Course Descriptions

Matakuliah ini membahas Fuzzy Inference System yang terdiri proses Fuzzifikasi, aturan Fuzzy (If , Else), Implikasi, Agregasi dan Defuzzikasi,  untuk sistem pendukung keputusan atau untuk sistem kendali.

Learning Outcomes

Diharapkan mahasiswa mampu:

1. Mahasiswa dapat menerapkan Fuzzy Inference System untuk sistem pendukung keputusan atau untuk sistem kendali.
2. Mampu menunjukkan sikap bertanggungjawab atas tugas perkuliahan logika fuzzy.
3. Mahasiswa mampu mengidentifikasi, merumuskan, menganalisis, dan menyelesaikan permasalahan dengan menggunakan metode logika fuzzy.
4. Dapat menerapkan pengetahuan komputasi yang diperlukan untuk menganalisa dan merancang divais atau sistem kompleks.
5. Kemampuan menerapkan keterampilan yang diperoleh dari perkuliahan logika fuzzy dalam kegiatan desain rekayasa.

References

Agus Naba, Belajar Cepat Fuzzy Logic Menggunakan Matlab, 2008

Sri Kusumadewi dan Hari Purnomo, Aplikasi Logika Fuzzy untuk pendukung keputusan, 2004

Thomas Sri Widodo, Bahan Ajar Neuro Fuzzy, 2009

Details ...

Course Descriptions

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 control

Learning Outcomes

Diharapkan mahasiswa mampu:

1. Mahasiswa dapat menerapkan Fuzzy Inference System untuk sistem pendukung keputusan atau untuk sistem kendali.
2. Mampu menunjukkan sikap bertanggungjawab atas tugas perkuliahan logika fuzzy.
3. Mahasiswa mampu mengidentifikasi, merumuskan, menganalisis, dan menyelesaikan permasalahan dengan menggunakan metode logika fuzzy.
4. Dapat menerapkan pengetahuan komputasi yang diperlukan untuk menganalisa dan merancang divais atau sistem kompleks.
5. Kemampuan menerapkan keterampilan yang diperoleh dari perkuliahan logika fuzzy dalam kegiatan desain rekayasa.

References

1. Yan, Jun and Michael Ryan and James Power, 1994, Using Fuzzy Logic : Toward Intelligent Systems. Englewood Cliffs, NJ : Prentice Hall.
2. Klir, George J, 1995, Fuzzy Sets and Fuzzy Logics : Theory and Applications. NJ : Prentice Hall
3. Sugeno, 1985, M. Industrial Applications of Fuzzy Control. North Holland
4. Wang, L-X, 1997, A Course in Fuzzy Systems and Control. International Edition. New Jersey : Prentice-Hall. Inc.
5. 1. S. N. Sivanandam, S. Sumathi and S. N. Deepa, “Introduction to Fuzzy Logic using MATLAB”, 2007

Details ...

Course Descriptions

 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; 

 

Learning Outcomes

Diharapkan mahasiswa mampu:

1. Mahasiswa dapat menerapkan Fuzzy Inference System untuk sistem pendukung keputusan atau untuk sistem kendali.
2. Mampu menunjukkan sikap bertanggungjawab atas tugas perkuliahan logika fuzzy.
3. Mahasiswa mampu mengidentifikasi, merumuskan, menganalisis, dan menyelesaikan permasalahan dengan menggunakan metode logika fuzzy.
4. Dapat menerapkan pengetahuan komputasi yang diperlukan untuk menganalisa dan merancang divais atau sistem kompleks.
5. Kemampuan menerapkan keterampilan yang diperoleh dari perkuliahan logika fuzzy dalam kegiatan desain rekayasa.

References

 

1. Yan, Jun and Michael Ryan and James Power, 1994, Using Fuzzy Logic : Toward Intelligent Systems. Englewood Cliffs, NJ : Prentice Hall.
2. Klir, George J, 1995, Fuzzy Sets and Fuzzy Logics : Theory and Applications. NJ : Prentice Hall
3. Sugeno, 1985, M. Industrial Applications of Fuzzy Control. North Holland
4. Wang, L-X, 1997, A Course in Fuzzy Systems and Control. International Edition. New Jersey : Prentice-Hall. Inc.
5. 1. S. N. Sivanandam, S. Sumathi and S. N. Deepa, “Introduction to Fuzzy Logic using MATLAB”, 2007

Details ...

Course Descriptions

 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; 

Learning Outcomes

Setelah selesai perkuliahan, mahasiswa akan mampu: 1) memahami dasar-dasar logika fuzzy, 2) memahami kapan dan mengapa menggunakan logika fuzzy, 3) memahami dan menggunakan teknik-teknik logika fuzzy untuk menghasilkan solusi problem rekayasa, dan 4) memahami pendekatan implementasi logika fuzzy untuk aplikasi sistem embedded dan kontrol 

References

1. Yan, Jun and Michael Ryan and James Power, 1994, Using Fuzzy Logic : Toward Intelligent Systems. Englewood Cliffs, NJ : Prentice Hall.
2. Klir, George J, 1995, Fuzzy Sets and Fuzzy Logics : Theory and Applications. NJ : Prentice Hall
3. Sugeno, 1985, M. Industrial Applications of Fuzzy Control. North Holland
4. Wang, L-X, 1997, A Course in Fuzzy Systems and Control. International Edition. New Jersey : Prentice-Hall. Inc.
5. 1. S. N. Sivanandam, S. Sumathi and S. N. Deepa, “Introduction to Fuzzy Logic using MATLAB”, 2007

Details ...