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
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 MK: [C4, P3, A3]
Mahasiswa mampu mengaplikasikan konsep logika fuzzy dengan membuat aplikasi menggunakan komputasi matematika baik secara
mandiri maupun kerjasama tim.
I. Capaian Pembelajaran PRODI yang dibebankan pada matakuliah (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).
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
2. Ketepatan menjelaskan
representasi kurva segitiga
3. Ketepatan menjelaskan
representasi kurva trapesium
4. Ketepatan menjelaskan
representasi kurva bentuk baku
5. Ketepatan menjelaskan
representasi kurva-S
6. Ketepatan menjelaskan
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
Minggu Sub CP-MK Indikator Pokok Bahasan
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
Minggu Sub CP-MK Indikator Pokok Bahasan
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
2. Ketepatan menganalisa pendekatan
objektif
3. Ketepatan menganalisa pendekatan
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
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| 8
A
( 1 ) [C1 , A1]
Mampu mengidentifikasikan konsep dasar himpunan fuzzy
Pengantar Dasar Matematika, Struktur Aljabar, Analisis Real, Aljabar Linear
( 7 ) [C4, P3, A3]
Mampu membuat bobot atribut dengan
pendekatan subjektif - objektif
( 8 ) [C4, P3, A3]
Mampu membuat coding untuk
penyelesaian masalah MADM
( 6 ) [C4, P3, A3]
Mampu membuat skema penyelesaian
masalah MADM
( 5 ) [C3, P3, A3]
Mampu memperhitungkan multi-
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)
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.
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)
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);
UNIPA Surabaya| 10
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).
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”]
1. Ketepatan menjelaskan
kajian mata kuliah pada
proses perkuliahan
2. Ketepatan menjelaskan
konsep dasar himpunan
fuzzy
- 0 %
UNIPA Surabaya| 12
Minggu
Ke-
Kemampuan akhir tiap
tahapan belajar (Sub CP-MK)
Materi Pembelajaran
(Pokok bahasan)
[Pustaka]
Metode /
Strategi
Pembelajaran
[Estimasi
Waktu]
Assessment
Indikator Bentuk Bobot
2 [C2, P3, A3]
Mampu menguraikan fungsi
keanggotaan fuzzy.
2. Himpunan Fuzzy
Referensi : 1, 2, 3, 4, 5, 6,
7
Ceramah dan
Tanya Jawab
[TM: 1x3x50”]
[BT : 1x3x50”]
[BM : 1x3x60”]
1. Ketepatan menjelaskan
representasi linear
2. Ketepatan menjelaskan
representasi kurva
segitiga
3. Ketepatan menjelaskan
representasi kurva
trapesium
4. Ketepatan menjelaskan
representasi kurva bentuk
baku
5. Ketepatan menjelaskan
representasi kurva-S
6. Ketepatan menjelaskan
representasi kurva bentuk
lonceng (bell curve)
Tes
Tulis
5 %
3 [C3, P3, A3]
Mampu menunjukkan
operator-operator fuzzy.
3. Operator-operator
Fuzzy
Referensi : 1, 3, 6, 7
Ceramah dan
Tanya Jawab
[TM: 1x3x50”]
[BT : 1x3x50”]
[BM : 1x3x60”]
1. Ketepatan menggunakan
operator-operator dasar
zadeh
2. Ketepatan menggunakan
properti himpunan fuzzy
Tes
Tulis
5 %
UNIPA Surabaya| 13
Minggu
Ke-
Kemampuan akhir tiap
tahapan belajar (Sub CP-MK)
Materi Pembelajaran
(Pokok bahasan)
[Pustaka]
Metode /
Strategi
Pembelajaran
[Estimasi
Waktu]
Assessment
Indikator Bentuk Bobot
3. Ketepatan menggunakan
operator-operator
alternatif
4. Ketepatan menggunakan
operator HEDGE secara
linguistik
5. Ketepatan menggunakan
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”]
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
Tes
Tulis
5 %
UNIPA Surabaya| 14
Minggu
Ke-
Kemampuan akhir tiap
tahapan belajar (Sub CP-MK)
Materi Pembelajaran
(Pokok bahasan)
[Pustaka]
Metode /
Strategi
Pembelajaran
[Estimasi
Waktu]
Assessment
Indikator Bentuk Bobot
6 - 7 [C3, P3, A3]
Mampu memperhitungkan
multi-attribute decision
making.
5. Multi-Attribute
Decision Making
(MADM)
Referensi : 1, 4, 6, 7
Ceramah dan
Tanya Jawab
[TM: 2x3x50”]
[BT : 2x3x50”]
[BM : 2x3x60”]
1. Ketepatan menguraikan
konsep multiple criteria
decision making
2. Ketepatan menguraikan
konsep dasar multi
attribute decision making
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)
2. Ketepatan merancang
Weighted Product (WP)
3. Ketepatan merancang
ELECTRE
4. Ketepatan merancang
TOPSIS
5. Ketepatan merancang
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-
Kemampuan akhir tiap
tahapan belajar (Sub CP-MK)
Materi Pembelajaran
(Pokok bahasan)
[Pustaka]
Metode /
Strategi
Pembelajaran
[Estimasi
Waktu]
Assessment
Indikator Bentuk Bobot
Mampu membuat bobot
atribut dengan pendekatan
subjektif - objektif.
Pendekatan Subjektif
– Objektif
Referensi : 1, 4, 6, 7
[TM: 1x3x50”]
[BT : 1x3x50”]
[BM : 1x3x60”]
2. Ketepatan menganalisa
pendekatan objektif
3. Ketepatan menganalisa
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
untuk penyelesaian masalah
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.
2. Sri Rahmawati Fitriatien, S.Pd., M.Si.
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)
No Sikap / Aspek yang
Dinilai
Nama
Kelompok
Nilai
Kualitatif
Nilai
Kuantitatif
Penilaian Individu Mahasiswa
1 Berani
mengemukakan
pendapat
UNIPA Surabaya | 19
No Sikap / Aspek yang
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)
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 MK : [C4, P3, A3]
Mahasiswa mampu mengaplikasikan konsep logika fuzzy dengan membuat aplikasi menggunakan komputasi matematika baik secara
mandiri maupun kerjasama tim.
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.
1. Konsep Dasar Himpunan Fuzzy
Referensi : 1, 2, 3, 6
- %
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
Ke- Sub CP-MK Pokok Bahasan
Butir Soal Evaluasi Bentuk
Test/Non Tes Bobot Kognitif Psikomotor Afektif
C2 C3 C4 P3 A2 A3
Mampu
menunjukkan
operator-operator
fuzzy.
Referensi : 1, 3, 6, 7
4 - 5 [C3, P3, A3]
Mampu menghitung
relasi preferensi
fuzzy.
4. 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)
Referensi : 1, 4, 6, 7
√
√
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
pendekatan subjektif
- objektif.
7. Penentuan Bobot Atribut
dengan Pendekatan Subjektif –
Objektif
Referensi : 1, 4, 6, 7
√
√
√
Tes Tulis 10 %
UNIPA Surabaya | 22
Minggu
Ke- Sub CP-MK Pokok Bahasan
Butir Soal Evaluasi Bentuk
Test/Non Tes Bobot Kognitif Psikomotor Afektif
C2 C3 C4 P3 A2 A3
15 [C4, P3, A3]
Mampu membuat
coding untuk
penyelesaian masalah
MADM.
8. Coding untuk Penyelesaian
Masalah MADM
Referensi : 2
√
√
√
Projek Mini 30 %
UNIPA Surabaya | 23
7 Contoh Tes Uraian
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.
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
THEN Produksi Barang BERKURANG;
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang BERTAMBAH;
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang BERTAMBAH;
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
Kita bisa mencari nilai keanggotaan:
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:
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang BERKURANG;
-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
[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang BERKURANG;
-predikat2 = PmtTURUN PsdSEDIKIT
= min(PmtTURUN [4000],PsdSEDIKIT[300])
= min(0,25; 0,6)
= 0,25
Lihat himpunan Produksi Barang BERKURANG,
(7000-z)/5000 = 0,25 ---> z2 = 5750
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang BERTAMBAH;
-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
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang BERTAMBAH;
-predikat4 = PmtNAIK PsdBANYAK
= min(PmtNAIK [4000],PsdSEDIKIT[300])
= min(0,75; 0,6)
= 0,6
Lihat himpunan Produksi Barang BERTAMBAH,
(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.
Contoh Soal Uraian :
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 menunjukkan tabel karyawan berdasarkan umur dengan derajat keanggotannya
pada setiap himpunan.
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 menunjukkan tabel karyawan berdasarkan umur dengan derajat keanggotannya
pada setiap himpunan.
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.
Tabel 8 Hasil Query3.
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.
Tabel 9 Hasil Query4.
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]
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
THEN Produksi Barang BERKURANG;
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang BERTAMBAH;
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang BERTAMBAH;
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
No Komponen Penilaian Skor
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
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
No Komponen Penilaian Skor
600y,1
600y100,500
100y100y,0
]y[PsdBANYAK
Kita bisa mencari nilai keanggotaan:
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:
[R1] IF Permintaan TURUN And Persediaan BANYAK
THEN Produksi Barang BERKURANG;
-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
No Komponen Penilaian Skor
Lihat himpunan Produksi Barang BERKURANG,
(7000-z)/5000 = 0,25 ---> z1 = 5750
[R2] IF Permintaan TURUN And Persediaan SEDIKIT
THEN Produksi Barang BERKURANG;
-predikat2 = PmtTURUN PsdSEDIKIT
= min(PmtTURUN [4000],PsdSEDIKIT[300])
= min(0,25; 0,6)
= 0,25
Lihat himpunan Produksi Barang BERKURANG,
(7000-z)/5000 = 0,25 ---> z2 = 5750
[R3] IF Permintaan NAIK And Persediaan BANYAK
THEN Produksi Barang BERTAMBAH;
-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
[R4] IF Permintaan NAIK And Persediaan SEDIKIT
THEN Produksi Barang BERTAMBAH;
-predikat4 = PmtNAIK PsdBANYAK
= min(PmtNAIK [4000],PsdSEDIKIT[300])
= min(0,75; 0,6)
= 0,6
Lihat himpunan Produksi Barang BERTAMBAH,
(z-2000)/5000 = 0,6 ---> z4 = 5000
5 Dari sini kita dapat mencari berapakah nilai z, yaitu:
20
UNIPA Surabaya | 41
No Komponen Penilaian Skor
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)
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.
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
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
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)
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.
Waktu pertemuan : 1 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C2, P3, A3]
Mampu menguraikan fungsi keanggotaan fuzzy.
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke-2 : Kuliah
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
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
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
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
Tanya jawab berkaitan
dengan materi di
pertemuan ke-2.
Menyimpulkan materi
kuliah pertemuan ke-2.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi di
pertemuan ke-3.
Pemberian tugas tertulis
secara individu.
Diskusi dan tanya jawab
berkaitan dengan materi
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
Satuan Acara Pembelajaran (SAP)
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.
Waktu pertemuan : 1 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C3, P3, A3]
Mampu menunjukkan operator-operator fuzzy.
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke-3 : Kuliah
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Pendahuluan
Mengulas kembali
(review) secara singkat
materi pertemuan ke-2.
Memberikan gambaran
umum materi perkuliahan
dan tujuan dari
pembelajaran pertemuan
ke-3.
Memberikan respon dan
jawaban berkaitan
dengan review dari
dosen.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-3 secara
garis besarnya.
Tes Tertulis
Inti Penyajian
Menjelaskan materi
mengenai operator-
operator fuzzy.
Memberikan contoh soal
mengenai operator-
operator fuzzy.
Memberikan latihan soal
mengenai operator-
operator fuzzy.
Membahas latihan soal.
Menyimak dan
memperhatikan materi
operator-operator fuzzy.
Berdiskusi dan
mengerjakan soal latihan
yang diberikan dosen.
Memperhatikan jawaban
soal latihan yang
diberikan.
UNIPA Surabaya | 47
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Penutup
Tanya jawab berkaitan
dengan materi di
pertemuan ke-3.
Menyimpulkan materi
kuliah pertemuan ke-3.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi di
pertemuan ke-4.
Pemberian tugas rumah
secara individu.
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-3
Mencatat kesimpulan
materi kuliah pertemuan
ke-3, sekaligus mencatat
bahan ajar yang perlu
disiapkan untuk
pembahasan materi
pertemuan ke-4.
Menuliskan soal tugas
yang diberikan.
UNIPA Surabaya | 48
Satuan Acara Pembelajaran (SAP)
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.
Waktu pertemuan : 2 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C3, P3, A3]
Mampu menghitung relasi preferensi fuzzy.
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke - 4 s/d 5 : Kuliah
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Pendahuluan
Pertemuan Ke - 4 :
Mengulas kembali
(review) secara singkat
materi pertemuan ke-3.
Memberikan gambaran
umum materi perkuliahan
dan tujuan dari
pembelajaran pertemuan
ke-4.
Pertemuan Ke - 5 :
Mengulas kembali
(review) secara singkat
pertemuan ke-4
Memberikan gambaran
umum materi lanjutan
dari pertemuan
sebelumnya
Pertemuan Ke - 4 :
Memberikan respon dan
jawaban berkaitan
dengan review dari
dosen.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-4 secara
garis besarnya.
Pertemuan Ke - 5 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-4
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-5 secara
garis besarnya.
Tes Tertulis
UNIPA Surabaya | 49
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Inti Penyajian
Pertemuan 4 :
Menjelaskan materi
tentang relasi preferensi
fuzzy
Memberikan latihan soal
terkait materi yang
dijelaskan
Pertemuan Ke - 5 :
Menjelaskan materi
tentang relasi preferensi
fuzzy (lanjutan)
Memberikan latihan soal
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 :
Menyimak dan mencatat
materi tentang relasi
preferensi fuzzy
(lanjutan)
Memperhatikan
pembahasan soal latihan
materi relasi preferensi
fuzzy
UNIPA Surabaya | 50
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Penutup
Pertemuan Ke - 4 :
Tanya jawab berkaitan
dengan materi di
pertemuan ke-4.
Menyimpulkan materi
kuliah pertemuan ke-4.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi di
pertemuan ke-5.
Pemberian latihan soal
sebagai latihan di rumah
secara individu
Pertemuan Ke – 5 :
Tanya jawab berkaitan
dengan materi di
pertemuan ke-5
Menyimpulkan materi
perkuliahan pertemuan
ke-5
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi di
pertemuan ke-6
Memberikan tugas tertulis
sebagai latihan
kemampuan
menyelesaikan relasi
preferensi fuzzy
Pertemuan Ke – 4 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-4
Mencatat kesimpulan
materi kuliah pertemuan
ke-4, sekaligus mencatat
bahan ajar yang perlu
disiapkan untuk
pembahasan materi
pertemuan ke-5.
Menuliskan soal latihan
yang diberikan
Pertemuan Ke – 5 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-5
Mencata kesimpulan
materi kuliah pertemuan
ke-5, sekaligus mencatat
bahan ajar yang perlu
disiapkan untuk
pembahasan materi
pertemuan ke-6
Menuliskan soal latihan
sebagai tugas individu
UNIPA Surabaya | 51
Satuan Acara Pembelajaran (SAP)
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.
Waktu pertemuan : 2 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C3, P3, A3]
Mampu memperhitungkan multi-attribute decision
making
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke – 6 s/d 7 : Kuliah
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Pendahuluan
Pertemuan Ke - 6:
Memberikan gambaran
umum materi perkuliahan
dan tujuan dari
pembelajaran pertemuan
ke-6.
Pertemuan Ke - 7 :
Mengulas kembali
(review) secara singkat
pertemuan ke-6.
Memberikan gambaran
umum materi pertemuan
ke-7 sebagai lanjutan dari
pertemuan ke-6.
Pertemuan Ke – 6 :
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-6 secara
garis besarnya.
Pertemuan Ke - 7 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-6.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-7 secara
garis besarnya.
Tes Tertulis
UNIPA Surabaya | 52
Inti Penyajian
Pertemuan 6 :
Menjelaskan materi
tentang multi-attribute
decision making.
Menjelaskan langkah-
langkah penyelesaian
multi-attribute decision
making.
Memberikan contoh
penyelesaian masalah
multi-attribute decision
making.
Memberikan soal latihan
kepada mahasiswa
tentang multi-attribute
decision making.
Membahas dan
menjelaskan jawaban dari
mahasiswa dalam
menyelesaikan masalah
multi-attribute decision
making.
Pertemuan Ke - 7 :
Menjelaskan materi
lanjutan tentang
penyelesaian multi-
attribute decision
making (lanjutan).
Memberikan contoh
penyelesaian masalah
multi-attribute decision
making (lanjutan).
Memberikan soal latihan
kepada mahasiswa
tentang multi-attribute
decision making
(lanjutan).
Memberikan kesempatan
kepada mahasiswa untuk
memaparkan hasil diskusi
soal latihan multi-
attribute decision
making (lanjutan).
Pertemuan 6 :
Menyimak dan mencatat
materi multi-attribute
decision making.
Memperhatikan langkah-
langkah multi-attribute
decision making.
Berdiskusi dengan teman
membahas penyelesaian
multi-attribute decision
making.
Berdiskusi dengan teman
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 :
Menyimak dan mencatat
langkah-langkah
penyelesaian masalah
multi-attribute decision
making (lanjutan).
Memperhatikan proses
penyelesaian multi-
attribute decision
making (lanjutan).
Berdiskusi dengan teman
membahas penyelesaian
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
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Membahas hasil
penyelesaian soal latihan
dengan berdiskusi dan
tanya jawab.
latihan multi-attribute
decision making
(lanjutan).
Penutup
Pertemuan Ke - 6 :
Tanya jawab berkaitan
dengan materi di
pertemuan ke-6.
Menyimpulkan materi
kuliah pertemuan ke-6.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi di
pertemuan ke-7.
Pemberian latihan soal
secara individu sebagai
tugas mandiri.
Pertemuan Ke – 7 :
Tanya jawab berkaitan
dengan materi di
pertemuan ke-7.
Menyimpulkan materi
perkuliahan pertemuan
ke-7.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk UTS.
Pertemuan Ke – 6 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-6.
Mencatat kesimpulan
materi kuliah pertemuan
ke-6, sekaligus mencatat
bahan ajar yang perlu
disiapkan untuk
pembahasan materi
pertemuan ke-7.
Menuliskan soal latihan
yang diberikan.
Pertemuan Ke – 7 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-7.
Mencata kesimpulan
materi kuliah pertemuan
ke-7, sekaligus mencatat
materi kisi-kisi untk
UTS.
UNIPA Surabaya | 54
Satuan Acara Pembelajaran (SAP)
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.
Waktu pertemuan : 5 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C4, P3, A3]
Mampu membuat skema penyelesaian masalah MADM.
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke-9 s/d Ke-13 : Kuliah
UNIPA Surabaya | 55
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
UNIPA Surabaya | 56
Pendahuluan
Pertemuan Ke - 9:
Memberikan gambaran
umum materi perkuliahan
dan tujuan dari
pembelajaran pertemuan
ke-9.
Pertemuan Ke - 10 :
Mengulas kembali
(review) secara singkat
pertemuan ke-9.
Memberikan gambaran
umum materi pertemuan
ke-10 sebagai lanjutan
dari pertemuan ke-9.
Pertemuan Ke - 11 :
Mengulas kembali
(review) secara singkat
pertemuan ke-10.
Memberikan gambaran
umum materi pertemuan
ke-11 sebagai lanjutan
dari pertemuan ke-10.
Pertemuan Ke - 12 :
Mengulas kembali
(review) secara singkat
pertemuan ke-11.
Memberikan gambaran
umum materi pertemuan
ke-12 sebagai lanjutan
dari pertemuan ke-11.
Pertemuan Ke - 13 :
Mengulas kembali
(review) secara singkat
pertemuan ke-12.
Pertemuan Ke – 9 :
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-9 secara
garis besarnya.
Pertemuan Ke - 10 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-9.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-10 secara
garis besarnya.
Pertemuan Ke - 11 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-10.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-11 secara
garis besarnya.
Pertemuan Ke - 12 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-11.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-12 secara
garis besarnya.
Pertemuan Ke - 13 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-12.
Tes Tertulis
UNIPA Surabaya | 57
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Memberikan gambaran
umum materi pertemuan
ke-13 sebagai lanjutan
dari pertemuan ke-13.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-13 secara
garis besarnya.
UNIPA Surabaya | 58
Inti Penyajian
Pertemuan 9 :
Menjelaskan materi
tentang metode-metode
penyelesaian masalah
MADM.
Menjelaskan langkah-
langkah penyelesaian
metode-metode
penyelesaian masalah
MADM.
Memberikan contoh
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM.
Memberikan soal latihan
kepada mahasiswa
tentang metode-metode
penyelesaian masalah
MADM.
Membahas dan
menjelaskan jawaban dari
mahasiswa dalam
menyelesaikan masalah
metode-metode
penyelesaian masalah
MADM.
Pertemuan Ke - 10 :
Menjelaskan materi
lanjutan tentang metode-
metode penyelesaian
masalah MADM
(lanjutan).
Memberikan contoh
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memberikan soal latihan
kepada mahasiswa
tentang metode-metode
penyelesaian masalah
MADM (lanjutan).
Pertemuan 9 :
Menyimak dan mencatat
materi metode-metode
penyelesaian masalah
MADM.
Memperhatikan langkah-
langkah metode
penyelesaian masalah
MADM.
Berdiskusi dengan teman
membahas penyelesaian
multi-attribute decision
making.
Berdiskusi dengan teman
guna menyelesaikan
metode-metode
penyelesaian masalah
MADM.
Berdiskusi dan tanya
jawab dengan dosen pada
saat dosen membahas
jawaban latihan soal
masalah metode-
metode penyelesaian
masalah MADM.
Pertemuan Ke - 10 :
Menyimak dan mencatat
langkah-langkah
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memperhatikan proses
penyelesaian metode-
metode penyelesaian
masalah MADM
(lanjutan).
Berdiskusi dengan teman
membahas penyelesaian
masalah metode-
metode penyelesaian
UNIPA Surabaya | 59
Memberikan kesempatan
kepada mahasiswa untuk
memaparkan hasil diskusi
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Membahas hasil
penyelesaian soal latihan
dengan berdiskusi dan
tanya jawab.
Pertemuan Ke - 11 :
Menjelaskan materi
lanjutan tentang metode-
metode penyelesaian
masalah MADM
(lanjutan).
Memberikan contoh
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memberikan soal latihan
kepada mahasiswa
tentang metode-metode
penyelesaian masalah
MADM (lanjutan).
Memberikan kesempatan
kepada mahasiswa untuk
memaparkan hasil diskusi
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Membahas hasil
penyelesaian soal latihan
dengan berdiskusi dan
tanya jawab.
masalah MADM
(lanjutan).
Mahasiswa memaparkan
jawaban penyelesaian
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Tanya jawab antara
mahasiswa dengan dosen
dalam pembahasan soal
latihan metode-metode
penyelesaian masalah
MADM (lanjutan).
Pertemuan Ke - 11 :
Menyimak dan mencatat
langkah-langkah
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memperhatikan proses
penyelesaian metode-
metode penyelesaian
masalah MADM
(lanjutan).
Berdiskusi dengan teman
membahas penyelesaian
masalah metode-
metode penyelesaian
masalah MADM
(lanjutan).
Mahasiswa memaparkan
jawaban penyelesaian
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Tanya jawab antara
mahasiswa dengan dosen
dalam pembahasan soal
latihan metode-metode
penyelesaian masalah
MADM (lanjutan).
UNIPA Surabaya | 60
Pertemuan Ke - 12 :
Menjelaskan materi
lanjutan tentang metode-
metode penyelesaian
masalah MADM
(lanjutan).
Memberikan contoh
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memberikan soal latihan
kepada mahasiswa
tentang metode-metode
penyelesaian masalah
MADM (lanjutan).
Memberikan kesempatan
kepada mahasiswa untuk
memaparkan hasil diskusi
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Membahas hasil
penyelesaian soal latihan
dengan berdiskusi dan
tanya jawab.
Pertemuan Ke - 13 :
Menjelaskan materi
lanjutan tentang metode-
metode penyelesaian
masalah MADM
(lanjutan).
Memberikan contoh
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memberikan soal latihan
kepada mahasiswa
tentang metode-metode
Pertemuan Ke - 12 :
Menyimak dan mencatat
langkah-langkah
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memperhatikan proses
penyelesaian metode-
metode penyelesaian
masalah MADM
(lanjutan).
Berdiskusi dengan teman
membahas penyelesaian
masalah metode-
metode penyelesaian
masalah MADM
(lanjutan).
Mahasiswa memaparkan
jawaban penyelesaian
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Tanya jawab antara
mahasiswa dengan dosen
dalam pembahasan soal
latihan metode-metode
penyelesaian masalah
MADM (lanjutan).
Pertemuan Ke - 13 :
Menyimak dan mencatat
langkah-langkah
penyelesaian masalah
metode-metode
penyelesaian masalah
MADM (lanjutan).
Memperhatikan proses
penyelesaian metode-
metode penyelesaian
masalah MADM
(lanjutan).
Berdiskusi dengan teman
membahas penyelesaian
masalah metode-
UNIPA Surabaya | 61
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
penyelesaian masalah
MADM (lanjutan).
Memberikan kesempatan
kepada mahasiswa untuk
memaparkan hasil diskusi
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Membahas hasil
penyelesaian soal latihan
dengan berdiskusi dan
tanya jawab.
metode penyelesaian
masalah MADM
(lanjutan).
Mahasiswa memaparkan
jawaban penyelesaian
soal latihan metode-
metode penyelesaian
masalah MADM
(lanjutan).
Tanya jawab antara
mahasiswa dengan dosen
dalam pembahasan soal
latihan metode-metode
penyelesaian masalah
MADM (lanjutan).
UNIPA Surabaya | 62
Penutup
Pertemuan Ke - 9 :
Tanya jawab berkaitan
dengan materi di
pertemuan ke-9.
Menyimpulkan materi
kuliah pertemuan ke-9.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi
di pertemuan ke-10.
Pemberian latihan soal
secara individu sebagai
tugas mandiri.
Pertemuan Ke – 10:
Tanya jawab berkaitan
dengan materi di
pertemuan ke-10.
Menyimpulkan materi
perkuliahan pertemuan
ke-10.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi
di pertemuan ke-11.
Pemberian latihan soal
secara individu sebagai
tugas mandiri.
Pertemuan Ke – 11:
Tanya jawab berkaitan
dengan materi di
pertemuan ke-11.
Menyimpulkan materi
perkuliahan pertemuan
ke-11.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi
di pertemuan ke-12.
Pemberian latihan soal
secara individu sebagai
tugas mandiri.
Pertemuan Ke – 9 :
Diskusi dan tanya
jawab berkaitan dengan
materi yang telah
dibahas di pertemuan
ke-9.
Mencatat kesimpulan
materi kuliah
pertemuan ke-9,
sekaligus mencatat
bahan ajar yang perlu
disiapkan untuk
pembahasan materi
pertemuan ke-10.
Menuliskan soal latihan
yang diberikan.
Pertemuan Ke – 10 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-10.
Mencatat kesimpulan
materi kuliah pertemuan
ke-10, sekaligus
mencatat bahan ajar yang
perlu disiapkan untuk
pembahasan materi
pertemuan ke-11.
Menuliskan soal latihan
yang diberikan.
Pertemuan Ke – 11 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-11.
Mencatat kesimpulan
materi kuliah pertemuan
ke-11, sekaligus
mencatat bahan ajar yang
perlu disiapkan untuk
pembahasan materi
pertemuan ke-12.
Menuliskan soal latihan
yang diberikan.
UNIPA Surabaya | 63
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Pertemuan Ke – 12:
Tanya jawab berkaitan
dengan materi di
pertemuan ke-12.
Menyimpulkan materi
perkuliahan pertemuan
ke-12.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi
di pertemuan ke-13.
Pemberian latihan soal
secara individu sebagai
tugas mandiri.
Pertemuan Ke – 13:
Tanya jawab berkaitan
dengan materi di
pertemuan ke-13.
Menyimpulkan materi
perkuliahan pertemuan
ke-13.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi
di pertemuan ke-14.
Pemberian latihan soal
secara individu sebagai
tugas mandiri.
Pertemuan Ke – 12:
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-12.
Mencatat kesimpulan
materi kuliah pertemuan
ke-12, sekaligus
mencatat bahan ajar yang
perlu disiapkan untuk
pembahasan materi
pertemuan ke-12.
Menuliskan soal latihan
yang diberikan.
Pertemuan Ke – 13:
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-13.
Mencatat kesimpulan
materi kuliah pertemuan
ke-13, sekaligus
mencatat bahan ajar yang
perlu disiapkan untuk
pembahasan materi
pertemuan ke-14.
Menuliskan soal latihan
yang diberikan.
UNIPA Surabaya | 64
Satuan Acara Pembelajaran (SAP)
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.
Waktu pertemuan : 1 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C4, P3, A3]
Mampu membuat bobot stribut dengan pendekatan
subjektif - objektif.
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke - 14 : Kuliah
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Pendahuluan
Pertemuan Ke - 14 :
Mengulas kembali
(review) secara singkat
pertemuan ke-13.
Memberikan gambaran
umum materi pertemuan
ke-14 sebagai lanjutan
dari pertemuan ke-13.
Pertemuan Ke - 14 :
Memberikan respon dan
jawaban berkaitan
dengan review pertemuan
ke-13.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-14 secara
garis besarnya.
Tes Tertulis
UNIPA Surabaya | 65
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Inti Penyajian
Pertemuan Ke - 14 :
Menjelaskan materi tentang
penyelesaian masalah
penentuan bobot atribut
dengan pendekatan
subjektif - objektif.
Menjelaskan langkah-
langkah penentuan bobot
atribut dengan pendekatan
subjektif - objektif.
Memberikan contoh
penyelesaian penentuan
bobot atribut dengan
pendekatan subjektif -
objektif.
Pertemuan Ke - 14 :
Menyimak dan
mencatat penyelesaian
penentuan bobot atribut
dengan pendekatan
subjektif - objektif.
Memperhatikan
penjelasan dosen terkait
langkah-langkah proses
penentuan bobot atribut
dengan pendekatan
subjektif - objektif.
Memperhatikan proses
penyelesaian
penentuan bobot atribut
dengan pendekatan
subjektif - objektif.
Penutup
Pertemuan Ke – 14 :
Tanya jawab berkaitan
dengan materi di
pertemuan ke-14.
Menyimpulkan materi
perkuliahan pertemuan
ke-14.
Menyiapkan mahasiswa
berkaitan dengan
keperluan untuk materi di
pertemuan ke-15.
Memberikan tugas
tertulis.
Pertemuan Ke – 14 :
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-14.
Mencata kesimpulan
materi kuliah pertemuan
ke-14, sekaligus
mencatat bahan ajar yang
perlu disiapkan untuk
pembahasan materi
pertemuan ke-15.
Menuliskan soal latihan
sebagai tugas mandiri.
UNIPA Surabaya | 66
Satuan Acara Pembelajaran (SAP)
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.
Waktu pertemuan : 1 x 50 menit
Jumlah Pertemuan : 16 Pertemuan
Sub CP –MK : [C4, P3, A3]
Mampu membuat coding untuk penyelesaian masalah
MADM.
Metode Pembelajaran : Ceramah, Tanya Jawab
Pertemuan Ke-15 : Kuliah
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Pendahuluan
Mengulas kembali
(review) secara singkat
materi pertemuan ke-14.
Memberikan gambaran
umum materi perkualihan
dan tujuan dari
pembelajaran pertemuan
ke-15.
Memberikan respon dan
jawaban berkaitan
dengan review dari
dosen.
Menyimak ulasan dari
dosen dan mencatat
gambaran umum &
tujuan pembelajaran
pertemuan ke-15 secara
garis besarnya.
Projek Mini
UNIPA Surabaya | 67
Tahap
Pembelajaran Aktivitas Dosen Kegiatan Pembelajar
Mahasiswa Assessment
1 2 3 4
Inti Penyajian
Menjelaskan cara
membuat coding untuk
penyelesaian masalah
MADM.
Menjelaskan langkah-
langkah membuat cara
membuat coding untuk
penyelesaian masalah
MADM.
Memberikan kasus projek
mini membuat skema
membuat coding untuk
penyelesaian masalah
MADM.
Menyimak dan
memperhatikan materi
cara membuat coding
untuk penyelesaian
masalah MADM.
Memperhatikan langkah-
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
Tanya jawab berkaitan
dengan materi di
pertemuan ke-15.
Menyimpulkan materi
kuliah pertemuan ke-15.
Memberikan arahan
untuk pengumpulan
projek mini serta
mempersiapkan
mahasiswa untuk kisi-kisi
UAS.
Diskusi dan tanya jawab
berkaitan dengan materi
yang telah dibahas di
pertemuan ke-15.
Mencatat kesimpulan
materi kuliah pertemuan
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
Dosen : 1. Drs. Prayogo, M.Kom.
2. Sri Rahmawati Fitriatien, S.Pd., M.Si.
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]
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 | 71
A
( 1 ) [C1 , A1]
Mampu mengidentifikasikan konsep dasar himpunan fuzzy
Pengantar Dasar Matematika, Struktur Aljabar, Analisis Real, Aljabar Linear
( 7 ) [C4, P3, A3]
Mampu membuat bobot atribut dengan
pendekatan subjektif - objektif
( 8 ) [C4, P3, A3]
Mampu membuat coding untuk
penyelesaian masalah MADM
( 6 ) [C4, P3, A3]
Mampu membuat skema penyelesaian
masalah MADM
( 5 ) [C3, P3, A3]
Mampu memperhitungkan multi-
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 | 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
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.
1. Konsep Dasar Himpunan Fuzzy
Referensi : 1, 2, 3, 6
- %
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
Referensi : 1, 3, 6, 7
√
√
Tes Tulis 5 %
4 - 5 [C3, P3, A3]
Mampu menghitung
relasi preferensi
fuzzy.
4. 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)
Referensi : 1, 4, 6, 7
√
√
Tes Tulis 5 %
UNIPA Surabaya | 75
Minggu
Ke- Sub CP-MK Pokok Bahasan
Butir Soal Evaluasi Bentuk
Test/Non Tes Bobot Kognitif Psikomotor Afektif
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
bobot atribut dengan
pendekatan subjektif
- objektif.
7. Penentuan Bobot Atribut
dengan Pendekatan Subjektif –
Objektif
Referensi : 1, 4, 6, 7
√
√
√
Tes Tulis 10 %
15 [C4, P3, A3]
Mampu membuat
coding untuk
penyelesaian masalah
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]
Mampu menguraikan fungsi
keanggotaan fuzzy.
2 Himpunan Fuzzy
Referensi : 1, 2, 3, 4, 5, 6,
7
3 Minggu Ke-3 [C3, P3, A3]
Mampu menunjukkan
operator-operator fuzzy.
3 Operator-operator Fuzzy
Referensi : 1, 3, 6, 7
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
multi-attribute decision
making.
5 Multi-Attribute Decision Making (MADM)
Referensi : 1, 4, 6, 7
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
7 Minggu Ke-14 [C4, P3, A3]
Mampu membuat bobot
atribut dengan pendekatan
subjektif - objektif.
7 Penentuan Bobot Atribut dengan
Pendekatan Subjektif – Objektif
Referensi : 1, 4, 6, 7
UNIPA Surabaya | 78
No. Tanggal CP-MK Pokok Bahasan Pustaka
8 Minggu Ke-15 [C4, P3, A3]
Mampu membuat coding
untuk penyelesaian masalah
MADM.
8 Coding untuk Penyelesaian Masalah
MADM
Referensi : 2
Evaluasi Akhir Semester (EAS)
UNIPA Surabaya| 79