RPS model simulasi

(1)

RENCANA PEMBELAJARAN

SEMESTER

(RPS)

KBKI43108

Model dan Simulasi

PROGRAM STUDI S1 SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER

(FILKOM)

(2)

LEMBAR PENGESAHAN

Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb:

Kode Mata Kuliah : KBKI43108

Nama Mata Kuliah : Model dan Simulasi

Padang, 2012

Menyetujui

Kaprodi S1 Sistem Informasi

(3)

DAFTAR ISI

LEMBAR PENGESAHAN...

DAFTAR ISI ...

PROFIL MATA KULIAH...

B. RENCANA PEMBELAJARAN SEMESTER (RPS) ...

C. RANCANGAN INTERAKSI DOSEN–MAHASISWA ...

D. RANCANGAN TUGAS ... E. PENILAIAN DENGAN RUBRIK ...

(4)

A. PROFIL MATA KULIAH

IDENTITAS MATA KULIAH

Nama Mata Kuliah : Model dan Simulasi Kode Mata Kuliah :

KBKI43108

SKS : 3

Jenis : MK Wajib

Jam pelaksanaan : Tatap muka di kelas = 3 x 50 menit per minggu Responsi = 1 x 50 menit per minggu

Semester / Tingkat : 4/ 2 Pre-requisite :

-Co-requisite : Praktikum Pemodelan Simulasi

Bidang Kajian : Teknik Pembangkitkan Bilangan, Riset Operasional, Antrian

DESKRIPSI SINGKAT MATA KULIAH

Mata kuliah ini mempelajari Teknik-teknik pembangkitan bilangan, melakukan simulasi model-model di Riset Operasional, simulasi model-model-model-model statistika. Antrian, metode analisis secara tepat sesuai dengan permasalahan dibidang ekonomi dan menerapkannya pada data.

DAFTAR PUSTAKA

1.

Winston, W.L. 2004. Operation Research: Applications and Algorithms. 4th Ed. Thomson

Brooks/Cole. Southbank, Vic.

2. Morgan, B. J. T. 1984. Elements of Simulation.

(5)

B. RENCANA PEMBELAJARAN SEMESTER (RPS)

Pertemuan

ke- Kemampuan Akhir yang Diharapkan Bahan Kajian (Materi Ajar)

Bentuk/ Sistem, model, simulasi

 Mampu memahami konsep simulasi

 Mampu memahami contoh pemodelan dan simulasi

Pendahuluan

 Kontrak kuliah

 Ruang lingkup metode simulasi dan terminologi dasar

Ketepatan dalam membuat contoh untuk mendefinisikan masing-masing pembahasan dalam bentuk sedernana

2

 Mampu mendefinisikan dan tujuan Simulasi Monte Carlo

 Mampu memahami Contoh Simulasi Monte Carlo Model.

 Simulasi Monte Carlo

 Ceramah  Problem-

based learning

Ketepatan dalam

menyelesaikan latihan yang berkaitan dengan metode monte carlo

3



Mampu memahami dan penggunaan pembangkit acak uniform



Contoh penggunaan peubah acak diskrit pada simulasi monte carlo

(6)

Pertemuan

Bentuk/

 Mampu memahami contoh simulasi dan pembangkitan bilangan acak

 Pembangkitan Bilangan acak kontinyu

 Ceramah Ketepatan dalam

Memahami metode yang diberikan dan membedakan penggunaannya berdasarkan studi kasus

5

 Mampu memahami contoh simulasi dan pembangkitan bilangan acak



Pembangkitan Bilangan acak kontinyu

 Ceramah Ketepatan dalam

Memahami metode yang diberikan dan membedakan penggunaannya berdasarkan



Mampu memahami contoh simulasi kasus model probabilistik

Probabilitas Distribusi Binomial  Ceramah  Problem-

based learning

Ketepatan menyelesaikan soal soal distribusi binomial

7

 Mampu memahami definisi dari distribusi Poisson

 Mampu memahami rumus dari ditribusi Poisson



Mampu memahami contoh simulasi kasus model probabilistik

Probabilitas Distribusi Poisson  Problem- based learning

(7)

Pertemuan

Bentuk/ studi kasus yang berhubungan dengan materi pra-UAS mengerjakan soal-soal studi kasus yang diberikan

9

Mampu memahami dan menyelesaikan

kasus simulasi penjualan  studi kasus simulasi _penjualan

based learning

Ketepatan dalam menyelesaikan soal soal simulasi

12

Mampu memahami dan menyelesaikan

kasus simulasi penjualan  studi kasus simulasi _penjualan

based learning

(8)

Pertemuan

Bentuk/

13 Mampu memahami dan menyelesaikan

kasus simulasi keuntungan Simulasi Keuntungan

based learning

14 Mampu memahami dan menyelesaikan

kasus simulasi keuntungan Simulasi Keuntungan



Ceramah



Problem- based learning

15

 Mampu memahami definisi dari antrian

 Mampu memahami dan melakukan pemrosesan mendapatkan nilai antrian memahami proses antrian dalam kehidupan sehari hari

16  Mampu memahami dan melakukan _{pemrosesan mendapatkan nilai} antrian memahami proses antrian dalam kehidupan sehari hari

UAS 60%

(9)

C. RANCANGAN INTERAKSI DOSEN–MAHASISWA

Kemampuan Akhir yang Diharapkan Mahasiswa mampu memahami konsep materi yang diberikan.

Nama Kajian 1. Prolog: prolog, Sistem, model, simulasi

2. Metode Monte Carlo 3. Pembangkit Bilangan Acak 4. Distribusi Probabilitas Binomial 5. Distribusi Probabilitas Poisson 6. Distribusi Probabilitas Gamma 7. Simulasi Penjualan

8. Simulasi Keuntungan 9. Antrian

Nama Strategi Ceramah

Minggu Penggunaan Strategi (Metode) 1 – 13

Deskripsi Singkat Strategi (Metode) pembelajaran

Dosen mengulas materi sebelumnya, menjelaskan tujuan, hasil pembelajaran, materi, dan kesimpulan, serta mendorong mahasiswa untuk aktif bertanya dan

mengemukakan pendapat terkait materi yang disampaikan.

RANCANGAN INTERAKSI DOSEN–MAHASISWA Aktivitas Dosen Aktivitas Mahasiswa

Mengulas materi yang telah diberikan pada pertemuan sebelumnya (untuk pertemuan 2 dst).

Mengungkapkan apa yang telah dipahami dari materi yang telah disampaikan pada pertemuan sebelumnya.

Menjelaskan tentang tujuan pembelajaran dari kegiatan pembelajaran.

Menyimak penjelasan dosen.

Mengarahkan mahasiswa untuk

melibatkan diri dan aktif dalam kegiatan pembelajaran.

Menyiapkan diri menerima materi yang akan disampaikan.

Membahas materi. Menyimak dan mencatat hal-hal penting dari materi yang disampaikan oleh dosen.

Bertanya apabila ada materi yang kurang jelas.

(10)

Mengajukan sejumlah pertanyaan terkait materi yang telah diberikan.

Menjawab pertanyaan yang diberikan.

Menyimpulkan materi. Menyimak kesimpulan.

Kemampuan Akhir yang Diharapkan Mahasiswa mampu memahami studi kasus yang berkaitan dengan model simulasi dalam kehidupan sehari hari

Nama Kajian 1. Prolog, Sistem, model, simulasi

2. Metode Monte Carlo 3. Pembangkit Bilangan Acak 4. Distribusi Probabilitas Binomial 5. Distribusi Probabilitas Poisson 6. Distribusi Probabilitas Gamma 7. Simulasi Penjualan

8. Simulasi Keuntungan 9. Antrian

Nama Strategi Problem Based Learning (PBL)

Mahasiswa diminta untuk menyelesaikan suatu kasus sesuai dengan materi yang diberikan.

Memberikan kasus yang harus

diselesaikan dalam bentuk soal latihan.

Menyelesaikan soal yang diberikan.

Membahas hasil jawaban mahasiswa. Mempresentasikan jawaban dari setiap soal.

Kemampuan Akhir yang Diharapkan Mahasiswa mampu memahami konsep/ cara kerja Penerepan model dan simulasi dalam studi kasus yang diberikan

Nama Kajian 1. Simulasi Monte Carlo

2. Simulasi Penjualan 3. Simulasi Keuntungan 4. Antrian

Nama Strategi Simulasi/ Demo

(11)

Mahasiswa diminta untuk menyimak

demonstrasi konsep/ cara kerja suatu metode

Memberikan latihan latihan studi kasus yang berhubungan dengan simulasi

Mengerjakan studi kasus simulasi

Mengajukan sejumlah pertanyaan terkait rumus rumus deri metode simulasi.

Menjawab pertanyaan yang diajukan.

Memberikan tambahan penjelasan terkait jawaban yang benar dari studi kasus (bahas bersama).

Menyimak penjelasan dosen.

Menyimpulkan materi. Menyimak kesimpulan.

Kemampuan Akhir yang Diharapkan Mahasiswa mampu menyelesaikan soal/ studi kasus yang berhubungan dengan materi pra- UTS dan pra-UAS.

Nama Kajian 1. Quiz (Evaluasi)

Pra-UTS

a. Prolog: sistem, model dan simulasi

b. Monte Carlo

c. Pembangkit Bilangan Acak d. Distribusi Probabilitas Binomial e. Distribusi Probabilitas Poisson 2. Quiz (Evaluasi)

Pra-UAS

a. Distribusi Probabilitas Gamma b. Simulasi Penjualan

c. Simulasi Keuntungan d. Simulasi Antrian

Nama Strategi Tes

Minggu Penggunaan Strategi (Metode) 7 & 13

(12)

yang telah diberikan.

Memberikan soal quiz. Menyelesaikan soal yang diberikan.

Kemampuan Akhir yang Diharapkan Mahasiswa mampu menerapkan semua konsep simulasi yang telah dipelajari untuk menyelesaikan studi kasus secara komprehensif

Nama Kajian Studi Kasus

Nama Strategi Latihan

Minggu Penggunaan Strategi (Metode) 14

Mahasiswa secara Komprehensif membahas metode-motode simulasi yang diajarkan

Membuka sesi presentasi. Menyiapkan materi presentasi berdasarkan Tugas Besar yang telah dikerjakan.

Memberikan pengarahan tentang tata tertib presentasi.

Mempresentasikan hasil Tugas Besar.

Mengajukan sejumlah pertanyaan terkait Tugas Besar yang dipresentasikan.

Menjawab pertanyaan yang diajukan.

Memberikan penilaian kepada kelompok yang melakukan presentasi.

Menutup sesi presentasi.

D. RANCANGAN TUGAS

Kode mata Kuliah

KBKI43108

Nama Mata Kuliah Dasar Algoritma dan Pemrograman

Kemampuan Akhir yang Diharapkan Mampu menerapkan semua konsep algoritma yang telah dipelajari untuk menyelesaikan kasus tugas besar secara komprehensif

Minggu/ Pertemuan ke 8 – 14/ 16 – 28 Tugas ke Tugas Besar

(13)

Menerapkan semua konsep algoritma yang telah dipelajari untuk menyelesaikan kasus tugas besar secara komprehensif

2. Uraian Tugas:

a. Obyek garapan:

 Proposal kasus yang akan diselesaikan dan rancangan penyelesaiannya.  Program yang dibangun untuk menyelesaikan kasus sesuai dengan

proposal yang sudah diajukan.

 Laporan dan presentasi program yang dibuat sesuai dengan proposal yang sudah diajukan.

b. Yang harus dikerjakan dan batasan-batasan:

 Proposal berisi deskripsi kasus yang akan diselesaikan, deskripsi program yang akan dibuat, list fungsionalitas program, batasan dan asumsi, definisi kamus yang akan digunakan untuk membangun program, dan rencana pembagian kerja dalam kelompok.

 Program untuk menyelesaikan kasus tugas besar dibangun dengan menggunakan bahasa Pemrograman Pascal.

 Program dan laporan dipresentasikan pada minggu 15/ pertemuan 27 – 28. c. Metode/ cara pengerjaan, acuan yang digunakan:

 Tugas besar dikerjakan secara berkelompok 3-4 orang.

 Topik tugas besar berasal dari dosen, sedangkan judul boleh berasal dari dosen/ mahasiswa.

 Format proposal dan laporan diberikan oleh dosen.

 Program dibuat mengacu pada rancangan penyelesaian kasus yang diajukan oleh mahasiswa.

d. Deskripsi luaran tugas yang dihasilkan/ dikerjakan: Proposal, Program, Laporan

3. Kriteria penilaian:

 Penilaian Individu (50%)

- Kemampuan presentasi (20%) - Pemahaman materi (80%)  Penilaian Kelompok (50%)

- Kelengkapan dan ketepatan fungsionalitas (50%) - Ketepatan skema algoritma (30%)

- Kelengkapan dokumentasi program (20%)

E. PERSENTASE KOMPONEN PENILAIAN

1. Kuis : 10% 2. Tugas Besar : 20% 3. UTS : 30% 4. UAS : 40%

F. PENILAIAN DENGAN RUBRIK

Jenjang (Grade)

Angka

(Skor) Deskripsi perilaku (Indikator)

A > 80 Algoritma benar, skema tepat, dokumentasi baik, presentasi jelas

(14)

D 45 – 54 Algoritma benar, skema kurang tepat, dokumentasi kurang baik, presentasi kurang jelas

E ≤ 44 Algoritma salah, skema kurang tepat, dokumentasi kurang baik, presentasi kurang jelas

G. PENENTUAN NILAI AKHIR MATA KULIAH

Nilai Angka (NA) Nilai Huruf (NH)

NA > 80 A

65 < NA ≤ 79 B

55 < NA ≤ 64 C

45 < NA ≤ 54 D