Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI SARJANA STATISTIKA
Mata Kuliah:
Analisis Reliabilitas
Kode:
MAS61333
RMK : Sosial Humaniora- Ekonomi
Semester : Ganjil
Dosen Dr. Adji Achmad R. S.Si., M.Sc.
Pendahuluan
Mata kuliah Analisis Reliabilitas adalah mata kuliah yang sudah diampu oleh dosen pengajar secara profesional. Pada mata kuliah ini, dosen pengajar menyampaikan materi dengan menggunakan dua metode yaitu secara teoritis dan praktik (Software R dan SAS). Sehingga, materi yang disampaikan dapat diterima mahasiswa secara efektif. Dalam mengevaluasi hasil akhir pemahaman pada penerapan tugas yang diberikan kepada mahasiswa, nantinya akan kembali kepada kemampuan dasar mahasiswa dan pemahaman mereka terhadap mata kuliah – mata kuliah pendukung. Namun hal tersebut menjadi tantangan bagi dosen pengajar dengan tetap mempelajari seluruh karakter mahasiswa yang mungkin menjadi kendala dalam pemahaman mereka, dan mengubah strategi pengajaran jika diperlukan.
1 Tujuan
Tujuan Umum:
Mata kuliah ini diajarkan supaya mahasiswa mampu menentukan dan menginterpretasikan reliabilitas baik pendekatan non parametrik maupun pendekatan, menerapkan dan
mengevaluasi reliabilitas sistem serta menginterpretasikan hasilnya, menyampaikan hasil analisis reliabilitas dan menyampaikan hasil analisis garansi baik melalui proses manual maupun menggunakan software statistika.
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, sosila humaniora, ekonomi, industri dan hayati.
- 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.
- ILO 6: Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data.
- 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) Analisis Big Data ini adalah:
- CLO1: Mahasiswa mampu memahami definisi, fungsi hazard, Mean Time To
Failure, Mean Time Between Failure, distribusi life time dalam reliabilitas
- CLO2: Mahasiswa mampu menentukan dan menginterpretasikan reliabilitas baik pendekatan non parametrik maupun pendekatan parametrik
- CLO3: Mahasiswa mampu merencanakan, menerapkan dan mengevaluasi reliabilitas sistem serta menginterpretasikan hasilnya
- CLO4: Mahasiswa mampu menyampaikan hasil analisis reliabilitas baik melalui proses manual maupun menggunakan software statistika, secara tertulis maupun lisan, dalam bentuk tugas individu maupun kelompok
- CLO5: Mahasiswa mampu menerapkan analisis garansi secara manual maupun menggunakan software, menyampaikan hasil pemodelan dan 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 persentase tertentu yang detilnya dapat dilihat dapat dilihat pada matriks hubungan antara CLO MK Analisis Big Data dan ILO yang disajikan pada Tabel 1.
Tabel 1. Matriks Hubungan antara CLO dan ILO MK Analisis Reliabilitas
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
CLO1 0.3 0 0.4 0 0.3 0 0 0
CLO2 0.3 0 0.3 0 0.4 0 0 0
CLO3 0.4 0 0.3 0 0.3 0 0 0
CLO4 0 0 0.2 0.2 0.2 0 0.2 0.2
CLO5 0 0 0.2 0.2 0.2 0 0.2 0.2
2 Strategi Pembelajaran
Perkuliahan ini menyajikan materi yang bersifat teori dan konsep penerapan analisis data dengan menggunakan Software R dan SAS. Untuk itu digunakan strategi berikut ini:
- Menyediakan akses materi sebelum perkuliahan (dalam file pdf/ppt) yang dibagikan melalui penanggung jawab kelas. Kemudian membentuk kelompok- kelompok belajar untuk mengumpulkan tugas dan berdiskusi materi yang telah dipelajari.
- Menyajikan materi secara rinci, menyajikan beberapa penurunan rumus - rumus dengan penjelasan yang dapat diikuti secara mandiri, disertai ilustrasi grafik jika perlu.
- Menyajikan materi di depan kelas dengan cara elaborasi detil seluruh teori yang disajikan pada power point, dengan contoh – contoh terapan dan menurunkan beberapa konsep rumus.
- Meminta tanggapan dari mahasiswa selama sesi penyajian materi mengenai perlunya dosen menjelaskan ulang atau memperlambat kecepatan di dalam menjelaskan apabila terdapat materi yang belum dipahami.
- Memberikan latihan kasus untuk dianalisis berdasarkan dengan contoh yang sudah dijelaskan dosen. Dengan cara menyampaikan langkah-langkah yang harus dilakukan untuk menganalisis data.
- Memberikan kuis trivia sesuai dengan materi yang telah disampaikan pada hari itu dan harus dijawab oleh mahasiswa secara cepat dan tepat. Kemudian akan diberikan poin (bintang) bagi mahasiswa yang menjawab dengan benar. Hal ini
digunakan untuk melatih kepahaman mahasiswa terhadap materi yang disampaikan dan poin tersebut berguna untuk membantu nilai mahasiswa.
- Memberikan tugas untuk mencari data/kasus permasalahan yang dapat diolah dengan analisis reliabilitas, sehingga memerlukan banyak waktu untuk elaborasi, maka harus dikerjakan di rumah. Tugas ini dikerjakan baik secara individu maupun kelompok di rumah, dengan masih memungkinkan untuk mengakses materi/catatan namun dilarang plagiasasi milik teman dan kelompok lain.
- Menjelaskan ulang bagian-bagian yang dirasa kurang dipahami (dari hasil pengerjaan tugas yang diberikan) pada pertemuan berikutnya.
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 Selasa, jam 14.00 – 16.30 WIB. Pada setiap pertemuan, mengingat materi perkuliahan yang menuntut konsentrasi tinggi dari mahasiswa, dosen menyajikan materi pada dua sks pertama. 20 sampai 30 menit dari satu sks awal digunakan mahasiswa untuk berlatih dan berdiskusi secara kelompok, menerapkan konsep analisis yang sudah dijelaskan pada kasus yang diberikan. Sedangkan 20 menit terakhir dimanfaatkan untuk melakukan kuis trivia sesuai dengan materi yang disampaikan hari itu dengan jawaban yang cepat dan tepat.
b. Setiap pertemuan mempunyai capaian pembelajaran yang spesifik sesuai materi yang disampaikan. Untuk mengukur ketercapaiannya, telah dirancang pemberian kuis trivia dan tugas yang dikerjakan baik secara individu maupun kelompok.
Hasil kuis trivia atau tugas tersebut dijadikan bahan evaluasi, untuk mengulang bagian – bagian yang dirasa perlu dijelaskan kembali pada pertemuan selanjutnya.
Sesuai yang dirancang pada RPS, mahasiswa mengerjakan beberapa hal berikut ini sebagai bentuk penilaian:
- Tugas 1 untuk memperdalam pemahaman dan wawasan mengenai definisi reliabilitas dan fungsi hazard.
- Tugas 2 untuk materi mean time to failure dan mean time between failure.
- Kuis 1 mengenai fungsi hazard, mean time to failure, mean time between failure, distribusi life time dalam reliabilitas.
- UTS mengenai penerapan dan evaluasi reliabilitas baik pendekatan non parametrik maupun pendekatan parametrik.
- Kuis 2 mengenai penerapan analisis garansi secara manual maupun menggunakan software.
- UAS mengenai analisis reliabilitas dan analisis garansi, hasil pemodelan dan analisisnya secara tertulis.
Semua bentuk penilaian di atas harus dikerjakan baik secara individu maupun kelompok oleh mahasiswa.
4 Isi Perkuliahan
- Penjelasan materi fungsi hazard, mean time to failure, mean time between failure, distribusi life time dalam reliabilitas.
- Penjelasan materi reliabilitas baik pendekatan non parametrik maupun pendekatan
parametrik.
- Penjelasan materi reliabilitas sistem serta menginterpretasikan hasilnya.
- Penjelasan materi analisis reliabilitas baik melalui proses manual maupun menggunakan software statistika.
- Penjelasan materi penerapan analisis garansi secara manual maupun menggunakan software, penyampaian hasil pemodelan dan analisisnya. 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 2016, 2 dari angkatan 2017, dan 1 dari angkatan 2015. Untuk Analisis Reliabilitas kelas A diikuti oleh 42 mahasiswa, dengan komposisi 2 mahasiswa angkatan 2017, 39 mahasiswa angkatan 2016 dan 1 mahasiswa angkatan 2015.
6 Persentase Kehadiran
Kehadiran dosen yakni sebesar 100% dan kehadiran mahasiswa yakni sebesar 98%.
7 Sistem Evaluasi
- Evaluasi per minggu melalui tugas dan kuis trivia yang diberikan pada tiap pertemuan. Dalam pengerjaan tugas dilakukan secara individu maupun kelompok dan untuk kuis trivia dapat dijawab secara individu berdasarkan ketanggapan dan kemampuan menguasai materi oleh tiap mahasiswa. Tujuan dari evaluasi ini adalah untuk menggali pemahaman mahasiswa apakah sudah sesuai dengan tujuan perkuliahan di setiap minggu/pertemuan. Hasil dari kuis trivia dan tugas dimanfaatkan dosen untuk membahas ulang materi yang dirasa kurang pemahamannya.
- Evaluasi beberapa materi melalui Kuis yang mengukur kemampuan pemahaman dari 3 atau 4 pertemuan yang diberikan sebelumnya. Tipe soal tersebut menyerupai soal UTS/UAS, sehingga mahasiwa mempunyai bayangan atau gambaran mengenai persiapan menghadapi UTS/UAS.
- Evaluasi materi sampai dengan tengah semester melalui UTS, yang diselenggarakan secara terjadwal oleh sistem akademik.
- Evaluasi materi setelah tengah semester sampai dengan akhir semester melalui UAS, yang diselenggarakan secara terjadwal oleh sistem akademik.
Pada minggu UTS dan UAS seluruh kegiatan perkuliahan diliburkan selama 2 minggu, sehingga mahasiswa konsentrasi untuk menghadapi UTS/UAS.
Pemberian soal untuk seluruh tipe evaluasi dibuat standar/sama untuk kelas paralel, yang merupakan hasil diskusi dari tim pengajar. Materi yang dievaluasi untuk setiap asessment dan bobotnya dapat dilihat pada Tabel 1.
Tabel 2. Asesmen dan materi yang diukur, serta pembobotan setiap assessment terhadap nilai akhir dan Capaian Pembelajaran Mata Kuliah (Course Learning Outcome – CLO)
Asesment Materi
Bobot terhadap
Nilai Akhir
CLO1 CLO2 CLO3 CLO4 CLO5 Bobot Asesment terhadap CLO (Course Learning
Outcome)
T1
Memperdalam pemahaman dan wawasan mengenai
0.15 0.3 0.4 0.3 0 0
definisi reliabilitas dan fungsi hazard.
T2
mean time to failure dan mean time between failure.
0.25 0 0 0 0.3 0.7
Q1
hazard, mean time to failure, mean time between failure, distribusi life time dalam reliabilitas.
0.1 0.4 0.3 0.3 0 0
Q2
Penerapan analisis garansi secara manual maupun menggunakan software.
0.1 0 0 0.1 0.5 0.4
UTS
Penerapan dan evaluasi reliabilitas baik pendekatan non parametrik maupun pendekatan parametrik.
0.15 0.2 0.3 0.5 0 0
UAS
Analisis reliabilitas dan analisis garansi, hasil pemodelan dan analisisnya secara tertulis.
0.25 0 0 0 0.3 0.7
8 Pengamatan Kelas
Selama perkuliahan mata kuliah Analisis Reliabilitas terdapat mahasiswa aktif yang berpartisipasi dalam merespon atau menanggapi penjelasan materi oleh dosen. Hal tersebut dapat dilihat dari beberapa mahasiswa yang telah mengajukan pertanyaan maupun bersedia maju ke depan untuk menyelesaikan soal/kasus di white board. Akan tetapi dapat diakumulasikan hanya sekitar 50% dari mahasiswa tersebut yang berpartisipasi aktif. Beberapa mahasiswa yang mengikuti perkuliahan juga memiliki pola duduk tertentu di dalam kelas. Lima puluh persen mahasiswa yang termasuk kategori aktif ini adalah mahasiswa yang duduk di 2 barisan terdepan, sedangkan mahasiswa yang duduk di 3 baris belakangnya teramati lebih bersifat pasif namun hal ini tidak sepenuhnya valid.
Sehingga muncul beberapa pengamatan bagi mahasiswa yang bersifat pasif yakni sebagai berikut:
- Berpandangan kosong di kelas
- Tidak terdapat respons atau tanggapan ketika diminta informasi materi berdasarkan pemahaman mereka
- Hanya “menonton” penjelasan dan penurunan rumus yang dilakukan dosen di white board, tanpa mengamati dan membuat catatan atau menjabarkannya sendiri - Bahkan, diantara mereka ada yang tidak membuka catatan apapun di atas bangku
kuliah.
Maka untuk mengantisipasi kecepatan pemahaman yang tidak seragam ini, upaya yang dilakukan dosen adalah mengatur ulang waktu penyampaian, sesuai dengan observasi mengenai pemahaman mahasiswa. Oleh karena itu terdapat beberapa materi yang diundurkan waktu penyampaiannya pada minggu setelah jadwal yang seharusnya, tanpa mengurangi keseluruhan materi yang harus disampaikan dan juga dengan memberikan tugas secara individu atau kelompok sehingga mendorong mahasiswa tersebut untuk belajar dan memahami secara mandiri dan sesama mahasiswa lainnya.
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 tepat pada nilai 80. Pada kedua gambar, setiap sudut dari segi lima merepresentasikan setiap CLO, dan lintasan segi lima 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 beberapa hal berikut ini:
- Semua CLO (CLO1, CLO2, CLO3, CLO4, CLO5) secara rata – rata mencapai nilai excellent, dengan rata – rata di atas 65. Pada 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 Analisis Big Data
CLO1 CLO2 CLO3 CLO4 CLO5
Rata – rata 81.78 81.72 81.27 82.79 82.58
Kategori
Capaian EXCELLENT EXCELLENT EXCELLENT EXCELLENT EXCELLENT Banyaknya
mahasiswa dengan CLO>60
42 42 42 42 42
Persentase mahasiswa dengan CLO>60
100 100 100 100 100
Kategori
Persentasi HIGH 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 UNSATISFACTO Persen < 50 VERY LOW
RY
(a) (b)
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap CLO MK Analisis Reliabilitas
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):
- Semua ILO berada pada kategori capaian Satisfactory yaitu:
ILO1 - Menguasai konsep dasar keilmuan dan metode analisis statistika yang dapat diaplikasikan pada bidang komputasi, sosial humaniora, ekonomi, industri dan hayati
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, dan
ILO6 - Mampu mengambil keputusan secara tepat dalam menyelesaikan masalah di bidang keahliannya berdasarkan hasil analisis informasi dan data. Walaupun tidak semua mahasiswa memperoleh nilai capaian di atas 60 untuk kedua ILO tersebut, namun kategori persentase mahasiswa dengan nilai capaian di atas 60 masih HIGH.
ILO8 - 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 seluruh ILO.
Tabel 5. Deskripsi Nilai dan Kategori Capaian untuk Setiap ILO yang didukung oleh MK Analisi Big Data
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
Rata – rata
terboboti 81.53 82.08 82.65 82.07 82.65 82.65
Kategori Capaian
EXCELL ENT
EXCELL ENT
EXCELL ENT
EXCELL ENT
EXCELL ENT
EXCELL ENT Banyaknya
mahasiswa dengan ILO>60
42 42 42 42 42 42
Persentase mahasiswa dengan ILO?60
100 100 100 100 100 100
Kategori 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 Analisis Reliabilitas
10 Kendala
- Kemampuan/pemahaman mahasiswa mengenai bahasa pemrograman pada Software R dan SAS, sehingga tidak semua mahasiswa dapat mengaplikasikan coding untuk melakukan penyusunan algoritma (syntax) sesuai dengan mata kuliah Analisis Reliabilitas. Sehingga banyak mahasiswa yang mengerjakan manual dengan Ms.Excel atau bahkan hanya menyalin kodingan mahasiswa lain.
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 3% dari rata – rata tersebut. Untuk nilai terendah diperoleh oleh satu mahasiswa dengan nilai 71. Namun ada pula mahasiswa yang berhasil optimal memahami materi dengan nilai 90.
Tabel 2. Statistika Deskriptif Nilai Akhir Analisis Reliabilitas 2019/2020
Rata rata 81,5
Median 81,9
Simpangan baku 4,11577
Range 19,2
Minimum 70,5
Maksimum 89,7
Setelah dikonversi menjadi nilai huruf sesuai standar konversi penilaian, sebaran nilai huruf dapat dilihat pada Gambar 3. Gambar tersebut menunjukkan bahwa terdapat lebih dari separuh mahasiswa memiliki nilai di atas B, bahkan persentase terbesar ada pada nilai A.
Gambar 3. Sebaran nilai akhir huruf MK Analisis Reliabilitas 2019/2020
12 Kesimpulan
- Dengan segala kendala dan kemampuan dasar mahasiswa yang telah diketahui pada nilai akhir yang diperoleh oleh mahasiswa sehingga dapat disimpulkan bahwa penyampaian materi pada perkuliahan oleh dosen masih mencerminkan strategi dan cara pembelajaran yang dapat diterima dengan baik oleh sebagian besar mahasiswa.
- Terdapat beberapa mahasiswa yang masih mengalami kesulitan apabila terdapat tugas yang harus dikerjakan dengan menggunakan coding dengan menggunakan Software R dan SAS sehingga dosen akan memberikan kemudahan dengan menggunakan package yang tersedia atau manual dengan menggunakan Ms.Excel.
81%
17%
2%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
A B+ B
Persen Nilai Huruf
13 Rekomendasi Perbaikan
- Perlu koordinasi dengan pengajar mata kuliah yang menjadi dasar pemahaman di mata kuliah ini. Disarankan agar dosen di mata kuliah dasar selalu memberikan motivasi pemanfaatan teori tersebut pada mata kuliah lain-lainnya.
- Perlu dilakukan penerapan bahasa yang lebih mudah dipahami oleh mahasiswa dalam menyampaikan teori-teori yang terdapat pada materi perkuliahan yang diajarkan oleh dosen pengampu.
- Memberikan pelatihan lebih mengenai coding dengan menggunakan Software R dan SAS agar dapat mengasah keterampilan komputasi pada mata kuliah Analisis Reliabilitas agar dapat menyusun algoritma (syntax) dengan tepat dan cepat.
Lampiran 1
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 dan 6 7
8 dan 9
10 dan 11 12 dan 13 14 dan 15 16 1
7 1
Pendahuluan Kontrak kuliah, Menjelaskan
definisi Reliabilitas Menjelaskan fungsi hazard 2 Mean Time To
Failure dan Mean Time Between
Penjelasan laju kerusakan,
mean time between
failure, dan mean
time to failure pada kasus
analisis reliabilitas
3 KUIS 1 Semua
bahan yang telah
diajarkan pada pertemuan
ke-1 sampai dengan pertemuan
ke-2 4 Distribusi life
time dalam
Pengen alan
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 dan 6 7
8 dan 9
10 dan 11 12 dan 13 14 dan 15 16 1
7
reliabilitas macam
- macam periode umur kompo nen Pengen
alan pendek
atan Distrib
usi ekspon
ensial, distribu
si weibull
, distribu
si normal,
dan distribu
si lognor
mal yang sering diguna kan pada analisis reliabili
tas
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 dan 6 7
8 dan 9
10 dan 11 12 dan 13 14 dan 15 16 1
7 5
dan 6
Reliabilitas pendekatan non parametrik dan pendekatan parametrik
Pengenalan reliabilitas parametrik dan nonparametrik Pengenalan data dikelompokkan dan
yang tidak dikelompokkan pada data kasus pengujian
reliabilitas Pengenalan penyensoran tunggal
beserta contoh- contoh pada analisis
reliabilitas 7 Reliabilitas
sistem
Penjelas an penerap
an reliabilit
as sistem Penjelas an penyeles
aian reliabilit
as sistem
dan interpret
asi 8
dan 9
UT
S
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 dan 6 7
8 dan 9
10 dan 11 12 dan 13 14 dan 15 16 1
7 10
dan 11
Analisis garansi Penjelasan penerapan
analisis garansi secara manual maupun
menggunakan software Pembuatan fungsi sendiri pada software
R 12
dan 13
KUIS 2 Semua bahan
yang telah diajarkan pada pertemuan ke-10
sampai dengan pertemuan ke-11 14
dan 15
Presentasi Presentasi hasil
tugas mengenai hasil analisis
reliabilitas proses manual
maupun menggunakan
software statistika, secara
tertulis maupun lisan, dalam bentuk tugas
individu maupun kelompok
16 Presentasi Presenta
si hasil tugas mengen
ai hasil pemodel an dan
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 dan 6 7
8 dan 9
10 dan 11 12 dan 13 14 dan 15 16 1
7 analisis
nya secara tertulis maupun
lisan, dalam bentuk tugas individu maupun kelomp
ok.
17 UAS
U A S
Kehadiran (%) 89,03 100 97.72 100 99,32 99,32 99,32 99,32 100 100 100 100
Lampiran 2. Daftar Rincian Nilai
No Nama NIM T1 T2 Kuis UTS Kuis2 UAS NA NH
1 Hadyana Putra Palantika 155090507111010 83.2 85.7 53.0 80.0 60.0 66.7 70.5 B
2 Angga Dwie Adyatama 165090500111006 83.7 84.0 70.0 75.0 90.0 84.6 80.7 A
3 Rizka Amil Jelita 165090500111008 83.5 85.0 90.0 80.0 90.0 85.3 85.2 A
4 Anatasius Yosef Fandi 165090500111013 82.8 86.0 90.0 75.0 90.0 84.0 83.6 A
5 Eunike Karestia 165090500111016 84.3 83.3 100.0 65.0 85.0 66.7 77.4 B+
6 Rayoga Rahmansyah 165090500111018 82.7 83.3 75.0 75.0 85.0 84.6 80.5 A
7 Soma Ilhamsyah 165090500111021 83.5 84.5 69.0 85.0 90.0 85.3 83.2 A
8 Farid Ubaidillah 165090500111022 83.5 84.0 75.0 75.0 90.0 84.0 81.3 A
9 Faizal Fahmi Ikroman 165090500111023 83.2 85.7 90.0 85.0 90.0 66.7 81.8 A
10 Putu Laras Putri Pratiwi 165090500111026 83.7 84.0 90.0 93.0 100.0 84.6 89.7 A
11 Nancyta Istighfarda Dwi Ananda 165090501111003 83.5 85.0 55.0 65.0 70.0 85.3 73.2 B
12 Siti Nurlita Halisyah 165090501111004 82.8 86.0 85.0 80.0 100.0 84.0 85.6 A
13 Fadhilah Addin Cahyani 165090501111022 84.7 83.3 80.0 80.0 80.0 66.7 77.5 B+
14 Nikma Rofitanur 165090501111023 82.7 83.3 90.0 80.0 90.0 84.6 84.8 A
15 Nurul Aini Fauzah Rahim 165090501111025 83.5 85.7 100.0 65.0 75.0 85.3 80.7 A
16 Dominica Prima Kurnia Kharismatika Putri 165090501111029 83.5 84.0 65.0 90.0 80.0 84.0 82.0 A
17 Tobias Surya Chrismanata 165090501111035 83.2 85.7 55.0 80.0 80.0 58.4 71.7 B
18 Kartika Novianingtyas 165090501111036 83.7 84.0 68.0 75.0 60.0 84.6 75.9 B+
19 Adam Makinun Amin 165090501111038 83.3 85.0 90.0 85.0 90.0 85.3 86.4 A
20 Pitaloka Senja Prahestya 165090501111039 82.8 83.7 100.0 75.0 100.0 84.0 86.4 A
21 Abela Chairunissa 165090501111040 84.3 83.3 90.0 90.0 90.0 66.7 82.9 A
22 Dinda Pusparani 165090501111043 82.7 83.3 95.0 75.0 90.0 84.6 84.3 A
23 Savira Nurlaily 165090507111001 83.5 85.7 95.0 85.0 55.0 85.3 82.0 A
24 Raden Muhammad Rais Permana 165090507111009 83.5 84.0 65.0 80.0 90.0 84.0 81.0 A
25 Mia Swastining Niati 165090507111012 83.2 85.7 78.0 65.0 80.0 66.7 73.5 B
26 Anindya Darmastuti 165090507111015 83.7 84.0 58.0 85.0 100.0 84.6 82.9 A
27 Okasha Irfan Izzudin 165090507111018 83.5 84.3 90.0 80.0 90.0 85.3 85.1 A
28 Syifa Emilia Mahmuda 165090507111025 84.3 85.0 95.0 90.0 58.0 84.0 83.4 A
29 Intan Kholiilatur Rahmaningrum 165090507111027 84.3 84.3 95.0 80.0 90.0 83.4 85.5 A
30 Anisa Dian Rahmawati 165090507111029 82.7 83.3 85.0 65.0 100.0 84.6 81.8 A
31 Happy Laili Nurjannah 165090507111031 83.5 85.7 85.0 85.0 90.0 85.3 85.7 A
32 Radisha Amarylia Landarto 165090507111032 83.5 84.0 85.0 85.0 90.0 84.0 85.3 A
33 Indah Suciyati Fardani 165090507111033 83.2 85.7 100.0 80.0 90.0 66.7 82.1 A
34 Shandyka Pratama 165090507111040 83.7 84.0 81.0 80.0 70.0 84.6 80.6 A
35 Sutomo Musa Amien 165090507111041 83.5 85.0 90.0 85.0 90.0 85.3 86.4 A
36 Teddy Armana Bastanta 165090507111042 82.8 83.7 75.0 75.0 90.0 84.0 81.2 A
37 Zulfikar Zein Mochtar 165090507111043 84.3 84.3 80.0 80.0 95.0 66.7 79.8 B+
38 Christopel Daniel Mairil 165090507111044 82.7 83.3 70.0 85.0 70.0 84.6 80.0 A
39 Dini Enggar Siwi 165090507111046 83.5 85.7 61.0 85.0 70.0 85.3 79.1 B+
40 Aditya Ilham Pratama 165090519111001 83.5 84.0 98.0 80.0 65.0 84.0 82.2 A
41 Yanuar Rizal Ramadhan 175090501111024 83.2 85.7 90.0 80.0 90.0 66.7 80.6 A
42 Fahmy Kurniawan Putra 175090501111032 83.7 84.0 78.0 80.0 75.0 84.0 80.7 A