RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH KODE RUMPUN MATA KULIAH BOBOT (sks) SEMESTER Tgl. Penyusunan
PENGANTAR RUNTUN WAKTU MAA62011 Aktuaria 3 4 20/3/2021
OTORISASI Dosen Pengembang RPS Koordinator RMK Ketua Prodi
Dr. Umu Sa’adah., M.Si.
Tanda tangan
Dra. Endang Wahyu H., M.Si.
Tanda tangan
Dr. Isnani Darti, S.Si., M.Si Tanda tangan
Capaian
Pembelajaran CPL PRODI
CPL1 Memiliki pengetahuan dan wawasan tentang ilmu aktuaria dan bidang lainnya yang relevan dengan pemahaman yang mendalam.
CPL2 Memiliki kemampuan berpikir logis, kritis dan sistematis sehingga dapat memecahkan masalah praktis sederhana dengan menerapkan ilmu aktuaria.
CPL5 Memiliki pemahaman yang komprehensif atas ilmu aktuaria sehingga siap mengikuti ujian sertifikasi ajun aktuaris.
CPMK
CPMK1 menentukan model runtun waktu deterministik dan nilai peramalannya CPMK2 memahami sifat-sifat runtun waktu stokastik
CPMK3 menentukan model runtun waktu stokastik
CPMK4 melakukan identifikasi model, estimasi parameter, pemeriksaan diagnostik, pemilihan model dan peramalan model CPMK5 menghitung kesalahan peramalan model runtun waktu stokastik
CPMK6 menerapkan model runtun waktu stokastik Desikripsi Singkat
MK
Dalam kuliah ini dibahas tentang model peramalan linear dari data runtun waktu dengan domain waktu baik untuk proses deterministik maupun proses stokastik. Teknik pemulusan dan ekstrapolasi digunakan untuk membentuk model runtun waktu deterministik.
Pembentukan model runtun waktu stokastik harus memenuhi asumsi stasioneritas, oleh karena itu sifat-sifat proses stasioner dan
karakteristik runtun waktu harus diperhatikan untuk mendapatkan peramalan yang tepat. Selanjutnya model peramalan diterapkan pada data runtun waktu stokastik.
Materi
Pembelajaran / Pokok Bahasan
Data deret waktu, Satuan waktu pengamatan, Pola data deret waktu, Model runtuk waktu deterministik: metode Ekstrapolasi, metode pemulusan Moving Average, metode pemulusan eksponensial, metode Seasonal Adjustment; Pengantar model skokastik runtun waktu, Random Walks, runtun waktu stasioner, runtun waktu nonstasioner, Sifat-sifat Proses stasioner, karakteristik runtun waktu: Fungsi Autokorelasi (proses nonstasioner homogen, stasioneritas dan Fungsi Autokorelasi, musiman dan Fungsi Autokorelasi), Pengujian untuk Random Walks, runtun waktu co-integrated, Model Moving Average, Model Autoregresi, sifat-sifat Model Autoregresi, Fungsi Autokorelasi Parsial, Model Campuran Autoregresi-Moving Average, proses nonstasioner homogen: model ARIMA, Model ARIMA, Model musiman Autoregresi-Moving Average (SARMA), Model musiman Autoregresi-Moving Average (SARIMA), invertibilitas, homogenitas, identifikasi model, estimasi parameter, model tentatif, pemeriksaan diagnostik, pemilihan model, peramalan model runtun waktu, interval konfidensi untuk peramalan, sifat-sifat peramalan ARIMA: proses AR(1), proses MA(1), proses ARMA(1,1), proses ARIMA(1,1,0), interval konfidensi untuk peramalan ARIMA(1,1,0), menghitung kesalahan peramalan Root Mean Square error (RMSE) dan Mean Absolute Percentage Error (MAPE), penerapan model runtun waktu stokastik.
Pustaka Utama
Pindyck, R. and Rubinfeld, D.L. 2000. Econometric Models and Economic Forecasts. 4th. McGraw-Hill Education.
Pendukung
1. Box, G.E.P., G.M. Jenkins. dan G.C. Reinsel, 1994, Time Series Analysis: Forecasting and Control, 3rd edition, New Jersey:
Prentice-Hall, Inc.
2. Cryer, J.D. dan Chan, S. 2008. Time Series Analysis with Application in R. 2nd ed., Springer, Iowa.
3. Makridakis, S., Wheelwright, SC. dan McGee, VE. 2008. Forecasting: Methods and Applications, third edition, John Wiley &
Sons, New York.
Media
Pembelajaran
Perangkat Lunak : Perangkat Keras :
Software R LCD, White Board
Team Teaching Dr. Umu Sa’adah, M.Si, Mila Kurniawaty, S.Si., M.Si. Ph.D.
Mata Kuliah Syarat
MAA61008 Analisis Regresi++
.
Pertemu- an ke-
Sub-CP-MK (sebagai kemampuan akhir yang diharapkan)
Indikator Kriteria &
Bentuk Penilaian
Metode Pembelajaran (Kuliah / Tugas /
bentuk pembelajaran
lain) dan Pengalaman Pembelajaran
Waktu (Durasi)
Materi Pembelajaran / Bahan Kajian [Pustaka]
Bobot Penilaian
(%)
1 Mampu
mengidentifikasi data runtun waktu
Ketepatan dalam menjelaskan data runtun waktu
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
-
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas: -
1x3x50’ ● Kontrak Perkuliahan
● Pendahuluan
● Contoh data runtun waktu.
● Satuan waktu pengamatan.
● Pola data runtun waktu
5%
2 Mampu memahami Model Deterministik untuk data runtun waktu
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
-
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas:
Tugas Terstuktur, Tugas Mandiri
1x3x50’ ● Model Ekstrapolasi Sederhana.
● Metode Pemulusan:
Rata-rata bergerak, pemulusan single eksponensial, pemulusan double eksponensial.
● Metode Seasonal Adjustment.
10%
3-4 Mampu memahami dan menjelaskan sifat-sifat runtun waktu stokastik
Ketepatan dalam menjelaskan sifat-sifat runtun waktu stokastik.
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
Tugas
Keaktifan kelas
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas: Tugas Terstuktur, Tugas Mandiri.
2x3x50’ ● Pengantar model skokastik runtun waktu.
● Random Walk.
● Runtun waktu stasioner.
● Runtun waktu nonstasioner.
● Sifat-sifat Proses stasioner.
15%
● Karakteristik runtun waktu: Fungsi Autokorelasi (proses nonstasioner homogen, stasioneritas dan Fungsi Autokorelasi, musiman dan Fungsi Autokorelasi).
● stasioneritas, invertibilitas, homogenitas
● Pengujian untuk Random Walk.
● Runtun waktu terintegrasi.
5 Kuis 1 (materi pertemuan 1-4) 6-7 Mampu memahami dan
menentukan Model runtun waktu linier
Ketepatan dalam menentukan Model runtun waktu linier
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
- Menyelesaikan soal-soal
1) Kuliah (Ceramah) 2) Tanya Jawab
Tugas:
2x3x50’ ● Model Moving Average.
● Model Autoregresi.
● Sifat-sifat Model Autoregresi.
● Fungsi Autokorelasi Parsial.
● Model Campuran Autoregresi-Moving Average
● Model nonstasioner homogen: ARIMA.
● Spesifikasi model ARIMA.
20%
8 UTS (Ujian Tengah Semester) 9 Mampu melakukan
Pendugaan parameter dan Pemeriksaan diagnostik.
Ketepatan dalam melakukan Pendugaan parameter dan
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas:
1x3x50’ ● Estimasi model.
● Inisialisasi deret.
● Estimasi nonlinier parameter model.
7.5%
Pemeriksaan diagnostik.
- Menyelesaikan soal-soal
● Model tentatif.
● Pemeriksaan diagnostik.
10-11 Mampu menghitung nilai peramalan baik untuk model runtun waktu stasioner maupun model runtun waktu nonstasioner.
Ketepatan dalam menghitung nilai peramalan baik untuk model runtun waktu stasioner maupun model runtun waktu nonstasioner.
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
- Menyelesaikan soal-soal
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas:
2x3x50’ ● Peramalan model runtun waktu.
● Sifat-sifat peramalan ARIMA.
● Peramalan proses AR(1), proses MA(1), proses ARMA(1,1), proses ARI(1,1,0).
● Interval konfidensi peramalan untuk ARI(1,1,0).
● Peramalan yang meminimumkan mean square error.
● Menghitung nilai peramalan.
● Interval konfidensi peramalan.
15%
12 Mampu menghitung kesalahan peramalan
Ketepatan dalam menghitung kesalahan peramalan.
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
- Menyelesaikan soal-soal
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas:
1x3x50’ ● Kesalahan peramalan
● Root Mean Square error (RMSE).
Mean Absolute Percentage Error (MAPE).
5%
13 Kuis 2 (materi pertemuan 9-12) 14 Mampu memahami dan
menentukan model runtun waktu musiman.
Ketepatan dalam menentukan model runtun waktu musiman.
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
- Menyelesaikan soal-soal
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas:
1x3x50’ ● Model musiman Autoregresi-Moving Average (SARMA), Model musiman Autoregresi-Moving Average (SARIMA).
● Model musiman ARIMA(p,d,q)(P,D,Q).
15%
15 Mampu menerapkan model runtun waktu untuk data riel.
Ketepatan dalam menerapkan.
Kreteria:
Ketepatan dan penguasaan Bentuk non tes:
- Menyelesaikan soal-soal
1) Kuliah (Ceramah) 2) Tanya Jawab Tugas:
1x3x50’ ● Contoh penerapan model runtun waktu untuk data riel.
7.5%
16 Ujian Akhir Semester RANCANGAN TUGAS
Tugas yang dilakukan dalam kuliah ini berupa Tugas Terstruktur, Tugas Mandiri dan Tugas Kelompok
▪ Tugas terstruktur perkuliahan adalah tugas mandiri yang dikerjakan secara individu (atau kelompok ) dan dapat dipresentasikan di kelas secara acak.
▪ Tugas mandiri berupa pembuatan ringkasan/ resume sesuai bahasan yang sudah disampaikan pada perkuliahan
FORMAT PENILAIAN Jenis
Penilaian
Bobot
Tugas 20 %
Kuis 20 %
UTS 30 %
UAS 30 %
PENENTUAN NILAI AKHIR
Kisaran Nilai Akhir (NA)
Huruf Mutu Angka Mutu
> 80 A 4
75<NA ≤ 80 B+ 3.5
69 <NA ≤75 B 3
60 <NA ≤ 69 C+ 2.5
55 <NA ≤ 60 C 2
50 <NA ≤ 55 D+ 1.5
44 <NA ≤ 50 D 1
0< NA ≤ 44 E 0
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN MATEMATIKA / PROGRAM STUDI S1 ILMU AKTUARIA RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH KODE RUMPUN MATA KULIAH BOBOT (sks) SEMESTER Tgl.
Penyusunan PENGANTAR METODE NUMERIK++ MAA62012 Analisis Terapan dan Sains
Komputasi
3 4 06/01/2021
OTORISASI Dosen Pengembang RPS Koordinator RMK Ka Prodi
Nur Shofianah, S.Si., M.SI., Ph.D Tanda tangan
Trisilowati, S.Si, M.Sc, Ph.D Tanda tangan
Dr. Isnani Darti, S.Si.,M.Si Tanda tangan Capaian
Pembelajaran CPL PRODI
CPL1 Memiliki pengetahuan dan wawasan tentang ilmu aktuaria dan bidang lainnya yang relevan dengan pemahaman yang mendalam.
CPL2 Memiliki kemampuan berpikir logis, kritis dan sistematis sehingga dapat memecahkan masalah praktis sederhana dengan menerapkan ilmu aktuaria.
CPMK
CPMK1 Mampu menentukan solusi persamaan nonlinear.
CPMK2 Mampu menentukan solusi sistem persamaan linear dan nonlinear CPMK3 Mampu menentukan fungsi pendekatan untuk sekumpulan data.
CPMK4 Mampu menentukan turunan suatu fungsi secara numerik.
CPMK5 Mampu menentukan integral suatu fungsi secara numerik Desikripsi Singkat
MK
Kuliah ini membahas teori dan algoritma yang digunakan untuk menyelesaikan metode numerik pada pencarian akar persamaan tak linear, sistem persamaan linear dan tak linear, regresi, interpolasi, diferensiasi dan integrasi.
Materi
Pembelajaran / Pokok Bahasan
Pengertian galat; akar persamaan tak linear: metode Bagi Dua, metode Posisi Palsu, metode Secant, metode Newton Raphson, iterasi titik tetap; sistem persamaan tak linear: metode Jacobi, Gauss-Seisel,Newton; sistem persamaan linear: eliminasi Gauss, dekomposisi LU, iterasi Gauss Seidel, iterasi Jacobi; interpolasi: interpolasi Lagrange, interpolasi Newton, interpolasi spline; turunan: beda hingga maju, mundur, pusat; integrasi: trapesium, Simpson 1/3, Simpson 3/8, metode Romberg.
Pustaka
Utama
1. Mathew, J. dan Fink, K. 2004. Numerical Methods Using Matlab. 4th Ed.
2. Burden, R.L. and Faires, J. D., 2010, Numerical Analysis, PWS-KENT Publishing Company.
Pendukung
1. Chapra, S.C, 2012, Applied Numerical Methods With Matlab For Engineers And Scientists, Third Edition, Mc Graw Hill.
2. Buchanan J. L. and Turner, P. R., 1992, Numerical Methods and Analysis, McGraw-Hill.
Media
Pembelajaran
Perangkat Lunak : Perangkat Keras :
1. Matlab
2. Google Classroom 3. Google meet/Zoom
1.LCD Projector 2.Komputer 3.Jaringan Internet
4.Papan tulis (Whiteboard) Team Teaching
Mata Kuliah Syarat
MAA61001 MATEMATIKA DASAR I+ MAA62002 PENGANTAR ALJABAR LINEAR MAA61004 PRAKTIKUM PEMROGRAMAN
Pertemuan ke-
Sub-CP-MK (sebagai kemampuan
akhir yang diharapkan)
Indikator
Kriteria &
Bentuk Penilaian
Metode Pembelajaran (Kuliah / Tugas
/ bentuk pembelajaran
lain) dan Pengalaman Pembelajaran
Waktu (Durasi)
Materi Pembelajaran / Bahan Kajian
[Pustaka]
Bobot Penilaian (%)
1
Mampu memahami penjelasan umum tentang metode numerik, analisis galat (galat relatif, orde galat)
Ketepatan dan kesesuaian dalam memahami penjelasan umum tentang metode numerik, analisis galat
Kriteria:
Mahasiswa mampu mencapai tingkat ketepatan pemahaman yang
ditentukan Bentuk penilaian:
Tugas
Keaktifan di kelas
-Ceramah - Diskusi -Tugas
1x3x50’
penjelasan umum tentang metode numerik, analisis galat (galat relatif, orde galat)
5%
2
Mampu memahami metode numerik untuk menentukan akar persamaan tak linear:
lokalisasi akar, metode bagi dua, metode iterasi titik tetap dan metode Newton
Ketepatan dan kesesuaian dalam memahami metode numerik untuk menentukan akar persamaan tak linear (metode iterasi titik tetap
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan
-Ceramah - Diskusi -Tugas
1x3x50’
Lokalisasi akar, metode numerik untuk menentukan akar persamaan tak linear (metode iterasi titik tetap dan metode Newton)
10%
dan metode
Newton) Bentuk
penilaian:
Tugas
Keaktifan di kelas
3
Mampu memahami metode numerik untuk menentukan akar persamaan tak linear:
metode Secant dan metode Posisi palsu Mampu memahami metode numerik untuk menentukan
penyelesaian sistem persamaan tak linear:
metode Jacobi dan analisis
konvergensinya
Ketepatan dan kesesuaian dalam memahami metode numerik untuk menentukan akar persamaan tak linear (metode Newton Raphson)
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan Bentuk penilaian:
Tugas
Keaktifan di kelas
-Ceramah - Diskusi -Tugas
1x3x50’
metode numerik untuk menentukan akar persamaan tak linear: metode Secant dan metode Posisi palsu
metode numerik untuk menentukan penyelesaian sistem persamaan tak linear:
metode Jacobi dan analisis
konvergensinya
10%
4
Mampu memahami metode numerik untuk menentukan
penyelesaian sistem persamaan tak linear:
metode Gauss-Seidel, metode Newton dan analisis
konvergensinya
Ketepatan dan kesesuaian dalam memahami metode numerik untuk menentukan penyelesaian sistem persamaan tak linear (metode Newton)
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan
-Ceramah - Diskusi -Tugas
1x3x50’
metode numerik untuk menentukan penyelesaian sistem persamaan tak linear (metode Newton) dan analisis
konvergensinya
10%
Bentuk penilaian:
Tugas
Keaktifan di kelas 5 Kuis I dan pembahasan
6
Mampu memahami metode numerik untuk menentukan
penyelesaian sistem persamaan linear:
Eliminasi Gauss, Dekomposisi LU dan pivoting
Ketepatan dan kesesuaian dalam memahami metode numerik untuk menentukan penyelesaian sistem persamaan linear (Eliminasi Gauss,
Dekomposisi LU)
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan Bentuk penilaian:
Tugas
Keaktifan di kelas
-Ceramah - Diskusi -Tugas
1x3x50’
metode numerik untuk menentukan penyelesaian sistem persamaan linear:
Eliminasi Gauss, Dekomposisi LU dan pivoting
7.5%
7
Mampu memahami metode numerik untuk menentukan
penyelesaian sistem persamaan linear:
iterasi Jacobi dan Gauss Seidel dan
Ketepatan dan kesesuaian dalam memahami metode numerik untuk menentukan penyelesaian sistem persamaan linear (iterasi
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian
-Ceramah - Diskusi -Tugas
1x3x50’
metode numerik untuk menentukan penyelesaian sistem persamaan linear (iterasi Jacobi dan Gauss Seidel) dan analisis
konvergensinya
7.5%
analisis
konvergensinya
Jacobi dan Gauss Seidel)
yang ditentukan Bentuk penilaian:
Tugas
Keaktifan di kelas
8 UTS
9
Mampu memahami Interpolasi: Interpolasi Lagrange dan
interpolasi beda terbagi Newton
Ketepatan dan kesesuaian dalam memahami Interpolasi (Interpolasi Lagrange dan interpolasi beda terbagi Newton)
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan Bentuk penilaian:
Tugas
Keaktifan di kelas
-Ceramah - Diskusi -Tugas
1x3x50’
Interpolasi (Interpolasi Lagrange dan
interpolasi beda terbagi Newton)
10%
10
Mampu memahami Interpolasi Gregory Newton maju/mundur dan Interpolasi Spline
Ketepatan dan kesesuaian dalam memahami Interpolasi (Interpolasi Gregory Newton
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan
-Ceramah - Diskusi -Tugas
1x3x50’
Interpolasi (Interpolasi Gregory Newton maju/mundur dan Interpolasi Spline)
10%
maju/mundur dan Interpolasi Spline)
kesesuaian yang ditentukan Bentuk penilaian:
Tugas
Keaktifan di kelas
11-12
Mampu memahami metode numerik untuk turunan (beda maju, beda mundur dan pusat, dan analisis galat), metode
numerik untuk turunan (optimum ukuran langkah)
Ketepatan dan kesesuaian dalam memahami metode numerik untuk turunan (beda maju, beda mundur dan pusat)
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan Bentuk non- test:
Tugas
Keaktifan di kelas
-Ceramah - Diskusi -Tugas
2x3x50’
metode numerik untuk turunan (beda maju, beda mundur dan pusat, dan analisis galat), metode
numerik untuk turunan (optimum ukuran langkah)
15%
13 Kuis 2 dan pembahasan 14
Mampu memahami integrasi numerik:
Trapesium, Simpson
Ketepatan dan kesesuaian dalam memahami integrasi numerik
Kriteria:
Mahasiswa mampu mencapai
-Ceramah - Diskusi -Tugas
1x3x50’
Integrasi numerik (Trapesium, Simpson 1/3 dan Simpson 3/8) serta analisis galat
10%
1/3 dan Simpson 3/8 dan analisis galat
(Trapesium, Simpson 1/3 dan Simpson 3/8) serta analisis galat
tingkat
Ketepatan dan kesesuaian yang ditentukan Bentuk non- test:
Tugas
Keaktifan di kelas
15
Mampu memahami integrasi numerik:
Romberg
Ketepatan dan kesesuaian dalam memahami integrasi numerik (Romberg)
Kriteria:
Mahasiswa mampu mencapai tingkat
Ketepatan dan kesesuaian yang ditentukan Bentuk non- test:
Tugas
Keaktifan di kelas
-Ceramah - Diskusi -Tugas
1x3x50’ Integrasi numerik
(Romberg) 5%
16 UAS
RANCANGAN TUGAS
Tugas yang dilakukan dalam kuliah ini berupa Tugas Terstruktur, yang berupa Pekerjaan Rumah sesuai bahasan yang sudah disampaikan pada perkuliahan, yang dikerjakan secara individu atau kelompok.
FORMAT PENILAIAN
Jenis Penilaian Bobot
Tugas 15%
Kuis 20 %
Responsi 15%
UTS 25 %
UAS 25%
PENENTUAN NILAI AKHIR
Kisaran Nilai Akhir (NA) Huruf Mutu Angka Mutu
> 80 A 4
75<NA 80 B+ 3.5
69 <NA 75 B 3
60 <NA 69 C+ 2.5
55 <NA 60 C 2
50 <NA 55 D+ 1.5
44 <NA 50 D 1
0< NA 44 E 0
UNIVERSITAS BRAWIJAYA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN MATEMATIKA/ PROGRAM STUDI AKTUARIA
RENCANA PEMBELAJARAN SEMESTER (RPS)
MATA KULIAH KODE Rumpun Mata Kuliah BOBOT (sks) SEMESTER Tgl. Penyusunan
MODEL LINEAR MAA62013 Matematika Industri dan
Keuangan
3 4 10 Juni 2020
OTORISASI Dosen Pengembang RPS Koordinator RMK Ketua Prodi
Dr. Isnani Darti, S.Si., M.Si.
Tanda Tangan
Dr. Sobri Abusini, MT Tanda Tangan
Dr. Isnani Darti, S.Si., M.Si.
Tanda Tangan Capaian
Pembelajaran CPL PRODI
CPL1 Memiliki pengetahuan dan wawasan tentang ilmu aktuaria dan bidang lainnya yang relevan dengan pemahaman yang mendalam.
CPL2 Memiliki kemampuan berpikir logis, kritis dan sistematis sehingga dapat memecahkan masalah praktis sederhana dengan menerapkan ilmu aktuaria.
CPL5 Memiliki pemahaman yang komprehensif atas ilmu aktuaria sehingga siap mengikuti ujian sertifikasi ajun aktuaris.
CPMK
CPMK1 Menjelaskan konsep dasar aljabar matriks, distribusi bentuk kuadrat, prinsip kuadrat terkecil dan umum.
CPMK2 Menjelaskan model non singular, melakukan estimasi parameter dan pengujian hipotesis.
CPMK3 Menjelaskan model singular, melakukan estimasi parameter dan pengujian hipotesis .
CPMK4 Menjelaskan prinsip-prinsip galat bersyarat, penguraian jumlah kuadrat dan penggunaannya.
CPMK5 Melakukan estimasi parameter dan pengujian hipotesis model campuran dan model linear umum keluarga distribusi eksponensial
Desikripsi Singkat MK
Mata kuliah ini memberikan konsep model linier yang meliputi konsep dasar vektor dan matriks, pendugaan selang dan uji hipotesis, model berpangkat penuh (model regresi), model berpangkat tidak penuh (model anova), model campuran (model analisis kovarians) dan model linier umum (keluarga distribusi eksponensial).
Materi
Pembelajaran / Pokok Bahasan
Konsep-konsep dasar aljabar matriks, model kuadrat dan distribusi bentuk kuadrat, prinsip kuadrat terkecil dan umum. Model non singular (model berpangkat penuh/model regresi), pendugaan parameter dan pengujian hipotesis. Model singular (model berpangkat tidak penuh/model anova), pendugaan parameter dan pengujian hipotesis. Prinsip galat bersyarat, penguraian jumlah kuadrat, penggunaan pada rancangan kelompok tidak lengkap, data tak berimbang. Model campuran, pendugaan parameter dan pengujian hipotesis. Model linear umum keluarga distribusi eksponensial dan pengujian hipotesisnya.
Pustaka Utama
1. Searle, S.R. and Gruber, M.H.J. 2017. 1981. Linear Models. 2nd ed., John Wiley and Son.
2. de Jong, P. Dan Heller, G.Z. 2008. Generalized Linear Models for Insurance Data. 1st ed., Cambridge University Press.
Cambridge, United Kingdom Pendukung
1. Montgomery, D. C., Peck, E. A. and Vining, G.G. 2012. Introduction to Linear Regression Analysis. John Wiley and Son.
2. Rencher, A.C. 2008. Linear Models in Statistics. New York: John Wiley & Sons, Inc.
3. Graybill, F., 1988. Theory of Linear Model., John Wiley and Son.
Media
Pembelajaran
Perangkat Lunak : Perangkat Keras :
1. Google Classroom 2. Google meet/Zoom 3. WhatsApp
1. LCD dan Proyektor 2. Laptop
3. Papan tulis Team Teaching Tim Dosen Model Linear
Mata Kuliah Syarat
MAA61008 ANALISIS REGRESI++
Pert ke-
Sub-CP-MK (sebagai kemampuan akhir yang diharapkan)
Indikator Kriteria & Bentuk Penilaian
Metode Pembelajaran (Kuliah / Tugas
/ bentuk pembelajaran
lain) dan Pengalaman Pembelajaran
Waktu (Durasi)
Materi Pembelajaran /
Bahan Kajian [Pustaka]
Bobot Penilaian
(%)
1 Mampu menjelaskan secara umum tentang materi apa saja yang akan dibahas di mata
Pemahaman, kelengkapan dan kebenaran penjelasan
Kriteria: kebenaran dan ketepatan Bentuk non-test:
Ceramah dan diskusi Tugas terstruktur
1x3x50’ ▪ Perkenalan, tinjauan global materi kuliah dan
5%
kuliah ini, dan mampu menjelaskan konsep dasar vektor dan matriks.
● Tugas
● Keaktifan kelas
Kontrak Perkuliahan
▪ Review Konsep dasar vektor dan matriks 2 Mampu menjelaskan
konsep dasar model linear, menuliskan model dalam notasi matriks dan menyusun bentuk kuadrat, mencari fungsi turunan dan sebarannya.
Pemahaman, kelengkapan, kebenaran penjelasan dan kebenaran hitungan
Kriteria: kebenaran dan ketepatan Bentuk non-test:
● Tugas
● Keaktifan kelas
Ceramah dan diskusi Tugas terstruktur
1x3x50’
Konsep dasar model linear.
Model kuadrat dan distribusi bentuk kuadrat, prinsip kuadrat terkecil dan umum
10%
3-4 Mampu menjelaskan, menghitung nilai dugaan paramater, dan melakukan pengujian hipotesis untuk model non singular.
Pemahaman, kebenaran penjelasan dan kebenaran hitungan
Kriteria:
pemahaman dan ketepatan Bentuk non-test:
● Tugas
● Keaktifan kelas
Ceramah dan diskusi Tugas terstruktur
2x3x50’ ▪ Model non singular (model berpangkat penuh/model regresi)
▪ Pendugaan parameter dan pengujian hipotesis.
20%
5 Mampu menjelaskan, menghitung dan melakukan pengujian
Kelengkapan dan kebenaran hitungan
Kriteria: kebenaran dan ketepatan Bentuk non-test:
-Keaktifan di kelas Bentuk test:
-Kuis 1
Diskusi 1x3x50’ ● Materi
pertemuan 1- 4
● Penyelesaian kuis 2
6-7 Mampu menjelaskan, menghitung nilai dugaan paramater, dan melakukan pengujian hipotesis untuk model singular.
Pemahaman, kelengkapan penjelasan dan kebenaran hitungan
Kriteria:
pemahaman dan ketepatan Bentuk non-test:
-Keaktifan di kelas -Tugas
Ceramah dan diskusi Tugas terstruktur
2x3x50’ Model singular (model
berpangkat tidak
penuh/model anova), pendugaan parameter dan pengujian hipotesis.
15%
8 Ujian Tengah Semester (UTS)
9-10 Mampu menjelaskan tentang prinsip galat bersyarat, penguraian jumlah kuadrat dan menggunakannya pada rancangan kelompok.
Pemahaman, kelengkapan dan kebenaran penjelasan
Kriteria:
pemahaman dan ketepatan Bentuk non-test:
● Tugas
● Keaktifan kelas
Ceramah dan diskusi Tugas terstruktur
2x3x50’ Prinsip galat bersyarat, penguraian jumlah kuadrat, penggunaan pada rancangan kelompok tidak lengkap, data tak berimbang.
15%
11-12 Mampu menjelaskan, menghitung nilai dugaan paramater, dan melakukan pengujian hipotesis untuk model campuran.
Pemahaman, kelengkapan penjelasan dan kebenaran hitungan
Kriteria:
pemahaman dan ketepatan Bentuk non-test:
● Tugas
● Keaktifan kelas
Ceramah dan diskusi Tugas terstruktur
2x3x50’ Model
campuran, pendugaan parameter dan pengujian hipotesis.
15%
13 Mampu menjelaskan, menghitung nilai dugaaan parameter dan pengujian hipotesis.
Kelengkapan, kebenaran penjelasan dan ketepatan hitungan
Kriteria:
pemahaman dan ketepatan Bentuk test:
-Kuis 2
Ceramah dan diskusi
1x3x50’ ▪ Materi pertemuan 9- 12
▪ Penyelesaian kuis 2
14 Mampu menjelaskan mengidentifikasi dan menerapkan model linear umum keluarga distribusi eksponensial.
Pemahaman, kelengkapan dan kebenaran penjelasan
Kriteria:
pemahaman dan ketepatan Bentuk non-test:
● Tugas
● Keaktifan kelas
Ceramah dan diskusi Tugas terstruktur
1x3x50’ Model linear umum keluarga distribusi
eksponensial. 10%
15 Mampu melakukan pengujian hipotesis pada model keluarga dist. eksponensial
Pemahaman, kelengkapan penjelasan dan kebenaran hitungan
Kriteria:
pemahaman dan ketepatan Bentuk non-test:
● Tugas
● Keaktifan kelas
Ceramah, diskusi Tugas
terstruktur
1x3x50’ Pengujian hipotesis model linear umum keluarga distribusi eksponensial
10%
16 Ujian Akhir Semester (UAS)
RANCANGAN TUGAS
Tugas yang dilakukan dalam kuliah ini berupa Tugas Terstruktur, yang berupa Pekerjaan Rumah sesuai bahasan yang sudah disampaikan pada perkuliahan, yang dikerjakan secara individu atau kelompok dan dipresentasikan di kelas dalam pertemuan berikutnya secara acak. Soal diambil dari pustaka yang digunakan.
FORMAT PENILAIAN
Jenis Penilaian Bobot
Tugas 20 %
Kuis 20 %
UTS 30 %
UAS 30 %