GARIS BESAR PROGRAM PENGAJARAN

RENCANA PEMBELAJARAN SEMESTER GENAP 2016/2017
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
UNIVERSITAS ESA UNGGUL
Mata kuliah
Mata kuliah prasyarat
Dosen Pengampu
: Logika Matematika
:
: Dr. Marzuki SIlalahi, MT.
Alokasi Waktu
Deskripsi Ringkas
: Tatap muka 150 menit
:
Kode MK
Bobot MK
Kode Dosen
:
:
:
CIL301
3 SKS
5543
Logika Matematika merupakan bagian dari matematika menyelidiki aplikasi-aplikasi dari
logika formal ke matematika, meliputi studi kemampuan bersifat ekspresi dari sistem
formal dan kemampuan deduktif dari sistem pembuktian formal. Logika dibutuhkan
karena merupakan basis matematika dari software, logika digunakan untuk memformulasi
semantik bahasa-bahasa pemograman dan spesifikasi dari program-program dan
memverifikasi kebenaran program-program. Logika membentuk keabsahan metodemetode memberi alasan (reasoning). Logika Matematika ini meliputi bidang teori
himpunan, teori model, teori rekursif, dan teori pembuktian. Logika Matematika ini
menggunakan konsep logika Crisp dan Logika Fuzzy.
Capaian Pembelajaran
: 1.
2.
Buku Acuan
:
RPS CIL301 - LOGIKA MATEMATIKA
Mahasiswa mampu memahami konsep logika crisp dalam memahami kebenaran sistem
pemograman.
Mahasiswa mampu memahami konsep logika fuzzy dalam memahami kebenaran sistem
pemograman.
1.
2.
3.
4.
5.
6.
7.
Soedaryanto ; Kalkulus , Grasindo Jakarta 1998.
Andri Kristanto : Algoritma dan Pemrograman, Graha Ilmu Yogyakarta, 2003
Setiadji : Logika Informatika, Graha Ilmu Yogyakarta, 2007
Samuel Wibisono: Matematika Diskrit, Graha Ilmu Yogyakarta, 2004.
Sumarna : Elektronika Digital, Graha Ilmu Yogyakarta, 2006.
Sri Kusumadewi, Hari Purnomo : Logika Fuzzy, Graha Ilmu Yogyakarta, 2004.
Witala,.Stephen A : Discrete Mathematics A Unified Approach, McGraw Hill Int., Singapore,
1987
8. George J. Klir, Ute H.St. Clair, Bo Yuan : Fuzzy Set Teory, Prince Hall Internationl, Inc.New
halaman 1 dari 9
Jersay, 1997
9. Frans Susilo, SJ ; Himpunan dan Logika Kabur, Graha Ilmu Yogyakarta, 2006.
10. J. R. Shoenfield, Mathematical logic. Addison-Wesley Publishing Co., 2001.
Timothy J. Ross, Fuzzy Logic with engineering application, second edition, John Wiley and
Sons Ltd, England, 2004
11. H. J. Zimmermann, Advanced Review: Fuzzy Set Theory, John Wiley & Sons, Inc., Volume 2,
2010
SESI
1
2
KEMAMPUAN
AKHIR
Mahasiswa mampu
memahami mengenai
Penalaran Matematika
Mahasiswa mampu
memahami Sistim
Aksioma
MATERI
PEMBELAJARAN
Pengantar Logika,
Penalaran
Matematika:Metode
Induktif, Metode
Deduktif
Sistem Aksioma: tak
terdefenisi, terdefenisi,
Aksioma, Teorema
BENTUK
PEMBELAJARAN
SUMBER
PEMBELAJAR
AN
 Dosen menjelaskan 1 : bab 6
materi
7 : bab 2
 Latihan Pemecahan
Mahasiswa mampu
bernalar/berpikir Kreatif
Proses berpikir kreatif
Soal
Penalaran.
penalaran.
 Dosen menjelaskan 1 : bab 6
materi
 Latihan Pemecahan
 Dosen
1. Penentuan jenis
2. Ketepatan penerapan
Soal
3
INDIKATOR
PENILAIAN
1 : bab 6
Menjelaskan
materi
 Latihan Pemecahan
1. Pembuatan Sistem
Aksioma
2. Kesesuaian Bagian-bagian
Aksioma.
1. Ketepatan tahapan proses
berpikir kreatif.
2. Kesesuaian bagian-bagian
tahapan berpikir kreatif.
Soal
4
Mahasiswa mampu
menggunakan berbagai
metode pembuktian dalam
matematika untuk
menyelesaikan
RPS CIL301 - LOGIKA MATEMATIKA
Metode Pembuktian
dalam Matematika:
Bukti Langsung, Bukti
tak langsung, Bukti
dengan kontradiksi,
 Dosen menjelaskan 1 : bab 6
materi
 Latihan Pemecahan
Soal
7 : bab 2
1. Penentuan jenis
pembuktian
2. Ketepatan penerapan
pembuktian.
halaman 2 dari 9
SESI
5, 6
7
8
KEMAMPUAN
AKHIR
10, 11
BENTUK
PEMBELAJARAN
SUMBER
PEMBELAJAR
AN
permasalahan.
Bukti dengan induksi
matematika
Mahasiswa mampu
menggunakan bermacammacam logika algoritma
untuk menyelesaikan
permasalahan
pemograman.
Logika Algoritma:
Algoritma, logika
kondisional, logika
pengulangan, Algoritma
rekursif, Algoritma
Euclides
 Dosen
Mahasiswa mampu
merancang jaringan
gerbang logika, untuk
merepresentasikan
kreasinya.
Logika Kombinas:
Logika And, OR, Not,
NAND, NOR, Excluive
OR, Exclusive NOR
 Dosen
Mahasiswa mampu
Himpunan Kabur/Fuzzy:
Himpunan Kabur, Fungsi
Keanggotaan, Operasi
Himpunan Kabur.
 Dosen menjelaskan 4 : bab 3
Logika Kabur/Fuzzy:
 Dosen menjelaskan
memahami himpunan
kabur sebagai dasar
mengembangkan logika
kabur.
9
MATERI
PEMBELAJARAN
Mahasiswa mampu
materi
 Latihan
1. Ketepatan pembuatan
2. bab 1
2. bab 3
2. bab 4
Pemecahan Soal
menjelaskan
materi
 Latihan
Algoritma.
2. Kesesuaian jenis
algoritma yang
digunakan
3 : bab 6
4 : bab 7
5 ; bab 4
1. Ketepatan logika
kombinasi
2. Kesesuaian penerapan
jenis logika kompbinasi
Pemecahan Soal
memahami konsep-konsep Logika Kabur/fuzzy,
logika kabur sebagai dasar Logika multi nilai,
untuk menyelesaikan
Operasi Lukasiewics.
masalah kekaburan yang
banyak terjadi pada
kehidupan sehari-hari.
FUZZY INFERENCE
Mahasiswa mampu
SYSTEMS: Metoda
menggunakan Fuzzy
Tsukamoto, Metoda
Inference systems untuk
RPS CIL301 - LOGIKA MATEMATIKA
menjelaskan
INDIKATOR
PENILAIAN
6 : bab 1
materi
8 : bab 4
 Latihan Pemecahan
9 : bab 3
Soal
4 : bab 4
6 : bab 1
 Latihan Pemecahan
8 : bab 9
Soal
9 : bab 6
materi
 Dosen menjelaskan 6 : bab 2
materi
9 : bab 7
1. Ketepatan penentuan
keanggotaan himpunan
Fuzzy
2. Ketepatan penerapan
operasi himpunan Fuzzy
1. Ketepatan logika Fuzzy
2. Ketepatan logika
Lukasiewics
1. Ketepatan tahapan
keputusan sistem Fuzzy
halaman 3 dari 9
SESI
KEMAMPUAN
AKHIR
memprediksikan
kuantitas/kualitas sebuah
produk.
12, 13
MATERI
PEMBELAJARAN
Mamdani, Metode
Sugeno
BENTUK
PEMBELAJARAN
SUMBER
PEMBELAJAR
AN
 Latihan Pemecahan
Soal
 Studi kasus
Mahasiswa mampu
FUZZY CLUSTERING:  Dosen
Fuzzy C-Means, Fuzzy
menggunakan Fuzzy
menjelaskan
Clustering untuk membuat Substractive Clustering
materi
cluster-cluster yang
 Latihan
diperlukan dalam sebuah
Pemecahan Soal
permasalahan.
6 : bab 3
9 : bab 7
 Studi kasus
14
Mahasiswa mampu
menggunakan Basis Data
Fuzzy untuk membuat
system basis data yang
diperlukan dalam sebuah
permasalahan
FUZZY DATABASE:
Model Tahani, Model
Umano
 Dosen
6 : bab 4
9 : bab 7
Menjelaskan
materi
 Latihan
Pemecahan Soal
INDIKATOR
PENILAIAN
2. Ketepatan tahapan
keputusan sistem Fuzzy
sesuai metode
3. Penerapan ke studi kasus
1. Ketepatan pengklasteran
himpunan Fuzzy
2. Ketepatan pengklasteran
himpunan Fuzzy sesuai
dengan jumlah data pada
Metode pengklasteran
3. penerapan ke studi kasus
1. Ketepatan logika Fuzzy
dalam penentuan query
2. Ketepatan model sesuai
jenis data basisdata
3. Penerapan ke studi kasus
 Studi kasus
Jakarta, Maret 2017
Mengetahui,
Ketua Program Studi,
Dosen Pengampu,
Nama dan tanda tangan
Dr. Marzuki Silalahi, MT.
RPS CIL301 - LOGIKA MATEMATIKA
halaman 4 dari 9
EVALUASI PEMBELAJARAN
SESI
1
PROSEDUR
Pre Test
BENTUK
Tes
tulisan
(tugas)
SEKOR > 77
( A / A-)
Menuliskan dengan
SEKOR > 65
(B- / B / B+ )
Menuliskan dengan
lengkap setiap jenis lengkap setiap jenis
penalaran deduktif penalaran deduktif
dan induktif dan
dan induktif dan
tidak menerapkan
menerapkan
dengan tepat sesuai
dengan tepat
jenis penalaran.
sesuai jenis
penalaran
2
Progress
test dan
Post Test
Test
tulisan
(Tugas)
Menuliskan
tahapan sistem
Aksioma dengan
tepat dan
menuliskan dengan
sesuai bagianbagian sistem
aksioma
Menuliskan tahapan
sistem Aksioma
dengan tepat dan
menuliskan tidak
dengan sesuai
bagian-bagian
sistem aksioma
3
Post Test
Test
tulisan
(UTS)
Menuliskan dengan
tepat tahapan
proses berpikir
kreatif dan
menuliskan dengan
sesuai
bagian-bagian
Menuliskan dengan
tidak tepat tahapan
proses berpikir
kreatif dan
menuliskan dengan
sesuai
bagian-bagian
RPS CIL301 - LOGIKA MATEMATIKA
SEKOR > 60
(C / C+ )
Menuliskan
dengan tidak
lengkap setiap
jenis penalaran
deduktif atau
induktif dan
menerapkan
dengan tepat
sesuai jenis
penalaran
SEKOR > 45
(D)
Menuliskan
dengan tidak
lengkap setiap
jenis penalaran
deduktif atau
induktif dan
tidak
menerapkan
dengan tepat
sesuai jenis
penalaran
Menuliskan
Menuliskan
tahapan sistem tahapan sistem
Aksioma
Aksioma tidak
dengan tepat
dengan tepat
atau
atau
menuliskan
menuliskan
dengan sesuai dengan tidak
bagian-bagian sesuai bagiansistem aksioma bagian sistem
aksioma
Menuliskan
Menuliskan
dengan tepat
tidak dengan
tahapan proses tepat tahapan
berpikir kreatif proses berpikir
atau
kreatif atau
menuliskan
menuliskan
dengan sesuai dengan tidak
SEKOR < 45
(E)
Menuliskan
dengan tidak
lengkap setiap
jenis penalaran
deduktif dan
induktif dan
tidak
menerapkan
dengan tepat
sesuai jenis
penalaran
Menuliskan
tahapan sistem
Aksioma tidak
dengan tepat
dan
menuliskan
dengan tidak
sesuai bagianbagian sistem
aksioma
Menuliskan
dengan tidak
tepat tahapan
proses berpikir
kreatif dan
menuliskan
dengan tidak
halaman 5 dari 9
BOBOT
0
2,5%
5%
SESI
PROSEDUR
4
Post Test
5-6
Post Test
BENTUK
SEKOR > 77
( A / A-)
tahapan berpikir
kreatif
SEKOR > 65
(B- / B / B+ )
tahapan berpikir
kreatif
Test
tulisan
(UTS)
Menuliskan dengan
tepat tahapan
setiap jenis
pembuktian dan
menerapkan
dengan sesuai
setiap jenis
pembuktian
Menuliskan dengan
tepat tahapan setiap
jenis pembuktian
dan menerapkan
dengan tidak sesuai
setiap jenis
pembuktian
Test
tulisan
(UTS)
Menuliskan dengan
Menuliskan dengan
tepat Algoritma dan
menggunakan
Algoritma kurang
sesuai jenisnya
tepat Algoritma
dan menggunakan
Algoritma dengan
sesuai jenisnya
7
Post Test
Test
tulisan
(UTS)
Menuliskan dengan
tepat setiap jenis
logika kombinasi
dan menerapkan
dengan tepat
setiap jenis logika
kompbinasi
RPS CIL301 - LOGIKA MATEMATIKA
Menuliskan dengan
tepat setiap jenis
logika kombinasi
dan menerapkan
dengan kurang tepat
setiap jenis logika
kompbinasi
SEKOR > 60
(C / C+ )
bagian-bagian
tahapan
berpikir kreatif
SEKOR > 45
(D)
sesuai
bagian-bagian
tahapan
berpikir kreatif
Menuliskan
Menuliskan
dengan tepat
dengan tidak
tahapan setiap tepat tahapan
jenis
setiap jenis
pembuktian
pembuktian
atau
atau
menerapkan
menerapkan
dengan sesuai dengan tidak
setiap jenis
sesuai setiap
pembuktian
jenis
pembuktian
Menuliskan
Menuliskan
dengan tepat
dengan tidak
Algoritma atau tepat
menggunakan Algoritma atau
Algoritma
menggunakan
sesuai jenisnya Algoritma
tidak sesuai
jenisnya.
Menuliskan
Menuliskan
dengan tepat
dengan tepat
sebagian jenis sebagian jenis
logika
logika
kombinasi atau kombinasi dan
menerapkan
menerapkan
dengan kurang dengan kurang
SEKOR < 45
(E)
sesuai
bagian-bagian
tahapan
berpikir kreatif
Menuliskan
dengan tidak
tepat tahapan
setiap jenis
pembuktian
dan
menerapkan
dengan tidak
sesuai setiap
jenis
pembuktian
Menuliskan
dengan tidak
tepat
Algoritma dan
menggunakan
Algoritma
tidak sesuai
jenisnya.
Tidak
Menuliskan
dengan tepat
setiap jenis
logika
kombinasi dan
menerapkan
halaman 6 dari 9
BOBOT
5%
10%
10 %
SESI
PROSEDUR
BENTUK
SEKOR > 77
( A / A-)
SEKOR > 65
(B- / B / B+ )
SEKOR > 60
(C / C+ )
tepat sebagian
jenis logika
kompbinasi
SEKOR > 45
(D)
tepat sebagian
jenis logika
kompbinasi
8
Post Test
Test
tulisan
(tugas)
Menuliskan dengan
tepat keanggotaan
himpunan Fuzzy
dan menerapkan
dengan tepat
setiap operasi
himpunan Fuzzy
Menuliskan dengan
tepat keanggotaan
himpunan Fuzzy dan
menerapkan dengan
tidak tepat sebagian
operasi himpunan
Fuzzy
Post Test
Test
tulisan
(UAS)
Menuliskan dengan
tepat setiap logika
Fuzzy dan
menuliskan dengan
tepat logika
Lukasiewics
Menuliskan dengan
tepat setiap logika
Fuzzy dan
menuliskan dengan
kurang logika
Lukasiewics
Menuliskan
dengan tidak
tepat
keanggotaan
himpunan
Fuzzy atau
menerapkan
dengan tidak
tepat sebagian
operasi
himpunan
Fuzzy
Menuliskan
dengan tepat
setiap logika
Fuzzy atau
menuliskan
dengan tepat
logika
Lukasiewics
Post Test
Test
tulisan
(UAS)
Menuliskan dengan
tepat tahapan
keputusan sistem
Fuzzy dan
menuliskan dengan
Menuliskan dengan
tepat tahapan
keputusan sistem
Fuzzy dan
menuliskan dengan
Menuliskan
dengan tidak
tepat
keanggotaan
himpunan
Fuzzy atau
menerapkan
dengan tidak
tepat sebagian
besar operasi
himpunan
Fuzzy
Menuliskan
dengan tepat
sebagian
logika Fuzzy
atau
menuliskan
dengan tidak
tepat logika
Lukasiewics
Menuliskan
dengan tepat
tahapan
keputusan
sistem Fuzzy
9
10-11
RPS CIL301 - LOGIKA MATEMATIKA
Menuliskan
dengan tepat
tahapan
keputusan
sistem Fuzzy
SEKOR < 45
(E)
dengan kurang
tepat jenis
logika
kompbinasi
Menuliskan
dengan tidak
tepat
keanggotaan
himpunan
Fuzzy dan
menerapkan
dengan tidak
tepat setiap
operasi
himpunan
Fuzzy
Menuliskan
dengan tidak
tepat sebagian
besar logika
Fuzzy dan
menuliskan
dengan tidak
tepat logika
Lukasiewics
Menuliskan
dengan tidak
tepat tahapan
keputusan
sistem Fuzzy
halaman 7 dari 9
BOBOT
2,5%
10%
10%
SESI
PROSEDUR
BENTUK
SEKOR > 77
( A / A-)
tepat tahapan
keputusan sistem
Fuzzy sesuai
metode pada studi
kasus
SEKOR > 65
(B- / B / B+ )
tepat tahapan
keputusan sistem
Fuzzy hanya untuk
satu metode pada
studi kasus
12-13
Post Test
Test
tulisan
(UAS)
Menuliskan dengan
tepat
pengklasteran
himpunan Fuzzy
dan menuliskan
dengan tepat
pengklasteran
himpunan Fuzzy
sesuai dengan
jumlah data pada
Metode
pengklasteran pada
studi kasus
Menuliskan dengan
tepat pengklasteran
himpunan Fuzzy dan
menuliskan
pengklasteran
himpunan Fuzzy
tidak sesuai dengan
jumlah data pada
Metode
pengklasteran pada
studi kasus
14
Post test
Presenta Menuliskan dengan
si
tepat logika Fuzzy
penerapa dalam penentuan
RPS CIL301 - LOGIKA MATEMATIKA
Menuliskan dengan
tepat logika Fuzzy
dalam penentuan
SEKOR > 60
(C / C+ )
dan
menuliskan
dengan tidak
tepat tahapan
keputusan
sistem Fuzzy
sesuai metode
pada studi
kasus
Menuliskan
dengan tepat
pengklasteran
himpunan
Fuzzy dan
menuliskan
dengan tepat
pengklasteran
himpunan
Fuzzy pada
hanya satu
Metode
pengklasteran
pada studi
kasus
SEKOR > 45
(D)
atau
menuliskan
dengan tepat
tahapan
keputusan
sistem Fuzzy
hanya satu
metode pada
studi kasus
Menuliskan
dengan tepat
pengklasteran
himpunan
Fuzzy dan
menuliskan
dengan tidak
tepat
pengklasteran
himpunan
Fuzzy sesuai
dengan jumlah
data pada
semua Metode
pengklasteran
pada studi
kasus
Menuliskan
dengan kurang
tepat logika
Menuliskan
dengan kurang
tepat logika
SEKOR < 45
(E)
dan
menuliskan
dengan tidak
tepat tahapan
keputusan
sistem Fuzzy
sesuai metode
pada studi
kasus
Menuliskan
dengan tidak
tepat
pengklasteran
himpunan
Fuzzy dan
menuliskan
dengan tidak
tepat
pengklasteran
himpunan
Fuzzy sesuai
dengan jumlah
data pada
semua Metode
pengklasteran
pada studi
kasus
Tidak
Menuliskan
dengan tepat
halaman 8 dari 9
BOBOT
10%
25 %
SESI
PROSEDUR
BENTUK
n ke
studi
kasus
SEKOR > 77
( A / A-)
query dan
menuliskan dengan
tepat model sesuai
jenis data basisdata
pada studi kasus
SEKOR > 65
(B- / B / B+ )
query dan
menuliskan kurang
tepat model sesuai
jenis data basisdata
pada studi kasus
SEKOR > 60
(C / C+ )
Fuzzy dalam
penentuan
query atau
menuliskan
dengan kurang
tepat model
sesuai jenis
data basisdata
pada studi
kasus
SEKOR > 45
(D)
Fuzzy dalam
penentuan
query dan
menuliskan
dengan kurang
tepat model
sesuai jenis
data basisdata
pada studi
kasus
SEKOR < 45
(E)
logika Fuzzy
dalam
penentuan
query dan
tidak
menuliskan
dengan tepat
model sesuai
jenis data
basisdata pada
studi kasus
Komponen penilaian :
1. Kehadiran = 10 %
2. Tugas = 30 %
3. UTS = 30 %
4. UAS = 30 %
Jakarta, Maret 2017
Mengetahui,
Ketua Program Studi,
Dosen Pengampu,
Nama dan tanda tangan
Dr. Marzuki SIlalahi, MT.
RPS CIL301 - LOGIKA MATEMATIKA
halaman 9 dari 9
BOBOT