PROGRAM STUDI MAGISTER KESEHATAN MASYARAKAT UNIVERSITAS FORT DE KOCK
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (SKS) SEMESTER
BIOSTATISTIK KESEHATAN MKM 202 Kesehatan Masyarakat 2 1
OTORISASI
Unit Penjaminan Mutu
Pengembang RPS Penanggung jawab Kaprodi
Institusi dan IAKMI Tim pengajar Dr. Neila Sulung, S.Pd., Ns., M.Kes
Capaian
Pembelajaran (CP)
CPL-PRODI
Setelah mengikuti Mata Kuliah ini Mahasiswa:
1. Magister kesehatan masyarakat mampu melakukan kajian dan analisis data kesehatan
2. Magister kesehatan masyarakat mampu mengelola hasil riset dan pengembangan yang bermanfaat bagi masyarakat dan keilmuan 3. Memiliki kemampuan softskill berupa innovator, researcher, communicator dalam penyelesaian masalah
CPMK
1. Mampu memahami konsep biostastistik dan hubungannya dengan penelitian 2. Mampu memahami konsep dan menganalisis statistisk deskriptif
3. Mampu memahami dan menganalisis distribusi probabilitas
4. Mampu memahami konsep dan menganalisis statistik inferensial (uji hipotesis) 5. Mampu menganalisis data dengan uji beda 2 mean independen
6. Mampu menganalisis data dengan uji beda 2 mean dependen 7. Mampu menganalisis data dengan uji beda > 2 mean
8. UTS
9. Mampu menganalisis data dengan uji korelasi 10. Mampu menganalisis data dengan uji regresi linear 11. Mampu menganalisis data dengan uji regresi logistik
2 12. Mampu menganalisis data dengan uji Chi Square
13. Mampu menganalisis Uji Non Parametrik.
14. Mampu memahami dan melakukan rancangan sampel penelitian 15. Mampu menganalisa beberapa jurnal dalam penerapan analisis data 16. UAS
Diskripsi Singkat MK
Mata Kuliah ini membahas tentang konsep statistik deskriptif dan inferens serta penerapannya di bidang kesehatan, konsep probabilitas dan penerapannya di bidang kesehatan, penyajian dan analisisdata secara univariat, bivariat, multivariat, teknik analisis statistik dan uji statistik terhadap berbagai macam data.
Bahan Kajian / Pokok Bahasan
1. Mahasiswa mampu menjelaskan konsep biostastistik dan hubungannya dengan penelitian
● Pengertian dan jenis biostistik
● Jenis data dan skala pengukuran
● Hubungan biostatistik dengan penelitian
2. Mahasiswa mampu memahami konsep dan menganalisis statistisk deskriptif:
● Pengertian Statistik deskriptif
● Pengumpulan dan penyajian data
● Ukuran sentral tendensi
● Ukuran variasi
● Ukuran dispersi
3. Mahasiswa mampu memahami dan menganalisis distribusi probabilitas
● Pengertian dan jenis Distribusi Probabilitas
● Distribusi Binomial
● Distribusi Poisson
● Distribusi Normal
● Distribusi Student
4. Mahasiswa mampu memahami konsep dan menganalisis statistik inferensial (uji hipotesis)
● Pengertian hipotesis
● Syarat uji hipotesis
● Langkah pengujian hipotesis
5. Mahasiswa mampu menganalisis data dengan uji beda 2 mean independen
● Pengertian uji beda 2 mean independen
● Jenis uji beda 2 mean independen
● Syarat uji beda 2 mean independen
● Menganalisis data riset dengan uji beda 2 mean independen
6. Mahasiswa mampu menganalisis data dengan uji beda 2 mean dependen
● Pengertian uji beda 2 mean dependen
● Jenis uji beda 2 mean dependen
3
● Syarat uji beda 2 mean dependen
● Menganalisis data riset dengan uji beda 2 mean dependen 7. Mahasiswa mampu menganalisis data dengan uji beda > 2 mean
● Pengertian uji beda >2 mean
● Jenis uji beda >2 mean
● Syarat uji beda >2 mean
● Menganalisis data riset dengan uji beda >2 mean 8. UTS
9. Mahasiswa mampu menganalisis data dengan uji korelasi
● Pengertian uji korelasi
● Jenis uji korelasi
● Syarat uji korelasi
● Menganalisis data riset dengan uji korelasi
10. Mahasiswa mampu menganalisis data dengan uji regresi linier
● Pengertian uji regresi linier
● Syarat uji regresi
● Menganalisis data riset dengan uji regresi
11. Mahasiswa mampu menganalisis data dengan uji regresi logistik
● Pengertian uji regresi logistik
● Syarat uji regresi logistik
● Menganalisis data riset dengan uji regresi logistik
12. Mahasiswa mampu menganalisis data dengan uji Chi Square
● Pengertian uji Chi Square
● Syarat uji Chi Square
● Menganalisis data riset dengan uji Chi Square 13. Mahasiswa mampu menganalisis Uji Non Parametrik
● Uji beda 2 mean independen non parametrik
● Uji beda 2 mean dependen non parametrik
● Uji beda > 2 mean non parametrik
14. Mahasiswa mampu memahami dan melakukan rancangan sampel penelitian
● Konsep Sampel dan Populasi
● Perhitungan Besar Sampel
● Teknik pengambilan sampel
15. Mahasiswa mampu menganalisa beberapa jurnal dalam penerapan analisis data 16. UAS
4
Pustaka Utama :
Harlan, J. (2018). Analisis Regresi Logistik. In Gunadarma. Jakarta.
Krickeberg, K., Van Trong, P., & Thi My Hanh, P. (2019). Statistics for Biology and Health. https://doi.org/10.1007/978-3- 030-16368-6_13
Pagano M., Gouvreau K, 1992, Principles of Biostatistics. Duxbury Press, Belmont, California Sabri L., Hastono SP, 2006, Statistik kesehatan, Jakarta: Radja grafindo persada.
Pendukung :
Kazmi, W. and, & Khan, F. (2019). Epidemiology and Biostatistics. Retrieved from http://link.springer.com/10.1007/978- 3-319-96644-1
Media
Pembelajaran
Perangkat lunak Perangkat keras
Power point Email Video
1. LCD / Proyektor 2. Laptop
3. Flipchart Mata Kuliah Syarat -
Mg Ke-
Sub-CPMK (Kemampuan akhir tiap tahapan belajar)
IndikatorPenilaian Kriteria & Bentuk Penilaian
Bentuk/Metode Pembelajaran&
Penugasan Mahasiswa [ Estimasi Waktu]
Materi Pembelajaran Bobot Penilaian(%)
(1) (2) (3) (4) (5) (6) (7)
1 Mahasiswa mampu menjelaskan konsep biostastistik dan hubungannya dengan penelitian
● Rubrik holistik
● Rubrik Deskriptif
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
Tatap Muka 2 x 50’ = 100’
Penugasan 1 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Pengertian dan jenis biostistik
● Jenis data
● Jenis data dan skala pengukuran
● Hubungan biostatistik dengan penelitian
UTS dan UAS: 50%
Tugas dan/atau Praktikum:
30%
Soft Skill:
20%
2 Mahasiswa mampu memahami konsep dan
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
● Lecture
● Cooperative Learning
● Pengertian Statistik deskriptif
5 menganalisis statistisk
deskriptif
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’Penugasan 2 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Pengumpulan dan penyajian data
● Ukuran sentral tendensi
● Ukuran variasi
● Ukuran dispersi
3 Mahasiswa mampu memahami dan menganalisis distribusi probabilitas
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Lecture
● Cooperative Learning
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’
Penugasan 3 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Pengertian dan jenis
● Distribusi Probabilitas
● Distribusi Binomial
● Distribusi Poisson
● Distribusi Normal
● Distribusi Student
4 Mahasiswa mampu memahami konsep dan menganalisis statistik inferensial (uji hipotesis)
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Self-Directed Learning
● Simulasi
●
Pratikum
Tugas Mandiri 2 x 60’ = 120’● Pengertian hipotesis
● Syarat uji hipotesis
● Langkah pengujian hipotesis
5 Mahasiswa mampu menganalisis data
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
● Self-Directed Learning
● Simulasi
● Pengertian uji beda 2 mean independen
6 dengan uji beda 2 mean
independen
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
●
Pratikum
Tugas Mandiri 2 x 60’ = 120’● Jenis uji beda 2 mean independen
● Syarat uji beda 2 mean independen
● Menganalisis data riset dengan uji beda 2 mean independen
6 Mahasiswa mampu menganalisis data dengan uji beda 2 mean dependen
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Self-Directed Learning
● Simulasi
●
Pratikum
Tugas Mandiri 2 x 60’ = 120’● Pengertian uji beda 2 mean dependen
● Jenis uji beda 2 mean dependen
● Syarat uji beda 2 mean dependen
● Menganalisis data riset dengan uji beda 2 mean dependen
7 Mahasiswa mampu menganalisis data dengan uji beda > 2 mean
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Lecture
● Cooperative Learning
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’Penugasan 4 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Pengertian uji beda >2 mean
● Jenis uji beda >2 mean
● Syarat uji beda >2 mean
● Menganalisis data riset dengan uji beda >2 mean
8 Ujian Tengah Semester
9 Mahasiswa mampu menganalisis data dengan uji korelasi
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta
● Self-Directed Learning
● Simulasi
●
Pratikum
● Pengertian uji korelasi
● Jenis uji korelasi
● Syarat uji korelasi
● Menganalisis data riset dengan uji korelasi
7 kemampuan melakukan
praktikum
Tugas Mandiri 2 x 60’ = 120’
10 Mahasiswa mampu menganalisis data dengan uji regresi linear
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Self-Directed Learning
● Simulasi
● Problem Based Learning
●
Pratikum
Tugas Mandiri 2 x 60’ = 120’● Pengertian uji regresi linier
● Syarat uji regresi linear
● Menganalisis data riset dengan uji regresi linear
11 Mahasiswa mampu menganalisis data dengan uji regresi logistik
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
●
Pratikum
● Praktek 7 x 170’ = 1190’
Tugas Mandiri 2 x 60’ = 120’
● Pengertian uji regresi logistik
● Syarat uji regresi logistik
● Menganalisis data riset dengan uji regresi logistik
12 Mahasiswa mampu menganalisis data dengan uji Chi Square
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Lecture
● Cooperative Learning
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’Penugasan 6 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Pengertian uji Chi Square
● Syarat uji Chi Square
● Menganalisis data riset dengan uji Chi Square
8 13 Mahasiswa mampu
menganalisis Uji Non Parametrik
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Lecture
● Cooperative Learning
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’Penugasan 6 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Uji beda 2 mean independen non parametrik
● Uji beda 2 mean dependen non parametrik
● Uji beda > 2 mean non parametrik
14 Mahasiswa mampu memahami dan melakukan rancangan sampel
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Lecture
● Cooperative Learning
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’Penugasan 6 2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
● Konsep sampel dan populasi
● Perhitungan besar Sampel
● Teknik pengambilan sampel
15 Mampu menganalisa beberapa jurnal dalam penerapan analisis data
● Rubrik Deskriptif
● Rubrik Holistic
Kriteria:
Ketepatan dalam penugasan
Bentuk Penilaian:
Sikap, tulisan makalah dan presentasi, serta kemampuan melakukan praktikum
● Lecture
● Cooperative Learning
● Discovery Learninig
●
Pratikum
Tatap Muka 2 x 50’ = 100’● Kritikal jurnal
9 Penugasan 6
2 x 60’ = 120’
Tugas Mandiri 2 x 60’ = 120’
16 Evaluasi Akhir Semester
Kriteria Nilai