RENCANA PEMBELAJARAN SEMESTER (RPS) IKG3F3 PEMODELAN STOKASTIK
Disusun oleh: Sri Suryani P, S.Si., M.Si.
PROGRAM STUDI ILMU KOMPUTASI FAKULTAS INFORMATIKA
TELKOM UNIVERSITY 2015
LEMBAR PENGESAHAN
Rencana Pembelajaran Semester (RPS) ini telah disahkan untuk mata kuliah sbb: Kode Mata Kuliah
:
IKG3F3
Nama Mata Kuliah
:
Pemodelan Stokastik
Mengetahui Kaprodi Ilmu Komputasi
Bandung, Juli 2015 Menyetujui Ketua Pemodelan dan Simulasi
Dr. Deni Saepudin
Jondri, M.Si
ii
DAFTAR ISI LEMBAR PENGESAHAN..............................................................................................................................ii DAFTAR ISI ................................................................................................................................................ iii A.
PROFIL MATA KULIAH....................................................................................................................... 1
B.
RENCANA PEMBELAJARAN SEMESTER (RPS) ................................................................................... 2
C.
RANCANGAN INTERAKSI DOSEN–MAHASISWA ............................................................................... 5
D.
RANCANGAN TUGAS ........................................................................................................................ 7
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
: : : : :
: : : :
Pemodelan Stokastik IKG3F3 3 MK Wajib Tatap muka di kelas
= 3 jam per minggu
Tutorial / responsi
= 1 jam per minggu
5 (lima) / 3 (tiga) Statistika, Kalkulus I dan II, Aljabar Linier, Matematika Diskrit Pemodelan dan Simulasi Pemodelan
DESKRIPSI SINGKAT MATA KULIAH Mata kuliah Pemodelan Stokastik merupakan materi fundamental di program studi Ilmu Komputasi pada KK Pemodelan dan Simulasi. Materi pada Pemodelan Stokastik meliputi Proses Poisson, Rantai Markov dan Teori Antrian. Perkuliahan diberikan untuk membekali mahasiswa dalam menggunakan Proses Stokastik untuk memodelkan hubungan antar kejadian random dalam berbagai bidang ilmu seperti engineering, ilmu pengetahuan alam dan sosial.
DAFTAR PUSTAKA 1. 2. 3. 4.
Leon-Garcia, Alberto, Probability and Random Processes for Electical Engineering Seldon, M. Ross, Introduction to Probability Models, 2nd edition, Academic Press, Inc., 1980. Shunji Osaki, Applied Stochastic System Modelling, Springer-Verlag, Berlin-Heidelberg, 1992 S. Karlin and H.M. Taylor, A First Course on Stochastic Processes, Academic Press, New York, 1975
1
B. RENCANA PEMBELAJARAN SEMESTER (RPS)
Minggu ke-
Kemampuan Akhir yang Diharapkan
Bahan Kajian (Materi Ajar)
Bentuk/ Metode/ Strategi Pembelajaran
Kriteria Penilaian (Indikator)
Bobot Nilai
Ceramah dan Diskusi
1. Ketepatan dalam mereview materi – materi variabel acak dan distribusinya baik variabel kontinu maupun diskrit. 2. Ketepatan dalam menjelaskan peluang dan ekspektasi bersyarat untuk mendukung pemaham proses stokastik. 3. Ketepatan dalam menjelaskan definisi proses stokastik dan klasifikasi, serta memberikan contoh nyata permasalahan proses stokastik.
5%
Ceramah dan Diskusi, Pemberian Tugas
1. Ketepatan dalam menjelaskan definisi proses menghitung dan proses poisson 2. Ketepatan dalam menjelaskan proses poisson pada distribusi waktu antar kedatangan, waktu menunggu dan teori antrian. 3. Ketepatan dalam menjelaskan
10%
Proses Stokastik:
1-2
1. Variabel acak Mampu menjelaskan proses 2. Distribusi Diskrit dan Kontinu serta stokastik untuk memodelkan Multivariat hubungan dinamika antar kejadian random dalam berbagai bidang ilmu 3. Ekspektasi dan Peluang Bersyarat seperti engineering, ilmu 4. Definisi, pengetahuan alam dan sosial. Klasifikasi dan Contoh dari Proses Stokastik
Proses Poisson:
3-4
Mampu menjelaskan secara terminologi dan menggunakan 1. Proses Menghitung proses poisson pada kejadian waktu 2. Definisi Proses antar kedatangan, waktu menunggu Poisson dan teori antrian. 3. Distribusi dan Distribusi 2
Bersyarat dari Waktu Antar Kedatangan 4. Proses Poisson Homogen
proses poisson non homogen
Rantai Markov Diskrit:
5-7
1. Mampu menjelaskan secara terminologi dan menggunakan rantai markov diskrit pada perhitungan peluang transisi n langkah dan jangka panjang. 2. Mampu menjelaskan persamaan Chapman- Kolmogorov. 3. Mampu menjelaskan dan menentukan keadaan yang dapat diakses, komunikasi, transient dan reccurent rantai markov.
1. Definisi dan Contoh Rantai Markov Diskrit 2. Jenis Ruang Keadaan 3. Rantai Markov Irreducible 4. Periodisitas Rantai Markov dan Peluang Limit 5. Matriks Peluang Transisi 6. Diagram Transisi 7. Persamaan ChapmanKolmogorov 8. Rantai Markov dengan Distribusi Stasioner
3
Ceramah dan Diskusi, Kuis
1. Ketepatan dalam menjelaskan definisi rantai markov diskrit, peluang limit dan periodesitas rantai markov. 2. Ketepatan dalam menyusun matriks transisi suatu masalah nyata dan menggambarkan diagram transisinya. 3. Ketepatan dalam menjelaskan persamaan Chapman-Kolmogorov 4. Ketepatan dalam mengelompokkan keadaan rantai markov.
20%
Rantai Markov Kontinu:
8-9
10-11
12 – 14
Mampu menjelaskan rantai markov 1. Proses Kelahiran dan Kematian kontinu pada proses kelahiran dan 2. Proses Kelahiran kematian murni. dan Kematian Murni
1. Mampu menjelaskan teori antrian. 2. Mampu mengaplikasikan teori antrian
3. Mampu berdiskusi, berkomunikasi dan bekerja aktif dalam tim 4. Mampu mengaplikasikan teori pemodelan
1. Definisi Antrian dan Klasifikasi Model Antrian 2. Implentasi teori antrian
Studi kasus pemodelan stokastik meliputi: proses stokastik, proses poisson dan rantai markov
4
Ceramah dan Diskusi, Kuis
Ceramah dan Diskusi
Diskusi dan Presentasi
1. Ketepatan dalam menjelaskan proses kelahiran dan kematian murni. 2. Dapat mengimplementasikan rantai markov kontinu pada kasus nyata.
1. Ketepatan dalam menjelaskan teori antrian meliputi definisi dan klasifikasinya 2. Mengetahui dan dapat mengimplentasikan teori antrian pada kasus nyata.
1. Keaktifan mahasiswa dalam berdiskusi dan bekerja sama dalam proses penyelesaian tugas dan presentasi. 2. Kualitas komunikasi dan presentasi. 3. Ketepatan dalam menjelaskan secara benar dan lengkap hasil analisis studi kasus yang dilakukan.
20%
15%
30%
C. RANCANGAN INTERAKSI DOSEN–MAHASISWA Kemampuan Akhir yang Diharapkan
1. Mampu menjelaskan proses stokastik untuk memodelkan hubungan dinamika antar kejadian random dalam berbagai bidang ilmu seperti engineering, ilmu pengetahuan alam dan sosial. 2. Mampu menjelaskan secara terminologi serta menggunakan proses poisson dan eksponensial pada kejadian waktu antar kedatangan, waktu menunggu dan teori antrian. 3. a. Mampu menjelaskan secara terminologi dan menggunakan rantai markov diskrit pada perhitungan peluang transisi n langkah dan jangka panjang. b. Mampu menjelaskan dan menggunakan persamaan ChapmanKolmogorov c. Mampu menjelaskan dan menentukan keadaan yang dapat diakses, komunikasi, transient dan reccurent rantai markov. 4. Mampu menggunakan rantai markov kontinu pada proses kelahiran dan kematian murni serta teori antrian 5. a. Mampu berdiskusi berkomunikasi dan bekerja aktif dalam tim. b. Mampu mengaplikasikan teori pemodelan stokastik pada kasus nyata.
Nama Kajian
1. 2. 3. 4. 5. 6.
Teori Proses Stokastik dan pendukungnya Proses Poisson Rantai Markov Diskrit Rantai Markov Kontinu Teori Antrian Studi kasus pemodelan stokastik
Nama Strategi Minggu Penggunaan Strategi (Metode)
Ceramah dan Diskusi 1. Minggu ke 1 – 2 2. Minggu ke 3 – 4 3. Minggu ke 5 – 7 4. Minggu ke 8 – 9 5. Minggu ke 10 – 11 6. Minggu ke 12 – 13
Deskripsi Singkat Strategi (Metode)
Strategi pembelajaran dengan metode diskusi 5
Pembelajaran
dilakukan oleh antar mahasiwa dan mahasiswadosen secara verbal dengan bertanya, menjawab, memberi komentar, mengajukan pendapat atau pandangan tentang materi. RANCANGAN INTERAKSI DOSEN–MAHASISWA
Aktivitas Dosen
Aktivitas Mahasiswa
Dosen memberikan pandangan atau jawaban atas respon mahasiswa terhadap materi.
Mahasiswa memberikan respon atas paparan materi yang diberikan oleh dosen.
6
D. RANCANGAN TUGAS Kode Mata Kuliah
IKG3F3
Nama Mata Kuliah
Pemodelan Stokastik
Kemampuan Akhir yang Diharapkan
Mampu memahami konsep pemodelan stokastik dan implementasinya pada kasus nyata
Minggu / Pertemuan ke
3 – 12
Tugas ke
3 – 12
1. Tujuan Tugas: Mengetahui kemampuan pemahaman mahasiswa terhadap konsep dan implentasinya pada suatu kasus pada setiap materi yang telah diberikan 2. Uraian Tugas: a. Objek Garapan
b. Yang harus dikerjakan dan batasan-batasan
c. Metode / cara pengerjaan, acuan yang digunakan
d. Deksripsi luaran tugas yang dihasilkan / dikerjakan
3. Kriteria penilaian Kelengkapan informasi
Sesuai dengan sub materi yang sedang berlangsung untuk tugas rutin. Sedangkan tugas besar sesuai dengan materi yang berkaitan dengan kasus nyata yang di amati. Sesuai dengan soal yang disediakan dalam handout atau tambahan bahan dari dosen Dapat dikerjakan di kelas maupun di rumah, di tempat pengamatan objek dan dikirimkan melalui email Solusi soal sesuai dengan sub materi yang sedang berlangsung, makalah yang merupakan implementasi pemahaman konsep stokastik dan antrian pada kasus nyata, presentasi dan poster Diberikan informasi: nama, nim, sumber referensi Untuk tugas rutin, sesuai dengan soal yang dberikan dosen. Sedangkan untuk tugas besar, Format makalah dalam bentuk jurnal, format loogbook sesuai standard yang diberikan yaitu memuat tanggal, kegiatan yang dilakukan, hasil yang diperoleh dan tanda tangan dosen. Sedangkan format Poster sesuai standar poster.
Format penulisan laporan
7
E. PENILAIAN DENGAN RUBRIK Jenjang (Grade)
Angka (Skor)
Deskripsi perilaku (Indikator) Melakukan kecurangan, mengcopy, menyontek tanpa menyebutkan sumbernya.
Sangat kurang
<30
Kurang
30 - < 45
Tidak jelas terlihat struktur konsep pemodelan stokastiknya, tapi solusi yang dihasilkan agak terlihat menunjukkan arah output yang diminta dalam soal
45 - < 60
Konsep pemodelan stokastik yang digunakan dan solusi yang dibuat menunjukkan ke output yang diminta dalam soal. Namun belum selesai keseluruhannya.
60 - < 75
Konsep pemodelan stokastik yang digunakan dan solusi yang dibuat menunjukkan ke output yang diminta dalam soal, namun cara berpikir yang tertuang dalam kode program tidak rapih.
> 75
Konsep pemodelan stokastik yang digunakan dan solusi yang dibuat menunjukkan ke output yang diminta dalam soal., cara bertutur runut, rapih dan bersih. Mudah dirunut, jika hendak dikembnagkan untuk kasus lain.
Cukup
Baik
Sangat baik
Atau tidak jelas terlihat struktur konsep pemodelan stokastiknya dan solusi yang dihasilkan tidak menunjukkan arah kepada output yang diminta dalam soal
F. PENENTUAN NILAI AKHIR MATA KULIAH
Nilai Skor Matakuliah (NSM)
Nilai Mata Kuliah (NMK)
74.99 < NSM
A
69.99 < NSM ≤ 74.99
AB
59.99 < NSM ≤ 69.99
B
54.99 < NSM ≤ 59.99.
BC
44.99 < NSM ≤ 54.99
C
29.99 < NSM ≤ 44.99
D
NSM ≤ 29.99
E
8
