FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

(1)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

website: https://forstat.org/

instagram: forstat.indonesia twitter: forstat.indonesia

Sekretariat: Gedung Departemen Statistika FMIPA, Universitas Padjadjaran

Jl. Raya Bandung Sumedang Km 21, Jatinangor, Sumedang, Jawa Barat 45361

Telp./Fax: 022-7796002/ 022-7796002 email: [email protected]/

[email protected]

SURAT KEPUTUSAN KETUA FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA NOMOR: 19/FPTSI/IX/2021

TENTANG

SILABUS MINIMAL SARJANA STATISTIKA FORSTAT 2021

KETUA FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA,

Menimbang : a. bahwa FORSTAT merupakan wadah berhimpunnya penyelenggara Pendidikan Tinggi Statistika di Indonesia;

b. bahwa pendirian FORSTAT bertujuan untuk membina dan mengembangkan penyelenggaraan Pendidikan Tinggi Statistika serta meningkatkan peranan Statistika di Indonesia;

c. bahwa FORSTAT mempunyai misi untuk mengembangkan kompetensi Pendidikan Tinggi Statistika di Indonesia;

d. bahwa seiring dengan dinamisnya peraturan di Negara Republik Indonesia di bidang pendidikan dalam beberapa tahun terakhir, dan perkembangan ilmu pengetahuan dan teknologi yang semakin pesat, FORSTAT perlu menetapkan silabus minimal yang harus dipenuhi oleh anggotanya;

e. bahwa berdasarkan pertimbangan sebagaimana dimaksud dalam huruf a,b,c, dan d, perlu ditetapkan Surat Keputusan Ketua FORSTAT tentang Silabus Minimal Sarjana Statistika FORSTAT yang digunakan sebagai pedoman dalam penyusunan kurikulum oleh seluruh angota FORSTAT;

Mengingat : 1. Undang-Undang Republik Indonesia Nomor 20 Tahun2003 tentang Sistem Pendidikan Nasional (Lembaran Negara Republik Indonesia Tahun 2003 Nomor 78, Tambahan Lembaga Negara Republik Indonesia Nomor 4301);

2. Undang-Undang Republik Indonesia Nomor 12 Tahun 2012 tentang Pendidikan Tinggi (Lembaran NegaraRepublik Indonesia Tahun 2012 Nomor 158, Tambahan Lembaga Negara Republik Indonesia Nomor 5336);

3. Peraturan Pemerintah Republik Indonesia Nomor 4 Tahun 2014 tentang Penyelenggaraan Pendidikan Tinggi dan Pengelolaan Perguruan Tinggi (Lembaran Negara Republik Indonesia Tahun 2014

(2)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

Nomor 41, Tambahan Lembaga Negara Republik Indonesia Nomor 5500);

4. Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 62 Tahun 2016 tentang Sistem Penjaminan Mutu Pendidikan Tinggi (Berita Negara Republik Indonesia Tahun 2016 Nomor 1462);

5. Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 32 Tahun 2016 tentang Akreditasi Program Studi dan Perguruan Tinggi (Berita Negara Republik Indonesia Tahun 2016 Nomor 774);

6. Peraturan Menteri Riset, Teknologi dan Pendidikan Tinggi Republik Indonesia Nomor 26 Tahun 2015 tentang Registrasi Pendidikan pada Perguruan Tinggi (Berita Negara Republik Indonesia Tahun 2015 Nomor 1372);

7. Peraturan Menteri Pendidikan dan Kebudayaan Nomor 3 Tahun 2O20 tentang Standar Nasional Pendidikan Tinggi (Berita Negara Republik Indonesia Tahun 2020 Nomor 47);

8. AD/ART FORSTAT

Memperhatikan : 1. Laporan Panitia silabus minimal Sarjana Statistika FORSTAT 2021 2. Hasil Keputusan Rapat Kerja Bidang Pendidikan Pengurus

FORSTAT tanggal 10 Juli 2021

MEMUTUSKAN:

Menetapkan : :::SURAT KEPUTUSAN KETUA FORSTAT TENTANG SILABUS MINIMAL SARJANA STATISTIKA FORSTAT 2021.

KESATU : Silabus minimal Sarjana STATISTIKA FORSTAT 2021 sebagaimana termuat dalam lampiran Surat Keputusan Ketua FORSTAT ini meliputi mata kuliah :

I. Basis Data dan Penelusuran Data – SQL;

II. Pengantar Sains Data/Visualisasi dan Eksplorasi Data;

III. Prediksi Modern dan Pembelajaran Mesin (Modern Prediction and Machine Learning)

IV. Analisis dan Perancangan Survey V. Pengantar Model Linear

KEDUA : : Silabus minimal Sarjana STATISTIKA FORSTAT 2021 wajib digunakan sebagai pedoman bagi anggota FORSTAT dalam penyusunan kurikulum;

(3)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

KETIGA : Kewenangan perencanaan, pelaksanaan, dan evaluasi implementasi Silabus minimal Sarjana STATISTIKA FORSTAT 2021 ini pada tiap semester diserahkan pengaturannya kepada Ketua Program Studi masing masing institusi anggota FORSTAT;

KEEMPAT : : Surat Keputusan ini mulai berlaku pada tanggal ditetapkan.

:

Ditetapkan di Bandung, Pada tanggal 30 Juli 2021

KETUA FORSTAT,

Yudhie Andriyana, M.Sc., Ph.D.

(4)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

LAMPIRAN I:

SURAT KEPUTUSAN KETUA FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA NOMOR: 19/FPTSI/IX/2021 TENTANG SILABUS MINIMAL SARJANA STATISTIKA FORSTAT 2021

Tabel 1: Silabis Minimal Basis Data dan Penelusuran Data – SQL No. Pokok Bahasan/ Bahan

Kajian

Keterangan

1. Konsep Basis Data 1. Perbedaan sistem file tradisional dan sistem file Basis Data;

2. Istilah-istilah dasar Basis Data;

3. Komponen Basis Data;

4. Keuntungan dan kerugian penggunaan Basis Data;

5. Pengguna Basis Data;

6. Database, Tabel, Field, Record, Data Value;

7. Tipe data dalam database.

2. Perancangan Sistem Basis Data

1. Pengertian model relasional, contoh tabel–tabel, dan keterhubungannya;

2. Model ERD (Entity Relationship Diagram);

3. Konsep dasar model ER seperti Entity, atribut, relationship type, simbol ERD;

4. Konsep dasar normalisasi seperti: pengertian dan tujuan normalisasi, tahapan normalisasi, serta proses normalisasi.

3. Structure Query Language (SQL)

1. Perintah DDL (Data Definition Language);

2. Perintah DML (Data Manipulation Language);

3. Perintah DCL (Data Control Language).

4. Proses Pengelolaan Tabel (Data

Wrangling/Munging)

1. Menambah kolom baru;

2. Mengurutkan data;

3. Menggabungkan data antar tabel.

5. Koneksi Database dengan software analytics

1. Instalasi paket koneksi database dengan analytics software (misal RMySQL);

2. Proses transfer data dari database ke analytics software;

3. Proses Data Wrangling dalam analytics software.

(5)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

LAMPIRAN II:

SURAT KEPUTUSAN KETUA FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA NOMOR: 19/FPTSI/IX/2021 TENTANG SILABUS MINIMAL SARJANA STATISTIKA FORSTAT 2021

Tabel 2: Pengantar Sains Data/Visualisasi dan Eksplorasi Data

No. Pokok Bahasan/ Bahan Kajian

Keterangan

1 Pengenalan Pengenalan tipe dan struktur data: terstruktur dan tidak terstruktur, dan berbagai macam contoh data terstruktur maupun tidak terstruktur.

2 Pendahuluan eksplorasi dan visualisasi data

(EDA: Explanatory Data Analysis, CDA: Confirmatory Data Analysis)

1. Pemahaman EDA dan CDA, serta posisi EDA dan CDA dalam analisis data secara umum;

2. Pengertian EDA dan visualisasi;

3. Manfaat EDA dan visualisasi;

4. Hubungan masing-masing teknik pada EDA dan visualisasi dalam analisis data secara keseluruhan.

3 Visualisasi data: tipe-tipe grafik

1. Grafik untuk data kontinu;

2. Grafik untuk data kategorik;

3. Grafik untuk data kontinu dan kategorik;

4. Kondisi yang sesuai untuk penggunaan masing-masing grafik tersebut, perbandingan (kekurangan dan

kelebihan) masing-masing grafik; pitfalls

(penyalahgunaan yang mungkin) dari masing-masing grafik. Pemilihan yang sesuai berdasarkan tipe data.

4 Eksplorasi data 1. Pre-processing data: data wrangling, cleaning, identifikasi, ekstraksi, dan integrasi data;

2. Transformasi data: misal encoding data kategorik, cek distribusi, normalisasi/standarisasi data;

3. Reduksi data: variable selection (domain

knowledge/automatic), feature engineering, variable reduction, statistik deskriptif (numerical summary);

4. Penanganan missing values: imputasi sederhana;

5. Penanganan outlier.

(6)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

LAMPIRAN III:

Tabel 3: Prediksi Modern dan Pembelajaran Mesin (Modern Prediction and Machine Learning)

Keterangan

1. Konsep dasar Machine Learning

1. Penjelasan konsep dasar machine learning;

2. Penjelasan tentang supervised dan unsupervised learning;

3. Contoh kasus supervised dan unsupervised learning.

2. Metode unsupervised learning 1. Metode clustering;

2. Perkembangan terkini metode clustering.

3. Metode supervised learning untuk klasifikasi

1. Jaringan Syarat Tiruan (Artificial Neural Network) untuk prediksi pada permasalahan klasifikasi;

2. Support Vector Machine untuk prediksi pada permasalahan klasifikasi.

4. Metode supervised learning untuk regresi

1. Jaringan Syarat Tiruan (Artificial Neural Network) untuk prediksi pada regresi.

2. Support Vector Machine untuk prediksi pada regresi.

5. Pengenalan metode machine learning lainnya

1. Mengenalkan metode-metode machine learning lainnya, misalkan decision tree, random forest, dan lainnya untuk prediksi pada permasalahan klasifikasi dan regresi;

2. Metode-metode untuk seleksi peubah (feature selection) dapat juga dikenalkan (optional–dapat tidak diberikan).

6. Metode supervised learning untuk peramalan deret waktu

1. Cara membangun model peramalan deret waktu dengan metode machine learning;

2. Evaluasi hasil peramalan.

Jika materi ini diberikan di mata kuliah analisis deret waktu dan mata kualiah Modern Prediction and Machine

Learning berdiri sendiri, maka bahan kajian ini sebaiknya tetap diberikan dengan porsi yang lebih sedikit

(7)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

LAMPIRAN IV:

Table 4: Analisis dan Perancangan Survey

Keterangan

1. Konsep Dasar Penelitian Survei

1. Kelebihan dan kekurangan;

2. Perumusan masalah;

3. Identifikasi populasi;

4. Etika dalam survei.

2. Perancangan dan

Pengembangan Instrumen Survei Sederhana

1. Penyusunan instrumen;

2. Penilaian validitas dan reliabilitas instrumen;

3. Strategi perolehan data (termasuk untuk survei online).

3. Pengelolaan Pelaksanaan Survei Sederhana

1. Rancangan dan implementasi teknik sampling;

2. Pengelolaan tim pelaksana;

3. Mekanisme wawancara;

4. Pengadministrasian kegiatan;

5. Manajemen mutu.

4. Penanganan dan Pengolahan Data Hasil Survei

5. Diseminasi Hasil Survei 1. Penulisan laporan;

2. Presentasi.

(8)

FORUM PENDIDIKAN TINGGI STATISTIKA INDONESIA

[email protected]

LAMPIRAN V:

Tabel 5: Pengantar Model Linear

Keterangan

1. Pengantar 1. Konsep dasar model linier;

2. Pengenalan bentuk-bentuk model linier.

2. Regresi linier sederhana 1. Data berpasangan dan diagram pencar;

2. Model regresi;

3. Penaksiran parameter;

4. Interpretasi koefisien regresi;

5. Asumsi;

6. Inferensi;

7. Ukuran kecocokan model;

8. Prediksi.

3. Regresi linier berganda 1. Penaksiran parameter;

2. Interpretasi koefisien regresi;

3. Asumsi.

4. Diagnostik 1. Analisis residual;

2. Linieritas dan normalitas.

5. Desain Acak Sempurna 1. Analisis Varians dalam Desain Acak Sempurna;

2. Uji Lanjut;

3. Menentukan ERJK (Error Rata-Rata Jumlah Kuadrat).

6. Analisis varians untuk Desain Eksperimen Blok Acak Lengkap.

7. Analsis varians untuk Desian Eksperimen Faktorial - Dua faktor