Proses pembelajaran di
B. Untuk Pendah keperc analisis
C. Deskri
Kemamp Penguasa
Kemamp
Kemamp
Sikap dan
Jurusan Statistika ITS melipu
mencapai CP di at huluan, Review vek cayaan dan uji hip
s cluster, multi dim
ipsi CP secara um
uan
aan pengetahuan
puan kerja
puan manjerial
n tata nilai
Perkuliahan, Kerja Praktek dan
tas diperlukan POK ktor dan matriks, k otesis vektor rata‐ mensional scaling, a
mum KKNI Level 6
Deskripsi 6.1 Menjelaska 6.2. Mampu m 6.3. Mampu m 6.4 Mampu m 6.5 Mampu be 6.6 Mampu m tertulis. 6.7 Mampu m 6.8 Bertanggun 6.9 Memiliki E
n Tugas Akhir. Ada 13 Dokume
KOK BAHASAN seb
konsep dasar analis
‐rata satu dan dua
analisis koresponde
6
an konsep analisis mengidentifikasi pr mengaplikasikan kon
enggunakan pirant eradaptasi terhada enganalisis proble
emberikan petun ng jawab pada pek Etika Profesi, kerjas
en dalam proses perkuliahan, y
bagai berrikut sis multivariat, dist a populasi, manov ensi, biplot, dan str
multivariat roblem yang bisa d nsep analisis multiv ti lunak (SPSS, MIN ap situasi yang diha m multivariat dan
njuk dalam memilih erjaan sendiri dan sama , menghargai
yi : 5 pedoman ( CP, RP, RE, UT &
tribusi multinorma va, manacova, ana ructural equation m
diselesaikan dengan variat di berbagai b NITAB, SAS, R) untu
adapi
mampu mengkom
h berbagai alterna dapat diberi tangg
orang lain, patuh a
&R), 3 buah SOP ( PBS,PCS & P
al, pendugaan vekt alisis komponen ut modelling.
n analisis multivari bidang
uk analisis multivar
munikasikan hasil a
f solusi secara m gung jawab atas pe aturan, cerdas ama
K ) dan 5 Formulir Rekaman ( F
or rata‐rata dan m tama, analisis fakt
at
iat
nalisis baik secara
andiri dan kelomp encapaian hasil ker anah kreatif
FT, DN,PA & RN)
matriks kovarians, d tor, analisis diskrim
lisan maupun
ok;
rja kelompok
Proses pembelajaran di
(1)
1‐3 6.1
6.9
4‐6
6.1
6.2
6.3
6.4
Jurusan Statistika ITS melipu
(2)
1. Dapat me konsep da analisis m CP11.1A1
2. Menentu langkah‐l menyiapk sebelum analisis m CP5.1A2
Perkuliahan, Kerja Praktek dan
enjelaskan an tujuan multivariat
1.1.
1.2.
1.3.
1.4.
d ukani
angkah kan data
melakukan multivariate
2.1.
2.2.
2.3. ‐
‐
n Tugas Akhir. Ada 13 Dokume
(3)
Mengetahui pener multivariate di per Dapat membedaka univariat dan data Mengetahui penge metode univariat d multivariate Mampu menghitun matriks yang sering dalam analisis mul
Dapat mendeteksi dan cara mengatas Dapat mendeteksi baik secara univari multivariate Dapat melakukan u
‐ normality ( univa
multivariate)
‐ homoscedacity
en dalam proses perkuliahan, y
rapan metode rmasalahan riil an antara data multivariate elompokan dan metode
ng konsep g digunakan tivariate
P K m A P m A v
missing value sinya
data outlier iate dan
uji asumsi : riat dan
D 1
2 3
yi : 5 pedoman ( CP, RP, RE, UT &
(4)
Pendahuluan:
Konsep dasar analis multivariat, Aplikasi dan Pengelompokan metode multivariat Aljabar matriks dan vector random
Data preprocessing
1.Deteksi missing value dan cara mengatasi 2.Deteksi outlier 3.Pemeriksaan asu
dan cara mengat
&R), 3 buah SOP ( PBS,PCS & P
(5)
sis
t, n
[1] BAB 1
[2] BAB 1
g:
umsi tasi
[1] BAB 4
[2] BAB 2
[4] Modul 1
K ) dan 5 Formulir Rekaman ( F
(6)
Ceramah interaktif
Diskusi (CID)
1
Ceramah interaktif
Diskusi
Latihan soal (CIDL)
FT, DN,PA & RN)
(7) (9
Observasi Aktifitas di kelas
5%/5%
Tugas 1 (Observas i Aktifitas di kelas
10%/ 9)
%
Proses pembelajaran di
Jurusan Statistika ITS melipu
3.Dapat me konsep pe hipotesis rata‐rata dan dua p dari distri normal m problem
‐ 5.Dapat me
konsep PC dapat me
Perkuliahan, Kerja Praktek dan
enjelaskan engujian
vector untuk satu populasi
ibusi multivariat
3.1.D
enjelaskan
MANOVA
NACOVA t
enjelaskan CA dan enerapkan
5.1
n Tugas Akhir. Ada 13 Dokume
Dapat menentukan dan menginterpret hipotesis vector rat dan dua populasi n multivariat Dapat melakukan u vector rata‐rata me piranti lunak serta menginterpretasika
Dapat melakukan p asumsi dalam MAN MANACOVA serta mengatasi Dapat melakukan a MANOVA dan MAN secara manual mau menggunakan piran
Dapat melakukan p asumsi dalam PCA mengatasi
en dalam proses perkuliahan, y
n, menghitung asikan uji ta‐rata satu
ormal
uji hipotesis enggunakan
annya
U ra 1 2
pemeriksaan NOVA dan
cara
analisis NACOVA baik
pemeriksaan dan cara
MANACOVA:
1.Pemeriksaan asu 2.One way MANOV
MANACOVA 3.Interpretasil hasi
analisis MANOVA MANACOVA
rincipal Componen
Analysis (PCA):
Ceramah Interaktif‐ Diskusi ‐ Praktikum‐ Latihan Soal‐ Observasi
(CIPLSO)
CIPLSO
FT, DN,PA & RN)
Tes 1 & Observasi Aktifitas di kelas (TOA)
5%/20
TOA
Makalah 1
Presentas i 1
10%/3
TOA
Makalah
10%/ 0%
30%
Proses pembelajaran di
19‐21 6.1‐
6.9
22‐24
25‐27 6.1‐ 6.9
Jurusan Statistika ITS melipu
dalam pro
‐ 6.Dapat me
konsep an faktor da menerap problem
‐ 7.Dapat me
konsep an diskrimin dapat me dalam pro
Perkuliahan, Kerja Praktek dan
oblem riil 5.2
enjelaskan nalisis n dapat kan dalam riil
6.1
6.2
enjelaskan nalisis an dan enerapkan
oblem riil
7.1. D a d 7.2.
d
n Tugas Akhir. Ada 13 Dokume
Dapat melakukan a baik secara manua menggunakan pira
Dapat melakukan p asumsi dalam anal cara mengatasi Dapat melakukan a baik secara manua menggunakan pira
Dapat melakukan p asumsi dalam anali dan cara mengatas
Dapat melakuk
diskriminan baik s
maupun menggu
lunak
en dalam proses perkuliahan, y
analisis PCA al maupun anti lunak
2
3
pemeriksaan isis faktor dan
analisis factor al maupun anti lunak
A 1
2 3
EVALUASI TEN
pemeriksaan isis diskriminan si
kan analisis secara manual unakan piranti
A 1
2 3
yi : 5 pedoman ( CP, RP, RE, UT &
problem riil .Pemeriksaan asu
PCA .PCA
Analisis Faktor : .Konsep dasar dan
aplikasi di proble riil
.Pemeriksaan asu .Analsis factor da
interpretasi
NGAH SEMESTER
Analisis Diskrimina 1. Konsep dasar da aplikasi di proble riil
2.Pemeriksaan asu 3.Estimasi model
diskriminan dan interpretasi
&R), 3 buah SOP ( PBS,PCS & P
umsi [3] BAB 4 [4] Modul 3
n em
umsi n
[1] BAB 9
[2] BAB 2
[3] BAB 5
[4] Modul 3
an: an em
umsi
[1] BAB 11
[2] BAB 5
[3] BAB 8
[4] Modul 4
K ) dan 5 Formulir Rekaman ( F
CIPLSO
4
CIPLSO
FT, DN,PA & RN)
2
Presentas i 2
TOA
Makalah 2
Presentas i 2
10%/
TOA
Makalah2
Presentas i 2
10%/
50%
Proses pembelajaran di
28‐30 6.2 6.3 6.4 6.9
31‐33 6.2 6.3 6.4 6.9
34‐36 6.2 6.3 6.4 6.9
37‐39
Jurusan Statistika ITS melipu
8.Dapat me konsep an cluster da menerap problem
9.Dapat me multidime scalling (M dalam pro
10. Dapat menera analisis korespo dalam p
11.Dapat m analisis dalam p
Perkuliahan, Kerja Praktek dan
enjelaskan nalisis an dapat
kan dalam riil
8.1.
8.2. a
enerapkan ensional MDS)
oblem riil 9.1
apkan
ondensi problem riil
10.1
menerapkan biplot problem riil
11.1
n Tugas Akhir. Ada 13 Dokume
Dapat melakukan a baik secara manua menggunakan pira Dapat mengevalua analisis cluster
Dapat melakukan a menggunakan pira mengiterpretasika
Dapat melakukan a korespondensi me piranti lunak dan menginterpretasik
1Dapat melakuka
biplot menggun
en dalam proses perkuliahan, y
analisis cluster al maupun anti lunak
asi hasil
A 1 2
3
analisis MDS anti lunak dan
n hasilnya
M 1
2
analisis enggunakan
kan hasilnya A K 1
2
an analisis
nakan piranti
A
1
yi : 5 pedoman ( CP, RP, RE, UT &
Analisis Cluster :
. Pendekatan hirar .Pendekatan non
hirarki
.Evaluasi hasil ana cluster
MDS:
.Konsep dasar MD dan aplikasinya .MDS menggunaka
piranti lunak
Analisis
Korespondensi (AK .Konsep dasar AK
dan aplikasinya .AK menggunaka
piranti lunak
Analisis Biplot:
1.Konsep dasar
&R), 3 buah SOP ( PBS,PCS & P
rki
lisis
[1] BAB 12
[2] BAB 8
[3] BAB 7
[4] Modul 5
DS
an
[1] BAB 12
[2] BAB 9
[4] Modul 6
K):
n
[2]BAB 9
[4] Modul 6
[2]BAB 9
[4] Modul 6
K ) dan 5 Formulir Rekaman ( F
CIPLSO
6
CIPLSO
6
CIPLSO
6
CIPLSO
FT, DN,PA & RN)
TOA 10%/
TOA
Tes 2
10%/
TOA 5%/8
TOA 5%/9
70%
80%
5%
Proses pembelajaran di
40‐45
46‐48
Pustaka
1. Johnson, 2. Hair, J.F. 3. Sarma, S 4. Purnami 5. Anderso 6. Morison 7. Byrne, B 8. Mardia, 9. Rencher, A.C.
Jurusan Statistika ITS melipu
12. Dapat menera
Structur Equatio Modelli
dalam p
, R.A and Wichern, D.W ., Black, W.C., Babin, B.J S. 1996. Applied Multiva i, S.W. dan Otok, B.W.,
n, T.W, 2003, An Introd , D.F, 2005, Multivariat .M, 2001, Structural Eq K.V, Kent, J.T, Bibby, J.M Methods of Multivariat
Perkuliahan, Kerja Praktek dan
apkan
ral
on
ing (SEM) problem riil
12.1
W, 2007. Applied Multiva J., Anderson, R.E, 2010. ariate Techniques, John Modul Prak kum Anali duction to Multivariate te Statistical Method, M quation Modelling with M, 2000. Mul variate A te Analysis, 2nd
Edition,
n Tugas Akhir. Ada 13 Dokume
lunak dan
menginterpreta
hasilnya
1Dapat melakuka
SEM mengguna
dan menginterp
hasilnya
ariate Sta s cal Analys . Multivariate Data Ana
Wiley
sis Mul variat, 2012
Statistical Analysis, Wil McGraw‐Hill Inc., Tokyo. AMOS: Basic Concept, Analysis, 7th Edition. Aca
John Wiley
en dalam proses perkuliahan, y
asikan
2
an analisis
kan AMOS
pretasikan
S
1
2
EVALUASI AK
sis,6th Edition, Prentice alysis, 7th Edition, Prenti
ley Interscience .
Applications and Progra ademic Press.
yi : 5 pedoman ( CP, RP, RE, UT &
analisis biplot d
aplikasinya
.Analisis biplot
menggunakan piranti lunak
SEM:
1.Konsep dasar S
dan aplikasinya
.SEM menggunak AMOS
KHIR SEMESTER
Hall, New York. ice‐Hall, UK
amming, Lawrence Erlb
&R), 3 buah SOP ( PBS,PCS & P
dan
EM
a kan
[7] BAB 1‐4
baun Associates Inc., Ne
K ) dan 5 Formulir Rekaman ( F
CIPLSO
ew Jersey.
FT, DN,PA & RN)