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