RENCANA PEMBELAJARAN SEMESTER (RPS)

(1)

RENCANA PEMBELAJARAN SEMESTER (RPS)

MATA KULIAH:

S TATISTIK I NFERENSIAL DAN L AB (UPM)

PROGRAM STUDI S1 MANAJEMEN

2015

(2)

Nama Mata Kuliah : Statistik Inferensial dan Lab (UPM)

Kode Mata Kuliah/sks : MKK 3042 / 3 sks

Program Studi

Semester :

: S1 Manajemen Mata Kuliah Prasyarat : Statistik Deskriptif

Deskripsi Mata Kuliah

Capaian Pembelajaran/ Learning Outcomes

Referensi

Statistika merupakan metode handal dalam menganalisis data, sehingga tepat dipakai dalam mencari solusi relevan dari problema bisnis dan ekonomi. Statistika berperan dalam (1) mengumpulkan data yang representatif, (2) Mengorganisasi, mengolah, dan menyajikan data, (3) memprediksi nilai bisnis di masa depan, serta (4) membuat kesimpulan atas hipotesis yang diajukan (inferensial). Statistik Inferensial melanjutkan materi Statistik Deskriptif dengan penonjolan pada pengujian hipotesis atas parameter populasi berdasarkan data sampel acak (representatif), dan sering dipakai pada analisis skripsi. Materi dimulai dari konsep probabilita, aplikasi distribusi diskrit (Binomial, Poison, Hypergeometrik), aplikasi distribusi kontinu (utamanya distribusi normal), uji rerata dan proporsi, analisis variansi (Anova), uji koefisien korelasi & regresi, sampai aplikasi uji nonparamtetrik.

1. Pembelajar mampu menjelaskan elemen-elemen utama dari Statistika Inferensial dan membandingkannya dari Statistik Deskriptif.

2. Pembelajar mampu menjelaskan perananan konsep peluang (probabilita) dan sampling dalam membuat kesimpulan (inferensial) atas hipotesis penelitian.

3. Pembelajar mampu mengaplikasikan distribusi diskrit (Binomial, Hypergeometrik, Poisson) dalam mencari solusi problema bisnis atau ekonomi.

4. Pembelajar mampu mengaplikasikan distribusi kontinu (Normal, t, F, χ2) pada problema bisnis.

5. Pembelajar mampu menghitung besar sampel, kesalahan sampling, dan mengestimasi titik dan interval parameter populasi.

6. Pembelajar mampu menjelaskan kerangka pemilihan teknik statitik uji yang tepat.

7. Pembelajar mampu menguji hipotesis satu sampel, dua sampel, atau beberapa sampel dengan uji Z, uji t, uji F, dan uji χ2, serta mampu membedakan kasus uji parametrik atau uji nonparametrik.

1. Douglas A. Lind, William G. Marchal, Samuel A. Wathen, 2015. Statistical Techniques in Business & Economics, 16^th Edition. McGraw-Hill, New York (LMW)

2. Mark L. Berenson, David M. Levine, Kathryn A. Szabat, 2015. Basic Business Statistics Concepts and Applications, 13^th Edition. Prentice-Hall, Boston. (BLS).

3. J. Supranto. 2009. Statistik: Teori dan Aplikasi Jilid II. Erlangga, Jakarta (JS).

(3)

Referensi Relevan

Evaluasi Hasil Belajar

Penilaian mahasiswa akan ditentukan berdasarkan gabungan dari komponen berikut ini:

1) Ujian tengah semester (UTS) 30%

2). Ujian akhir semester (UAS) 25%

3). Tugas terstruktur 45%

Konversi nilai angka ke nilai huruf, sesuai bobot komponen, adalah sebagai berikut:

Nilai Angka Nilai Huruf Bobot Nilai Angka Nilai Huruf Bobot

≥ 90 A 4,00 60,00 – 64,99 C + 2,25

80,00 – 89,99 A - 3,75 55,00 – 59,99 C 2,00

75,00 – 79,99 B + 3,25 50,00 – 54,99 C - 1,75

70,00 – 74,99 B 3,00 45,00 – 49,99 D 1,00

65,00 – 69,99 B - 2,75 < 45 E 0,00

1. David P. Doane, Lori E. Seward, 2013, Applied Statistics in Business and Economics, 4^thed, McGraw-Hill, New York.

2. Gerald Keller, 2014, Statistics for Management and Economics, Cengage Learning, Stamford.

3. Suharyadi dan Purwanto, 2010, Statistika: Untuk Ekonomi dan Keuangan Modern Jilid II, Salemba Empat, Jakarta.

(4)

R

^ENCANA

P

^ERKULIAHAN

Minggu

Ke- Kemampuan Akhir yang

Diharapkan Pokok Bahasan dan Sub

Pokok Bahasan Metode

Pembelajaran Media

Pembelajaran Sumber

Ajar Deskripsi Tugas

1

1. Mengetahui lingkup Statistika Inferensial dan

membedakannya dari Statistika Deskriptif

2. Mampu menjelaskan peranan Statistika dalam pengambilan keputusan & penelitian bisnis

& ekonomi

3. Mampu menjelaskan aplikasi peluang (probabilita) dalam bisnis & ekonomi

ELEMEN STATISTIKA

INFERENSIAL

1. Penjelasan RPS 2. Aplikasi Peluang &

Peranan peluang dalam uji hipotesis

Perkuliahan

& Diskusi LCD,

Situs LMW 1&5;

BLS 1&4;

JS 1;

Menulis tentang contoh peranan Statistika

Inferensial dalam bisnis dan ekonomi

2-3

1. Mampu menjelaskan peluang acak diskrit versus kontinu 2. Mampu menghitung nilai

harapan dan simpangan baku dari distribusi diskrit

3. Mampu mengidentifikasi problema bisnis untuk distribusi binomial,

hypergemetrik, dan Poisson 4. Mampu menghitung nilai

harapan dan simpangan distribusi binomial,

hypergemetrik, dan Poisson pada aplikasi bisnis dan ekonomi

DISTRIBUSI PEUBAH ACAK

DISKRIT

1. Peubah acak diskrit vs kontinu

2. Nilai harapan dan simpangan baku distribusi

3. Distribusi Binomial 4. Distribusi

Hypergeometrik 5. Distribusi Poisson

Perkuliahan, Diskusi, Latihan Soal

LCD, Situs, Paket soal

LMW 6;

BLS 5;

JS 2;

Latihan kasus aplikasi distribusi diskrit, Binomial, Hypergemetrik, dan Poisson

(5)

4

1. Mampu mengidentifikasi ciri distribusi normal, t, F, χ2.

2. Mampu mengidentifikasi ciri problema untuk distribusi normal

3. Mampu mengkonversi ciri distribusi normal ke normal baku (Z)

4. Mampu menghitung peluang pada problema distribusi normal dengan Tabel Z 5. Mampu menguji normalitas

data

DISTRIBUSI PEUBAH ACAK

KONTINU (NORMAL) 1. Type distribusi peubah

acak kontinu: normal, normal baku, t, F, χ2.

2. Karakteristik distribusi normal

3. Konversi ke Normal Baku (Z)

4. Aplikasi Distribusi Normal (Tabel Z) 5. Uji Normalitas Data

LMW 7;

BLS 6;

JS 2;

Latihan kasus aplikasi distribusi normal (Tabel Z);

QUIZ I.

5-6

1. Mampu menjelaskan alasan sebuah sampel menjadi satu- satunya media dalam

mempelajari populasi 2. Mampu menjelaskan dan

menghitung kesalahan sampling (sampling error) 3. Mampu menjelaskan Teorema

Limit Sentral dalam estimasi 4. Mampu mengestimasi titik dan

interval kepercayaan untuk rerata dan proporsi 5. Mampu menghitung besar

sampel

DISTRIBUSI SAMPLING &

ESTIMASI

1. Alasan Penggunaan Sampling

2. Metode Sampling Acak

& Non Acak

3. Distribusi Sampling dari Rerata Sampel

4. Teorema Limit Sentral 5. Estimasi Titik &

Interval Kepercayaan 6. Besar sampel

LMW 8-9;

BLS 7-8;

JS 3;

Latihan kasus aplikasi distribusi sampling untuk rerata sampel dan proporsi sampel

(6)

7

1. Mampu menjelaskan dan menerapkan lima tahap uji hipotesis

2. Mampu membedakan uji hipotesis satu arah versus dua arah

3. Mampu menguji hipotesis tentang rerata populasi dan proporsi populasi

UJI HIPOTESIS SATU SAMPEL

1. Konsep Uji Hipotesis 2. Uji Satu Arah & Dua

Arah

3. Uji Hipotesis atas Rerata Populasi

4. Uji Hipotesis atas Proporsi Populasi

LMW 10;

BLS 9;

JS 4;

Latihan kasus aplikasi uji hipotesis tentang rerata populasi dan proporsi populasi

8 UJIAN TENGAH SEMESTER

(UTS)

10

1. Mampu menguji hipotesis tentang rerata dua populasi 2. Mampu menguji hipotesis

tentang proporsi dua populasi 3. Mampu membedakan dua

sampel independen dan sampel dependen (pasangan)

4. Mampu menguji hipotesis tentang rerata untuk sampel pasangan

UJI HIPOTESIS:DUA SAMPEL

1. Menguji rerata dua populasi

2. Membandingkan proporsi dua populasi 3. Uji Beda Pasangan

LMW 11;

BLS 10;

JS 4;

Latihan kasus aplikasi uji hipotesis tentang untuk dua sampel, baik sampel

independen maupun dependen

11

1. Mampu menjelaskan karakteristik distribusi F 2. Mampu menguji homogenitas

data (membandingkan dua variansi)

3. Mampu menguji rerata tiga kelompok atau lebih dengan Anova satu arah

ANALISIS VARIANSI (ANOVA) 1. Karakteristik Distribusi

F

2. Membanding dua variansi

3. Analisis variansi satu arah

LMW 12;

BLS 11;

JS 4;

Latihan kasus aplikasi uji analisis variansi

(7)

12

1. Mampu memformulasikan hubungan beberapa peubah berupa korelasi Pearson 2. Mampu menguji signifikansi

hubungan dua peubah 3. Mampu menguji signifikansi

pengaruh peubah bebas (t) 4. Mampu menginterpretasikan

kekuatan model

KORELASI &REGRESI:UJI T&F

1. Korelasi Perubah Terikat dan Bebas

2. Uji Koefisien Korelasi 3. Model Regresi

4. Uji Koefisien Regresi

LMW 13;

BLS 13-14;

JS 5-6;

Latihan kasus aplikasi uji korelasi dan koefisien regresi

13

1. Mampu menjelaskan alasan penggunaan analisis nonparametrik 2. Mampu menjelaskan

karakteritik distribusi χ2.

3. Mampu menguji kebagusan- suai

4. Mampu menguji independensi dua peubah nominal/ordinal

UJI NONPARAMETRIK:KAI- KUADRAT (χ2) 1. Perlunya Analisis

Nonparametrik 2. Karakteritik Distribusi

Kai Kuadrat

3. Uji kebagusan-suai (goodness-of-fit) 4. Uji Independensi

LMW 15;

BLS 12;

JS 4;

Latihan kasus aplikasi uji kebagusan-suai, independensi.

14

1. Mampu menjelaskan kerangka memilih teknik analisis nonparametrik yang tepat 2. Mampu menguji hipotesis

pada saat data tidak normal, seperti uji tanda, uji keacakan 3. Mampu menguji hubungan

dua peubah saat data tidak normal

4. Mampu menguji hipotesis untuk tiga atau lebih kelompok saat data tidak normal

UJI NONPARAMETRIK:DATA PERINGKAT

1. Kerangka memilih satu teknik analis

nonparametrik

2. Uji Tanda (Sign Test) 3. Uji Keacakan (Runs

Test)

4. Uji peringkat-tanda Wilcoxon

5. Uji jumlah-peringkat Wilcoxon

6. Uji Kruskal-Wallis

LCD,

Situs, LMW 16;

BLS 12;

JS 7;

Latihan kasus aplikasi uji nonparametrik untuk data peringkat

(8)

15

1. Mampu menerapkan salah satu teknik uji hipotesis dalam penelitian bisnis atau

ekonomi, atau

2. Mampu mengevaluasi atau mengkritik satu penerapan teknik analisis statistika

RISET SKALA KECIL: Diskusi Praktik Aplikasi teknik uji hipotesis dalam

penelitian bisnis atau ekonomi

Presentasi &

diskusi LCD, Presentasi &

diskusi

16 UJIAN AKHIR SEMESTER

(UAS)

RENCANA PEMBELAJARAN SEMESTER (RPS)