EL-7242 METODA OPTIMASI
Kembali ke Kurikulum Silabus SAP GBPP
GARIS-GARIS BESAR PROGRAM PENGAJARAN
(GBPP)
Teknik Elektro- Fakultas Teknik- Universitas Langlangbuana Bandung
Mata Kuliah : Metoda Optimasi
Kode Mata Kuliah : EL-7242
SKS : 2 (Dua)
Semester : 7
Tujuan/instruksi umum |
: |
Mahasiswa diberikan pengetahuan dan keahlian tingkat dasar tentang konsep umum analisa sistem berkaitan dengan identifikasi, formulasi dan problem-solving suatu permasalahan rekayasa yang sederhana yang dapat diterapkan untuk perencanaan, perangcangan, dan pengelolaan yang berkaitan dengan aplikasi elektronika dan sistem dengan teknik optimasi programa linier dan non linier. |
||
Media / alat yang digunakan |
: |
|
||
Daftar referensi |
: |
|
Mg#
|
Topik
|
Sub
Topik
|
Tujuan
Instruksional Khusus (TIK)
|
Activity
K/P/R/X/U
|
1.
|
Konsep perencanaan dan analisa sistem |
Pendahuluan; konsep sistem; peranan analisa sistem dalam bidang perencanaan dan perancangan rekayasa, karakteristik penerapan analisa sistem; Identifikasi permasalahan dan evaluasi perencanaan; fungsi tujuan dan kendala; variabel keputusan |
Mahasiswa seharusnya: 1. Mengerti dasar pendekatan analisa sistem untuk memformulasikan permasalahan dengan model matematika. 2. Mampu mengapresiasikan keterbatasan sumberdaya (tenaga kerja, waktu, dana, dan prasarana fisik lainnya) yang dapat mempengaruhi proses perencanaan, perancangan dan pengelolaan dalam bidang rekayasa 3. Mengerti keuntungan dan keterbatasan analisa sistem untuk menyelesaikan permasalahan terkait dengan bidang rekayasa teknik elektro |
K |
2.
|
Metode optimasi dengan teknik programa linier (PL) |
Konsep model teknik optimasi i.e. programa linier (PL); solusi grafik; fungsi kendala aktif dan tidak aktif; multiple, unbounded, infeasible solution, kajian studi : model rangka batang-statis tertentu, dan model campuran agregat |
Mahasiswa seharusnya: 1. Mampu memformulasikan dan menyelesaikan permasalahan dengan model matematika linier cara grafik untuk dua variabel keputusan. 2. Mengerti definisi fungsi kendala aktif dan tidak aktif 3. Mengerti definisi solusi jamak, tidak layak dan tak terbatas. 4. Mampu memformulasikan model matematika linier yang terkait dengan rekayasa struktur dan manajemen konstruksi. |
K |
3.
|
Programa linier dengan metode simplek; |
Bentuk standar programa linier; variabel slack dan surplurs; Evaluasi titik ekstrim: variabel basis dan non basis; Permasalahan minimum dan maksimum dalam metode simplek; kajian studi: Model menejemen konstruksi |
Mahasiswa seharusnya: 1. Mampu memformulasikan permasalahan linier dalam bentuk format standar untuk metode simpleks. 2. Mengerti bagaimana proses penentuan titik optimal dalam metode simpleks. 3. Mampu memformulasikan dan menyelesaikan model matematika linier yang terkait dengan manajemen rekayasa konstruksi dengan metode simpleks 4. Mampu mendefinisikan variabel slack dan surplus berkaitan dengan permasalahan rekayasa. |
K,X |
4.
|
Programa linier dengan metode simplek dua fase |
fungsi tujuan Artifisial; algoritma metode simplek dua fase; Permasalahan minimum dan maksimum dua fase |
Mahasiswa seharusnya: 1. Mampu memformulasikan permasalahan rekayasa linier yang memerlukan artificial variables dengan metode simpleks dua fase. 2. Mampu menentukan solusi optimal dengan menyelesaikan metode simplek dua fase. 3. Mampu mengapresiasikan penyelesaian metode simplek dua fase dengan presentasi grafik. |
K |
5.
|
Analisa jaringan |
Karakteristik formulasi model analisa jaringan; algoritma analisa jaringan. |
Mahasiswa seharusnya: 1. Mampu memformulasikan permasalahan rekayasa linier analisa jaringan. 2. Mampu menentukan solusi optimal untuk alokasi sumberdaya dan critical path schedule. |
K |
6.
|
Penerapan programa linier dan analisa jaringan dalam bidang rekayasa |
Pemodelan kapasitas jaringan pipa; assignment model; |
Mahasiswa seharusnya: 1. Mampu memformulasikan dan menyelesaikan permasalahan pemodelan jaringan pipa. 2. Mampu memformulasikan dan menyelesaikan permasalahan assignment model. |
K,X |
7.
|
Pemrograman Bilangan Bulat |
Karakteristik programa bilangan bulat, algoritma Pencabangan; bounding; algoritma pemotongan; algoritma Gomary; algoritma transportasi; uji optimalitas. |
Mahasiswa seharusnya:
Mampu memformulasikan dan menyelesaikan programa linier dengan algoritma pencabangan, pemotongan, transportasi. |
K,X |
8.
|
Konsep, formulasi dan penerapan pemodelan programa non linier (PNL) |
Model nonlinier dengan solusi grafik; fungsi obyektif monotonic; fungsi obyektif nonmonotonic. |
Mahasiswa seharusnya: 1. Mengerti klasifikasi programa non linier dengan fungsi obyektif monotonic dan nonmonotonic. 2. Mampu memformulasikan dan menyelesaikan permasalahan dengan model matematika non linier cara grafik. |
K, U |
9.
|
Pendahuluan Programa nonlinier |
Model non linier single dan multi variabel; Metode calculus; model tak berkendala; prinsip global dan lokal optimal; fungsi unimodal; kajian studi minimum-weight presure piping. |
Mahasiswa seharusnya: 1. Mengerti klasifikasi programa non linier dengan fungsi obyektif monotonic dan nonmonotonic. 2. Mampu memformulasikan dan menyelesaikan permasalahan rekayasa dengan model matematika non linier cara grafik. |
K,X |
10.
|
Programa non linier multivariabel tak berkendala |
Penerapan metode Calculus; Prinsip dasar untuk menentukan global optimal; fungsi konveks dan konkaf; vektor gradien dan matriks Hessian; optimasi dengan satu dan multi variabel; necessary dan sufficient condition; constraint; permasalahan non linier tak berkendala; |
Mahasiswa seharusnya: 1. Mengerti prinsip metode Calculus untuk menentukan solusi optimal berkaitan dengan fungsi obyektif non linier dan set fungsi kendala. 2. Mampu menggunakan definisi Hessian matriks dan pendekatan matematika lainnya untuk mengidentifikasi fungsi konveks dan konkaf. 3. Mampu mengidentifikasi necessary dan sufficient conditions untuk menentukan lokal dan global optimal. |
K |
11.
|
Programa non linier multi variabel berkendala |
Fungsi Lagrange; interpretasi Lagrange Multiplier; search method; kondisi Kuhn Tucker; convex sets |
Mahasiswa seharusnya: 1. Mampu memformulasikan dan menyelesaikan programa non linier kedalam bentuk fungsi Lagrange. 2. Mampu menggunakan metode Lagrange multiplier untuk menentukan desain optimum. 3. Mampu menggunakan kondisi Kuhn-Tucker untuk menguji global minimum. |
K,X |
12.
|
Programa non linier multivariabel tak berkendala dengan metode numerik |
Metode Newton Raphson, persamaan rekursif Newton Raphson, metode steepest ascent, persamaan rekursif steepest ascent. |
Mahasiswa seharusnya: 1. Mampu memformulasikan dan menyelesaikan permasalahan rekayasa non linier tak berkendala dengan metode Newton Raphson dan steepest ascent. 2. Mengerti keterbatasan dalam penerapan metode Newton Raphson dan steepest ascent. |
K |
13.
|
Programa non linier multi variabel berkendala dengan metode numerik |
Review fungsi Lagrange, Metode Newton
Raphson, persamaan rekursif
|
Mahasiswa seharusnya: 1. Mampu memformulasikan permasalahan rekayasa non linier berkendala dengan fungsi Lagrange dan menyelesaikannya dengan metode Newton Raphson dan feasible direction. 2. Mengerti keterbatasan dalam penerapan metode Newton Raphson dan feasible direction. |
K,X |
14.
|
Programa non linier persamaan kuadrat |
Model matematika bentuk kuadrat; bentuk standar; sistem Kuhn Tucker; metode Frank dan Wolfe. |
Mahasiswa seharusnya:
1. Mampu memformulasikan dan menyelesaikan programa non linier kuadratik dengan metode Frank dan Wolfe |
K |
15.
|
Penerapan programa non linear untuk elektronika |
Elektronika, Data pengamatan, formulasi fungsi tujuan dan fungsi kendala, programa non linear, |
Mahasiswa seharusnya: Mampu memformulasikan permasalahan rekayasa non linier berkaitan dengan bidang teknik elektro |
K,X |
16.
|
Review dan diskusi |
|
UAS |
U |