Mατh IPB. Analisis Instruksional (AI) dan Silabus. AKT301 Metode Statistika Aktuaria I 2016/2017

(1)

Analisis Instruksional (AI)

dan Silabus

AKT301 Metode Statistika Aktuaria I

2016/2017

Program Studi S-1 Aktuaria Departemen Matematika Institut Pertanian Bogor

(2)

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

(3)

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

(4)

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;

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;

(5)

MINGGU KE-

KEMAMPUAN AKHIR

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

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;

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

Kebenaran dan ketepatan dalam menjelaskan model regresi banyak peubah dan asum-asumsi yang

mendasari, penduga koefisien regresi dan menginterpretasikannya, multikolinearitas, dan korelasi parsial;

6 Mampu menjelaskan penggunaan model regresi peubah banyak

Penggunaan Model Regresi Peubah Banyak

1. Model Linear Umum

2. Penggunaan Peubah Boneka

Kebenaran dan ketepatan dalam menjelaskan model linear umum, penggunaan peubah boneka dalam model, pengujian hipotesis dengan uji F dan t.

(6)

MINGGU KE-

KEMAMPUAN AKHIR

3. Penggunaan uji F dan uji t untuk hipotesis yang terdiri dari lebih satu parameter

4. Regresi Linear Piecewise

7 Mampu menjelaskan serial correlation dan

heteroscedasticity

Serial Correlation dan Heteroscedasticity 1. Serial Correlation

2. Heteroscedasticity

Kebenaran dan ketepatan dalam menjelaskan konsep heteroscedasticity:

mengidentifikasi, menguji dan mengatasinya;

menjelaskan konsep serial correlation:

mengidentifikasi, menguji dan mengatasinya.

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

Kebenaran dan ketepatan dalam peramalan

menggunakan model ekstrapolasi deterministik

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

Kebenaran dan ketepatan dalam pengidentifikasian kestasioneran deret waktu dan penggunaan model deret waktu stokastik.

(7)

MINGGU KE-

KEMAMPUAN AKHIR

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

Kebenaran dan ketepatan dalam penggunaan model AR, MA, ARMA dan model ARIMA,

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

Kebenaran dan ketepatan dalam penggunaan model-model deret waktu stokastik dalam peramalan,

khususnya di bidang ekonomi, keuangan, dan bisnis

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

(8)

Minggu ke- Tugas ke- Tujuan Tugas Uraian Tugas Kriteria Penilaian 6 4 Melatih mahasiswa untuk mencapai kemampuan akhir

pokok bahasan 6

pokok bahasan 9-10

pokok bahasan 11-12

pokok bahasan 13-14

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;

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

(9)

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

(10)

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.