4.5. RP Metode Multivariat Terapan DIII KKNI

(1)

69 CAPAIAN PEMBELAJARAN (Learning outcome) :

Mampu menganalisis data dengan metode statistika yang sesuai

Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep metode multivariat

Kemampuan kerja 5.3 Mampu menganalisis data dari permasalahan riil dengan metode multivariat menggunakan piranti lunak (SPSS dan MINITAB)

5.4 Mampu memilih metode multivariat yang sesuai untuk menyelesaikan permasalahan data multivariate dan menginterpretasikan hasilnya dengan tepat

5.5 Mampu menganalisis data dan mampu mengkomunikasikan hasilnya dengan baik

Kemampuan Manajerial 5.6 Mampu mengelola kelompok kerja dan mengkomunikasikan hasilnya baik lisan maupun tertulis secara komprehensif; 5.7 Bertanggung jawab pada pekerjaan sendiri

5.8 Dapat diberi tanggung jawab atas pencapaian hasil kerja kelompok

Sikap dan Tata Nilai 5.9 Etika profesi (termasuk menghargai temuan orisinal orang lain); menghargai pendapat orang lain; patuh pada aturan yang tertulis dan tidak tertulis serta berpikir cerdas, amanah dan kreatif.

Pokok Bahasan :

Pendahuluan, Review vektor dan matriks, konsep dasar analisis multivariat, data preprocessing, uji hipotesis vektor rata-rata satu dan dua populasi, manova, analisis komponen utama, analisis

faktor, analisis diskriminan, analisis cluster dan metode-metode grafis (multidimensional scalling dan analisis korespondensi)

.

Prasyarat :

• Telah mengikuti Pengantar Metoda Statistika dan nilai minimum D

(2)

70

Pertemu-an ke Capaian Pembelajaran INDIKATOR CAPAIAN Materi Pustaka Metode

Pembelajaran Bentuk Asesmen

Bobot Materi Tes/Tugas

Nomor Deskripsi

1-3 5.1-5.2 1. Dapat menjelaskan apa

yang akan dipelajari dalam keseluruhan kuliah

2. Dapat menjelaskan

konsep dasar analisis multivariat

3. Dapat menjelaskan

konsep matriks yang sering dipakai dalam analisis multivariat

1.1. Mengetahui penerapan metode

multivariate di permasalahan riil

1.2. Dapat membedakan antara data

univariat dan data multivariate

1.3. Mengetahui pengelompokan metode

univariat dan metode multivariate

1.4. Mampu menghitung konsep matriks

yang sering digunakan dalam analisis multivariate

Pendahuluan:

1. Konsep dasar

analisis multivariat

2. Aplikasi metode

multivariate

3. Pengelompokan

metode multivariat

4. Aljabar matriks dan

vector random

[1] BAB 1

[2] BAB 1

Ceramah, Diskusi

Observasi di kelas Tes tulis

5% / 5%

4-9 5.1-5.9 4. Mengetahui

langkah-langkah yang harus dilakukan atau

menyiapkan data sebelum melakukan analisis menggunakan metode multivariate, yang meliputi

deteksi missing value,

outlier dan pemeriksaan asumsi

2.1. Dapat mendeteksi missing value dan

cara mengatasinya

2.2. Dapat mendeteksi data outlier baik

secara univariate dan multivariate

2.3. Dapat melakukan uji asumsi :

- normality ( univariat dan multivariate) - homoscedacity

Data preprocessing:

1. Deteksi missing

value dan cara mengatasi

2. Deteksi outlier

3. Pemeriksaan asumsi

dan cara mengatasi

[1] BAB 4

[2] BAB 2

[4] Modul 1

Ceramah Diskusi, latihan soal dan praktikum (Modul 1)

Observasi dikelas, Tugas, presentasi

10% / 15%

10-12 5.1-5.9 5. Dapat menjelaskan

konsep pengujian hipotesis vector rata-rata untuk satu dan dua populasi dari distribusi normal multivariat

3.1. Dapat menentukan, menghitung dan

menginterpretasikan uji hipotesis vector rata-rata satu dan dua populasi normal multivariat

3.2. Dapat melakukan uji hipotesis vector

rata-rata menggunakan piranti lunak serta menginterpretasikannya

Uji hipotesis vektor rata-rata:

1. Untuk satu populasi

2. Untuk dua populasi

[1] BAB 5-6 Ceramah

Diskusi dan latihan soal (manual dan piranti lunak)

Observasi di kelas, Tugas, presentasi

(3)

71

konsep MANOVA dan dapat menerapkan dalam problem riil

4.1Dapat melakukan pemeriksaan asumsi

dalam MANOVA dan cara mengatasi

4.2Dapat melakukan analisis MANOVA baik

secara manual maupun menggunakan piranti lunak

MANOVA

1. Pemeriksaan

asumsi

2. One way

MANOVA

3. Interpretasil hasil

analisis MANOVA

[1] BAB 5

[2] BAB 6

[3] BAB 11

[4] Modul 2

Ceramah Diskusi, tes dan praktikum (Modul 2)

Tes tulis, Tugas, presentasi

10% / 30%

konsep PCA dan dapat menerapkan dalam problem riil

5.1 Dapat melakukan pemeriksaan asumsi

dalam PCA dan cara mengatasi

5.2 Dapat melakukan analisis PCA baik

Principal Componen Analysis (PCA):

1. Aplikasi PCA di

problem riil

2. Pemeriksaan

asumsi PCA

3. PCA

[1] BAB 8

[2] BAB 3

[3] BAB 4

[4] Modul 3

5 / 35%

22 - 24 5.1-5.9 8. Dapat menjelaskan

konsep analisis faktor dan dapat menerapkan dalam problem riil

dalam analisis faktor dan cara mengatasi

6.2 Dapat melakukan analisis factor baik

Analisis Faktor :

1. Konsep dasar dan

aplikasi di problem riil

2. Pemeriksaan

asumsi

3. Analsis factor dan

interpretasi

[1] BAB 9

[2] BAB 2

[3] BAB 5

[4] Modul 3

Ceramah Diskusi, dan praktikum (Modul 3)

Tugas, presentasi

10% / 45%

25 - 30 5.1-5.9 7 Dapat menjelaskan

konsep analisis diskriminan dan dapat menerapkan dalam problem riil

dalam analisis diskriminan dan cara mengatasi

7.2 Dapat melakukan analisis diskriminan

baik secara manual maupun

Analisis Diskriminan (klasifikasi biner)

1. Konsep dasar dan

aplikasi di problem riil

[1] BAB 11

[2] BAB 5

Ceramah Diskusi dan latihan soal

(4)

72 Pembelajaran

Tes/Tugas

menggunakan piranti lunak 2. Pemeriksaan

asumsi

3. Estimasi model

diskriminan dan interpretasi

[3] BAB 8

[4] Modul 4

31-36 5.1-5.9 8 Dapat menjelaskan

konsep analisis cluster dan dapat menerapkan dalam problem riil

8.1. Dapat melakukan analisis cluster baik

8.2. Dapat mengevaluasi hasil analisis

cluster

Analisis Cluster

1. Pendekatan hirarki

2.Pendekatan non

hirarki

3.Evaluasi hasil analisis

cluster

[1] BAB 12

[2] BAB 8

[3] BAB 7 [4] Modul 5

Tes tulis, Tugas, presentasi

10% / 70%

37-39 5.1-5.9 9 Dapat menerapkan

multidimensional scalling (MDS) dalam problem riil

9.1 Dapat melakukan analisis MDS

menggunakan piranti lunak dan mengiterpretasikan hasilnya

MDS

1.Konsep dasar MDS

dan aplikasinya

2.MDS menggunakan

piranti lunak

[1] BAB 12

[2] BAB 9

[4] Modul 6

Ceramah Diskusi, dan praktikum (Modul 6)

Tugas, presentasi

10%/ 80%

40 - 42 5.1-5.9 10 Dapat menerapkan

analisis korespondensi dalam problem riil

10.1Dapat melakukan analisis

korespondensi menggunakan piranti lunak dan mengiterpretasikan hasilnya

Analisis Korespondensi

1. Konsep dasar

analisis korespondensi dan aplikasinya

2. Analisis

korespondensi menggunakan piranti lunak

[2]BAB 9

[4] Modul 6

Ceramah Diskusi, l dan praktikum (Modul 6)

Tugas, presentasi

10%/90%

43-45 5.1-5.9 11 Dapat menganalisis

problem riil untuk

11.1Dapat merumuskan permasalahan riil

untuk dilakukan analisis MDS dan

Review Metode

multivariate secara [1] BAB 12

Problem based Tugas,

presentasi

(5)

73

diselesaikan

menggunakan analisis korespondensi dan MDS l

analisis korespondensi menggunakan piranti lunak dan mengiterpretasikan hasilnya

grafis:

1. MDS

2. Analisis

Korespondensi

[2] BAB 9

[4] Modul 6

PUSTAKA UTAMA

1. Johnson, R.A and Wichern, D.W. “Applied Multivariate Statistical Analysis”. 6th Edition, Prentice Hall, New York. 2007

2. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E, “Multivariate Data Analysis” , 7th Edition, Prentice-Hall, UK. 2010

3. Purnami, S.W. dan Akbar, M.S , “Modul Praktikum Multivariat Terapan”, 2012

PUSTAKA PENDUKUNG

1. Multivariate Analysis, K.V.Mardia, J.T. Kent and J.M. Bibby, Academic Press, 7th, 2000