KONTRAK PEMBELAJARAN (KP) MATA KULIAH

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "KONTRAK PEMBELAJARAN (KP) MATA KULIAH"

Transkripsi

1 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

2 KONTRAK PEMBELAJARAN Nama Mata Kuliah : Logika Fuzzy Kode Mata Kuliah/ SKS : TSK-710 / 2 SKS Dosen : Eko Didik Widianto, ST, MT Semester : 7 Hari/Waktu Pertemuan : Senin, jam Tempat Pertemuan : Ruang D 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; Standar Kompetensi (SK): 3. Kompetensi Pembelajaran 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

3 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

4 5. Referesi Pembelajaran 1. S. N. Sivanandam, S. Sumathi and S. N. Deepa, Introduction to Fuzzy Logic using MATLAB, Ahmad M. Ibrahim, Fuzzy Logic for Embedded System Applications, Elsevier, Kwang H. Lee, First Course on Fuzzy Theory and Applications, 2005 Web kuliah: 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; Komponen penilaian: 1. Tugas 7.Kriteria Penilaian 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

5 Penilaian kompetensi dilakukan dengan kriteria sebagai berikut: Nilai Akhir/NA Nilai Angka Nilai bobot 80 < NA A 4 65 < NA 80 B 3 50 < NA 65 C 2 35 < NA 50 D 1 NA 35 E 0 8. Jadwal Pembelajaran No. Kompentensi Dasar 1 a) Mahasiswa akan mampu membedakan logika klasik dan logika fuzzy dengan benar memahami kapan logika fuzzy bisa diterapkan 2 Mahasiswa akan mampu membedakan antara himpunan klasik dan fuzzy, meliputi konsep dasar dan sifat himpuna serta derajat keanggotaan elemen-elemennya 3 a) Mahasiswa akan mampu menuliskan model matematis dari himpunan klasik dan fuzzy dengan tepat melakukan operasi himpunan fuzzy, meliputi AND, OR dan komplemen dengan tepat jika diberikan suatu himpunan 4,5 a) Mahasiswa akan mampu menentukan produk kartesian dengan tepat jika diberikan dua himpunan semesta menentukan relasi dan komposisi himpunan klasik dan fuzzy dengan tepat jika diberikan lebih dari satu himpunan c) Mahasiswa akan mampu menentukan relasi toleransi dan ekuivalensi himpunan klasik dan fuzzy d) Mahasiswa akan mampu menerapkan penalaran klasik dan fuzzy 6 a) Mahasiswa akan mampu mengklasifikasikan himpunan fuzzy melakukan fuzzifikasi jika diberikan suatu himpunan Pokok Bahasan Pengantar logika fuzzy Himpunan: klasik vs fuzzy Representasi dan Operasi himpunan: komplemen, gabungan dan irisan Relasi, Komposisi dan Penalaran Fungsi keanggotaan Sub Pokok Bahasan Logika, penalaran dan pengambilan keputusan Logika biner (klasik) dan logika fuzzy Contoh aplikasi menggunakan fuzzy Himpunan klasik: konsep dasar dan sifat Himpunan fuzzy: konsep dasar, derajat keanggotaan dan sifat himpunan Representasi himpunan klasik dan fuzzy Operasi himpunan klasik: komplemen, gabungan, irisan Operasi himpunan fuzzy: komplemen, gabungan, irisan Operasi aljabar fuzzy 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 Klasifikasi himpunan fuzzy Fuzzifikasi Pemberian nilai keanggotaan Estimasi Waktu (menit) Daftar Pustaka 2 x 50 [1] Bab 1 [2] Bab 1 2 x 50 [1] Bab 2 [2] Bab 2 [3] Bab 1 2 x 50 [1] Bab 2 [2] Bab 2 [3] Bab 2 4 x 50 [1] Bab 3 [2] Bab 3 [3] Bab 3 2 x 50 [1] Bab 4

6 klasik atau fuzzy c) Mahasiswa akan mampu menyelesaikan problem terkait fungsi keanggotaan dengan tepat 7 Mahasiswa akan mampu mengaplikasikan metode-metode defuzzifikasi dari himpunan fuzzy Defuzzifikasi Lambda-cut dari himpunan fuzzy Lambda-cut dari himpunan relasi fuzzy Metode-metode defuzzifikasi 2 x 50 [1] Bab 5 8,9 Mahasiswa akan mampu menyelesaikan problem desain sistem fuzzy berbasis aturan menggunakan metode-metode FIS (fuzzy inference system) Fuzzy Rule- Base 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 problem pengambilan keputusan menggunakan logika fuzzy baik keputusan individual, banyak orang maupun multi-objective Fuzzy Decision Making Fuzzy ordering Individual decision making Multi-person decision making Multi-objective decision making Fuzzy Bayesian decision methode 2 x 50 [1] Bab 7 11, 12, 13, 14 Mahasiswa akan mampu mendesain satu aplikasi berbasis fuzzy dari contoh-contoh aplikasi yang diberikan Aplikasi Logika Fuzzy 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

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Matakuliah : Lgika Fuzzy Kde : TSK-710 Teri : 2 sks Praktikum : - Deskripsi Matakuliah Standar Kmpetensi Prgram Studi : Himpunan Fuzzy dan Lgika Fuzzy: mtivasi,

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

KONTRAK PEMBELAJARAN (KP) MATA KULIAH KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TSK-617 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 6 KONTRAK PEMBELAJARAN Nama

Lebih terperinci

1 Deskripsi Perkuliahan

1 Deskripsi Perkuliahan Kontrak Perkuliahan Mata Kuliah : Sistem Digital Kode / SKS : TSK 205 / 2 SKS Pengajar : Eko Didik Widianto, ST., MT. Jadwal : a) Kamis, jam 09.30 11.10, Ruang D304 (Kelas A) b) Selasa, jam 07.50 09.30,

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

KONTRAK PEMBELAJARAN (KP) MATA KULIAH KONTRAK PEMBELAJARAN (KP) MATA KULIAH Jaringan Saraf Tiruan Kode MK: TSK 615 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester : 6 KONTRAK

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH

KONTRAK PEMBELAJARAN (KP) MATA KULIAH KONTRAK PEMBELAJARAN (KP) MATA KULIAH Kode MK: TKC305 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Eko Didik Widianto, ST, MT Semester : 5 KONTRAK PEMBELAJARAN Nama Mata

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pengolahan Citra dan Pengenalan Pola

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pengolahan Citra dan Pengenalan Pola KONTRAK PEMBELAJARAN (KP) MATA KULIAH Pengolahan Citra dan Pengenalan Pola Kode MK: TSK 713 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT

Lebih terperinci

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com

Lebih terperinci

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Multimedia

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Multimedia KONTRAK PEMBELAJARAN (KP) MATA KULIAH Multimedia Kode MK: TSK 603 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester : 6 KONTRAK PEMBELAJARAN

Lebih terperinci

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi

Lebih terperinci

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,

Lebih terperinci

DENIA FADILA RUSMAN

DENIA FADILA RUSMAN Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA

Lebih terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Algoritma dan Pemrograman

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Algoritma dan Pemrograman KONTRAK PEMBELAJARAN (KP) MATA KULIAH Algoritma dan Pemrograman Kode MK: TSK 204 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester :

Lebih terperinci

Tahap Sistem Pakar Berbasis Fuzzy

Tahap Sistem Pakar Berbasis Fuzzy Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et

Lebih terperinci

Pengantar Kuliah. TKC306 - Robotika. Eko Didik Widianto. Teknik Sistem Komputer - Universitas Diponegoro. Pengantar Didik Widianto

Pengantar Kuliah. TKC306 - Robotika. Eko Didik Widianto. Teknik Sistem Komputer - Universitas Diponegoro. Pengantar Didik Widianto TKC306 - Robotika Eko Didik Teknik Sistem Komputer - Universitas Diponegoro Review Kuliah Pembahasan tentang deskripsi, tujuan, sasaran dan materi kuliah Robotika. Selain itu, juga dibahas tentang tata

Lebih terperinci

Logika Himpunan Fuzzy

Logika Himpunan Fuzzy Logika Himpunan Fuzzy 1 Fungsi Keanggotaan untuk crisp logic True False 1 0 80F Panas Temperature f temperature >= 25C, Panas (1 atau Benar); f temperature < 25C, tidak Panas (0 atau Salah). Fungsi keanggotaan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga

Lebih terperinci

Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017

Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 PENDAHULUAN (Pengenalan Silabus dan Kontrak Belajar) Pengenalan Matakuliah Matakuliah Bobot : Kecerdasan

Lebih terperinci

Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani

Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pemrograman Berorientasi Objek

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pemrograman Berorientasi Objek KONTRAK PEMBELAJARAN (KP) MATA KULIAH Pemrograman Berorientasi Objek Kode MK: TSK 502 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT Semester

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi

Lebih terperinci

Logika Fuzzy. Farah Zakiyah Rahmanti 2016

Logika Fuzzy. Farah Zakiyah Rahmanti 2016 Logika Fuzzy Farah Zakiyah Rahmanti 2016 Topik Bahasa Alami Crisp Logic VS Fuzzy Logic Fungsi Keanggotaan (Membership Function) Fuzzifikasi (Fuzzyfication) Inferensi (Inference) Komposisi (Composition)

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) IKG2J3 KECERDASAN BUATAN Disusun oleh: PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester (RPS) ini telah disahkan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4B3 SOFT COMPUTING Disusun oleh: Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH TEKNIK DAN SURVEI DATA TATA RUANG

KONTRAK PEMBELAJARAN (KP) MATA KULIAH TEKNIK DAN SURVEI DATA TATA RUANG KONTRAK PEMBELAJARAN (KP) MATA KULIAH TEKNIK DAN SURVEI DATA TATA RUANG Kode MK: TKP150P Program Studi Diploma III Perencanaan Wilayah dan Kota Fakultas Teknik Universitas Diponegoro Pengajar : - Khristiana

Lebih terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau

Lebih terperinci

KBKF63307 INTELIGENSI BUATAN

KBKF63307 INTELIGENSI BUATAN RENCANA PEMBELAJARAN SEMESTER (RPS) KBKF63307 INTELIGENSI BUATAN Disusun oleh: PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN

Lebih terperinci

PPKF53106 KNOWLEDGE BASED SYSTEM

PPKF53106 KNOWLEDGE BASED SYSTEM PROGRAM STUDI S1 TEKNIK INFO R MAT IK A FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONE SIA YPTK PADANG RENCANA PEMBELAJARAN SEMESTER (RPS) PPKF53106 KNOWLEDGE BASED SYSTEM PROGRAM STUDI S1 TEKNIK

Lebih terperinci

4-5-FUZZY INFERENCE SYSTEMS

4-5-FUZZY INFERENCE SYSTEMS 4-5-FUZZY INFERENCE SYSTEMS Shofwatul Uyun Mekanisme FIS Fuzzy Inference Systems (FIS) INPUT (CRISP) FUZZYFIKASI RULES AGREGASI DEFUZZY OUTPUT (CRISP) 2 Metode Inferensi Fuzzy Metode Tsukamoto Metode Mamdani

Lebih terperinci

JMP : Volume 4 Nomor 2, Desember 2012, hal

JMP : Volume 4 Nomor 2, Desember 2012, hal 12 JMP : Volume 4 Nomor 2, Desember 2012, hal. 253-264 APLIKASI FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK REKOMENDASI PEMILIHAN BIDANG KAJIAN PADA MAHASISWA PROGRAM STUDI MATEMATIKA UNSOED Yusuf Nur

Lebih terperinci

Praktikum sistem Pakar Fuzzy Expert System

Praktikum sistem Pakar Fuzzy Expert System Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan

Lebih terperinci

Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh

Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Metode Mamdani Untuk Klasifikasi Dalam Prediksi Indeks Pembangunan Manusia Di Kota Banda Aceh T - 42 Yudha Al Afis, Agus Maman Abadi Prodi Matematika,

Lebih terperinci

Seminar Nasional Inovasi Dan Teknologi Informasi (SNITI 3) ISSN : Samosir, November 2016

Seminar Nasional Inovasi Dan Teknologi Informasi (SNITI 3) ISSN : Samosir, November 2016 Analisis Penerapan Fuzzy Inference System (FIS) Dengan Metode Mamdani Pada Sistem Prediksi Mahasiswa Non Aktif (Studi Kasus : AMIK Tunas Bangsa Pematangsiantar) Anjar Wanto 1 1 Fakultas Ilmu Komputer-Teknologi

Lebih terperinci

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa

Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 A -10 Aplikasi Fuzzy Inference System Dalam Penilaian Prestasi Mahasiswa Rani Mita Sari, Agus Maman Abadi FMIPA, Universitas Negeri Yogyakarta

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

Rahma Yulia Sari Yuza 1, Khairudin 1, Karmila Suryani 1. Program Studi PTIK FKIP Universitas Bung Hatta Padang

Rahma Yulia Sari Yuza 1, Khairudin 1, Karmila Suryani 1. Program Studi PTIK FKIP Universitas Bung Hatta Padang EFEKTIFITAS METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI TERHADAP MOTIVASI BELAJAR DALAM MENENTUKAN NILAI AKHIR MAHASISWA PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER (PTIK) Rahma Yulia Sari Yuza 1, Khairudin

Lebih terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK

Lebih terperinci

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari

Lebih terperinci

Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic

Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Penentuan Tingkat Pelayanan Ruas Jalan Di Kabupaten Sleman Dengan Fuzzy Logic Umi Nurofi atin, Agus Maman Abadi Program Studi Matematika,

Lebih terperinci

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI

OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI Riska Megasari 1), Lukman 2), Khusnul Novianingsih 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI

Lebih terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk

Lebih terperinci

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN

MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Seminar Nasional Inovasi dan Teknologi (SNIT) 202 MODEL SISTEM PENDUKUNG KEPUTUSAN DENGAN FUZZY INFERENCE SYSTEM UNTUK PROMOSI KARYAWAN Ghofar Taufiq AMIK Bina Sarana Informatika Jakarta Jl. Kramat Raya

Lebih terperinci

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:

Lebih terperinci

RANCANGAN PEMBELAJARAN BERBASIS STUDENT CENTERED LEARNING

RANCANGAN PEMBELAJARAN BERBASIS STUDENT CENTERED LEARNING RPP PTI 2013 1 RANCANGAN PEMBELAJARAN BERBASIS STUDENT CENTERED LEARNING 1. Identitas Mata Kuliah : Mata Kuliah : Pengantar Teknologi Informasi Kode Mata Kuliah : IFP 1302 Semester : I (satu) SKS : 3 (tiga)

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) PKBM52004 Aplikasi Basis Data PROGRAM STUDI D3 MANAJEMEN INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK LEMBAR PENGESAHAN Rencana Pembelajaran

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.

Lebih terperinci

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI LOGIKA FUZZY Dr. Ade Gafar Abdullah JPTE-UPI Introduction Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH BIOKONTROL

KONTRAK PEMBELAJARAN (KP) MATA KULIAH BIOKONTROL KONTRAK PEMBELAJARAN (KP) MATA KULIAH BIOKONTROL Kode MK: PAB 516 Program Studi / Magister biologi Fakultas Sains dan Matematika Universitas Diponegoro Pengajar / Pengampu : Drs. Mochamad Hadi, M.Si Rully

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) KKKM12007 Teknik Digital PROGRAM STUDI D3 MANAJEMEN INFORMATIKA (MI) FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK LEMBAR PENGESAHAN Rencana Pembelajaran

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis

Lebih terperinci

Fuzzy Associative Memory (FAM) Logika Fuzzy

Fuzzy Associative Memory (FAM) Logika Fuzzy Fuzzy Associative Memory (FAM) Logika Fuzzy 1 Misalkan suatu sistem fuzzy dengan n input dan satu output. Setiap input X 1, X 2,, X n dipartisi menjadi k partisi fuzzy. Maka menggunakan aturan fuzzy IF

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: SISTEM INFORMASI Semester : 7

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: SISTEM INFORMASI Semester : 7 GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: SISTEM INFORMASI Semester : 7 MATA KULIAH : Sistem Pakar KODE MATA KULIAH / SKS : 410103101 / 3 SKS MATA KULIAH PRASYARAT : - DESKRIPSI MATA KULIAH :

Lebih terperinci

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com

Lebih terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Metode Fuzzy. Analisis Keputusan TIP FTP UB Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif

Lebih terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY 1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan

Lebih terperinci

ANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY

ANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY ANALISIS SIMPANG BERSINYAL MENGGUNAKAN LOGIKA FUZZY TUGAS AKHIR SEBAGAI SALAH SATU SYARAT UNTUK MENYELESAIKAN PENDIDIKAN SARJANA TEKNIK DI PROGRAM STUDI TEKNIK SIPIL oleh ACHMAD AFANDI 150 03 006 ALEX

Lebih terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan

Lebih terperinci

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SYIAH KUALA Darussalam, Banda Aceh

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SYIAH KUALA Darussalam, Banda Aceh 08/02/2017 Nama Mata Kuliah : Pemograman Komputer Kode Mata Kuliah : KMM 162 Bobot SKS : 3 (Tiga) Semester : Genap Hari Pertemuan : 1 (pertama) Tempat Pertemuan : Ruang kuliah Koordinator MK : Khairul

Lebih terperinci

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..

DAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah.. DAFTAR ISI Halaman ABSTRAK ABSTRACT KATA PENGANTAR i DAFTAR ISI. iv DAFTAR GAMBAR. viii DAFTAR TABEL. x DAFTAR LAMPIRAN.. xi BAB I PENDAHULUAN 1.1 Latar Belakang dan Rumusan Masalah.. 1 1.1.1 Latar Belakang

Lebih terperinci

Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno

Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno Zaenal Abidin (23515015) Program Studi Magister Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

DAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR...

DAFTAR ISI LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERSEMBAHAN... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN TUGAS AKHIR... ABSTRAK... ABSTRACT... KATA PENGANTAR... BIODATA ALUMNI... DAFTAR ISI... DAFTAR TABEL... DAFTAR

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF23111 Matematika Diskrit

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF23111 Matematika Diskrit RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF23111 Matematika Diskrit PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK LEMBAR PENGESAHAN Rencana Pembelajaran

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

ANALISIS RULE INFERENSI FUZZY MAMDANI DALAM MENENTUKAN IPK AKHIR. Abstrak

ANALISIS RULE INFERENSI FUZZY MAMDANI DALAM MENENTUKAN IPK AKHIR. Abstrak ANALISIS RULE INFERENSI FUZZY MAMDANI DALAM MENENTUKAN IPK AKHIR Khairul Saleh, S. Kom, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika, Fakultas Teknik

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54605 / Kecerdasan Buatan Revisi 2 Satuan Kredit Semester : 3 SKS Tgl revisi : Februari 2014 Jml Jam kuliah dalam seminggu

Lebih terperinci

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani

Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) Mata Kuliah Pemrograman III IF1302

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) Mata Kuliah Pemrograman III IF1302 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) Mata Kuliah Pemrograman III IF1302 SEKOLAH TINGGI TEKNOLOGI INDONESIA TANJUNGPINANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

Lebih terperinci

1.1. Latar Belakang Masalah

1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu aplikasi sistem cerdas yang paling sukses dan masih berkembang saat ini yaitu peramalan beban listrik. Peramalan beban listrik adalah suatu ilmu

Lebih terperinci

ANIMASI KOMPUTER DAN MULTIMEDIA

ANIMASI KOMPUTER DAN MULTIMEDIA RENCANA PEMBELAJARAN SEMESTER (RPS) ANIMASI KOMPUTER DAN MULTIMEDIA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana

Lebih terperinci

BAB III METODOLOGI 3.1. PENDAHULUAN

BAB III METODOLOGI 3.1. PENDAHULUAN BAB III METODOLOGI 3.1. PENDAHULUAN Dalam melakukan studi Tugas Akhir diperlukan metodologi yang akan digunakan agar studi ini dapat berjalan sesuai dengan koridor yang telah direncanakan di awal. Dalam

Lebih terperinci

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer

Lebih terperinci

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRONIKA

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRONIKA Nama Mata Kuliah Kode Mata Kuliah Jumlah SKS : 2 Mata Kuliah Prasyarat : -- Dosen Pengampu Deskripsi Mata Kuliah KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) IKG2A3 PEMOGRAMAN TERSTRUKTUR II Disusun oleh: PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS)

Lebih terperinci

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa

Lebih terperinci

Jurusan Pendidikan Matematika

Jurusan Pendidikan Matematika DESKRIPSI MATA KULIAH : STRUKTUR ALJABAR I KODE MK : MT 400 Mata kuliah ini dimaksudkan agar mahasiswa memahami konsep-konsep struktur aljabar (aljabar modern). Materinya mencakup: aljabar himpunan, pemetaan

Lebih terperinci

Ci Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh:

Ci Crisp Logic. Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Logika Fuzzy 1 Teori Dasar Ci Crisp Logic Crisp logic is concerned with absolutes-true or false, there is no in-between. Contoh: Rule: If the temperature is higher than 80F, it is hot; otherwise, it is

Lebih terperinci

Analisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa Menggunakan Logika Fuzzy

Analisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa Menggunakan Logika Fuzzy Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa

Lebih terperinci

Perbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH:

Perbaikan UTS. Telah ada tugas, merangkum paper, tujuan: Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Perbaikan UTS Telah ada tugas, merangkum paper, tujuan: memperbaiki hasil UTS Apakah tugas tsb telah dikerjakan dengan baik? Contoh yang SALAH: Paper tidak terkait / berbasis WEB Tidak ada unsur kecerdasan

Lebih terperinci

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK 1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,

Lebih terperinci

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015

Fuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa

Lebih terperinci

Rencana Perkuliahan. Kelas : A, B, C, D. SKS/JS : 3/3 : Yus Mochamad Cholily

Rencana Perkuliahan. Kelas : A, B, C, D. SKS/JS : 3/3 : Yus Mochamad Cholily Rencana Perkuliahan Jurusan : Matematika Mata Kuliah : Struktur Aljabar Semester : IV (empat) Kelas : A, B, C, D. SKS/JS : 3/3 Pengajar : Yus Mochamad Cholily 1. Pendahuluan. Struktur Aljabar atau dikenal

Lebih terperinci

SATUAN ACARA PENGAJARAN

SATUAN ACARA PENGAJARAN SATUAN ACARA PENGAJARAN KODE MK : MATA KULIAH : Elektronika Industri SEMESTER : SKS : 2 SKS DESKRIPSI MATA KULIAH : Mata kuliah ini memberikan pengetahuan tentang sistem elektronika, komponen elektronika,

Lebih terperinci

Penerapan Logika Fuzzy Dalam Penjadwalan Waktu Kuliah

Penerapan Logika Fuzzy Dalam Penjadwalan Waktu Kuliah Penerapan Logika Fuzzy Dalam Penjadwalan Waktu Kuliah Setyoningsih Wibowo Program Studi Informatika, Fakultas TEKNIK, Universitas PGRI Semarang Gedung B, Lantai 3, Kampus I Jl. Sidodadi Tmur 24, Semarang

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4G3 REKAYASA APLIKASI INTERNET Disusun oleh: TIM DOSEN REKAYA APLIKASI INTERNET PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN

Lebih terperinci

PERANCANGAN KONTROLER LOGIKA FUZZY UNTUK TRACKING CONTROL PADA ROBOT SUMO

PERANCANGAN KONTROLER LOGIKA FUZZY UNTUK TRACKING CONTROL PADA ROBOT SUMO PERANCANGAN KONTROLER LOGIKA FUZZY UNTUK TRACKING CONTROL PADA ROBOT SUMO STANDAR OPERASI PROSEDUR (S.O.P) Disusun Untuk Memenuhi Syarat Menyelesaikan Pendidikan Diploma III Pada Jurusan Teknik Elektro

Lebih terperinci

PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI

PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI PENERAPAN FUZZY INFERENCE SYSTEM METODE MAMDANI UNTUK PEMILIHAN JURUSAN DI PERGURUAN TINGGI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program

Lebih terperinci