P2RP-LP3M UB
Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI SARJANA STATISTIKA
Mata Kuliah:
Respon Permukaan
Kode:
MAS61221
RMK:
Ilmu Hayati
Semester:
Ganjil Dosen Dr. Adji Achmad R. S.Si., M.Sc.
Pendahuluan
Mata kuliah Respon Permukaan adalah mata kuliah yang diampu oleh dosen pengajar secara profesional. Proses pembelajaran dilakukan melalui teori dan praktek menggunakan software R, Genstat, Minitab maupun Microsoft Excel. Dosen pengajar memiliki strategi yang tepat dan terstruktur dalam menyampaikan materi pada mata kuliah ini. Dalam proses pembelajaran, baik dosen maupun mahasiswa memiliki peran aktif di kelas. Mengenai hasil akhir dari pemahaman mahasiswa, akhirnya kembali kepada kemampuan dasar mahasiswa serta pemahaman mahasiswa mengenai mata kuliah – mata kuliah pendukung. Meskipun begitu, dosen pengajar akan tetap memahami kondisi dan karakteristik setiap mahasiswa agar kendala yang mereka miliki dapat menjadi bahan masukan bagi dosen dalam membuat strategi pembelajaran di kelas apabila diperlukan.
1 Tujuan
Tujuan Umum:
Mata kuliah ini diberikan agar mahasiswa mampu merancang suatu penelitian dengan melibatkan perlakuan yang sifatya komplek dan mampu memilih analisis data yang sesuai serta dapat meninterpretasi hasil analisis secara praktis.
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 2: Mampu menyusun dan atau memilih rancangan pengumpulan/
pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.
- 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 4: Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.
- ILO 5: Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif
P2RP-LP3M UB
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 7: Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya.
- ILO 8: Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.
Sedangkan capaian pembelajaran dari Mata Kuliah (Course Learning Outcome - CLO) Respon Permukaan ini adalah:
- CLO 1: Mahasiswa mampu memahami metode pelaksanaan penelitian sesuai aturan perancangan percobaan (LO2, LO3, LO1, LO7, LO8).
- CLO 2: Mahasiswa mampu memilih dan menerapkan rancangan penelitian dengan perlakuan yang komplek (LO3, LO1, LO4, LO5, LO7, LO8).
- CLO 3: Mahasiswa mampu menganalisis data penelitian sesuai andaian dan kaidah yang berlaku (LO2, LO3, LO4, LO5, LO7).
- CLO 4: Mahasiswa mampu menyampaikan hasil pemodelan dan analisisnya secara tertulis maupun lisan, dalam bentuk laporan tertulis (LO3, LO2, LO4, LO5, LO8).
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 Respon Permukaan dan ILO yang disajikan pada Tabel 1.
Tabel 1. Matriks Hubungan antara CLO dan ILO MK Respon Permukaan
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
CLO1 0.2 0.2 0.2 0 0 0 0.2 0.2
CLO2 0.15 0 0.15 0.15 0.2 0 0.2 0.15
CLO3 0 0.2 0.2 0.2 0.2 0 0.2 0
CLO4 0 0.2 0.2 0.2 0.2 0 0 0.2
2 Strategi Pembelajaran
Perkuliahan ini menyajikan materi yang bersifat teori dan konsep komputasi. Untuk itu digunakan strategi berikut ini:
- Memberikan akses materi pembelajaran untuk 1 semester yang dibagikan melalui perwakilan kelas kepada mahasiswa pengampu mata kuliah respon permukaan.
- Membentuk kelompok belajar. Kelompok – kelompok belajar dibentuk supaya dapat mengerjakan tugas kelas secara diskusi mengenai materi yang telah diterima secara efektif dan efisien di kelas.
- Menyajikan materi di depan kelas secara detil, menyajikan rumus – rumus yang dapat diikuti secara mandiri, disertai ilustrasi grafik jika perlu.
P2RP-LP3M UB
- Menyajikan materi melalui power point dan menulis di white board.
- Secara aktif memberi kesempatan sesi tanya jawab agar mahasiswa dapat fokus di kelas dan ikut berperan aktif. Bagi mahasiswa yang benar dalam menjawab pertanyaan akan diberikan penghargaan berupa poin (bintang) yang dapat digunakan untuk menambah nilai.
- Memberikan latihan kasus yang serupa dengan contoh yang sudah dijelaskan dosen dikelas. Karena sifatnya latihan, maka dosen akan membantu dan menjelaskan ulang solusinya setelah mahasiswa mencoba secara individu maupun berdiskusi secara berkelompok.
- Menawarkan kepada mahasiswa yang telah menyelesaikan tugas kelompok untuk menjelaskan hasil pekerjaannya dalam bentuk presentasi di depan kelas menggunakan power point. Mahasiswa yang kelompoknya berani untuk menampilkan presentasi akan diberi penghargaan berupa poin (bintang).
- Memberikan kuis trivia untuk mengukur pemahaman mahasiswa akan materi yang sudah disajikan. Pada sesi kuis mahasiswa benar – benar harus berusaha mengerjakan sendiri kasus yang diberikan.
- Memberikan tugas terstruktur disetiap pertemuan, topik tugas sesuai dengan materi yang sudah diberikan pada pertemuan tersebut. Tujuan memberikan tugas terstruktur disetiap pertemuan adalah agar mahasiswa mampu melakukan diskusi bersama teman satu kelompok dan menciptakan kelompok mahasiswa yang paham mengenai materi respon permukaan beserta penerapannya pada kasus nyata.
- Menjelaskan ulang bagian-bagian yang dirasa kurang dipahami (dari tugas yang pernah diberikan) pada pertemuan berikutnya ataupun saat mahasiswa presentasi.
3 Pengelolaan Perkuliahan
Mata kuliah ini adalah mata kuliah 2 sks tanpa responsi. Pertemuan terjadwal satu minggu sekali (2 kali 50 menit) selama 14 minggu. Untuk UTS dilaksanakan terjadwal setelah 7 kali pertemuan, sedangkan UAS juga dilaksanakan terjadwal setelah pertemuan ke 14.
Perkuliahan:
a. Jadwal: Pertemuan dijadwalkan setiap hari Kamis, jam 07.30 – 09.15 WIB. Pada setiap pertemuan, mengingat materi perkuliahan yang menuntut konsentrasi tinggi dari mahasiswa, dosen menyajikan materi pada satu sks pertama. 15 sampai 30 menit dari satu sks terakhir digunakan mahasiswa untuk berlatih serta berdiskusi secara berkelompok, menerapkan konsep yang sudah dijelaskan pada kasus nyata. Sedangkan 20 menit terakhir dimanfaatkan mahasiswa untuk mencari literasi di perpustakaan.
b. Setiap pertemuan mempunyai capaian pembelajaran yang spesifik sesuai materi yang disampaikan. Untuk mengukur ketercapaiannya, telah dirancang pemberian kuis trivia atau tugas. Hasil kuis trivia atau tugas tersebut dijadikan bahan evaluasi, untuk mengulang bagian – bagian yang dirasa perlu pada pertemuan selanjutnya. Sesuai yang dirancang pada RPS, mahasiswa mengerjakan beberapa
P2RP-LP3M UB
hal berikut ini sebagai bentuk penilaian:
- Tugas 1 untuk memahami metode pelaksanaan penelitian sesuai aturan perancangan percobaan.
- Tugas 2 untuk memahami penggunaan dan memilih berbagai macam rancangan penelitian (ncomplete block design, youden square, dan lattice design) dengan perlakuan yang komplek.
- Kuis 1 untuk konsep dasar penelitian serta pemilihan rancangan yang tepat dalam suatu penelitian.
- Tugas 3 mahasiswa mampu memahami rancangan faktorial dan menghitung fit kurva permukaan respon., memahami dan menganalisa variabel confounding dan rancangan tersarang.
Bentuk penilaian Tugas 1 (T1), Tugas 2 (T2), dan Tugas 3 (T3) dikerjakan secara berkelompok maupun mandiri dan bentuk penilaian Kuis 1 (Q1) dikerjakan secara mandiri oleh mahasiswa.
4 Isi Perkuliahan
- Incomplete block design - Youden squares
- Lattice design
- Rancangan faktorial dan asumsi yang mendasarinya - Menghitung fit kurva permukaan respon
- Confounding - Rancangan tersaran
Kesesuaian antara materi perkuliahan yang dirancang pada kurikulum dengan prakteknya dapat dilihat pada Lampiran 1.
5 Peserta Kuliah
Mata kuliah ini adalah mata kuliah pilihan yang diikuti oleh Mahasiswa Program Studi Sarjana Statistika FMIPA UB, angkatan 2017, dan beberapa dari angkatan 2016 yang karena satu dan lain hal tidak dapat mengambil mata kuliah ini pada tahun lalu. Untuk Respon Permukaan hanya terdapat satu kelas yaitu kelas A yang diikuti oleh 25 mahasiswa, dengan komposisi 22 mahasiswa angkatan 2016 dan 3 mahasiswa angkatan 2017.
6 Persentase Kehadiran
Kehadiran dosen adalah 100% sedangkan kehadiran mahasiswa rata – rata sebesar 90%.
Rata – rata kehadiran mahasiswa tidak bisa mencapai 100% karena ada mahasiswa yang sakit atau ijin.
7 Sistem Evaluasi
- Evaluasi per minggu melalui tugas berkelompok dan sesi tanya jawab. Tujuan dari evaluasi ini adalah untuk menggali pemahaman mahasiswa apakah sudah sesuai dengan tujuan perkuliahan di setiap minggu/pertemuan. Hasil dari tugas
P2RP-LP3M UB
kelompok dimanfaatkan dosen untuk membahas ulang materi yang dirasa kurang pemahamannya.
- Evaluasi beberapa materi melalui Kuis yang mengukur pemahaman dari 3 atau 4 pertemuan sebelumnya. Tipe soal menyerupai soal UTS/UAS, sehingga mahasiwa mempunyai bayangan mengenai persiapan menghadapi UTS/UAS.
- Evaluasi materi sampai dengan tengah semester melalui UTS, yang diselenggarakan secara terjadwal oleh akademik.
- Evaluasi materi setelah tengah semester sampai dengan akhir semester melalui UAS, yang diselenggarakan secara terjadwal oleh akademik.
Pada minggu UTS dan UAS seluruh kegiatan perkuliahan diliburkan, sehingga mahasiswa konsentrasi untuk menghadapi UTS/UAS.
Pemberian soal untuk seluruh tipe evaluasi dibuat standar/sama untuk kelas pararel, yang merupakan hasil diskusi dari tim pengajar. Materi yang dievaluasi untuk setiap asessment dan bobotnya dapat dilihat pada Tabel 2.
Tabel 2 Asesmen dan materi yang diukur, serta pembobotan setiap assessment terhadap nilai akhir dan Capaian Pembelajaran Mata Kuliah Respon Permukaan (Course
Learning Outcome – CLO)
Asesmen
Bobot terhadap Nilai Akhir
CLO 1 CLO 2 CLO 3 CLO 4
Bobot Asesment terhadap CLO (Course Learning Outcome)
T1 0.1 0.3 0.3 0.3 0.1
T2 0.1 0.1 0.3 0.4 0.2
T3 0.25 0.2 0.2 0.2 0.4
Q1 0.1 0 0 0 0.5
UTS 0.25 0.3 0.4 0.3 0
UAS 0.2 0 0 0 0.5
8 Pengamatan Kelas
Selama perkuliahan mahasiswa akan memenuhi bangku baris pertama dan kedua terlebih dahulu sedangkan bagi mahasiswa yang terlambat dapat menempati bangku yang masih kosong atau bangku di baris ketiga. Mahasiswa secara aktif mengikuti perkuliahan dengan berlomba – lomba untuk dapat menjawab pertanyaan dari dosen, mengerjakan soal di white board, maupun melakukan presentasi kelompok. Hampir 80% mahasiswa berpartisipasi aktif dalam kegiatan tersebut. Meskipun begitu terdapat beberapa mahasiswa yang tidak begitu aktif selama perkuliahan. Beberapa pengamatan bagi mahasiswa pasif diperoleh perkiraan sebagai berikut:
- Berpandangan kosong di kelas.
- Tidak ada respons ketika ditanya mengenai pemahaman mereka.
- Tidak bisa fokus mengikuti perkuliahan.
- Hanya “menonton” penjelasan dan penurunan rumus yang dilakukan dosen di white board, tanpa membuat catatan atau mencoba sendiri.
Untuk mengantisipasi kecepatan pemahaman mahasiswa yang tidak seragam, maka dosen mengatur ulang waktu penyampaian materi yang diberikan agar bisa sesuai dengan observasi mengenai pemahaman mahasiswa. Oleh sebab itu ada beberapa materi
P2RP-LP3M UB
yang diundurkan waktu penyampaiannya pada minggu setelah jadwal yang seharusnya, tanpa mengurangi keseluruhan materi yang harus disampaikan.
9 Hasil Belajar
Hasil belajar setiap mahasiswa tercermin dari nilai di setiap assessment. 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/Transkrip 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 dari setiap CLO dapat dilihat pada Tabel 3, dan Gambar 1. 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 empat merepresentasikan setiap CLO, dan lintasan segi empat terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu CLO.
- Sesuai dengan kategori capaian yang tersaji pada Tabel 4, dapat disimpulkan bahwa CLO1 sampai CLO4 secara rata-rata mencapai nilai excellent, dengan rata-rata diatas 80. Sehingga secara rata-rata pada semua CLO ini 100%
mahasiswa memperoleh nilai capaian di atas 60.
- Semua CLO berada pada kategori persentase tinggi (HIGH) dalam hal banyaknya mahasiswa dengan nilai capaian di atas 60.
Tabel 3. Deskripsi Nilai dan Kategori Capaian untuk Setiap CLO MK Respon Permukaan
CLO1 CLO2 CLO3 CLO4
Rata - rata 80.77 81.17 81.31 80.94
Kategori Capaian EXCELLENT EXCELLENT EXCELLENT EXCELLENT Banyaknya mahasiswa
dengan CLO>60
25 25 25 25
Persentase mahasiswa dnegan CLO>60
96 96 96 96
Kategori Persentase HIGH HIGH HIGH HIGH
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
P2RP-LP3M UB
(a) (b)
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap CLO MK Respon Permukaan
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. Gambar 2 (a) menyajikan indeks capaian rata – rata mahasiswa pada masing – masing ILO yang didukung oleh mata kuliah ini. Gambar 2 (b) menyajikan persentase mahasiswa dengan nilai capaian di atas 60. Pada kedua gambar, setiap sudut dari segi tujuh merepresentasikan setiap ILO, dan lintasan tujuh terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu ILO.
Beberapa hal yang dapat disimpulkan dari dukungan mata kuliah ini terhadap Capaian Pembelajaran Program Studi (ILO):
Semua ILO berada pada kategori capaian Excellent, yaitu:
- ILO 1 - Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati.
- ILO 2 - Mampu menyusun dan atau memilih rancangan pengumpulan/
pembangkitan data secara efisien dan menerapkan dalam bentuk survei, percobaan, atau simulasi.
- 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 4 - Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.
- 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.
0 50 100CLO1
CLO2
CLO3 CLO4
Weighted-avg-based CLO's AI
Achievement Index of MAS61221
94 96 98 100CLO1
CLO2
CLO3 CLO4
Student num-based CLO's AI
Achievement Index of MAS61221
P2RP-LP3M UB
- ILO 7 - Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya.
- ILO 8 - Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta nilai Pancasila dalam segala aspek kehidupan.
Terdapat 100% mahasiswa yang memiliki nilai capaian di atas 60 untuk semua ILO ini.
Tabel 5. Deskripsi Nilai dan Kategori Capaian untuk Setiap ILO yang didukung oleh MK Respon Permukaan
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8 Rata - rata
terboboti 80.95 81.01 81.04 81.13 81.14 81.1 80.94
Kategori Capaian EXCE LLENT
EXCE LLENT
EXCE LLENT
EXCE LLENT
EXCE LLENT
EXCE LLENT
EXCE LLENT Banyaknya
mahasiswa
dengan ILO>60 25 25 25 25 25 25 25
Persentase mahasiswa dnegan ILO>60
96 96 96 96 96 96 96
Kategori HIGH HIGH HIGH HIGH HIGH HIGH HIGH
(a) (b)
Gambar 2. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap ILO yang didukung oleh MK Respon Permukaan
10 Kendala
- Kurangnya kemampuan mahasiswa dalam memahami dan membuat bahasa pemrograman Respon Permukaan dalam software R yang mengakibatkan mahasiswa sulit untuk mengikuti alur pembelajaran di kelas yang menuntut kesigapan dan kecepatan dalam membuat grafik di software R, minitab, genstat dan Microsoft Excel. Sehingga beberapa mahasiswa cenderung hanya menunggu hasil dari mahasiswa lain yang paham bahasa pemrograman R.
200 4060 10080ILO1
ILO2
ILO3
ILO4 ILO5
ILO6 ILO7
ILO8
Weighted-avg-based ILO's AI
Achievement Index of MAS61221
94 96 98 100ILO1
ILO2
ILO3
ILO4 ILO5
ILO6 ILO7
ILO8
Student num-based ILO's AI
Achievement Index of MAS61221
P2RP-LP3M UB
- Kurangnya inisiatif mahasiswa untuk bertanya kepada dosen apabila ada materi yang belum dipahami.
11 Distribusi Nilai
Nilai akhir diperoleh dari pembobotan seluruh komponen penilaian/asessment seperti yang sudah disajikan pada kolom dua di Tabel 1. Sedangkan statistika deskriptif dari nilai akhir dapat dilihat di Tabel 2. Rata – rata pemahaman mahasiswa adalah 82% untuk materi secara keseluruhan, dengan kurang dan lebihnya 4% dari rata – rata tersebut.
Terdapat satu mahasiswa dengan pemahaman paling rendah, nilai 70, namun ada pulan yang berhasil optimal memahami materi dengan nilai 87.
Tabel 2. Statistika Deskriptif Nilai Akhir Respon Permukaan 2019/2020
Rata rata 81,052
Median 82,25
Simpangan baku 6,01016672
Range 32,26
Minimum 54,42
Maximum 86,68
Setelah dikonversi menjadi nilai huruf sesuai standar konversi penilaian, sebaran nilai huruf dapat dilihat pada Gambar 3. Gambar tersebut menunjukkan bahwa terdapat persentase terbesar yaitu pada nilai A sebanyak 88%. Dan terdapat nilai B+ yakni sebesar 4% dan juga nilai B yakni 4%. Terdapat 1 orang mendapat nilai D+. Tidak terdapat mahasiswa yang mendapat nilai C+, C, D dan E.
Gambar 3. Sebaran nilai akhir huruf MK Respon Permukaan 2019/2020
12 Kesimpulan
- Dengan segala kendala dan kemampuan dasar mahasiswa pada mata kuliah Respon Permukaan, dapat diketahui bahwa pemahaman materi mahasiswa dapat tercermin melalui nilai akhir. Nilai mahasiswa yang tinggi mencerminkan bahwa mahasiswa tersebut memiliki pemahaman yang lebih dibanding dengan
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
A B+ B C+ C D+ D E
Persen Nilai Huruf
P2RP-LP3M UB
mahasiswa lain, sedangkan nilai mahasiswa yang rendah menunjukkan kurangnya pemahaman atas materi Respon Permukaan.
- Terdapat beberapa mahasiswa yang kurang dapat mengikuti kecepatan dosen ketika menjelaskan materi, sehingga dosen harus menyesuaikan kecepatan dengan kemampuan pemahaman mahasiswa. Hal ini mengakibatkan dosen harus mengorbankan waktu pembahasan di materi tertentu, sehingga hasil pembelajaran di materi tersebut menjadi tidak optimal.
-
13 Rekomendasi Perbaikan
- Sebaiknya dosen yang mengajar mata kuliah dasar selalu memberikan pandangan mengenai pentingnya memahami mata kuliah dasar agar dapat dimanfaatkan dengan baik pada mata kuliah lainnya.
- Lebih menyederhanakan bahasa ilmiah yang sulit untuk dipahami oleh mahasiswa. Jika memang bahasa ilmiah itu akan sering digunakan maka sebaiknya dosen mengenalkan bahasa ilmiah di awal perkuliahan.
P2RP-LP3M UB
Lampiran 1
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 dan 3 4 5 6 dan 7
8 dan 9
10 11 dan 12 13 14 dan 15 16 17
1
Pendahuluan Kontrak kuliah, Pengenalan
respon permukaan 2
dan 3
Incomplete block design
Penjelasan mengenai incomplete block
design Menganalisa incomplete block
design dan perhitungan analisisnya
4 Youden squares Penjelasan
mengenai Youden squares Menganalisa
Youden squares dan
perhitungan analisisnya
5 KUIS 1 Semua
bahan yang telah diajarka
n pada pertemu
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 dan 3 4 5 6 dan 7
8 dan 9
10 11 dan 12 13 14 dan 15 16 17
an ke-1 sampai dengan pertemu an ke-5 6
dan 7
Lattice design Penjelasan
mengenai Lattice design
Menganalisa Lattice design dan perhitungan
analisisnya 8
dan 9
UT
S 10 Rancangan
faktorial Penjelasan
mengenai rancangan faktorial Menganalis
a rancangan
faktorial dan perhitungan
analisisnya 11
dan 12
Asumsi rancangan faktorial
Mengenalkan asumsi pada
rancangan faktorial
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 dan 3 4 5 6 dan 7
8 dan 9
10 11 dan 12 13 14 dan 15 16 17
Menganalisa asumsi rancangan faktorial dan
perhitungan analisisnya 13 Mem-fit kurva
permukaan respon
Membuat kurva fit permukaan
respon menggunakan software yang
tersedia Menghitunh
fit kurva permukaan
respon 14
dan 15
Confounding Penjelasan
mengenai confounding Perhitungan analisis dari confounding 16 Rancangan
tersarang
Penjelasan mengenai rancangan tersarang Menganalis a rancangan
tersarang dan perhitungan
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 dan 3 4 5 6 dan 7
8 dan 9
10 11 dan 12 13 14 dan 15 16 17
analisisnya 17
UAS
U A S
Kehadiran (%) 88.63 100 97.7 100 100 97.7 100 97.7 100 100 100
P2RP-LP3M UB
Lampiran 2. Daftar Rincian Nilai
No Nama NIM T1 T2 T3 Q1 UTS UAS
1 Asro Layalil Azizah 165090500111015 82.33333 86 69.14583 65 64 70
2 Rayoga Rahmansyah 165090500111018 81.33333 86 81.89583 76 78 85
3 Farid Ubaidillah 165090500111022 85.33333 85.33333 82.29167 90 78 80.66667 4 Muhammad Alfi Zida Syukron 165090500111025 82.33333 85 81.84722 90 70 82.33333 5 Henry Septian Pratama 165090500111028 81.66667 86.33333 82.86806 85 88 82.66667
6 Tri Setiyo Wiyono 165090501111013 83 86 82.17361 83 77 79
7 Dominica Prima Kurnia Kharismatika Putri 165090501111029 82.66667 86 82.125 85 72 80.66667 8 Adam Makinun Amin 165090501111038 81.66667 85.33333 81.79167 90 79 82.33333 9 Abela Chairunissa 165090501111040 84.33333 85 82.92361 90 93 82.66667 10 Maulida Fajrining Tyas 165090501111041 85.33333 86.33333 82.61806 90 78 79
11 Dinda Pusparani 165090501111043 82.66667 86 82.125 90 78 80.66667
12 Savira Nurlaily 165090507111001 83 86 82.29167 77 81 82.33333
13 Raden Muhammad Rais Permana 165090507111009 83.33333 85.33333 82.8125 90 86 82.66667 14 Mia Swastining Niati 165090507111012 84.66667 85 82.11806 57 63 79 15 Okasha Irfan Izzudin 165090507111018 84 86.33333 82.40278 90 81 80.66667 16 Afrils Virgian Perdana 165090507111023 81.66667 86 82.06944 90 79 82.33333 17 Syifa Emilia Mahmuda 165090507111025 84.33333 86 83.25694 83 96 82.66667 18 Intan Kholiilatur Rahmaningrum 165090507111027 84.66667 85.33333 82.17361 90 87 79 19 Happy Laili Nurjannah 165090507111031 82.66667 85 81.79167 90 83 80.66667 20 Indah Suciyati Fardani 165090507111033 83.66667 86.33333 82.45833 90 87 82.33333 21 Sutomo Musa Amien 165090507111041 81.66667 86 82.8125 90 77 82.66667
22 Teddy Armana Bastanta 165090507111042 84 86 82.34028 90 76 79
23 Ziqra Dika Putri 175090501111027 78 85.33333 80 44 81 78
24 Engelberta Vania 175090507111008 83 85 82.25 90 82 82.33333
25 Adinda Putri Nabila 175090507111027 81.66667 86.33333 82.125 80 76 82.33333
