RENCANA PEMBELAJARAN SEMESTER

FAKULTAS TEKNIK – PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS/PRODI : Teknik/Teknik Informatika

JUDUL MATA KULIAH : Desain dan Analisis Algoritma
NOMOR KODE / SKS : 190651006
SEMESTER : V
SKS : 3 (tiga) SKS
MATAKULIAH PRASYARAT : Algoritma dan Pemrograman I dan II, Struktur Data & Algoritma Lanjut,
Matematika Informatika,
DESKRIPSI MATA KULIAH : Matakuliah Desain dan Analisis Algoritma ini membahas Efisiensi algoritma,
analisis kompleksitas dan strategi algoritma untuk menyelesaikan berbagai
permasalahan.
DOSEN PENGAMPU : Tim Dosen
CAPAIAN PEMBELAJARAN : Setelah menyelesaikan perkuliahan ini mahasiswa mampu menganalisis,
mengukur efisiensi dan merancang algoritma untuk menyelesaikan berbagai
problem standar.

GBPP dan SAP – Artificial Intelligence Prodi Teknik Informatika Halaman 1 dari 5
PERT KEMAMPUAN INDIKATOR BAHAN KAJIAN METODE TUGAS MHS METODE ASPEK BOBOT
AKHIR PEMBELAJARAN PENILAIAN
1 Menjelaskan Pada akhir pertemuan ini 1. Dasar-dasar Problem based - - kognitif 2.5
Dasar-dasar mahasiswa diharapkan algorithmic problem learning
algorithmic mampu : solving
problem solving 1. Menjelaskan Dasar- 2. Important Problem
dasar algorithmic types
problem solving 3. Fundamental data
2. Menjelaskan Important structure
Problem types
3. Menjelaskan
Fundamental data
structure
2 Mahasiswa Pada akhir pertemuan ini 1. Input Size Problem Based Tugas Rubrik kognitif 7.5
mampu mahasiswa diharapkan 2. Basic Operation Learning menentukan Deskriptif
menjelaskan mampu : 3. Perhitungan input size, basic
Analisis 1. Mengidentifikasi Input running time op dan running
Efisiensi size pada suatu problem. 4. Efisiensi best-case, time
Algoritma 2. Mengidentifikasi Basic worst case dan
operation pada suatu average case
problem.
3. Menghitung running
time pada beberapa
problem sederhana

3 Mahasiswa Pada akhir pertemuan ini 1. Informal Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan introduction learning notasi Deskriptif
menjelaskan mampu : 2. Notasi Big-O, Big- Ω asymptotic
Notasi 1. Menjelaskan Informal dan Big-θ
asymptotic Introduction 3. Basic Efficiency
2. Menjelaskan Notasi Big- Classes
O, Big- Ω dan Big-θ

GBPP dan SAP – Artificial Intelligence Prodi Teknik Informatika Halaman 2 dari 5
4 Mahasiswa Pada akhir pertemuan ini 1. Informal Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan introduction learning notasi Deskriptif
Menerapkan mampu : 2. Notasi Big-O, Big- Ω asymptotic
Notasi 1. Menerapkan Informal dan Big-θ
asymptotic Introduction 3. Basic Efficiency
2. Menerapkan Notasi Big- Classes
O, Big- Ω dan Big-θ

5 Mahasiswa Pada akhir pertemuan ini 1. Tahapan untuk Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan analisis efisiensi learning Analisis Deskriptif
menerapkan mampu : untuk algoritma Matematika
Analisis 1. Menjelaskan teori dan non rekursif untuk algoritma
Matematika konsep Analisis 2. Basic Rule of sum non recursif
untuk Matematika untuk manipulation
algoritma non algoritma non recursif 3. Summation
recursif 2. Menerapkan teori dan Formula
konsep Analisis
Matematika untuk
algoritma non recursif
6 Mahasiswa Pada akhir pertemuan ini 1. Tahapan untuk Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan analisis efisiensi learning Analisis Deskriptif
menerapkan mampu : untuk algoritma Matematika
Analisis 1. Menjelaskan teori dan rekursif untuk algoritma
Matematika konsep Analisis 2. Induksi recursif
untuk Matematika untuk 3. Characteristic (Induksi)
algoritma algoritma recursif Equation
recursif 2. Menerapkan teori dan
konsep Analisis
Matematika untuk
algoritma recursif

GBPP dan SAP – Artificial Intelligence Prodi Teknik Informatika Halaman 3 dari 5
7 Mahasiswa Pada akhir pertemuan ini Characteristic Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan Equation learning Analisis Deskriptif
menerapkan mampu : Matematika
characteristic 1. Menganalisis algoritma untuk algoritma
equation untuk rekursif dengan recursif
menganalisis menggunakan (characteristic
algoritma Characteristic Equation Equation)
recursif 2. Menerapkan
Characteristic Equation
untuk algoritma recursif
8 Ujian Tengah Semester
9 Mahasiswa Pada akhir pertemuan ini 1. Brute Force Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan Algorithm learning Brute-Force Deskriptif
menerapkan mampu : 2. Sorting Algorithm
Brute-Force 1. Menjelaskan Brute force 3. Searching
Algoritma algorithm
2. Menerapkan Brute force
algorithm untuk
beberapa problem
standar.
10 Mahasiswa Pada akhir pertemuan ini Exhausted search: Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan 1. Knapsack Problem learning Brute-Force Deskriptif
menerapkan mampu menerapkan Brute 2. TSP Algorithm
Brute-Force force algorithm untuk 3. Assignment
Algoritma exhaustive search seperti : problem
1. Knapsack Problem
2. TSP
3. Assignment Problem
11 Mahasiswa Pada akhir pertemuan ini 1. Greedy Algorithm Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan 2. MST learning Greedy Deskriptif
menerapkan mampu : 3. Knapsack Problem Algorithm
Greedy 1. Menjelaskan Greedy 4. Huffman
Algoritma Algoritma 5. Djikstra
2. Menerapkan Greedy
Algoritma untuk
beberapa problem
standar.
GBPP dan SAP – Artificial Intelligence Prodi Teknik Informatika Halaman 4 dari 5
12 Mahasiswa Pada akhir pertemuan ini 1. Sorting Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan 2. Searching learning Divide and Deskriptif
menerapkan mampu : Conquer
Divide and 1. Menjelaskan Divide and
Conquer Conquer
2. Menerapkan Divide and
Conquer untuk beberapa
problem standar.
13 Mahasiswa Pada akhir pertemuan ini 1. N-Queens Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan 2. Sum of subset learning Backtracking Deskriptif
menerapkan mampu : problem
Backtracking 1. Menjelaskan 3. Knapsack Problem
Backtracking
2. Menerapkan
Backtracking untuk
beberapa problem
standar.
14 Mahasiswa Pada akhir pertemuan ini 1. N-Queens Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan 2. Knapsack Problem learning Branch and Deskriptif
menerapkan mampu : 3. Travelling Bound
Branch and 1. Menjelaskan Branch and Salesman Problem
Bound Bound
2. Menerapkan Branch and
Bound untuk beberapa
problem standar.
15 Mahasiswa Pada akhir pertemuan ini 1. Knapsack Problem Problem based Studi Kasus Rubrik kognitif 7.5
mampu mahasiswa diharapkan 2. Memory Function learning Dynamic Deskriptif
menerapkan mampu : Programming
Dynamic 1. Menjelaskan Dynamic
Programming Programming
2. Menerapkan Dynamic
Programming untuk
beberapa problem
standar.
16 Ujian Akhir Semester

GBPP dan SAP – Artificial Intelligence Prodi Teknik Informatika Halaman 5 dari 5