Mata kuliah pilihan dibagi menjadi 3 KBI, yaitu teori dan ilmu komputer, sosial ekonomi dan ilmu hayat. Keterkaitan antara hasil belajar lulusan program studi Sarjana Statistika dengan standar yang diharapkan SNPT (Keterampilan Khusus, Pengetahuan, Kemampuan Umum, Sikap) terkait dengan mata pelajaran dapat dilihat dari matriks mata pelajaran dan hasil belajar di meja. 4. Struktur Kurikulum S1 Statistika menetapkan mata kuliah yang berkaitan dengan pembentukan sikap lulusan sebagai dasar dan menjadi mata kuliah wajib (agama).
Pemodelan statistik di Program Studi S1 Statistika UB ditujukan untuk penerapannya di bidang ekonomi dan ilmu hayat yang tercermin dalam mata kuliah wajib. Berdasarkan teori statistik, matematika dan komputasi, yang digunakan dalam bidang ekonomi dan ilmu kehidupan, mata pelajaran pilihan dibentuk di bawah tiga KBI. Kursus-kursus ini mendukung penerapan model yang ada dan mengikuti perkembangan terbaru dalam model statistik dan komputasi.
Berdasarkan IPK mahasiswa dan mata kuliah prasyarat, mahasiswa semester dua sampai dengan delapan disarankan untuk mengambil mata kuliah wajib seperti pada Tabel 7 – 13. Daftar mata kuliah wajib dan pilihan pada semester ganjil dan genap terdapat pada Tabel 14 dan 15 Mata kuliah tesis ditawarkan pada semester ganjil dan genap sehingga mahasiswa dengan nilai rata-rata tinggi dapat lulus dalam waktu 3,5 tahun.
SILABUS
Mata Kuliah Wajib
Setelah mengikuti mata kuliah kewirausahaan, mahasiswa akan dapat menjelaskan tentang karakter, peran dan manajemen wirausaha. Setelah menempuh mata kuliah Pendidikan Agama Hindu, mahasiswa akan mampu menjelaskan hubungan antara agama, manusia dan ilmu pengetahuan serta memahami pentingnya peran agama dalam kehidupan pribadi, sosial dan bernegara. Setelah mengikuti mata kuliah Pendidikan Agama Buddha, mahasiswa akan mampu menjelaskan hubungan antara agama, manusia dan ilmu pengetahuan serta memahami pentingnya peran agama dalam kehidupan pribadi, sosial dan bernegara.
Setelah mengikuti mata kuliah ini, mahasiswa mampu menyusun pernyataan dengan menggunakan simbol-simbol logika matematika (khususnya yang berkaitan dengan statistik deskriptif, probabilitas, desain eksperimen dan inferensi statistik). Setelah menempuh mata kuliah ini, mahasiswa mampu menganalisis dan menerapkan serta menjelaskan konsep aljabar dan kalkulus. Setelah mengikuti mata kuliah ini, mereka menguasai konsep probabilitas dasar dan mampu menerapkannya dalam pemodelan statistik.
Setelah menempuh mata kuliah ini mahasiswa mampu menjelaskan dasar-dasar integral, turunan, penggunaan integral, turunan dua atau tiga variabel dan penggunaannya dalam statistika. Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan dan mendeskripsikan fungsi, operasi, sifat-sifat matriks dan ruang vektor untuk mendukung teori pada mata kuliah selanjutnya. Setelah menempuh mata kuliah ini mahasiswa mampu menerapkan konsep dasar distribusi probabilitas secara lebih mendalam untuk mendukung pengembangan statistika terapan.
Setelah mengikuti mata kuliah ini, mahasiswa akan mampu merancang penelitian berdasarkan tujuan dan karakteristik bahan percobaan yang tersedia. Setelah mengikuti mata kuliah ini, mahasiswa akan mampu menerapkan prinsip-prinsip pemrograman linier dan penerapannya dalam pengambilan keputusan. Setelah mengikuti mata kuliah ini, mahasiswa akan mampu menerapkan berbagai metode numerik untuk menyelesaikan masalah statistik.
Setelah menyelesaikan mata kuliah ini, mahasiswa mampu menerapkan teknik dan teori sampling pada karakteristik populasi. Setelah menyelesaikan mata kuliah ini, mahasiswa dapat menjelaskan dan menggunakan berbagai analisis statistik non parametrik. Setelah mengikuti mata kuliah, mahasiswa memiliki keterampilan mengelola model linear singular, model constrained, pengujian hipotesis fungsi parameter linear (pada model singular dan non singular).
Setelah mengikuti mata kuliah ini, mahasiswa akan menguasai konsep dan mampu menerapkan analisis deret waktu dengan pendekatan waktu dan frekuensi.
Mata Kuliah Pilihan Statistika Teori dan Komputasi
Setelah mengikuti mata kuliah ini, mahasiswa mampu menerapkan teknik pembangkitan bilangan dan simulasi dalam model. Terminologi Dasar, Pembangkitan Bilangan Acak dan Simulasi Monte Carlo, Pembangkitan Variabel Acak Berkelanjutan, Contoh simulasi dan pembangkitan bilangan acak, Contoh simulasi Proses Stokastik (sistem antrian), Contoh Simulasi dalam kasus Riset Operasi, Analisis Statistik untuk output simulasi. Setelah mengikuti mata kuliah ini, mahasiswa mampu menjelaskan dan menerapkan teori optimasi untuk mendukung teknik optimasi.
Konsep Pemrograman Nonlinier, Fungsi Cembung dan Cembung, Menyelesaikan NLP Satu Variabel, Mencari Rasio Emas, NLP Multivariabel Tak Terkendala, NLP Dua Variabel Tak Terkendala, Optimasi Persamaan Terkendali (Pengganda Langrange), Optimasi Terkendali Pertidaksamaan (Kondisi Kuhn Tucker)) , Pemrograman kuadrat, Separable pemrograman. Setelah menyelesaikan mata kuliah ini, mahasiswa mampu mengimplementasikan tipe data abstrak, algoritma pencarian dan pengurutan. Pengantar Pemrograman dan Pemecahan Masalah dengan Pascal, John Wiley and Sons, New York.
Kursus ini memberikan konsep pemrograman web seperti pengembangan sisi klien dan sisi server, halaman web dinamis dan statis menggunakan basis data saat ini atau teknologi terkait dokumen. Setelah mengikuti mata kuliah ini, mahasiswa diharapkan mampu menjelaskan arsitektur, proses pembelajaran dan model Jaringan Syaraf Tiruan (JST) serta mampu menerapkannya pada pemodelan statistik. Konsep dasar pemodelan statistik dan matematika, arsitektur/topologi JST, fungsi aktivasi dan metode penurunan gradien, model dan pembelajaran tentang preceptron, preceptron basis multilayer dan radial, aplikasi JST untuk klasifikasi, pengelompokan dan prediksi.
Setelah mengikuti mata kuliah ini, mahasiswa diharapkan mampu merancang dan membangun sistem komputasi statistik yang user-friendly. Sistem dan komponennya, diagram aliran data, grafik antarmuka pengguna: komponen GUI, desain GUI, Membuat GUI dengan R dan Matlab, membuat fungsi untuk perhitungan statistik, mengimplementasikan sistem dengan GUI, merancang studi kasus dan aplikasi perhitungan statistik. Setelah mengikuti mata kuliah ini, mahasiswa diharapkan mampu menjelaskan metode data mining dan menggunakan teknik data mining untuk keperluan pengenalan pola, clustering, klasifikasi, dan prediksi.
Peran statistika dalam data mining, pengenalan R data mining, metode aturan asosiasi, klasifikasi dengan aturan asosiasi, klasifikasi dengan pohon regresi (decision tree), klasifikasi dengan naive bayes classifier, klasifikasi dengan KNN, konsep Support vector machine dan aplikasinya, clustering dengan K-means. Setelah mengikuti mata kuliah ini, mahasiswa diharapkan mampu menerapkan sistem inferensi fuzzy pada peramalan deret waktu.
Mata Kuliah Pilihan Statistika Ilmu Kehidupan
Setelah mengikuti mata kuliah ini mahasiswa mampu mengeksplorasi hasil analisis deskriptif, menarik kesimpulan tentang populasi dengan analisis deskriptif data sampel dengan memperhatikan sifat sebaran data. Model regresi berganda untuk mengatasi multikolinearitas, model pertumbuhan dan model internal nonlinier, pengenalan model campuran. Setelah menempuh mata kuliah ini mahasiswa mampu melakukan pemodelan regresi berganda yang meliputi Multikolinearitas, Model Pertumbuhan dan Model Intrinsik Non Linier, mengetahui konsep model campuran.
Desain yang lebih kompleks: Uji coba faktorial fraksional, perawatan yang dikacaukan, desain blok terpisah, analisis varians uji coba berulang, menggabungkan beberapa model berdasarkan tempat dan waktu, desain estimasi respons: dua faktor dan tiga faktor. Setelah menempuh mata kuliah ini, mahasiswa mampu merancang penelitian yang lebih kompleks dan menganalisis hasil observasinya. Eksperimen faktorial pecahan, confounded treatment, split block design, analisis variance trial berulang, menggabungkan beberapa model berdasarkan tempat dan waktu, desain estimasi respon: dua faktor dan tiga faktor.
Analisis eksplorasi pada data multivariat meliputi pengujian grafis multivariat dan model eksplorasi data multivariat. Setelah mengikuti mata kuliah ini, mahasiswa mampu menjelaskan dan menerapkan ide dasar eksplorasi pada data multivariat, menerapkannya pada studi kasus, mengeksplorasi dan menggunakan teknik grafis. Tinjauan nilai eigen dan vektor, dan analisis nilai tunggal (SVD), grafik untuk data variabel berganda, analisis eksplorasi multivariat: analisis komponen utama, analisis faktor, analisis kluster, analisis biplot, penskalaan multidimensi, analisis korelasi kanonik, dan analisis korespondensi .
Setelah menyelesaikan mata kuliah ini, mahasiswa mampu menerapkan dan menguasai konsep dasar analisis survival saat membuat inferensi di bidang life sciences. Mann, N.R., Schafer, RE, dan Singpurwalla, N.D., Methods for the Statistical Analysis of Reliability and Lifetime Data, Wiley, New York, 1974. Setelah menyelesaikan kursus, mahasiswa akan dapat menjelaskan konsep dasar dan aplikasi kategorikal metode analisis data. pada variabel respons polytomous, overdispersi dan underdispersi dalam regresi logistik dan loglinear.
Regresi Logistik-Logit untuk Variabel Polytomous, Regresi Probit-Norm untuk Variabel Polytomous, Regresi Gompez-Gompit untuk Variabel Polytomous, Model Loglinear untuk Variabel Polytomous, Overdispersi dan Underdispersi untuk Regresi Logistik dan Loglinear. Setelah menempuh mata kuliah ini mahasiswa mampu mengantisipasi perkembangan statistika dalam bidang ilmu hayati.
Mata Kuliah Pilihan Statistika Ilmu Sosial Ekonomi
Dasar-dasar ekonometrika deret waktu, model ARIMA dan metode Box Jenkins, Pemodelan varian: model ARCH – GARCH, model VAR dan uji kausalitas, model Kointegrasi dan Error – Koreksi, Kasus yang diterapkan dalam ekonomi mikro dan makro. Setelah mengikuti mata kuliah ini, mahasiswa akan dapat memilih dan menerapkan metode smoothing dengan pola data yang berbeda. Jordan Jr, CW, 1967, Life Contingencies: The Society of Actuaries, Chicago, Illinois Larson, RE & Gaumnitz, E., 1962, Live Insurance Mathematic, John Willey & Sons, Inc.
Setelah mengikuti perkuliahan, mahasiswa mampu menerapkan metode peramalan dengan pendekatan waktu dan frekuensi. Setelah mengikuti mata kuliah ini, mahasiswa mampu menerapkan model deret waktu nonlinier dan menguasai konsep perhitungan dan penerapannya. Ikhtisar model ARIMA(p,d,q), uji non-linieritas, model heteroskedastisitas: ARCH, GARCH, GARCH M, EGARCH, IGARCH, GAR, autoregresi ambang batas (TAR), STAR, bilinear, autoregresi ambang ganda (MTAR), Campuran Autoregresi (MAR).
Setelah mengikuti mata kuliah ini, mahasiswa akan mampu menerapkan dan menguasai konsep dasar analisis reliabilitas saat menarik kesimpulan di bidang ekonomi. Setelah mengikuti perkuliahan diharapkan mahasiswa mampu memahami konsep teori ekonomi mikro, metode penelitian ekonomi, pengambilan keputusan tingkat produksi terhadap berbagai karakteristik pasar, dan menjelaskan bagaimana pemerintah dapat mempengaruhi pasar melalui regulasi. Mata kuliah ini membahas ruang lingkup pengantar makroekonomi, isu-isu ekonomi utama untuk setiap negara, konsep pengukuran, variabel makroekonomi, alat kebijakan makroekonomi, peran uang, siklus bisnis, perdagangan internasional, pertumbuhan ekonomi dan sistem ekonomi.
Agar mahasiswa dapat memahami konsep dasar teori ekonomi makro dan mempersiapkan mahasiswa untuk mengikuti mata kuliah lanjutan antara lain: teori ekonomi makro, ekonomi moneter, ekonomi pembangunan, ekonomi internasional dan ekonomi Indonesia. Pengukuran variabel makroekonomi, permintaan agregat dan output ekuilibrium, pasar uang (IS-LM), model (IS-LM), analisis permintaan agregat, kebijakan fiskal dan moneter. Setelah mengikuti mata kuliah ini, mahasiswa dapat mengantisipasi perkembangan ilmu statistika di bidang ekonomi.
Kajian dan pembahasan perkembangan terkini statistika tidak diakomodasi dalam mata kuliah tertentu; SEM. Setelah mengikuti mata kuliah ini, mahasiswa akan mampu menjadi konsultan statistik dengan penekanan pada keterampilan konsultasi dan kemampuan mengoperasikan paket perangkat lunak statistik.
Mata Kuliah Layanan
