populasi, P
C. Deskripsi
Kemampuan
Penguasaan pen
Kemampuan ker
Kemampuan ma
ogi dalam Statistika
Pengujian Hipotesi
CP secara umum K
ngantar Metode St
diperlukan POKOK
a, Statistika deskrip is parameter dua p
KKNI Level 6
psi
ampu menjelaskan i k n model regresi sede
ampu melakukan pe
ampu mengaplikasika
nyelesaian masalah
ampu beradaptasi te
ampu mengambil kep
ngkomunikasikan ha
ampu memberikan p
rtanggung jawab pad
empunyai Etika Profe
as, Amanah dan Kre
tatistika diberi kod
K BAHASAN sebaga ptif, distribusi pelua populasi, Korelasi d
konsep teoritis tenta
erhana.
ngujian hipotesis ses
an metode statistika analisis data rhadap situasi yang d putusan yang tepat b asil analisis baik sec
petunjuk dalam mem
da pekerjaan sendiri esi, kerjasama , meng ang, Distribusi pelu dan Regresi linier se
ng : Distribusi diskrit
suai masalah sesuai p
dan memanfaatkan
dihadapi
berdasarkan analisis
cara lisan maupun ter milih berbagai altern dan dapat diberi ta ghargai orang lain, pa
turan tertulis dan
eliputi 8 sub Capaia
uang diskrit, Distrib ederhana.
t dan kontinyu, pengu
prosedur.
IPTEKS dalam hal ini
s informasi dan data, rtulis
natif solusi secara m nggung jawab atas p atuh aturan, cerdas a
dak tertulis
an Pembelajaran, y
busi peluang Kontin
ujian hipoetsis 1 dan
Excel dan minitab u
serta mampu
andiri dan kelompok
encapaian hasil kerja
amanah kreatif
yaitu : CP1.1P1 sd C
nyu, Pengujian Hip
n 2 populasi
untuk
k;
a organisasi
CP1.1P8.
1‐3 6.1 6.3 6.5 6.9
4‐6 6.1 6.3 6.5 6.9
7‐8 6.1
1. Mampu me
dan membe interpretasi sekelompok (CP1.1P1)
2. Dapat meng ekspektasi ( variansi sua random (CP1.1P2)
3. Dapat meng
enyajikan data erikan
i informasi dari k data
a
b
c
d
ghitung (rata‐rata) dan atu variable
a
b
c
hitung peluang a
a) Dapat menghit pemusatan dat rata,median, m b) Dapat menghit penyebaran da deviasi,varians c) Dapat member
ukuran pemusa penyebaran d) Dapat mengek
menggunakan a) Dapat menghit suatu kejadian Teorema Baye b) Dapat merumu
diskrit (pmf) da (pdf)
c) Dapat menghit ekspektasi dan random diskrit
a) Dapat mengide
tung ukuran ta (rata‐ modus)
tung ukuran ata (standar s & range)
rikan interpretasi atan dan ukuran
ksplorasi data box plot. tung peluang
dan menerapkan s
uskan fungsi an fungsi kontinyu
tung nilai n varians variabel t dan kontinyu
entifikasi
Statistik deskriptif
[1 [2
Fungsi peluang
[1 [2
Fungsi [1
1] Bab 1 2] Bab 3
1. PB
1. Di
2. La
3. Pr
1] Bab 2‐3 2] Bab 6
1. PB
2. Dis 3. Lat
1] Bab 3 1. PB BL
skusi atihan raktikum
TT‐
BL skusi tihan
TT‐
BL TT‐
0‐P‐L 10%/1
0 10%/20
0 10%/30
10%
0%
variable rand (CP1.1P3)
4. Dapat meng peluang var kontinyu (C
5. Dapat mena parameter p
(CP1.1P6)
dom diskrit
b
ghitung riable random
P1.1P4)
a
b
aksir populasi
a
b
c
distribusi diskr Binomial negat Hipergeometri
b) Dapat menghit kejadian berda tsb
a) Dapat menghit berdasarkan di dan distribusi e
b) Dapat menjela Limit Central
a) Dapat menaksi populasi dan se populasi b) Dapat menaksi
selisih dua vari c) Dapat menaksi selisih dua pro
rit : Binomial, tif, Geometrik,
k dan Poisson
tung peluang asarkan distribusi
tung kejadian istribusi normal eksponensial
skan Teorema
Distribusi Diskrit
[2 10
Fungsi Distribusi kontinyu
[1 [2 15
Estimasi dan Distribusi Sampling
[1 atihan raktikum
TT‐
BL skusi tihan aktikum
15‐17 6.1 suatu popu
(CP1.1P5)
7. Dapat mem
parameter 2
(CP1.1P7)
8. Dapat meng mean lebih populasi (CP
guji parameter lasi
a
b
c
mbandingkan 2 populasi
a
b
c
guji perbedaan dari 2 P1.1P8)
a
b
c
a) Dapat menguji populasi b) Dapat menguji
populasi c) Dapat menguji
populasi
a) Dapat men
rata‐rata 2
berpasangan
b) Dapat mengu
2 populasi
c) Dapat mengu
2 populasi
a) Dapat menjela
within treatme between tratm
b) Dapat menghit dan MST c) Dapat menyus
i rata‐rata satu
i varians satu
i proporsi satu
guji kesamaan
populasi baik
maupun tidak.
uji varians dari
uji proporsi dari
sakan variability ent dan variability ment
tung MSE, MSTr,
un tabel analisis
Pengujian rata‐rata & varians satu populasi
[1 [2 da
Pengujian 2 populasi
[1 [2 da
Analisis Variansi
[1 aktikum
TT‐
BL iskusi atihan raktikum
TT‐
BL skusi tihan aktikum
*
D
28‐30 6.1 6.2 6.3 6.5 6.9
*1)TT‐0‐P‐L : Tes Tu
Daftar Pustaka :
1. Aczel, Sou 2. Bhatta Ch 3. Ronald E. 4. Ang, Alfre
9. Dapat mem
hubungan a variabel (CP
ulis, Observasi, Pre
underpandian. Com
aryya, G.K., Richard Walpole, Raymond do H. S., Tang, W.
mbuat model antara 2 P1.1P8)
d
e
f g
esentasi dan Lapora
mplete Business Sta
d A. J., Statistical C
d H. Myers, and Sh H, Probability Conc
variansi d) Dapat menghit
interpreasi
e) Dapat membua
variabel f) Dapat menguji g) Dapat menent tidaknya suatu
an. 2) PBL: Problem
a s cs 7th Edi on,
Concepts and Meth
aron L. Myers, Pro cepts in Engineerin
tung korelasi dan
at model regresi 2
i parmeter regresi ukan baik u model.
m Base Learning.
The McGraw−Hill C
hods, John Wiley an
bability & Statistic ng Planning and De
Regresi linier sederhana
[1 [2 &
Companies, Inc. Bo nd Sons, New York,
cs for Engineers & S esign, John Wiley an
1] Bab 10 2] Bab 27
28
1. PB
2. Di
3. La
4. Pr
oston, 2009 , 2002
Scientists, 9Ed., Pre nd Sons, New York
BL skusi atihan raktikum
TT‐
entice Hall, Boston, k, 1996
0‐P‐L 10%/90
, 2012
