RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
PROGRAM STUDI STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PGRI ADI BUANA SURABAYA
2015
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
PROGRAM STUDI STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PGRI ADI BUANA SURABAYA
2015
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
PROGRAM STUDI STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PGRI ADI BUANA SURABAYA
2015
1 RencanaPembelajaranSemester (RPS)
Mata Kuliah : Analisis Ekplorasi Data Semester:4 Kode:240413 SKS: 3 Program Studi :Statistika Dosen: Ika Damayanti, S.Si., M.Si.
RENCANA PEMBELAJARAN SEMESTER
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN–UNIPA SBY
MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMEST
ER
Direvisi
Analisis Eksplorasi Data 240413 Sosial Pemerintahan 3 0 III 18 Agustus 2016
OTORISASI Pengembang RP Koordinator RMK Ka PRODI
Artanti Indrasetianigsih, S.Si.,M.Si.
CapaianPembelajaran Program Studi (CP- PRODI)
CP 8 : Dapat menjelaskan konsep manajemen data, eksplorasi data dan menganalisis data.
CP 11 : Bertanggung jawab dan dapat mengkomunikasikan hasil analisis secara tertulis dan lisan Mata Kuliah(CP-MK)
CP 8.1 : Mampu menjelaskan konsep manajemen, eksplorasi data, serta dapat menganalisis data
CP 11.1 : Mampu berkomunikasi secara lisan dan tertulis dengan menggunakan Bahasa Indonesia dan Bahasa Inggris CP 11.2 : Mampu bekerja sama dalam tim dan mampu menyusun laporan bersama tim
Diskripsi singkat MK
Analisis Eksplorasi data merupakan metode untuk mengenali pola data nelalui diagram atau grafik, mendeteksi adanya nilai pencilan/outlier, menentukan pola hubungan antar variabel dengan menggunakan diagram pencar dan membuat garis persamaan serta melakukan smoothing data. Penyajian data dalam bentuk tabel kontingensi dan melakukan analisis
hubungan dari variabel yang bersifat kategori.
Pustaka Utama :
1. Tukey, J.W., : Exploratory Data Analysis, Past, Present and Future, Technical Report, Princeton University, 1993 Pendukung :
2. -
Media Pembelajaran Software: Hardware:
- Modul ajar, whiteboard,
Team Teaching -
Assessment Mini kuis, tugas, uts, uas Matakuliah Syarat Pengantar Metode Statistika Mg Ke- Kemampuanakhirtiapta
hapanbelajar (SUB-CP- MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
1 Mampu menjelaskan mengenai analisis eksplorasi data
Gambaran umum Analisis Eksplorasi Data
[Pustaka: 1]
Kuliah
Diskusi (penjelasan contoh soal)
[TM:1x3x50]
Tugas 1:
[BT:1x3x50]
[BM:1x3x60]
1. Ketepatan dalam menjelaskan ambaran umum Analisis Eksplorasi Data
Non test:
Mempelajari buku laporan provinsi dalam angka Test
5 %
2,3 Dapat melakukan
pemeriksaan data tunggal
1. Pemeriksaan data tunggal [Pustaka: 1]
Tatap muka
Diskusi (penjelasan contoh soal)
[TM:2x3x50]
1. kemampuan membuat diagram steam and leaf 2. kemampuan
membuat dan
Non test:
Membuat ringkasan pokok bahasan disertai contoh
5 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (SUB-CP-
MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
Pemberian tugas
Membuat ringkasan disertai contoh
[BT:2x3x50]
[BM: 2X3X60]
menganalisis menggunakan boxplot 3. Tepat dalam
melakukan
pemeriksaan outlier
Test Kuis 1
4,5 Dapat melakukan pemeriksaan data kelompok
Pemeriksaan data kelompok Tatap muka
Diskusi (penjelasan contoh soal)
[TM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh
[BT:2x3x50]
[BM: 2X3X60]
1. Mampu melakukan pemeriksaan data kelompok
menggunakan Box Plot
2. Mampu melakukan pembandingan data kelompok
Test Kuis 1
5%
6,7 Dapat melakukan pemeriksaan distribusi data
Pemeriksaan distribusi data Tatap muka
Diskusi (penjelasan contoh soal)
[TM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh
[BT:2x3x50]
[BM: 2X3X60]
1. Dapat melakukan pemeriksaan kenormalan data tunggal
2. Dapat melakukan pemeriksaan kenormalan data multivariate
Test Kuis 1
5%
8 Evaluasi Tengah Semester
Test 20%
Mg Ke- Kemampuanakhirtiapta hapanbelajar (SUB-CP-
MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
Ujian tulis 9 dan
10
Dapat melakukan pemilihan transformasi data
Transformasi data [Pustaka: 1]
Kuliah
Diskusi (penjelasan contoh soal)
[BM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT:2x3x50]
[BM: 2X3X60]
1. Dapat melakukan transformasi untuk
kehomogenan data
2. Dapat melakukan transformasi untuk kenormalan data
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat ringkasan disertai contoh soal
4 %
11 dan 12
Mampu melakukan analisis untuk data berpasangan
1. Analisis untuk data berpasangan [Pustaka: 1]
Kuliah (pemaparan standar kemiskinan internasional) Diskusi (penjelasan contoh soal)
[TM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT: 3x3x50]
[BM: 3X3X60]
1. Dapat membuat diagram kotak garis untuk data berpasangan 2. Dapat melakukan
penelusuran pola hubungan data berpasangan menggunakan diagram
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Test Kuis 2
5%
13 dan 14
Dapat melakukan
persamaan garis lurus Persamaan garis lurus [Pustaka: 8]
Kuliah Praktikum [TM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai
1. Mampu
menghitung rasio koefisien dan garis 2. Dapat melakukan
prosedur iterasi
Non test:
Menjelaskan penyelesaian soal- soal terkait.
4 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (SUB-CP-
MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
contoh soal secara mandiri [BT: 2x3x50]
[BM: 2X3X60]
garis resisten
15 Dapat melakukan analisis regresi
1. Analisis regresi [Pustaka: 1]
Praktikum Presentasi [TM:1x3x50]
[BT: 1x3x50]
[BM: 1X3X60]
1. Dapat melakukan analisis dengan metode regresi (data memerlukan transformasi) 2. Dapat melakukan
pemeriksaan sisaan pada model regresi
Tes lisan 7%
16 Evaluasi Akhir Semester
[Pustaka: 1] Test:
Ujian tertulis
50%
1 RencanaPembelajaranSemester (RPS)
Mata Kuliah : Analisis Keputusan Bisnis Semester:VI Kode:240613 SKS: 3 Program Studi :Statistika Dosen: Ika Damayanti, S.Si., M.Si..
RENCANA PEMBELAJARAN SEMESTER
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN–UNIPA SBY
MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMEST
ER
Direvisi
Analaisis Keputusan Bisnis 240613 Pemodelan 3 0 VI 18 Agustus 2015
OTORISASI Pengembang RP Koordinator RMK Ka PRODI
Artanti Indrasetianigsih, S.Si.,M.Si.
CapaianPembelajaran Program Studi (CP- PRODI)
CP 3 : Mampu merumuskan permasalahan riil, menerapkan metode statistik, serta mampu mengkomunikasikan baik secara lisan maupun tertulis
CP 10 : Mampu memberikan solusi dan mengambil keputusan berdasarkan analisis data
CP 11 : Bertanggung jawab dan dapat mengkomunikasikan hasil analisis secara tertulis dan lisan Mata Kuliah(CP-MK)
CP 3.1 : Mampu merumuskan permasalahan riil, menerapkan metode statistik, serta mampu mengkomunikasikan baik secara lisan maupun tertulis
CP 10.1 : Mampu memberi solusi dan mengambil keputusan berdasarkan analisis data CP 11.2 : Mampu bekerja sama dalam tim dan mampu menyusun laporan bersama tim Diskripsi singkat MK
Analisis Keputusan Bisnis merupakan salah satu mata kuliah yang bertujuan untuk menerapkan konsep probabitlitas dan ekspektasi dalam permasalahan pengambilan keputusan baik di dunia bisnis ekonomi dan sosial pemerintahan.
Pustaka Utama :
1. Kuntoro Mangkusubroto., Analisis Keputusan : Pendekatan Sistem Dalam Man-jemen Usaha Dan Proyek, Penerbit Ganeca Exact Bandung, Cetakan ke-6, 1989.
2. Holloway. C. H., Decision Making Under Uncertainty : Models And Choices, Prentice-Hall, New Jersey, 1979.
Pendukung : 1. -
Media Pembelajaran Software: Hardware:
- Modul ajar, whiteboard,
Team Teaching -
Assessment Mini kuis, tugas, uts, uas Matakuliah Syarat Pengantar Metode Statistika Mg Ke- Kemampuanakhirtiapta
hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
1&2 Mampu menjelaskan tentang pengambilan keputusan
diskusi tentang pengambilan keputusan, Pohon Keputusan : Alternatif dalam
Pengambilan Keputusan [Pustaka: 1]
Ceramah Diskusi [TM:2x3x50]
Pemberian tugas Membuat resume [BT:2x3x50]
[BM:2x3x60]
Ketepatan dalam menjelaskan tentang pengambilan keputusan
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat resume
3 %
3 Mahasiswa dapat mengambar pohon keputusan dalam proses pengambilan
1. Pohon Keputusan : Tahapan Pengambaran Pohon Keputusan
Ceramah
Diskusi (penjelasan contoh soal)
[TM:1x3x50]
Ketepatan dalam mengambar pohon keputusan dalam proses pengambilan
Non test:
Membuat ringkasan pokok bahasan disertai contoh
4 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
keputusan [Pustaka: 1,2]
Pemberian tugas
Membuat ringkasan disertai contoh
[BT:1x3x50]
[BM: 1X3X60]
keputusan
Tugas
4, dan 5
Mahasiswa mampu menentukan kriteria yang terbaik dalam proses pengambilan keputusan
Mahasiswa mampu mengimplementasika n teori probabilitas dalam proses pengambilam keputusan
1. Pohon Keputusan : Kriteria dalam Pengambilan Keputusan 2. Probabilitas : Pendekatan
Probabilitas dalam Pengambilan Keputusan [Pustaka: 1]
Ceramah Diskusi [BM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT:2x3x50]
[BM: 2X3X60]
Ketelitian menentukan kriteria yang terbaik dalam proses pengambilan keputusan
Ketepatan
mengimplementasi kan teori
probabilitas dalam proses
pengambilam keputusan
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat ringkasan disertai contoh
3 %
6 dan 7 Mampu Menjelaskan tentang aturan-aturan dasar probabilitas yang mahasiswa harus mengerti untuk proses pengambilan keputusan
1. Probabilitas : Aturan Dasar Probabilitas dalam
Pengambilan Keputusan [Pustaka: 2]
Ceramah Diskusi [BM:2x3x50]
[BT:2x3x50]
[BM: 2X3X60]
Ketepatan dalam Menjelaskan tentang aturan-aturan dasar probabilitas yang mahasiswa harus mengerti untuk proses pengambilan
keputusan sampling
3%
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
8 Evaluasi Tengah Semester
Test Ujian tulis
20%
9, 10 Mampu melakukan Kualitas informasi menjadi langkah utama dalam pengambilan keputusan untuk mendukung nilai informasi yang bagus yang digunakan dalam pengambilan
keputusan
Nilai Informasi : Kualitas dan Nilai Informasi dalam
Pengambilan Keputusan [Pustaka: 1, 2]
Ceramah
Diskusi (penjelasan contoh soal)
Studi kasus penerapan Sampling Cluster 1 tahap [TM:2x3x50]
[BT: 2x3x50]
[BM: 2X3X60]
Ketepatan dalam melakukan Kualitas informasi menjadi langkah utama dalam pengambilan keputusan untuk
mendukung nilai informasi yang bagus yang digunakan dalam pengambilan
keputusan
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Test Presentasi
8 %
11 Mampu melakukan Bagian dalam
mengimplemenatsikan nilai informasi dalam pengambilan
keputusan
Nilai Informasi : Studi Kasus nilai Informasi
[Pustaka: 2]
Tatap muka Diskusi [TM:1x1x50]
Pemberian tugas [BT: 1x1x50]
[BM: 1X1X60]
Ketepatan dalam mengimplemenatsikan nilai informasi dalam pengambilan keputusan
Non test:
Menjelaskan penyelesaian soal- soal terkait.
3 %
12 dan 13
Mampu melakukuan Nilai harapan dalam pay off yang digunakan dalam pengambilan
Keputusan, dan Peluang kegagalan dalam
pengamnbilan keputusan
1. Tabel Pay Off : Nilai Harapan Pay Off sebagai Kreiteria Pengambilan Keputusan 2. Tabel Pay Off : Oppourtunity
Loss [Pustaka: 1]
Tatap muka Diskusi Praktikum [TM:2x3x50]
Pemberian tugas Analisis data kuantitatif [BT: 2x3x50]
Ketepatan dalam melakukuan Nilai harapan dalam pay off yang digunakan dalam pengambilan
Keputusan, dan Peluang kegagalan
Non test:
Keaktifan
Tema penelitian kuantitatif
3%
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
[BM: 2x3x60] dalam pengamnbilan keputusan
14,15 Mampu Menentukan nilai ekspektasi yang dapat menghasilkan keuntungan dalam pengambilan keputusan dan
Implementasi dari tabel pay off dalam realita nyata
Tabel Pay Off : Nilai Ekspektasi Keuntungan dengan Informasi Sempurna
Tabel Pay off : Studi Kasus [Pustaka: 1]
Tatap muka Diskusi Praktikum [TM:2x3x50]
Pemberian tugas Studi kasus [BT: 2x3x50]
[BM: 2x3x60]
Ketepatan Menentukan nilai ekspektasi yang dapat menghasilkan
keuntungan
dalam pengambilan keputusan dan
Implementasi dari tabel pay off dalam realita nyata
Non test:
Keaktifan
6%
16 Evaluasi Akhir Semester
[Pustaka: 1,2] Tes 50%
1 RencanaPembelajaranSemester (RPS)
Mata Kuliah :Aljabar Linear Semester:III Kode:240304 SKS: 3
Program Studi :Statistika Dosen:Gangga Anuraga, S.Si.,M.Si.
RENCANA PEMBELAJARAN SEMESTER
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN–UNIPA SBY
MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMEST
ER
Direvisi
Aljabar Linear 240304 Teori Statistik 3 0 III 18 Agustus 2015
OTORISASI Pengembang RP Koordinator RMK Ka PRODI
Artanti Indrasetianingsih, S.Si., M.Si.
CapaianPembelajaran Program Studi (CP- PRODI)
CP 4 : Mampu menerapkan konsep dasar Matematika dan teori Statistika dalam 2 bidang terapan (bisnis ekonomi dan sosial pemerintahan)
CP 11 : Bertanggung jawab dan dapat mengkomunikasikan hasil analisis secara tertulis dan lisan Mata Kuliah(CP-MK)
CP 4.1 : Mampu menggunakan konsep dasar matematika di dua bidang terapan CP 4.2 : Mampu menjelaskan penggunaan konsep dasar statistika matematika
CP 11.2 : Mampu bekerja sama dalam tim dan mampu menyusun laporan bersama tim
CP 14.1 : PEDULI,ramah, santun, rapi, nyaman, saling menghargai, toleran, suka menolong, gotong royong, nasionalis, kosmopolit, mengutamakan kepen-tingan umum, bangga menggunakan bahasa dan produk Indonesia, dinamis, kerja keras, dan beretos kerja
CP 15.1 : AMANAH, jujur,beriman dan bertaqwa, adil, bertanggung jawab, berempati, berani mengambil resiko, pantang menyerah, rela berkoban dan berjiwa patriotik.
CP 16.1 : GIGIH, Tangguh,bersih dan sehatm disiplin, sportif, andal, berdaya tahan, bersahabat, kooperatif, determinative, kompetitif, ceria.
CP 17.1 : INOVATIF Cerdas,kritis, kreatif, ingin tahu, berpikir terbuka, produktif, berorientasi Ipteks, dan reflektif Diskripsi singkat MK
Aljabar Linier merupakan salah satu mata kuliah di bidang teori, yang bertujuan menguasai konsep-konsep dasar
matematika untuk memahami teori tentang Vektor, Operasi Dasar Matriks, Determinan, Invers, Vektor Random, Sistem Persamaan Linier, Ruang Vektor, Nilai dan Vektor Eigen. Serta mampu menggunakan konsep tersebut untuk pengolahan variabel random, perumusan pemodelan dan perhitungan univariate dan multivariat, baik secara manual maupun dengan menggunakan paket program statistik.
Pustaka Utama :
1. Schott, R. J.,Matrix Analysis for Statistics. John wiley & Sons, Inc. New York. ,1997 2. Anton, H. R.,Elementary Linear Algebra. John Wiley & Son, New York., .1994 Pendukung :
3. -
Media Pembelajaran Software: Hardware:
- Modul ajar, whiteboard,
Team Teaching -
Assessment Mini kuis, tugas, uts, uas Matakuliah Syarat -
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
1&2 [C2,A2] Mampu menguraikan konsep operasi dasar matrik
1. KONTRAK KULIAH DAN PENDAHULUAN ALJABAR LINEAR
2.OPERASI DASAR MATRIK
Ceramah (pemaparan konsep operasi dasar matrik)
Diskusi (penjelasan contoh
1. Ketepatan dalam menguraikan operasi dasar matrik
Non test:
Menjelaskan penyelesaian soal- soal terkait.
5 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
soal)
[TM:2x3x50]
Pemberian tugas Membuat resume [BT:2x3x50]
[BM:2x3x60]
Membuat resume Test
3 & 4 [C2,A2] Mampu menjelaskan trace, determinan, invers, matrik partisi, rank matrik, dan matrik orthogonal.
1. TRACE, DETERMINAN DAN INVERS
2. MATRIK PARTISI, RANK MATRIK DAN MATRIK ORTHOGONAL
[Pustaka: 1,2]
Ceramah
Diskusi (penjelasan contoh soal)
[TM:2x3x50]
Pemberian tugas (3 & 4) Membuat ringkasan disertai contoh
[BT:2x3x50]
[BM: 2X3X60]
1. Ketepatan dalam menyelesaikan soal trace determinan dan invers
2. Ketepatan dalam menyelesaikan menjelaskan matrik partisi, rank matrik dan matrik
orthogonal
Non test:
Membuat ringkasan pokok bahasan disertai contoh Test
5 %
5, 6,
&7
[C2,A2,P1] Mampu menjelaskan konsep vector random, ruang vector, orthogonal projection dan cross product
1. VEKTOR RANDOM 2. RUANG VEKTOR 3. Orthogonal Projection dan
Cross Product [Pustaka: 1]
Ceramah (pemaparan konsep)
Diskusi (penjelasan contoh soal)
[BM:3x3x50]
Pemberian tugas
Membuat ringkasan disertai
1. Ketelitian dalam menyelesaikan soal- soal verktor random, ruang vector ,
orthogonal projection dan cross product
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat ringkasan disertai contoh soal
6 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
contoh soal secara mandiri [BT:3x3x50]
[BM: 3X3X60]
8 Evaluasi Tengah Semester
Test Ujian tulis
20%
9, 10, 11,
&12
[C3,A2,P1] Mampu mengaplikasikan konsep kronecker, eigen
value,eigen vector, singular value
decompositions, spectral decomposition.
1. Kronecker (Kronecker Product dan Sum) 2. EIGEN VALUE DAN
EIGEN VEKTOR 3. Singular Value
Decomposition (SVD) 4. SPECTRAL
DECOMPOSITION [Pustaka: 1, 2]
Ceramah (pemaparan konsep)
Diskusi (penjelasan contoh soal)
[TM:4x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT: 4x3x50]
[BM: 4X3X60]
Ketelitian dalam menyelesaikan persoalan tentang Kronecker (Kronecker Product dan Sum), EIGEN VALUE DAN EIGEN VEKTOR, singular Value
Decomposition (SVD), SPECTRAL
DECOMPOSITION
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Test
7 %
13, 14,
& 15
[C3,A2,P2] Mampu menerapkan konsep dekomposisi faktorisasi LU, quadratic forms, generalized invers
1. DEKOMPOSISI FAKTORISASI LU 2. QUADRATIC FORMS 3. GENERALIZED INVERS [Pustaka: 1,2]
Kuliah (pemaparan konsep) Diskusi (penjelasan contoh soal)
[TM:3x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT: 3x3x50]
[BM: 3X3X60]
1. Ketepatan dalam menerapkan konsep dekomposisi faktorisasi LU, quadratic forms, generalized invers
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Test
7 %
16 Evaluasi Akhir [Pustaka: 1,2] Test: 50%
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
Semester Ujian tertulis
1 RencanaPembelajaranSemester (RPS)
Mata Kuliah : Analisis Perancangan Survei Semester:V Kode:240139 SKS: 3 Program Studi :Statistika Dosen: Sari C., S.Si, M.Si
RENCANA PEMBELAJARAN SEMESTER
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN–UNIPA SBY
MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMEST
ER
Direvisi
Analisis dan Prancangan Survei 240139 Pemodelan 3 0 V 18 Agustus 2016
OTORISASI Pengembang RP Koordinator RMK Ka PRODI
Artanti Indrasetianingsih, S.Si.,M.Si.
CapaianPembelajaran Program Studi (CP- PRODI)
CP 7 : Dapat menerapkan konsep Pengumpulan Data CP 9 : Dapat mengelola survey
CP 11 : Bertanggung jawab dan dapat mengkomunikasikan hasil analisis secara tertulis dan lisan Mata Kuliah(CP-MK)
CP 7.2: Mampu merancang dan menerapkan survey CP 9.1 : Mampu mengelola survey
CP 11.2 : Mampu bekerja sama dalam tim dan mampu menyusun laporan bersama tim Diskripsi singkat MK
Mata kuliah ini membahas mengenai bagaimana merumuskan permasalahan dan tujuan survei, merencanakan survei, menentukan teknik sampling dan memilih obyek survei dengan tepat, merancangan kuisioner, pengorganisasian dan
administrasi survei di lapangan, verifikasi dan validasi data, menysusun program entri, melakukan survei lapangan, serta menganalisis, membuat laporan dan mempresentasikan hasil analisis data survei.
Pustaka Utama :
1. Warwick, D.P. and Lininger, C.A. 1975. The Sample Survei: Theory and Practice. McGraw-Hill, Inc., New York.
Pendukung :
2. Buckingham, A. and Saunders, P. 2004. The Survei Methods Workbook. Oodisey Press Inc., Gonic, New Hampsire.
3. Scheaffer, R. L., Mendenhall, W and Ott Lyman. 1990. Elementary Survei Sampling, 4th Edition, PWS-Kent Publishing Company Boston.
Media Pembelajaran Software: Hardware:
- Modul ajar, whiteboard,
Team Teaching -
Assessment Mini kuis, tugas, uts, uas
Matakuliah Syarat Metode statistika, stastistika non parametrik Mg Ke- Kemampuanakhirtiapta
hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
1&2 Mampu mengkonstruksi perancangan survei sesuai dengan penelitian
1. Pengantar perencanaan survei 2. Tahapan survei dan perumusan
masalah
[Pustaka: 1 dan 2]
Ceramah Diskusi [TM:2x3x50]
Pemberian tugas Membuat resume [BT:2x3x50]
[BM:2x3x60]
1. Ketepatan dalam merencanakan survei 2. Ketepatan dalam
merumuskan masalah penelitian 3. Ketepatan dalam
menentukan tujuan survei
4. Ketepatan dalam menentukan sasaran dan lingkup survei 5. Ketepatan dalam
mengidentifikasi
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat resume Test:
portofolio
4 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
tahapan survei 3 & 4 Mampu merumuskan
teknik penarikan contoh yang paling efisien dan praktis sesuai dengan tujuan survei.
1. Review metode 2. Penarikan contoh
[Pustaka: 1,3]
Diskusi studi kasus [TM:2x3x50]
Pemberian tugas [BT:2x3x50]
[BM: 2X3X60]
1. Ketepatan dalam menganalisis konsep dasar penarikan contoh
2. Ketepatan dalam melakukan penarikan contoh tak
berpeluang 3. Ketepatan dalam
melakukan penarikan contoh berpeluang.
4. Ketepatan dalam menganalisis sampling error dan standard error 5. Ketepatan dalam
pemilihan obyek survei
Non test:
Membuat ringkasan pokok bahasan disertai contoh Test
Portofolio
4 %
5 dan 6 Mampu merancang kuisioner yang valid
1. Desain kuisioner 2. Panduan wawancara
[Pustaka: 1,2]
Ceramah
Diskusi studi kasus [BM:2x3x50]
Pemberian tugas [BT:2x3x50]
[BM: 2X3X60]
1. Ketepatan dalam memilic cara pengumpulan informasi
2. Kesesuaian dalam melakukan wawancara dalam survei
3. Kejelasan dalam
Non test:
Keaktifan dalam diskusi
Portofolio
4 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
mempresentasikan hasil survei.
7 Mampu menjelaskan pengorganisasian dan administrasi lapangan dalam suivei
1. Manajemen survei
2. Penjaminan mutu data survei
Model pembelajaran berbasis masalah Diskusi
Ceramah [TM:1x3x50]
[BT: 1x3x50]
[BM: 1X3X60]
1. Ketepatan dalam melakukan penyuntingan dan pengkodean terhadap hasil survei
2. Ketepatan dalam pengembangan dan pemeriksaan peubah
Non test:
Portofolio
Keaktifan
3%
8 Evaluasi Tengah Semester
Test Ujian tulis
20%
10 dan 11
Mampu merumuskan program entri
Desain program entri data [Pustaka: 1, 2]
Model pembelajaran berbasis masalah Diskusi
Ceramah [TM:2x3x50]
[BT: 2x3x50]
[BM: 2X3X60]
1. Kesesuaian
pembuatan program entri
2. Ketepatan dalam pengoperasian program entri
Non test:
Portofolio keaktifan
4 %
12 Mampu mengidentifikasi tahapan-tahapan yang dilalui dalam pelaksanaan survei
1. Tahapan-tahapan survei 2. Kendala-kendala survei 3. Cara mendapatkan responden 4. Etika berwawancara
Model pembelajaran berbasis masalah Diskusi
Ceramah [TM:1x3x50]
[BT: 1x3x50]
1. Ketepatan dalam perencanaan
Non test:
Portofolio
3 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
[BM: 1X3X60]
13 dan 14
Mampu melakukan survei lapangan dengan penuh tanggung jawab
1. Teknik sampling 2. Pemilihan responden 3. Proses wawancara
4. Penanganan dokumen hasil survei
[Pustaka: 1,2,3]
Model pembelajaran berbasis masalah Diskusi
Ceramah [TM:2x3x50]
[BT: 2x3x50]
[BM: 2X3X60]
1. Ketepanan dalam mengidentifikasi teknik sampling 2. Kesesuaian dalam
pemilihan responden 3. Ketepatan dalam
pelaksanaan survei di lapangan
Non test:
Portofolio Keaktifan Test:
Mind mapping survei lapangan
4%
15 Mampu menganalisis data survei
Analisis data dan laporan hasil survei
[Pustaka: 1,2,3]
Model pembelajaran berbasis masalah Diskusi
Ceramah [TM:1x3x50]
[BT: 1x3x50]
[BM: 1X3X60]
1. Ketepatan dalam menganalisis data survei
2. Kesesuaikan dalam pembuatan laporan survei
Test:
Pembuatan laporan survei
4%
16 Evaluasi Akhir Semester
[Pustaka: 1,2,3] Test:
Presentasi hasil survei
Laporan survei
50%
1 RencanaPembelajaranSemester (RPS)
Mata Kuliah : Analisis Time Series Semester:IV Kode:240604 SKS: 3
Program Studi :Statistika Dosen:Artanti Indra, S.Si., M.Si., Ika Damayanti, S.Si., M.Si.
RENCANA PEMBELAJARAN SEMESTER
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN–UNIPA SBY
MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMEST
ER
Direvisi
Analisis Time Series 240604 Penguasaan Pengetahuan 3 0 IV 18 Agustus 2016
OTORISASI Pengembang RP Koordinator RMK Ka PRODI
Artanti Indrasetianingsih, S.Si.,M.Si.
CapaianPembelajaran Program Studi (CP- PRODI)
CP 3 : Mampu membuat kajian suatu permasalahan dengan menggunakan metode statistika CP 10 : Mampu memberikan solusi dan mengambil keputusan berdasarkan analisis data
CP 11 : Bertanggung jawab dan dapat mengkomunikasikan hasil analisis secara tertulis dan lisan Mata Kuliah(CP-MK)
CP 3.1 : Mampu merumuskan permasalahan riil, menerapkan metode statistik, serta mampu mengkomunikasikan baik secara lisan maupun tertulis
CP 10.1 : Mampu memberi solusi dan mengambil keputusan berdasarkan analisis data CP 11.2 : Mampu bekerja sama dalam tim dan mampu menyusun laporan bersama tim Diskripsi singkat MK
Mata kuliah ini mengajarkan mengenaianalisis untuk data runtun waktu. Analisis yang diajarkan meliputi metode rata-rata
bergerak, smoothing, dan ARIMA Box Jenkins. Mahasiswa diajarkan melakukan identifikasi, pemodelan, verifikasi dan peramalan data runtun waktu. Dalam mata kuliah ini mahasiswa juga diharapkan mampu menggunakan software yang sesuai untuk data runtun waktu. Diharapkan setelah menempuh kuliah ini, mahasiswa akan mampu melakukan analisa data runtun waktu.
Pustaka Utama :
1. Cryer, J.D., 1986, Time Series Analysis, Masachusets, PWS Publishers Pendukung :
2. Hanke, J.E., Reitsch, A.G., & Wichern, D.W., 2001. Business Forecasting, 7thedition, Singapore, Prentice-Hall 3. Sukarna, &Aswi, 2006, AnalisisDeretWaktu (teoridanaplikasi), Makasar, Andira Publisher.
4. Wei, W.W.S. 1990, Time Series Analysis: Univariate and Multivariate Methods, Addison-Wesley Publishing Co., USA.
Media Pembelajaran Software: Hardware:
- Modul ajar, whiteboard,
Team Teaching -
Assessment Mini kuis, tugas, uts, uas Matakuliah Syarat -
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
1&2 Mampu menjelaskan konsep analisis deret waktu
1. Analisis deret waktu 2. Konsep autikorelasi 3. Autokorelasi parsial [Pustaka: 1]
Ceramah Diskusi [TM:2x3x50]
Pemberian tugas Membuat resume [BT:2x3x50]
[BM:2x3x60]
1. Ketepatan
menjelaskan konsep analisis data deret waktu
2. Ketepatan dalam menjelaskan berbagai pola data deret waktu 3. Ketepatan dalam
menjelaskan proses
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat resume
5 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
deret waktu stikastik dan stasioner.
4. Ketepatan dalam perhitungan nilai fungsi autokorelasi dan fungsi
autokorelasi parsial.
3 & 4 Mampu menganalisis metode-metode yang digunakan pada analisis data runtun waktu
1. Metode rata-rata bergerak 2. Metode penghalusan
eksponensial [Pustaka: 1,3]
Ceramah
Diskusi (penjelasan contoh soal)
[TM:2x3x50]
Pemberian tugas (3 & 4) Membuat ringkasan disertai contoh
[BT:2x3x50]
[BM: 2X3X60]
1. Ketepatan dalam menerapkan metode rata-rata bergerak dan metode penghalusan 2. Ketepatan dalam
perhitungan analisis metode rata-rata bergerak dan metode penghalusan
eksponensial
Non test:
Membuat ringkasan pokok bahasan disertai contoh Test:
Kuis 2
5 %
5 dan 6 Mampu menganalisis regresi deret waktu sesuai pola data
1. Pola data
2. Analisis regresi deret waktu [Pustaka: 1]
Ceramah Diskusi [BM:2x3x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT:2x3x50]
[BM: 2X3X60]
1. Ketepatan dalam menganalisis regresi deret waktu untu pola trend
2. Ketepatan dalam menganalisis regresi deret waktu untuk pola musiman
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat ringkasan disertai contoh Test:
Kuis 2
5 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
7 Mampu menjelaskan tahapan ARIMA Box Jenkins
Konsep dasar Arima Box Jenkins Ceramah Diskusi [BM:1x3x50]
[BT:1x3x50]
[BM: 1X3X60]
1. Ketepatan dalam menjelaskan tahapan ARIMA Box Jenkins 2. Ketepatan dalam
menjelaskan model umum ARIMA 8 Evaluasi Tengah
Semester
Test Ujian tulis
20%
9 Mampu menganalisis data deret waktu sesuai metode AR(p) atau MA(q)
1. ARIMA (P,0,0) 2. ARIMA (0,0,q) 3. ARIMA (p,0,q) 4. ARIMA non-stasioner 5. ARIMA musiman [Pustaka: 1, 2]
Ceramah
Diskusi (penjelasan contoh soal)
Studi kasus penerapan metode ARIMA [TM:7x3x50]
[BT: 7x3x50]
[BM: 7X3X60]
1. Ketepatan dalam menganalisis dan meramalkan metode autoregressive 2. Ketepatan dalam
menganalisis dan meramalkan metode moving average 3. Ketepatan dalam
memodelkan dan meramalkan dengan metode ARIMA Stasioner.
4. Ketepatan dalam menganalisis data non-stasioner
5. Ketepatan melakukan peramalan dengan metode ARIMA non-
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Test Presentasi
15 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
stasioner.
6. Ketepatan
menganalisis data musiman non- multiplikatf dan multiplikatif 7. Ketepatan dalam
menerapkan metode peramalan ARIMA musiman maupun campuran
13, 14,
& 15
[C3,A2,P2] Mampu menerapkan konsep integral pada
permasalahan sistem bidang kutub.
1. Koordinat Kutub
2. Grafik dalam koordinat kutub 3. Luasan dalam koordinat
kutub
4. Persamaan parametrik 5. Garis singgung dan panjang
busur dalam koordinat kutub [Pustaka: 2,3]
Kuliah (pemaparan konsep bilangan real)
Diskusi (penjelasan contoh soal)
[TM:3x4x50]
Pemberian tugas
Membuat ringkasan disertai contoh soal secara mandiri [BT: 3x4x50]
[BM: 3X4X60]
1. Ketepatan dalam mengidentifikasi koordinat kutub 2. Keterampilan dalam
menggambar grafik dalam koordinat kutub.
3. Ketepatan dalam mengembangkan persamaan parametrik.
4. Ketelitian dalam menyelesaikan masalah garis singgung dan panjang busur dalam koordinat kutub.
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Test Kuis 4
7 %
Mg Ke- Kemampuanakhirtiapta hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
16 Evaluasi Akhir Semester
[Pustaka: 1,2,3] Test:
Ujian tertulis (30%) Tugas kelompok (10%)
Ujian lisan (10%)
50%
1 RencanaPembelajaranSemester (RPS)
Mata Kuliah : Analisis Regresi Semester:III Kode:240407 SKS: 3 Program Studi :Statistika Dosen: Dra. Wara Pramesti, M.Si..
RENCANA PEMBELAJARAN SEMESTER
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN–UNIPA SBY
MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMEST
ER
Direvisi
Analisis Regresi 240407 Penguasaan Pengetahuan 3 0 III 18 Agustus 2015
OTORISASI Pengembang RP Koordinator RMK Ka PRODI
Artanti Indrasetianingsih, S.Si.,M.Si.
CapaianPembelajaran Program Studi (CP- PRODI)
CP 5 : Mampu menganalisis data kuantitatif dan kualitatif
CP 6 : Mampu merumuskan permasalahan dan mampu menggunakan Komputer sebagai alat pengolahan data CP 10: Mampu memberikan solusi dan mengambil keputusan berdasarkan analisis data
CP 11 : Bertanggung jawab dan dapat mengkomunikasikan hasil analisis secara tertulis dan lisan Mata Kuliah(CP-MK)
CP 5.1 : Mampu menganalisis data kuantitatif secara univariate CP 5.2 : Mampu menganalisis data kuantitatif secara multivariat
CP 6.2 : Mampu menyelesaikan permasalahan dengan bantuan software statistika CP 10.1 : Mampu memberi solusi dan mengambil keputusan berdasarkan analisis data
CP 11.1 : Mampu mengkomunikasikan secara lisan dan tertulis dengan menggunakan Bahasa Indonesia dan Bahasa Inggris
CP 11.2 : Mampu bekerja sama dalam tim dan mampu menyusun laporan bersama tim Diskripsi singkat MK
Analisis regresi merupakan salah satu topik dalam ilmu statistika untuk mendapatkan model yang menyatakan hubungan antara variabel respon dengan variabel prediktor. Model yang didapatkan dapat digunakan untuk mendeteksi kemaknaan pengaruh prediktor pada respon, serta dapat digunakan pula untuk memprediksi respon bila nilai prediktor ditentukan atau diketahui.
Pustaka Utama :
1. Draper, N. dan H. Smith, Applied Regression Analysis, Second Edition, 1998.
2. Myers, R. H. Classical And Modern Regression With Applications, PWS-Kent Publishing Company, Boston, 1989 Pendukung :
3. Weisberg, S.A, 2005. "Applied Linear Regression". John Wiley & Sons.
4. Sheather, S.J, 2009. "A Modern Approach to Regression with R".Springer.
Media Pembelajaran Software: Hardware:
- Modul ajar, whiteboard,
Team Teaching -
Assessment Mini kuis, tugas, uts, uas Matakuliah Syarat Pengantar Metode Statistika Mg Ke- Kemampuanakhirtiapta
hapanbelajar (CP-MK)
Materi Pembelajaran (Pokok bahasan)
[Pustaka]
Metode / Strategi Pembelajaran [Estimasi Waktu]
Assessment
Indikator Bentuk Bobot
1&2 Mampu menjelaskan analisis regresi secara umum,dan Hubungan Antar Variabel
1. Pendahuluan
2. Perbedaan Korelasi dan Regresi
3. Pengertian bentuk Hubungan antar Variabel
4. Hubungan Kausal dalam Model Regresi
5. Variabel Prediktor dan Respon
Ceramah Diskusi [TM:2x3x50]
Pemberian tugas Membuat resume [BT:2x3x50]
1. Ketepatan
menjelaskan konsep analisis regresi 2. Ketepatan dalam
menjelaskan berbagai Hubungan Antar Variabel
Non test:
Menjelaskan penyelesaian soal- soal terkait.
Membuat resume
5 %