DIBUAT DESAIN ANALISA ALGORITMA 462113 Algoritma Pemrograman 3 SKS III - 23082016 Otorisasi Pengembang MK Koordinator RMK Ka PRODI

(1)

RENCANA PEMBELAJARAN SEMESTER

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

–

UNTAG SURABAYA

MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI DIBUAT

DESAIN ANALISA

ALGORITMA 462113

Algoritma &

Pemrograman 3 SKS III - 23/08/2016

Otorisasi

Pengembang MK Koordinator RMK Ka PRODI

Capaian Pembelajaran MK (Standar Kompetensi)

 Menginternalisasi nilai, norma, dan etika akademik.

 Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri.

 Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan.

 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya.

 Mampu menunjukkan kinerja mandiri, bermutu, dan terukur.

 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data.

 Memiliki sikap untuk belajar seumur hidup (life-long learning).

 Mencari, merunut, menyarikan informasi ilmiah dan non-imiah secara mandiri dan kritis.

 Beradaptasi terhadap situasi yang dihadapi dan menangani berbagai kegiatan secara simultan pada berbagai kondisi.

(2)

 Menguasai konsep dan prinsip algoritma serta teori ilmu komputer yang dapat digunakan dalam pemodelan dan desain sistem berbasis komputer.

Deskripsi Bahan Kajian & Pokok Bahasan MK

Bahan Kajian

Desain Analisa Algoritma

Pokok Bahasan

Pada mata kuliah ini, mahasiswa/i secara umum akan mempelajari desain analisa algoritma yang terkait dengan program studi Teknik Informatika. Beberapa poin pokok bahasan yang akan disajikan dan dibahas secara mendalam dalam mata kuliah ini, antara lain: konsep dasar analisa dan desain algoritma, efisiensi analisa algoritma, konsep brute force dan pencarian exhaustive, konsep penurunan dan penyelesaiannya, konsep pembagian dan penyelesaiannya, konsep transformasi dan penyelesaiannya, ruang dan waktu trade off, pemrograman dinamik, teknik greedy, peningkatan iterative, keterbatasan kekuatan algoritma, dan mengatasi keterbatasan kekuatan algoritma.

Pustaka

Utama

1. Levitin, Anany. 2012. Introduction to the design & analysis of algorithms (third Ed.). New Jersey: Pearson Education, Inc.

2. Cormen, Thomas H. et al. 2001. Introduction to Algorithms (second Ed.). London: Massachusetts Institute of Technology (MIT) Press.

3. Aho, Alfred V. et al. 1974. The Design and Analysis of Computer Algorithms. California: Addison-Wesley Publishing Company.

Pendukung

(3)

Media Pembelajaran

Software Hardware

 Operating System: Windows

 Beamer Latex

 Microsoft Office

 Tex Maker & Miktex

 C++, Java, atau Python

 Laptop

 LCD Proyektor

 Papan Tulis

 Alat tulis : Spidol & Penghapus Papan

Team Teaching Elsen Ronando

Mata Kuliah Syarat Pemrograman Dasar, Matematika Diskrit, Struktur Data, Kalkulus

Mg ke- Capaian Mata Kuliah

(Sesuai Tahapan Belajar)

Materi Pembelajaran [Pustaka]

Aktivitas Pembelajaran [Estimasi Waktu]

Penilaian

Indikator Bentuk Bobot

1.

Mahasiswa/i mampu memahami dan menjelaskan konsep-konsep dasar analisa dan desain algoritma secara umum, seperti definisi, dasar-dasar algoritma, beberapa permasalahan utama, dan dasar struktur data.

Indikator :

Definisi dan dasar desain analisa algoritma.

Beberapa isu

permasalahan utama dari desain analisa algoritma.

Dasar-dasar struktur data.

 Kuliah & Diskusi.

 Brainstroming

[TM: 3x(3x50’)]

 Latihan soal dan diskusi

penyelesaiannya. [BT+BM:

(1+1)x(3x50’)]

Kesesuaian pemaha-man desain analisa algoritma.

Ketepatan penerapan desain analisa algoritma untuk menyelesai kan

masalah.

Diskusi, dan keaktifan.

(4)

2.

Mahasiswa/i mampu memahami, menganalisa, dan menerapkan konsep dasar dari efisiensi algoritma, seperti analisa ruang kerja, konsep asimtotik dan dasar efisiensi, analisa matematika dari algoritma non rekrusif maupun rekrusif, dan contoh aplikasi.

Indikator:

Analisa ruang kerja.

Konsep asimtotik dan dasar efisiensi.

Analisa matematika algoritma non

rekrusif dan rekrusif.

Penyelesaian

masalah pada contoh bidang aplikasi.

 Brainstroming.

[TM: 3x(3x50’)]

penyelesaiannya. [BT: 1x(3x50’)]

 Tugas I.

[BM: 1x(3x50’)]

 Kesesuai-an pemaha-man dan analisa konsep dasar efisiensi algoritma.

.Ketepatan penerapan efisiensi algoritma dalam keaktifan,

Tugas I.

5/14 % & 5 %

3.

Mahasiswa/i mampu memahami, menganalisa, dan menerapkan konsep

brute force dan pencarian exhaustive, seperti metode selection sort dan bubble sort, sequential search dan pencocokan

brute force string, pemasalahan closest-pair dan convex-hull, metode pencarian

exhaustive (TSP, knapsack, masalah penugasan), dan metode pencarian

depth-first dan bread-first.

Indikator:

Konsep selection

dan bubble sort.

Konsep sequential search.

Konsep pencocokan

brute force string.

Permasalahan

closest-pair dan

covex-hull.

Metode pencarian

exhaustive (TSP,

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

 Kesesuai-an dKesesuai-an ketepatan pemaha-man dan penerapan konsep

brute force

dan

exhaustive search.

Diskusi dan keaktifan.

(5)

Knapsack, masalah penugasan).

Metode pencarian

depth-first dan

bread-first.

4.

Mahasiswa/i mampu memahami dan menganalisa konsep penurunan untuk menyelesaikan beberapa permasalahan, antara lain: metode insert, metode topologi, algoritma kombinatorik, penurunan melalui algoritma faktor konstan, dan algoritma penurunan ukuran variabel.

Indikator:

Metode insert dan topologi.

Algoritma kombinatorik.

Algoritma faktor konstan.

Algoritma

penurunan ukuran variabel.

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

 Kesesuai-an dKesesuai-an ketepatan konsep penurunan dalam menyelesai kan

beberapa permasala-han.

5/14 %

5.

Mahasiswa/i mampu mendesain dan menganalisa beberapa konsep algoritma yang telah dijelaskan pada materi sebelumnya

Indikator:

Dasar desain analisa algoritma.

Dasar efisiensi algoritma.

Konsep brute force

dan exhaustive search.

Konsep penurunan algoritma.

 Kuis I dan pembahasan

[TM: 3x(3x50’)]

Kesesuaian analisa, perhitungan , dan penerapan dalam permasala-han algoritma.

Ketepatan rancangan desain

Soal Kuis

Ujian

(6)

dalam menyelesa-ikan permasala-han.

6. & 7.

Mahasiswa/i mampu memahami, menganalisa, dan menerapkan konsep pembagian untuk menyelesaikan beberapa permasalahan, seperti metode penggabungan dan percepatan, metode pohon biner traversal dan sifatnya, perkalian integer dan matrik strassen, dan penyelesain masalah closest-pair

dan convex-hull.

Indikator:

Metode

penggabungan dan percepatan.

Metode biner traversal dan sifatnya.

Perkalian integer dan matrik strassen.

Masalah closest-pair

dan convex-hull

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

Kesesuaian analisa, perhitungan , dan penerapan dalam permasala-han algoritma.

Ketepatan rancangan desain dalam menyelesa-ikan permasala-han.

2x(5/14 %)

ETS (Evaluasi Tengah Semester) 30 %

8.

Mahasiswa/i mampu memahami, menganalisa, dan menerapkan konsep transformasi dalam menyelesaikan permasalahan, yaitu metode pre-sorting, eliminasi gaussian, pohon pencarian

Indikator:

Metode pre-sorting.

Konsep eliminasi Gaussian.

[TM: 3x(3x50’)]

Kesesuaian pemaha-man dan perhitungn konsep

(7)

seimbang, metode heap dan heapsort, eksponen aturan horner dan binary, dan reduksi permasalahan.

Pohon pencarian seimbang.

Metode heap dan

heapsort.

Eksponen aturan

horner dan biner.

Metode reduksi permasalahan.

(1+1)x(3x50’)]

transforma-si untuk menyelesa-ikan beberapa permasala-han.

Ketepatan penerapan konsep transforma-si untuk mereduksi permasala-han.

9.

Mahasiswa/i mampu memahami dan menganalisa konsep ruang dan waktu

trade off dalam menyelesaikan

permasalahan, yaitu pengurutan melalui perhitungan, penambahan input dalam pencocokan string, metode hashing, dan pohon B.

Indikator:

Konsep pengurutan melalui perhitungan

Metode penambahan input dalam

pencocokan string.

Metode hashing dan pohon B.

[TM: 3x(3x50’)]

penyelesaiannya beserta Tugas II. [BT+BM:

(1+1)x(3x50’)]

Kesesuaian pemaha-man dan penyelesai-an

permasala-han dengan konsep ruang dan waktu

trade off.

Ketepatan penerapan konsep

Tugas II

(8)

ruang dan waktu dalam mendesain dan

Mahasiswa/i mampu memahami, menjelaskan, dan menerapkan pemrograman dinamik dalam

menyelesaikan permasalahan, seperti

knapsack dan fungsi memori, optimalisasi pohon pencarian biner, serta algoritma warshall dan flyod.

Indikator:

Permasalahan

knapsack dan fungsi memori.

Metode optimal dalam pohon pencaian biner.

Konsep algoritma

warshall dan flyod.

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

Kesesuaian pemaha-man, analisa, dan penerapan konsep pemrogra-man dinamik.

5/14 %

11.

Mahasiswa/i mampu memahami, menjelaskan, menganalisa, dan menerapkan teknik greedy dalam menyelesaikan permasalahan.

Indikator:

Algoritma prim.

Algoritma kruskal.

Algoritma Djikstra.

Konsep pohon

huffman.

 Kuis II Take Home Test

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

 Kesesuai-an dKesesuai-an ketepatan penerapan dan analisa teknik greedy.

Ujian Kuis II

(9)

12.

Mahasiswa/i mampu memahami, menjelaskan, menganalisa, dan menerapkan konsep peningkatan iterative, antara lain: metode simplex, alur maksimum, pencocokan maksimum graf biparti, dan stable marriage.

Indikator:

Metode simplex.

Permasalahan alur maksimum dan

stable marriage.

Pencocokan maksimum graf biparti.

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

 Kesesuai-an dKesesuai-an ketepatan penerapan dan analisa peningka-tan iteratif untuk keaktifan.

5/14 %

13.

Mahasiswa/i mampu memahami, menjelaskan, dan menganalisa

keterbatasan kekuatan algoritma, seperti argument batas bawah, pohon

keputusan, permasalahan P-NP-NP komplit, dan tantangan algoritma numerik.

Indikator:

Metode argumen batas bawah.

Konsep pohon keputusan.

P, NP, NP Komplit.

Algoritma Numerik dan tantangannya.

[TM: 3x(3x50’)]

(1+1)x(3x50’)]

 Kesesuai-an dKesesuai-an ketepatan dalam menganali-sa

keterbata-san kekuatan algoritma.

5/14 %

14.

Mahasiswa/i mampu memahami, menjelaskan, dan mengatasi keterbatasan algoritma, antara lain dengan: metode backtracking, metode

branch dan bound, Algoritma untuk

NP-Indikator:

Metode backtracking

dan branch-bound.

Algoritma untuk masalah NP-hard.

[TM: 3x(3x50’)]

 Kesesuai-an dKesesuai-an ketepatan dalam mengatasi

(10)

hard, dan algoritma persamaan non linear.

Algoritma persamaan non linear.

(1+1)x(3x50’)]

keterbata-san kekuatan algoritma.

EAS (Evaluasi Akhir Semester) 45 %

Total 100 %

Catatan :

1 sks = (50’ TM + 50’ BT + 60’BM) /Minggu TM = Tatap Muka (Kuliah)

BT = Belajar Terstruktur

BM = Belajar Mandiri

PS = Praktikum Simulasi (3 jam/Minggu) PL = Praktikum Lab. (3 jam/Minggu)

T = Teori (aspek ilmu pengetahuan) P = Praktek (aspek ketrampilan kerja)

Menyetujui,

Ketua Program Studi Teknik Informatika

Geri Kusnanto, S.Kom.,M.M. NPP. 20460.94.0401

Surabaya, ………

Mengetahui, Dosen Pengampu