RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK)
DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)
PROGRAM DOKTOR STATISTIKA
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN IPA
I.
Deskripsi Lulusan Program Doktor STK
Parameter Deskripsi Unsur-unsur Deskripsi
A. Kemampuan Bidang Kerja
A.1. Memiliki kemampuan memformulasikan permasalahan dalam rangka pengembangan keilmuan statistika
A.2. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi rancangan pengumpulan data yang efisien
A.3. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi analisis data
A.4. Memiliki kemampuan menerjemahkan hasil analisis sesuai dengan konteks yang dihadapi dan menyajikan hasil analisis dalam bentuk yang mudah dipahami
B. Lingkup Kerja Berdasarkan Pengetahuan yang Dikuasai
Memiliki kemampuan, pengetahuan dan landasan teori statistika yang kuat untuk mengembangkan rancangan pengumpulan dan analisis data dalam memecahkan masalah kuantitatif secara efektif dan efisien, serta mampu mengelola
pelaksanaannya. C. Kemampuan
Manajerial
Memiliki sikap kritis dan terbuka dalam memimpin dan mengembangkan riset kuantitatif yang bermanfaat bagi ilmu pengetahuan dan kemaslahatan umat manusia serta mampu mendapat pengakuan nasional maupun internasional.
II.
Capaian Pembelajaran (Learning Outcome, (LO))
Unsur-unsur Deskripsi Learning Outcomes (LO)
A.1. Memiliki kemampuan memformulasikan permasalahan dalam rangka
pengembangan keilmuan statistika
a. Memiliki kemampuan kritis dalam mengidentifikasi permasalahan pengembangan keilmuan statistika
b. Mampu berpikir kreatif dan inovatif dalam perumusan masalah pengembangan keilmuan statistika
A.2. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi rancangan pengumpulan data yang efisien
a. Mampu merumuskan tahapan pengembangan metodologi pengumpulan data yang tepat sesuai dengan permasalahan
b. Mampu mengevaluasi metodologi pengumpulan data yang dikembangkan
A.3. Memiliki kemampuan mengevaluasi dan mengembangkan metodologi analisis data
a. Mampu merumuskan tahapan pengembangan metodologi analisis data yang tepat sesuai dengan permasalahan
b. Mampu mengevaluasi metodologi analisis data yang dikembangkan
A.4. Memiliki kemampuan menerjemahkan hasil analisis sesuai dengan konteks yang
a. Mampu menarik kesimpulan secara sah dari hasil analisis yang dilakukan dan mengkaitkannya
Unsur-unsur Deskripsi Learning Outcomes (LO)
dihadapi dan menyajikan hasil analisis dalam bentuk yang mudah dipahami
dengan permasalahan yang dihadapi
b. Mampu menyajikan hasil analisis secara informatif c. Mampu mengkomunikasikan hasil analisis data
baik dalam bentuk laporan tertulis maupun pemaparan lisan menggunakan bahasa yang mudah dipahami oleh bidang ilmu lain
B. Memiliki kemampuan, pengetahuan dan landasan teori statistika yang kuat untuk mengembangkan rancangan pengumpulan dan analisis data dalam memecahkan masalah kuantitatif secara efektif dan efisien, serta mampu mengelola pelaksanaannya.
1. Memiliki pengetahuan statistika lanjut tentang metode pengumpulan data, komputasi statistik, dan analisis data, serta landasan teori yang kuat 2. Mampu menerapkan statistika di berbagai bidang
terapan
C. Memiliki sikap kritis dan terbuka dalam memimpin dan mengembangkan riset kuantitatif yang bermanfaat bagi ilmu pengetahuan dan kemaslahatan umat manusia serta mampu mendapat pengakuan nasional maupun internasional.
1. Mampu memimpin dan bekerja dalam tim 2. Memiliki etika penerapan statistika yang baik 3. Memiliki sikap kritis dan terbuka dalam
III.
Rancangan Kurikulum berbasis Kompetensi
Mata Kuliah A.1.a A.1.b A.2.a A.2.b A.3.a A.3.b A.4.a A.4.b A.4.c B.1 B.2 C.1 C.2 C.3
PPS702 = Falsafah Sains V V V V V V V V V V V
STK701 = Teori Sukatan (Measure Theory) V V V V V V
STK702 = Teori Peluang Lanjut V V V V V V
STK703 = Teori Statistika Madya V V V V V V
STK791 = Topik Khusus Statistika V V V V V V V V V V V V
STK731 = Model Linear Terampat V V V V
PPS701 = Kolokium V V V V V
PPS790 = Seminar V V V V V V V V V V
PPS799 = Penelitian dan Disertasi V V V V V V V V V V V V V V
STK633 = Analisis Data Lanjutan V V V V V V V V V V V V
STK642 = Analisis Daya Tahan
IV.
Rancangan GBPP dan Kompetensi Matakuliah
IV.1. Teori Peluang Lanjut (STK702)
A. Matriks Kompetensi
Mata Kuliah A.1.a A.1.b A.2.a A.2.b A.3.a A.3.b A.4.a A.4.b A.4.c B.1 B.2 C.1 C.2 C.3
STK702 = Teori Peluang Lanjut v v v v v v
Konsep Dasar Peluang v v v
Peubah Acak v v v Nilai Harapan v v v Kekonvergenan Barisan Peubah Acak v v v Rantai Markov v Proses Poisson v
Kajian Lanjut Proses
Poisson v v
Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik
B. Garis-garis Besar Program Pengajaran (GBPP)
Fakultas/Prodi
:
MIPA / Statistika
Mata Kuliah / Kode :
Teori Peluang Lanjut / STK702
Semester / SKS
:
Ganjil / 3(3-0)
Deskripsi Mata Kuliah :
Pada mata kuliah ini dibahas materi-materi teori peluang dengan pendekatan teori ukuran (measure theory),
serta contoh penggunaannya pada penelitian. Materi yang dibahas adalah sebagai berikut: Konsep Dasar
Peluang, Peubah Acak, Nilai Harapan, Kekonvergenan Barisan Peubah Acak, Rantai Markov (Diskret), Proses
Poisson, Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik dan Pendugaan Fungsi Intensitas
Lokal pada Proses Poisson Periodik.
Mata Kuliah Prasyarat :
Teori Statistika (STK501) , Teori Statistika II (STK502)
Standar Kompetensi :
Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori peluang (Konsep
Dasar Peluang, Peubah Acak, Nilai Harapan, Kekonvergenan Barisan Peubah Acak, Rantai Markov dan Proses
Poisson) dengan pendekatan teori ukuran (measure theory) dan contoh penggunaannya pada penelitian
statistika.
No. Kompetensi Standar
Indikator Pengalaman
Belajar (Model
Pembelajaran) Materi Pokok (Materi Ajar)
Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian
1. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep dasar peluang
Menjelaskan Aksioma Peluang
Menjelaskan Ruang Peluang Diskret
Menjelaskan Peluang Bersyarat
Menjelaskan Kejadian Bebas
Mind Mapping Konsep Dasar Peluang
4 x 50’ 1,2,3 Tes Tertulis Essay
2. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep peubah acak
Menjelaskan Peubah Acak
Menjelaskan Vektor Acak
Menjelaskan Kebebasan Peubah Acak
Mind Mapping Peubah Acak 4 x 50’ 1,2,3 Tes Tertulis Essay
3. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan
Menjelaskan Ukuran Lebesgue-Stieltje
No. Kompetensi Standar
Indikator Pengalaman
Belajar (Model
Pembelajaran) Materi Pokok
(Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian
Konsep nilai harapan Menjelaskan Integral
Menjelaskan Nilai Harapan dan Momen
4. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan kekonvergenan
Barisan peubah acak
Menjelaskan Kekonvergenan dalam Peluang Menjelaskan Kekonvergenan Lengkap Menjelaskan Kekonvergenan Hampir Pasti Menjelaskan Kekonvergenan dalam Sebaran
Mind Mapping Kekonvergenan Barisan Peubah Acak
4 x 50’ 1,2,3 Tes Tertulis Essay
5. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep dan sifat-sifat Rantai Markov
Menjelaskan Pengertian Rantai Markov
Menjelaskan Peluang Transisi n-step
Menjelaskan Klasifikasi State
Menjelaskan Rantai Markov dalam Steady State
Mind Mapping Rantai Markov 4 x 50’ 4 Tes Tertulis Essay
6. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep dan sifat-sifat Proses Poisson homogen
Menjelaskan Proses Pencacahan
Menjelaskan Proses Poisson
Menjelaskan Waktu antar kedatangan dan waktu tunggu
Menjelaskan Sebaran bersyarat waktu kedatangan
Mind Mapping Proses Poisson 4 x 50’ 4 Tes Tertulis Essay
7. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep UMVUE
Menjelaskan Sifat-sifat Lanjutan Proses Poisson
Menjelaskan Proses Poisson nonhomogen
Menjelaskan Proses Poisson Majemuk
Menjelaskan Proses Poisson Periodik
Mind Mapping Kajian Lanjut Proses Poisson
No. Kompetensi Standar
Indikator Pengalaman
Belajar (Model
Pembelajaran) Materi Pokok
(Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian
8. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan Fungsi intensitas global pada Proses Poisson periodik
Menjelaskan Perumusan Penduga
Menjelaskan Kekonsistenan Penduga
Menjelaskan Sebaran Asimtotik Penduga
Mind Mapping Pendugaan Fungsi Intensitas Global pada Proses Poisson Periodik
5 x 50’ 4 Tes Tertulis Essay
9. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan Fungsi intensitas lokal pada Proses Poisson periodik
Menjelaskan Perumusan Penduga
Menjelaskan Kekonsistenan Penduga
Menjelaskan Sifat-sifat Statistik Penduga
Menjelaskan Sebaran Asimtotik Penduga
Mind Mapping Pendugaan Fungsi Intensitas Lokal pada
Proses Poisson Periodik
8 x 50’ 4 Tes Tertulis Essay
Pustaka:
1. Ash, R. B. 2000. Probability and Measure Theory. Second Edition. Academic Press, New York.
2. Billingsley, P. 1995. Probability and Measure. Third Edition. John Wiley & Sons, New York.
3. Chung, K. L. 2001. A Course in Probability Theory. Third Edition. Academic Press, New York.
IV.1. Teori Statistika Madya (STK703)
A. Matriks Kompetensi
Mata Kuliah A.1.a A.1.b A.2.a A.2.b A.3.a A.3.b A.4.a A.4.b A.4.c B.1 B.2 C.1 C.2 C.3
STK703 = Teori Statistika Madya v v v v v v
Review konsep-konsep
penting teori peluang v
Populasi, sampel dan model v v
Statistik, kecukupan dan
kelengkapan v v
Teori keputusan statistika v v v v v v
Inferensia statistika v v v v v
Kriteria dan inferensia
asimtotik v v v v v
UMVUE v v
LSE pada model linear v v
Pendugaan tak bias pada
masalah survei v v
Penduga-penduga tak bias
asimtotik v v
Keputusan dan penduga
Bayes v v v
Minimaxity dan admissibility v v
Metode kemungkinan
maksimum v v
Pendugaan efisien
C. Garis-garis Besar Program Pengajaran (GBPP)
Fakultas/Prodi
:
MIPA / Statistika
Mata Kuliah / Kode :
Teori Statistika Madya / STK703
Semester / SKS
:
Ganjil / 3(3-0)
Deskripsi Mata Kuliah :
Pada mata kuliah ini dibahas materi-materi teori statistika dengan pendekatan teori ukuran (measure theory).
Materi yang dibahas adalah: (i) Materi Dasar Statistika, yang meliputi: populasi, sampel dan model, statistik,
kecukupan dan kelengkapan, teori keputusan statistika, inferensia statistika, kriteria dan inferensia asimtotik.
(ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada masalah
survei, penduga tak bias asimtotik. (iii) Pendugaan pada Model Parametrik, yang meliputi topik: keputusan dan
penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan efisien asimtotik.
Mata Kuliah Prasyarat :
Teori Statistika (STK501) , Teori Statistika II (STK502)
Standar Kompetensi :
Setelah mengikuti matakuliah ini mahasiswa akan dapat menjelaskan: konsep-konsep teori statistika dengan
pendekatan teori ukuran, untuk materi (i) Materi Dasar Statistika, yang meliputi: populasi, sampel dan model,
statistik, kecukupan dan kelengkapan, teori keputusan statistika, inferensia statistika, kriteria dan inferensia
asimtotik. (ii) Pendugaan tak Bias, yang meliputi topik: UMVUE, LSE pada model linear, penduga tak bias pada
masalah survei, penduga tak bias asimtotik. (iii) Pendugaan pada Model Parametrik, yang meliputi topik:
keputusan dan penduga Bayes, minimaxity dan admissibility, metode kemungkinan maksimum, pendugaan
efisien asimtotik.
No. Kompetensi Standar Indikator Pengalaman
Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian
1. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep-konsep
penting teori peluang
Menjelaskan konsep-konsep penting teori peluang
Mind Mapping Review konsep-konsep penting teori peluang
3 x 50’ 1 Tes Tertulis Essay
2. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep populasi,
sampel dan model
Menjelaskan Populasi dan sampel
Menjelaskan Model parametrik dan nonparametrik
Menjelaskan Keluarga
Mind Mapping Populasi, sampel dan model
No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian
eksponensial dan skala-lokasi 3. Setelah menyelesaikan topik ini,
mahasiswa mampu menjelaskan konsep statistik,
kecukupan dan kelengkapan
Menjelaskan Statistik dan sebarannya
Menjelaskan Kecukupan dan kecukupan minimal
Menjelaskan Statistik lengkap
Mind Mapping Statistik, kecukupan dan kelengkapan
3 x 50’ 1 Tes Tertulis Essay
4. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep teori
keputusan statistika
Menjelaskan Aturan keputusan, fungsi kerugian
dan fungsi risiko
Menjelaskan Admissibility dan keoptimalan
Mind Mapping Teori keputusan statistika
3 x 50’ 1 Tes Tertulis Essay
5. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep inferensia statistika
Menjelaskan Penduga titik
Menjelaskan Pengujian hipotesis
Menjelaskan Himpunan kepercayaan
Mind Mapping Inferensia statistika
3 x 50’ 1 Tes Tertulis Essay
6. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep kriteria dan inferensia asimtotik
Menjelaskan Kekonsistenan
Menjelaskan Bias, ragam dan mse asimtotik
Menjelaskan Inferensia asimtotik
Mind Mapping Kriteria dan inferensia asimtotik
3 x 50’ 1 Tes Tertulis Essay
7. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep UMVUE
Menjelaskan Statistik cukup dan lengkap
Menjelaskan Syarat perlu dan cukup, ketaksamaan
informasi
Menjelaskan Sifat-sifat asimtotik UMVUE
Mind Mapping UMVUE 3 x 50’ 1 Tes Tertulis Essay
8. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep LSE pada model linear
Menjelaskan LSE dan keterdugaan
Menjelaskan UMVUE dan BLUE
Menjelaskan Kekekaran dan sifat-sifat asimtotik LSE
Mind Mapping LSE pada model linear
3 x 50’ 1 Tes Tertulis Essay
9. Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep pendugaan tak bias pada masalah survei
Menjelaskan UMVUE untuk total populasi
Menjelaskan Penduga Horvitz-Thompson
Mind Mapping Pendugaan tak bias pada masalah survei
3 x 50’ 1 Tes Tertulis Essay
10 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan
Menjelaskan Fungsi dari penduga tak bias
Mind Mapping Penduga-penduga tak bias
No. Kompetensi Standar Indikator Pengalaman Belajar (Model Pembelajaran) Materi Pokok (Materi Ajar) Alokasi Waktu (menit) Bahan / Sumber Belajar Penilaian
konsep penduga-penduga tak bias asimtotik
Menjelaskan Metode momen
Menjelaskan LSE terbobot
asimtotik 11 Setelah menyelesaikan topik ini,
mahasiswa mampu menjelaskan konsep keputusan dan penduga Bayes
Menjelaskan Tindakan Bayes
Menjelaskan Metode Bayes empirik dan hirarki
Menjelaskan Aturan dan penduga Bayes
Mind Mapping Keputusan dan penduga Bayes
3 x 50’ 1 Tes Tertulis Essay
12 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep
Minimaxity dan admissibility
Menjelaskan Penduga dengan risiko konstan
Menjelaskan Beberapa hasil pada keluarga eksponen
satu parameter
Menjelaskan pendugaan simultan dan penduga
Menjelaskan shrinkage
Mind Mapping Minimaxity dan admissibility
3 x 50’ 1 Tes Tertulis Essay
13 Setelah menyelesaikan topik ini, mahasiswa mampu m enjelaskan metode
kemungkinan maksimum (MLE)
Menjelaskan Fungsi kemungkinan dan penduga
kemungkinan maksimum
Menjelaskan Penduga kemungkinan maksimum pada model linear terampat
Menjelaskan Quasi-likelihoods dan
conditional likelihoods
Mind Mapping Metode kemungkinan Maksimum
3 x 50’ 1 Tes Tertulis Essay
14 Setelah menyelesaikan topik ini, mahasiswa mampu menjelaskan konsep
pendugaan efisien asimtotik
Menjelaskan Keoptimalan asimtotik
Menjelaskan Keefisienan asimtotik dari MLE dan
RLE
Menjelaskan Penduga efisien asimtotik lainnya
Mind Mapping Pendugaan efisien asimtotik
3 x 50’ 1 Tes Tertulis Essay