P2RP-LP3M UB
Portofolio Perkuliahan
UNIVERSITAS BRAWIJAYA
FAKULTAS MIPA
JURUSAN STATISTIKA / PROGRAM STUDI SARJANA STATISTIKA
Mata Kuliah:
Pengantar Teori Peluang
Kode:
MAS62111
RMK:
Teori dan Komputasi
Semester:
Genap Dosen Dr. Adji Achmad R. S.Si., M.Sc.
Pendahuluan
Mata kuliah Pengantar Teori Peluang adalah mata kuliah yang diampu oleh dosen pengajar secara profesional. Proses pembelajaran dilakukan melalui teori dan praktek menggunakan software R maupun Microsoft Excel. Dosen pengajar memiliki strategi yang tepat untuk 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 bertujuan untuk mempelajari Konsep peluang, Peubah Acak dan distribusi peluang, Nilai harapan, distribusi peluang Diskrit, Distribusi peluang kontinu, Aplikasi Peluang. 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) Pengantar Teori Peluang ini adalah:
P2RP-LP3M UB
- CLO1: Mahasiswa mampu memahami dan menerapkan konsep peluang.
- CLO2: Mahasiswa mampu memahami dan menerapkan konsep peubah acak dan distribusi peluang.
- CLO3: Mahasiswa mampu memahami dan menerapkan konsep Nilai Harapan.
- CLO4: Mahasiswa mampu memahami dan menerapkan konsep Distibusi Peluang Diskrit.
- CLO5: Mahasiswa mampu memahami dan menerapkan konsep Distibusi Peluang Kontinu.
- CLO6: Mahasiswa mampu memahami dan menerapkan Aplikasi Peluang dalam bentuk tugas tertulis secara individu.
Tabel 1. Matriks Hubungan antara CLO dan ILO MK Pengantar Teori Peluang
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
CLO1 0.5 0 0 0 0.5 0 0 0
CLO2 0.5 0 0 0 0.5 0 0 0
CLO3 0.5 0 0 0 0.5 0 0 0
CLO4 0.5 0 0 0 0.5 0 0 0
CLO5 0.5 0 0 0 0.5 0 0 0
CLO6 0 0 0 0 0.33 0.33 0 0.33
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 ketua kelas kepada mahasiswa pengampu mata kuliah Pengantar Teori Peluang.
- Membentuk kelompok belajar. Kelompok – kelompok belajar dibentuk supaya dapat mengerjakan tugas kelas melalui diskusi mengenai materi yang telah diterima secara efektif dan efisien.
- Menyajikan materi di depan kelas secara detil, menyajikan rumus – rumus yang dapat diikuti secara mandiri, disertai ilustrasi grafik jika perlu.
- 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.
- 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
P2RP-LP3M UB
materi yang diberikan pada pertemuan tersebut. Tujuan memberikan tugas terstruktur disetiap pertemuan agar mahasiswa mampu melakukan diskusi bersama teman satu kelompok dan menciptakan mahasiswa yang paham mengenai materi beserta penerapan pada kasus nyata.
- Menjelaskan ulang bagian-bagian yang dirasa kurang dipahami (dari tugas yang pernah diberikan) pada pertemuan berikutnya.
3 Pengelolaan Perkuliahan
Mata kuliah ini adalah mata kuliah 3 sks ditambah responsi. 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. Responsi dilaksanakan sesuai kesepakatan mahasiswa dengan asisten responsi yang dimulai pada minggu ke 5 perkulihan dengan waktu 60 menit untuk setiap pertemuan.
Perkuliahan:
a. Jadwal: Pertemuan dijadwalkan setiap hari Senin, jam 07.30 – 10.10 WIB. Pada setiap pertemuan, mengingat materi perkuliahan yang menuntut konsentrasi tinggi dari mahasiswa, dosen menyajikan materi pada dua 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 hal berikut ini sebagai bentuk penilaian:
- Tugas 1: Mengenai Kombinatorika - Tugas 2: Mengenai Peluang Bersyarat - Tugas 3: Mengenai Peubah acak ganda - Tugas 4: Mengenai Peubah Acak Kontinu - Tugas 5: Mengenai Peubah Acak Disret Khusus - Tugas 6 : Mengenai Peubah Acak Kontinu Khusus - Tugas 7: Mengenai Momen
- Tugas 8 : Mengenai Proses Stokastik
- Kuis 1 : Mengenai Analisis Kombinatorika, Peluang dan Peluang Bersyarat - Kuis 2 : Mengenai Peubah Acak Diskret Khusus
- UTS : Mengenai Peluang bersyarat, Peubah Acak Diskret, Peubah Acak Kontinu, Peubah Acak yang Menyebar Bersama dan Nilai Harapan - UAS : Mengenai Peubah Acak Kontinu Khusus dan Proses Stokastik
Bentuk penilaian Tugas 1 (T1), Tugas 2 (T2), Tugas 3 (T3), Tugas 4 (T4), Tugas 5 (T5), Tugas 6 (T6), Tugas 7 (T7) dan Tugas 8 (T8) dikerjakan secara berkelompok
P2RP-LP3M UB
maupun mandiri dan bentuk penilaian Kuis 1 (Q1) dan Kuis 2 (Q2) dikerjakan secara mandiri oleh mahasiswa.
Responsi
- Diselenggarakan dengan tujuan pemantapan materi, melalui sesi diskusi dan mengerjakan berbagai latihan soal
- Materi responsi yang disampaikan setiap minggunya adalah hasil diskusi dengan dosen, sesuai dengan kecepatan penyampaian materi perkuliahan setiap
pertemuan di kelas.
- Menyediakan pedoman responsi untuk seluruh asisten dan mahasiswa
- Asisten memberikan penjelasan singkat mengenai materi responsi di depan kelas - Mahasiswa mengerjakan latihan soal dari buku pedoman responsi.
- Asisten responsi menjawab pertanyaan dari mahasiswa jika ada materi yang kurang dipahami saat responsi maupun kuliah.
- Sistem evaluasi dari responsi berupa keaktifan dan pemahaman mahasiswa setiap waktu responsi, hasil latihan soal dan ujian responsi.
- Responsi diselenggarakan 8 kali, dan baru dapat dimulai pada minggu ke 5 (kebijakan PS untuk memberi waktu dalam penjaringan asisten dan akumulasi materi dari dosen) dan tidak dilaksanakan selama minggu UTS (8 dan 9) dengan rincian meteri setiap minggu sebagai berikut:
1) Minggu ke-5: Kontrak responsi
2) Minggu ke-6: Kombinatorik dan peluang 3) Minggu ke-7: Bayes dan pembahasan UTS 4) Minggu ke-10: Ujian Tengah responsi 5) Minggu ke-11: Sebaran Peluang Diskret 6) Minggu ke-12: Sebaran Peluang Kontinu
7) Minggu ke-13: Sebaran Peluang bersama, Marginal, Nilai Harapan, Ragam, Rantai Markov
8) Minggu ke-14: Ujian Akhir Responsi (UAR) 4 Isi Perkuliahan
- Konsep Peluang : Ruang Contoh, Kejadian, Menghitung titik contoh, Peluang Kejadian, Aturan Penjumlahan, Teorema Bayes, Peluang bersyarat, independen, Aturan Perkalian
- Peubah Acak dan Distribusi Peluang : Konsep Peubah Acak, Distribusi Peluang Diskrit, Distribusi Peluang Kontinu, Distribusi Peluang gabungan, distribusi Peluang marginal
- Nilai harapan : Rata-rata Peubah Acak, Varians dan Kovarians Peubah Acak, Rata-rata, varians dan kovarians kombinasi linier peubah acak, Teorema Chebyshev's
- Distribusi Peluang Diskrit: Distribusi Binomial, Multinomial, Hipergeometrik, Perluasan Hipergeometri, Geometrik, Binomial Negatif, Poisson dan Proses Poisson
P2RP-LP3M UB
- Distribusi Peluang Kontinu: Distribusi Uniform kontinu, Normal, Exponensial, gamma, Khi kuadrat, Beta, Lognormal, Weibull
- Aplikasi Peluang: Pengantar Proses Stokastik
Kesesuaian antara materi perkuliahan yang dirancang pada kurikulum dengan prakteknya dapat dilihat pada Lampiran 1.
5 Peserta Kuliah
Mata kuliah ini adalah mata kuliah wajib yang diikuti oleh Mahasiswa Program Studi Sarjana Statistika FMIPA UB, angkatan 2019. Pengantar Teori Peluang terdapat empat kelas yaitu kelas A, B, C, dan D. Kelas D diikuti oleh 46 mahasiswa angkatan 2019.
6 Persentase Kehadiran
Kehadiran dosen adalah 100%
Kehadiran mahasiswa di perkuliahan rata – rata sebesar 99%
Kehadiran mahasiswa di responsi rata – rata sebesar 100%
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 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.
Soal untuk seluruh tipe evaluasi dibuat standar/sama untuk setiap mahasiswa. 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
CLO 1 CLO 2 CLO 3 CLO 4 CLO 5 CLO 6 Bobot Asesment terhadap CLO (Course Learning Outcome)
ABS 0.05 0.167 0.167 0.167 0.167 0.167 0.167
T1 Kombinatori
ka 0.01875 0.9 0 0 0 0 0.1
T2 Peluang
Bersyarat. 0.01875 0.9 0 0 0 0 0.1
P2RP-LP3M UB
T3 Peubah acak
ganda. 0.01875 0 0.9 0 0 0 0.1
T4 Peubah Acak
Kontinu. 0.01875 0.2 0.3 0 0.4 0 0.1
T5
Peubah Acak Disret Khusus.
0.01875 0.2 0.3 0 0.4 0 0.1
T6
Peubah Acak Kontinu Khusus.
0.01875 0.2 0.3 0 0 0.4 0.1
T7 Momen 0.01875 0.2 0.3 0 0 0.4 0.1
T8 Proses
Stokastik 0.01875 0.2 0.3 0 0.4 0 0.1
Q1
Analisis Kombinatori
ka, Peluang dan Peluang Bersyarat.
0.1 0.5 0.5 0 0 0 0
Q2
Peubah Acak Diskret Khusus.
0.1 0 0 0 1 0 0
UTS
Peluang bersyarat, Peubah Acak
Diskret, Peubah Acak
Kontinu, Peubah Acak
yang Menyebar Bersama dan
Nilai Harapan.
0.33 0.33 0.33 0 0 0 0.33
UAS
Peubah Acak Kontinu Khusus dan
Proses Stokastik.
0 0 0 0.5 0.5 0 0
Responsi Semua
materi 0.1 0.167 0.167 0.167 0.167 0.167 0.167
8 Pengamatan Kelas
Selama perkuliahan mahasiswa akan memenuhi bangku baris pertama, kedua, dan ketiga terlebih dahulu sedangkan bagi mahasiswa yang terlambat dapat menempati bangku yang masih kosong atau bangku di baris keempat. 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
P2RP-LP3M UB
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 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 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:
- Hanya CLO5 (Mahasiswa mampu memahami dan menerapkan konsep Nilai Harapan) dan CLO6 (Mahasiswa mampu memahami dan menerapkan Aplikasi Peluang dalam bentuk tugas tertulis secara individu.) secara rata – rata mencapai nilai excellent, dengan rata – rata di atas 80. Pada CLO ini 100% mahasiswa memperoleh nilai capaian di atas 60.
- CLO selain CLO5 dan CLO6 selainnya berada pada kategori pencapaian satisfactory.
- 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 Pengantar Teori Peluang
CLO1 CLO2 CLO3 CLO4 CLO5 CLO6
Rata – rata 78.12 78.98 81.6 76.9 78.45 88.83
Kategori Capaian SATISFA CTORY
SATISFA CTORY
EXCELL ENT
SATISFA CTORY
SATISFA CTORY
EXCELL ENT
Banyaknya 46 46 45 46 46 46
P2RP-LP3M UB
mahasiswa dengan CLO>60
Persentase mahasiswa
dengan CLO>60 100 100 97.83 100 100 100
Kategori Persentasi HIGH 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 UNSATISFACTORY Persen < 50 VERY LOW
(a) (b)
Gambar 1. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
>60 di setiap CLO MK Pengantar Teori Peluang
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:
0 20 40 60 80 100CLO1
CLO2
CLO3
CLO4 CLO5
CLO6
Weighted-avg-based CLO's AI
Achievement Index of MAS62111
96 97 98 99 100CLO1
CLO2
CLO3
CLO4 CLO5
CLO6
Student num-based CLO's AI
Achievement Index of MAS62111
P2RP-LP3M UB
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 Pengantar Teori Peluang
ILO1 ILO2 ILO3 ILO4 ILO5 ILO6 ILO7 ILO8
Rata – rata
terboboti 78.3 78.59 88.83 88.83
Kategori Capaian
SATISFA CTORY
SATISFA CTORY
EXCELL ENT
EXCELL ENT Banyaknya
mahasiswa dengan ILO>60
46 46 46 46
Persentase mahasiswa dengan ILO?60
100 100 100
Kategori HIGH HIGH HIGH
P2RP-LP3M UB
(a) (b)
Gambar 2. Visualisasi (a) indeks capaian dan (b) presentasi mahasiswa dengan capaian
> 60 di setiap ILO yang didukung oleh MK Pengantar Teori Peluang 10 Kendala
- Kurangnya kemampuan mahasiswa dalam memahami dan membuat bahasa pemrograman Pengantar Teori Peluang dalam software R yang mengakibatkan mahasiswa sulit untuk mengikuti alur pembelajaran di kelas yang menuntut kesigapan dan kecepatan dalam membuat grafik di software R dan Microsoft Excel. Sehingga beberapa mahasiswa cenderung hanya menunggu hasil dari mahasiswa lain yang paham bahasa pemrograma R.
- Kurangnya inisiatif mahasiswa untuk bertanya apabila kurang paham akan suatu materi. Hal ini mengakibatkan munculnya beberapa mahasiswa yang memiliki nilai di bawah rata – rata.
-
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 78%
untuk materi secara keseluruhan, dengan kurang dan lebihnya 3.76% dari rata – rata tersebut. Terdapat satu mahasiswa dengan pemahaman paling rendah, nilai 70.69, namun ada pula yang berhasil optimal memahami materi dengan nilai 84.58.
Tabel 2. Statistika Deskriptif Nilai Akhir Pengantar Teori Peluang 2019/2020
Rata rata 78.73
Median 79.88
Simpangan baku 3.76
Range 13.88
Minimum 70.69
Maximum 84.58
Setelah dikonversi menjadi nilai huruf sesuai standar konversi penilaian, sebaran nilai
0 20 40 60 80 100ILO1
ILO2
ILO3
ILO4 ILO5
ILO6 ILO7
ILO8
Weighted-avg-based ILO's AI
Achievement Index of MAS62111
0 20 40 60 80 100ILO1
ILO2
ILO3
ILO4 ILO5
ILO6 ILO7
ILO8
Student num-based ILO's AI
Achievement Index of MAS62111
P2RP-LP3M UB
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 Pengantar Teori Peluang 2019/2020 12 Kesimpulan
- Dengan segala kendala dan kemampuan dasar mahasiswa pada mata kuliah Pengantar Teori Peluang, 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 mahasiswa lain, sedangkan nilai mahasiswa yang rendah menunjukkan kurangnya pemahaman mengenai materi Pengantar Teori Peluang.
- 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.
50%
37%
13%
0%
10%
20%
30%
40%
50%
60%
A B+ B
Persen Nilai Huruf
P2RP-LP3M UB
Lampiran 1
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
1
Pendahuluan
Kontrak kuliah, Ruang contoh, Kejadian Menghitung Titik Contoh:
Aturan Penjumlahan, Aturan Perkalian, Permutasi, Kombinasi, Teori Penempatan Contoh kasus Ruang contoh, kejadian, menghitung titik contoh
2
Teori Penarikan Contoh (satu demi satu atau secar bersama, Definisi Peluang Kejadian, Hukum-
Peluang Bersyarat, Independen Contoh kasus Peluang kejadian, peluang bersyarat, independen,
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
hukum Peluang
contoh di rangkaian komponen pararel atau seri.
3
Definisi Teorema Bayes
Contoh kasus Teorema Bayes
4 KUIS 1
Semua bahan yang telah diajark an pada pertem uan ke- 1 sampai dengan pertem uan ke- 3
5
Definisi Peubah Acak dan Distribusi Peluang
Definisi Distribu si Peluang Diskrit Definisi Distribu si Peluang
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
Kontinu Contoh kasus Peubah acak, distribus i peluang diskrit dan kontinu
6
Distribusi Peluang gabungan dan distribusi peluang marginal
Contoh kasus Distribus i Peluang gabungan dan distribusi peluang marginal
7
Definisi Nilai Harapan dan sifat-sifat nilai harapan
Rata- rata, varians dan kovarian s peubah acak, rata- rata, varians dan
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
kovarian s kombina si linier peubah acak, teorema Chebysh ev's Contoh kasus:
nilai harapan, Rata- rata, varians dan kovarian s peubah acak, rata- rata, varians dan kovarian s kombina si linier peubah acak, teorema
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
Chebysh ev's 8
dan 9
UT
S
10
Distribusi bernoulli, binomial, multinomial (fungsi peluang dan nilai harapan)
Contoh kasus Distribusi bernoulli, binomial, multinomi al
11
Distribusi Poisson dan Distribusi Hipergeomet ri
Distribu si Poisson Distribu si Hiperge ometri dan perluasa n geometr i Contoh kasus distribus i Poisson, Hiperge
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
ometri dan perluasa n hipergeo metri
12
Distribusi Geometri, binomial negatif
Conto h kasus geome tri dan binom ial negati f
13 Kuis 2
Semua bahan yang telah diajarka n pada pertemu an ke-10 sampai dengan pertemu an ke- 12.
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
14
Distribusi Normal dan sifat-sifat distribusi normal
Conto h kasus distrib usi norma l
15
Distribusi Gamma, Distribusi Exponential, khi kuadrat, beta, lognormal, weibull
Conto h kasus Distri busi Gamm a, Expon ential, khi kuadra t, beta, lognor mal, weibul l (conto h di fungsi keand alan komp onen) 16 Aplikasi
Peluang:
Matriks Peluang
P2RP-LP3M UB
Min ggu ke
Rencana
Pelaksanaan pada Minggu ke
1 2 3 4 5 6 7
8 dan 9
10 11 12 13 14 15 16 17
Pengantar Proses Stokastik
Transisi
17 UAS
U A S
Kehadiran (%) 88.69 100 98,9 100 100 98,9 98,9 100 98,9 98,9 100 100 100 100
P2RP-LP3M UB
Lampiran 2. Daftar Rincian Nilai
NIM Nama ABS1 Q1 Q2 Responsi T1 T2 T3 T4 T5 T6 T7 T8 UTS1 UAS1
'195090500111002 Fitri Nurlaila Salam 100 43 75 86 84.33 83.33 90 82.8 100 80 100 100 86 80 '195090500111010 Zumelinada Arafiziah Ginora 100 58 75 80.6167 84.00 83.33 90 82.77 100 80 100 100 60 65 '195090500111011 Antoma Sujata 100 78 70 79.5 83.67 84.00 90 83.7 100 80 100 100 95 80 '195090500111015 Cynthia Arinda Mayangsari 100 69 95 82.5 83.67 84.00 100 85.11 100 100 100 100 84 65 '195090500111018 Mahendra Jati Kusuma 100 24 70 89.75 83.00 84.33 90 82.59 100 80 100 100 72 80 '195090500111022 Rointan Margaretta Simamora 100 79 80 75.2917 84.33 83.67 90 85.68 100 80 100 100 82 85 '195090500111027 Ubaid Nafis Ramadhan 100 43 70 80.75 83.33 83.33 90 84.83 100 80 100 100 89 80 '195090500111035 Rana Athaya Imtiyaz 92.86 62 65 79.25 83.67 83.33 90 85.2 100 80 100 100 42 80 '195090500111036 Dimas Farhan Nugraha 100 56 85 89.75 83.67 84.33 90 82.32 100 80 100 100 95 80 '195090500111038 Andhira Puspita Adji 100 53 75 77.1667 83.67 83.33 90 82.06 100 80 100 100 82 70 '195090500111039 Firos Arkan Hapsoro Resnale 100 67 80 83.75 84.33 83.33 90 83.67 100 80 100 100 90 80 '195090500111042 Kadek Siska Putri Anggreni 100 72 80 83.75 84.00 83.33 90 84.14 100 80 100 100 82 75 '195090500111045 Deitra Afilia Shafira 100 66 80 83.75 83.67 84.00 90 84.86 100 80 100 100 72 70 '195090500111046 Helmy Kurnia Munandar 92.86 62 90 83.75 83.67 84.00 90 83.63 100 80 100 100 80 80 '195090500111048 Nophya Angela Purba 100 54 60 83.75 83.00 84.33 90 85.27 100 80 100 100 66 70 '195090500111052 Cherhen Faga Putra Nirwana 92.86 73 70 79.5 84.33 83.67 90 85.13 100 80 100 100 66 75 '195090500111054 Salsabilla Rizky Putri 100 74 80 83.75 83.33 83.33 90 82.63 100 80 100 100 83 75 '195090500111057 Muhammad Dzaky Firmansyah 100 63 85 91 83.67 83.33 90 85.06 100 80 100 100 84 80 '195090500111065 Hasna Aminatuzzuhria 100 73 75 85.6667 83.67 84.33 90 85.17 75 80 100 100 84 80 '195090500111066 Shinta Istibsyaroh Umami 100 75 60 69.9167 83.67 83.33 90 84.51 100 80 100 100 95 80 '195090500111067 Raissa Loretta Purba 100 74 75 83.75 84.33 83.33 90 83.88 100 80 100 100 81 75 '195090501111007 Rahma Maulidya Cintafany 100 40 75 86 84.00 83.33 90 83.43 100 80 100 100 63 80 '195090501111011 Yanti Septika Angranita 100 59 65 83.75 83.67 84.00 90 82.63 100 80 100 100 64 80 '195090501111012 Anwar Khoirudin 100 82 75 78.75 83.67 84.00 90 85.77 100 80 100 100 74 80 '195090501111013 Arnold Parlindungan Siregar 100 50 70 87.8333 83.00 84.33 90 82.95 100 80 100 100 95 80 '195090501111016 Dea Amanda Christina 100 65 70 77.5833 84.33 83.67 90 82.99 100 80 100 100 95 65
P2RP-LP3M UB
NIM Nama ABS1 Q1 Q2 Responsi T1 T2 T3 T4 T5 T6 T7 T8 UTS1 UAS1
'195090501111021 Farah Annisa Suryanto 100 46 75 86 83.33 83.33 90 84.75 100 80 100 100 86 80 '195090501111025 Maudini Mutiara Wandarti 92.86 79 75 81.25 83.67 83.33 90 82.11 100 80 100 100 68 75 '195090501111028 Izka Ardinavaizura 100 65 70 72.25 83.67 84.33 90 85.81 100 80 100 100 67 60 '195090501111031 Alvira Rohdiyana 100 55 70 86 83.67 83.33 90 82.7 100 80 100 100 77 75 '195090501111038 Nadya Camelia Nur Zahwa 100 62 75 80 84.33 83.33 90 81.66 100 80 100 100 82 75 '195090501111050 Vety Bhakti Lestari 100 55 65 78.5 84.00 83.33 90 83.07 100 80 100 100 58 70 '195090501111053 Hasanuddin Jimly Ahmad Zain 100 74 55 88.5 83.67 84.00 100 82.63 100 80 100 100 95 55 '195090501111054 Metasari Ayu Puspita Arum 100 71 75 79.6667 83.67 84.00 90 84.35 100 80 100 100 84 75 '195090507111003 Farah Nabila 100 61 70 82.0833 83.00 84.33 90 85.01 100 80 100 100 82 75 '195090507111006
Muhammad Aldi Surya
Ramadhan 100 55 85 82.75 84.33 83.67 90 82.03 100 65 100 100 56 80
'195090507111009 Jessica Angelina Wijaya 100 71 70 86 83.33 83.33 100 81.15 100 80 100 100 85 75 '195090507111012 Farid Nabil Elsyarif 92.86 63 60 84.4167 83.67 83.33 90 81.96 100 90 100 100 80 75 '195090507111017 Salsabila Ghazani 100 82 50 75.25 83.67 84.33 90 85.15 100 80 100 100 90 80 '195090507111018 Nindy Fitrohtul Nisa 100 78 70 80.2083 83.67 83.33 90 81.67 100 80 100 100 80 80 '195090507111020 Nurul Aini 100 67 70 81.25 84.33 83.33 90 83.14 100 80 100 100 78 75 '195090507111021
Muhammad Raihan Fadillah
Gibran 100 58 65 84.75 84.00 83.33 90 85.31 100 100 100 100 76 75
'195090507111022 M. Tafana Imania Arifin 100 50 65 81.5 83.67 84.00 90 84.53 100 100 100 100 63 70 '195090507111023 Salma Aulia Yushali 100 49 70 83.6667 83.67 84.00 90 84.62 100 80 100 100 95 80 '195090507111025 Rafif Fakhry Rapsodi 100 70 45 81.5 83.00 84.33 90 83.48 100 80 100 100 95 80 '195090507111030 Najla Salsabila Pulungan 100 46 85 83.75 84.33 83.67 90 84.38 100 80 100 100 86 80
