi tentang nama-nama karyawan yang gajinya lebih dari 1 juta rupiah, maka kita

bisa ciptakan suatu query:

SELECT NAMA

FROM KARYAWAN

WHERE (Gaji > 1000000)

Sehingga muncul nama-nama Iwan, Sari, Andi, Amir, dan Rian. Apabila kita ingin

mendapatkan unformasi tentang nama-nama karyawan yang yang masa kerjanya kurang

dari atau sama dengan 5 tahun tetapi gajinya sudah lebih dari 1 juta rupiah, maka kita bisa

ciptakan suatu query:

SELECT NAMA

FROM KARYAWAN

UNIPA Surabaya | 29

WHERE (MasaKerja <= 5) and (Gaji > 1000000)

Sehingga muncul nama-nama Andi dan Rian.

Pada kenyataannya, seseorang kadang membutuhkan informasi dari data-data yang

bersifat ambiguous. Apabila hal ini terjadi, maka kita menggunakan basisdata fuzzy.

Selama ini, sudah ada beberapa penelitian tentang basisdata fuzzy. Salah satu diantaranya

adalah model Tahani. Basisdata fuzzy model Tahani masih tetap menggunakan relasi

standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk mendapatkan

informasi pada query-nya.

Misalkan kita mengkategorikan usia karyawan diatas ke dalam himpunan: MUDA,

PAROBAYA, dan TUA.

Gambar : Fungsi Keanggotaan Untuk Variabel Usia.

Fungsi Keanggotaan:

40;0

4030;10

4030;1

][

x

xx

x

xMUDA

5045;5

50

4535;10

35

5035;0

][

xx

xx

xataux

xPAROBAYA

50;1

5040;10

4040;0

][

x

xx

x

xTUA

40 30 0

1

35 45 50

[x]

MUDA PAROBAYA TUA

Umur (tahun)

UNIPA Surabaya | 30

Tabel 3 menunjukkan tabel karyawan berdasarkan umur dengan derajat keanggotannya

pada setiap himpunan.

Tabel 3 Karyawan Berdasarkan Umur

NIP Nama Umur Derajat Keanggotaan

MUDA PAROBAYA TUA

01 Lia 30 1 0 0

02 Iwan 48 0 0,4 0,8

03 Sari 36 0,4 0,1 0

04 Andi 37 0,3 0,2 0

05 Budi 42 0 0,7 0,2

06 Amir 39 0,1 0,4 0

07 Rian 37 0,3 0,2 0

08 Kiki 32 0,8 0 0

09 Alda 35 0,5 0 0

10 Yoga 25 1 0 0

Variabel Masa Kerja bisa dikategorikan dalam himpunan: BARU dan LAMA

Gambar : Fungsi Keanggotaan Untuk Variabel Masa Kerja.

Fungsi keanggotaan:

15;0

155;10

155;1

][

y

yy

y

yBARU

15 5 0

1

10 25

[y]

BARU LAMA

Masa Kerja (tahun)

UNIPA Surabaya | 31

25;1

2510;15

1010;0

][

y

yy

y

yLAMA



Tabel 4 Karyawan Berdasarkan Masa Kerja.

NIP Nama Masa Kerja Derajat Keanggotaan

BARU LAMA

01 Lia 6 0,9 0

02 Iwan 17 0 0,467

03 Sari 14 0,1 0,267

04 Andi 4 1 0

05 Budi 12 0,3 0,133

06 Amir 13 0,2 0,200

07 Rian 5 1 0

08 Kiki 1 1 0

09 Alda 3 1 0

10 Yoga 2 1 0

Variabel Gaji bisa dikategorikan dalam himpunan: RENDAH, SEDANG, dan TINGGI.

Gambar : Fungsi Keanggotaan Untuk Variabel Gaji.

800 300 0

1

50

0 2000 150

0

[z]

RENDAH SEDANG TINGGI

Gaji (x1000 Rp/bl)

100

0

UNIPA Surabaya | 32

Fungsi keanggotaan:

800;0

800300;500

800300;1

][

z

zz

z

zRENDAH

15001000;500

1500

1000500;500

500

1500500;0

][

zz

zz

zatauz

zSEDANG

2000;1

20001000;1000

10001000;0

][

z

zz

z

zTINGGI



Tabel 5 Karyawan Berdasar Gaji.

NIP Nama Gaji / bl Derajat Keanggotaan ( [z])

RENDAH SEDANG TINGGI

01 Lia 750.000 0,1 0,50 0

02 Iwan 1.255.000 0 0,49 0,255

03 Sari 1.500.000 0 0 0,500

04 Andi 1.040.000 0 0,92 0,040

05 Budi 950.000 0 0,90 0

06 Amir 1.600.000 0 0 0,600

07 Rian 1.250.000 0 0,50 0,250

08 Kiki 550.000 0,5 0 0

09 Alda 735.000 0,13 0 0

10 Yoga 860.000 0 0 0

Ada beberapa query yang bisa diberikan, misalkan:

Query1:

UNIPA Surabaya | 33

Siapa saja-kah karyawan yang masih muda tapi memiliki gaji tinggi?

SELECT NAMA

FROM KARYAWAN

WHERE (Umur = “MUDA”) and (Gaji = “TINGGI”)

Tabel 6 menunjukkan hasil query1, yaitu nama-nama karyawan yang masih muda tapi

memiliki gaji yang tinggi.

Tabel 6 Hasil Query1

NIP NAMA UMUR GAJI Derajat Keanggotaan

MUDA TINGGI MUDA & TINGGI

03 Sari 36 1.500.000 0,4 0,5 0,4

07 Rian 37 1.250.000 0,3 0,25 0,25

06 Amir 39 1.600.000 0,1 0,6 0,1

04 Andi 37 1.040.000 0,3 0,04 0,04

01 Lia 30 750.000 1 0 0

02 Iwan 48 1.255.000 0 0,255 0

05 Budi 42 950.000 0 0 0

08 Kiki 32 550.000 0,8 0 0

09 Alda 35 735.000 0,5 0 0

10 Yoga 25 860.000 1 0 0

Query2:

Siapa saja-kah karyawan yang masih muda atau karyawan yang memiliki gaji tinggi?

SELECT NAMA

FROM KARYAWAN

WHERE (Umur = “MUDA”) or (Gaji = “TINGGI”)

Tabel 7 menunjukkan hasil query2, yaitu nama-nama karyawan yang masih muda atau

yang memiliki gaji yang tinggi.

UNIPA Surabaya | 34

Tabel 7 Hasil Query2.

NIP NAMA UMUR GAJI Derajat Keanggotaan

MUDA TINGGI MUDA atau TINGGI

01 Lia 30 750.000 1 0 1

10 Yoga 25 860.000 1 0 1

08 Kiki 32 550.000 0,8 0 0,8

06 Amir 39 1.600.000 0,1 0,6 0,6

03 Sari 36 1.500.000 0,4 0,5 0,5

09 Alda 35 735.000 0,5 0 0,5

04 Andi 37 1.040.000 0,3 0,04 0,3

07 Rian 37 1.250.000 0,3 0,25 0,3

02 Iwan 48 1.255.000 0 0,255 0,255

05 Budi 42 950.000 0 0 0

Query3:

Siapa saja-kah karyawan yang masih muda tapi masa kerjanya sudah lama?

SELECT NAMA

FROM KARYAWAN

WHERE (Umur = “MUDA”) and (MasaKerja = “LAMA”)

Tabel 8 menunjukkan hasil query3, yaitu nama-nama karyawan yang masih muda tapi

masakerjanya sudah lama.


NIP NAMA UMUR Masa Kerja Derajat Keanggotaan

MUDA LAMA MUDA & LAMA

03 Sari 36 14 0,4 0,267 0,267

06 Amir 39 13 0,1 0,2 0,1

01 Lia 30 6 1 0 0

02 Iwan 48 17 0 0,467 0

04 Andi 37 4 0,3 0 0

05 Budi 42 12 0 0,133 0

UNIPA Surabaya | 35

NIP NAMA UMUR Masa Kerja Derajat Keanggotaan

MUDA LAMA MUDA & LAMA

07 Rian 37 5 0,3 0 0

08 Kiki 32 1 0,8 0 0

09 Alda 35 3 0,5 0 0

10 Yoga 25 2 1 0 0

Query4:

Siapa saja-kah karyawan yang parobaya dan gajinya sedang, atau karyawan yang

parobaya tapi masa kerjanya sudah lama?

SELECT NAMA

FROM KARYAWAN

WHERE (Umur = “PAROBAYA”) and

[(Gaji = “SEDANG”) atau (MasaKerja = “LAMA”)]

Tabel 9 menunjukkan hasil query4, yaitu nama-nama karyawan yang parobaya dan

gajinya sedang, atau karyawan yang parobaya tapi masakerjanya sudah lama.


NIP NAMA

Derajat Keanggotaan

SEDANG LAMA

SEDANG

atau

LAMA

PAROBAYA

PAROBAYA

& (SEDANG

atau LAMA)

05 Budi 0,9 0,133 0,9 0,7 0,7

02 Iwan 0,49 0,467 0,49 0,4 0,4

04 Andi 0,92 0 0,92 0,2 0,2

06 Amir 0 0,2 0,2 0,4 0,2

07 Rian 0,5 0 0,5 0,2 0,2

03 Sari 0 0,267 0,267 0,1 0,1

01 Lia 0,5 0 0,5 0 0

08 Kiki 0 0 0 0 0

UNIPA Surabaya | 36

NIP NAMA

Derajat Keanggotaan

SEDANG LAMA

SEDANG

atau

LAMA

PAROBAYA

PAROBAYA

& (SEDANG

atau LAMA)

09 Alda 0 0 0 0 0

10 Yoga 0 0 0 0 0

UNIPA Surabaya | 37

8 Pedoman Penskoran Soal Uraian

Sub Capaian Pembelajaran MK (Sub CP-MK):

[C2, P3, A3]



Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1

bulan terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan

terkecil sampai 1000 kemasan/hari. Persediaan barang digudang terbanyak sampai 600

kemasan/hari, dan terkecil pernah sampai 100 kemasan/hari. Dengan segala

keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang

maksimum 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap hari diharapkan

perusahaan memproduksi paling tidak 2000 kemasan. Apabila proses produksi

perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut :









Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan

sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan?

Skor Soal Uraian :

No Komponen Penilaian Skor

1 Permintaan; terdiri atas 2 himpunan fuzzy, yaitu: NAIK dan TURUN

disajikan dalam gambar berikut ini.

20

UNIPA Surabaya | 38


Fungsi keanggotaan variabel Permintaan Barang

5000x,0

5000x1000,4000

x50001000x,1

]x[PmtTURUN

5000x,1

5000x1000,4000

1000x1000x,0

]x[PmtNAIK


PmtTURUN[4000] = (5000-4000)/4000

= 0,25

PmtNAIK[4000] = (4000-1000)/4000

= 0,75

2 Persediaan; terdiri-atas 2 himpunan fuzzy, yaitu: SEDIKIT dan

BANYAK disajikan dalam gambar berikut ini.

Fungsi keanggotaan variabel Persediaan Barang

600y,0

600y100,500

y600100y,1

]y[PsdSEDIKIT

20

0

1 [x]

1000 5000

TURUN NAIK

Permintaan (kemasan/hari)

4000

0,25

0,75

0

1 [y]

100 600

SEDIKIT BANYAK

Persediaan (kemasan/hari)

300

0,4

0,6

UNIPA Surabaya | 39


600y,1

600y100,500

100y100y,0

]y[PsdBANYAK


PsdSEDIKIT[300] = (600-300)/500

= 0,6

PsdBANYAK[300] = (300-100)/500

= 0,4

3 Produksi barang; terdiri-atas 2 himpunan fuzzy, yaitu: BERKURANG

dan BERTAMBAH disajikan dalam gambar berikut ini.

Fungsi keanggotaan variabel Produksi Barang

7000z,0

7000z2000,5000

z70002000z,1

]z[NGBrgBERKURAPr

7000z,1

7000z2000,5000

2000z2000z,0

]z[AHBrgBERTAMBPr

20

4 Sekarang kita cari nilai z untuk setiap aturan dengan menggunakan fungsi

MIN pada aplikasi fungsi implikasinya:



-predikat1 = PmtTURUN PsdBANYAK

= min(PmtTURUN [4000],PsdBANYAK[300])

= min(0,25; 0,4)

= 0,25

20

0

1 [z]

2000 7000

BERKURANG BERTAMBAH

Produksi Barang (kemasan/hari)

UNIPA Surabaya | 40



(7000-z)/5000 = 0,25 ---> z1 = 5750



-predikat2 = PmtTURUN PsdSEDIKIT

= min(PmtTURUN [4000],PsdSEDIKIT[300])

= min(0,25; 0,6)

= 0,25


(7000-z)/5000 = 0,25 ---> z2 = 5750




= min(PmtNAIK [4000],PsdBANYAK[300])

= min(0,75; 0,4)

= 0,4


(z-2000)/5000 = 0,4 ---> z3 = 4000




= min(PmtNAIK [4000],PsdSEDIKIT[300])

= min(0,75; 0,6)

= 0,6


(z-2000)/5000 = 0,6 ---> z4 = 5000

5 Dari sini kita dapat mencari berapakah nilai z, yaitu:

20

UNIPA Surabaya | 41


4321

44332211

predpredpredpred

z*predz*predz*predz*predz

49835,1

7475

6,04,025,025,0

5000*6,04000*4,05750*25,05750*25,0z

Jadi jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak

4983 kemasan.

Jumlah Skor 100

UNIPA Surabaya | 42

9 Satuan Acara Pembelajaran (SAP)


Kode : sks : 3




Waktu pertemuan : 1 x 50 menit.

Jumlah Pertemuan : 16 Pertemuan.

Sub CP –MK : [C1, A1]

Mampu mengidentifikasikan konsep dasar himpunan

fuzzy.

Metode Pembelajaran : Ceramah, Tanya Jawab

Pertemuan Ke-1 : Kuliah.

Tahap

Pembelajaran Aktivitas Dosen Kegiatan Pembelajar

Mahasiswa Assessment

1 2 3 4

Pendahuluan Memberikan gambaran

umum SAP dan Kontrak

Pembelajaran.

Merespon aktivitas dosen

dengan memberikan ide-

ide atau gagasan baru

pada kontrak

pembelajaran sehingga

tercipta kesepakatan

antara mahasiswa dan

dosen terkait bentuk

tugas, tes, dan sistem

penilaian.

-

UNIPA Surabaya | 43

Tahap



1 2 3 4

Inti Penyajian

Memberikan gambaran

umum isi perkuliahan,

terkait materi konsep

dasar himpunan fuzzy.

Memberikan respon

(menyimak dan

menjawab pertanyaan)

berkaitan dengan

materi yang diberikan,

serta membuat catatan

perkuliahan.

Menyimak materi yang

diberikan.

Membuat catatan

perkuliahan.

Memperhatikan dan

mengamati contoh yang

diberikan.

Penutup

Tanya jawab berkaitan

dengan materi.

Menyimpulkan materi

kuliah.

Menyiapkan mahasiswa

berkaitan dengan

keperluan untuk materi di

pertemuan ke-2.

Melakukan penegasan

kesepakatan kontrak

pembelajaran yang sudah

dibicarakan di awal

pertemuan ke-1.

Diskusi dan tanya jawab

berkaitan dengan materi

yang telah dibahas.

Mencatat kesimpulan

materi yang sudah

dibahas, sekaligus

mencatat bahan ajar yang

perlu disiapkan untuk

pembahasan materi

selanjutnya.

UNIPA Surabaya | 44

Satuan Acara Pembelajaran (SAP)


Kode : sks : 3




Waktu pertemuan : 1 x 50 menit

Jumlah Pertemuan : 16 Pertemuan

Sub CP –MK : [C2, P3, A3]



Pertemuan Ke-2 : Kuliah

Tahap



1 2 3 4

Pendahuluan

Mengulas kembali

(review) secara singkat

materi pertemuan ke-1.

Memberikan gambaran

umum materi perkualihan

dan tujuan dari

pembelajaran pertemuan

ke-2.

Memberikan respon dan

jawaban berkaitan

dengan review dari

dosen.

Menyimak ulasan dari

dosen dan mencatat

gambaran umum &

tujuan pembelajaran

pertemuan ke-2 secara

garis besarnya.

Tes Tertulis

UNIPA Surabaya | 45

Tahap



1 2 3 4

Inti Penyajian

Menjelaskan tentang

himpunan klasik.

Memberikan contoh

tentang himpunan klasik

dan himpunan fuzzy.

Memberikan contoh

tentang himpunan klasik

dan himpunan fuzzy

Memberikan latihan soal

kepada mahasiswa.

Membahas alternatif

jawaban dari mahasiswa

terkait soal latihan.

Menyimak dan

memperhatikan materi

himpunan klasik dan

himpunan fuzzy yang

dijelaskan dosen.

Melihat, mengamati serta

mencatat contoh dari

himpunan klasik dan

himpunan fuzzy.

Berdiskusi dan

mengerjakan soal latihan,

kemudian menuliskan

gagasan jawaban.

Penutup


dengan materi di

pertemuan ke-2.

Menyimpulkan materi

kuliah pertemuan ke-2.


berkaitan dengan


pertemuan ke-3.

Pemberian tugas tertulis

secara individu.



yang telah dibahas di

pertemuan ke-2.

Mencatat kesimpulan

materi kuliah pertemuan

ke-2, sekaligus mencatat

bahan ajar yang perlu

disiapkan untuk

pembahasan materi

pertemuan ke-3.

Menyelesaikan tes

tertulis yang diberikan.

UNIPA Surabaya | 46



Kode : sks : 3







Mampu menunjukkan operator-operator fuzzy.



Tahap



1 2 3 4

Pendahuluan

Mengulas kembali



Memberikan gambaran

umum materi perkuliahan

dan tujuan dari


ke-3.


jawaban berkaitan

dengan review dari

dosen.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Tes Tertulis

Inti Penyajian

Menjelaskan materi

mengenai operator-

operator fuzzy.

Memberikan contoh soal

mengenai operator-

operator fuzzy.


mengenai operator-

operator fuzzy.

Membahas latihan soal.

Menyimak dan



Berdiskusi dan

mengerjakan soal latihan

yang diberikan dosen.

Memperhatikan jawaban

soal latihan yang

diberikan.

UNIPA Surabaya | 47

Tahap



1 2 3 4

Penutup


dengan materi di

pertemuan ke-3.

Menyimpulkan materi



berkaitan dengan


pertemuan ke-4.

Pemberian tugas rumah

secara individu.




pertemuan ke-3

Mencatat kesimpulan




disiapkan untuk

pembahasan materi

pertemuan ke-4.

Menuliskan soal tugas

yang diberikan.

UNIPA Surabaya | 48



Kode : sks : 3







Mampu menghitung relasi preferensi fuzzy.


Pertemuan Ke - 4 s/d 5 : Kuliah

Tahap



1 2 3 4

Pendahuluan

Pertemuan Ke - 4 :

Mengulas kembali



Memberikan gambaran


dan tujuan dari


ke-4.

Pertemuan Ke - 5 :

Mengulas kembali


pertemuan ke-4

Memberikan gambaran

umum materi lanjutan

dari pertemuan

sebelumnya

Pertemuan Ke - 4 :


jawaban berkaitan

dengan review dari

dosen.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Pertemuan Ke - 5 :


jawaban berkaitan

dengan review pertemuan

ke-4


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Tes Tertulis

UNIPA Surabaya | 49

Tahap



1 2 3 4

Inti Penyajian

Pertemuan 4 :

Menjelaskan materi

tentang relasi preferensi

fuzzy


terkait materi yang

dijelaskan

Pertemuan Ke - 5 :

Menjelaskan materi

tentang relasi preferensi

fuzzy (lanjutan)


terkait materi yang

dijelaskan

Pertemuan 4 :

Menyimak dan mencatat

materi tentang relasi

preferensi fuzzy

Memperhatikan

pembahasan soal latihan

materi relasi preferensi

fuzzy

Pertemuan Ke - 5 :


materi tentang relasi

preferensi fuzzy

(lanjutan)

Memperhatikan

pembahasan soal latihan

materi relasi preferensi

fuzzy

UNIPA Surabaya | 50

Tahap



1 2 3 4

Penutup

Pertemuan Ke - 4 :


dengan materi di

pertemuan ke-4.

Menyimpulkan materi



berkaitan dengan


pertemuan ke-5.

Pemberian latihan soal

sebagai latihan di rumah

secara individu

Pertemuan Ke – 5 :


dengan materi di

pertemuan ke-5

Menyimpulkan materi

perkuliahan pertemuan

ke-5


berkaitan dengan


pertemuan ke-6

Memberikan tugas tertulis

sebagai latihan

kemampuan

menyelesaikan relasi

preferensi fuzzy





pertemuan ke-4

Mencatat kesimpulan




disiapkan untuk

pembahasan materi

pertemuan ke-5.

Menuliskan soal latihan

yang diberikan





pertemuan ke-5

Mencata kesimpulan




disiapkan untuk

pembahasan materi

pertemuan ke-6


sebagai tugas individu

UNIPA Surabaya | 51



Kode : sks : 3







Mampu memperhitungkan multi-attribute decision

making


Pertemuan Ke – 6 s/d 7 : Kuliah

Tahap



1 2 3 4

Pendahuluan

Pertemuan Ke - 6:

Memberikan gambaran


dan tujuan dari


ke-6.

Pertemuan Ke - 7 :

Mengulas kembali


pertemuan ke-6.

Memberikan gambaran

umum materi pertemuan

ke-7 sebagai lanjutan dari

pertemuan ke-6.



dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Pertemuan Ke - 7 :


jawaban berkaitan


ke-6.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Tes Tertulis

UNIPA Surabaya | 52

Inti Penyajian

Pertemuan 6 :

Menjelaskan materi

tentang multi-attribute

decision making.

Menjelaskan langkah-

langkah penyelesaian


making.

Memberikan contoh



making.

Memberikan soal latihan

kepada mahasiswa


decision making.

Membahas dan

menjelaskan jawaban dari

mahasiswa dalam

menyelesaikan masalah


making.

Pertemuan Ke - 7 :

Menjelaskan materi

lanjutan tentang

penyelesaian multi-

attribute decision

making (lanjutan).

Memberikan contoh



making (lanjutan).


kepada mahasiswa


decision making

(lanjutan).

Memberikan kesempatan

kepada mahasiswa untuk

memaparkan hasil diskusi

soal latihan multi-

attribute decision

making (lanjutan).

Pertemuan 6 :


materi multi-attribute

decision making.

Memperhatikan langkah-

langkah multi-attribute

decision making.

Berdiskusi dengan teman

membahas penyelesaian


making.


guna menyelesaikan soal

latihan terkait multi-

attribute decision

making.

Berdiskusi dan tanya

jawab dengan dosen pada

saat dosen membahas

jawaban latihan soal

masalah multi-attribute

decision making.

Pertemuan Ke - 7 :


langkah-langkah



making (lanjutan).

Memperhatikan proses

penyelesaian multi-

attribute decision

making (lanjutan).



masalah multi-attribute

decision making

(lanjutan).

Mahasiswa memaparkan

jawaban penyelesaian

soal latihan multi-

attribute decision

making (lanjutan).

Tanya jawab antara

mahasiswa dengan dosen

dalam pembahasan soal

UNIPA Surabaya | 53

Tahap



1 2 3 4

Membahas hasil

penyelesaian soal latihan

dengan berdiskusi dan

tanya jawab.

latihan multi-attribute

decision making

(lanjutan).

Penutup

Pertemuan Ke - 6 :


dengan materi di

pertemuan ke-6.

Menyimpulkan materi



berkaitan dengan


pertemuan ke-7.


secara individu sebagai

tugas mandiri.



dengan materi di

pertemuan ke-7.

Menyimpulkan materi


ke-7.


berkaitan dengan

keperluan untuk UTS.





pertemuan ke-6.

Mencatat kesimpulan




disiapkan untuk

pembahasan materi

pertemuan ke-7.


yang diberikan.





pertemuan ke-7.

Mencata kesimpulan



materi kisi-kisi untk

UTS.

UNIPA Surabaya | 54



Kode : sks : 3







Mampu membuat skema penyelesaian masalah MADM.


Pertemuan Ke-9 s/d Ke-13 : Kuliah

UNIPA Surabaya | 55

Tahap



1 2 3 4

UNIPA Surabaya | 56

Pendahuluan

Pertemuan Ke - 9:

Memberikan gambaran


dan tujuan dari


ke-9.

Pertemuan Ke - 10 :

Mengulas kembali


pertemuan ke-9.

Memberikan gambaran


ke-10 sebagai lanjutan

dari pertemuan ke-9.

Pertemuan Ke - 11 :

Mengulas kembali


pertemuan ke-10.

Memberikan gambaran




Pertemuan Ke - 12 :

Mengulas kembali


pertemuan ke-11.

Memberikan gambaran




Pertemuan Ke - 13 :

Mengulas kembali


pertemuan ke-12.



dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Pertemuan Ke - 10 :


jawaban berkaitan


ke-9.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Pertemuan Ke - 11 :


jawaban berkaitan


ke-10.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Pertemuan Ke - 12 :


jawaban berkaitan


ke-11.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Pertemuan Ke - 13 :


jawaban berkaitan


ke-12.

Tes Tertulis

UNIPA Surabaya | 57

Tahap



1 2 3 4

Memberikan gambaran





dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

UNIPA Surabaya | 58

Inti Penyajian

Pertemuan 9 :

Menjelaskan materi

tentang metode-metode


MADM.


langkah penyelesaian

metode-metode


MADM.

Memberikan contoh


metode-metode


MADM.


kepada mahasiswa



MADM.

Membahas dan

menjelaskan jawaban dari

mahasiswa dalam

menyelesaikan masalah

metode-metode


MADM.

Pertemuan Ke - 10 :

Menjelaskan materi

lanjutan tentang metode-

metode penyelesaian

masalah MADM

(lanjutan).

Memberikan contoh


metode-metode


MADM (lanjutan).


kepada mahasiswa



MADM (lanjutan).

Pertemuan 9 :


materi metode-metode


MADM.


langkah metode


MADM.




making.


guna menyelesaikan

metode-metode


MADM.

Berdiskusi dan tanya

jawab dengan dosen pada

saat dosen membahas

jawaban latihan soal

masalah metode-

metode penyelesaian

masalah MADM.

Pertemuan Ke - 10 :


langkah-langkah


metode-metode


MADM (lanjutan).


penyelesaian metode-

metode penyelesaian

masalah MADM

(lanjutan).



masalah metode-

metode penyelesaian

UNIPA Surabaya | 59




soal latihan metode-

metode penyelesaian

masalah MADM

(lanjutan).

Membahas hasil



tanya jawab.

Pertemuan Ke - 11 :

Menjelaskan materi


metode penyelesaian

masalah MADM

(lanjutan).

Memberikan contoh


metode-metode


MADM (lanjutan).


kepada mahasiswa



MADM (lanjutan).





metode penyelesaian

masalah MADM

(lanjutan).

Membahas hasil



tanya jawab.

masalah MADM

(lanjutan).




metode penyelesaian

masalah MADM

(lanjutan).

Tanya jawab antara



latihan metode-metode


MADM (lanjutan).

Pertemuan Ke - 11 :


langkah-langkah


metode-metode


MADM (lanjutan).



metode penyelesaian

masalah MADM

(lanjutan).



masalah metode-

metode penyelesaian

masalah MADM

(lanjutan).




metode penyelesaian

masalah MADM

(lanjutan).

Tanya jawab antara





MADM (lanjutan).

UNIPA Surabaya | 60

Pertemuan Ke - 12 :

Menjelaskan materi


metode penyelesaian

masalah MADM

(lanjutan).

Memberikan contoh


metode-metode


MADM (lanjutan).


kepada mahasiswa



MADM (lanjutan).





metode penyelesaian

masalah MADM

(lanjutan).

Membahas hasil



tanya jawab.

Pertemuan Ke - 13 :

Menjelaskan materi


metode penyelesaian

masalah MADM

(lanjutan).

Memberikan contoh


metode-metode


MADM (lanjutan).


kepada mahasiswa


Pertemuan Ke - 12 :


langkah-langkah


metode-metode


MADM (lanjutan).



metode penyelesaian

masalah MADM

(lanjutan).



masalah metode-

metode penyelesaian

masalah MADM

(lanjutan).




metode penyelesaian

masalah MADM

(lanjutan).

Tanya jawab antara





MADM (lanjutan).

Pertemuan Ke - 13 :


langkah-langkah


metode-metode


MADM (lanjutan).



metode penyelesaian

masalah MADM

(lanjutan).



masalah metode-

UNIPA Surabaya | 61

Tahap



1 2 3 4


MADM (lanjutan).





metode penyelesaian

masalah MADM

(lanjutan).

Membahas hasil



tanya jawab.

metode penyelesaian

masalah MADM

(lanjutan).




metode penyelesaian

masalah MADM

(lanjutan).

Tanya jawab antara





MADM (lanjutan).

UNIPA Surabaya | 62

Penutup

Pertemuan Ke - 9 :


dengan materi di

pertemuan ke-9.

Menyimpulkan materi



berkaitan dengan

keperluan untuk materi

di pertemuan ke-10.



tugas mandiri.

Pertemuan Ke – 10:


dengan materi di

pertemuan ke-10.

Menyimpulkan materi


ke-10.


berkaitan dengan


di pertemuan ke-11.



tugas mandiri.



dengan materi di

pertemuan ke-11.

Menyimpulkan materi


ke-11.


berkaitan dengan


di pertemuan ke-12.



tugas mandiri.


Diskusi dan tanya

jawab berkaitan dengan

materi yang telah

dibahas di pertemuan

ke-9.

Mencatat kesimpulan

materi kuliah

pertemuan ke-9,

sekaligus mencatat


disiapkan untuk

pembahasan materi

pertemuan ke-10.


yang diberikan.





pertemuan ke-10.

Mencatat kesimpulan


ke-10, sekaligus



pembahasan materi

pertemuan ke-11.


yang diberikan.





pertemuan ke-11.

Mencatat kesimpulan


ke-11, sekaligus



pembahasan materi

pertemuan ke-12.


yang diberikan.

UNIPA Surabaya | 63

Tahap



1 2 3 4



dengan materi di

pertemuan ke-12.

Menyimpulkan materi


ke-12.


berkaitan dengan


di pertemuan ke-13.



tugas mandiri.



dengan materi di

pertemuan ke-13.

Menyimpulkan materi


ke-13.


berkaitan dengan


di pertemuan ke-14.



tugas mandiri.





pertemuan ke-12.

Mencatat kesimpulan


ke-12, sekaligus



pembahasan materi

pertemuan ke-12.


yang diberikan.





pertemuan ke-13.

Mencatat kesimpulan


ke-13, sekaligus



pembahasan materi

pertemuan ke-14.


yang diberikan.

UNIPA Surabaya | 64



Kode : sks : 3







Mampu membuat bobot stribut dengan pendekatan



Pertemuan Ke - 14 : Kuliah

Tahap



1 2 3 4

Pendahuluan

Pertemuan Ke - 14 :

Mengulas kembali


pertemuan ke-13.

Memberikan gambaran




Pertemuan Ke - 14 :


jawaban berkaitan


ke-13.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Tes Tertulis

UNIPA Surabaya | 65

Tahap



1 2 3 4

Inti Penyajian

Pertemuan Ke - 14 :

Menjelaskan materi tentang


penentuan bobot atribut

dengan pendekatan



langkah penentuan bobot



Memberikan contoh

penyelesaian penentuan


pendekatan subjektif -

objektif.

Pertemuan Ke - 14 :

Menyimak dan

mencatat penyelesaian


dengan pendekatan


Memperhatikan

penjelasan dosen terkait

langkah-langkah proses


dengan pendekatan



penyelesaian


dengan pendekatan


Penutup



dengan materi di

pertemuan ke-14.

Menyimpulkan materi


ke-14.


berkaitan dengan


pertemuan ke-15.

Memberikan tugas

tertulis.





pertemuan ke-14.

Mencata kesimpulan


ke-14, sekaligus



pembahasan materi

pertemuan ke-15.


sebagai tugas mandiri.

UNIPA Surabaya | 66



Kode : sks : 3







Mampu membuat coding untuk penyelesaian masalah

MADM.



Tahap



1 2 3 4

Pendahuluan

Mengulas kembali



Memberikan gambaran

umum materi perkualihan

dan tujuan dari


ke-15.


jawaban berkaitan

dengan review dari

dosen.


dosen dan mencatat

gambaran umum &

tujuan pembelajaran


garis besarnya.

Projek Mini

UNIPA Surabaya | 67

Tahap



1 2 3 4

Inti Penyajian

Menjelaskan cara

membuat coding untuk


MADM.


langkah membuat cara



MADM.

Memberikan kasus projek

mini membuat skema



MADM.

Menyimak dan


cara membuat coding

untuk penyelesaian

masalah MADM.


langkah serta mencatat

hal-hal penting terkait

cara membuat coding

untuk penyelesaian

masalah MADM.

Menyimak dan

memperhatikan

penjelasan dosen terkait

cara membuat coding

untuk penyelesaian

masalah MADM.

Berdiskusi dan

mengerjakan kasus

projek mini membuat

cara membuat coding

untuk penyelesaian

masalah MADM.

Penutup


dengan materi di

pertemuan ke-15.

Menyimpulkan materi


Memberikan arahan

untuk pengumpulan

projek mini serta

mempersiapkan

mahasiswa untuk kisi-kisi

UAS.




pertemuan ke-15.

Mencatat kesimpulan


ke-15.

Memperhatikan dan

menuliskan hal-hal

penting terkait urain

projek mini kisi-kisi

persiapan UAS.

UNIPA Surabaya | 68

10 Kontrak Pembelajaran

Nama Mata Kuliah : Logika Fuzzy

Kode Mata Kuliah :

Besarnya sks : 3



Semester : 8 (Delapan)

Hari Pertemuan / Jam :

Ruang : Laboratorium Komputasi – Program Studi Pendidikan

Matematika

1. Manfaat Pembelajaran

Mata kuliah Logika Fuzzy memberi bekal kepada mahasiswa agar mampu

mengaplikasikan konsep dan prinsip pedagogi, didaktik matematika serta keilmuan

matematika untuk melakukan perencanaan, pengelolaan, implementasi, evaluasi,

dengan memanfaatkan IPTEKS yang berorientasi pada kecakapan hidup (life skills).

2. Deskripsi

Mata kuliah ini membahas tentang konsep dasar himpunan fuzzy, himpunan fuzzy,

operator-operator fuzzy, relasi preferensi fuzzy, multi-attribute decision making,

metode-metode decision making, penentuan bobot atribut dengan pendekatan

subjektif – objektif, serta coding untuk penyelesaian masalah MADM.

3. Capaian Pembelajaran

a. CP-PRODI

1. Menunjukkan sikap bertanggung jawab atas pekerjaan di bidang keahliannya

secara mandiri (S9);

2. Mampu mengambil keputusan secara tepat dalam konteks penyelesaian

masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data

(KU5);

3. Mampu mengambil keputusan strategis di bidang pendidikan matematika

berdasarkan informasi dan data yang relevan (KK14);

UNIPA Surabaya | 69

4. Menguasai konsep matematika yang diperlukan untuk studi ke jenjang

berikutnya (PP7).

b. CP-MK

[C4, P3, A3] : Mahasiswa mampu mengaplikasikan konsep logika fuzzy dengan

membuat aplikasi menggunakan komputasi matematika baik secara mandiri

maupun kerjasama tim.

UNIPA Surabaya | 70

4. Peta Capaian Pembelajaran

Capaian Pembelajaran (CP) Lulusan Program Studi yang Dibebankan pada MK (CP-PRODI) : [CP-PPA]






Kemampuan Akhir Tiap Tahapan Belajar (CP-MK) : [C4,P3, A3]



A

UNIPA Surabaya | 71

A

( 1 ) [C1 , A1]

Mampu mengidentifikasikan konsep dasar himpunan fuzzy


( 7 ) [C4, P3, A3]


pendekatan subjektif - objektif

( 8 ) [C4, P3, A3]



( 6 ) [C4, P3, A3]


masalah MADM

( 5 ) [C3, P3, A3]



( 2 ) [C2, P3, A3]

Mampu menguraikan fungsi keanggotaan fuzzy

( 3 ) [C3, P3, A3]

Mampu menunjukkan operator-operator fuzzy

( 4 ) [C3, P3, A3]

Mampu menghitung relasi preferensi fuzzy

UNIPA Surabaya | 72

5. Buku Acuan / Referensi

Pustaka Utama :

1. Timothy J. Ross. 2010. Fuzzy Logic With Engineering Application. Third

Edition. United Kingdom: John Wiley & Sons

Pustaka Pendukung :

2. Sri Kusumadewi dan Hari Purnomo. 2013. Aplikasi Logika Fuzzy untuk

Pendukung Keputusan. Edisi 2. Yogyakarta: Graha Ilmu

3. James J. Buckley dan Esfandiar Eslami. 2002. An Introduction to Fuzzy Logic

and Sets. New York: Springer-Verlag

4. Luis Arguelles Mendez. 2016. A Practical Introduction to Fuzzy Logic using

LISP. New York: Springer

5. Janusz T. Starczewski. 2013. Advanced Concept in Fuzzy Logic and System

with Membership Uncertanty. New York: Springer

6. Hung T. Nguyen dan Elbert A. Walker. 2006. A First Course in Fuzzy Logic.

Third Edition. Boca Raton: Chapman & Hall / CRC

7. Nazmul Siddique dan Hojjat Adeli. 2013. Computational Intelligence:

Synergies of Fuzzy Logic, Neural Network and Evolutionary Computing.

United Kingdom: Wiley

6. Strategi Pembelajaran

1. Ceramah

2. Tanya Jawab

7. Rencana Tugas

1. Makalah dengan format : A4, font : Calibri, size 12, margin 3-2-2-2, minimum

10 halaman. Menggunakan tata tulis ilmiah. Dikumpulkan dalam bentuk

softcopy format (*.rtf).

2. Program MATLAB.

3. Slide presentasi PowerPoint, terdiri dari: text, grafik, tabel, gambar, animasi

ataupun video clips. Minimal 10 slide. Dikumpulkan softcopy format (*.ppt).

UNIPA Surabaya | 73

4. Tuliskan identitas masing-masing anggota kelompok, dengan disertakan peran

dan tugas masing-masing anggota kelompok.

5. Tugas dikumpulkan dalam folder dengan nama kelompok, berisi : makalah

(*.rtf), slide (*.ppt),program MATLAB, daftar anggota grup beserta masing-

masing tugasnya, dan softcopy referensi yang digunakan.

UNIPA Surabaya | 74

8. Rencana Asessmen & Evaluasi

Minggu




C2 C3 C4 P3 A2 A3

1 [C1 , A1]

Mampu

mengidentifikasikan

konsep dasar

himpunan fuzzy.



- %

2 [C2, P3, A3]

Mampu

menguraikan fungsi

keanggotaan fuzzy.

2. Himpunan Fuzzy

Referensi : 1, 2, 3, 4, 5, 6, 7

√

√

Tes Tulis 5 %

3 [C3, P3, A3]

Mampu

menunjukkan

operator-operator

fuzzy.

3. Operator-operator Fuzzy


√

√

Tes Tulis 5 %

4 - 5 [C3, P3, A3]

Mampu menghitung

relasi preferensi

fuzzy.


Referensi : 1, 2, 7

√

√

Tes Tulis 5 %

6 - 7 [C3, P3, A3]

Mampu

memperhitungkan

multi-attribute

decision making.

5. Multi-Attribute Decision

Making (MADM)


√

√

Tes Tulis 5 %

UNIPA Surabaya | 75

Minggu




C2 C3 C4 P3 A2 A3

9 - 13 [C4, P3, A3]

Mampu membuat

skema penyelesaian

masalah MADM.

6. Metode-metode Penyelesaian

Masalah MADM

Referensi : 1, 2, 4

√

√

√

Tes Tulis 10 %

14 [C4, P3, A3]

Mampu membuat



- objektif.

7. Penentuan Bobot Atribut

dengan Pendekatan Subjektif –

Objektif


√

√

√

Tes Tulis 10 %

15 [C4, P3, A3]

Mampu membuat

coding untuk


MADM.

8. Coding untuk Penyelesaian

Masalah MADM

Referensi : 2

√

√

√

Projek Mini 30 %

9. Kriteria Penilaian

Nilai Angka Nilai Huruf Nilai Numerik Sebutan

81-100 A 4 Istimewa

71-80 AB 3,5 Baik Sekali

66-70 B 3 Baik

UNIPA Surabaya | 76

Nilai Angka Nilai Huruf Nilai Numerik Sebutan

61-65 BC 2,5 Cukup Baik

51-60 C 2 Cukup

41-50 D 1 Kurang

0-40 E 0 Kurang Sekali

Keterangan :

Keterlambatan pengumpulan tugas mempengaruhi penilaian.

Mahasiswa yang prosentase kehadirannya kurang dari 50% tidak boleh mengikuti ujian dan tidak ada ujian susulan kecuali ada surat

keterangan dokter atau surat keterangan lain.

Pelaksanaan Remidial:

a. Remidial diberikan ke mahasiwa dengan nilai tes < 60.

b. Diambil nilai terbaik antara nilai tes dengan nilai remidial.

c. Nilai maksimum untuk yang remidial adalah 60.

UNIPA Surabaya | 77

10. Jadwal Pembelajaran

No. Tanggal CP-MK Pokok Bahasan Pustaka

1 Minggu Ke-1 [C1 , A1]

Mampu mengidentifikasikan

konsep dasar himpunan fuzzy.

1 Konsep Dasar Himpunan Fuzzy Referensi : 1, 2, 3, 6

2 Minggu Ke-2 [C2, P3, A3]


keanggotaan fuzzy.

2 Himpunan Fuzzy

Referensi : 1, 2, 3, 4, 5, 6,

7


Mampu menunjukkan


3 Operator-operator Fuzzy


4 Minggu Ke-4

&

Minggu Ke-5

[C3, P3, A3]

Mampu menghitung relasi

preferensi fuzzy.

4 Relasi Preferensi Fuzzy

Referensi : 1, 2, 7

5 Minggu Ke-6

&

Minggu Ke-7

[C3, P3, A3]

Mampu memperhitungkan


making.

5 Multi-Attribute Decision Making (MADM)


Evaluasi Tengah Semester (ETS)

6 Minggu Ke-9

s/d

Minggu Ke-13

[C4, P3, A3]

Mampu membuat skema

penyelesaian masalah MADM.

6 Metode-metode Penyelesaian Masalah

MADM

Referensi : 1, 2, 4


Mampu membuat bobot



7 Penentuan Bobot Atribut dengan

Pendekatan Subjektif – Objektif


UNIPA Surabaya | 78

No. Tanggal CP-MK Pokok Bahasan Pustaka


Mampu membuat coding


MADM.

8 Coding untuk Penyelesaian Masalah

MADM

Referensi : 2

Evaluasi Akhir Semester (EAS)

UNIPA Surabaya| 79

Documents

RPS LOGIKA FUZZY - Pendidikan Matematika · 2018. 4. 19. · UNIPA Surabaya| 1 1 Peta Konsep / Hirarki Materi Mata Kuliah : Logika Fuzzy Semester : 8 (Delapan) Kode: sks : 3 Jurusan