P2RP-LP3M UB
Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI SARJANA STATISTIKA
Mata Kuliah:
Ekonometrika
Kode:
MAS61323
RMK:
Ekonomi
Semester:
Ganjil Dosen Rahma Fitriani, S.Si., M.Sc., Ph.D
Pendahuluan
Mata kuliah ini ditawarkan untuk mengakomodasi bidang minat ekonomi yang menjadi salah satu ciri di program studi ini. Pemanfaatan model – model statistika yang digunakan untuk menyelesaikan permasalahan di bidang ekonomi adalah fokus dari mata kuliah ini.
1 Tujuan
Mata kuliah, ini bertujuan untuk mempelajari konsep dasar ekonometrika, dan pemanfaatan analisis regresi di dalam pemodelan (satu persamaan) dan pengujian teori - teori ekonomi dengan data empirik, khususnya yang berbentuk cross section
Mata kuliah Ekonometrika ini diajarkan untuk mendukung Capaian Pembelajaran Program Studi (Intended Learning Outcome - ILO) berikut ini:
- ILO1: 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
- ILO3: 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.
- ILO4: Menguasai minimal dua perangkat lunak statistika, termasuk yang berbasis open source.
- ILO5: 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.
- ILO6: Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data.
- ILO7: Mampu memelihara dan mengembangkan jaringan kerja, serta melakukan supervisi dan evaluasi terhadap kinerja tim yang dipimpinnya.
- ILO8: Mampu menerapkan dan menginternalisasi semangat kemandirian, kejuangan, kewirausahaan berdasarkan nilai, norma, dan etika akademik serta
P2RP-LP3M UB
nilai Pancasila dalam segala aspek kehidupan.
Sedangkan capaian pembelajaran dari Mata Kuliah (Course Learning Outcome - CLO) Ekonometrika adalah:
- CLO 1: Mampu menerapkan konsep dasar ekonometrika
- CLO 2: Mampu memanfaatkan analisis regresi untuk membentuk model empirik (satu persamaan) yang menghubungkan satu variabel respons dengan satu atau beberapa variabel prediktor di bidang ekonomi
- CLO 3: Mampu memanfaatkan analisis regresi untuk menguji teori - teori ekonomi yang berdasar pada data cross section
- CLO 4: Mampu memberikan interpretasi secara ekonomi dari hasil analisis - CLO 5: Mampu menerapkan teknik yang relevan jika menghadapi
ketidaksesesuaian asumsi yang dibutuhkan di dalam analisis regresi
- CLO 6: Memahami dasar - dasar teori untuk teknik ekonometrika yang lebih advanced
- CLO 7: Mahasiswa mampu menyampaikan hasil analisisnya secara tertulis maupun lisan, dalam bentuk tugas individu maupun kelompok
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 Ekonometrika dan ILO yang disajikan pada Tabel 1.
Tabel 1. Matriks Hubungan antara CLO dan ILO MK Ekonometrika
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
CLO1 0.35 0 0.35 0 0.3 0 0 0
CLO2 0.25 0 0.3 0.3 0.15 0 0 0
CLO3 0.25 0 0.3 0.3 0.15 0 0 0
CLO4 0.35 0 0.35 0 0.3 0 0 0
CLO5 0 0.1 0.3 0.3 0.3 0 0 0
CLO6 0.35 0 0.35 0 0.3 0 0 0
CLO7 0 0 0.3 0 0.2 0 0.25 0.25
2 Strategi Pembelajaran
Mata kuliah ini adalah mata kuliah pilihan dengan syarat mahasiswa sudah menempuh/lulus mata kuliah Pengantar Ilmu Ekonomi dan Ekonomi Mikro, di mana mahasiswa mempunyai wawasan mengenai teori – teori ekonomi yang menjadi pembahasan utama di mata kuliah ini. Wawasan tersebut dibutuhkan di dalam interpretasi hasil analisis.
Karena mata kuliah ini banyak mengangkat kasus dari bidang ilmu Ekonomi, maka penyampaian materi perkuliahan selalu diawali dari masalah – masalah di bidang Ekonomi dan model Statistika seperti apa dapat memberikan solusi dari permasalahan tersebut. Strategi yang diterapkan dapat dirinci sebagai berikut:
- Menyediakan akses materi sebelum perkuliahan (dalam file pdf/ppt pada blog dosen: http://rahmafitriani.lecture.ub.ac.id/, dan pada forum di Google Classroom).
P2RP-LP3M UB
- Menjelaskan di awal pertemuan mengenai masalah ekonomi yang terlibat, dan bagaimana pemanfaatan model statistika untuk menjawab masalah
- Menjelaskan konsep pemodelan dan teori statistika matematika yang terlibat - Memberikan contoh interpretasi yang benar dari hasil pemodelan
- Memanfaatkan Excel dan Gretl sebagai alat bantu hitung.
- Meminta masukan dari mahasiswa selama sesi penyajian materi mengenai perlunya dosen menjelaskan ulang atau memperlambat kecepatan di dalam menjelaskan.
- Memberikan tugas yang membutuhkan penurunan rumus dari model dasar dan interpretasi
- Memberikan tugas untuk melatih ketrampilan menggunakan software.
3 Pengelolaan Perkuliahan
Mata kuliah ini adalah mata kuliah 3 sks. Pertemuan terjadwal satu minggu sekali (3 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 9.20 – 12.00 WIB.
b. Materi yang sudah diakses mahasiswa sebelum perkuliahan. Dua sks pertama (100 menit) digunakan untuk menjelaskan teori dan pemanfaatan model untuk menjawab permasalahan ekonomi yang bersesuaian. 1 sks terakhir digunakan untuk mempraktekkan pemanfaatan software dalam konsep pemodelan.
c. Setiap pertemuan mempunyai capaian pembelajaran yang spesifik sesuai materi yang disampaikan. Untuk mengukur ketercapaiannya, telah dirancang pemberian post test dan tugas. Hasil tugas tersebut dijadikan bahan evaluasi, untuk mengulang bagian – bagian yang dirasa perlu pada pertemuan selanjutnya. Sesuai yang dirancang pada RPS, mahasiswa mengerjakan beberapa hal berikut ini sebagai bentuk penilaian:
- Tugas review analisis regresi
- Post Test tentang Interpretasi Model dan bentuk Fungsi - Post Test tentang Regresi Dummy
- Kuis 1 tentang model regresi, bentuk fungsi dan regresi dummy - Post Test tentang Asumsi model
- Kuis 2 tentang asumsi model - Post Test tentang Regresi Panel - UTS
- UAS
4 Isi Perkuliahan
- Definisi Ekonometrika dan Overview Analisis Regresi
- Penanganan Data Ekonometrika dan Analisis Lanjutan dalam Regresi Linier - Analisis regresi berganda dan penggunaannya di dalam ekonometrika
- Model regresi dengan variabel dummy
P2RP-LP3M UB
- Asumsi - asumsi yang mendasari analisis regresi, pengujian, efek pelanggaran dan bagaimana mengatasinya dalam konteks data ekonomi
- Model regresi dengan data panel
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 31 Mahasiswa Program Studi Sarjana Statistika FMIPA UB, yang mayoritas ada pada semester 5 (angkatan 2017), dan 8 mahasiswa semester 7 (angkatan 2016).
6 Persentase Kehadiran
Dari 14 kali pertemuan yang direncanakan, seluruhnya terealisasi (100%). Dari pertemuan yang terealisasi dihadiri secara rata – rata 98% mahasiswa.
7 Sistem Evaluasi
- Evaluasi per minggu melalui pos test dan tugas. Tujuan dari evaluasi ini adalah untuk menggali pemahaman mahasiswa apakah sudah sesuai dengan tujuan perkuliahan di setiap minggu/pertemuan. Hasil dari tugas dimanfaatkan dosen untuk membahas ulang materi yang dirasa kurang pemahamannya.
- Evaluasi beberapa materi melalui Kuis yang mengukur pemahaman dari 3 atau 4 pertemuan. 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.
- Evaluasi materi setelah tengah semester sampai dengan akhir semester melalui UAS.
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 (Course Learning Outcome – CLO)
Asesm
en Materi
Bobot terhadap Nilai Akhir
CLO 1
CLO 2
CLO 3
CL O4
CLO 5
CLO 6
CLO 7 Bobot Asesment terhadap CLO (Course Learning
Outcome)
Sikap - 0.08 0.14
28
0.142 8
0.14 28
0.14 28
0.14 28
0.142 8
0.14 28
T1 Review regresi 0.15 0.4 0.2 0.2 0.1 0 0 0.1
PT1 Interpretasi dan
Bentuk Fungsi 0.035 0.1 0.4 0.2 0.2 0 0 0.1
PT2 Reg Dummy 0.035 0.1 0.2 0.4 0.2 0 0 0.1
PT3 Asumsi model
Regresi 0.035 0.1 0 0 0.2 0.6 0 0.1
P2RP-LP3M UB
PT4 Regresi Panel 0.035 0.1 0.1 0 0.2 0 0.5 0.1
Kuis 1
model regresi, bentuk fungsi dan regresi dummy
0.075 0.1 0.3 0.3 0.3 0 0 0
Kuis 2 asumsi model 0.075 0.1 0 0 0.3 0.3 0.3 0
UTS Regresi, Interpretasi
dan Regresi dummy 0.24 0 0.4 0.4 0.2 0 0 0
UAS Asumsi-asumsi dan
regresi panel 0.24 0 0 0 0.2 0.4 0.4 0
8 Pengamatan Kelas
Mahasiswa secara umum berpartisipasi aktif di dalam kegiatan perkuliahan. Pemberian motivasi mengenai pemanfaatan model pada kasus terapan (bidang Ekonomi) dirasa cukup efektif memotivasi dan menarik minat mahasiswa. Pendekatan praktek/demo pemanfaatan software di depan kelas berhasil memancing ketertarikan mahasiswa untuk mencoba sendiri. Di hampir setiap pertemuan selalu ada beberapa mahasiswa yang menanyakan atau mengklarifikasi penjelasan dari materi yang sudah dapat diakses sebelumnya.
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 enam merepresentasikan setiap CLO, dan lintasan segi enam terluar menunjukkan capaian yang paling tinggi. Semakin luar posisi garis biru, maka semakin tinggi indeks capaian dari suatu CLO.
Tabel 3. Deskripsi Nilai dan Kategori Capaian untuk Setiap CLO MK Ekonometrika
CLO1 CLO2 CLO3 CLO4 CLO5 CLO6 CLO7
Rata - rata terboboti 77.95 75.28 76.01 74.38 71.29 73.67 80.05 Kategori Capaian
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT ORY
EXCE LLENT Banyaknya mahasiswa
dengan CLO>60 29 26 26 27 27 26 29
Persentase mahasiswa
dnegan CLO>60 93.55 83.87 83.87 87.1 87.1 83.87 93.55 Kategori Persentase HIGH HIGH HIGH HIGH HIGH HIGH HIGH
P2RP-LP3M UB
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
Dari deskripsi capaian pembelajaran mata kuliah (CLO) yang ditampilkan pada Tabel 3, sesuai dengan kategori capaian yang tersaji pada Tabel 4, dapat disimpulkan beberapa hal berikut ini:
- Dari tujuh CLO mata kuliah ini, hanya satu CLO yang secara rata – rata mencapai kategori capaian excelllent, yaitu CLO 7 (Mahasiswa mampu menyampaikan hasil analisisnya secara tertulis maupun lisan, dalam bentuk tugas individu maupun kelompok) walaupun tidak semua (93%) dari mahasiswa berhasil memperoleh nilai capaian di atas 60.
- Enam CLO yang lain, yang sifatnya lebih ke pemahaman teknis dan terapan mengenai prinsip ekonometrika masih berada pada kategori capaian satisfactory, dengan presentase mahasiswa dengan nilai capaian yang juga masih berkisar di antara 83 – 93 persen.
- CLO 5 mengenai kemampuan mahasiswa menerapkan teknik relevan jika menghadapi ketidaksesesuaian asumsi yang dibutuhkan di dalam analisis regresi, mendapatkan nilai capaian rata – rata yang paling rendah.
- Diperlukan modifikasi cara penyampaian agar pada angkatan selanjutnya enam CLO yang berhubungan langsung dengan ketrampilan teknis Ekonometrika, terutama CLO 5, dapat dicapai lebih baik lagi.
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap CLO MK Ekonometrika
(a) (b)
P2RP-LP3M UB
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 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.
Beberapa hal yang dapat disimpulkan dari dukungan mata kuliah ini terhadap Capaian Pembelajaran Program Studi (ILO):
- 2 ILO memperoleh capaian excellent secara rata – rata yaitu:
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.
Dua ILO ini berhubungan dengan sikap dan etos kerja, yang capaiannya optimal dari perkuliahan ini. Persentase mahasiswa dengan nilai capaian di atas 60 pada kedua ILO ini juga paling tinggi (93.55%) walaupun belum sampai 100%.
- 5 ILO yang memperoleh capaian excellent secara rata – rata, 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.
ILO5: 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.
Dari kelima ILO semuanya berhubungan langsung dengan wawasan dan kemampuan memanfaatkan ekonometrika. Masih sekitar 80 - 87% mahasiswa yang memperoleh nilai capaian di atas 60 pada mata kuliah ini.
P2RP-LP3M UB
Tabel 5. Deskripsi Nilai dan Kategori Capaian untuk Setiap ILO yang didukung oleh MK Ekonometrika
ILO1 ILO2 ILO3 ILO4 ILO5 ILO
6 ILO7 ILO8 Rata - rata terboboti 75.21 71.29 74.87 74.37 74.59 80.05 80.05
Kategori Capaian
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT ORY
SATIS FACT
ORY
EXCE LLEN T
EXCE LLEN T Banyaknya mahasiswa
dengan CLO>60 27 27 27 25 27 29 29
Persentase mahasiswa
dnegan CLO>60 87.1 87.1 87.1 80.65 87.1 93.55 93.55
Kategori Persentase HIGH HIGH HIGH HIGH HIGH HIGH HIGH
Gambar 2. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap ILO yang didukung oleh MK Ekonometrika
10 Kendala
- Wawasan mahasiswa yang kurang tentang latar belakang kasus di bidang ekonomi, sehingga belum optimal dalam interpretasi
- Pemahaman teori pada analisis regresi yang kurang, padahal analisis tersebut adalah alat utama yang digunakan.
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 nilai mahasiswa adalah 74.86 untuk materi secara keseluruhan, dengan kurang dan lebihnya 11.15 poin dari rata – rata tersebut. Nilai terendah pun masih di atas 50, yakni sebesar 51.59, dan nilai maksimum 92.2.
(a) (b)
P2RP-LP3M UB
Tabel 2. Statistika Deskriptif Nilai Akhir Ekonometrika 2019/2020
Rata - rata 74.86
Simpangan Baku 11.15
Rentang 40.61
Min 51.59
Max 92.2
Setelah dikonversi menjadi nilai huruf sesuai standar konversi penilaian, sebaran nilai huruf dapat dilihat pada Gambar 6. Dari gambar tersebut, dapat dilihat bahwa walaupun persentase tertinggi mahasiswa memperoleh nilai A (29%), masih ada 6.45% mahasiswa memperoleh nilai D+. Mahasiswa – mahasiswa inilah yang belum berhasil memperoleh nilai capaian yang optimal.
Gambar 3. Sebaran nilai akhir huruf MK Ekonometrika 2019/2020
12 Kesimpulan
- Dengan segala kendala dan kemampuan dasar mahasiswa yang sudah “given”
nilai capaian yang diperoleh masih mencerminkan bahwa strategi dan cara pembelajaran dapat diterima dengan baik oleh sebagian besar mahasiswa.
- Wawasan kasus di bidang – bidang ekonomi yang kurang, sehingga mahasiswa kurang tepat di dalam menginterpretasikan hasil analisis.
- Review terhadap materi analisis regresi dan teori peluang yang mendasarinya perlu diperbanyak, mengingat capaian yang berhubungan dengan dua hal tersebut masih belum optimal.
13 Rekomendasi Perbaikan
- Melatih lebih banyak lagi interpretasi secara tepat sesuai kasus riil.
- Memperbanyak review teori yang berhubungan dengan analisis regresi dan teori peluang yang mendasarinya.
P2RP-LP3M UB
Lampiran 1
Minggu ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 Kontrak Kuliah
kontr ak kulia
h
Definisi ekonometri ka dan posisi statistika di dalam ekonometri
ka
Metodolog i dalam Ekonometr
ika
Tipe data dan sumber data untuk analisis
ekonomi
2 Konsep fungsi regresi populasi vs sampel dalam
konteks
Definisi ekonome trika dan ruang lingkupn
ya
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
nilai harapan bersyarat MKT sebagai metode pendugaan parameter dan asumsi - asumsi yang
digunakan
Sifat - sifat penduga MKT (Teorema Gauss
Markov)
Ukuran kebaikan model R2 dan penggunaa nnya untuk perbanding
an model
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
3 Uji hipotesis parameter model, selang kepercayaa
n
Review analisis regresi
Contoh analisis dan praktik langsung mengguna kan Excel
dan Gretl
Skala dan unit pengukura n, bentuk - bentuk fungsional model
regresi
4 Transform asi ln, pembedaan , laju pertumbuh
an
pendu ga OLS
dan sifatn
ya
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Pemilihan bentuk
fungsional
5 Penduga MKT bagi regresi linier berganda dalam notasi
matriks
penang anan
data ekono metrik a
Kriteria pemilihan model terbaik adj R2, AIC, FPE, SBC,
HQC
6 Uji parsial, uji simultan, uji linear restriction, likelihood ratio, uji
Wald
model- model regresi dan regresi berganda
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Contoh analisis dan praktik langsung mengguna kan Excel
dan Gretl
7 Tipe kasus dengan regresi
dummy
kuis
8,9 UTS UTS
10 Asumsi normalitas, uji
pedeteksia n, efek pelanggara n dan cara menangani
nya
regresi dgn var
dummy
Contoh analisis dan praktik langsung mengguna kan Excel
dan Gretl
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Asumsi Non Multikolini eritas, pendeteksi an, efek pelanggara n dan cara menangani
nya
11 Contoh analisis dan praktik langsung mengguna kan Excel
dan Gretl
regresi dsn var dummy/c
ontoh kasus asumsi
non multikoli
nierits
Asumsi homokedas tisitas, uji pedeteksia
n,
12 Efek pelanggara n asumsi homokedas tisitas dan
cara
asum si norm alitas
dan
non
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
menangani nya
multi kolini er Contoh
analisis dan praktik langsung mengguna kan Excel
dan Gretl
13 Asumsi non autokorela si serial, uji pedeteksia n, efek pelanggara n dan cara menangani
nya
Asumsi Heteroke dastisitas
Contoh analisis dan praktik langsung mengguna kan Excel
dan Gretl
P2RP-LP3M UB Minggu
ke
Materi Pembelajar
an yang direncanak
an
Realisasi Materi yang diajarkan per minggu
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
14 Data panel, model fixed effect, random
effect Asumsi
non autokor
elasi
Contoh analisis dan praktik langsung mengguna kan Excel
dan Gretl
15, 16 Presentasi hasil tugas kelompok
regresi dengan data panel missspesificatio
n
17 UAS
UA S
P2RP-LP3M UB
Lampiran 2. Daftar Rincian Nilai
No NIM Nama Sikap
PT Interpretasi dan Bentuk
Fungsi
PT Reg Dummy
PT Asumsi
PT
Panel Kuis 1 Kuis 2
Tugas Review Regresi
UTS UAS
1 '165090501111011 Windri Istyarini 79 0 91 80 90 81 60 58 44 39
2 '165090507111004 Ditia Tahta Pramudita 86 60 93 45 50 75 100 74 65.5 64
3 '165090507111008 Fairuz Zada Zayyana 100 60 100 80 80 81 60 87 83.5 68
4 '165090507111014 Melati Sukma Ayu
Rahmansyah 100 60 100 45 91 90 60 89 78 86
5 '165090507111027 Intan Kholiilatur
Rahmaningrum 93 60 100 80 90 80 40 74 61.5 63
6 '165090507111028 Rifaldi Raja Alamsyah 93 90 100 80 90 79 45 68 56.5 60
7 '165090507111042 Teddy Armana Bastanta 100 60 98 45 90 89 100 87 64 67
8 '165090507111044 Christopel Daniel Mairil 93 60 98 40 74 100 60 68 74
9 '175090500111002 Riska Mei Anggreani 100 100 78 100 90 89 55 89 70 72
10 '175090500111003 Rismania Hartanti Putri
Yulianing Damayanti 100 100 86 45 90 87 100 80 92 89
11 '175090500111004 Defit Fitri Yuliana 100 65 63 0 75 50 79 92 82
12 '175090500111007 Endang Krisnawati 100 100 100 45 100 100 100 88 94 89
13 '175090500111010 Gina Amalia Husna 100 100 100 45 80 91 100 86 86 98
14 '175090500111013 Rizki Nurani Aisha 100 96 100 100 100 92 75 86 78 70
15 '175090500111015 Chandra Malik Syamasy 100 90 100 90 90 94 100 72 79 60
16 '175090500111016 Muhammad Irvan
Reinardsyah 100 65 63 40 80 95 100 68 71.5 68
17 '175090500111018 Melati Fitriyani 100 90 100 45 90 100 40 85 78 76
18 '175090500111019 Sausan Dian Maulida 93 30 56 0 60 77 30 54 53.5 42
P2RP-LP3M UB
No NIM Nama Sikap
PT Interpretasi dan Bentuk
Fungsi
PT Reg Dummy
PT Asumsi
PT
Panel Kuis 1 Kuis 2
Tugas Review Regresi
UTS UAS
19 '175090500111034 Firman Indrawan Baroro 93 100 66 70 70 93 40 83 64 61
20 '175090500111035 Fabiola Puspa Pratiwi 100 45 65 45 60 69 20 75 51.5 58
21 '175090500111041 Femy Rahayu
Quientania 100 30 88 100 95 88 80 80 73 71
22 '175090501111021 Miftachul Ilmi 100 95 100 100 70 89 100 87 96 86
23 '175090501111023 Septika Ningrum Riski
Irawati 100 60 93 45 70 100 75 83 84.5 83
24 '175090501111025 Aprilliah 100 25 80 45 70 88 60 64 44.5 66
25 '175090501111033 Achmad Nadjih
Fadhelan 100 45 68 45 65 72 60 61 47 63
26 '175090507111015 Fathiyatul Laili Nur
Rasyidah 100 60 90 45 90 83 80 87 87 94
27 '175090507111020 Yunia Hasnataeni 100 35 63 45 45 84 35 67 65.5 57
28 '175090507111027 Adinda Putri Nabila 100 75 78 80 80 76 80 74 67.5 89
29 '175090507111029 Moses Galuh Wilianto 93 0 20 40 0 73 60 60 56.5 62
30 '175090507111030 Febrina Khairani 100 92 81 45 65 80 100 83 65 78
31 '175090520111001 Muhammad Nur Dzakki 100 74 65 45 70 100 100 80 98 79