RENCANA PEMBELAJARAN SEMESTER (RPS) IKG2B3 METODE KOMPUTASI
Disusun oleh:
PROGRAM STUDI S1 ILMU KOMPUTASI FAKULTAS INFORMATIKA
TELKOM UNIVERSITY
LEMBAR PENGESAHAN
Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb: Kode Mata Kuliah
:
IKG2B3
Nama Mata Kuliah
:
Metode Komputasi
Mengetahui Kaprodi S1 Ilmu Komputasi
Bandung, …2015 Menyetujui Ketua KK Pemodelan dan Simulasi
Dr. Deni Saepudin
Jondri, M.Si.
ii
DAFTAR ISI LEMBAR PENGESAHAN............................................................................................................................ ii DAFTAR ISI .............................................................................................................................................. iii A.
PROFIL MATA KULIAH ......................................................................................................................1
RANCANGAN INTERAKSI DOSEN–MAHASISWA ...............................................................................7
D.
RANCANGAN TUGAS .......................................................................................................................8
E.
PENILAIAN DENGAN RUBRIK ...........................................................................................................8
F.
PENENTUAN NILAI AKHIR MATA KULIAH.........................................................................................8
iii
A. PROFIL MATA KULIAH IDENTITAS MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah SKS Jenis Jam pelaksanaan
Semester / Tingkat Pre-requisite Co-requisite Bidang Kajian
: : : : :
: : : :
Metode Komputasi IKG2B3 3 MK Wajib Tatap muka di kelas
3 jam per minggu
Tutorial / responsi
1 jam per minggu
3 (tiga) / 2 (dua) Kalkulus II Optimasi dan Pemodelan Matematika
DESKRIPSI SINGKAT MATA KULIAH Mata Kuliah ini membahas mengenai dasar pemodelan matematika untuk menyatakan masalah nyata sebagai masalah matematika, menyatakannya sebagai masalah optimasi dengan dan tanpa kendala, dan menentukan solusi dari model matematika dengan pendekatan komputasi sederhana yaitu metode gradient dan variasinya.
DAFTAR PUSTAKA 1. Jan A. Snyman, Practical Mathematical Optimization: An Introduction to Basic Optimization Theory dan Classical and New Gradient-Based Algorithms. Springer: 2005. 2. Varberg, D.E., Purcell, E.J., and Rigdon, S.E., Calculus with Analytical Geometry, Prenctice Hall: 2000. 3. Bazaraa, M.S. Sherali, H.D., and Shetty, C.M., Nonlinear Programming: Theory and Algorithms, Wiley-Interscience, 3rd Edition, 2006.
1
B. RENCANA PEMBELAJARAN SEMESTER (RPS) Pertemuan ke-
Kemampuan Akhir yang Diharapkan
1
Menghitung vektor gradien dan turunan berarah dari suatu fungsi. Menentukan arah yang memberikan laju perubahan nilai terbesar.
Fungsi Multivariabel: Vektor gradient. Turunan berarah.
2
Memformulasikan masalah nyata menjadi model matematika, khususnya masalah optimasi. Menuliskan langkah-langkah iteratif metode gradient untuk masalah pemaksimuman/peminimum an.
Pemodelan matematika: Identifikasi masalah. Formulasi masalah nyata menjadi masalah optimasi pemaksimuman/peminimum an.
Bahan Kajian (Materi Ajar)
2
Bentuk/ Metode/ Kriteria Penilaian (Indikator) Strategi Pembelajaran Ceramah, Pemahaman Diskusi. mengenaivektor gradien dan turunan berarah. Kemampuan menghitung vektor gradien dan turunan berarah dari suatu fungsi. Pemahaman mengenai arti nilai turunan berarah sebagai laju perubahan nilai fungsi. Kemampuan menentukan arah yang memberikan laju perubahan nilai terbesar. Ceramah, Pemahaman mengenai Diskusi. formulasi masalah nyata menjadi model matematika, khususnya masalah optimasi. Kemampuan menjelaskan asumsi-asumsi yang digunakan.
Bobot Nilai
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
3
Menuliskan langkah-langkah iteratif metode gradient untuk masalah pemaksimuman/peminimuman.
Metode gradient descent/ascent: Metode gradient descent untuk masalah peminimuman. Metode gradient ascent untuk masalah pemaksimuman. Pengenalan Maple/Matlab: Maple untuk operasi simbolik dan komputasi. Matlab untuk komputasi.
4
5
Bahan Kajian (Materi Ajar)
Menuliskan langkah-langkah iteratif metode gradient untuk masalah pemaksimuman/peminimum an. Menggunakan software Maple/Matlab untuk operasi simbolik dan komputasi.
Implementasi metode gradient descent/ascent dalam Maple/Matlab.
3
Bentuk/ Metode/ Kriteria Penilaian (Indikator) Strategi Pembelajaran Ceramah, Pemahaman mengenai Diskusi. prinsip dasar metode gradient. Kemampuan menuliskan langkah-langkah iteratif metode gradient untuk masalah pemaksimuman/peminimu man. Ceramah, Kemampuan menggunakan Diskusi. Maple dan Matlab untuk operasi simbolik dan komputasi. Ceramah, Diskusi.
Kemampuan membuan program implementasi metode gradient di Maple/Matlab. Pemahaman mengenai aturan perkalian dalam masalah kombinatorial. Kemampuan menggunakan permutasi. Kemampuan menggunakan kombinasi.
Bobot Nilai
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
6
7
8
Bahan Kajian (Materi Ajar)
Masalah regresi linear dan nonlinear.
Membuat program implementasi metode gradient di Maple/Matlab. Memformulasikan masalah regresi dengan least square sebagai masalah optimasi. Mentransformasikan beberapa bentuk regresi non-linear menjadi regresi linear.
Memformulasikan masalah regresi dengan least square sebagai masalah optimasi
Perhitungan akar persamaan. Solusi sistem persamaan.
UJIAN TENGAH SEMESTER Masalah optimasi dengan kendala: Masalah optimasi dengan kendala berupa persamaan. 4
Bentuk/ Metode/ Kriteria Penilaian (Indikator) Strategi Pembelajaran Ceramah, Kemampuan Diskusi. memformulasikan masalah regresi dengan least square sebagai masalah optimasi. Kemampuan mentransformasikan beberapa bentuk regresi non-linear menjadi regresi linear. Kemampuan menyatakan masalah regresi non-linear sebagai masalah optimasi. Ceramah, Kemampuan menyatakan Diskusi. masalah pencarian akar persamaan sebagai masalah optimasi. Kemampuan menyatakan masalah pencarian solusi suatu sistem persamaan sebagai masalah optimasi. Ceramah, Diskusi.
Kemampuan menerapkan metode pengali Lagrange untuk penyelesaian masalah optimasi dengan kendala
Bobot Nilai
Pertemuan ke-
Kemampuan Akhir yang Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/ Metode/ Strategi Pembelajaran
Metode Pengali Lagrange.
Kriteria Penilaian (Indikator)
persamaan.
Masalah optimasi dengan kendala berupa pertidaksamaan. Bentuk dual.
Ceramah, Diskusi.
Penerapan metode gradient ascent/descent untuk masalah optimasi dual.
Ceramah, Diskusi.
11
Studi kasus: masalah klasifikasi.
Diskusi.
12
Metode conjugate gradient linear.
Pemahaman mengenai metode conjugate gradient linear. Kemampuan mengimplementasikan metode conjugate gradient di Maple/Matlab. Kemampuan menerapkan
9
10
Menerapkan metode pengali Lagrange untuk penyelesaian masalah optimasi dengan kendala persamaan
13
Menyebutkan contoh masalah real yang dapat dinyatakan sebagai masalah optimasi dengan kendala berupa pertidaksamaan.
Implementasi metode conjugate gradient dalam Maple/Matlab.
Ceramah, Diskusi. Ceramah, Diskusi.
14
Menerapkan metode pengali
Penerapan metode conjugate
Ceramah,
5
Kemampuan menyebutkan contoh masalah real yang dinyatakan sebagai masalah optimasi dengan kendala berupa pertidaksamaan. Kemampuan menyatakan bentuk dual masalah optimasi berkendala dengan pendekatan metode pengali Lagrange. Kemampuan menerapkan modifikasi metode gradient untuk penyelesaian masalah optimasi bentuk dual.
Bobot Nilai
Pertemuan ke-
Kemampuan Akhir yang Diharapkan Lagrange untuk penyelesaian masalah optimasi dengan kendala persamaan
Bahan Kajian (Materi Ajar)
gradient dalam masalah nyata.
UJIAN AKHIR SEMESTER
6
Bentuk/ Metode/ Kriteria Penilaian (Indikator) Strategi Pembelajaran Diskusi. metode conjugate gradient dalam penyelesaian masalah nyata.
Bobot Nilai
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA Kemampuan Akhir yang Diharapkan
…
Nama Kajian Nama Strategi Minggu Penggunaan Strategi (Metode) Deskripsi Singkat Strategi (Metode) pembelajaran
... … … …
RANCANGAN INTERAKSI DOSEN–MAHASISWA Aktivitas Dosen
Aktivitas Mahasiswa
…
…
7
D. RANCANGAN TUGAS Kode mata Kuliah
…
Nama Mata Kuliah
…
Kemampuan Akhir yang Diharapkan
…
Minggu/Pertemuan ke
…
Tugas ke
…
1. Tujuan tugas: … 2. Uraian Tugas: a. Obyek garapan: … b. Yang harus dikerjakan dan batasan-batasan: … c. Metode/ cara pengerjaan, acuan yang digunakan: … d. Deskripsi luaran tugas yang dihasilkan/ dikerjakan: … 3. Kriteria penilaian: …
E. PENILAIAN DENGAN RUBRIK Jenjang (Grade)
Angka (Skor)
Deskripsi perilaku (Indikator)
F. PENENTUAN NILAI AKHIR MATA KULIAH Nilai Skor Matakuliah (NSM)
