P2RP-LP3M UB
Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI
SARJANA STATISTIKA
Mata Kuliah: Metode Statistika I Kode: MAS61121 RMK: Semester: GanjilDosen Nurjanah dan Heni Kusdarwati
Pendahuluan
Mata kuliah Metode Statistika I merupakan dasar dari ilmu statistika dan dijadikan mata kuliah wajib dengan 3 sks yang terdiri dari 2 sks kuliah dan 1sks praktikum. Sebagian besar isi mata kuliah ini sudah didapatkan sewaktu SLTA dengan bahasan yang lebih mendalam. Untuk membantu menganalisis data diperkenalkan praktikum dengan menggunakan softweare statistika.
1 Tujuan
Mata Kuliah Metode Statistika merupakan suatu ilmu tentang pendugaan, dimana dengan pengetahuan ini diharapkan yang mempelajarinya akan memperoleh pengetahuan dasar bagaimana cara menyelesaikan permasalahan dengan dasar peluang dan juga dapat melaksanakan pendugaan kejadian yang didasarkan pada konsep sampling.
Mata kuliah ini diajarkan untuk mendukung Capaian Pembelajaran Program Studi (Intended Learning Outcome - ILO) berikut ini:
- ILO 1: Menguasai konsep dasar keilmuan dan metode analisis statistika yang
dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.
- ILO 3: Mampu mengelola dan menganalisis data, menyelesaikan permasalahan
nyata menggunakan metode statistika di bidang komputasi statistika, sosial humaniora, ekonomi, industri dan hayati dengan bantuan perangkat lunak, serta menyajikan dan mengkomunikasikan hasilnya.
- ILO 5: Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif
secara mandiri, dengan hasil yang bermutu dan terukur dalam implementasi ilmu pengetahuan dan teknologi yang menerapkan nilai humaniora berdasarkan kaidah, tata cara dan etika ilmiah
- ILO 6: Mampu mengambil keputusan secara tepat dalam menyelesaikan
masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data
- ILO 8 : Mampu menerapkan dan menginternalisasi semangat kemandirian,
kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.
Tujuan Khusus Capaian Pembelajaran Mata Kuliah (CLO):
P2RP-LP3M UB
dasar pemodelan matematika dan pemodelan statistika, satatistika, statistika induktif, peubah, populasi dan sampel, parameter dan statistik, data dan konsep data driven
2. Mahasiswa mampu memahami, menangani, dan menyusun data, serta dapat menerapkannya pada permasalahan nyata, sehingga dapat mengambil kesimpulan dari sekelompok data
3. Mahasiswa mampu memahami, mengetahui dan menerapkan fungsi dan kegunaan statistika deskriptif, pemusatan data dan penyebaran data
4. Mahasiswa mampu memahami konsep teori peubah acak dan peluang serta penggunaannya dalam distribusi sampling dan pengenalan teknik sampling 5. Mahasiswa mampu memahami dan menerapkan nilai pemusatan data ataupun
nilai penyebaran data yang didekati berdasarkan fungsi peluangnya
6. Mahasiswa mampu memahami dan menerapkan konsep sebaran diskrit dan sebaran kontinyu
7. Mahasiswa mampu memahami dan menerapkan konsep teori pendugaan parameter secara titik dan secara selang untuk rata-rata dan ragam satu populasi Masing – masing Capaian Pembelajaran Mata Kuliah (CLO) memberikan dukungan terhadap Capaian Pembelajaran Program Studi (ILO) dengan presentase tertentu yang detilnya dapat dilihat pada matriks hubungan antara CLO MK Metode Statistika I dan
ILO yang disajikan pada Tabel 1.
Tabel 1. Matriks Hubungan antara CLO dan ILO MK Metode Statistika I
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
CLO1 0,5 0,0 0,0 0,0 0,5 0,0 0,0 0,0 CLO2 0,2 0,0 0,2 0,0 0,2 0,2 0,0 0,2 CLO3 0,2 0,0 0,2 0,0 0,2 0,2 0,0 0,2 CLO4 0,2 0,0 0,2 0,0 0,2 0,2 0,0 0,2 CLO5 0,2 0,0 0,2 0,0 0,2 0,2 0,0 0,2 CLO6 0,2 0,0 0,2 0,0 0,2 0,2 0,0 0,2 CLO7 0,2 0,0 0,2 0,0 0,2 0,2 0,0 0,2 2 Strategi Pembelajaran
Strategi pembelajaran yang dipergunakan berikut ini: Kuliah di ruang kuliah :
1. Kuliah menggunakan power point mengacu dari daftar pustaka untuk mempermudah dan mempercepat dosen dalam menyampaikan materi. Power
point sangant membantu dalam menampilkan tabel, gambar dan hasil analisis
dari softweare .
2. Menjelaskan penurunan rumus di papan tulis (white board) supaya secara bertahap dapat diikuti oleh mahasiswa
3. Menjelaskan analisis model, pemilihan model dan interpretasinya
4. Memberi kesempatan mahasiswa bertanya dan memberikan penjelasan sampai mahasiswa mengerti
P2RP-LP3M UB
materi kuliah dan melatih untuk bertanya dan berpikir kritis
6. Memberikan latihan soal di kelas. Mahasiswa akan mengerjakan dengan berdiskusi dengan temannya dan dosen berkeliling untuk memberikan komentar maupun pengarahan jawaban soal.
7. Mahasiswa secara bergilir mengerjakan jawaban latihan soal di depan kelas untuk melatih keberanian mengutarakan pendapat dan beragumentasi.
8. Memberikan tugas di rumah untuk soal yang memerlukan banyak waktu mengerjakan karena harus lihat beberapa pustaka.
9. Memberikan kuis, UTS dan UAS
10. Menjelaskan secara singkat jawaban dari tugas dan soal ujian. Praktikum di laboratorium
1. Menyediakan pedoman praktikum yang diberikan ke seluruh assiaten dan mahasiswa
2. Assisten memdemostrasikan analisis dan pemodelan di depan laboratorium 3. Mahasiswa melanjutkan dengan praktek. Assisten keliling untuk memberikan
bantuan jika ada mahasiswa yang butuh bantuan operasional analisis. 4. Setiap praktek mahasiswa diwajibkan mengumpulkan laporan praktikum. 5. Sistem evaluasi dari praktikum berupa keaktifan dan pemahaman mahasiswa
setiap waktu praktikum, laporan praktikum dan ujian praktikum. 3 Pengelolaan Perkuliahan
Mata kuliah Metode Peramalan adalah mata kuliah pilihan dengan 3 sks yang terdiri dari 2 sks kuliah dan 1 sks digunakan untuk praktikum menggunakan softweare SAS. Pertemuan kuliah terjadwal satu minggu sekali (2 kali 50 menit) selama 14 minggu. Praktikum dilaksanakan sebanyak 8 kali terjadwal dimulai minggu ke 5 dengan waktu (2 kali 50 menit).
Kuliah dilakukan di ruang kuliah
1. Kuliah minggu 1 sampai minggu ke 7, tugas disisipkan pada kuliah. Pada minggu ke 7 selain kuliah dilaksanakan kuis I dan minggu ke 7.
2. UTS dilaksanakan terjadwal pada minggu ke 8
3. Kuliah minggu 9 sampai minggu ke 14, tugas disisipkan pada kuliah. Pada minggu ke 14 selain kuliah dilaksanakan kuis II.
4. UAS dilaksanakan terjadwal pada minggu ke 16 Praktikum di laboratorium
1. Praktikum dilaksanakan sebanyak 8 kali pertemuan
2. Mahasiswa melaksanakan praktikum berupa pemodelan dengan bantuan softweare Genstat.
3. Sesudah praktikum mahasiswa diwajibkan mengumpulkan laporan praktikum. 4. Ujian praktikum.
4 Isi Perkuliahan
Isi perkuliahan berdasarkan kurikulum dan RPS : 1. Dasar-dasar Statistika dan Kegunaannya
P2RP-LP3M UB
2. Pengukuran Lokasi Pemusatan Data 3. Ukuran Penyebaran Data
4. Konsep Dasar Peubah Acak, Peluang dan Sebaran Peluang 5. Analisis Permutasi dan Kombinasi
6. Nilai Harapan Peubah Acak Tunggal 7. Nilai Harapan Peubah Acak Ganda
8. Distribusi Sampling dan Keterkaitannya dengan Populasi serta Dalil Limit Pusat 9. Pengenalan Teknik Sampling: Simple Random Sampling dan Non Simple
Random Sampling
10. Sebaran Peluang diskrit, Sebaran Peluang Diskrit Bernoulli, dan Sebaran Peluang Diskrit Binomial
11. Sebaran Peluang Diskrit, Sebaran Peluang Diskrit Poisson, dan Sebaran Peluang Diskrit Hipergeometrik
12. Sebaran Peluang Kontinyu Normal, t, Khi-Kuadarat dan F
13. Pendekatan Sebaran Peluang Diskrit Binomial dan Sebaran Peluang Diskrit Poisson oleh Distribusi Peluang Normal
14. Pendugaan Parameter Titik dan Pendugaan Parameter Selang untuk Rata-rata dan Ragam Satu Populasi
5 Peserta Kuliah
Peserta kuliah terdiri dari 49 mahasiswa yang terdiri dari Angkatan 16 sebanyak 3, Angkatan 17 sebanyak 1 dan Angkatan 19 sebanyak 45 dengan 2 mahasiswa tidak aktif 6 Persentase Kehadiran
Persentasi kehadiran dosen di perkuliahan 100 % Persentasi kehadiran mahasiswa di perkuliahan 100 % Persentasi kehadiran mahasiswa di praktikum 100 % 7 Sistem Evaluasi
Sitem evaluasi terdiri dari pertama kuliah 2 sks dengan bobot penilaian 70 % dan kedua dari praktikum dengan bobot nilai 30%.
1. Sistem evaluasi dari kuliah berupa tugas yang dikerjakan di kelas maupun dirumah. Kuis sebanyak 2 kali dilakukan pada minggu ke 6 dan minggu ke 12. UTS pada minggu ke 8 dengan bahan materi dari minggu 1 sampai minggu ke 7. UAS pada minggu ke 16 dengan bahan materi dari minggu 9 sampai minggu ke 14.
2. Praktikum dilaksanakan sebanyak 8 kali pertemuan di laboratorium dengan setiap praktikum mahasiswa diwajibkan mengumpulkan laporan praktikum. Sistem evaluasi dari praktikum berupa keaktifan dan pemahaman mahasiswa setiap waktu praktikum, laporan praktikum dan ujian praktikum.
P2RP-LP3M UB
Tabel 2. Assesmen serta pembobotan setiap assessmen terhadap Capaian Pembelajaran Mata Kuliah (Course Learning Outcome – CLO)
Assesmen CLO1 CLO2 CLO3 CLO4 CLO5 CLO6 CLO7
Q1 0,33 0,33 0,33 0,00 0,00 0,00 0,00 Q2 0,00 0,00 0,00 0,00 0,5 0,5 0,00 T1 0,25 0,25 0,25 0,25 0,00 0,00 0,00 T2 0,00 0,00 0,00 0,00 0,33 0,33 0,33 P1 0,143 0,143 0,143 0,143 0,143 0,143 0.143 UTS1 0,25 0,25 0,25 0,25 0,00 0,00 0,00 UAS1 0,00 0,00 0,00 0,00 0,33 0,33 0,33 8 Pengamatan Kelas
Peta duduk mahasiswa terpola sesuai minat, yang didepan semangat yang dibelakang kurang konsentrasi. Mahasiswa memahami materi kuliah tetapi dalam hal ketelitian dalam menghitung secara analitik perlu ditingkatkan.
9 Hasil Belajar
Hasil belajar setiap mahasiswa tercermin dari nilai di setiap assessmen. Nilai – nilai tersebut dengan bobot masing – masing diolah menjadi nilai akhir, yang nantinya sesuai dengan aturan konversi, dirubah menjadi nilai angka yang dicetak pada KHS dan Transkrip setiap mahasiswa. Selain diolah menjadi nilai akhir, nilai di setiap assessment, dengan memperhatikan persentase kontribusi CLO terhadap setiap ILO (Tabel 1) dan bobot setiap assessment terhadap CLO (Tabel 2), diolah dengan bantuan software OBES, sehingga setiap mahasiswa juga mempunyai nilai di setiap CLO dan ILO. Deskripsi nilai dan Kategori Capaian dari setiap CLO dapat dilihat pada Tabel 3. Tabel 3. Deskripsi Nilai dan Kategori Capaian untuk Setiap CLO MK Metode Statistika
I D
CLO1 CLO2 CLO3 CLO4 CLO5 CLO6 CLO7 Rata - rata 71,92 71,72 74,41 75,62 68,8 57,58 69,65 Kateg ori Capaia n SATISFA CTORY SATISFA CTORY SATISFA CTORY SATISF ACTOR Y SATISFACT ORY DEVEL OPING SATISFA CTORY Banya knya mahas iswa denga n CLO> 60 46 46 46 46 40 24 43 Persen tase 93,88 93,88 93,88 93,88 81,63 48,98 87,76
P2RP-LP3M UB mahas iswa denga n CLO> 60 Kateg ori Persen
tase HIGH HIGH HIGH HIGH HIGH
VERY
LOW HIGH
Dari Tabel 3. berdasarkan kesesuaian kategori capaian yang tersaji pada Tabel 4, dapat disimpulkan beberapa hal berikut ini:
- CLO 1, 2, 3, 4, 5, 7 berada pada kategori pencapaian satisfactory. - CLO 6 berada pada kategori pencapaian developing.
- Satu CLO dalam kategori very low dan enam CLO berada pada kategori
persentase tinggi (HIGH) dalam hal banyaknya mahasiswa dengan nilai capaian di atas 60.
Tabel 4. Kategori nilai CLO/ILO, dan Kategori Persentase Mahasiswa yang mencapai CLO/ILO >60
Kategori nilai CLO/ILO Kategori persentase mhs dengan CLO/ILO>60 Skor >=80 EXCELLENT Persen>=70 HIGH
65<= Skor <80 SATISFACTORY 60 <= Persen < 70 MEDIUM 50<= Skor <65 DEVELOPING 50 <= Persen < 60 LOW 0<= Skor <50 UNSATISFACTORY Persen < 50 VERY LOW
Gambar 1 (a) menyajikan indeks capaian rata – rata mahasiswa pada masing – masing CLO. Gambar 1 (b) menyajikan persentase mahasiswa dengan nilai capaian di atas 60. Pada kedua gambar, setiap sudut dari segi lima merepresentasikan setiap CLO, dan lintasan segi lima terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu CLO.
P2RP-LP3M UB
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian >60 di setiap CLO MK Metode Statistika I
Selain nilai untuk capaian pembelajaran mata kuliah (CLO), dapat dianalisis pula nilai dari setiap ILO yang didukung oleh mata kuliah ini. Deskripsi mengenai pencapaian ILO dari mata kuliah ini disajikan pada Tabel 5, dan Gambar 2.
Tabel 5. Deskripsi Nilai dan Kategori Capaian untuk Setiap ILO yang didukung oleh MK Metode Statistika I D ILO 1 ILO 2 ILO3 ILO 4 ILO5 ILO6 ILO 7 ILO8 Rata - rata terboboti 0,262 0,238 0,087 0,087 Kategori Capaian 68,14 69,14 68,14 68,14 Banyaknya mahasiswa dengan ILO>60 SATISFACT ORY SATISFACT ORY SATISFACT ORY SATISFACT ORY Persentase mahasiswa dnegan ILO>60 43 46 68,87 43 Kategori 87,76 93,88 87,76 87,76 HIGH HIGH HIGH HIGH
Pembelajaran Program Studi (ILO):
- Semua ILO yang yang berada pada kategori capaian Satisfactory - Semua ILO yang yang berada pada kategori persentasi Hight
Gambar 2 (a) menyajikan indeks capaian rata – rata mahasiswa pada masing – masing ILO yang didukung oleh mata kuliah ini. Gambar 2 (b) menyajikan persentase
0 20 40 60 80 100CLO1 CLO2 CLO3 CLO4 CLO5 CLO6 CLO7
Student num-based CLO's AI
Achievement Index of MAS61121
0 20 40 60 80 100CLO1 CLO2 CLO3 CLO4 CLO5 CLO6 CLO7
Weighted-avg-based CLO's AI
P2RP-LP3M UB
mahasiswa dengan nilai capaian di atas 60. Pada kedua gambar, setiap sudut dari segi delapan merepresentasikan setiap ILO, dan lintasan segi delapan terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu ILO.
Gambar 2. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian >60 di setiap ILO yang didukung oleh MK Metode Statistika I D
Deskripsi Nilai dan Kategori Capaian untuk Setiap Assesmen MK Metode Statistika I D ditampilkan pada Tabel 6
Tabel 6. Deskripsi Nilai dan Kategori Capaian untuk Setiap Assesmen MK Metode Statistika I D
T1.
1 T1.2 T1.3 T1.4 T1.5 T2 Q1 Q2 Prak UTS UAS
Mark Weight 0,0 15 0,01 5 0,01 5 0,01 5 0,01 5 0,07 5 0,075 0,075 0,2 0,25 0,25 Rata-rata per Komponen Nilai 80 81,0 2 80,5 1 81,5 3 75,6 1 95,9 2 65,76 53,47 83,0 4 68,7 2 50,84 Jumlah Siswa Komponen Nilai >60 49 46 45 47 47 47 31 21 47 35 16 Percentage 10 0 93,9 91,8 95,9 95,9 95,9 63,3 42,9 95,9 71,4 32,7 Level HI G H HIG H HIG H HIG H HIG H HIG H MEDIU M VER Y LOW HIG H HIG H VER Y LOW
Range nilai mahasiswa tinggi dan memberikan rata rata rendah sehingga bagian perhitungan mempunyai nilai dengan klasifikasi sangat rendah
10 Kendala 80 85 90 95 100ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
Student num-based ILO's AI
Achievement Index of MAS61121
0 20 40 60 80 100ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
Weighted-avg-based ILO's AI
P2RP-LP3M UB
Mahasiswa dari kemampuan yang berbeda. kurang teliti dalam memasukkan data dan kecederungan malas diajak latihan menghitung analitik.
11 Distribusi Nilai
Distribusi nilai menunjukkan baik walaupun dosen masih membantu nilai akhir mutu dengan menggeser nilai ke sebelah kanan. Nilai A (11%), B+(32%), B (28%), C+(23%) dan C(4%), D+(2%). Distribusi nilai disajikan dalam diagram pai
12 Kesimpulan
Dengan stategi mengajar, evaluasi dan hasil yang sudah dicapai mahasiswa diharapkan CPMK mata kuliah dan PS tercapai dengan baik.
13 Rekomendasi Perbaikan
Power point materi kuliah untuk kelas pararel sama.
Metode Statistika I D
