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.
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
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.
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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
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,
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(1+1)x(3x50’)]
Kesesuai-an dKesesuai-an ketepatan pemaha-man dan penerapan konsep
brute force
dan
exhaustive search.
Diskusi dan keaktifan.
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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(1+1)x(3x50’)]
Kesesuai-an dKesesuai-an ketepatan konsep penurunan dalam menyelesai kan
beberapa permasala-han.
Diskusi dan keaktifan.
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
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
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(1+1)x(3x50’)]
Kesesuaian analisa, perhitungan , dan penerapan dalam permasala-han algoritma.
Ketepatan rancangan desain dalam menyelesa-ikan permasala-han.
Diskusi dan keaktifan.
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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Kesesuaian pemaha-man dan perhitungn konsep
Diskusi dan keaktifan.
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.
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
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
Diskusi dan keaktifan.
Tugas II
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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(1+1)x(3x50’)]
Kesesuaian pemaha-man, analisa, dan penerapan konsep pemrogra-man dinamik.
Diskusi dan keaktifan.
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.
Kuliah & Diskusi.
Brainstroming.
Kuis II Take Home Test
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(1+1)x(3x50’)]
Kesesuai-an dKesesuai-an ketepatan penerapan dan analisa teknik greedy.
Diskusi dan keaktifan.
Ujian Kuis II
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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(1+1)x(3x50’)]
Kesesuai-an dKesesuai-an ketepatan dalam menganali-sa
keterbata-san kekuatan algoritma.
Diskusi dan keaktifan.
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.
Kuliah & Diskusi.
Brainstroming.
[TM: 3x(3x50’)]
Kesesuai-an dKesesuai-an ketepatan dalam mengatasi
Diskusi dan keaktifan.
hard, dan algoritma persamaan non linear.
Algoritma persamaan non linear.
Latihan soal dan diskusi
penyelesaiannya. [BT+BM:
(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