DIBUAT DESAIN ANALISA ALGORITMA 462113 Algoritma Pemrograman 3 SKS III - 23082016 Otorisasi Pengembang MK Koordinator RMK Ka PRODI
RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK – UNTAG SURABAYA MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI DIBUAT DESAIN ANALISA Algoritma &
3 SKS
III 23/08/2016 - 462113 ALGORITMA Pemrograman Pengembang MK Koordinator RMK Ka PRODI Otorisasi 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.
Capaian Pembelajaran MK
Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya,
(Standar Kompetensi) 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.
Memahami konsep-konsep algoritma dan kompleksitas, meliputi konsep-konsep sentral dan kecakapan yang
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 1.
Kleinberg, Jon and Tardos, Eva. 2006. Algorithm Design. Boston: Pearson Education, Inc.
2. Dromey, R.G. 1982. How to Solve it by Computer. London: Prentice-Hall International, Inc.
3. Kozen, Dexter C. 1992. The design and Analysis of Algorithms. New York: Springer-Verlag, Inc.
Software Hardware
Operating System: Windows Laptop Beamer Latex LCD Proyektor
Media Pembelajaran
Microsoft Office Papan Tulis Tex Maker & Miktex Alat tulis : Spidol & Penghapus Papan C++, Java, atau Python
Team Teaching Elsen Ronando Mata Kuliah Syarat Pemrograman Dasar, Matematika Diskrit, Struktur Data, Kalkulus Capaian Mata Kuliah Materi Pembelajaran Aktivitas Pembelajaran Penilaian Mg ke- (Sesuai Tahapan Belajar) [Pustaka] [Estimasi Waktu] Indikator Bentuk Bobot
Mahasiswa/i mampu memahami dan 5/14 %
Kuliah & Diskusi. Kesesuaian Diskusi, menjelaskan konsep-konsep dasar pemaha- dan
Brainstroming analisa dan desain algoritma secara Indikator : man desain keaktifan.
[ TM: 3x(3x50’)] umum, seperti definisi, dasar-dasar analisa
Definisi dan dasar Latihan soal dan algoritma, beberapa permasalahan desain analisa algoritma. diskusi utama, dan dasar struktur data. algoritma. penyelesaiannya.
Ketepatan penerapan Beberapa isu [BT+BM: 1. permasalahan utama desain
(1+1)x(3x50’)] dari desain analisa analisa algoritma. algoritma untuk
Dasar-dasar struktur data. menyelesai kan masalah. Mahasiswa/i mampu memahami, Indikator: 5/14 %
Kuliah & Diskusi. Kesesuai- Diskusi menganalisa, dan menerapkan konsep & an pemaha- dan
Analisa ruang kerja.
Brainstroming. dasar dari efisiensi algoritma, seperti 5 % man dan keaktifan,
[TM: 3x(3x50’)] Konsep asimtotik analisa ruang kerja, konsep asimtotik dan dasar efisiensi. analisa Tugas I.
Latihan soal dan dan dasar efisiensi, analisa matematika konsep diskusi
Analisa matematika dari algoritma non rekrusif maupun dasar algoritma non penyelesaiannya. rekrusif, dan contoh aplikasi. efisiensi rekrusif dan rekrusif. [BT: 1 x(3x50’)] algoritma. Penyelesaian Tugas I.
2.
.Ketepatan masalah pada contoh [BM: 1 x(3x50’)] penerapan bidang aplikasi. efisiensi algoritma dalam menyelesa- iakan pemasala- han. Mahasiswa/i mampu memahami, Indikator:
5/14 % Kuliah & Diskusi. Kesesuai- Diskusi menganalisa, dan menerapkan konsep an dan dan
Konsep selection Brainstroming.
brute force dan pencarian exhaustive, dan bubble sort. ketepatan keaktifan.
[TM: 3x(3x50’)] seperti metode selection sort dan bubble pemaha-
Konsep sequential Latihan soal dan
sort , sequential search dan pencocokan search .
man dan diskusi
brute force string , pemasalahan closest-
penerapan penyelesaiannya. Konsep pencocokan 3.
pair dan convex-hull, metode pencarian
konsep
brute force string . [BT+BM: exhaustive (TSP, knapsack, masalah brute force
(1+1)x(3x50’)] Permasalahan penugasan), dan metode pencarian dan
closest-pair dan depth-first dan bread-first. exhaustive covex-hull . search .
Metode pencarian
Knapsack , masalah penugasan).
Metode pencarian
depth-first dan . bread-first
Mahasiswa/i mampu memahami dan Indikator: 5/14 %
Kuliah & Diskusi. Kesesuai- Diskusi menganalisa konsep penurunan untuk an dan dan
Metode insert dan Brainstroming. menyelesaikan beberapa permasalahan, topologi. ketepatan keaktifan. [TM: 3x(3x50’)] antara lain: metode insert, metode konsep
Algoritma Latihan soal dan topologi, algoritma kombinatorik, penurunan kombinatorik. diskusi penurunan melalui algoritma faktor dalam penyelesaiannya. Algoritma faktor 4. konstan, dan algoritma penurunan menyelesai konstan. [BT+BM: ukuran variabel. kan
(1+1)x(3x50’)] Algoritma beberapa penurunan ukuran permasala- variabel. han.
Mahasiswa/i mampu mendesain dan Indikator: 5/14 %
Kuis I dan pembahasan Kesesuaian Soal Kuis menganalisa beberapa konsep algoritma & analisa,
Dasar desain analisa [TM: 3x(3x50’)] Ujian yang telah dijelaskan pada materi
5% algoritma. perhitungan sebelumnya , dan
Dasar efisiensi penerapan algoritma. dalam
Konsep brute force 5. permasala- dan exhaustive han search. algoritma. Konsep penurunan
Ketepatan algoritma. rancangan dalam menyelesa- ikan permasala- han. Mahasiswa/i mampu memahami, Indikator:
2x(5/14 %) Kuliah & Diskusi. Kesesuaian Diskusi menganalisa, dan menerapkan konsep analisa, dan
Metode Brainstroming. pembagian untuk menyelesaikan penggabungan dan perhitungan keaktifan.
[TM: 3x(3x50’)] beberapa permasalahan, seperti metode percepatan. , dan
Latihan soal dan penggabungan dan percepatan, metode penerapan diskusi
Metode biner pohon biner traversal dan sifatnya, dalam traversal dan penyelesaiannya. perkalian integer dan matrik strassen, permasala- sifatnya. [BT+BM: dan penyelesain masalah closest-pair han
(1+1)x(3x50 Perkalian integer dan ’)] dan convex-hull.
6. & 7. algoritma. matrik strassen.
Ketepatan Masalah closest-pair rancangan dan convex-hull desain dalam menyelesa- ikan permasala- han.
ETS (Evaluasi Tengah Semester) 30 %
Mahasiswa/i mampu memahami, Indikator: 5/14 %
Kuliah & Diskusi. Kesesuaian Diskusi menganalisa, dan menerapkan konsep pemaha- dan Metode pre-sorting. Brainstroming. 8. transformasi dalam menyelesaikan man dan keaktifan. Konsep eliminasi [TM: 3x(3x50’)] permasalahan, yaitu metode pre-sorting, perhitungn Gaussian. eliminasi gaussian, pohon pencarian konsep seimbang, metode heap dan heapsort, transforma-
Pohon pencarian Latihan soal dan eksponen aturan horner dan binary, dan si untuk seimbang. diskusi reduksi permasalahan. menyelesa- penyelesaiannya. Metode heap dan ikan
. [BT+BM:
heapsort
(1+1)x(3x50 beberapa ’)]
Eksponen aturan permasala- horner dan biner. han. Metode reduksi
Ketepatan permasalahan. penerapan konsep transforma- si untuk mereduksi permasala- han. Mahasiswa/i mampu memahami dan Indikator:
5/14 % Kuliah & Diskusi. Kesesuaian Diskusi menganalisa konsep ruang dan waktu
& pemaha- dan Konsep pengurutan Brainstroming.
trade off dalam menyelesaikan
5 % melalui perhitungan man dan keaktifan. [TM: 3x(3x50’)] permasalahan, yaitu pengurutan melalui penyelesai-
Metode penambahan Tugas II
Latihan soal dan perhitungan, penambahan input dalam an input dalam diskusi pencocokan string, metode hashing, dan permasala- pencocokan string. penyelesaiannya pohon B. han dengan beserta Tugas II. Metode hashing dan 9. konsep pohon B. [BT+BM: ruang dan
(1+1)x(3x50’)] waktu
trade off .
Ketepatan penerapan ruang dan waktu dalam mendesain dan menyelesa- ikan permasala- han. Mahasiswa/i mampu memahami, Indikator:
5/14 % Kuliah & Diskusi. Kesesuaian Diskusi menjelaskan, dan menerapkan pemaha- dan
Permasalahan Brainstroming. pemrograman dinamik dalam knapsack dan fungsi man, keaktifan.
[TM: 3x(3x50’)] menyelesaikan permasalahan, seperti memori. analisa, dan
Latihan soal dan
knapsack dan fungsi memori,
penerapan Metode optimal diskusi 10. optimalisasi pohon pencarian biner, konsep dalam pohon penyelesaiannya. serta algoritma warshall dan flyod. pencaian biner. pemrogra-
[BT+BM: man Konsep algoritma (1+1)x(3x50’)] dinamik.
warshall dan flyod.
Mahasiswa/i mampu memahami, Indikator: 5/14 %
Kuliah & Diskusi. Kesesuai- Diskusi menjelaskan, menganalisa, dan & an dan dan
Algoritma prim.
Brainstroming. menerapkan teknik greedy dalam 5 % ketepatan keaktifan. Algoritma kruskal.
Kuis II Take Home Test menyelesaikan permasalahan. penerapan
Ujian Algoritma Djikstra. [TM: 3x(3x50’)] dan analisa 11.
Kuis II Konsep pohon Latihan soal dan teknik
huffman . diskusi greedy.
penyelesaiannya. [BT+BM: (1+1)x(3x50’)] Mahasiswa/i mampu memahami, Indikator: 5/14 %
Kuliah & Diskusi. Kesesuai- Diskusi menjelaskan, menganalisa, dan an dan dan Metode simplex. Brainstroming. menerapkan konsep peningkatan ketepatan keaktifan.
[TM: 3x(3x50’)] Permasalahan alur iterative, antara lain: metode simplex, maksimum dan penerapan
Latihan soal dan alur maksimum, pencocokan maksimum dan analisa stable marriage . diskusi graf biparti, dan stable marriage. peningka- penyelesaiannya. Pencocokan tan iteratif maksimum graf [BT+BM: 12. untuk biparti. (1+1)x(3x50’)] memodel- kan dan menyelesa- ikan permasala- han. Mahasiswa/i mampu memahami, Indikator:
5/14 % Kuliah & Diskusi. Kesesuai- Diskusi menjelaskan, dan menganalisa an dan dan Metode argumen Brainstroming. keterbatasan kekuatan algoritma, seperti batas bawah. ketepatan keaktifan.
[TM: 3x(3x50’)] argument batas bawah, pohon dalam
Konsep pohon Latihan soal dan keputusan, permasalahan P-NP-NP menganali- keputusan. diskusi 13. komplit, dan tantangan algoritma sa penyelesaiannya. P, NP, NP Komplit. numerik. keterbata-
[BT+BM: Algoritma Numerik san dan tantangannya. (1+1)x(3x50’)] kekuatan algoritma.
Mahasiswa/i mampu memahami, Indikator: 5/14 %
Kuliah & Diskusi. Kesesuai- Diskusi menjelaskan, dan mengatasi an dan dan
Metode backtracking Brainstroming. 14. keterbatasan algoritma, antara lain dan branch-bound. ketepatan keaktifan.
[TM: 3x(3x50’)] dengan: metode backtracking, metode dalam
Algoritma untuk hard, dan algoritma persamaan non keterbata-
Algoritma Latihan soal dan linear. san persamaan non diskusi kekuatan linear. penyelesaiannya. algoritma. [BT+BM: (1+1)x(3x50’)]
EAS (Evaluasi Akhir Semester) 45 % Total
100 % Catatan :
T = Teori (aspek ilmu pengetahuan) 1 sks = (50’ TM + 50’ BT + 60’BM) /Minggu BM = Belajar Mandiri P = Praktek (aspek ketrampilan kerja) TM = Tatap Muka (Kuliah) PS = Praktikum Simulasi (3 jam/Minggu) BT = Belajar Terstruktur PL = Praktikum Lab. (3 jam/Minggu) Surabaya, …………………………………… Menyetujui
Mengetahui, Ketua Program Studi Teknik Informatika Dosen Pengampu Geri Kusnanto, S.Kom.,M.M.
Elsen Ronando, S.Si.,M.Si.,M.Sc. NPP. 20460.94.0401 NPP. 20460.16.0708