Kurikulum 2024

Kode Mata KuliahTA5014 / 3 SKS
Penyelenggara221 - Mining Engineering / FTTM
KategoriLecture
Bahasa IndonesiaEnglish
Nama Mata KuliahAnalisis NumerikNumerical Analysis
Bahan Kajian
  1. Pendahuluan Interpolasi dan ekstrapolasi
  2. Diferensiasi dan integrasi cara lanjut
  3. Responsi diferensiasi dan integrasi
  4. Solusi persamaan non diferensial
  5. Dasar-Dasar kalkulus
  6. Solusi PD biasa (PDB)
  7. Responsi Solusi PD biasa (PDB)
  8. Solusi sistem PD biasa (S-PDB)
  9. Responsi sistem PD biasa S-PDB
  10. Solusi PDB dan S-PDB dasar-dasar kalkulus dan solusi persamaan
  11. Dasar-dasar kalkulus dan solusi persamaan solusi PD parsial (PDP) – 1
  12. Solusi PD parsial (PDP) – 2 Solusi PD parsial (PDP) – 3
  13. Pemodelan dengan PDP Pemodelan data stokastik
  14. Pemodelan data 1-D Pemodelan data 2-D
  15. Pemodelan data dengan Kriging Pemodelan data cara non deterministik
  16. Nilai optimal kasus 1-D dan 2-D Optimasi dengan programa linier
  17. Optimasi dengan programa nonlinier Optimasi
    Capaian Pembelajaran Mata Kuliah (CPMK)
    1. Mahasiswa memahami kuliah Analisis Numerik dan perannya; serta mampu menyatakan distribusi data dalam bentuk simbol matematik.
    2. Mahasiswa menguasai tentang diferensiasi dan integrasi numerik cara sederhana; integrasi numerik cara lanjut dengan Gauss; diferensiasi dan integrase melalui aplikasi dengan computer; solusi persamaan linier simultan cara klasik.
    3. Mahasiswa menguasai tentang solusi persamaan nonlinier (1-PN & S-PN); mampu mengerjakan tugas yang berkaitan dengan dasar-dasar kalkulus; persamaan diferensial biasa (PDB); solusi PDB melalui aplikasi dengan computer; sistem persamaan diferensial biasa (S-PDB); S-PDB melalui aplikasi dengan komputer; mampu mengerjakan tugas berkaitan dengan solusi PDB & S-PDB.
    4. Mahasiswa menguasai tentang diskretisasi persamaan dengan metode beda hingga; solusi PDP dengan metode beda hingga; solusi PDP melalui aplikasi dengan komputer; solusi PDP; estimasi dengan simulasi stokastik; pemodelan data 1-D dengan polinomial dan Fourier; pemodelan data 2-D dengan polinomial dan Fourier; pemodelan data 2-D dengan Kriging sederhana; mengerjakan tugas berkaitan dengan pemodelan data; nilai optimum lokal dan global; optimasi dengan programa linier; optimasi dengan programa nonlinier; tugas berkaitan dengan programa linier dan nonlinier.
      Metode PembelajaranKuliah, Diskusi, Kerja Mandiri, Responsi
      Modalitas PembelajaranLuring Sinkron
      Jenis NilaiABCDE
      Metode PenilaianUTS (25%), UAS (25%), Quiz (25%), Tugas (25%).
      Catatan Tambahan