Analisis Instruksional (AI)
dan Silabus
AKT301 Metode Statistika Aktuaria I
2016/2017
Program Studi S-1 Aktuaria Departemen Matematika Institut Pertanian Bogor
ANALISIS INSTRUKSIONAL (AI)
DAN
SILABUS
MATA KULIAH
AKT301 METODE STATISTIKA AKTUARIA I
Oleh:
Retno Budiarti
PROGRAM STUDI S-1 AKTUARIA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ANALISIS INSTRUKSIONAL (KULIAH)
Mata Kuliah: AKT301 Metode Statistika Aktuaria I 3 (3-0)
MAT353 Pengantar Teori Peluang Capaian Pembelajaran (CP):
1) Mampu memahami model regresi sederhana dan regresi peubah banyak, serta asumsi-asumsi yang mendasari;
2)Mampu memahami pendugaan koefisien model regresi dan sifat-sifat penduga;
3) Mampu memahami identifikasi, pengaruh, dan cara mengatasi pelanggaran-pelanggaran asumsi yang mendasari model regresi; dan
4)Mampu memahami model ekstrapolasi deterministik dan model deret waktu stokastik; dan mampu menerapkannya untuk peramalan dalam bidang ekonomi, keuangan, bisnis, dan sosial.
(6)
Mampu menjelaskan model deret waktu stokastik
(5)
Mampu menjelaskan model ekstrapolasi deterministik
(4)
Mampu menjelaskan pendugaan koefisien model regresi (3)
Mampu menjelaskan pengaruh dan cara mengatasi pelanggaran asumsi
(2)
Mampu menjelaskan model regresi peubah banyak dan asumsi
(1)
Mampu menjelaskan model regresi sederhana dan asumsi
SILABUS
Nama Mata Kuliah : Metode Statistika Aktuaria I
Kode Mata Kuliah/sks : MAT301/3 (3-0)
Semester : 5 (lima)
Prasyarat : MAT353 Pengantar Teori Peluang
Deskripsi Singkat : Mata kuliah ini diberikan untuk membekali mahasiswa dasar-dasar analisis regresi, model regresi persamaan tunggal, dan model deret
waktu, dan digunakannya untuk peramalan di bidang ekonomi, keuangan, bisnis, dan sosial.
Capaian Pembelajaran : 1) Mampu memahami model regresi sederhana dan asumsi-asumsi yang mendasari;
2) Mampu memahami pendugaan koefisien model regresi dan sifat-sifat penduga;
3) Mampu memahami identifikasi, pengaruh, dan cara mengatasi pelanggaran-pelanggaran asumsi yang mendasari model regresi; dan
4) Mampu memahami model ekstrapolasi deterministik dan model deret waktu stokastik; dan mampu menerapkannya untuk peramalan dalam bidang ekonomi, keuangan, bisnis, dan sosial.
Divisi : Matematika Ekonomi, Keuangan, dan Aktuaria
Dosen : 1. Retno Budiarti
2. Hadi Sumarno
Rencana Pembelajaran Semester (RPS) Kuliah
MINGGU KE-
KEMAMPUAN AKHIR
YANG DIHARAPKAN POKOK BAHASAN (MATERI AJAR)
BENTUK PEMBELAJARAN KRITERIA PENILAIAN (INDIKATOR) BOBOT NILAI (%) (1) (2) (3) (4) (5) (6)
1 Mampu menjelaskan model regresi sederhana dan pendugaan parameter
Kontrak Pembelajaran Pengantar Model Regresi 1. Pengepasan model
2. Metode Kuadrat Terkecil (Ordinary Least Square/OLS)
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam menjelaskan model regresi, pengepasan model dan pendugaan parameter;
MINGGU KE-
KEMAMPUAN AKHIR
YANG DIHARAPKAN POKOK BAHASAN (MATERI AJAR)
BENTUK PEMBELAJARAN KRITERIA PENILAIAN (INDIKATOR) BOBOT NILAI (%) (1) (2) (3) (4) (5) (6)
Tugas Terstruktur ke-1 2
2-3 Mampu menjelaskan model regresi dua peubah dan pengujiannya
Model Regresi Dua Peubah 1. Model dan asumsi-asumsinya 2. Penduga Tak Bias Linear Terbaik 3. Pengujian Hipotesis dan Selang
Kepercayaan
4. Analisis Keragaman dan Korelasi
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam menjelaskan model regresi dua peubah dan asum-asumsi yang mendasari, sifat-sifat statistik dari penduga, selang kepercayaan penduga, pengujian
hipotesis, kesesuaian model, dan korelasi;
Tugas Terstruktur ke-2 2
4-5 Mampu menjelaskan model regresi peubah banyak, pendugaan parameter, dan multikolinearitas
Model Regresi Peubah Banyak 1. Model dan asumsi-asumsinya 2. Statistik Regresi
3. Uji F, Koefisien Determinasi R2 4. Multikolinearitas
5. Elastisitas
6. Korelasi Parsial dan Regresi Stepwise
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam menjelaskan model regresi banyak peubah dan asum-asumsi yang
mendasari, penduga koefisien regresi dan menginterpretasikannya, multikolinearitas, dan korelasi parsial;
Tugas Terstruktur ke-3 2
6 Mampu menjelaskan penggunaan model regresi peubah banyak
Penggunaan Model Regresi Peubah Banyak
1. Model Linear Umum
2. Penggunaan Peubah Boneka
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam menjelaskan model linear umum, penggunaan peubah boneka dalam model, pengujian hipotesis dengan uji F dan t.
MINGGU KE-
KEMAMPUAN AKHIR
YANG DIHARAPKAN POKOK BAHASAN (MATERI AJAR)
BENTUK PEMBELAJARAN KRITERIA PENILAIAN (INDIKATOR) BOBOT NILAI (%) (1) (2) (3) (4) (5) (6)
3. Penggunaan uji F dan uji t untuk hipotesis yang terdiri dari lebih satu parameter
4. Regresi Linear Piecewise
Tugas Terstruktur ke-4 2
7 Mampu menjelaskan serial correlation dan
heteroscedasticity
Serial Correlation dan Heteroscedasticity 1. Serial Correlation
2. Heteroscedasticity
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam menjelaskan konsep heteroscedasticity:
mengidentifikasi, menguji dan mengatasinya;
menjelaskan konsep serial correlation:
mengidentifikasi, menguji dan mengatasinya.
Tugas Terstruktur ke-5 2
Kuis ke-1 5
Ujian Tengah Semester (UTS) 35
8 Mampu menjelaskankan pemulusan dan ekstrapolasi deret waktu
Pemulusan dan Ekstrapolasi Deret Waktu 1. Model Ekstrapolasi Sederhana
2. Pemulusan dan Seasonal Adjustment
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam peramalan
menggunakan model ekstrapolasi deterministik
Tugas Terstruktur ke-6 2
9-10 Mampu menjelaskankan sifat-sifat deret waktu stokastik
Sifat-sifat Deret Waktu Stokastik 1. Model Deret Waktu Stokastik 2. Fungsi Autokorelasi
3. Pengujian Random Walks 4. Co-integrated Time Series
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam pengidentifikasian kestasioneran deret waktu dan penggunaan model deret waktu stokastik.
MINGGU KE-
KEMAMPUAN AKHIR
YANG DIHARAPKAN POKOK BAHASAN (MATERI AJAR)
BENTUK PEMBELAJARAN KRITERIA PENILAIAN (INDIKATOR) BOBOT NILAI (%) (1) (2) (3) (4) (5) (6)
Tugas Terstruktur ke-7 2
11-12 Mampu menjelaskankan pemulusan dan ekstrapolasi deret waktu
Model Deret Waktu Linear 1. Model Moving Average (MA) 2. Model Autoregressive (AR) 3. Model Autoregressive- Moving
Average (ARMA) 4. Model ARIMA
5. Spesifikasi Model ARIMA
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam penggunaan model AR, MA, ARMA dan model ARIMA,
Tugas Terstruktur ke-8 2
13-14 Mampu menjelaskankan pemulusan dan ekstrapolasi deret waktu
Pendugaan dan Peramalan dengan Model Deret Waktu
1. Pendugaan Model
2. Peramalan Mean-Square-Error Minimum
3. Peramalan Selang Kepercayaan 4. Sifat-sifat Peramalan dengan ARIMA
Ceramah, latihan, diskusi, tugas, dan kuis
Kebenaran dan ketepatan dalam penggunaan model-model deret waktu stokastik dalam peramalan,
khususnya di bidang ekonomi, keuangan, dan bisnis
Tugas Terstruktur ke-9 2
Kuis ke-2 7
Ujian Akhir Semester (UAS) 35
Rancangan Tugas (Tugas Terstruktur)
Minggu ke- Tugas ke- Tujuan Tugas Uraian Tugas Kriteria Penilaian
1 1 Melatih mahasiswa untuk mencapai kemampuan akhir pokok bahasan 1
Analisis data berkaitan dengan pokok bahasan 1
Kelengkapan, kebenaran, dan ketepatan analisis data 2-3 2 Melatih mahasiswa untuk mencapai kemampuan akhir
pokok bahasan 2-3
Analisis data berkaitan dengan pokok bahasan 2-3
Kelengkapan, kebenaran, dan ketepatan analisis data
4-5 3 Melatih mahasiswa untuk mencapai kemampuan akhir pokok bahasan 4-5
Analisis data berkaitan dengan pokok bahasan 4-5
Kelengkapan, kebenaran, dan ketepatan analisis data
Minggu ke- Tugas ke- Tujuan Tugas Uraian Tugas Kriteria Penilaian 6 4 Melatih mahasiswa untuk mencapai kemampuan akhir
pokok bahasan 6
Analisis data berkaitan dengan pokok bahasan 6
Kelengkapan, kebenaran, dan ketepatan analisis data
7 5 Melatih mahasiswa untuk mencapai kemampuan akhir pokok bahasan 7
Analisis data berkaitan dengan pokok bahasan 7
Kelengkapan, kebenaran, dan ketepatan analisis data
8 6 Melatih mahasiswa untuk mencapai kemampuan akhir pokok bahasan 8
Analisis data berkaitan dengan pokok bahasan 8
Kelengkapan, kebenaran, dan ketepatan analisis data 9-10 7 Melatih mahasiswa untuk mencapai kemampuan akhir
pokok bahasan 9-10
Analisis data berkaitan dengan pokok bahasan 9-10
Kelengkapan, kebenaran, dan ketepatan analisis data 11-12 8 Melatih mahasiswa untuk mencapai kemampuan akhir
pokok bahasan 11-12
Analisis data berkaitan dengan pokok bahasan 11-12
Kelengkapan, kebenaran, dan ketepatan analisis data 13-14 9 Melatih mahasiswa untuk mencapai kemampuan akhir
pokok bahasan 13-14
Analisis data berkaitan dengan pokok bahasan 13-14
Kelengkapan, kebenaran, dan ketepatan analisis data
1) Mampu memahami model regresi sederhana dan regresi peubah banyak, serta asumsi-asumsi yang mendasari; 2)Mampu memahami pendugaan koefisien model regresi dan sifat-sifat penduga;
3) Mampu memahami identifikasi, pengaruh, dan cara mengatasi pelanggaran-pelanggaran asumsi yang mendasari model regresi; dan
4)Mampu memahami model ekstrapolasi deterministik dan model deret waktu stokastik; dan mampu menerapkannya untuk peramalan dalam bidang ekonomi, keuangan, bisnis, dan sosial.
Rancangan Penilaian
Capaian Pembelajaran
Tugas Terstruktur ke- Kuis ke-
UTS UAS
1 2 3 4 5 6 7 8 9 1 2
1. Mampu memahami model regresi sederhana, dan regresi peubah banyak, serta asumsi-asumsi yang mendasari
√ √ √ √
2. Mampu memahami pendugaan koefisien
model regresi dan sifat-sifat penduga √ √ √ √ √
3. Mampu memahami identifikasi, pengaruh, dan cara mengatasi pelanggaran-pelanggaran asumsi yang mendasari model regresi
Capaian Pembelajaran
Tugas Terstruktur ke- Kuis ke-
UTS UAS
1 2 3 4 5 6 7 8 9 1 2
4. Mampu memahami model ekstrapolasi deterministik dan model deret waktu stokastik; dan mampu menerapkannya untuk peramalan dalam bidang ekonomi, keuangan, bisnis, dan sosial.
√ √ √ √
Bobot Penilaian
Kriteria Penilaian Kisaran Nilai Bobot Nilai (%) Keterangan
Penilaian Kuliah: Tugas Terstruktur Kuis UTS UAS 0 – 100 0 – 100 0 – 100 0 – 100 18 12 35 35 Nilai kelompok Nilai individu Nilai individu Nilai individu
Nilai Akhir (NA) 100
Nilai Akhir (NA) Huruf Mutu Keterangan
NA ≥ 80 A Lulus
70 ≤ NA < 80 AB Lulus, tidak boleh mengulang 60 ≤ NA < 70 B Lulus, tidak boleh mengulang 50 ≤ NA < 60 BC Lulus, tidak boleh mengulang 40 ≤ NA < 50 C Lulus, tidak boleh mengulang 20 ≤ NA < 40 D Lulus, boleh mengulang
NA < 20 E Tidak lulus Buku/Bacaan Pokok
A.Wajib
B.Opsional
1. Dickson DCM, Hardy MR, Waters HR. 2013. Actuarial Mathematics for Life Contingent Risks. Ed ke-2. New York (US): Cambridge University Press. 2. Bowers NL, Gerber HU, Hickman JC, Jones DA, Nesbitt CJ. 1997. Actuarial Mathematics. Ed ke-2. Schaumburg, Illinois (US): The Society of Actuaries. 3. Effendie AR. 2015. Matematika Aktuaria dengan Software R. Yogyakarta (ID): Gadjah Mada University Press.